Deslize para mostrar o menu

Teste T Pareado

A função a seguir realiza um teste t pareado:


python

Este processo se assemelha ao utilizado para amostras independentes, mas aqui não é necessário verificar a homogeneidade de variância. O teste t pareado explicitamente não assume que as variâncias são iguais.

Lembre-se de que, para um teste t pareado, é fundamental que os tamanhos das amostras sejam iguais.

Com essas informações em mente, prossiga para a tarefa de realizar um teste t pareado.

Aqui, estão disponíveis dados sobre o número de downloads de um determinado aplicativo. Observe as amostras: os valores médios são quase idênticos.


              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')

Tarefa

Swipe to start coding

As hipóteses são estabelecidas:

H₀: A média do número de downloads antes e depois das alterações é a mesma;
Hₐ: A média do número de downloads é maior após as modificações.

Realize um teste t pareado com esta hipótese alternativa, utilizando before e after como as amostras.

Solução

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 6. Capítulo 8

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Teste T Pareado

A função a seguir realiza um teste t pareado:


python

Lembre-se de que, para um teste t pareado, é fundamental que os tamanhos das amostras sejam iguais.

Com essas informações em mente, prossiga para a tarefa de realizar um teste t pareado.

Aqui, estão disponíveis dados sobre o número de downloads de um determinado aplicativo. Observe as amostras: os valores médios são quase idênticos.


              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')

Tarefa

Swipe to start coding

As hipóteses são estabelecidas:

H₀: A média do número de downloads antes e depois das alterações é a mesma;
Hₐ: A média do número de downloads é maior após as modificações.

Realize um teste t pareado com esta hipótese alternativa, utilizando before e after como as amostras.

Solução

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 6. Capítulo 8

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo