Kiểm định giả thuyết bằng bootstrap

Tư duy Thống kê với Python (Phần 2)

Justin Bois

Lecturer at the California Institute of Technology

Quy trình kiểm định giả thuyết

Nêu rõ giả thuyết không
Xác định thống kê kiểm định
Sinh nhiều bộ dữ liệu mô phỏng giả định giả thuyết không đúng
Tính thống kê kiểm định cho mỗi bộ dữ liệu mô phỏng
p-value là tỷ lệ bộ mô phỏng có thống kê kiểm định cực trị ít nhất như dữ liệu thật

Michelson và Newcomb: những người tiên phong về tốc độ ánh sáng

ch3-3.008.png

¹ Ảnh Michelson: phạm vi công cộng, Smithsonian ² Ảnh Newcomb: Thư viện Quốc hội Hoa Kỳ

Michelson và Newcomb: những người tiên phong về tốc độ ánh sáng

ch3-3.010.png

¹ Ảnh Michelson: phạm vi công cộng, Smithsonian ² Ảnh Newcomb: Thư viện Quốc hội Hoa Kỳ

Dữ liệu hiện có

ch3-3.011.png

¹ Dữ liệu: Michelson, 1880

Giả thuyết không

Giá trị trung bình thật của tốc độ ánh sáng trong thí nghiệm của Michelson thực ra bằng giá trị Newcomb báo cáo

Dịch chuyển dữ liệu Michelson

newcomb_value = 299860  # km/s
michelson_shifted = michelson_speed_of_light \\
           - np.mean(michelson_speed_of_light) + newcomb_value

ch3-3.019.png

Tính thống kê kiểm định

def diff_from_newcomb(data, newcomb_value=299860):
    return np.mean(data) - newcomb_value

diff_obs = diff_from_newcomb(michelson_speed_of_light)

diff_obs

-7.5999999999767169

Tính p-value

bs_replicates = draw_bs_reps(michelson_shifted,
                             diff_from_newcomb, 10000)

p_value = np.sum(bs_replicates <= diff_observed) / 10000

p_value

0.16039999999999999

Kiểm định một mẫu

- So sánh một bộ dữ liệu với một số liệu đơn

Kiểm định hai mẫu

- So sánh hai bộ dữ liệu

Hãy luyện tập!

Tư duy Thống kê với Python (Phần 2)