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 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.
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
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
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
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 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.
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
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
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
Awesome!
Completion rate improved to 2.63single
