Glissez pour afficher le menu

Réaliser un Test T

Une entreprise souhaite déterminer s'il existe une différence significative dans les niveaux de productivité des développeurs travaillant à domicile par rapport à ceux travaillant au bureau. Heureusement, vous savez déjà qu'un test t peut aider à répondre à cette question.

L'entreprise dispose de deux équipes de développeurs indépendantes : l'une travaille à distance et l'autre au bureau. Deux fichiers vous ont été fournis, 'work_from_home.csv' et 'work_from_office.csv', contenant le nombre mensuel de tâches accomplies par chaque développeur.

La tâche consiste à réaliser un test t. L'entreprise souhaite savoir si les développeurs travaillant au bureau sont plus productifs que ceux travaillant à domicile. Si c'est le cas, elle obligera également la seconde équipe à travailler au bureau. Si les travailleurs à domicile sont plus productifs, l'entreprise ne procédera à aucun changement. L'hypothèse alternative souhaitée est donc : « La productivité moyenne des travailleurs au bureau est supérieure à celle des travailleurs à domicile ».

Vérifions si les variances sont identiques :


              1234567
            
import pandas as pd

home_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_home.csv').squeeze()
office_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_office.csv').squeeze()
# Printing sample standard deviations
print('Home workers std:', home_workers.std())
print('Office workers std:', office_workers.std())

L'écart type du second groupe est deux fois supérieur à celui du premier, donc les variances diffèrent. Rappel de la fonction ttest_ind pour effectuer un test t.


python

Tâche

Swipe to start coding

Importer scipy.stats avec l'alias st.
Effectuer un test t avec la configuration suivante :
- Échantillons : home_workers, office_workers ;
- Hypothèse alternative : office > home ;
- Pas d'homogénéité des variances.

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 7

Demandez à l'IA

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

Réaliser un Test T

Vérifions si les variances sont identiques :


              1234567
            
import pandas as pd

home_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_home.csv').squeeze()
office_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_office.csv').squeeze()
# Printing sample standard deviations
print('Home workers std:', home_workers.std())
print('Office workers std:', office_workers.std())

L'écart type du second groupe est deux fois supérieur à celui du premier, donc les variances diffèrent. Rappel de la fonction ttest_ind pour effectuer un test t.


python

Tâche

Swipe to start coding

Importer scipy.stats avec l'alias st.
Effectuer un test t avec la configuration suivante :
- Échantillons : home_workers, office_workers ;
- Hypothèse alternative : office > home ;
- Pas d'homogénéité des variances.

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 7

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