Homework Statistik
In [12]:
import pandas as pd
import numpy as np
import scipy.stats as st
from scipy import stats
import statsmodels.stats.proportion as sp
## Library visualisasi
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
# please import as much as you need
In [13]:
# read your data
df = pd.read_csv('train.csv')
Basic
tunjukkan statistik deskriptif untuk variable harga rumah
In [14]:
# your code goes here!
##Measurement of Tendency
Descibe = df['SalePrice'].describe().transpose()
plt.hist(df['SalePrice'])
plt.show()
### Mendefinisikan kolom
x = df['SalePrice']
### Mean and Median
print('Rata-rata : ',x.mean())
print('Median : ',x.median())
### Modus
Modus = x.mode()[0]
print ('Modus: ',Modus)
### Percentil
Percentile_90 = x.quantile(0.9)
print (Percentile_90)
### Quartile
#### Q1, Q2, dan Q3
Q1 = x.quantile(0.25)
Q2 = np.quantile(x,0.5)
Q3 = np.percentile(x,75)
print ('Quartile_1 :', Q1)
print ('Quartile_2 :', Q2)
print ('Quartile_3 :', Q3)
### Variance
variance = x.var()
print ('Variance :', variance)
### Standard Deviasion
std = x.std ()
print ('Standard Deviasion :', std)
### Range
maks = x.max()
mini = x.min()
Range = maks - mini
print ('Jangkauan :', Range)
### Interquartilerange (IQR)
IQR = Q3 - Q1
print('Inter Quartile Range (IQR):',IQR)
### Boxplot
plt.figure(figsize = (5,7))
sns.boxplot(data = x)
Rata-rata : 180921.19589041095
Median : 163000.0
Modus: 140000
278000.0
Quartile_1 : 129975.0
Quartile_2 : 163000.0
Quartile_3 : 214000.0
Variance : 6311111264.297451
Standard Deviasion : 79442.50288288663
Jangkauan : 720100
Inter Quartile Range (IQR): 84025.0
Out[14]:
<matplotlib.axes._subplots.AxesSubplot at 0x1c007666370>
Statistik Deskriptif untuk harga rumah setiap tahunnya
In [15]:
# your code goes here!
def statistik_deskriptif(tahun):
##menghitung statistik deskriptif
rata_rata = tahun.mean()
median = tahun.median()
modus = tahun.mode()[0]
Percentile_90 = tahun.quantile(0.9)
Q1 = tahun.quantile(0.25)
Q2 = np.quantile(tahun,0.5)
Q3 = np.percentile(tahun,75)
variance = tahun.var()
std = tahun.std ()
Range = tahun.max() - tahun.min()
IQR = tahun.quantile(0.75) - tahun.quantile(0.25)
#Menyiapkan wadah untuk menampung hasil perhitungan
result = {}
result ['rata-rata'] = rata_rata
result ['median'] = median
result ['modus'] = modus
result ['Percentile_90'] = Percentile_90
result ['Quartile_1'] = Q1
result ['Quartile_2'] = Q2
result ['Quartile_3'] = Q3
result ['variance'] = variance
result ['Standard Deviasion'] = std
result ['Jangkauan'] = Range
result ['Inter Quartile Range'] = IQR
#mengeluarkan hasil
return(result)
## mendefinisikan data tiap tahun
tahun_2006 = (df[df['YrSold'] == 2006])
tahun_2007 = (df[df['YrSold'] == 2007])
tahun_2008 = (df[df['YrSold'] == 2008])
tahun_2009 = (df[df['YrSold'] == 2009])
tahun_2010 = (df[df['YrSold'] == 2010])
In [16]:
Statistik_2006 = pd.DataFrame(statistik_deskriptif(tahun_2006 ['SalePrice']),index=[0])
Statistik_2006
Out[16]:
rata-rata median modus Percentile_90 Quartile_1 Quartile_2 Quartile_3
0 182549.458599 163995.0 140000 275000.0 131375.0 163995.0 218782.5 6.308
In [17]:
Statistik_2007 = pd.DataFrame(statistik_deskriptif(tahun_2007 ['SalePrice']),index=[0])
Statistik_2007
Out[17]:
rata-rata median modus Percentile_90 Quartile_1 Quartile_2 Quartile_3 va
0 186063.151976 167000.0 129000 290000.0 129900.0 167000.0 219500.0 7.35617
In [18]:
Statistik_2008 = pd.DataFrame(statistik_deskriptif(tahun_2008 ['SalePrice']),index=[0])
Statistik_2008
Out[18]:
rata-rata median modus Percentile_90 Quartile_1 Quartile_2 Quartile_3
0 177360.838816 164000.0 140000 271000.0 131250.0 164000.0 207000.0 4.863
In [19]:
Statistik_2009 = pd.DataFrame(statistik_deskriptif(tahun_2009 ['SalePrice']),index=[0])
Statistik_2009
Out[19]:
rata-rata median modus Percentile_90 Quartile_1 Quartile_2 Quartile_3 v
0 179432.10355 162000.0 110000 275900.0 125250.0 162000.0 212750.0 6.5414
In [20]:
Statistik_2010 = pd.DataFrame(statistik_deskriptif(tahun_2010 ['SalePrice']),index=[0])
Statistik_2010
Out[20]:
rata-rata median modus Percentile_90 Quartile_1 Quartile_2 Quartile_3
0 177393.674286 155000.0 128000 264900.0 128100.0 155000.0 213250.0 6.472
Advanced
Penjelasan distribusi harga rumah
Hint: dapat ditunjukan melalui distribusi data
In [21]:
