El valor p indica la fuerza de la hipótesis. Construimos una hipótesis basada en algún modelo estadÃstico y comparamos su confiabilidad usando el valor p. Una forma de obtener el valor p es usar una prueba T.
Esta es una prueba de dos colas para la hipótesis nula de que el valor esperado (media) de una muestra de observaciones independientes ‘a’ es igual a una media dada de la población, música pop… Considere el siguiente ejemplo.
from scipy import stats rvs = stats.norm.rvs(loc = 5, scale = 10, size = (50,2)) print stats.ttest_1samp(rvs,5.0)
El programa anterior generará la siguiente salida.
Ttest_1sampResult(statistic = array([-1.40184894, 2.70158009]), pvalue = array([ 0.16726344, 0.00945234]))
Los siguientes ejemplos muestran dos muestras que pueden provenir de la misma distribución o de diferentes distribuciones, y queremos comprobar si estas muestras tienen las mismas propiedades estadÃsticas.
ttest_ind – Calcula la prueba T para las medias de dos puntuaciones de muestra independientes. Es una prueba de dos caras para la hipótesis nula de que dos muestras independientes tienen los mismos valores medios (esperados). Esta prueba asume que las poblaciones tienen variaciones idénticas por defecto.
Podemos usar esta prueba si observamos dos muestras independientes de la misma o diferente población. Considere el siguiente ejemplo.
from scipy import stats rvs1 = stats.norm.rvs(loc = 5,scale = 10,size = 500) rvs2 = stats.norm.rvs(loc = 5,scale = 10,size = 500) print stats.ttest_ind(rvs1,rvs2)
El programa anterior generará la siguiente salida.
Ttest_indResult(statistic = -0.67406312233650278, pvalue = 0.50042727502272966)
Puede verificar lo mismo con una nueva matriz de la misma longitud, pero con una media diferente. Utilice un valor diferente en un lugar y prueba lo mismo.
🚫