Dhibaatada ugu weyn ee la xiriirta koodhadhka tirakoobka macluumaadka ee Python waa inay adkaan karto in la fahmo oo la tarjumo natiijooyinka. Python waa luqad xoog badan, laakiin way adkaan kartaa in la akhriyo oo la fahmo koodka loo isticmaalo xisaabaadka aan caqligal ahayn. Intaa waxaa dheer, waxaa jira baakado badan oo kala duwan oo loo heli karo tirakoobyada aan macnaha lahayn ee Python, taas oo adkeyn karta in la doorto midka saxda ah ee falanqayn gaar ah. Ugu dambeyntii, xirmooyinkan qaarkood waxaa laga yaabaa inaysan u cusbayn ama la isku halayn karin sida kuwa kale, sidaas darteed waxaa muhiim ah in la sameeyo cilmi-baaris kahor intaanad isticmaalin.
1. Chi-Square Test of Independence: from scipy.stats import chi2_contingency chi2, p, dof, expected = chi2_contingency(observed) 2. One-Way ANOVA: from scipy import stats F, p = stats.f_oneway(sample1, sample2, sample3) 3. Pearson’s Correlation Coefficient: from scipy.stats import pearsonr corr, _ = pearsonr(x, y)
Sadarka 1: Khadkani waxa uu ka soo dejiyaa shaqada chi2_contingency ee maktabadda scipy.stats, ka dibna waxa ay u isticmaashaa si ay u xisaabiso tijaabada chi-square ee madax banaanida xogta la arkay. Natiijooyinka tijaabadan waxaa lagu kaydiyaa doorsoomayaal chi2, p, dof, iyo la filayo.
Sadarka 2: Khadkani waxa uu ka soo dejiyaa shaqada f_oneway maktabadda scipy, ka dibna waxa uu isticmaalaa si uu u xisaabiyo hal-jid ANOVA oo ku saabsan saddex muunad (muunad1, sample2, sample3). Natiijooyinka baaritaankan waxaa lagu kaydiyaa doorsoomayaasha F iyo p.
Sadarka 3: Khadkani waxa uu ka soo dejiyaa shaqada pearsonr maktabadda scpy.stats, ka dibna waxa uu isticmaalaa si uu u xisaabiyo isku xidhka Pearson ee u dhexeeya laba doorsoome (x iyo y). Natiijooyinka tijaabadan waxa lagu kaydiyaa doorsoomayaal corr iyo _.
Waa maxay tira-koobyada aan macnaha lahayn
Tirakoobka Inferential waa laan ka mid ah tirakoobyada adeegsada xogta muunad si ay u sameeyaan go'aanno ama xog-ururin ku saabsan dadweynaha. Waxay ku lug leedahay gunaanad ku saabsan dadweynaha iyadoo lagu salaynayo xogta laga soo ururiyay muunad. Python dhexdeeda, tirokoobyada aan macnaha lahayn ayaa loo isticmaali karaa in lagu soo gunaanado oo la saadaaliyo iyadoo la adeegsanayo farsamooyin kala duwan sida tijaabinta mala awaalka, falanqaynta isku xidhka, falanqaynta dib u noqoshada, iyo in ka badan. Farsamooyinkani waxay noo oggolaanayaan inaan ka soo saarno xog-ururin macno leh xogtayada waxayna naga caawiyaan inaan samayno go'aanno wanaagsan.
Noocyada tira-koobka garaadka
Python dhexdeeda, waxaa jira dhowr nooc oo ah tirokoobyo caqli-gal ah oo loo isticmaali karo in lagu falanqeeyo xogta. Kuwaas waxaa ka mid ah t-tijaabooyin, ANOVA, imtixaanada chi-square, imtixaanada isku xidhka, iyo falanqaynta dib u noqoshada. Tijaabada T-tijaabada waxaa loo isticmaalaa isbarbardhigga hababka laba ama in ka badan oo xog ah. ANOVA waxaa loo istcimaalay in la isbarbardhigo hababka xogta kooxo badan. Tijaabada Chi-square waxa loo isticmaalaa in lagu tijaabiyo xidhiidhka ka dhexeeya doorsoomayaasha kala duwan. Tijaabooyinka isku xidhku waxay cabbiraan xoogga iyo jihada xidhiidhka toosan ee ka dhexeeya laba doorsoome. Ugu dambeyntii, falanqaynta regression waxaa loo isticmaalaa in lagu saadaaliyo doorsoome ku tiirsan hal ama in ka badan doorsoomayaal madaxbannaan.
Sidee baad u qortaa xisaabaadka aan macnaha lahayn
Tirakoobku waa qayb ka mid ah tirokoobyada adeegsada xogta muunad si ay wax uga sheegaan dadka muunada laga qaaday. Python dhexdeeda, tirokoobyada aan macnaha lahayn ayaa lagu samayn karaa iyadoo la isticmaalayo maktabado kala duwan sida SciPy, StatsModels, iyo NumPy.
Si aad u samayso tirokoobyada aan macnaha lahayn ee Python, waxaad u baahan doontaa inaad marka hore soo dejiso maktabadaha lagama maarmaanka ah ka dibna adeegso shaqooyinka ay ka midka yihiin celceliska (), dhexdhexaadka (), qaabka (), kala duwanaanshaha (), jaangooyada caadiga ah (), t-test (), chi Tijaabada laba jibaaran () iwm. Tusaale ahaan, haddii aad rabto inaad xisaabiso celceliska xog-ururinta la bixiyay, waxaad isticmaali kartaa celceliska() shaqada NumPy:
soo dejinta nump sida np
xogta = [1,2,3,4]
mean_value = np.mean(xogta)
daabac (macnaha_qiimaha) # Wax soo saarka: 2.5
