Testele chi-pătrat de bunătate a ajustării

Testarea ipotezelor în Python

James Chapman

Curriculum Manager, DataCamp

Linkuri violet

Cum vă simțiți când descoperiți că ați vizitat deja resursa principală?

purple_link_counts = stack_overflow['purple_link'].value_counts()

purple_link_counts = purple_link_counts.rename_axis('purple_link')\
                                       .reset_index(name='n')\
                                       .sort_values('purple_link')

         purple_link     n
2             Amused   368
3            Annoyed   263
0  Hello, old friend  1225
1        Indifferent   405

Formularea ipotezelor

hypothesized = pd.DataFrame({
  'purple_link': ['Amused', 'Annoyed', 'Hello, old friend', 'Indifferent'], 
  'prop': [1/6, 1/6, 1/2, 1/6]})

         purple_link      prop
0             Amused  0.166667
1            Annoyed  0.166667
2  Hello, old friend  0.500000
3        Indifferent  0.166667

$H_{0}$: Eșantionul corespunde distribuției ipotezate

$H_{A}$: Eșantionul nu corespunde distribuției ipotezate

$\chi^{2}$ măsoară abaterea rezultatelor observate față de cele așteptate în fiecare grup

alpha = 0.01

Frecvențe ipotezate pe categorie

n_total = len(stack_overflow)
hypothesized["n"] = hypothesized["prop"] * n_total

         purple_link      prop            n
0             Amused  0.166667   376.833333
1            Annoyed  0.166667   376.833333
2  Hello, old friend  0.500000  1130.500000
3        Indifferent  0.166667   376.833333

Vizualizarea frecvențelor

import matplotlib.pyplot as plt

plt.bar(purple_link_counts['purple_link'], purple_link_counts['n'], 
        color='red', label='Observed')

plt.bar(hypothesized['purple_link'], hypothesized['n'], alpha=0.5, 
        color='blue', label='Hypothesized')

plt.legend()
plt.show()

Vizualizarea frecvențelor

Diagramă cu bare a numărului de răspunsuri față de răspunsul purple_link, cu frecvențele observate în roșu și cele ipotezate în albastru.

Testul chi-pătrat de bunătate a ajustării

print(hypothesized)

         purple_link      prop            n
0             Amused  0.166667   376.833333
1            Annoyed  0.166667   376.833333
2  Hello, old friend  0.500000  1130.500000
3        Indifferent  0.166667   376.833333

from scipy.stats import chisquare
chisquare(f_obs=purple_link_counts['n'], f_exp=hypothesized['n'])

Power_divergenceResult(statistic=44.59840778416629, pvalue=1.1261810719413759e-09)

Vamos praticar!

Testarea ipotezelor în Python