GithubHelp home page GithubHelp logo

lostindarkmath / hypothesentests Goto Github PK

View Code? Open in Web Editor NEW
0.0 1.0 0.0 4.75 MB

Enthält statistische Tests auf Gleichverteilung und Monte-Carlo-Simulationen um diese zu vergleichen.

Python 100.00%
kolmogorov-smirnov uniform-distribution hypothesis-tests master-thesis monte-carlo monte-carlo-simulation python statistics statistical-tests

hypothesentests's Introduction

Statistische Hypothesentests auf stetige Gleichverteilung

Enthält statistische Tests auf Gleichverteilung und Monte-Carlo-Simulationen um diese Tests miteinander zu vergleichen. Dieses Repository enthält den Quellcode meiner Masterarbeit zu diesem Thema. Die Masterarbeit an sich, die den theoretischen Teil abdeckt sowie erklärt, wie diese Software zu benutzen, liegt ebenfalls in diesem Repository.

Für Rückfragen stehe ich jederzeit gern zur Verfügung.

Kontakt: [email protected]

Notwendige Pakete (die nicht in der Standard-Bibliothek enthalten sind)

  • numpy
  • matplotlib

Schnellstartanleitung (für Windows)

  1. Downloade und installiere Python https://www.python.org/ Dabei empfiehlt es sich gleich bei der Installation die Umgebungsvariable zu setzen: Empfohlene Installationseinstellungen für Python

  2. Installiere die notwendigen Python Pakete mit dem Paketmanager pip. Falls du die Umgebungsvariable gesetzt hast, kann du einfach die Eingabeaufforderung öffnen und die Pakete installieren via

    pip install numpy
    pip install matplotlib
    

    Falls du die Umgebungsvariable nicht gesetzt hast (Standard-Einstellung bei der Installation), musst du mit der Eingabeaufforderung zuerst in das Verzeichnis navigieren, in welchem Pip liegt. Das ist standardmäßig C:\Users\benutzername\AppData\Local\Programs\Python\Python38-32\Scripts. Hierbei musst benutzername durch deinen Windows-Benutzernamen ersetzen und Python38-32 an deine Python-Version anpassen. Die fehlenden Pakete installierst du dann mit

    cd "C:\Users\benutzername\AppData\Local\Programs\Python\Python38-32\Scripts"
    pip install numpy
    pip install matplotlib
    
  3. Lade die Dateien in diesem Repository herunter.

  4. Öffne die Datei main.py mit einem Text-Editor und wähle die Parameter nach deinen Wünschen. Speichere die Datei, damit die Änderungen wirksam werden.

  5. Starte die Simulationssoftware, indem du eine Eingabeaufforderung in dem Verzeichnis öffnest, in welchem die Datei main.py liegt und einfach nur main.py eingibst.

Lizenz

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

hypothesentests's People

Contributors

lostindarkmath avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.