Khung “Chỉ có một phép kiểm định”

Kiểm định giả thuyết trong R

Richie Cotton

Data Evangelist at DataCamp

Dữ liệu mất cân bằng

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

Một mẫu bị mất cân bằng nếu một số nhóm lớn hơn nhiều so với nhóm khác.

Giả thuyết

$H_{0}$: Tỷ lệ người chơi sở thích dưới 30 tuổi bằng với tỷ lệ người chơi sở thích từ 30 tuổi trở lên.

$H_{A}$: Tỷ lệ người chơi sở thích dưới 30 tuổi khác với tỷ lệ người chơi sở thích từ 30 tuổi trở lên.

alpha <- 0.1

Vẫn tiến hành kiểm định tỷ lệ

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

Ngữ pháp của đồ họa

Loại biểu đồ	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()`

Ngữ pháp của kiểm định giả thuyết

Khung There is only one test của Allen Downey.
Hiện thực trong R qua gói infer.
generate() tạo dữ liệu mô phỏng.
- Tốn chi phí tính toán.
- Vững với mẫu nhỏ hoặc dữ liệu mất cân bằng.

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

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

get_p_value(null_distn, obs_stat)

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

Chỉ định biến quan tâm

Bên trái là một lưới ô hình chữ nhật biểu diễn data frame. Hai cột được tô sáng. Bên phải lưới là từ 'specify' với mũi tên sang phải. Bên phải mũi tên là một lưới khác chỉ có hai cột được tô sáng.

specify()

specify() chọn biến bạn muốn kiểm định.

Với kiểm định 2 mẫu, dùng response ~ explanatory.
Với kiểm định 1 mẫu, dùng 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() khai báo loại giả thuyết không (null).

Với kiểm định 2 mẫu, dùng "independence" hoặc "point".
Với kiểm định 1 mẫu, dùng "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!

Kiểm định giả thuyết trong R