<\/p>\n
Test t dla dw\u00f3ch pr\u00f3b<\/a> s\u0142u\u017cy do sprawdzenia, czy \u015brednie z dw\u00f3ch populacji s\u0105 r\u00f3wne, czy nie.<\/span><\/p>\n W tym samouczku wyja\u015bniono, jak wykona\u0107 test t dla dw\u00f3ch pr\u00f3bek w j\u0119zyku Python.<\/span><\/p>\n Naukowcy chc\u0105 wiedzie\u0107, czy dwa r\u00f3\u017cne gatunki ro\u015blin maj\u0105 t\u0119 sam\u0105 \u015bredni\u0105 wysoko\u015b\u0107. Aby to sprawdzi\u0107, zbieraj\u0105 prost\u0105 losow\u0105 pr\u00f3bk\u0119<\/a> 20 ro\u015blin ka\u017cdego gatunku.<\/span><\/p>\n Wykonaj poni\u017csze kroki, aby przeprowadzi\u0107 test t dla dw\u00f3ch pr\u00f3bek w celu ustalenia, czy oba gatunki ro\u015blin maj\u0105 t\u0119 sam\u0105 wysoko\u015b\u0107.<\/span><\/p>\n Krok 1: Utw\u00f3rz dane.<\/strong><\/span><\/p>\n Najpierw utworzymy dwie tabele do przechowywania pomiar\u00f3w dla ka\u017cdej grupy 20 ro\u015blin:<\/span><\/p>\n Krok 2: Wykonaj test t dla dw\u00f3ch pr\u00f3bek.<\/strong><\/span><\/p>\n Nast\u0119pnie u\u017cyjemy funkcji ttest_ind()<\/a> z biblioteki scipy.stats, aby wykona\u0107 dwuprzyk\u0142adowy test t, kt\u00f3ry wykorzystuje nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/span><\/p>\n ttest_ind(a, b, r\u00f3wna_zmienna=True)<\/strong><\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n Przed wykonaniem testu musimy zdecydowa\u0107, czy przyjmiemy, \u017ce obie populacje maj\u0105 r\u00f3wne wariancje. Og\u00f3lnie rzecz bior\u0105c, mo\u017cemy za\u0142o\u017cy\u0107, \u017ce populacje maj\u0105 r\u00f3wne wariancje, je\u015bli stosunek wariancji najwi\u0119kszej pr\u00f3bki do wariancji najmniejszej pr\u00f3bki jest mniejszy ni\u017c 4:1.<\/span><\/p>\n Stosunek wariancji najwi\u0119kszej pr\u00f3by do wariancji najmniejszej pr\u00f3by wynosi 12,26\/7,73 = 1,586<\/strong> , czyli mniej ni\u017c 4. Oznacza to, \u017ce mo\u017cemy za\u0142o\u017cy\u0107, \u017ce wariancje populacji s\u0105 r\u00f3wne.<\/span><\/p>\n Zatem mo\u017cemy przyst\u0105pi\u0107 do wykonania testu t dla dw\u00f3ch pr\u00f3bek z r\u00f3wnymi wariancjami:<\/span><\/p>\n Statystyka testu t wynosi -0,6337<\/strong> , a odpowiadaj\u0105ca dwustronna warto\u015b\u0107 p wynosi 0,53005<\/strong> .<\/span><\/p>\n Krok 3: Interpretacja wynik\u00f3w.<\/strong><\/span><\/p>\n Dwa za\u0142o\u017cenia tego konkretnego testu t dla dw\u00f3ch pr\u00f3bek s\u0105 nast\u0119puj\u0105ce:<\/span><\/p>\n H 0<\/sub> :<\/strong> \u00b5 1<\/sub> = \u00b5 2<\/sub> (\u015brednie z obu populacji s\u0105 r\u00f3wne)<\/span><\/p>\n H A<\/sub> :<\/strong> \u00b5 1<\/sub> \u2260\u00b5 2<\/sub> (\u015brednie z obu populacji nie<\/em> s\u0105 r\u00f3wne)<\/span><\/p>\n Poniewa\u017c warto\u015b\u0107 p naszego testu (0,53005)<\/strong> jest wi\u0119ksza ni\u017c alfa = 0,05, nie uda\u0142o nam si\u0119 odrzuci\u0107 hipotezy zerowej testu. Nie mamy wystarczaj\u0105cych dowod\u00f3w, aby stwierdzi\u0107, \u017ce \u015brednia wysoko\u015b\u0107 ro\u015blin w obu populacjach jest r\u00f3\u017cna.<\/span><\/p>\n Jak wykona\u0107 test T dla jednej pr\u00f3by w Pythonie<\/a> Test t dla dw\u00f3ch pr\u00f3b s\u0142u\u017cy do sprawdzenia, czy \u015brednie z dw\u00f3ch populacji s\u0105 r\u00f3wne, czy nie. W tym samouczku wyja\u015bniono, jak wykona\u0107 test t dla dw\u00f3ch pr\u00f3bek w j\u0119zyku Python. Przyk\u0142ad: dwa przyk\u0142ady testu t w Pythonie Naukowcy chc\u0105 wiedzie\u0107, czy dwa r\u00f3\u017cne gatunki ro\u015blin maj\u0105 t\u0119 sam\u0105 \u015bredni\u0105 wysoko\u015b\u0107. Aby to sprawdzi\u0107, zbieraj\u0105 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-846","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: dwa przyk\u0142ady testu t w Pythonie<\/strong><\/h2>\n
import<\/span> numpy as<\/span> np\n\ngroup1 = np.array([14, 15, 15, 16, 13, 8, 14, 17, 16, 14, 19, 20, 21, 15, 15, 16, 16, 13, 14, 12])\ngroup2 = np.array([15, 17, 14, 17, 14, 8, 12, 19, 19, 14, 17, 22, 24, 16, 13, 16, 13, 18, 15, 13])<\/strong><\/pre>\n\n
#find variance for each group<\/span>\nprint(np.var(group1), np.var(group2))\n\n7.73 12.26\n<\/strong><\/pre>\n import<\/span> scipy.stats as<\/span> stats\n\n#perform two sample t-test with equal variances<\/span>\nstats.ttest_ind(a=group1, b=group2, equal_var=True)\n\n(statistic=-0.6337, pvalue=0.53005)\n<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak wykona\u0107 test T dla sparowanych pr\u00f3bek w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"