Glissez pour afficher le menu

Test T Apparié

La fonction suivante effectue un test t apparié :

python

Ce processus ressemble à celui utilisé pour les échantillons indépendants, mais ici nous n'avons pas besoin de vérifier l'homogénéité de la variance. Le test t apparié ne suppose pas explicitement que les variances sont égales.

Gardez à l'esprit que pour un test t apparié, il est crucial que les tailles d'échantillon soient égales.

Avec ces informations en tête, vous pouvez procéder à la tâche de réaliser un test t apparié.

Ici, vous avez des données concernant le nombre de téléchargements pour une application particulière. Jetez un œil aux échantillons : les valeurs moyennes sont presque identiques.


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt

# Read the data
before = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/before.csv').squeeze()
after = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/after.csv').squeeze()
# Plot histograms
plt.hist(before, alpha=0.7)
plt.hist(after, alpha=0.7)
# Plot the means
plt.axvline(before.mean(), color='blue', linestyle='dashed')
plt.axvline(after.mean(), color='gold', linestyle='dashed')

Tâche

Swipe to start coding

Nous établissons les hypothèses :

H₀ : Le nombre moyen de téléchargements avant et après les changements est le même ;
Hₐ : Le nombre moyen de téléchargements est plus grand après les modifications.

Effectuez un test t apparié avec cette hypothèse alternative, en utilisant before et after comme échantillons.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 6. Chapitre 8

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Test T Apparié

La fonction suivante effectue un test t apparié :

python

Gardez à l'esprit que pour un test t apparié, il est crucial que les tailles d'échantillon soient égales.

Avec ces informations en tête, vous pouvez procéder à la tâche de réaliser un test t apparié.

Ici, vous avez des données concernant le nombre de téléchargements pour une application particulière. Jetez un œil aux échantillons : les valeurs moyennes sont presque identiques.


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt

# Read the data
before = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/before.csv').squeeze()
after = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/after.csv').squeeze()
# Plot histograms
plt.hist(before, alpha=0.7)
plt.hist(after, alpha=0.7)
# Plot the means
plt.axvline(before.mean(), color='blue', linestyle='dashed')
plt.axvline(after.mean(), color='gold', linestyle='dashed')

Tâche

Swipe to start coding

Nous établissons les hypothèses :

H₀ : Le nombre moyen de téléchargements avant et après les changements est le même ;
Hₐ : Le nombre moyen de téléchargements est plus grand après les modifications.

Effectuez un test t apparié avec cette hypothèse alternative, en utilisant before et after comme échantillons.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 6. Chapitre 8

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous