Python တွင် t distribution ကိုအသုံးပြုနည်း

t ဖြန့်ဖြူးမှုသည် ပုံမှန်ဖြန့်ဖြူးမှုထက် “ အမြီးများ” ပိုလေးသည် မှလွဲ၍ ဖြစ်နိုင်ခြေ ရှိသော ဖြန့်ဝေမှုတစ်ခုဖြစ်သည် ။

တစ်နည်းဆိုရသော်၊ ဖြန့်ဖြူးမှုတွင် တန်ဖိုးများသည် သာမန်ဖြန့်ဖြူးမှုနှင့် နှိုင်းယှဉ်ပါက အလယ်ဗဟိုတွင်ထက် အဆုံးတွင် ရှိနေသည်-

ဤသင်ခန်းစာတွင် Python တွင် t ဖြန့်ဝေပုံကို အသုံးပြုနည်းကို ရှင်းပြထားသည်။

ဖြန့်ဝေရန် မည်သို့ထုတ်လုပ်မည်နည်း။

လွတ်လပ်မှုနှင့်နမူနာအရွယ်အစားအလိုက် ခွဲဝေမှုတစ်ခုမှ ကျပန်းတန်ဖိုးများထုတ်လုပ်ရန် t.rvs(df၊ အရွယ်အစား) လုပ်ဆောင်ချက်ကို သင်အသုံးပြုနိုင်သည်-

 from scipy. stats import t

#generate random values from t distribution with df=6 and sample size=10
t. rvs (df= 6 , size= 10 )

array([-3.95799716, -0.01099963, -0.55953846, -1.53420055, -1.41775611,
       -0.45384974, -0.2767931, -0.40177789, -0.3602592, 0.38262431])

ရလဒ်သည် လွတ်လပ်မှု 6 ဒီဂရီရှိသော ဖြန့်ဖြူးမှုတစ်ခုအရ တစ်ခုနှင့်တစ်ခု လိုက်နေသော တန်ဖိုး 10 ဇယားတစ်ခုဖြစ်သည်။

t ဖြန့်ဖြူးမှုကို အသုံးပြု၍ P တန်ဖိုးများကို တွက်ချက်နည်း

t-test statistic နှင့်ဆက်စပ်နေသော p-value ကိုရှာဖွေရန် function t.cdf(x, df, loc=0, scale=1) ကို အသုံးပြုနိုင်ပါသည်။

ဥပမာ 1- တစ်ဖက်သတ် P-တန်ဖိုးကို ရှာဖွေခြင်း။

ကျွန်ုပ်တို့သည် တစ်ဖက်သတ် ယူဆချက်စမ်းသပ်မှု တစ်ခုကို ပြုလုပ်ပြီး စမ်းသပ်မှုစာရင်းအင်းတစ်ခုကို ရယူသည်ဆိုပါစို့ -1.5 နှင့် လွတ်လပ်မှုဒီဂရီ = 10 ဆိုပါစို့။

ဤစမ်းသပ်မှုစာရင်းအင်းနှင့် ကိုက်ညီသော p-value ကို တွက်ချက်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။

 from scipy. stats import t

#calculate p-value
t. cdf (x=-1.5, df=10)

0.08225366322272008

လွတ်လပ်မှု 10 ဒီဂရီနှင့် -1.5 ၏ စမ်းသပ်စာရင်းအင်းနှင့် ကိုက်ညီသော တစ်ဖက်သတ် p-တန်ဖိုးသည် 0.0822 ဖြစ်သည်။

ဥပမာ 2- Two-Way P-Value ကိုရှာခြင်း။

ကျွန်ုပ်တို့သည် အမြီးနှစ်ပိုင်း သီအိုရီစမ်းသပ်မှု တစ်ခုကို ပြုလုပ်ပြီး 2.14 နှင့် လွတ်လပ်မှုဒီဂရီ = 20 ၏ စမ်းသပ်စာရင်းအင်းတစ်ခုကို ရရှိသည်ဆိုပါစို့။

ဤစမ်းသပ်မှုစာရင်းအင်းနှင့် ကိုက်ညီသော p-value ကို တွက်ချက်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။

 from scipy. stats import t

#calculate p-value
(1 - t. cdf (x=2.14, df=20)) * 2

0.04486555082549959

လွတ်လပ်မှု 20 ဒီဂရီနှင့် 2.14 ၏ စမ်းသပ်စာရင်းအင်းနှင့် ကိုက်ညီသော နှစ်ဘက်မြင် p-တန်ဖိုးသည် 0.0448 ဖြစ်သည်။

မှတ်ချက် – ပြောင်းပြန် t ဖြန့်ဝေမှုဂဏန်းတွက်စက်ကို အသုံးပြု၍ ဤအဖြေများကို သင်စစ်ဆေးနိုင်ပါသည်။

ဖြန့်ဖြူးခြင်းသို့ ခြေရာခံနည်း

သီးခြားလွတ်လပ်မှုဒီဂရီများနှင့်အတူ ဖြန့်ဖြူးမှုတစ်ခုကို ကြံစည်ရန် အောက်ပါအထားအသိုကိုသုံးနိုင်သည်။

 from scipy. stats import t
import matplotlib. pyplot as plt

#generate t distribution with sample size 10000
x = t. rvs (df= 12 , size= 10000 )

#create plot of t distribution
plt. hist (x, density= True , edgecolor=' black ', bins= 20 )

တနည်းအားဖြင့် သင်သည် ပင်လယ်မွေး မြင်ယောင်မှုဆိုင်ရာ ပက်ကေ့ဂျ်ကို အသုံးပြု၍ သိပ်သည်းဆမျဉ်းကွေးကို ဖန်တီးနိုင်သည်-

 import seaborn as sns

#create density curve
sns. kdeplot (x)

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ဖြန့်ဖြူးမှုနှင့်ပတ်သက်သော နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

ပုံမှန်ဖြန့်ဖြူးမှုနှင့် t ဖြန့်ဖြူးမှု- ကွာခြားချက်ကား အဘယ်နည်း။
ပြောင်းပြန် t ဖြန့်ဖြူးဂဏန်းတွက်စက်