Lección 7 del curso Estadística Inferencial Paramétrica.
En la lección anterior vimos todos los detalles y un ejemplo práctico de implementación en Python de la prueba t (o t-test) para una muestra.
En esta lección veremos en detalle la prueba t para muestras independientes, que se usa en muchos contextos de Ciencia de Datos como por ejemplo en los tests A/B. Así que veremos en qué consiste esta prueba y cómo implementarla con ayuda de Python y librerías como «statsmodels» y «pingouin»:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, la prueba t para muestras independientes nos permite comparar, desde el punto de vista estadístico, la media de dos agrupaciones independientes.
Y esta prueba tiene la ventaja de que, a diferencia de la prueba z para muestras independientes vista en una lección anterior, no requiere información alguna (como la media o la desviación estándar) de la población y por tanto todos los cálculos requeridos se hacen directamente a partir de las muestras.
De hecho esta es una de las razones por las cuales esta prueba t es tan usada en Ciencia de Datos, por ejemplo para implementar lo que se conocen como los tests A/B. De hecho, en el ejemplo práctico de esta lección vimos precisamente cómo usar este t-test para realizar una prueba A/B en un problema de Ciencia de Datos.
Así que lo único que nos resta para completar este tercer módulo del curso es analizar en detalle la prueba t pareada (también conocida como la prueba t para muestras dependientes), que será precisamente el tema de la próxima lección.
Todas las lecciones del curso Estadística Inferencial Paramétrica