<\/p>\n
Os exemplos a seguir mostram como realizar tr\u00eas testes t diferentes usando um DataFrame do pandas:<\/span><\/p>\n Um teste t independente de duas amostras<\/a> \u00e9 usado para determinar se as m\u00e9dias de duas popula\u00e7\u00f5es s\u00e3o iguais.<\/span><\/p>\n Por exemplo, suponha que um professor queira saber se dois m\u00e9todos de estudo diferentes levam a notas m\u00e9dias diferentes nos exames.<\/span><\/p>\n Para testar isso, ele recruta 10 alunos para usar o m\u00e9todo A e 10 alunos para usar o m\u00e9todo B.<\/span><\/p>\n O c\u00f3digo a seguir mostra como inserir as pontua\u00e7\u00f5es de cada aluno em um DataFrame do pandas e, em seguida, usar a fun\u00e7\u00e3o ttest_ind()<\/a> da biblioteca SciPy<\/strong> para realizar um teste t independente de duas amostras:<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/span><\/p>\n Como o valor p \u00e9 inferior a 0,05, rejeitamos a hip\u00f3tese nula do teste t e conclu\u00edmos que h\u00e1 evid\u00eancias suficientes para afirmar que os dois m\u00e9todos levam a notas m\u00e9dias diferentes nos exames.<\/span><\/p>\n O teste t de Welch<\/a> \u00e9 semelhante ao teste t independente para duas amostras, exceto que n\u00e3o pressup\u00f5e que as duas popula\u00e7\u00f5es das quais as amostras s\u00e3o extra\u00eddas tenham vari\u00e2ncia igual<\/a> .<\/span><\/p>\n Para realizar o teste t de Welch exatamente no mesmo conjunto de dados do exemplo anterior, precisamos simplesmente especificar equal_var=False<\/strong> na fun\u00e7\u00e3o ttest_ind<\/strong> () da seguinte forma:<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/p>\n Como o valor p \u00e9 inferior a 0,05, rejeitamos a hip\u00f3tese nula do teste t de Welch e conclu\u00edmos que h\u00e1 evid\u00eancias suficientes para afirmar que os dois m\u00e9todos levam a notas m\u00e9dias diferentes nos exames.<\/span><\/p>\n Um teste t de amostras pareadas<\/a> \u00e9 usado para determinar se duas m\u00e9dias populacionais s\u00e3o iguais, em que cada observa\u00e7\u00e3o em uma amostra pode ser associada a uma observa\u00e7\u00e3o na outra amostra.<\/span><\/p>\n Por exemplo, suponha que um professor queira saber se dois m\u00e9todos de estudo diferentes levam a notas m\u00e9dias diferentes nos exames.<\/span><\/p>\n Para testar isso, ele recruta 10 alunos para usar o M\u00e9todo A e depois fazer um teste. Depois ele permite que os mesmos 10 alunos que usaram o M\u00e9todo B se preparem e fa\u00e7am outro teste de dificuldade semelhante.<\/span><\/p>\n Como todos os alunos aparecem em ambas as amostras, podemos realizar um teste t de amostras pareadas neste cen\u00e1rio.<\/span><\/p>\n O c\u00f3digo a seguir mostra como inserir as pontua\u00e7\u00f5es de cada aluno em um DataFrame do pandas e, em seguida, usar a fun\u00e7\u00e3o ttest_rel()<\/a> da biblioteca SciPy<\/strong> para realizar um teste t de amostras emparelhadas:<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/p>\n Como o valor p \u00e9 inferior a 0,05, rejeitamos a hip\u00f3tese nula do teste t de amostras pareadas e conclu\u00edmos que h\u00e1 evid\u00eancias suficientes para afirmar que os dois m\u00e9todos levam a notas m\u00e9dias diferentes nos exames.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em Python:<\/span><\/p>\n Como realizar um teste de independ\u00eancia qui-quadrado em Python<\/a> Os exemplos a seguir mostram como realizar tr\u00eas testes t diferentes usando um DataFrame do pandas: Teste t independente de duas amostras Teste t de duas amostras de Welch Teste t de amostras pareadas Exemplo 1: teste t independente de duas amostras em pandas Um teste t independente de duas amostras \u00e9 usado para determinar […]<\/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":[],"class_list":["post-3129","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo 1: teste t independente de duas amostras em pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_ind\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n method score\n0 to 71\n1 To 72\n2 To 72\n3 to 75\n4 to 78\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform independent two sample t-test\n<\/span>ttest_ind(group1[' score<\/span> '], group2[' score<\/span> '])\n\nTtest_indResult(statistic=-2.6034304605397938, pvalue=0.017969284594810425)\n<\/strong><\/span><\/pre>\n\n
Exemplo 2: teste t de Welch em pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_ind\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform Welch's t-test\n<\/span>ttest_ind(group1[' score<\/span> '], group2[' score<\/span> '], equal_var= False<\/span> )\n\nTtest_indResult(statistic=-2.603430460539794, pvalue=0.02014688617423973)\n<\/strong><\/span><\/pre>\n\n
Exemplo 3: teste t de amostras pareadas no Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nfrom<\/span> scipy. stats<\/span> import<\/span> ttest_rel\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'method': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A',\n 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'B'],\n 'score': [71, 72, 72, 75, 78, 81, 82, 83, 89, 91, 80, 81, 81,\n 84, 88, 88, 89, 90, 90, 91]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n method score\n0 to 71\n1 To 72\n2 To 72\n3 to 75\n4 to 78\n\n#define samples\n<\/span>group1 = df[df[' method<\/span> ']==' A<\/span> ']\ngroup2 = df[df[' method<\/span> ']==' B<\/span> ']\n\n#perform independent two sample t-test\n<\/span>ttest_rel(group1[' score<\/span> '], group2[' score<\/span> '])\n\nTtest_relResult(statistic=-6.162045351967805, pvalue=0.0001662872100210469)\n<\/strong><\/span><\/pre>\n\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar ANOVA unidirecional em Python<\/a>
Como realizar o teste exato de Fisher em Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"