Przejdź do głównej treści

Strona główna Python

Kurs

Testowanie hipotez w Pythonie

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 12.2025

Naucz się, jak i kiedy używać w Pythonie popularnych testów hipotez, takich jak testy t, testy proporcji i testy chi-kwadrat.

Zacznij kurs za darmo

PythonProbability & Statistics

4 godz.

15 filmów

50 Ćwiczeń

3,750 XP

59,493

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Testowanie hipotez pozwala odpowiadać na pytania dotyczące zbiorów danych w statystycznie rygorystyczny sposób. W tym kursie rozwiniesz swoje umiejętności analityczne w Pythonie, ucząc się, jak i kiedy stosować popularne testy, takie jak testy t, testy proporcji i testy chi-kwadrat. Pracując z rzeczywistymi danymi – w tym z opiniami użytkowników Stack Overflow oraz danymi łańcucha dostaw dla medycznych przesyłek zaopatrzeniowych – dogłębnie zrozumiesz, jak działają te testy i jakie kluczowe założenia je leżą u ich podstaw. Poznasz też testy nieparametryczne, które pozwalają wyjść poza ograniczenia tradycyjnych testów hipotez.Filmy zawierają transkrypcje na żywo, które możesz wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu odtwarzacza. Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów. Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanym teście. Do testu możesz przejść, klikając informację o punktach CPE po prawej stronie.

Wymagania wstępne

Sampling in Python

1

Podstawy testowania hipotez

Jak działa testowanie hipotez i jakie problemy pozwala rozwiązać? Aby się tego dowiedzieć, przejdziesz przez cały przepływ pracy dla jednostronnego testu proporcji. Po drodze poznasz ważne pojęcia, takie jak wyniki z, wartości p oraz błędy fałszywie ujemne i fałszywie dodatnie.

Testy hipotez i z-scores

Zastosowania testów A/B

Obliczanie średniej z próby

Obliczanie z-score

Wartości p

Procesy sądowe a testy hipotez

Lewy ogon, prawy ogon, dwa ogony

Obliczanie p-wartości

Istotność statystyczna

Decyzje na podstawie wartości p

Obliczanie przedziału ufności

Błędy typu I i typu II

Zacznij rozdział

2

Testy dla dwóch prób i ANOVA

W tym rozdziale nauczysz się testować różnice w średnich między dwiema grupami za pomocą testów t, a następnie rozszerzysz tę wiedzę na więcej niż dwie grupy – używając testów ANOVA i parami porównawczych testów t.

Schemat testowania hipotez

Statystyka testowa dla dwóch średnich

Obliczanie p-wartości na podstawie statystyki t

Po co jest potrzebny rozkład t?

Sparowane testy t

Czy parowanie jest potrzebne?

Wizualizacja różnicy

Używanie ttest()

Testy ANOVA

Wizualizacja wielu kategorii

Przeprowadzanie testu ANOVA

Parowe testy t

Zacznij rozdział

3

Testy proporcji

Czas nauczyć się testować różnice w proporcjach między dwiema grupami za pomocą testów proporcji. Dzięki praktycznym ćwiczeniom rozszerzysz testy proporcji na więcej niż dwie grupy, stosując testy niezależności chi-kwadrat, a następnie wrócisz do przypadku jednej próby – z testami zgodności chi-kwadrat.

Jednostkowe testy proporcji

t dla proporcji?

Test dla pojedynczych proporcji

Testy proporcji dla dwóch próbek

Test dwóch proporcji

proportions_ztest() dla dwóch próbek

Test chi-kwadrat niezależności

Rozkład chi-kwadrat

Ile ogonów mają testy chi-kwadrat?

Przeprowadzanie testu chi-kwadrat

Testy zgodności chi-kwadrat

Wizualizacja dopasowania rozkładu

Przeprowadzanie testu zgodności z rozkładem

Zacznij rozdział

4

Testy nieparametryczne

Na koniec poznasz założenia leżące u podstaw parametrycznych testów hipotez i zobaczysz, jak stosować testy nieparametryczne, gdy te założenia nie są spełnione.

Założenia testowania hipotez

Wspólne założenia testów hipotez

Testowanie wielkości próby

Testy nieparametryczne

Który test parametryczny?

Test znaków Wilcoxona

Nieparametryczna ANOVA i niesparowane testy t

Wilcoxon-Mann-Whitney

Kruskal-Wallis

Gratulacje!

Zacznij rozdział

Testowanie hipotez w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Testowanie hipotez w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.