Hướng dẫn how do i perform at test in python? - làm cách nào để thực hiện kiểm tra trong python?

Giới thiệu

Tôi có bằng thạc sĩ về thống kê và một năm trước, tôi bước vào lĩnh vực khoa học dữ liệu. Viết một blog nằm trong danh sách xô của tôi trong nhiều ngày, và ở đây tôi đang cố gắng chia sẻ kiến ​​thức của mình.

Trọng tâm chính của bài viết này là giới thiệu thử nghiệm giả thuyết và minh họa với một vài ví dụ trong Python. & NBSP; Dù là khái niệm nào, việc thực hiện của nó có thể được thực hiện dễ dàng với các ngôn ngữ lập trình như Python. Nhưng, phần quan trọng nhất là rút ra suy luận ra khỏi đầu ra và rất khuyến khích biết toán học đằng sau mã được thực thi.

Hypothesis testing is important in statistics because it gives statistical evidence to show the validity of the study. The null hypothesis states that there is no statistical significance exists between sets of data which implies that the population parameter will be equal to a hypothesized value. Usually, We state the alternative hypothesis which we want to prove. For a null hypothesis H0 and its complementary alternative hypothesis H1, there are 3 cases when the parametric value under H0 ≠ H1 or H0 < H1 or H0 > H1.

Hãy cùng xem xét một kịch bản mà tôi đã nêu giả thuyết, một thống kê kiểm tra có liên quan và mã Python cho sự hiểu biết của bạn. Tôi đã mã hóa phần kết luận quá. Ở đây, tôi đã chia sẻ với bạn một vài trường hợp thay vì bao gồm tất cả. Trong blog này, tôi muốn đưa ra các ví dụ cho một thử nghiệm t mẫu, thử nghiệm t hai mẫu và kiểm tra t cặp bằng Python.

Một thử nghiệm t mẫu

Data:

Áp lực tâm thu của 14 bệnh nhân được đưa ra dưới đây:

183, 152, 178, 157, 194, 163, 144, 114, 178, 152, 118, 158, 172, 138

Kiểm tra, liệu dân số có nghĩa là nhỏ hơn 165

Giả thuyết

H0: Không có sự khác biệt đáng kể trong huyết áp tâm thu. tức là, = 165

H1: Giá trị trung bình dân số nhỏ hơn 165. tức là, <165

Thống kê kiểm tra & nbsp; & nbsp;

Where,

x là trung bình mẫu

μ là trung bình dân số

s là độ lệch chuẩn mẫu

N là số lượng quan sát;

Mã số

Mã Python:

Vì vậy, chúng tôi kết luận rằng có một sự khác biệt trung bình đáng kể trong huyết áp tâm thu.

tức là, μ <165 ở %.2F có ý nghĩa

Hai mẫu t-test

Data::

So sánh hiệu quả của amoni clorua và urê, trên năng suất hạt của lúa, một thí nghiệm đã được tiến hành. Các kết quả được đưa ra dưới đây:

Giả thuyết

H0: Không có sự khác biệt đáng kể trong huyết áp tâm thu. tức là, = 165

H1: Giá trị trung bình dân số nhỏ hơn 165. tức là, <165

Thống kê kiểm tra & nbsp; & nbsp; statistic

Where,

x là trung bình mẫu

μ là trung bình dân số

s là độ lệch chuẩn mẫu

Mã số

Ammonium_chloride=[13.4,10.9,11.2,11.8,14,15.3,14.2,12.6,17,16.2,16.5,15.7]
Urea=[12,11.7,10.7,11.2,14.8,14.4,13.9,13.7,16.9,16,15.6,16]

from scipy import stats

t_value,p_value=stats.ttest_ind(Ammonium_chloride,Urea)

print('Test statistic is %f'%float("{:.6f}".format(t_value)))

print('p-value for two tailed test is %f'%p_value)

alpha = 0.05

if p_value<=alpha:

    print('Conclusion','n','Since p-value(=%f)'%p_value,'<','alpha(=%.2f)'%alpha,'''We reject the null hypothesis H0. So we conclude that the 

effect of ammonium chloride and urea on grain yield of paddy are not equal i.e., μ1 = μ2 at %.2f level of significance.'''%alpha)

else:

    print('Conclusion','n','Since p-value(=%f)'%p_value,'>','alpha(=%.2f)'%alpha,'''We do not reject the null hypothesis H0.

Mã Python:

Vì vậy, chúng tôi kết luận rằng có một sự khác biệt trung bình đáng kể trong huyết áp tâm thu.

tức là, μ

Data::

Hai mẫu t-test

So sánh hiệu quả của amoni clorua và urê, trên năng suất hạt của lúa, một thí nghiệm đã được tiến hành. Các kết quả được đưa ra dưới đây:

Ammonium

Giả thuyết

H0: Không có sự khác biệt đáng kể trong huyết áp tâm thu. tức là, = 165

H1: Giá trị trung bình dân số nhỏ hơn 165. tức là, <165

Thống kê kiểm tra & nbsp; & nbsp;

x là trung bình mẫu

μ là trung bình dân số

Mã số

alpha = 0.05
first_test =[23, 20, 19, 21, 18, 20, 18, 17, 23, 16, 19]
second_test=[24, 19, 22, 18, 20, 22, 20, 20, 23, 20, 18]

from scipy import stats

t_value,p_value=stats.ttest_rel(first_test,second_test)

one_tailed_p_value=float("{:.6f}".format(p_value/2)) 

print('Test statistic is %f'%float("{:.6f}".format(t_value)))

print('p-value for one_tailed_test is %f'%one_tailed_p_value)

alpha = 0.05

if one_tailed_p_value<=alpha:

    print('Conclusion','n','Since p-value(=%f)'%one_tailed_p_value,'<','alpha(=%.2f)'%alpha,'''We reject the null hypothesis H0. 

So we conclude that the students have benefited by the tuition class. i.e., d = 0 at %.2f level of significance.'''%alpha)

else:

    print('Conclusion','n','Since p-value(=%f)'%one_tailed_p_value,'>','alpha(=%.2f)'%alpha,'''We do not reject the null hypothesis H0. 

So we conclude that the students have not benefited by the tuition class. i.e., d = 0 at %.2f level of significance.'''%alpha)

#Output

Mã Python:

Vì vậy, chúng tôi kết luận rằng có một sự khác biệt trung bình đáng kể trong huyết áp tâm thu.

tức là, μ <165 ở %.2F có ý nghĩa

Hai mẫu t-test

So sánh hiệu quả của amoni clorua và urê, trên năng suất hạt của lúa, một thí nghiệm đã được tiến hành. Các kết quả được đưa ra dưới đây:

Ammonium

References:

clorua (x1)

Urê (x2)