Kerangka "Hanya ada satu uji"

Pengujian Hipotesis di R

Richie Cotton

Data Evangelist at DataCamp

Data tidak seimbang

stack_overflow_imbalanced %>% 
  count(hobbyist, age_cat, .drop = FALSE)

  hobbyist     age_cat    n
1       No At least 30    0
2       No    Under 30  191
3      Yes At least 30   15
4      Yes    Under 30 1025

Sampel disebut tidak seimbang bila beberapa grup jauh lebih besar dari yang lain.

Hipotesis

$H_{0}$: Proporsi hobiis < 30 sama dengan proporsi hobiis ≥ 30.

$H_{A}$: Proporsi hobiis < 30 berbeda dari proporsi hobiis ≥ 30.

alpha <- 0.1

Tetap lanjut dengan uji proporsi

stack_overflow_imbalanced %>% 
  prop_test(
    hobbyist ~ age_cat,
    order = c("At least 30", "Under 30"),
    success = "Yes",
    alternative = "two.sided",
    correct = FALSE
  )

# A tibble: 1 x 6
  statistic chisq_df p_value alternative lower_ci upper_ci
      <dbl>    <dbl>   <dbl> <chr>          <dbl>    <dbl>
1      2.79        1  0.0949 two.sided    0.00718   0.0217

Tata bahasa grafik

Jenis plot	base-R	ggplot2
Scatter plot	`plot(, type = "p")`	`ggplot() + geom_point()`
Line plot	`plot(, type = "l")`	`ggplot() + geom_line()`
Histogram	`hist()`	`ggplot() + geom_histogram()`
Box plot	`boxplot()`	`ggplot() + geom_boxplot()`
Bar plot	`barplot()`	`ggplot() + geom_bar()`
Pie plot	`pie()`	`ggplot() + geom_bar() + coord_polar()`

Tata bahasa uji hipotesis

Kerangka There is only one test dari Allen Downey.
Diimplementasikan di R dalam paket infer.
generate() membuat data simulasi.
- Mahal secara komputasi.
- Tahan terhadap sampel kecil atau data tidak seimbang.

null_distn <- dataset %>% 
  specify() %>% 
  hypothesize() %>% 
  generate() %>% 
  calculate()

obs_stat <- dataset %>% 
  specify() %>% 
  calculate()

get_p_value(null_distn, obs_stat)

¹ Allen Downey mengajar "Exploratory Data Analysis in Python".

Menentukan variabel yang diminati

Di kiri ada grid sel persegi panjang yang mewakili data frame. Dua kolom disorot. Di kanan grid ini ada kata 'specify' dengan panah ke kanan. Di kanan panah ada grid lain hanya dengan dua kolom yang disorot.

specify()

specify() memilih variabel yang ingin diuji.

Untuk uji 2 sampel, gunakan response ~ explanatory.
Untuk uji 1 sampel, gunakan response ~ NULL.

stack_overflow_imbalanced %>%
  specify(hobbyist ~ age_cat, success = "Yes")

Response: hobbyist (factor)
Explanatory: age_cat (factor)
# A tibble: 1,231 x 2
  hobbyist age_cat    
  <fct>    <fct>      
1 Yes      At least 30
2 Yes      At least 30
3 Yes      At least 30
4 Yes      Under 30   
5 Yes      At least 30
6 Yes      At least 30
7 No       Under 30   
# ... with 1,224 more rows

hypothesize()

hypothesize() menyatakan jenis hipotesis nol.

Untuk uji 2 sampel, gunakan "independence" atau "point".
Untuk uji 1 sampel, gunakan "point".

stack_overflow_imbalanced %>%
  specify(hobbyist ~ age_cat, success = "Yes") %>%
  hypothesize(null = "independence")

Response: hobbyist (factor)
Explanatory: age_cat (factor)
Null Hypothesis: independence
# A tibble: 1,231 x 2
  hobbyist age_cat    
  <fct>    <fct>      
1 Yes      At least 30
2 Yes      At least 30
3 Yes      At least 30
4 Yes      Under 30   
5 Yes      At least 30
6 Yes      At least 30
7 No       Under 30   
# ... with 1,224 more rows

Ayo berlatih!

Pengujian Hipotesis di R