Зміст курсу

Вивчення Статистики з Використанням Python

1. Основні Поняття

Вибірка та Генеральна Сукупність Типи Статистики Типи Даних Середнє Значення Медіана Медіана Парної Кількості Значень Середнє Значення або Медіана Мода Челендж

2. Середнє, Медіана та Мода в Python

Вивчення Набору Даних Обчислення Середнього Значення та Медіани за Допомогою Python Статистика з pandas Челендж

3. Дисперсія та Стандартне Відхилення

Дисперсія Генеральної Сукупності Вибіркова Дисперсія Обчислення Дисперсії за Допомогою Python Стандартне Відхилення Стандартне Відхилення з Python Челендж

4. Коваріація та Кореляція

Коваріація Кореляція Челендж 1 Челендж 2

5. Довірчий Інтервал

Ознайомлення з Набором Даних Довірчий Інтервал Обчислення Довірчого Інтервалу за Допомогою Python Челендж 1 Челендж 2 Обчислення Довірчого Інтервалу за Допомогою Python Челендж

6. Статистичні Тести

Що таке t-тест Гіпотези t-тест Математично Односторонній та Двосторонній Тест Припущення t-тесту Проведення t-тесту в Python Виклик Парний t-критерій

Парний t-критерій

Наступна функція проводить парний t-тест:

Цей процес схожий на той, що використовується для незалежних вибірок, але тут нам не потрібно перевіряти однорідність дисперсій. Парний t-тест явно не передбачає, що дисперсії рівні.

Майте на увазі, що для парного t-тесту критично важливо, щоб розміри вибірок були рівні.

З огляду на цю інформацію, ви можете приступити до завдання проведення парного t-критерія Стьюдента.

Тут у вас є дані щодо кількості завантажень певного додатку. Розгляньте зразки: середні значення майже ідентичні.


              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')

Завдання

Ми встановлюємо гіпотези:

H₀: Середня кількість завантажень до та після змін залишається незмінною.
Hₐ: Середня кількість завантажень після модифікацій є більшою.

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

Завдання

Ми встановлюємо гіпотези:

H₀: Середня кількість завантажень до та після змін залишається незмінною.
Hₐ: Середня кількість завантажень після модифікацій є більшою.

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

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Секція 6. Розділ 8

Парний t-критерій

Наступна функція проводить парний t-тест:

Майте на увазі, що для парного t-тесту критично важливо, щоб розміри вибірок були рівні.

З огляду на цю інформацію, ви можете приступити до завдання проведення парного t-критерія Стьюдента.


              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')

Завдання

Ми встановлюємо гіпотези:

H₀: Середня кількість завантажень до та після змін залишається незмінною.
Hₐ: Середня кількість завантажень після модифікацій є більшою.

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

Завдання

Ми встановлюємо гіпотези:

H₀: Середня кількість завантажень до та після змін залишається незмінною.
Hₐ: Середня кількість завантажень після модифікацій є більшою.

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

Все було зрозуміло?

Секція 6. Розділ 8

Парний t-критерій

Наступна функція проводить парний t-тест:

Майте на увазі, що для парного t-тесту критично важливо, щоб розміри вибірок були рівні.

З огляду на цю інформацію, ви можете приступити до завдання проведення парного t-критерія Стьюдента.


              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')

Завдання

Ми встановлюємо гіпотези:

H₀: Середня кількість завантажень до та після змін залишається незмінною.
Hₐ: Середня кількість завантажень після модифікацій є більшою.

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

Завдання

Ми встановлюємо гіпотези:

H₀: Середня кількість завантажень до та після змін залишається незмінною.
Hₐ: Середня кількість завантажень після модифікацій є більшою.

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

Все було зрозуміло?

Наступна функція проводить парний t-тест:

Майте на увазі, що для парного t-тесту критично важливо, щоб розміри вибірок були рівні.

З огляду на цю інформацію, ви можете приступити до завдання проведення парного t-критерія Стьюдента.


              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')

Завдання

Ми встановлюємо гіпотези:

H₀: Середня кількість завантажень до та після змін залишається незмінною.
Hₐ: Середня кількість завантажень після модифікацій є більшою.

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

Секція 6. Розділ 8