Sveip for å vise menyen

Parret T-test

Følgende funksjon utfører en paret t-test:


python

Denne prosessen ligner på den som brukes for uavhengige utvalg, men her trenger vi ikke å sjekke homogenitet av varians. Den parete t-testen forutsetter ikke at variansene er like.

Vær oppmerksom på at for en paret t-test er det avgjørende at utvalgsstørrelsene er like.

Med denne informasjonen kan du gå videre til oppgaven med å utføre en paret t-test.

Her har du data om antall nedlastinger for en bestemt app. Se på utvalgene: gjennomsnittsverdiene er nesten identiske.


              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')

Oppgave

Swipe to start coding

Hypoteser er etablert:

H₀: Gjennomsnittlig antall nedlastinger før og etter endringene er det samme;
Hₐ: Gjennomsnittlig antall nedlastinger er høyere etter endringene.

Utfør en paret t-test med dette alternative hypoteset, ved å bruke before og after som utvalg.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 6. Kapittel 8

Spør AI

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

Parret T-test

Følgende funksjon utfører en paret t-test:


python

Denne prosessen ligner på den som brukes for uavhengige utvalg, men her trenger vi ikke å sjekke homogenitet av varians. Den parete t-testen forutsetter ikke at variansene er like.

Vær oppmerksom på at for en paret t-test er det avgjørende at utvalgsstørrelsene er like.

Med denne informasjonen kan du gå videre til oppgaven med å utføre en paret t-test.

Her har du data om antall nedlastinger for en bestemt app. Se på utvalgene: gjennomsnittsverdiene er nesten identiske.


              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')

Oppgave

Swipe to start coding

Hypoteser er etablert:

H₀: Gjennomsnittlig antall nedlastinger før og etter endringene er det samme;
Hₐ: Gjennomsnittlig antall nedlastinger er høyere etter endringene.

Utfør en paret t-test med dette alternative hypoteset, ved å bruke before og after som utvalg.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 6. Kapittel 8

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor