Парний t-тест
Наступна функція виконує парний t-тест:
ttest_rel(a, b, alternative='two-sided')
Цей процес схожий на той, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест не передбачає рівності дисперсій.
Зверніть увагу, що для парного t-тесту обов'язково однаковий розмір вибірок.
Маючи цю інформацію, ви можете перейти до виконання парного t-тесту.
Тут наведені дані щодо кількості завантажень певного застосунку. Ознайомтеся з вибірками: 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
Гіпотези сформульовано:
- H₀: Середня кількість завантажень до і після змін однакова;
- Hₐ: Середня кількість завантажень більша після внесення змін.
Проведіть парний t-тест із 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
What should I do next to conduct the paired t-test?
Can you explain what the histogram and mean lines indicate?
How do I interpret the results of the paired t-test?
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 схожий на той, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест не передбачає рівності дисперсій.
Зверніть увагу, що для парного t-тесту обов'язково однаковий розмір вибірок.
Маючи цю інформацію, ви можете перейти до виконання парного t-тесту.
Тут наведені дані щодо кількості завантажень певного застосунку. Ознайомтеся з вибірками: 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
Гіпотези сформульовано:
- H₀: Середня кількість завантажень до і після змін однакова;
- Hₐ: Середня кількість завантажень більша після внесення змін.
Проведіть парний t-тест із 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!
single
