กรอบแนวคิด "There is only one test"

Hypothesis Testing in R

Richie Cotton

Data Evangelist at DataCamp

ข้อมูลที่ไม่สมดุล

stack_overflow_imbalanced %>% 
  count(hobbyist, age_cat, .drop = FALSE)

  hobbyist     age_cat    n
1       No At least 30    0
2       No    Under 30  191
3      Yes At least 30   15
4      Yes    Under 30 1025

ข้อมูลเรียกว่า imbalanced เมื่อบางกลุ่มมีขนาดใหญ่กว่ากลุ่มอื่นมาก

สมมติฐาน

$H_{0}$: สัดส่วนของ hobbyists ที่อายุต่ำกว่า 30 เท่ากับ สัดส่วนของ hobbyists ที่อายุ 30 ขึ้นไป

$H_{A}$: สัดส่วนของ hobbyists ที่อายุต่ำกว่า 30 แตกต่างจาก สัดส่วนของ hobbyists ที่อายุ 30 ขึ้นไป

alpha <- 0.1

ดำเนินการทดสอบสัดส่วนต่อไปโดยไม่คำนึงถึงความไม่สมดุล

stack_overflow_imbalanced %>% 
  prop_test(
    hobbyist ~ age_cat,
    order = c("At least 30", "Under 30"),
    success = "Yes",
    alternative = "two.sided",
    correct = FALSE
  )

# A tibble: 1 x 6
  statistic chisq_df p_value alternative lower_ci upper_ci
      <dbl>    <dbl>   <dbl> <chr>          <dbl>    <dbl>
1      2.79        1  0.0949 two.sided    0.00718   0.0217

ไวยากรณ์ของกราฟิก

ประเภทกราฟ	base-R	ggplot2
Scatter plot	`plot(, type = "p")`	`ggplot() + geom_point()`
Line plot	`plot(, type = "l")`	`ggplot() + geom_line()`
Histogram	`hist()`	`ggplot() + geom_histogram()`
Box plot	`boxplot()`	`ggplot() + geom_boxplot()`
Bar plot	`barplot()`	`ggplot() + geom_bar()`
Pie plot	`pie()`	`ggplot() + geom_bar() + coord_polar()`

ไวยากรณ์ของการทดสอบสมมติฐาน

กรอบแนวคิด There is only one test ของ Allen Downey
นำมาใช้งานใน R ผ่านแพ็กเกจ infer
generate() สร้างข้อมูลจำลอง
- ใช้ทรัพยากรการคำนวณสูง
- ทนทานต่อตัวอย่างขนาดเล็กหรือข้อมูลที่ไม่สมดุล

null_distn <- dataset %>% 
  specify() %>% 
  hypothesize() %>% 
  generate() %>% 
  calculate()

obs_stat <- dataset %>% 
  specify() %>% 
  calculate()

get_p_value(null_distn, obs_stat)

¹ Allen Downey สอนวิชา "Exploratory Data Analysis in Python"

การระบุตัวแปรที่สนใจ

ทางซ้ายคือตารางกริดสี่เหลี่ยมแสดง data frame โดยมีสองคอลัมน์ที่ถูกไฮไลต์ ถัดไปทางขวามีคำว่า 'specify' พร้อมลูกศรชี้ขวา และทางขวาของลูกศรคือตารางกริดที่แสดงเฉพาะสองคอลัมน์ที่ถูกไฮไลต์

specify()

specify() เลือกตัวแปรที่ต้องการทดสอบ

สำหรับการทดสอบ 2 กลุ่ม ใช้ response ~ explanatory
สำหรับการทดสอบ 1 กลุ่ม ใช้ response ~ NULL

stack_overflow_imbalanced %>%
  specify(hobbyist ~ age_cat, success = "Yes")

Response: hobbyist (factor)
Explanatory: age_cat (factor)
# A tibble: 1,231 x 2
  hobbyist age_cat    
  <fct>    <fct>      
1 Yes      At least 30
2 Yes      At least 30
3 Yes      At least 30
4 Yes      Under 30   
5 Yes      At least 30
6 Yes      At least 30
7 No       Under 30   
# ... with 1,224 more rows

hypothesize()

hypothesize() ระบุประเภทของสมมติฐานว่าง

สำหรับการทดสอบ 2 กลุ่ม ใช้ "independence" หรือ "point"
สำหรับการทดสอบ 1 กลุ่ม ใช้ "point"

stack_overflow_imbalanced %>%
  specify(hobbyist ~ age_cat, success = "Yes") %>%
  hypothesize(null = "independence")

Response: hobbyist (factor)
Explanatory: age_cat (factor)
Null Hypothesis: independence
# A tibble: 1,231 x 2
  hobbyist age_cat    
  <fct>    <fct>      
1 Yes      At least 30
2 Yes      At least 30
3 Yes      At least 30
4 Yes      Under 30   
5 Yes      At least 30
6 Yes      At least 30
7 No       Under 30   
# ... with 1,224 more rows

มาฝึกกันเถอะ!

Hypothesis Testing in R