در این مطلب، ویدئو پایتون – نمونه های مستقل t-test 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: 00:05:31
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,960 –> 00:00:02,879
خوش آمدید در این ویدیو به
2
00:00:02,879 –> 00:00:04,160
شما نشان می دهم که چگونه می توانید یک
3
00:00:04,160 –> 00:00:07,040
تست t-test نمونه های مستقل را با استفاده از
4
00:00:07,040 –> 00:00:09,040
آزمایشگاه مشتری در این مورد
5
00:00:09,040 –> 00:00:12,559
و پایتون 3 انجام دهید. اکنون
6
00:00:12,559 –> 00:00:14,400
7
00:00:14,400 –> 00:00:16,160
اگر دو دسته دارید یا دارای دو دسته هستید می توانید از آزمون t-test نمونه های مستقل استفاده کنید.
8
00:00:16,160 –> 00:00:18,160
دو گروه
9
00:00:18,160 –> 00:00:19,439
و می خواهید بدانید که آیا
10
00:00:19,439 –> 00:00:21,199
تفاوتی در الگوهای رفتاری
11
00:00:21,199 –> 00:00:22,880
وجود دارد، در واقع دو نسخه از این
12
00:00:22,880 –> 00:00:25,119
وجود دارد، نسخه دانشجویی است
13
00:00:25,119 –> 00:00:28,480
و نام آن از نام
14
00:00:28,480 –> 00:00:31,760
شخصی است که مقالات را با
15
00:00:31,760 –> 00:00:34,079
نام مستعار نوشته است، مطمئن نیستم که
16
00:00:34,079 –> 00:00:34,800
کلمه انگلیسی
17
00:00:34,800 –> 00:00:37,680
دانشجو درست است یا نه نام واقعی او go
18
00:00:37,680 –> 00:00:38,960
zet بود
19
00:00:38,960 –> 00:00:40,800
و نسخه ولش
20
00:00:40,800 –> 00:00:42,160
وجود دارد که اگر
21
00:00:42,160 –> 00:00:44,719
واریانس ها را مساوی فرض کنید یا نه، تفاوت باید انجام شود، اما
22
00:00:44,719 –> 00:00:45,360
roxton
23
00:00:45,360 –> 00:00:47,920
در واقع ادعا می کند که شما به
24
00:00:47,920 –> 00:00:49,920
سادگی همیشه از نسخه ولش استفاده می کنید
25
00:00:49,920 –> 00:00:53,280
، بنابراین من به سادگی
26
00:00:53,280 –> 00:00:55,680
هر دو را نشان می دهم زیرا اغلب آنها را می توان به راحتی انجام داد
27
00:00:55,680 –> 00:00:57,600
28
00:00:57,600 –> 00:00:59,600
اگر بدانید چگونه یکی دیگر را انجام دهید
29
00:00:59,600 –> 00:01:02,160
نسبتاً ساده است
30
00:01:02,160 –> 00:01:05,280
، مثالی که من از آن استفاده خواهم کرد یک
31
00:01:05,280 –> 00:01:07,520
قاب داده پاندا یا در واقع فایل csv است که
32
00:01:07,520 –> 00:01:08,320
33
00:01:08,320 –> 00:01:12,560
با استفاده از خواندن csv به عنوان آویز بارگیری می کنم. قاب داده،
34
00:01:12,560 –> 00:01:14,240
بنابراین اگر
35
00:01:14,240 –> 00:01:16,159
قبلاً از panda استفاده نکردهاید، به پاندا نیاز دارم، پس
36
00:01:16,159 –> 00:01:17,840
احتمالاً باید ابتدا آن را با این خط نصب کنید
37
00:01:17,840 –> 00:01:19,200
38
00:01:19,200 –> 00:01:21,520
و سپس میتوانید آن را با استفاده از pandas وارد کنید
39
00:01:21,520 –> 00:01:23,360
و من آن را به صورت
40
00:01:23,360 –> 00:01:26,400
pdf مخفف میکنم، پس بیایید بارگذاری کنیم. که در
41
00:01:26,400 –> 00:01:28,320
و سپس من در نهایت می توانم فایلم را بارگیری کنم،
42
00:01:28,320 –> 00:01:30,880
آن را فریم داده من df
43
00:01:30,880 –> 00:01:34,400
PD می نامم که پس از آن پانداها csv را می خوانند
44
00:01:34,400 –> 00:01:37,119
و سپس فایل را بارگیری می کنند و سپس سربرگ را
45
00:01:37,119 –> 00:01:37,920
نشان می دهم
46
00:01:37,920 –> 00:01:40,000
که به این معنی است که پنج ردیف اول را به من نشان می دهد
47
00:01:40,000 –> 00:01:41,040
48
00:01:41,040 –> 00:01:44,399
که با شروع از صفر به طوری که
49
00:01:44,399 –> 00:01:44,720
50
00:01:44,720 –> 00:01:48,000
اکنون برای این مثال تا چهار بشمارید، من به یک فیلد باینری نیاز دارم،
51
00:01:48,000 –> 00:01:49,920
بنابراین چیزی که دارای
52
00:01:49,920 –> 00:01:53,040
دو گروه باشد و برای محاسبه میانگین به یک متغیر مقیاس نیاز
53
00:01:53,040 –> 00:01:55,119
دارم، بنابراین
54
00:01:55,119 –> 00:01:57,680
از جنسیت استفاده خواهم کرد که فقط
55
00:01:57,680 –> 00:02:00,799
دو گزینه مرد یا مرد داشت. درجه زن و بالاتر
56
00:02:00,799 –> 00:02:02,719
که نمره کلی بود، بنابراین
57
00:02:02,719 –> 00:02:04,000
من آن را
58
00:02:04,000 –> 00:02:07,360
برای باینری و مقیاس من صدا می زنم و می توانم
59
00:02:07,360 –> 00:02:09,679
به سادگی آن فیلدها را با قرار
60
00:02:09,679 –> 00:02:11,120
دادن نام آنها
61
00:02:11,120 –> 00:02:14,239
بین آپستروف ها انتخاب کنم و اکنون باید
62
00:02:14,239 –> 00:02:14,879
63
00:02:14,879 –> 00:02:18,319
دو متغیر داشته باشد.
64
00:02:18,319 –> 00:02:18,800
65
00:02:18,800 –> 00:02:21,440
مقادیر برای my bin حساب می شوند و
66
00:02:21,440 –> 00:02:23,040
در واقع خواهید دید که
67
00:02:23,040 –> 00:02:26,160
فقط مرد یا زن برای انتخاب وجود داشت،
68
00:02:26,160 –> 00:02:29,120
پس باید همه نمرات را از هم جدا کنیم،
69
00:02:29,120 –> 00:02:29,520
بنابراین
70
00:02:29,520 –> 00:02:31,840
همه نمرات را از متغیر مقیاس
71
00:02:31,840 –> 00:02:34,080
بر اساس آن زن مرد، بنابراین
72
00:02:34,080 –> 00:02:36,160
من آن را دسته 1 و
73
00:02:36,160 –> 00:02:38,080
من می نامم. دسته 2.
74
0