Uji t dua sampel - Platform For AI - Alibaba Cloud Documentation Center

Komponen Two-Sample T-Test menguji apakah rata-rata populasi dari dua sampel berbeda secara signifikan melalui pengujian hipotesis statistik standar.

Pilih jenis uji

Komponen ini mendukung dua jenis uji. Pilih berdasarkan hubungan antara kedua sampel:

Jenis uji	Gunakan saat	Persyaratan
Independent t-test	Kedua sampel tidak saling terkait—misalnya, kelompok uji versus kelompok kontrol	Sampel harus independen; data harus mengikuti distribusi normal
Paired t-test	Setiap observasi pada Sampel 1 berkorespondensi dengan satu observasi pada Sampel 2—misalnya, pengukuran sebelum dan sesudah pada subjek yang sama	Sampel harus memiliki ukuran yang sama dan dipasangkan per baris

Konfigurasi komponen

Metode 1: Konfigurasi pada halaman pipeline

Konfigurasikan parameter untuk komponen Two Sample T Test pada halaman pipeline Machine Learning Designer.

Tab	Parameter	Deskripsi
Fields setting	Sample 1 Column	Kolom yang berisi Sampel 1.
Fields setting	Sample 2 Column	Kolom yang berisi Sampel 2.
Parameters setting	T Test Type	Jenis uji t yang akan dijalankan. Nilai yang valid: `Independent T Test`, `Paired T Test`.
Parameters setting	Alternative Hypothesis Type	Arah hipotesis alternatif. Nilai yang valid: `two.sided`, `less`, `greater`. Lihat Jenis hipotesis alternatif.
Parameters setting	Confidence Level	Tingkat kepercayaan untuk interval hasil. Nilai yang valid: `0.8`, `0.9`, `0.95`, `0.99`, `0.995`, `0.999`.
Parameters setting	Hypothesized Mean	Rata-rata yang dihipotesiskan. Default: `0`.
Parameters setting	Variances of Two Populations Are Equal	Apakah akan mengasumsikan varians sama. Nilai yang valid: `true`, `false`. Jika tidak yakin, atur ke `false` untuk menggunakan uji t Welch, yang robust ketika varians berbeda. Default: `false`.
Parameters setting	Cores	Jumlah core CPU. Harus berupa bilangan bulat positif dari 1 hingga 9999. Gunakan bersama dengan Memory Size Per Core.
Parameters setting	Memory Size Per Core	Memori per core dalam MB. Harus berupa bilangan bulat positif dari 1024 hingga 65536.

Jenis hipotesis alternatif

Nilai	Menguji apakah
`two.sided`	Rata-rata populasi lebih besar atau lebih kecil daripada nilai yang dihipotesiskan
`less`	Rata-rata populasi lebih kecil daripada nilai yang dihipotesiskan
`greater`	Rata-rata populasi lebih besar daripada nilai yang dihipotesiskan

Metode 2: Gunakan perintah PAI

Jalankan Two-Sample T-Test dengan memanggil algoritma t_test menggunakan perintah PAI. Gunakan komponen SQL Script untuk menjalankan perintah PAI dalam pipeline.

pai -name t_test
    -project algo_public
    -DxTableName=pai_t_test_all_type
    -DxColName=col1_double
    -DxTablePartitions=ds=2010/dt=1
    -DyTableName=pai_t_test_all_type
    -DyColName=col1_double
    -DyTablePartitions=ds=2010/dt=1
    -DoutputTableName=pai_t_test_out
    -Dalternative=less
    -Dmu=47
    -DconfidenceLevel=0.95
    -Dpaired=false
    -DvarEqual=true

