Réalisation d'un Test T dans Python
Pour réaliser un test t en Python, il suffit de spécifier l'hypothèse alternative et d'indiquer si les variances sont approximativement égales (homogènes).
La fonction ttest_ind() du module scipy.stats s'occupe du reste. Voici la syntaxe :
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Paramètres :
a— premier échantillon ;b— second échantillon ;equal_var— à définir surTruesi les variances sont approximativement égales, et surFalsesi elles ne le sont pas ;alternative— type d'hypothèse alternative :'two-sided'— indique que les moyennes ne sont pas égales ;'less'— implique que la première moyenne est inférieure à la seconde ;'greater'— implique que la première moyenne est supérieure à la seconde.
Valeurs de retour :
statistic— valeur de la statistique t ;pvalue— la valeur p.
L'accent est mis sur la p-value. Si la p-value est inférieure à α (généralement 0,05), la statistique t se situe dans la région critique, ce qui conduit à l'acceptation de l'hypothèse alternative. Si la p-value est supérieure à α, l'hypothèse nulle est acceptée, indiquant que les moyennes sont égales.
Voici un exemple d'application du test t à l'ensemble de données des tailles :
123456789101112131415import pandas as pd import scipy.stats as st # Load the data male = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/male.csv').squeeze() female = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/female.csv').squeeze() # Apply t-test t_stat, pvalue = st.ttest_ind(male, female, equal_var=True, alternative="greater") if pvalue > 0.05: # Check if we should support or not the null hypothesis if pvalue > 0.05: print("We support the null hypothesis, the mean values are equal") else: print("We reject the null hypothesis, males are taller")
Merci pour vos commentaires !
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 2.63Réalisation d'un Test T dans Python
Glissez pour afficher le menu
Pour réaliser un test t en Python, il suffit de spécifier l'hypothèse alternative et d'indiquer si les variances sont approximativement égales (homogènes).
La fonction ttest_ind() du module scipy.stats s'occupe du reste. Voici la syntaxe :
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Paramètres :
a— premier échantillon ;b— second échantillon ;equal_var— à définir surTruesi les variances sont approximativement égales, et surFalsesi elles ne le sont pas ;alternative— type d'hypothèse alternative :'two-sided'— indique que les moyennes ne sont pas égales ;'less'— implique que la première moyenne est inférieure à la seconde ;'greater'— implique que la première moyenne est supérieure à la seconde.
Valeurs de retour :
statistic— valeur de la statistique t ;pvalue— la valeur p.
L'accent est mis sur la p-value. Si la p-value est inférieure à α (généralement 0,05), la statistique t se situe dans la région critique, ce qui conduit à l'acceptation de l'hypothèse alternative. Si la p-value est supérieure à α, l'hypothèse nulle est acceptée, indiquant que les moyennes sont égales.
Voici un exemple d'application du test t à l'ensemble de données des tailles :
123456789101112131415import pandas as pd import scipy.stats as st # Load the data male = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/male.csv').squeeze() female = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/female.csv').squeeze() # Apply t-test t_stat, pvalue = st.ttest_ind(male, female, equal_var=True, alternative="greater") if pvalue > 0.05: # Check if we should support or not the null hypothesis if pvalue > 0.05: print("We support the null hypothesis, the mean values are equal") else: print("We reject the null hypothesis, males are taller")
Merci pour vos commentaires !
