در این مطلب، ویدئو آموزش آمار پایتون – تست Scipy T – مقایسه بند انگشتی با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:08:42
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,909
زمان تست t شما فرا رسیده است و من
2
00:00:02,909 –> 00:00:05,370
در مورد تست طعم یک نوشیدنی داغ
3
00:00:05,370 –> 00:00:08,400
صحبت نمی کنم، ما در مورد این
4
00:00:08,400 –> 00:00:10,830
روش آماری استاندارد که به عنوان
5
00:00:10,830 –> 00:00:12,480
آزمون t شناخته می شود صحبت می کنیم و حدس بزنید که چه کاری می توانید این
6
00:00:12,480 –> 00:00:14,910
تست را به راحتی در پایتون انجام دهید، بنابراین به دنبال
7
00:00:14,910 –> 00:00:22,050
آن باشید. زیرا من به شما نشان خواهم داد که چگونه در
8
00:00:22,050 –> 00:00:23,880
کانال خود دو تصویر کوچک
9
00:00:23,880 –> 00:00:26,400
متفاوت دارم که از آنها استفاده کرده ام که یکی را
10
00:00:26,400 –> 00:00:28,769
بندانگشتی اولیه می نامم و دیگری را
11
00:00:28,769 –> 00:00:30,750
تصویر کوچک جایگزین می نامم.
12
00:00:30,750 –> 00:00:33,719
13
00:00:33,719 –> 00:00:35,610
روی گروهی از
14
00:00:35,610 –> 00:00:38,190
ویدیوها بیشتر کلیک میشود، آنهایی
15
00:00:38,190 –> 00:00:40,050
که تصویر کوچک اصلی دارند یا آنهایی که
16
00:00:40,050 –> 00:00:42,000
تصویر بندانگشتی جایگزین دارند تا ببینیم
17
00:00:42,000 –> 00:00:44,579
برای مقایسه میانگینها برای
18
00:00:44,579 –> 00:00:46,289
مقایسه میانگین
19
00:00:46,289 –> 00:00:48,030
نرخ کلیک یا به عبارت دیگر
20
00:00:48,030 –> 00:00:50,579
درصد را مقایسه میکنیم. از مواقعی که
21
00:00:50,579 –> 00:00:53,039
مردم
22
00:00:53,039 –> 00:00:55,590
وقتی آن را دیدهاند روی آن کلیک میکنند، قبل از اینکه ببینیم
23
00:00:55,590 –> 00:00:58,559
آمار چه میگوید کنجکاو هستم به
24
00:00:58,559 –> 00:01:00,539
نظر شما کدام یک از این ریز عکسها
25
00:01:00,539 –> 00:01:03,300
به نظر شما بهتر است و کدام یک
26
00:01:03,300 –> 00:01:05,850
را پیشبینی میکنید cli است. با نرخ بالاتر
27
00:01:05,850 –> 00:01:08,840
در نظرات زیر به من اطلاع
28
00:01:08,840 –> 00:01:12,060
دهید، اما بیایید به آمار برسیم تا
29
00:01:12,060 –> 00:01:14,580
ببینیم آنها در واقع چه می گویند تا داده ها را دریافت
30
00:01:14,580 –> 00:01:17,729
کنیم.
31
00:01:17,729 –> 00:01:21,570
32
00:01:21,570 –> 00:01:27,330
IND و
33
00:01:27,330 –> 00:01:29,189
من قصد داریم چند نوع دیگر
34
00:01:29,189 –> 00:01:31,049
از تست های T را وارد کنیم تا بتوانید نحوه عملکرد آنها را مشاهده کنید،
35
00:01:31,049 –> 00:01:34,890
بنابراین یک نمونه را تست کنید و در نهایت
36
00:01:34,890 –> 00:01:38,659
از سمت PI dot stats زیرخط تست T را
37
00:01:38,659 –> 00:01:44,000
در زیر خط از آمار و
38
00:01:44,000 –> 00:01:46,770
آخرین I’m وارد کنید. درست است که numpy را به عنوان NP وارد می کنیم،
39
00:01:46,770 –> 00:01:49,549
40
00:01:49,869 –> 00:01:51,850
بنابراین ابتدا اجازه دهید داده های خود را دریافت
41
00:01:51,850 –> 00:01:55,420
42
00:01:55,420 –> 00:01:58,439
43
00:01:58,439 –> 00:02:00,909
44
00:02:00,909 –> 00:02:03,939
45
00:02:03,939 –> 00:02:06,490
کنیم.