Parameter	Wajib	Deskripsi	Default
`xTableName`	Ya	Nama tabel input x.	—
`xColName`	Ya	Kolom dalam tabel input x yang digunakan untuk uji. Harus bertipe `DOUBLE` atau `INT`.	—
`xTablePartitions`	Tidak	Partisi dalam tabel input x yang akan disertakan. Format yang didukung: `partition_name=value` (satu level), `name1=value1/name2=value2` (multi-level). Pisahkan beberapa partisi dengan koma.	Semua partisi
`yTableName`	Ya	Nama tabel input y.	—
`yColName`	Ya	Kolom dalam tabel input y yang digunakan untuk uji. Harus bertipe `DOUBLE` atau `INT`.	—
`yTablePartitions`	Tidak	Partisi dalam tabel input y yang akan disertakan. Formatnya sama seperti `xTablePartitions`.	Semua partisi
`paired`	Tidak	`true` untuk paired t-test; `false` untuk independent t-test.	`false`
`alternative`	Tidak	Arah hipotesis alternatif. Nilai yang valid: `two.sided`, `less`, `greater`.	`two.sided`
`mu`	Tidak	Rata-rata yang dihipotesiskan. Harus bertipe `DOUBLE`.	`0`
`varEqual`	Tidak	Apakah akan mengasumsikan varians sama. Atur ke `false` untuk menggunakan uji t Welch ketika varians mungkin berbeda.	`false`
`confidenceLevel`	Tidak	Tingkat kepercayaan untuk interval hasil. Nilai yang valid: `0.8`, `0.9`, `0.95`, `0.99`, `0.995`, `0.999`.	`0.95`
`coreNum`	Tidak	Jumlah core CPU. Nilai yang valid: 1 hingga 9999. Gunakan bersama `memSizePerCore`.	Default sistem
`memSizePerCore`	Tidak	Memori per core dalam MB. Nilai yang valid: 1024 hingga 65536.	Default sistem
`lifecycle`	Tidak	Siklus hidup tabel output.	—

Catatan

Untuk tabel non-partisi, abaikan coreNum dan memSizePerCore, dan biarkan sistem menentukan alokasi sumber daya. Untuk menghitung sumber daya secara manual, gunakan fungsi berikut:

def CalcCoreNumAndMem(row, centerCount, kOneCoreDataSize=1024):
    """Hitung jumlah core dan ukuran memori per core.

    Args:
        row: Jumlah baris dalam tabel input.
        centerCount: Jumlah kolom dalam tabel input.
        kOneCoreDataSize: Jumlah data yang dapat diproses setiap core, dalam MB. Default: 1024.

    Returns:
        coreNum, memSizePerCore
    """
    kMBytes = 1024.0 * 1024.0
    # Jumlah core
    coreNum = max(1, int(row * 2 * 8 / kMBytes / kOneCoreDataSize))
    # Memori per core
    memSizePerCore = max(1024, int(kOneCoreDataSize * 2))
    return coreNum, memSizePerCore

Bidang output

Tabel output berisi satu baris dan satu kolom dalam format JSON. Tabel berikut menjelaskan setiap bidang:

Bidang	Deskripsi
`AlternativeHypthesis`	Hipotesis alternatif yang diuji.
`ConfidenceInterval`	Interval kepercayaan untuk selisih rata-rata populasi pada tingkat kepercayaan yang ditentukan.
`ConfidenceLevel`	Tingkat kepercayaan yang digunakan.
`alpha`	Tingkat signifikansi (1 − tingkat kepercayaan). Misalnya, `alpha` bernilai 0.05 ketika tingkat kepercayaan adalah 0.95.
`df`	Derajat kebebasan yang digunakan dalam distribusi t.
`mean of the differences`	Selisih yang diamati antara rata-rata sampel.
`p`	Nilai p. Jika `p` kurang dari `alpha` — misalnya, p < 0.05 ketika tingkat kepercayaan adalah 0.95 — maka selisih tersebut signifikan secara statistik dan Anda harus menolak hipotesis nol.
`t`	Statistik t.

Contoh

Siapkan data uji

create table pai_test_input as
select * from
(
  select 1 as f0, 2 as f1
  union all
  select 1 as f0, 3 as f1
  union all
  select 1 as f0, 4 as f1
  union all
  select 0 as f0, 3 as f1
  union all
  select 0 as f0, 4 as f1
) tmp;

Perintah PAI

pai -name t_test
    -project algo_public
    -DxTableName=pai_test_input
    -DxColName=f0
    -DyTableName=pai_test_input
    -DyColName=f1
    -DyTablePartitions=ds=2010/dt=1
    -DoutputTableName=pai_t_test_out
    -Dalternative=less
    -Dmu=47
    -DconfidenceLevel=0.95
    -Dpaired=false
    -DvarEqual=true

Output

{
    "AlternativeHypthesis": "difference in means not equals to 0",
    "ConfidenceInterval": "(-2.5465, -0.4535)",
    "ConfidenceLevel": 0.95,
    "alpha": 0.05000000000000004,
    "df": 19,
    "mean of the differences": -1.5,
    "p": 0.008000000000000007,
    "t": -3
}

Pada contoh ini, p = 0,008 < α = 0,05, sehingga selisih rata-rata signifikan secara statistik pada tingkat kepercayaan 95%. Hipotesis nol ditolak.