Test non parametrici

Fondamenti dell'inferenza in Python

Paul Savala

Assistant Professor of Mathematics

Test non parametrici

  • Possono avere ipotesi
  • Non richiedono normalità
  • Validi per molti tipi di dati
  • A volte meno potenti
  • Utili per dati ordinati (es. stelle)

Quattro istogrammi, ognuno con una forma diversa.

Fondamenti dell'inferenza in Python

Test parametrici

 

  • t-test per campioni indipendenti
  • ANOVA
  • t-test appaiato
  • R di Pearson

Non parametrici

 

  • Test di Wilcoxon-Mann-Whitney U
  • Test di Kruskal-Wallis
  • Test della mediana di Mood
  • Tau di Kendall
Fondamenti dell'inferenza in Python

Test della mediana di Mood

Confronta le mediane di due misure appaiate

Cinque righe di un DataFrame con diverse università e due colonne con i punteggi.

Probabilmente non normale

s, p_value, m, table = stats.median_test(df['thew_score'], df['arw_score'])
Fondamenti dell'inferenza in Python

Test della mediana di Mood

print(p_value < 0.05)

TRUE
  • Conclusione: Mediane diverse
  • I t-test assumono normalità (il test di Mood no)
  • Inferenza valida solo se dati e ipotesi coincidono
  • Usa lo strumento giusto per il compito!
Fondamenti dell'inferenza in Python

Tau di Kendall

  • Valori tra -1 e 1
  • $\tau = -1$: Disaccordo totale
  • $\tau = 0$: Nessuna correlazione
  • $\tau = 1$: Accordo totale

Cinque righe di un DataFrame con diverse università, che mostrano le classifiche per ciascuna.

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


print(tau, p_value < 0.05)

0.651, TRUE
Fondamenti dell'inferenza in Python

Passiamo alla pratica !

Fondamenti dell'inferenza in Python

Preparing Video For Download...