Hypothèses des tests d’hypothèse
Tests d'hypothèses en Python
James Chapman
Curriculum Manager, DataCamp
Aléatorité
Hypothèse
Les échantillons sont des sous-ensembles aléatoires de populations plus larges
Conséquence
- L’échantillon n’est pas représentatif de la population
Comment vérifier
- Comprendre comment vos données ont été collectées
- Parler au collecteur de données/experte·expert du domaine
Indépendance des observations
Hypothèse
Chaque observation (ligne) du jeu de données est indépendante
Conséquence
- Risque accru d’erreurs faux négatif/positif
Comment vérifier
- Comprendre comment nos données ont été collectées
Grande taille d’échantillon
Hypothèse
L’échantillon est assez grand pour réduire l’incertitude, donc le théorème central limite s’applique
Conséquence
- Intervalles de confiance plus larges
- Risque accru d’erreurs faux négatif/positif
Comment vérifier
- Cela dépend du test
Grande taille d’échantillon : test t
Un échantillon
- Au moins 30 observations dans l’échantillon
$n \ge 30$
$n$ : taille d’échantillon
Deux échantillons
- Au moins 30 observations dans chaque échantillon
$n_{1} \ge 30, n_{2} \ge 30$
$n_{i}$ : taille d’échantillon du groupe $i$
Échantillons appariés
- Au moins 30 paires d’observations entre les échantillons
Nombre de lignes dans nos données $\ge 30$
ANOVA
- Au moins 30 observations dans chaque échantillon
$n_{i} \ge 30$ pour tout $i$
Grande taille d’échantillon : tests de proportion
Un échantillon
- Nombre de succès dans l’échantillon ≥ 10
$n \times \hat{p} \ge 10$
- Nombre d’échecs dans l’échantillon ≥ 10
$n \times (1 - \hat{p}) \ge 10$
$n$ : taille d’échantillon
$\hat{p}$ : proportion de succès dans l’échantillon
Deux échantillons
- Nombre de succès dans chaque échantillon ≥ 10
$n_{1} \times \hat{p}_{1} \ge 10$
$n_{2} \times \hat{p}_{2} \ge 10$
- Nombre d’échecs dans chaque échantillon ≥ 10
$n_{1} \times (1 - \hat{p}_{1}) \ge 10$
$n_{2} \times (1 - \hat{p}_{2}) \ge 10$
Grande taille d’échantillon : tests du chi carré
- Nombre de succès dans chaque groupe ≥ 5
$n_{i} \times \hat{p}_{i} \ge 5$ pour tout $i$
- Nombre d’échecs dans chaque groupe ≥ 5
$n_{i} \times (1 - \hat{p}_{i}) \ge 5$ pour tout $i$
$n_{i}$ : taille d’échantillon du groupe $i$
$\hat{p}_{i}$ : proportion de succès dans le groupe $i$
Vérification de cohérence
Si la distribution bootstrap n’est pas normale, les hypothèses sont probablement invalides
- Revoir la collecte des données pour vérifier la randomisation, l’indépendance et la taille d’échantillon
Passons à la pratique !
Tests d'hypothèses en Python
