実験の設定

Pythonで学ぶ実験計画法

James Chapman

Curriculum Manager, DataCamp

実験計画の定義

プロセス
目的と統制のある方法
明確な結論を導く
- 仮説に基づく

¹ https://www.sciencedirect.com/topics/earth-and-planetary-sciences/experimental-design

確かな記述を作る

X は Y におそらく影響した。小さい誤りリスクがある可能性

正確で定量的な表現

P値により、X が Y に影響したと示唆。第I種の過誤リスクは10%

第I種の過誤: 帰無仮説を誤って棄却

目標: 実験計画と統計解析

なぜ実験計画か

多くの分野で有用:

医学研究
マーケティング
プロダクト分析
農業
政策立案

用語

被験者 (Subjects) = 実験対象（人、従業員、ユーザーなど）

被験者（この場合は人物）。

用語

被験者 (Subjects) = 実験対象（人、従業員、ユーザーなど）
処置 (Treatment) = 一方の群に与える変更

被験者のグループに処置を適用。

用語

被験者 (Subjects) = 実験対象（人、従業員、ユーザーなど）
処置 (Treatment) = 一方の群に与える変更

処置群に処置を適用。

用語

被験者 (Subjects) = 実験対象（人、従業員、ユーザーなど）
処置 (Treatment) = 一方の群に与える変更
対照 (Control) = 変更を与えない群

被験者を処置群と対照群に分割。

被験者の群分け

被験者を群にどう割り当てるか？
- 選択肢1 - 非ランダム（DataFrame を分割）
- 選択肢2 - ランダム割当

例: 200人の身長が heights DataFrame にある

    id  height
0    0  177.98
1    1  174.17
2    2  178.89

非ランダム割当

DataFrame のスライスで割当

group1_nonrandom = heights.iloc[0:100,:]
group2_nonrandom = heights.iloc[100:,:]

compare_df = pd.concat(
    [group1_nonrandom['height'].describe(), 
     group2_nonrandom['height'].describe()],
    axis=1)
compare_df.columns = ['group1', 'group2']
print(compare_df)

大きく異なる！（平均が9cm差）

       group1  group2
count  100.00  100.00
mean   170.32  179.19 <--
std      3.28    3.50
min    159.28  175.03
25%    168.06  176.57
50%    170.75  178.03
75%    173.09  180.79
max    174.92  191.32

ランダム割当

.sample() を使用
- n または frac（0〜1の比率）

group1 = heights.sample(frac=0.5,
                        replace=False,
                        random_state=42)

group2 = heights.drop(group1.index)

print(compare_df)

かなり近い！（<1cm）

       group1  group2
count  100.00  100.00
mean   175.10  174.41 <--
std      5.39    5.78
min    163.07  159.28
25%    171.32  170.17
50%    175.22  174.86
75%    178.32  177.85
max    189.78  191.32

割当のまとめ

被験者は群にランダムに割り当てる
- 観測された変化を正しく帰属できる

ランダム割当: .sample()
差の確認: .describe()

被験者を処置群と対照群にランダムに割当。

Ayo berlatih!

Pythonで学ぶ実験計画法