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

Svep för att visa menyn

book
Parat t-test

Följande funktion utför ett parat t-test:

python

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 stickprovsstorlekarna är lika.

Med denna information i åtanke kan du gå vidare till uppgiften att utföra ett parat t-test.

Här har du data om antalet nedladdningar för en viss app. Titta på urvalen: medelvärdena är nästan identiska.

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')
copy
Uppgift

Swipe to start coding

Hypoteser fastställs:

  • H₀: Det genomsnittliga antalet nedladdningar före och efter ändringarna är detsamma;
  • Hₐ: Det genomsnittliga antalet nedladdningar är högre efter modifieringarna.

Utför ett parat t-test med detta alternativa hypotes, använd before och after som urval.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 6. Kapitel 8
Vi beklagar att något gick fel. Vad hände?

Fråga AI

expand
ChatGPT

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

book
Parat t-test

Följande funktion utför ett parat t-test:

python

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 stickprovsstorlekarna är lika.

Med denna information i åtanke kan du gå vidare till uppgiften att utföra ett parat t-test.

Här har du data om antalet nedladdningar för en viss app. Titta på urvalen: medelvärdena är nästan identiska.

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')
copy
Uppgift

Swipe to start coding

Hypoteser fastställs:

  • H₀: Det genomsnittliga antalet nedladdningar före och efter ändringarna är detsamma;
  • Hₐ: Det genomsnittliga antalet nedladdningar är högre efter modifieringarna.

Utför ett parat t-test med detta alternativa hypotes, använd before och after som urval.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 6. Kapitel 8
Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Vi beklagar att något gick fel. Vad hände?
some-alt