ข้อสมมติในการทดสอบสมมติฐาน

การทดสอบสมมติฐานด้วย Python

James Chapman

Curriculum Manager, DataCamp

ความสุ่ม

ข้อสมมติ

ตัวอย่างเป็นกลุ่มย่อยแบบสุ่มจากประชากรขนาดใหญ่

ผลที่ตามมา
  • ตัวอย่างไม่ได้เป็นตัวแทนของประชากร
วิธีตรวจสอบ
  • ทำความเข้าใจวิธีที่เก็บข้อมูล
  • ปรึกษาผู้เก็บข้อมูลหรือผู้เชี่ยวชาญในด้านนั้น

โลโก้ที่มีข้อความว่า 'Responsibly Sourced Ingredients'

1 เทคนิคการสุ่มตัวอย่างกล่าวถึงใน "Sampling in Python"
การทดสอบสมมติฐานด้วย Python

ความเป็นอิสระของการสังเกต

ข้อสมมติ

การสังเกตแต่ละรายการ (แถว) ในชุดข้อมูลเป็นอิสระต่อกัน

ผลที่ตามมา
  • โอกาสเกิดข้อผิดพลาดแบบ false negative/positive เพิ่มขึ้น
วิธีตรวจสอบ
  • ทำความเข้าใจวิธีที่เก็บข้อมูล
การทดสอบสมมติฐานด้วย Python

ขนาดตัวอย่างที่ใหญ่เพียงพอ

ข้อสมมติ

ขนาดตัวอย่างใหญ่พอที่จะลดความไม่แน่นอน จนทฤษฎีบทลิมิตกลาง (Central Limit Theorem) มีผล

ผลที่ตามมา
  • ช่วงความเชื่อมั่นกว้างขึ้น
  • โอกาสเกิดข้อผิดพลาดแบบ false negative/positive เพิ่มขึ้น
วิธีตรวจสอบ
  • ขึ้นอยู่กับการทดสอบที่ใช้
การทดสอบสมมติฐานด้วย Python

ขนาดตัวอย่างที่ใหญ่เพียงพอ: t-test

ตัวอย่างเดียว
  • ต้องมีการสังเกตอย่างน้อย 30 รายการในตัวอย่าง

$n \ge 30$

$n$: ขนาดตัวอย่าง

สองตัวอย่าง
  • ต้องมีการสังเกตอย่างน้อย 30 รายการในแต่ละตัวอย่าง

$n_{1} \ge 30, n_{2} \ge 30$

$n_{i}$: ขนาดตัวอย่างของกลุ่ม $i$

ตัวอย่างแบบจับคู่
  • ต้องมีคู่การสังเกตอย่างน้อย 30 คู่ในตัวอย่าง

จำนวนแถวในข้อมูล $\ge 30$

ANOVA
  • ต้องมีการสังเกตอย่างน้อย 30 รายการในแต่ละตัวอย่าง

$n_{i} \ge 30$ สำหรับทุกค่าของ $i$

การทดสอบสมมติฐานด้วย Python

ขนาดตัวอย่างที่ใหญ่เพียงพอ: การทดสอบสัดส่วน

ตัวอย่างเดียว
  • จำนวนความสำเร็จในตัวอย่างต้องมากกว่าหรือเท่ากับ 10

$n \times \hat{p} \ge 10$

  • จำนวนความล้มเหลวในตัวอย่างต้องมากกว่าหรือเท่ากับ 10

$n \times (1 - \hat{p}) \ge 10$

$n$: ขนาดตัวอย่าง
$\hat{p}$: สัดส่วนความสำเร็จในตัวอย่าง

สองตัวอย่าง
  • จำนวนความสำเร็จในแต่ละตัวอย่างต้องมากกว่าหรือเท่ากับ 10

$n_{1} \times \hat{p}_{1} \ge 10$

$n_{2} \times \hat{p}_{2} \ge 10$

  • จำนวนความล้มเหลวในแต่ละตัวอย่างต้องมากกว่าหรือเท่ากับ 10

$n_{1} \times (1 - \hat{p}_{1}) \ge 10$

$n_{2} \times (1 - \hat{p}_{2}) \ge 10$

การทดสอบสมมติฐานด้วย Python

ขนาดตัวอย่างที่ใหญ่เพียงพอ: การทดสอบไคสแควร์

  • จำนวนความสำเร็จในแต่ละกลุ่มต้องมากกว่าหรือเท่ากับ 5

$n_{i} \times \hat{p}_{i} \ge 5$ สำหรับทุกค่าของ $i$

  • จำนวนความล้มเหลวในแต่ละกลุ่มต้องมากกว่าหรือเท่ากับ 5

$n_{i} \times (1 - \hat{p}_{i}) \ge 5$ สำหรับทุกค่าของ $i$

$n_{i}$: ขนาดตัวอย่างของกลุ่ม $i$
$\hat{p}_{i}$: สัดส่วนความสำเร็จในกลุ่มตัวอย่าง $i$

การทดสอบสมมติฐานด้วย Python

การตรวจสอบเบื้องต้น

หาก bootstrap distribution ไม่มีลักษณะปกติ ข้อสมมติน่าจะไม่ถูกต้อง

  • ทบทวนการเก็บข้อมูลเพื่อตรวจสอบ ความสุ่ม, ความเป็นอิสระ และ ขนาดตัวอย่าง
การทดสอบสมมติฐานด้วย Python

มาฝึกกันเถอะ!

การทดสอบสมมติฐานด้วย Python

Preparing Video For Download...