Teste qui-quadrado

Análise de dados de pesquisa em Python

EbunOluwa Andrew

Data Scientist

Teste qui-quadrado

  • Inferências sobre a distribuição de variáveis categóricas
    • Compara observações observadas com as esperadas

Foto de dado por Edge2Edge Media no Unsplash

Análise de dados de pesquisa em Python

Teste qui-quadrado em análise de pesquisa

  • Decidir a relação entre duas variáveis categóricas de uma população
  • $H_{o}$ = sem relação entre as variáveis
  • $H_{a}$ = há relação entre as variáveis
  • P-valor
    • se significativo (<0,05), rejeitar a hipótese nula
    • se não significativo (>0,05), aceitar a hipótese nula
Análise de dados de pesquisa em Python

Por que usar qui-quadrado na análise de pesquisas

  • Inserir variáveis relevantes para a variável de saída

  • Entender o impacto de diferentes variáveis na população

  • Verificar se diferenças são ao acaso ou estatisticamente significativas

Resultados de pesquisa por Firmbee.com no Unsplash

1 Foto por Firmbee.com no Unsplash
Análise de dados de pesquisa em Python

Pressupostos do teste qui-quadrado em pesquisas

  • Ambas as variáveis = categóricas
  • Amostra selecionada aleatoriamente da população
  • Tamanho da amostra > 100
  • Frequências esperadas >= 5
Análise de dados de pesquisa em Python

Dados de pesquisa para análise qui-quadrado

pet_type current_pets time_spent reduces_stress
dog 1 420 yes
dog 1 180 yes
dog 4 30 yes
dog 1 30 yes
dog 1 60 yes
Análise de dados de pesquisa em Python

Dados de pesquisa para análise qui-quadrado

  • Tamanho da amostra >100
  • Duas variáveis categóricas:
    • pet_type
    • reduces_stress
  • $$H_{o} $$ SEM relação entre o tipo de pet dos tutores e a percepção de redução de estresse
  • $$H_{a}$$ há relação entre o tipo de pet dos tutores e a percepção de redução de estresse
Análise de dados de pesquisa em Python

Etapas da análise qui-quadrado em pet_survey no Python

import pandas as pd
import scipy.stats as st
data = pd.read_csv('pet_survey.csv') 

cross_table = pd.crosstab(data.reduces_stress, data.pet_type)

chi_analysis = st.chi2_contingency(cross_table)

print(chi_analysis)

|--------------------------|
| (67.7,                   | 
| 1.9e-16,                 |
| 1,                       |
| array([[1767.0, 1825.0], |
| [2251.0, 2325.0]]))      |
Análise de dados de pesquisa em Python

Resultado e interpretação do pet_survey

  • Frequências >= 5

    • Resultados válidos

  • p-valor < 0,05

    • rejeitar a hipótese nula
    • pet_owned e reduces_stress estão relacionados

  • O tipo de pet influencia se tutores percebem redução do estresse

resultados do teste qui-quadrado

Análise de dados de pesquisa em Python

Vamos praticar!

Análise de dados de pesquisa em Python

Preparing Video For Download...