Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Utföra ett t-test i Python | Statistisk Testning
Lära Sig Statistik med Python
course content

Kursinnehåll

Lära Sig Statistik med Python

Lära Sig Statistik med Python

1. Grundläggande Begrepp
2. Medelvärde, Median och Typvärde med Python
3. Varians och Standardavvikelse
4. Kovarians vs Korrelation
5. Konfidensintervall
6. Statistisk Testning

book
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:

python

Parametrar:

  • a — det första urvalet;

  • b — det andra urvalet;

  • equal_var — sätt till True om varianserna är ungefär lika, och False 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:

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")
copy
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 6. Kapitel 6

Fråga AI

expand
ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

course content

Kursinnehåll

Lära Sig Statistik med Python

Lära Sig Statistik med Python

1. Grundläggande Begrepp
2. Medelvärde, Median och Typvärde med Python
3. Varians och Standardavvikelse
4. Kovarians vs Korrelation
5. Konfidensintervall
6. Statistisk Testning

book
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:

python

Parametrar:

  • a — det första urvalet;

  • b — det andra urvalet;

  • equal_var — sätt till True om varianserna är ungefär lika, och False 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:

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")
copy
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 6. Kapitel 6
Vi beklagar att något gick fel. Vad hände?
some-alt