Realización de una Prueba t en Python
Para realizar una prueba t en Python, solo es necesario especificar la hipótesis alternativa e indicar si las varianzas son aproximadamente iguales (homocedasticidad).
La función ttest_ind()
dentro de scipy.stats
se encarga del resto. A continuación se muestra la sintaxis:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parámetros:
a
— primera muestra;b
— segunda muestra;equal_var
— establecer enTrue
si las varianzas son aproximadamente iguales, y enFalse
si no lo son;alternative
— tipo de hipótesis alternativa:'two-sided'
— indica que las medias no son iguales;'less'
— implica que la primera media es menor que la segunda;'greater'
— implica que la primera media es mayor que la segunda.
Valores de retorno:
statistic
— valor del estadístico t;pvalue
— valor p.
El enfoque principal está en el p-value
. Si el p-value
es menor que α (usualmente 0.05), el estadístico t cae dentro de la región crítica, lo que lleva a aceptar la hipótesis alternativa. Si el p-value
es mayor que α, se acepta la hipótesis nula, lo que indica que las medias son iguales.
A continuación se muestra un ejemplo de aplicación de la prueba t al conjunto de datos de alturas:
123456789101112131415import pandas as pd import scipy.stats as st # Load the data male = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/male.csv').squeeze() female = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/female.csv').squeeze() # Apply t-test t_stat, pvalue = st.ttest_ind(male, female, equal_var=True, alternative="greater") if pvalue > 0.05: # Check if we should support or not the null hypothesis if pvalue > 0.05: print("We support the null hypothesis, the mean values are equal") else: print("We reject the null hypothesis, males are taller")
¡Gracias por tus comentarios!
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Pregunte me preguntas sobre este tema
Resumir este capítulo
Mostrar ejemplos del mundo real
Awesome!
Completion rate improved to 2.63
Realización de una Prueba t en Python
Desliza para mostrar el menú
Para realizar una prueba t en Python, solo es necesario especificar la hipótesis alternativa e indicar si las varianzas son aproximadamente iguales (homocedasticidad).
La función ttest_ind()
dentro de scipy.stats
se encarga del resto. A continuación se muestra la sintaxis:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parámetros:
a
— primera muestra;b
— segunda muestra;equal_var
— establecer enTrue
si las varianzas son aproximadamente iguales, y enFalse
si no lo son;alternative
— tipo de hipótesis alternativa:'two-sided'
— indica que las medias no son iguales;'less'
— implica que la primera media es menor que la segunda;'greater'
— implica que la primera media es mayor que la segunda.
Valores de retorno:
statistic
— valor del estadístico t;pvalue
— valor p.
El enfoque principal está en el p-value
. Si el p-value
es menor que α (usualmente 0.05), el estadístico t cae dentro de la región crítica, lo que lleva a aceptar la hipótesis alternativa. Si el p-value
es mayor que α, se acepta la hipótesis nula, lo que indica que las medias son iguales.
A continuación se muestra un ejemplo de aplicación de la prueba t al conjunto de datos de alturas:
123456789101112131415import pandas as pd import scipy.stats as st # Load the data male = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/male.csv').squeeze() female = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/female.csv').squeeze() # Apply t-test t_stat, pvalue = st.ttest_ind(male, female, equal_var=True, alternative="greater") if pvalue > 0.05: # Check if we should support or not the null hypothesis if pvalue > 0.05: print("We support the null hypothesis, the mean values are equal") else: print("We reject the null hypothesis, males are taller")
¡Gracias por tus comentarios!