46
00:02:06,490 –> 00:02:09,038
ستون تصویر کوچک اصلی را داشته باشید که
47
00:02:09,038 –> 00:02:10,840
نرخ کلیک نمایش را به صورت
48
00:02:10,840 –> 00:02:13,450
درصد نشان می دهد و ستون تصویر کوچک جایگزین
49
00:02:13,450 –> 00:02:16,599
نیز هر کدام
50
00:02:16,599 –> 00:02:19,390
در یک تاریخ در دو نمونه از
51
00:02:19,390 –> 00:02:21,340
تاریخ های مختلف انجام شده است، ما می خواهیم به طور کلی بدانیم
52
00:02:21,340 –> 00:02:24,220
کدام تصویر کوچک بهتر است، بنابراین ابتدا من.
53
00:02:24,220 –> 00:02:26,110
من یک جفت منطبق را برای
54
00:02:26,110 –> 00:02:32,650
تفاوتهای موجود به شما نشان میدهم، من
55
00:02:32,650 –> 00:02:34,540
میخواهم آرایهای از تفاوتهای
56
00:02:34,540 –> 00:02:37,239
بین تصویر کوچک اصلی و
57
00:02:37,239 –> 00:02:39,370
تصویر کوچک جایگزین ایجاد کنم و
58
00:02:39,370 –> 00:02:41,829
از روشهای آماری خود استفاده میکنیم تا ببینیم آیا
59
00:02:41,829 –> 00:02:45,340
این میانگین متفاوت است یا خیر. از صفر، بنابراین
60
00:02:45,340 –> 00:02:47,700
آرایه NP نقطهای از تصویر کوچک اصلی را داریم که
61
00:02:47,700 –> 00:02:50,650
از آرایه نقطهای NP از
62
00:02:50,650 –> 00:02:53,079
تصویر کوچک جایگزین کم میکنیم تا آرایهای
63
00:02:53,079 –> 00:02:56,100
از تفاوتها ایجاد شود
64
00:02:58,330 –> 00:03:03,790
و اکنون آزمون t را زیر خط یک
65
00:03:03,790 –> 00:03:06,730
نمونه انجام میدهیم و تفاوت خود را وصل میکنیم و
66
00:03:06,730 –> 00:03:08,980
میخواهیم ببینیم که آیا با صفر متفاوت است،
67
00:03:08,980 –> 00:03:12,640
بنابراین یک آمار t
68
00:03:12,640 –> 00:03:16,510
و یک p-value را در یک تاپل به ما نشان می دهد و متوجه خواهید
69
00:03:16,510 –> 00:03:18,490
شد که p-value بسیار کوچک است، به
70
00:03:18,490 –> 00:03:20,590
این معنی که تفاوت بین میانگین ها
71
00:03:20,590 –> 00:03:23,050
به طور قابل توجهی با
72
00:03:23,050 –> 00:03:27,280
صفر متفاوت است در اینجا مستندات مربوط به
73
00:03:27,280 –> 00:03:29,140
یک نمونه را تست کنید تا به آن
74
00:03:29,140 –> 00:03:34,470
آرایه ای a بدهید و میانگین جمعیت و
75
00:03:36,540 –> 00:03:39,820
متوجه شوید که می توانید به آن دسترسی بدهید تا
76
00:03:39,820 –> 00:03:43,620
بتوانید این کار را برای چندین کار همزمان انجام
77
00:03:44,700 –> 00:03:47,920
دهید، حالا بیایید دو آزمون t نمونه را برای
78
00:03:47,920 –> 00:03:50,500
تفاوت های میانگین انجام دهیم. حرفه ای احتمالاً
79
00:03:50,500 –> 00:03:51,760
کمی بیشتر در این مورد کاربرد دارد،
80
00:03:51,760 –> 00:03:53,410
زیرا ما در حال مقایسه دو
81
00:03:53,410 –> 00:03:56,970
لیست مختلف از ویدیوها
82
00:04:05,380 –> 00:04:08,020
هستیم، بنابراین در دو آرایه مختلف خود قرار می دهیم
83
00:04:08,020 –> 00:04:11,500
و برای اولین مورد
84
00:04:11,500 –> 00:04:13,630
می گوییم واریانس برابر درست است و تنها
85
00:04:13,630 –> 00:04:16,420
کاری که انجام می دهیم این است که آن کد را اجرا کنیم. و می توانید ببینید
86
00:04:16,420 –> 00:04:18,190
اگر فرض کنیم واریانس یکسانی دارند
87
00:04:18,190 –> 00:04:22,300
که p-value دوباره کوچک است، شما
88
00:04:22,300 –> 00:04:24,400
تغییر می دهید که p-value متفاوت است اما
89
00:04:24,400 –> 00:04:26,950
به همان اندازه کوچک است به طوری که به نظر می رسد به ما
90
00:04:26,950 –> 00:04:28,450
می گوید که بله تفاوت قابل توجهی
91
00:04:28,450 –>