Parametrik olmayan testler

Python'da Çıkarımın Temelleri

Paul Savala

Assistant Professor of Mathematics

Parametrik olmayan testler

  • Varsayımlar içerebilir
  • Normal dağılım gerektirmez
  • Geniş veri türlerine uygulanır
  • Bazen daha az güçlüdür
  • Sıra verileri için yararlı (örn. yıldız puanı)

Dört histogram; her biri farklı şekilli veriler gösteriyor.

Python'da Çıkarımın Temelleri

Parametrik testler

 

  • Bağımsız örneklem t-testi
  • ANOVA
  • Eşleştirilmiş örneklem t-testi
  • Pearson’un R’si

Parametrik olmayan

 

  • Wilcoxon–Mann–Whitney U testi
  • Kruskal–Wallis testi
  • Mood’un medyan testi
  • Kendall’ın tau’su
Python'da Çıkarımın Temelleri

Mood’un medyan testi

İki eşleştirilmiş ölçümün medyanlarını karşılaştırır

Farklı üniversiteler için iki puan sütunu içeren bir DataFrame’den beş satır.

Muhtemelen normal dağılmamıştır

s, p_value, m, table = stats.median_test(df['thew_score'], df['arw_score'])
Python'da Çıkarımın Temelleri

Mood’un medyan testi

print(p_value < 0.05)

TRUE
  • Sonuç: Medyan sıralamalar farklı
  • t-testleri normallik varsayar (Mood’un medyan testi varsaymaz)
  • Geçerli çıkarım, yalnızca veri ve varsayımlar uyduğunda yapılır
  • İşe uygun aracı kullanın!
Python'da Çıkarımın Temelleri

Kendall’ın tau’su

  • -1 ile 1 arasında değerler
  • $\tau = -1$: Tam uyuşmazlık
  • $\tau = 0$: Korelasyon yok
  • $\tau = 1$: Tam uyuşma

Farklı üniversiteleri içeren bir DataFrame'den beş satır; her üniversite için sıralamalar gösteriliyor.

tau, p_value = stats.kendalltau(
    df['thew_rank'], 
    df['arw_rank'])


print(tau, p_value < 0.05)

0.651, TRUE
Python'da Çıkarımın Temelleri

Haydi pratik yapalım!

Python'da Çıkarımın Temelleri

Preparing Video For Download...