Scorri per mostrare il menu

T-test per Dati Appaiati

La funzione seguente esegue un t-test per campioni appaiati:


python

Questo procedimento è simile a quello utilizzato per campioni indipendenti, ma in questo caso non è necessario verificare l'omogeneità della varianza. Il t-test per campioni appaiati non presuppone che le varianze siano uguali.

Ricorda che per un t-test per campioni appaiati è fondamentale che le dimensioni dei campioni siano uguali.

Con queste informazioni, puoi procedere all'esecuzione di un t-test per campioni appaiati.

Qui sono riportati i dati relativi al numero di download di una determinata app. Osserva i campioni: i valori medi sono quasi identici.


              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')

Compito

Swipe to start coding

Le ipotesi sono stabilite:

H₀: La media dei download prima e dopo le modifiche è la stessa;
Hₐ: La media dei download è maggiore dopo le modifiche.

Eseguire un t-test per dati appaiati con questa ipotesi alternativa, utilizzando before e after come campioni.

Soluzione

Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 6. Capitolo 8

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

T-test per Dati Appaiati

La funzione seguente esegue un t-test per campioni appaiati:


python

Ricorda che per un t-test per campioni appaiati è fondamentale che le dimensioni dei campioni siano uguali.

Con queste informazioni, puoi procedere all'esecuzione di un t-test per campioni appaiati.

Qui sono riportati i dati relativi al numero di download di una determinata app. Osserva i campioni: i valori medi sono quasi identici.


              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')

Compito

Swipe to start coding

Le ipotesi sono stabilite:

H₀: La media dei download prima e dopo le modifiche è la stessa;
Hₐ: La media dei download è maggiore dopo le modifiche.

Eseguire un t-test per dati appaiati con questa ipotesi alternativa, utilizzando before e after come campioni.

Soluzione

Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 6. Capitolo 8

Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti