Parat T-test
Följande funktion utför ett parat t-test:
ttest_rel(a, b, alternative='two-sided')
Denna process liknar den som används för oberoende urval, men här behöver vi inte kontrollera homogenitet av varians. Det parata t-testet förutsätter uttryckligen inte att varianserna är lika.
Observera att för ett parat t-test är det avgörande att urvalsstorlekarna är lika.
Med denna information i åtanke kan du gå vidare till uppgiften att utföra ett parat t-test.
Här finns data om antalet nedladdningar för en viss app. Titta på urvalen: medelvärdena är nästan identiska.
123456789101112import 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
Du undersöker om en förändring har ökat det genomsnittliga antalet nedladdningar.
Två dataset tillhandahålls — before och after — som representerar antalet nedladdningar före och efter förändringarna.
Hypoteserna är:
- H₀: Det genomsnittliga antalet nedladdningar före och efter förändringarna är detsamma.
- Hₐ: Det genomsnittliga antalet nedladdningar är större efter förändringarna.
Utför ett parat t-test med dessa urval och motsvarande alternativ hypotes.
- Använd funktionen
st.ttest_rel()för att utföra ett parat t-test. - Skicka in
afterochbeforesom de två första argumenten i denna ordning. - Ange argumentet
alternative='greater'för att testa om medelvärdet efter är större än före. - Spara resultaten i variablerna
statsochpvalue. - Använd
pvalueför att avgöra om du ska stödja eller förkasta nollhypotesen.
Lösning
Tack för dina kommentarer!
single
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 2.63Parat T-test
Svep för att visa menyn
Följande funktion utför ett parat t-test:
ttest_rel(a, b, alternative='two-sided')
Denna process liknar den som används för oberoende urval, men här behöver vi inte kontrollera homogenitet av varians. Det parata t-testet förutsätter uttryckligen inte att varianserna är lika.
Observera att för ett parat t-test är det avgörande att urvalsstorlekarna är lika.
Med denna information i åtanke kan du gå vidare till uppgiften att utföra ett parat t-test.
Här finns data om antalet nedladdningar för en viss app. Titta på urvalen: medelvärdena är nästan identiska.
123456789101112import 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
Du undersöker om en förändring har ökat det genomsnittliga antalet nedladdningar.
Två dataset tillhandahålls — before och after — som representerar antalet nedladdningar före och efter förändringarna.
Hypoteserna är:
- H₀: Det genomsnittliga antalet nedladdningar före och efter förändringarna är detsamma.
- Hₐ: Det genomsnittliga antalet nedladdningar är större efter förändringarna.
Utför ett parat t-test med dessa urval och motsvarande alternativ hypotes.
- Använd funktionen
st.ttest_rel()för att utföra ett parat t-test. - Skicka in
afterochbeforesom de två första argumenten i denna ordning. - Ange argumentet
alternative='greater'för att testa om medelvärdet efter är större än före. - Spara resultaten i variablerna
statsochpvalue. - Använd
pvalueför att avgöra om du ska stödja eller förkasta nollhypotesen.
Lösning
Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedanTack för dina kommentarer!
single
