Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele T-test-Oletukset | Tilastollinen Testaaminen
Tilastotieteen Opiskelu Pythonilla
course content

Kurssisisältö

Tilastotieteen Opiskelu Pythonilla

Tilastotieteen Opiskelu Pythonilla

1. Peruskäsitteet
2. Keskiarvo, Mediaani ja Moodi Pythonilla
3. Varianssi ja Keskihajonta
4. Kovarianssi vs. Korrelaatio
5. Luottamusväli
6. Tilastollinen Testaaminen

book
T-test-Oletukset

t-testin perusajatus on, että se noudattaa t-jakaumaa. Jotta tämä pitää paikkansa, tehdään muutamia tärkeitä oletuksia:

  1. Varianssien homogeenisuus. Verrattavien ryhmien varianssien tulisi olla suunnilleen samat;

  2. Normaalijakautuneisuus. Molempien otosten tulisi noudattaa likimääräisesti normaalijakaumaa;

  3. Riippumattomuus. Otosten tulee olla riippumattomia, eli toisen ryhmän arvot eivät saa vaikuttaa toisen ryhmän arvoihin.

On tärkeää huomata, että t-testi voi antaa virheellisiä tuloksia, jos nämä oletukset eivät täyty.

On olemassa erilaisia t-testejä, jotka huomioivat joidenkin oletusten rikkomisen:

  • Jos varianssit ovat erilaiset, voidaan käyttää Welchin t-testiä. Sen perusajatus on sama. Ainoa ero on vapausasteiden laskennassa. Welchin t-testin suorittaminen Pythonissa tavallisen t-testin sijaan onnistuu helposti asettamalla equal_var=False;

  • Jos otokset eivät ole riippumattomia (esimerkiksi jos halutaan verrata saman ryhmän keskiarvoja eri ajankohtina), voidaan käyttää parittaista t-testiä. Parittaisesta t-testistä keskustellaan myöhemmässä luvussa.

question-icon

Valitse sopiva t-testin tyyppi jokaiseen tapaukseen:

Normality, Homogeneity but no Independence —
Normality, Homogeneity, Independence —

Normality, Independence but no Homogeneity —

Click or drag`n`drop items and fill in the blanks

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 6. Luku 5

Kysy tekoälyä

expand
ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

course content

Kurssisisältö

Tilastotieteen Opiskelu Pythonilla

Tilastotieteen Opiskelu Pythonilla

1. Peruskäsitteet
2. Keskiarvo, Mediaani ja Moodi Pythonilla
3. Varianssi ja Keskihajonta
4. Kovarianssi vs. Korrelaatio
5. Luottamusväli
6. Tilastollinen Testaaminen

book
T-test-Oletukset

t-testin perusajatus on, että se noudattaa t-jakaumaa. Jotta tämä pitää paikkansa, tehdään muutamia tärkeitä oletuksia:

  1. Varianssien homogeenisuus. Verrattavien ryhmien varianssien tulisi olla suunnilleen samat;

  2. Normaalijakautuneisuus. Molempien otosten tulisi noudattaa likimääräisesti normaalijakaumaa;

  3. Riippumattomuus. Otosten tulee olla riippumattomia, eli toisen ryhmän arvot eivät saa vaikuttaa toisen ryhmän arvoihin.

On tärkeää huomata, että t-testi voi antaa virheellisiä tuloksia, jos nämä oletukset eivät täyty.

On olemassa erilaisia t-testejä, jotka huomioivat joidenkin oletusten rikkomisen:

  • Jos varianssit ovat erilaiset, voidaan käyttää Welchin t-testiä. Sen perusajatus on sama. Ainoa ero on vapausasteiden laskennassa. Welchin t-testin suorittaminen Pythonissa tavallisen t-testin sijaan onnistuu helposti asettamalla equal_var=False;

  • Jos otokset eivät ole riippumattomia (esimerkiksi jos halutaan verrata saman ryhmän keskiarvoja eri ajankohtina), voidaan käyttää parittaista t-testiä. Parittaisesta t-testistä keskustellaan myöhemmässä luvussa.

question-icon

Valitse sopiva t-testin tyyppi jokaiseen tapaukseen:

Normality, Homogeneity but no Independence —
Normality, Homogeneity, Independence —

Normality, Independence but no Homogeneity —

Click or drag`n`drop items and fill in the blanks

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 6. Luku 5
Pahoittelemme, että jotain meni pieleen. Mitä tapahtui?
some-alt