Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Парний t-тест | Статистичне Тестування
Вивчення Статистики з Python

Свайпніть щоб показати меню

book
Парний t-тест

Наступна функція виконує парний t-тест:

python

Цей процес подібний до того, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест явно не передбачає рівність дисперсій.

Зверніть увагу, що для парного t-тесту обов'язково рівні обсяги вибірок.

Маючи цю інформацію, можна перейти до виконання парного t-тесту.

Тут наведені дані щодо кількості завантажень певного додатка. Зверніть увагу на вибірки: середні значення майже однакові.

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')
copy
Завдання

Swipe to start coding

Встановлюються гіпотези:

  • H₀: Середня кількість завантажень до і після змін однакова;
  • Hₐ: Середня кількість завантажень більша після внесення змін.

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

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 6. Розділ 8
single

single

Запитати АІ

expand

Запитати АІ

ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

close

Awesome!

Completion rate improved to 2.63

book
Парний t-тест

Наступна функція виконує парний t-тест:

python

Цей процес подібний до того, що використовується для незалежних вибірок, але тут не потрібно перевіряти однорідність дисперсій. Парний t-тест явно не передбачає рівність дисперсій.

Зверніть увагу, що для парного t-тесту обов'язково рівні обсяги вибірок.

Маючи цю інформацію, можна перейти до виконання парного t-тесту.

Тут наведені дані щодо кількості завантажень певного додатка. Зверніть увагу на вибірки: середні значення майже однакові.

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')
copy
Завдання

Swipe to start coding

Встановлюються гіпотези:

  • H₀: Середня кількість завантажень до і після змін однакова;
  • Hₐ: Середня кількість завантажень більша після внесення змін.

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

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

close

Awesome!

Completion rate improved to 2.63

Свайпніть щоб показати меню

some-alt