Python တွင်နမူနာနှစ်ခု t test ကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။

နမူနာနှစ်ခု t-test ကို လူဦးရေ နှစ်ခု၏ အဓိပ္ပါယ်သည် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုပါသည်။

ဤသင်ခန်းစာတွင် Python တွင် နမူနာနှစ်ခု t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Python တွင် t-test နမူနာနှစ်ခု

မတူညီသော အပင်မျိုးစိတ်နှစ်ခုသည် ပျမ်းမျှအရပ်အမြင့် တူညီခြင်းရှိမရှိ သုတေသီများ သိချင်ကြသည်။ ယင်းကို စမ်းသပ်ရန်အတွက် ၎င်းတို့သည် မျိုးစိတ်တစ်ခုစီ၏ အပင် 20 ၏ ရိုးရှင်းသော ကျပန်းနမူနာကို စုဆောင်းသည်။

အပင်မျိုးစိတ်နှစ်ခုသည် အရပ်အမြင့် တူညီခြင်းရှိမရှိ ဆုံးဖြတ်ရန် နမူနာနှစ်ခု t-test ပြုလုပ်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ။

အဆင့် 1: ဒေတာကိုဖန်တီးပါ။

ပထမဦးစွာ၊ အပင် 20 ၏အုပ်စုတစ်ခုစီအတွက် တိုင်းတာမှုကိုထိန်းထားရန် ဇယားနှစ်ခုကို ဖန်တီးပါမည်။

 import numpy as np

group1 = np.array([14, 15, 15, 16, 13, 8, 14, 17, 16, 14, 19, 20, 21, 15, 15, 16, 16, 13, 14, 12])
group2 = np.array([15, 17, 14, 17, 14, 8, 12, 19, 19, 14, 17, 22, 24, 16, 13, 16, 13, 18, 15, 13])

အဆင့် 2- နမူနာနှစ်ခု t-test ပြုလုပ်ပါ။

ထို့နောက်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် နမူနာနှစ်ခု t-test ကိုလုပ်ဆောင်ရန် ttest_ind() လုပ်ဆောင်ချက်ကို scipy.stats စာကြည့်တိုက်မှ အသုံးပြုပါမည်။

ttest_ind(a၊ b၊ equal_var=True)

ရွှေ-

• a- အုပ်စု 1 အတွက် လေ့လာတွေ့ရှိချက်များ နမူနာဇယား
• b- အုပ်စု 2 အတွက် လေ့လာတွေ့ရှိချက်များ နမူနာဇယား
• equal_var- မှန်ပါက၊ လူဦးရေ ကွဲပြားမှု တူညီသည်ဟု ယူဆသည့် စံ သီးခြား လွတ်လပ်သော နမူနာ 2-နမူနာ t-test ကို လုပ်ဆောင်ပါ။ မှားယွင်းပါက Welch’s t-test ကို လုပ်ဆောင်ပါ၊ လူဦးရေ ကွဲပြားမှု တူညီသည်ဟု မယူဆပါ။ ဒါက မူရင်းအတိုင်း မှန်ပါတယ်။

စစ်ဆေးမှုမပြုလုပ်မီ လူဦးရေနှစ်ခုသည် တူညီသောကွဲလွဲမှုရှိသည်ဟု ကျွန်ုပ်တို့ယူဆနိုင်၊ မယူဆရန် ဆုံးဖြတ်ရန် လိုအပ်ပါသည်။ ယေဘူယျအားဖြင့်၊ အများဆုံးနမူနာကွဲလွဲမှု၏ အသေးဆုံးနမူနာကွဲလွဲချက်နှင့် အသေးဆုံးနမူနာကွဲလွဲမှုအချိုးသည် 4:1 ထက်နည်းပါက လူဦးရေများတွင် တူညီသောကွဲလွဲမှုများရှိသည်ဟု ကျွန်ုပ်တို့ယူဆနိုင်ပါသည်။

 #find variance for each group
print(np.var(group1), np.var(group2))

7.73 12.26

အသေးဆုံးနမူနာကွဲလွဲချက်နှင့် အကြီးဆုံးနမူနာကွဲလွဲမှု၏အချိုးသည် 12.26/7.73 = 1.586 ဖြစ်ပြီး 4 ထက်နည်းသည်။ ဆိုလိုသည်မှာ လူဦးရေ၏ကွဲလွဲမှုများသည် တူညီသည်ဟု ကျွန်ုပ်တို့ယူဆနိုင်သည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် တူညီသောကွဲပြားမှုများဖြင့် နမူနာနှစ်ခု t စမ်းသပ်မှုကို ဆက်လက်လုပ်ဆောင်နိုင်သည်-

 import scipy.stats as stats

#perform two sample t-test with equal variances
stats.ttest_ind(a=group1, b=group2, equal_var=True)

(statistic=-0.6337, pvalue=0.53005)

t-test statistic သည် -0.6337 ဖြစ်ပြီး သက်ဆိုင်ရာ အမြီးနှစ်ခု p-value သည် 0.53005 ဖြစ်သည်။

အဆင့် 3- ရလဒ်များကို ဘာသာပြန်ပါ။

ဤအထူးသဖြင့် နမူနာနှစ်ခု t-test အတွက် ယူဆချက်နှစ်ခုမှာ-

H ₀ : µ ₁ = µ ₂ (လူဦးရေ နှစ်ခုသည် တူညီသည်)

H _A : µ ₁ ≠µ ₂ (လူဦးရေ နှစ်ခု အဓိပ္ပါယ်မှာ မညီမျှခြင်း )

ကျွန်ုပ်တို့၏စမ်းသပ်မှု၏ p-value (0.53005) သည် alpha = 0.05 ထက်ကြီးသောကြောင့်၊ စာမေးပွဲ၏ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ လူဦးရေ နှစ်ခုကြားရှိ အပင်အမြင့် ကွာခြားသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထား မရှိပါ။

ထပ်လောင်းအရင်းအမြစ်များ

Python တွင် နမူနာ T-Test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။
Python တွင် Paired Samples T-Test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။