Một thẻ đã tồn tại với tên chi nhánh được cung cấp. Nhiều lệnh Git chấp nhận cả tên thẻ và tên nhánh, vì vậy việc tạo nhánh này có thể gây ra hành vi không mong muốn. Bạn có chắc chắn muốn tạo nhánh này không?
Tôi sẽ không tìm hiểu sâu về Thử nghiệm Z một tỷ lệ là gì. Tôi sẽ chỉ giải một số câu hỏi liên quan bằng Python
Mức ý nghĩa được chọn cho mỗi vấn đề là 0. 05 trừ khi có quy định
Kiểm tra Z một tỷ lệ trong PythonPhép thử Z một tỷ lệ được sử dụng để so sánh tỷ lệ quan sát được với tỷ lệ lý thuyết
- Một nhà nghiên cứu tin rằng tỷ lệ học sinh hút thuốc đã thay đổi trong 10 năm qua. 10 năm trước, 20% hút thuốc. Một mẫu gồm 80 sinh viên cho thấy 25% hút thuốc. Kiểm tra tuyên bố rằng tỷ lệ đã thay đổi
H0 : P = .2 [Proportion has not changed]
H1 : P != .2 [Proportion has changed]This is a two-tailed test.
Bây giờ, để tiến hành kiểm tra
from statsmodels.stats.proportion import proportions_ztestproportions_ztest[count=16, nobs=80, value=0.25, alternative='two-sided']# [-1.1180339887498945, 0.2635524772829728]
Hiểu các tham số và Giải thích kết quả
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
Từ đầu ra, chúng ta có thể thấy rằng thống kê kiểm tra z là -1. 4509 và giá trị p tương ứng là 0. 0734. Vì giá trị này không nhỏ hơn α = 0. 01, chúng tôi không bác bỏ giả thuyết khống. Do đó, chúng tôi kết luận rằng yêu cầu của công ty là hợp lý.
Điều này sử dụng một bài kiểm tra bình thường đơn giản cho tỷ lệ. Nó phải giống như chạy kiểm tra z trung bình trên dữ liệu được mã hóa 1 cho sự kiện và 0 cho không có sự kiện sao cho tổng tương ứng với số lượng
Trong trường hợp một và hai mẫu với phương án thay thế hai phía, thử nghiệm này tạo ra giá trị p giống như
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
2, vì chisquare là phân phối bình phương của phân phối chuẩn chuẩn Trong bài viết này, chúng ta sẽ xem xét cách tiếp cận để thực hiện kiểm tra Z một tỷ lệ trong ngôn ngữ lập trình Python.
Thử nghiệm Z là một thử nghiệm thống kê để xác định xem hai trung bình dân số có khác nhau hay không khi biết phương sai và cỡ mẫu lớn
Công thức kiểm tra Z một tỷ lệ
Ở đâu.
- P. Tỷ lệ mẫu quan sát
- Po. Tỷ lệ dân số giả định
- n. Cỡ mẫu
Thử nghiệm Z một tỷ lệ sử dụng giả thuyết khống sau đây
- H0. p = p0 [tỷ lệ dân số bằng tỷ lệ giả thuyết p0]
Giả thuyết thay thế có thể là hai bên, bên trái hoặc bên phải
- H1 [hai đuôi]. p ≠ p0 [tỷ lệ dân số hai đuôi không bằng một giá trị giả định nào đó p0]
- H1 [đuôi trái]. p < p0 [tỷ lệ dân số bên trái nhỏ hơn một số giá trị giả thuyết p0]
- H1 [đuôi phải]. p > p0 [tỷ lệ dân số bên phải lớn hơn một số giá trị giả thuyết p0]
Phương pháp 1. Tính kiểm tra Z một tỷ lệ bằng công thức
Theo cách tiếp cận này, chúng tôi sẽ tính toán kiểm tra Z một tỷ lệ bằng cách sử dụng công thức đã cho và chỉ cần đặt giá trị đã cho vào công thức và nhận kết quả
Công thức
z=[P-Po]/sqrt[Po[1-Po]/n
Trong ví dụ này, chúng tôi đang sử dụng giá trị P thành 0. 86, Po đến 0. 80 và n đến 100 và bằng cách sử dụng điều này, chúng tôi sẽ tính toán tỷ lệ kiểm tra z một trong ngôn ngữ lập trình python
con trăn
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
3 count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
4count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
5count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
6count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
7 count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
8count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
9count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
7 1.49999999999999841
1.49999999999999842
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
7 1.49999999999999844
1.49999999999999845
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
7 1.49999999999999847____48
1.49999999999999849
from statsmodels.stats.proportion import proportions_ztestproportions_ztest[count=16, nobs=80, value=0.25, alternative='two-sided']# [-1.1180339887498945, 0.2635524772829728]10
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
7 count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
9_______113from statsmodels.stats.proportion import proportions_ztestproportions_ztest[count=16, nobs=80, value=0.25, alternative='two-sided']# [-1.1180339887498945, 0.2635524772829728]14
from statsmodels.stats.proportion import proportions_ztestproportions_ztest[count=16, nobs=80, value=0.25, alternative='two-sided']# [-1.1180339887498945, 0.2635524772829728]15
1.49999999999999848
1.49999999999999849
from statsmodels.stats.proportion import proportions_ztestproportions_ztest[count=16, nobs=80, value=0.25, alternative='two-sided']# [-1.1180339887498945, 0.2635524772829728]18
1.49999999999999842
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
30count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
7 1.49999999999999845____118
count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
34count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
35count = Successes if Null Hypothesis is True. [P * nobs]
nobs = The number of trails/sample
value = Observed Proportion
alternative = Type of test[2-tailed or 1-tailed]
36đầu ra
1.4999999999999984
Phương pháp 2. Tính kiểm tra Z một tỷ lệ bằng cách sử dụng hàm proportions_ztest[]
Theo cách tiếp cận này, trước tiên chúng ta cần nhập các mô hình thống kê. số liệu thống kê. tỷ lệ vào trình biên dịch python và sau đó gọi hàm ratios_ztest[] để đơn giản hóa việc kiểm tra Z theo tỷ lệ bằng cách thêm các tham số vào hàm
hàm ratios_ztest[]. Chức năng này được sử dụng để kiểm tra tỷ lệ dựa trên kiểm tra bình thường [z]
cú pháp. ratios_ztest[count, nobs, value=None, alternative=’hai mặt’]
Thông số
- đếm. số lần thành công trong các thử nghiệm quý tộc
- quý tộc. số lượng thử nghiệm hoặc quan sát, có cùng độ dài với số lượng
- giá trị. tỷ lệ dân số giả định
- thay thế. Giả thuyết thay thế.
Trong ví dụ này, chúng tôi sẽ sử dụng các giá trị giống như được sử dụng trong ví dụ trước và bỏ qua các giá trị này cho hàm ratios_ztest[], chúng tôi sẽ tính toán kiểm tra z một tỷ lệ trong ngôn ngữ lập trình python