Критерий хи-квадрат

Анализ данных опросов на Python

EbunOluwa Andrew

Data Scientist

Критерий хи-квадрат

  • Выводы о распределении категориальных переменных
    • Сравнивает наблюдаемые частоты с ожидаемыми

Фото кубиков: Edge2Edge Media on Unsplash

Анализ данных опросов на Python

Критерий хи-квадрат в анализе опросов

  • Определяет наличие связи между двумя категориальными переменными генеральной совокупности
  • $H_{o}$ = связи между переменными нет
  • $H_{a}$ = связь между переменными есть
  • P-значение
    • если значимо (<0,05) — отвергаем нулевую гипотезу
    • если незначимо (>0,05) — принимаем нулевую гипотезу
Анализ данных опросов на Python

Зачем применять хи-квадрат в анализе опросов

  • Входные переменные, связанные с целевой переменной

  • Оценка влияния различных переменных на генеральную совокупность

  • Проверка: случайны ли различия или статистически значимы

Результаты опроса, фото: Firmbee.com on Unsplash

1 Фото: Firmbee.com on Unsplash
Анализ данных опросов на Python

Допущения критерия хи-квадрат в анализе опросов

  • Обе переменные — категориальные
  • Выборка случайным образом отобрана из генеральной совокупности
  • Размер выборки > 100
  • Ожидаемые частоты >= 5
Анализ данных опросов на Python

Данные опроса для анализа хи-квадрат

pet_type current_pets time_spent reduces_stress
dog 1 420 yes
dog 1 180 yes
dog 4 30 yes
dog 1 30 yes
dog 1 60 yes
Анализ данных опросов на Python

Данные опроса для анализа хи-квадрат

  • Размер выборки > 100
  • Две категориальные переменные:
    • pet_type
    • reduces_stress
  • $$H_{o} $$ связь между видом домашнего животного и воспринимаемым снижением стресса ОТСУТСТВУЕТ
  • $$H_{a}$$ связь между видом домашнего животного и воспринимаемым снижением стресса ЕСТЬ
Анализ данных опросов на Python

Шаги анализа хи-квадрат для pet_survey в Python

import pandas as pd
import scipy.stats as st
data = pd.read_csv('pet_survey.csv') 

cross_table = pd.crosstab(data.reduces_stress, data.pet_type)

chi_analysis = st.chi2_contingency(cross_table)

print(chi_analysis)

|--------------------------|
| (67.7,                   | 
| 1.9e-16,                 |
| 1,                       |
| array([[1767.0, 1825.0], |
| [2251.0, 2325.0]]))      |
Анализ данных опросов на Python

Результаты и интерпретация для pet_survey

  • Частоты >= 5

    • Результаты корректны

  • p-значение < 0,05

    • отвергаем нулевую гипотезу
    • pet_owned и reduces_stress связаны

  • Вид домашнего животного влияет на то, ощущают ли владельцы снижение стресса

результаты критерия хи-квадрат

Анализ данных опросов на Python

Давайте потренируемся!

Анализ данных опросов на Python

Preparing Video For Download...