Antaganden vid hypotestestning
Hypotestestning i Python
James Chapman
Curriculum Manager, DataCamp
Slumpmässighet
Antagande
Urvalen är slumpmässiga delmängder av större populationer
Konsekvens
- Urvalet representerar inte populationen
Hur du kontrollerar detta
- Förstå hur dina data samlades in
- Tala med datainsamlaren/domänexperten
Oberoende observationer
Antagande
Varje observation (rad) i datamängden är oberoende
Konsekvens
- Ökad risk för falskt negativt/positivt fel
Hur du kontrollerar detta
- Förstå hur dina data samlades in
Stort urvalsstorlek
Antagande
Urvalet är tillräckligt stort för att minska osäkerheten, så att centrala gränsvärdessatsen gäller
Konsekvens
- Bredare konfidensintervall
- Ökad risk för falskt negativt/positivt fel
Hur du kontrollerar detta
- Det beror på testet
Stort urvalsstorlek: t-test
Ett urval
- Minst 30 observationer i urvalet
$n \ge 30$
$n$: urvalsstorlek
Två urval
- Minst 30 observationer i varje urval
$n_{1} \ge 30, n_{2} \ge 30$
$n_{i}$: urvalsstorlek för grupp $i$
Parade urval
- Minst 30 par av observationer i urvalen
Antal rader i dina data $\ge 30$
ANOVA
- Minst 30 observationer i varje urval
$n_{i} \ge 30$ för alla värden på $i$
Stort urvalsstorlek: proportionstest
Ett urval
- Antal lyckade utfall i urvalet är större än eller lika med 10
$n \times \hat{p} \ge 10$
- Antal misslyckade utfall i urvalet är större än eller lika med 10
$n \times (1 - \hat{p}) \ge 10$
$n$: urvalsstorlek
$\hat{p}$: andel lyckade utfall i urvalet
Två urval
- Antal lyckade utfall i varje urval är större än eller lika med 10
$n_{1} \times \hat{p}_{1} \ge 10$
$n_{2} \times \hat{p}_{2} \ge 10$
- Antal misslyckade utfall i varje urval är större än eller lika med 10
$n_{1} \times (1 - \hat{p}_{1}) \ge 10$
$n_{2} \times (1 - \hat{p}_{2}) \ge 10$
Stort urvalsstorlek: chi-två-test
- Antal lyckade utfall i varje grupp är större än eller lika med 5
$n_{i} \times \hat{p}_{i} \ge 5$ för alla värden på $i$
- Antal misslyckade utfall i varje grupp är större än eller lika med 5
$n_{i} \times (1 - \hat{p}_{i}) \ge 5$ för alla värden på $i$
$n_{i}$: urvalsstorlek för grupp $i$
$\hat{p}_{i}$: andel lyckade utfall i urvalsgrupp $i$
Rimlighetskontroll
Om bootstrapfördelningen inte ser normalfördelad ut är antagandena troligen inte uppfyllda
- Granska datainsamlingen för att kontrollera slumpmässighet, oberoende och urvalsstorlek
Nu kör vi en övning!
Hypotestestning i Python