# your code goes here!
print('Rata-rata : ',df['SalePrice'].mean())
print('Median : ',df['SalePrice'].median())
plt.figure(figsize = (7,4))
sns.distplot(df['SalePrice'])
plt.show()
plt.tight_layout()
plt.figure(figsize = (5,7))
sns.boxplot(data = df['SalePrice'])
plt.show()
plt.tight_layout()
Rata-rata : 180921.19589041095
Median : 163000.0
<Figure size 432x288 with 0 Axes>
<Figure size 432x288 with 0 Axes>
Dari grafik diatas menunjukkan distribusi negarif skewd dimana nilai median lebih kecil dari nilai mean/rata-
ratanya. sehingga dalam analisa pada data ini nilai penggunaan nilai median cenderung lebih representaif
dibandingkan dengan pengguanaan mean
Pengujian Hipotesis pada Rata-rata Harga Rumah Tahun 2008
dan 2009
$\textbf{Mendefinisikan H0 dan H1}$
Apakah rata-rata harga rumah tahun 2008 sama dengan rata-rata harga rumah pada tahun 2009
H0 : Rata-rata harga rumah tahun 2008 tidak sama dengan harga rumah tahun 2009
H1 : Rata-rata harga rumah tahun 2008 sama dengan harga rumah tahun 2009
In [22]:
##Langkah 1
tahun_2008 = df[df['YrSold'] == 2008]
tahun_2009 = df[df['YrSold'] == 2009]
###Langkah 2
print('Rata-rata Tahun 2008 : ',tahun_2008['SalePrice'].mean())
print('Rata-rata Tahun 2009 : ',tahun_2009['SalePrice'].mean())
###Langkah 3
#### Masukkan data kedalam fungsi Ttest
ttest = st.ttest_ind(a = tahun_2008['SalePrice'], b=tahun_2009['SalePrice'])
p_value = ttest.pvalue
print('P-Value :', p_value)
if p_value >= 0.05:
print('Tidak cukup bukti menyatakan bahwa rata-rata harga rumah tahun 2008 sama den
gan rata-rata harga rumah tahun 2009')
else:
print('Cukup bukti untuk menyatakan bahwa rata-rata harga rumah tahun 2008 sama den
gan rata-rata harga rumah tahun 2009')
Rata-rata Tahun 2008 : 177360.83881578947
Rata-rata Tahun 2009 : 179432.10355029587
P-Value : 0.7297119988122992
Tidak cukup bukti menyatakan bahwa rata-rata harga rumah tahun 2008 sama d
engan rata-rata harga rumah tahun 2009
Soal Pengembangan (Additional)
A B Test Tampilan SnapChat's
Define an Experiment
Nama Eksperimen
Pengujian tampilan baru snapchats
Mendefinisikan Hipotesis
desain tampilan baru snapchat meningkatkan intensitas membuka aplikasi
Participant
Semua User Snapchats
Variabel yang Akan Diuji
Old Design & New Design
Define Metrics
Macroconversions
login rate/jumlah mengunjungi apps
Microconversions
Upload photo profile
Vanity Metrics
intensitas chat/lama waktu membuka aplikasi
Define The Duration
Ukuran Sample
Ditentukan berdasarkan rumus slovin terhadap populasi pengguna snapchat
Seasonal Effect
Selama 1 minggu untuk mengetahui seasonal effect pengguna ketika weekand dan weekdays
Analisis Berkala
Dilakukan analisis berkala dengan
80:20 (desain baru ditetapkan pada 20 % pengguna) kemudian dilihat effeknya
selanjutnya
50:50 (new design diterapkan pada 50 % penguna) kemudian dilihat effeknya
Post Test
dilakukan T test untuk melihat apakah desain baru menaikkan tingkat user mngunjungi aplikasi
