Ipoteze în testarea statistică
Testarea ipotezelor în Python
James Chapman
Curriculum Manager, DataCamp
Aleatorizare
Ipoteză
Eșantioanele sunt subseturi aleatoare ale unor populații mai mari
Consecință
- Eșantionul nu este reprezentativ pentru populație
Cum se verifică
- Înțelegeți modul în care au fost colectate datele
- Consultați expertul în date/domeniu
Independența observațiilor
Ipoteză
Fiecare observație (rând) din set de date este independentă
Consecință
- Risc crescut de erori fals negative/pozitive
Cum se verifică
- Înțelegeți modul în care au fost colectate datele
Eșantion mare
Ipoteză
Eșantionul este suficient de mare pentru a reduce incertitudinea, astfel încât Teorema Limitei Centrale să fie aplicabilă
Consecință
- Intervale de încredere mai largi
- Risc crescut de erori fals negative/pozitive
Cum se verifică
- Depinde de test
Eșantion mare: testul t
Un eșantion
- Cel puțin 30 de observații în eșantion
$n \ge 30$
$n$: dimensiunea eșantionului
Două eșantioane
- Cel puțin 30 de observații în fiecare eșantion
$n_{1} \ge 30, n_{2} \ge 30$
$n_{i}$: dimensiunea eșantionului pentru grupul $i$
Eșantioane pereche
- Cel puțin 30 de perechi de observații în eșantioane
Numărul de rânduri din date $\ge 30$
ANOVA
- Cel puțin 30 de observații în fiecare eșantion
$n_{i} \ge 30$ pentru toate valorile lui $i$
Eșantion mare: teste de proporție
Un eșantion
- Numărul de succese din eșantion este mai mare sau egal cu 10
$n \times \hat{p} \ge 10$
- Numărul de eșecuri din eșantion este mai mare sau egal cu 10
$n \times (1 - \hat{p}) \ge 10$
$n$: dimensiunea eșantionului
$\hat{p}$: proporția succeselor în eșantion
Două eșantioane
- Numărul de succese din fiecare eșantion este mai mare sau egal cu 10
$n_{1} \times \hat{p}_{1} \ge 10$
$n_{2} \times \hat{p}_{2} \ge 10$
- Numărul de eșecuri din fiecare eșantion este mai mare sau egal cu 10
$n_{1} \times (1 - \hat{p}_{1}) \ge 10$
$n_{2} \times (1 - \hat{p}_{2}) \ge 10$
Eșantion mare: teste chi-pătrat
- Numărul de succese din fiecare grup este mai mare sau egal cu 5
$n_{i} \times \hat{p}_{i} \ge 5$ pentru toate valorile lui $i$
- Numărul de eșecuri din fiecare grup este mai mare sau egal cu 5
$n_{i} \times (1 - \hat{p}_{i}) \ge 5$ pentru toate valorile lui $i$
$n_{i}$: dimensiunea eșantionului pentru grupul $i$
$\hat{p}_{i}$: proporția succeselor în grupul $i$
Verificare de validitate
Dacă distribuția bootstrap nu pare normală, ipotezele probabil nu sunt valide
- Reverificați colectarea datelor pentru aleatorizare, independență și dimensiunea eșantionului
Să exersăm!
Testarea ipotezelor în Python
