Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Парний t-тест | Статистичне Тестування
Вивчення Статистики з Python

Свайпніть щоб показати меню

book
Парний t-тест

Наступна функція виконує парний t-тест:

python

Цей процес подібний до того, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест явно не передбачає рівність дисперсій.

Зверніть увагу, що для парного t-тесту обов'язково рівні обсяги вибірок.

Маючи цю інформацію, можна перейти до виконання парного t-тесту.

Тут наведені дані щодо кількості завантажень певного додатка. Зверніть увагу на вибірки: середні значення майже однакові.

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
Завдання

Swipe to start coding

Встановлюються гіпотези:

  • H₀: Середня кількість завантажень до і після змін однакова;
  • Hₐ: Середня кількість завантажень більша після внесення змін.

Проведіть парний t-тест з цією альтернативною гіпотезою, використовуючи before та after як вибірки.

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 6. Розділ 8
Ми дуже хвилюємося, що щось пішло не так. Що трапилося?

Запитати АІ

expand
ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

book
Парний t-тест

Наступна функція виконує парний t-тест:

python

Цей процес подібний до того, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест явно не передбачає рівність дисперсій.

Зверніть увагу, що для парного t-тесту обов'язково рівні обсяги вибірок.

Маючи цю інформацію, можна перейти до виконання парного t-тесту.

Тут наведені дані щодо кількості завантажень певного додатка. Зверніть увагу на вибірки: середні значення майже однакові.

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
Завдання

Swipe to start coding

Встановлюються гіпотези:

  • H₀: Середня кількість завантажень до і після змін однакова;
  • Hₐ: Середня кількість завантажень більша після внесення змін.

Проведіть парний t-тест з цією альтернативною гіпотезою, використовуючи before та after як вибірки.

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 6. Розділ 8
Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Ми дуже хвилюємося, що щось пішло не так. Що трапилося?
some-alt