<\/p>\n
Die folgenden Beispiele zeigen, wie drei verschiedene T-Tests mit einem Pandas DataFrame durchgef\u00fchrt werden:<\/span><\/p>\n Ein unabh\u00e4ngiger T-Test mit zwei Stichproben<\/a> wird verwendet, um zu bestimmen, ob die Mittelwerte zweier Grundgesamtheiten gleich sind.<\/span><\/p>\n Angenommen, ein Professor m\u00f6chte wissen, ob zwei unterschiedliche Lernmethoden zu unterschiedlichen Durchschnittsnoten in Pr\u00fcfungen f\u00fchren.<\/span><\/p>\n Um dies zu testen, rekrutiert er 10 Studenten f\u00fcr die Anwendung von Methode A und 10 Studenten f\u00fcr die Anwendung von Methode B.<\/span><\/p>\n Der folgende Code zeigt, wie man die Ergebnisse jedes Sch\u00fclers in einen Pandas-DataFrame eingibt und dann die Funktion ttest_ind()<\/a> der SciPy-<\/strong> Bibliothek verwendet, um einen unabh\u00e4ngigen T-Test mit zwei Stichproben durchzuf\u00fchren:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/span><\/p>\n Da der p-Wert kleiner als 0,05 ist, lehnen wir die Nullhypothese des t-Tests ab und kommen zu dem Schluss, dass gen\u00fcgend Beweise daf\u00fcr vorliegen, dass die beiden Methoden zu unterschiedlichen durchschnittlichen Pr\u00fcfungsergebnissen f\u00fchren.<\/span><\/p>\n Der Welch-T-Test<\/a> \u00e4hnelt dem unabh\u00e4ngigen T-Test mit zwei Stichproben, au\u00dfer dass er nicht davon ausgeht, dass die beiden Grundgesamtheiten, aus denen die Stichproben gezogen werden, die gleiche Varianz<\/a> aufweisen.<\/span><\/p>\n Um den Welch-T-Test f\u00fcr genau denselben Datensatz wie im vorherigen Beispiel durchzuf\u00fchren, m\u00fcssen wir einfach equal_var=False<\/strong> in der Funktion ttest_ind<\/strong> () wie folgt angeben:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Da der p-Wert kleiner als 0,05 ist, lehnen wir die Nullhypothese des Welch-T-Tests ab und kommen zu dem Schluss, dass gen\u00fcgend Beweise daf\u00fcr vorliegen, dass die beiden Methoden zu unterschiedlichen durchschnittlichen Pr\u00fcfungsergebnissen f\u00fchren.<\/span><\/p>\n Ein t-Test f\u00fcr gepaarte Stichproben<\/a> wird verwendet, um zu bestimmen, ob zwei Populationsmittelwerte gleich sind, wobei jede Beobachtung in einer Stichprobe mit einer Beobachtung in der anderen Stichprobe verkn\u00fcpft werden kann.<\/span><\/p>\n Angenommen, ein Professor m\u00f6chte wissen, ob zwei unterschiedliche Lernmethoden zu unterschiedlichen Durchschnittsnoten in Pr\u00fcfungen f\u00fchren.<\/span><\/p>\n Um dies zu testen, rekrutiert er 10 Studenten, die Methode A anwenden und dann einen Test absolvieren. Dann l\u00e4sst er dieselben 10 Sch\u00fcler, die Methode B verwendet haben, sich vorbereiten und einen weiteren Test mit \u00e4hnlichem Schwierigkeitsgrad absolvieren.<\/span><\/p>\n Da alle Sch\u00fcler in beiden Stichproben vorkommen, k\u00f6nnen wir in diesem Szenario einen T-Test f\u00fcr gepaarte Stichproben durchf\u00fchren.<\/span><\/p>\n Der folgende Code zeigt, wie man die Ergebnisse jedes Sch\u00fclers in einen Pandas-DataFrame eingibt und dann die Funktion ttest_rel()<\/a> der SciPy-<\/strong> Bibliothek verwendet, um einen t-Test f\u00fcr gepaarte Stichproben durchzuf\u00fchren:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Da der p-Wert kleiner als 0,05 ist, lehnen wir die Nullhypothese des t-Tests f\u00fcr gepaarte Stichproben ab und kommen zu dem Schluss, dass gen\u00fcgend Beweise daf\u00fcr vorliegen, dass die beiden Methoden zu unterschiedlichen durchschnittlichen Pr\u00fcfungsergebnissen f\u00fchren.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in Python ausf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie einen Chi-Quadrat-Unabh\u00e4ngigkeitstest in Python durch<\/a> Die folgenden Beispiele zeigen, wie drei verschiedene T-Tests mit einem Pandas DataFrame durchgef\u00fchrt werden: Unabh\u00e4ngiger T-Test bei zwei Stichproben Welchs T-Test bei zwei Stichproben T-Test f\u00fcr gepaarte Stichproben Beispiel 1: Unabh\u00e4ngiger T-Test bei zwei Stichproben bei Pandas Ein unabh\u00e4ngiger T-Test mit zwei Stichproben wird verwendet, um zu bestimmen, ob die Mittelwerte zweier Grundgesamtheiten gleich sind. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Beispiel 1: Unabh\u00e4ngiger T-Test bei zwei Stichproben bei Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_ind\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n method score\n0 to 71\n1 To 72\n2 To 72\n3 to 75\n4 to 78\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform independent two sample t-test\n<\/span>ttest_ind(group1[' score<\/span> '], group2[' score<\/span> '])\n\nTtest_indResult(statistic=-2.6034304605397938, pvalue=0.017969284594810425)\n<\/strong><\/span><\/pre>\n\n
Beispiel 2: Welchs t-Test bei Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_ind\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform Welch's t-test\n<\/span>ttest_ind(group1[' score<\/span> '], group2[' score<\/span> '], equal_var= False<\/span> )\n\nTtest_indResult(statistic=-2.603430460539794, pvalue=0.02014688617423973)\n<\/strong><\/span><\/pre>\n\n
Beispiel 3: T-Test gepaarter Stichproben bei Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_rel\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n method score\n0 to 71\n1 To 72\n2 To 72\n3 to 75\n4 to 78\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform independent two sample t-test\n<\/span>ttest_rel(group1[' score<\/span> '], group2[' score<\/span> '])\n\nTtest_relResult(statistic=-6.162045351967805, pvalue=0.0001662872100210469)\n<\/strong><\/span><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fchren Sie eine einfaktorielle ANOVA in Python durch<\/a>
So f\u00fchren Sie den genauen Fisher-Test in Python durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"