Парний t-тест
Наступна функція виконує парний t-тест:
ttest_rel(a, b, alternative='two-sided')
Цей процес подібний до того, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест не передбачає рівність дисперсій.
Зверніть увагу, що для парного t-тесту критично важливо, щоб обсяги вибірок були рівними.
Маючи цю інформацію, ви можете перейти до виконання парного t-тесту.
Тут наведені дані щодо кількості завантажень певного додатку. Ознайомтеся з вибірками: середні значення майже однакові.
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
Ви перевіряєте, чи призвели зміни до збільшення середньої кількості завантажень.
Надаються два набори даних — before та after, які представляють кількість завантажень до та після змін відповідно.
Гіпотези такі:
- H₀: Середня кількість завантажень до і після змін однакова.
- Hₐ: Середня кількість завантажень більша після змін.
Проведіть парний t-тест з використанням цих вибірок і відповідної альтернативної гіпотези.
- Використайте функцію
st.ttest_rel()для виконання парного t-тесту. - Передайте
afterтаbeforeяк перші два аргументи саме в такому порядку. - Встановіть аргумент
alternative='greater', щоб перевірити, чи середнє після змін більше, ніж до змін. - Збережіть результати у змінних
statsтаpvalue. - Використайте значення
pvalue, щоб визначити, чи підтримати, чи відхилити нульову гіпотезу.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
What should I do next to conduct the paired t-test?
Can you explain what the histogram and mean lines indicate?
How do I interpret the results of the paired t-test?
Awesome!
Completion rate improved to 2.63Парний t-тест
Свайпніть щоб показати меню
Наступна функція виконує парний t-тест:
ttest_rel(a, b, alternative='two-sided')
Цей процес подібний до того, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест не передбачає рівність дисперсій.
Зверніть увагу, що для парного t-тесту критично важливо, щоб обсяги вибірок були рівними.
Маючи цю інформацію, ви можете перейти до виконання парного t-тесту.
Тут наведені дані щодо кількості завантажень певного додатку. Ознайомтеся з вибірками: середні значення майже однакові.
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
Ви перевіряєте, чи призвели зміни до збільшення середньої кількості завантажень.
Надаються два набори даних — before та after, які представляють кількість завантажень до та після змін відповідно.
Гіпотези такі:
- H₀: Середня кількість завантажень до і після змін однакова.
- Hₐ: Середня кількість завантажень більша після змін.
Проведіть парний t-тест з використанням цих вибірок і відповідної альтернативної гіпотези.
- Використайте функцію
st.ttest_rel()для виконання парного t-тесту. - Передайте
afterтаbeforeяк перші два аргументи саме в такому порядку. - Встановіть аргумент
alternative='greater', щоб перевірити, чи середнє після змін більше, ніж до змін. - Збережіть результати у змінних
statsтаpvalue. - Використайте значення
pvalue, щоб визначити, чи підтримати, чи відхилити нульову гіпотезу.
Рішення
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
single
