Glissez pour afficher le menu

Test t Apparié

La fonction suivante réalise un test t apparié :


python

Ce processus ressemble à celui utilisé pour les échantillons indépendants, mais ici il n'est pas nécessaire de vérifier l'homogénéité des variances. Le test t apparié n'assume explicitement pas que les variances sont égales.

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

Avec ces informations en tête, vous pouvez passer à la réalisation d'un test t apparié.

Ici, vous disposez de données concernant le nombre de téléchargements d'une application particulière. Examinez les 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

Les hypothèses sont établies :

H₀ : La moyenne du nombre de téléchargements avant et après les modifications est identique ;
Hₐ : La moyenne du nombre de téléchargements est supérieure après les modifications.

Effectuer 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 réalise un test t apparié :


python

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

Avec ces informations en tête, vous pouvez passer à la réalisation d'un test t apparié.

Ici, vous disposez de données concernant le nombre de téléchargements d'une application particulière. Examinez les 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

Les hypothèses sont établies :

H₀ : La moyenne du nombre de téléchargements avant et après les modifications est identique ;
Hₐ : La moyenne du nombre de téléchargements est supérieure après les modifications.

Effectuer 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