Techniky statistického modelování

Analýza dat z průzkumů v Pythonu

EbunOluwa Andrew

Data Scientist

Proč používat techniky statistického modelování v analýze průzkumů?

• Předpovídání na základě vztahů mezi proměnnými
• Umožňuje vizualizační nástroje
  • Poznatky jsou snadno zapamatovatelné

¹ Photo by Chris Liverani on Unsplash

Kdy používat techniky statistického modelování

• Složitá data
• Vliv mezi proměnnými
• Předpověď výsledku

¹ Photo by Tyler Easton on Unsplash

Příklady technik statistického modelování

• Lineární regrese
• Dvouvýběrový t-test
• Chí-kvadrát test

Model lineární regrese

• Model lineární regrese
  • Předpokládá lineární vztah mezi proměnnými x a y
  • y = m*x + b
  • y = závislá proměnná
  • x = nezávislá proměnná
  • m = sklon
  • b = průsečík s osou y

¹ Photo from Seeing Theory-Brown.edu

Lineární regrese v analýze průzkumů

employee	gender	company_type	wfh_available	mental_fatigue_score	burn_rate
fff200	Male	Service	No	3	0.24
fff500	Female	Service	Yes	5.7	0.45
fff700	Female	Service	Yes	5.8	0.49
fff300	Female	Service	Yes	6.7	0.63
fff100	Female	Product	Yes	4.7	0.38
fff400	Male	Service	Yes	3.4	0.28
fff600	Female	Product	Yes	5.4	0.5
fffe3400	Female	Product	No	6.7	0.58
fffe200	Male	Service	Yes	6.3	0.48
fffe3000	Male	Service	Yes	5.4	0.41

Lineární regrese v analýze průzkumů

data.plot.scatter(
x='mental_fatigue_score',
y='burn_rate')
plt.show()

Dvouvýběrový t-test

• Testuje statisticky významný rozdíl mezi dvěma průměry populace
• Nulová hypotéza = oba průměry populace jsou shodné
• Alternativní hypotéza = oba průměry populace jsou RŮZNÉ

¹ Photo by Olesia Bahrii on Unsplash

Dvouvýběrový t-test v analýze průzkumů

employee	gender	company_type	wfh_available	mental_fatigue_score	burn_rate
fff100	Female	Product	Yes	4.7	0.38
fff400	Male	Service	Yes	3.4	0.28
fff600	Female	Product	Yes	5.4	0.5

company_type	burn_rate
Service	0.57
Service	0.75
Service	0.51
Service	0.57

company_type	burn_rate
Product	0.51
Product	0.79
Product	0.66
Product	0.39

Chí-kvadrát test

• Testuje statistickou významnost mezi dvěma kategorickými proměnnými
• Nulová hypotéza = žádná významná asociace mezi proměnnými
• Alternativní hypotéza = významná asociace mezi proměnnými

Chí-kvadrát test v analýze průzkumů

• Proměnná č. 1

  • company_type
  • Product nebo Service

• Proměnná č. 2

  • wfh_available
  • Yes nebo No

company_type	wfh_available
Product	Yes
Product	Yes
Product	No
Service	Yes
Service	Yes
Product	Yes
Service	No
Service	No
Product	Yes
Service	Yes

Jakou techniku použít? – lineární regrese

Obě proměnné = numerické

Jakou techniku použít? – dvouvýběrový t-test

• Dvouvýběrový t-test
  • Jedna proměnná = kategorická
  • Jedna proměnná = numerická

¹ Photo by Diana Polekhina on Unsplash

Jakou techniku použít? – chí-kvadrát test

• Chí-kvadrát test
  • Obě proměnné = kategorické

¹ Photo by Element5 Digital on Unsplash

Pojďme si procvičit!

Analýza dat z průzkumů v Pythonu