Gepaarde t-toets
De volgende functie voert een gepaarde t-toets uit:
python
Dit proces lijkt op dat van onafhankelijke steekproeven, maar hier hoeft de homogeniteit van varianties niet gecontroleerd te worden. De gepaarde t-toets gaat er expliciet niet van uit dat de varianties gelijk zijn.
Houd er rekening mee dat bij een gepaarde t-toets het essentieel is dat de steekproefgroottes gelijk zijn.
Met deze informatie kun je verdergaan met het uitvoeren van een gepaarde t-toets.
Hier vind je gegevens over het aantal downloads van een bepaalde app. Bekijk de steekproeven: de gemiddelde waarden zijn vrijwel identiek.
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')
Swipe to start coding
Hypothesen worden vastgesteld:
- H₀: Het gemiddelde aantal downloads vóór en na de wijzigingen is gelijk;
- Hₐ: Het gemiddelde aantal downloads is groter na de aanpassingen.
Voer een gepaarde t-toets uit met deze alternatieve hypothese, waarbij before en after als de steekproeven worden gebruikt.
Oplossing
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesBedankt voor je feedback!
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties