Contenuti del Corso

Statistica con Python

1. Concetti di Base

Campione vs Popolazione Tipi di Statistica Tipi di Dati Valore Medio Valore Mediano Valore Mediano di un Numero Pari di Valori Media o Mediana Valore della Moda Quiz Sulle Statistiche Descrittive

2. Media, Mediana e Moda con Python

Esaminare il Dataset Calcolo dei Valori della Media e della Mediana con Python Statistiche con Pandas Calcolare la Media e la Mediana degli Stipendi

3. Varianza e Deviazione Standard

Varianza della Popolazione Varianza Campionaria Calcolare la Varianza con Python Deviazione Standard Deviazione Standard con Python Calcolo della Varianza e della Deviazione Standard

4. Covarianza vs Correlazione

Covarianza Correlazione Quiz su Covarianza e Correlazione Calcolare Covarianza e Correlazione

5. Intervallo di Confidenza

Esplorare il Set di Dati Intervallo di Confidenza Calcolo dell'Intervallo di Confidenza con Python Quiz Sulla Larghezza dell'Intervallo di Confidenza Calcolare l'Intervallo di Confidenza al 95%Calcolo Avanzato dell'Intervallo di Confidenza con Python Abbina le Funzioni

6. Test Statistici

Che Cos'è il T-Test Ipotesi T-Test Dal Punto Di Vista Matematico Test a una coda e a due code Assunzioni del T-Test Esecuzione di un t-test in Python Eseguire un Test T T-test per Dati Appaiati

Esecuzione di un t-test in Python

Per eseguire un t-test in Python, è sufficiente specificare l'ipotesi alternativa e indicare se le varianze sono approssimativamente uguali (omogenee).

La funzione ttest_ind() all'interno di scipy.stats gestisce il resto. Di seguito la sintassi:


python

Parametri:

a — primo campione;
b — secondo campione;
equal_var — impostare su True se le varianze sono approssimativamente uguali, su False se non lo sono;
alternative — tipo di ipotesi alternativa:
- 'two-sided' — indica che le medie non sono uguali;
- 'less' — implica che la prima media è inferiore alla seconda;
- 'greater' — implica che la prima media è superiore alla seconda.

Valori restituiti:

statistic — valore della statistica t;
pvalue — valore p.

L'attenzione è rivolta al p-value. Se il p-value è inferiore ad α (solitamente 0,05), la statistica t ricade nella regione critica, portando all'accettazione dell'ipotesi alternativa. Se il p-value è superiore ad α, si accetta l'ipotesi nulla, indicando che le medie sono uguali.

Ecco un esempio di applicazione del t-test al dataset delle altezze:


              123456789101112131415
            
import 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")

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 6. Capitolo 6

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione