Python တွင် paired samples t-test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

နမူနာတစ်ခုရှိ ရှုမြင်မှုတစ်ခုစီရှိ အခြားနမူနာတစ်ခုရှိ စူးစမ်းမှုတစ်ခုနှင့် ဆက်စပ်နိုင်သောအခါ နမူနာနှစ်ခု၏နည်းလမ်းကို နှိုင်းယှဉ်ရန် တွဲထားသောနမူနာကို t-test ကို အသုံးပြုသည်။

ဤသင်ခန်းစာတွင် Python တွင် တွဲထားသော နမူနာ t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Python တွင် Paired Samples T Test

သင်ရိုးညွှန်းတမ်းတစ်ခုသည် စာမေးပွဲတစ်ခုတွင် ကျောင်းသားများ၏ စွမ်းဆောင်ရည်အပေါ် သိသာထင်ရှားသော သက်ရောက်မှုရှိမရှိ ကျွန်ုပ်တို့ သိလိုသည်ဆိုပါစို့။ ဒါကို စမ်းသပ်ဖို့အတွက် အတန်းတစ်ခန်းမှာ ကျောင်းသား ၁၅ ယောက်ကို အကြိုစာမေးပွဲဖြေခိုင်းပါတယ်။ ထို့နောက် ကျွန်ုပ်တို့သည် ကျောင်းသားတစ်ဦးစီကို နှစ်ပတ်ကြာ သင်ရိုးညွှန်းတမ်းတွင် ပါဝင်စေပါသည်။ ထို့နောက် ကျောင်းသားများသည် အလားတူအခက် အခဲများကို ဖြေဆိုကြရသည်။

ပထမစာမေးပွဲတွင် ပျမ်းမျှရမှတ်များအကြား ကွာခြားချက်ကို နှိုင်းယှဉ်ရန် ကျောင်းသားတစ်ဦးစီအတွက် ပထမစာမေးပွဲတွင် ၎င်းတို့၏ရမှတ်များသည် ဒုတိယစာမေးပွဲတွင် ၎င်းတို့၏ရမှတ်များနှင့် ဆက်စပ်နိုင်သောကြောင့် တွဲထားသော နမူနာ t-test ကို အသုံးပြုပါသည်။

Python တွင် တွဲထားသော နမူနာ t-test ကိုလုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို ပြီးအောင်လုပ်ပါ။

အဆင့် 1: ဒေတာကိုဖန်တီးပါ။

ပထမဦးစွာ၊ စာမေးပွဲအကြိုနှင့် စာမေးပွဲရမှတ်များပါဝင်ရန် ဇယားနှစ်ခုကို ဖန်တီးပါမည်။

 pre = [88, 82, 84, 93, 75, 78, 84, 87, 95, 91, 83, 89, 77, 68, 91]
post = [91, 84, 88, 90, 79, 80, 88, 90, 90, 96, 88, 89, 81, 74, 92]

အဆင့် 2- တွဲထားသော နမူနာ T-test ကို လုပ်ဆောင်ပါ။

ထို့နောက်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် တွဲထားသော နမူနာ t-test ကိုလုပ်ဆောင်ရန် ttest_rel() လုပ်ဆောင်ချက်ကို scipy.stats စာကြည့်တိုက်မှ အသုံးပြုပါမည်။

test_rel(a၊ b)

ရွှေ-

• a- အုပ်စု 1 မှ နမူနာလေ့လာသုံးသပ်ချက်ဇယား
• b- အုပ်စု 2 မှ နမူနာလေ့လာသုံးသပ်ချက်ဇယား

ဤအရာသည် ကျွန်ုပ်တို့၏ သီးခြားဥပမာတွင် ဤလုပ်ဆောင်ချက်ကို အသုံးပြုနည်းဖြစ်သည်-

 import scipy.stats as stats

#perform the paired samples t-test
stats.ttest_rel(pre, post)

(statistic=-2.9732, pvalue=0.0101)

စမ်းသပ်မှုစာရင်းအင်းသည် -2.9732 ဖြစ်ပြီး သက်ဆိုင်ရာ အမြီးနှစ်ပိုင်း p-value သည် 0.0101 ဖြစ်သည်။

အဆင့် 3- ရလဒ်များကို ဘာသာပြန်ပါ။

ဤဥပမာတွင်၊ တွဲထားသောနမူနာ t-test သည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည်-

H ₀ : အကြိုစာမေးပွဲနှင့် စာမေးပွဲအပြီး ပျမ်းမျှရမှတ်များသည် တူညီသည်။

H _A : ပျမ်းမျှအကြိုစာမေးပွဲနှင့် စာမေးပွဲအပြီးရမှတ်များသည် မညီမျှ ပါ။

p-value ( 0.0101 ) သည် 0.05 ထက်နည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ပါသည်။ လေ့လာမှုပရိုဂရမ်တွင် မပါဝင်မီနှင့် အပြီးတွင် ကျောင်းသားများအတွက် စစ်မှန်သော ပျမ်းမျှ စာမေးပွဲရမှတ်သည် ကွဲပြားသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထားရှိသည်။