Kursinnhold

Lære Statistikk med Python

1. Grunnleggende Konsepter

Utvalg vs Populasjon Typer av statistikk Datatyper Gjennomsnitt Medianverdi Medianverdi for Et Partall av Verdier Gjennomsnitt eller Median Typetall Quiz om Beskrivende Statistikk

2. Gjennomsnitt, Median og Modus med Python

Undersøk Datasettet Beregning av Gjennomsnitts- og Medianverdier med Python Statistikk med Pandas Beregne Gjennomsnittlig og Median Lønn

3. Varians og Standardavvik

Populasjonsvarians Utvalgsvarians Beregn Varians med Python Standardavvik Standardavvik med Python Beregning av Varians og Standardavvik

4. Kovarians vs. Korrelasjon

Kovarians Korrelasjon Quiz om Kovarians og Korrelasjon Beregne Kovarians og Korrelasjon

5. Konfidensintervall

Utforsk Datasettet Konfidensintervall Beregning av Konfidensintervall med Python Quiz om Konfidensintervallbredde Beregn 95 % Konfidensintervall Avansert Beregning av Konfidensintervall med Python Matche Funksjonene

6. Statistisk Testing

Hva er t-test Hypoteser T-test Matematisk Enhalet og Tohalet Test Forutsetninger for T-test Utføring av t-test i Python Utføre en t-test Parret T-test

Utføring av t-test i Python

For å utføre en t-test i Python, må du angi den alternative hypotesen og indikere om variansene er omtrent like (homogene).

Funksjonen ttest_ind() i scipy.stats håndterer resten. Nedenfor vises syntaksen:

st.ttest_ind(a, b, equal_var=True, alternative='two-sided')

Parametere:

a — det første utvalget;
b — det andre utvalget;
equal_var — sett til True hvis variansene er omtrent like, og False hvis de ikke er det;
alternative — typen alternativ hypotese:
- 'two-sided' — indikerer at gjennomsnittene ikke er like;
- 'less' — innebærer at det første gjennomsnittet er mindre enn det andre;
- 'greater' — innebærer at det første gjennomsnittet er større enn det andre.

Returverdier:

statistic — verdien til t-statistikken;
pvalue — p-verdien.

Fokuset er på p-value. Hvis p-value er lavere enn α (vanligvis 0,05), faller t-statistikken innenfor det kritiske området, noe som fører til aksept av den alternative hypotesen. Hvis p-value er større enn α, aksepteres nullhypotesen, noe som indikerer at gjennomsnittene er like.

Her er et eksempel på bruk av t-testen på høyde-datasettet:


              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")

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 6. Kapittel 6

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår