Utföra ett t-test i Python
För att utföra ett t-test i Python behöver du endast ange den alternativa hypotesen och ange om varianserna är ungefär lika (homogena).
Funktionen ttest_ind()
i scipy.stats
hanterar resten. Nedan visas syntaxen:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parametrar:
a
— det första urvalet;b
— det andra urvalet;equal_var
— sätt tillTrue
om varianserna är ungefär lika, ochFalse
om de inte är det;alternative
— typ av alternativ hypotes:'two-sided'
— anger att medelvärdena inte är lika;'less'
— innebär att det första medelvärdet är mindre än det andra;'greater'
— innebär att det första medelvärdet är större än det andra.
Returvärden:
statistic
— värdet på t-statistikan;pvalue
— p-värdet.
Fokus ligger på p-value
. Om p-value
är lägre än α (vanligtvis 0,05) hamnar t-statistikan inom det kritiska området, vilket leder till att den alternativa hypotesen accepteras. Om p-value
är större än α accepteras nollhypotesen, vilket indikerar att medelvärdena är lika.
Här är ett exempel på hur t-testet tillämpas på höjddatamängden:
123456789101112131415import 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")
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Awesome!
Completion rate improved to 2.63
Utföra ett t-test i Python
Svep för att visa menyn
För att utföra ett t-test i Python behöver du endast ange den alternativa hypotesen och ange om varianserna är ungefär lika (homogena).
Funktionen ttest_ind()
i scipy.stats
hanterar resten. Nedan visas syntaxen:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parametrar:
a
— det första urvalet;b
— det andra urvalet;equal_var
— sätt tillTrue
om varianserna är ungefär lika, ochFalse
om de inte är det;alternative
— typ av alternativ hypotes:'two-sided'
— anger att medelvärdena inte är lika;'less'
— innebär att det första medelvärdet är mindre än det andra;'greater'
— innebär att det första medelvärdet är större än det andra.
Returvärden:
statistic
— värdet på t-statistikan;pvalue
— p-värdet.
Fokus ligger på p-value
. Om p-value
är lägre än α (vanligtvis 0,05) hamnar t-statistikan inom det kritiska området, vilket leder till att den alternativa hypotesen accepteras. Om p-value
är större än α accepteras nollhypotesen, vilket indikerar att medelvärdena är lika.
Här är ett exempel på hur t-testet tillämpas på höjddatamängden:
123456789101112131415import 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")
Tack för dina kommentarer!