Testy permutacyjne

Podstawy wnioskowania statystycznego w Pythonie

Paul Savala

Assistant Professor of Mathematics

Testy permutacyjne

Dwie grupy małych figurek oddzielone od siebie, każda w innych kolorach.

Testy permutacyjne

Tasuje próby
Obserwuje wynik
Czy zaobserwowana różnica wygląda jak losowy wynik?

Małe figurki zamieniane miejscami.

Testy permutacyjne w SciPy

new_satisfaction = [94, 85, 79, 91, 82]
old_satisfcation = [90, 87, 77, 85, 82]


# Group together our data
data = (new_satisfaction, old_satisfcation)


# Define our test statistic
def statistic(x, y):
    return np.mean(x) - np.mean(y)


# Compute a permutation test for the difference in means
stats.permutation_test(data, statistic, n_resamples=1000,
                       vectorized=False, alternative='greater')

Testy permutacyjne dla korelacji

Wykres liniowy z czerwoną i niebieską linią. Linie są słabo skorelowane.

stats.pearsonr(red_data, blue_data)[0]

0.08

Testy permutacyjne dla korelacji

data = (red_data, blue_data)


def statistic(x, y):
    return stats.pearsonr(x, y)[0]


res = stats.permutation_test(data, statistic, n_resamples=1000,
                             vectorized=False, alternative='two-sided')


print(res.pvalue < 0.05)

False

Testy permutacyjne

Budowanie rozkładu zerowego przez losowe przetasowanie danych
Testowanie istotności wyniku

Bootstrapping

Budowanie rozkładu prawdopodobieństwa przez losowe próbkowanie danych
Tworzy przedział ufności pokazujący najbardziej prawdopodobne wyniki

Czas na ćwiczenia!

Podstawy wnioskowania statystycznego w Pythonie