0Pricing
Learn AI with Python · Pelajaran

Pengujian Hipotesis

Hipotesis nol, nilai-p, t-test, dan uji chi-kuadrat dengan scipy.stats.

Pengujian Hipotesis adalah pelajaran Learn AI with Python gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Learn AI with Python, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Learn AI with Python mencakup 4 pelajaran total.

Apa Itu Uji Hipotesis?

Uji hipotesis menggunakan data untuk menentukan apakah efek yang diamati benar-benar ada atau hanya kebetulan acak. Inilah cara ilmuwan data membenarkan klaim seperti "rancangan baru meningkatkan jumlah klik".

Nol vs Alternatif

Hipotesis nol H0 menyatakan bahwa tidak ada efek (posisi bawaan yang skeptis). Hipotesis alternatif H1 menyatakan bahwa ADA efek. Kita berusaha mengumpulkan bukti yang menentang H0.

Nilai-p

Nilai-p adalah probabilitas untuk mengamati data seekstrem ini JIKA H0 benar. Nilai-p yang kecil berarti data tersebut mengejutkan jika ditinjau berdasarkan H0, sehingga kita meragukan H0.

Tingkat Signifikansi

Kita membandingkan p dengan ambang alpha (umumnya 0,05). Jika p < alpha, kita menolak H0; jika tidak, kita gagal menolaknya. alpha adalah tingkat positif palsu yang dapat diterima.

Yang TIDAK Dimaksud oleh Nilai-p

Nilai-p BUKAN probabilitas bahwa H0 benar, dan BUKAN ukuran efek. Nilai-p yang sangat kecil dengan sampel yang besar dapat mencerminkan perbedaan yang sangat kecil dan tidak berarti. Selalu laporkan ukuran efek juga.

Uji t Satu Sampel

ttest_1samp memeriksa apakah mean sampel berbeda dari nilai yang diketahui, misalnya apakah waktu respons rata-rata berbeda dari target 200 md.

from scipy import stats
import numpy as np
times = np.array([198, 205, 210, 195, 220, 208])
t, p = stats.ttest_1samp(times, popmean=200)
print(t, p)

Uji t Dua Sampel

ttest_ind membandingkan mean dari dua kelompok INDEPENDENT, yaitu analisis uji A/B standar.

control = np.array([20, 22, 19, 24, 21])
treat = np.array([25, 27, 24, 29, 26])
t, p = stats.ttest_ind(control, treat)
print(t, p)   # small p -> groups differ

Menafsirkan Hasil

Bandingkan nilai-p dengan alpha dan nyatakan kesimpulan dalam bahasa yang mudah dipahami. Signifikansi adalah keputusan, bukan bukti kepastian.

alpha = 0.05
if p < alpha:
    print("Reject H0: the groups differ significantly")
else:
    print("Fail to reject H0: no significant difference")

Uji Chi-Kuadrat Independensi

chi2_contingency menguji apakah dua variabel CATEGORICAL saling berhubungan, menggunakan tabel kontingensi yang berisi jumlah.

table = np.array([[30, 10], [20, 40]])   # rows: group, cols: outcome
chi2, p, dof, expected = stats.chi2_contingency(table)
print(chi2, p)

Kesalahan Tipe I dan Tipe II

Kesalahan Tipe I (positif palsu) menolak H0 yang benar; tingkatnya adalah alpha. Kesalahan Tipe II (negatif palsu) gagal menolak H0 yang salah; tingkatnya adalah beta. Daya = 1 - beta adalah peluang untuk mendeteksi efek yang nyata.

Pertukaran

Menurunkan alpha mengurangi positif palsu, tetapi meningkatkan tingkat negatif palsu (daya yang lebih rendah). Sampel yang lebih besar mengurangi kedua jenis kesalahan, sehingga perencanaan ukuran sampel penting dilakukan sebelum eksperimen.

Pemeriksaan Singkat

Uji pengetahuan Anda tentang pengujian hipotesis.

Ringkasan

Hal-hal penting tentang pengujian hipotesis:

  • H0 (tidak ada efek) vs H1 (ada efek); kumpulkan bukti yang menentang H0
  • nilai-p = P(data seekstrem ini | H0); tolak jika p < alpha
  • p BUKAN P(H0 benar) dan BUKAN ukuran efek
  • ttest_1samp, ttest_ind, chi2_contingency
  • Tipe I (positif palsu, tingkat alpha) vs Tipe II (negatif palsu, tingkat beta); daya = 1-beta

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Pengujian Hipotesis” gratis?

Ya — teks lengkap “Pengujian Hipotesis” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Learn AI with Python, upgrade ke CoddyKit PRO. Kursus Learn AI with Python mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Pengujian Hipotesis”?

Hipotesis nol, nilai-p, t-test, dan uji chi-kuadrat dengan scipy.stats. Kamu berlatih Learn AI with Python dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Learn AI with Python?

Tidak diperlukan pengalaman sebelumnya. Learn AI with Python di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.

Berapa lama pelajaran “Pengujian Hipotesis” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Learn AI with Python ini?

Ya. Setiap pelajaran Learn AI with Python menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Statistik Deskriptif dan Distribusi
  2. Probabilitas dan Teorema Bayes
  3. Pengujian Hipotesis
  4. Korelasi dan Kovarians
← Kembali ke Learn AI with Python