<\/p>\n
Un test di ipotesi<\/a> \u00e8 un test statistico formale che utilizziamo per rifiutare o non riuscire a rifiutare un’ipotesi statistica.<\/span><\/p>\n Questo tutorial spiega come eseguire i seguenti test di ipotesi in Python:<\/span><\/p>\n Andiamo!<\/span><\/p>\n Un test t su un campione<\/a> viene utilizzato per verificare se la media di una popolazione \u00e8 uguale o meno a un determinato valore.<\/span><\/p>\n Ad esempio, supponiamo di voler sapere se il peso medio di una determinata specie di tartaruga \u00e8 o meno di 310 libbre.<\/span><\/p>\n Per verificarlo, raccogliamo un semplice campione casuale di tartarughe con i seguenti pesi:<\/span><\/p>\n Peso<\/strong> : 300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione ttest_1samp()<\/a> nella libreria scipy.stats<\/strong> per eseguire un t-test a un campione:<\/span><\/p>\n La statistica del test t \u00e8 -1,5848<\/strong> e il corrispondente valore p a due code \u00e8 0,1389<\/strong> .<\/span><\/p>\n Le due ipotesi per questo t-test su un particolare campione sono le seguenti:<\/span><\/p>\n Poich\u00e9 il valore p del nostro test (0,1389)<\/strong> \u00e8 maggiore di alfa = 0,05, non riusciamo a rifiutare l’ipotesi nulla del test.<\/span><\/p>\n Non abbiamo prove sufficienti per affermare che il peso medio di questa particolare specie di tartaruga sia diverso da 310 libbre.<\/span><\/p>\n Un t-test a due campioni<\/a> viene utilizzato per verificare se le medie di due popolazioni sono uguali o meno.<\/span><\/p>\n Ad esempio, supponiamo di voler sapere se il peso medio di due diverse specie di tartarughe \u00e8 uguale o meno.<\/span><\/p>\n Per verificarlo, raccogliamo un semplice campione casuale di tartarughe di ciascuna specie con i seguenti pesi:<\/span><\/p>\n Campione 1<\/strong> : 300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303<\/span><\/p>\n Campione 2<\/strong> : 335, 329, 322, 321, 324, 319, 304, 308, 305, 311, 307, 300, 305<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione ttest_ind()<\/a> nella libreria scipy.stats<\/strong> per eseguire questi due esempi di t-test:<\/span><\/p>\n La statistica del test t \u00e8 \u20132,1009<\/strong> e il corrispondente valore p a due code \u00e8 0,0463<\/strong> .<\/span><\/p>\n Le due ipotesi per questo particolare t-test a due campioni sono:<\/span><\/p>\n Poich\u00e9 il valore p del test (0,0463) \u00e8 inferiore a 0,05, rifiutiamo l’ipotesi nulla.<\/span><\/p>\n Ci\u00f2 significa che abbiamo prove sufficienti per affermare che il peso medio tra le due specie non \u00e8 uguale.<\/span><\/p>\n Un test t per campioni accoppiati<\/a> viene utilizzato per confrontare le medie di due campioni quando ciascuna osservazione in un campione pu\u00f2 essere associata a un’osservazione nell’altro campione.<\/span><\/p>\n Ad esempio, supponiamo di voler sapere se un determinato programma di allenamento \u00e8 in grado o meno di aumentare il salto verticale massimo (in pollici) dei giocatori di basket.<\/span><\/p>\n Per verificarlo, possiamo reclutare un semplice campione casuale di 12 giocatori di basket universitari e misurare ciascuno dei loro salti verticali massimi. Successivamente possiamo far utilizzare a ciascun giocatore il programma di allenamento per un mese e poi misurare nuovamente il salto verticale massimo alla fine del mese.<\/span><\/p>\n I seguenti dati mostrano l’altezza massima del salto (in pollici) prima e dopo l’utilizzo del programma di allenamento per ciascun giocatore:<\/span><\/p>\n Anteriore<\/strong> : 22, 24, 20, 19, 19, 20, 22, 25, 24, 23, 22, 21<\/span><\/p>\n Dopo<\/strong> : 23, 25, 20, 24, 18, 22, 23, 28, 24, 25, 24, 20<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione ttest_rel()<\/a> nella libreria scipy.stats<\/strong> per eseguire questo t-test con campioni accoppiati:<\/span><\/p>\n La statistica del test t \u00e8 \u20132,5289<\/strong> e il corrispondente valore p a due code \u00e8 0,0280<\/strong> .<\/span><\/p>\n Le due ipotesi per questo particolare t-test per campioni accoppiati sono:<\/span><\/p>\n Poich\u00e9 il valore p del test (0,0280) \u00e8 inferiore a 0,05, rifiutiamo l’ipotesi nulla.<\/span><\/p>\n Ci\u00f2 significa che abbiamo prove sufficienti per affermare che l\u2019altezza media del salto prima e dopo l\u2019utilizzo del programma di allenamento non \u00e8 uguale.<\/span><\/p>\n \u00c8 possibile utilizzare i seguenti calcolatori online per eseguire automaticamente vari test t:<\/span><\/p>\n Un esempio di calcolatore del test t<\/a> Un test di ipotesi \u00e8 un test statistico formale che utilizziamo per rifiutare o non riuscire a rifiutare un’ipotesi statistica. Questo tutorial spiega come eseguire i seguenti test di ipotesi in Python: Un test t del campione Test T a due campioni Test t per campioni accoppiati Andiamo! Esempio 1: un esempio di test t […]<\/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
Esempio 1: un esempio di test t in Python<\/strong><\/span><\/h2>\n
import<\/span> scipy.stats as<\/span> stats\n\n#define data<\/span>\ndata = [300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303]<\/span>\n\n#perform one sample t-test<\/span>\nstats. ttest_1samp<\/span> (a=data, popmean= 310<\/span> )\n\nTtest_1sampResult(statistic=-1.5848116313861254, pvalue=0.1389944275158753)\n<\/strong><\/pre>\n\n
Esempio 2: test t a due campioni in Python<\/strong><\/span><\/h2>\n
import<\/span> scipy. stats<\/span> as<\/span> stats<\/span>\n\n#define array of turtle weights for each sample\nsample1 = [300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303]<\/span>\nsample2 = [335, 329, 322, 321, 324, 319, 304, 308, 305, 311, 307, 300, 305]<\/span>\n\n#perform two sample t-tests<\/span>\nstats. ttest_ind<\/span> (a=sample1, b=sample2) \n\nTtest_indResult(statistic=-2.1009029257555696, pvalue=0.04633501389516516)<\/strong><\/pre>\n\n
Esempio 3: test t di campioni accoppiati in Python<\/strong><\/span><\/h2>\n
import<\/span> scipy. stats<\/span> as<\/span> stats<\/span>\n\n#define before and after max jump heights\nbefore = [22, 24, 20, 19, 19, 20, 22, 25, 24, 23, 22, 21]<\/span>\nafter = [23, 25, 20, 24, 18, 22, 23, 28, 24, 25, 24, 20]<\/span>\n\n#perform paired samples t-test<\/span>\nstats. ttest_rel<\/span> (a=before, b=after)\n\nTtest_relResult(statistic=-2.5289026942943655, pvalue=0.02802807458682508)\n<\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Calcolatore del test t a due campioni<\/a>
Calcolatore t-Test per campioni accoppiati<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"