Neparametrické testy

Základy statistické inference v Pythonu

Paul Savala

Assistant Professor of Mathematics

Neparametrické testy

  • Mohou mít předpoklady
  • Nevyžadují normalitu
  • Použitelné pro širokou škálu dat
  • Někdy méně výkonné
  • Vhodné pro pořadová data (např. hvězdičkové hodnocení)

Čtyři histogramy s různě tvarovanými daty.

Základy statistické inference v Pythonu

Parametrické testy

 

  • Dvouvýběrový t-test
  • ANOVA
  • Párový t-test
  • Pearsonovo R

Neparametrické

 

  • Wilcoxonův-Mann-Whitneyův U test
  • Kruskal-Wallisův test
  • Moodův mediánový test
  • Kendallovo tau
Základy statistické inference v Pythonu

Moodův mediánový test

Porovnává mediány ze dvou párových měření

Pět řádků DataFrame s různými univerzitami a dvěma sloupci skóre.

Pravděpodobně nenormální rozdělení

s, p_value, m, table = stats.median_test(df['thew_score'], df['arw_score'])
Základy statistické inference v Pythonu

Moodův mediánový test

print(p_value < 0.05)

TRUE
  • Závěr: Různá mediánová pořadí
  • T-testy předpokládají normalitu (Moodův test ne)
  • Platný závěr jen při souladu dat a předpokladů
  • Používejte správný nástroj!
Základy statistické inference v Pythonu

Kendallovo tau

  • Hodnoty mezi -1 a 1
  • $\tau = -1$: Úplný nesouhlas
  • $\tau = 0$: Žádná korelace
  • $\tau = 1$: Úplná shoda

Pět řádků DataFrame s různými univerzitami zobrazující jejich pořadí.

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


print(tau, p_value < 0.05)

0.651, TRUE
Základy statistické inference v Pythonu

Lass uns üben!

Základy statistické inference v Pythonu

Preparing Video For Download...