Předpoklady testování hypotéz

Testování hypotéz v Pythonu

James Chapman

Curriculum Manager, DataCamp

Náhodnost

Předpoklad

Vzorky jsou náhodné podmnožiny větších populací

Důsledek

Vzorek není reprezentativní pro populaci

Jak to ověřit

Pochopte, jak byla data získána
Promluvte si se sběratelem dat či odborníkem

Logo s nápisem „Zodpovědně získané ingredience“.

¹ Techniky vzorkování jsou probírány v kurzu „Sampling in Python“.

Nezávislost pozorování

Předpoklad

Každé pozorování (řádek) v datasetu je nezávislé

Důsledek

Vyšší riziko chyby falešně negativní/pozitivní

Jak to ověřit

Pochopte, jak byla data získána

Velký vzorek

Předpoklad

Vzorek je dost velký na snížení nejistoty, aby platila centrální limitní věta

Důsledek

Širší intervaly spolehlivosti
Vyšší riziko chyby falešně negativní/pozitivní

Jak to ověřit

Závisí na konkrétním testu

Velký vzorek: t-test

Jeden vzorek

Nejméně 30 pozorování ve vzorku

$n \ge 30$

$n$: velikost vzorku

Dva vzorky

Nejméně 30 pozorování v každém vzorku

$n_{1} \ge 30, n_{2} \ge 30$

$n_{i}$: velikost vzorku skupiny $i$

Párové vzorky

Nejméně 30 párů pozorování napříč vzorky

Počet řádků v datech $\ge 30$

ANOVA

Nejméně 30 pozorování v každém vzorku

$n_{i} \ge 30$ pro všechna $i$

Velký vzorek: testy podílů

Jeden vzorek

Počet úspěchů ve vzorku je alespoň 10

$n \times \hat{p} \ge 10$

Počet neúspěchů ve vzorku je alespoň 10

$n \times (1 - \hat{p}) \ge 10$

$n$: velikost vzorku
$\hat{p}$: podíl úspěchů ve vzorku

Dva vzorky

Počet úspěchů v každém vzorku je alespoň 10

$n_{1} \times \hat{p}_{1} \ge 10$

$n_{2} \times \hat{p}_{2} \ge 10$

Počet neúspěchů v každém vzorku je alespoň 10

$n_{1} \times (1 - \hat{p}_{1}) \ge 10$

$n_{2} \times (1 - \hat{p}_{2}) \ge 10$

Velký vzorek: chí-kvadrát testy

Počet úspěchů v každé skupině je alespoň 5

$n_{i} \times \hat{p}_{i} \ge 5$ pro všechna $i$

Počet neúspěchů v každé skupině je alespoň 5

$n_{i} \times (1 - \hat{p}_{i}) \ge 5$ pro všechna $i$

$n_{i}$: velikost vzorku skupiny $i$
$\hat{p}_{i}$: podíl úspěchů ve skupině $i$

Kontrola

Pokud bootstrapové rozdělení nevypadá normálně, předpoklady pravděpodobně neplatí

Prověřte sběr dat z hlediska náhodnosti, nezávislosti a velikosti vzorku

Pojďme procvičovat!

Testování hypotéz v Pythonu