प्रयोग सेटअप करना

Python में Experimental Design

James Chapman

Curriculum Manager, DataCamp

Experimental Design की परिभाषा

एक प्रक्रिया
एक उद्देश्यपूर्ण और नियंत्रित तरीका
विशिष्ट निष्कर्ष निकालें
- किसी हाइपोथिसिस के संदर्भ में

प्रयोगात्मक डिज़ाइन.

¹ https://www.sciencedirect.com/topics/earth-and-planetary-sciences/experimental-design

मजबूत कथन बनाना

X ने शायद Y पर प्रभाव डाला। संभावित रूप से थोड़ा त्रुटि जोखिम है

सटीक और मात्रात्मक भाषा

P-value विश्लेषण बताता है कि X ने Y पर प्रभाव डाला और Type I error का 10% जोखिम है

Type I error: null hypothesis को गलत तरीके से खारिज करना

लक्ष्य: Experimental design और statistical analysis

Experimental design क्यों?

कई क्षेत्रों में उपयोगी:

मेडिकल रिसर्च
मार्केटिंग
प्रोडक्ट एनालिटिक्स
एग्रीकल्चर
गवर्नमेंट पॉलिसी

क्यों.

कुछ पारिभाषिक शब्द...

Subjects = किस पर हम प्रयोग कर रहे हैं (लोग, कर्मचारी, यूज़र्स, आदि)

एक subject: यहाँ व्यक्ति.

कुछ पारिभाषिक शब्द...

Subjects = किस पर हम प्रयोग कर रहे हैं (लोग, कर्मचारी, यूज़र्स, आदि)
Treatment = एक समूह को दी गई कुछ बदलाव/हस्तक्षेप

किसी समूह पर treatment लागू किया जा रहा है.

कुछ पारिभाषिक शब्द...

Subjects = किस पर हम प्रयोग कर रहे हैं (लोग, कर्मचारी, यूज़र्स, आदि)
Treatment = एक समूह को दी गई कुछ बदलाव/हस्तक्षेप

एक treatment समूह पर treatment लागू.

कुछ पारिभाषिक शब्द...

Subjects = किस पर हम प्रयोग कर रहे हैं (लोग, कर्मचारी, यूज़र्स, आदि)
Treatment = एक समूह को दी गई कुछ बदलाव/हस्तक्षेप
Control = जिस समूह को कोई बदलाव नहीं दिया गया

Subjects को treatment और control समूहों में बाँटा गया.

Subjects को समूहों में बाँटना

Subjects को समूहों में कैसे बाँटें?
- विकल्प 1 - non-random ('DataFrame को split करें')
- विकल्प 2 - random assignment

उदाहरण: 200 subjects की ऊँचाई heights DataFrame में

    id  height
0    0  177.98
1    1  174.17
2    2  178.89

Non-random assignment

DataFrame को slicing से assignment

group1_nonrandom = heights.iloc[0:100,:]
group2_nonrandom = heights.iloc[100:,:]

compare_df = pd.concat(
    [group1_nonrandom['height'].describe(), 
     group2_nonrandom['height'].describe()],
    axis=1)
compare_df.columns = ['group1', 'group2']
print(compare_df)

बहुत अलग! (औसत 9cm दूर)

       group1  group2
count  100.00  100.00
mean   170.32  179.19 <--
std      3.28    3.50
min    159.28  175.03
25%    168.06  176.57
50%    170.75  178.03
75%    173.09  180.79
max    174.92  191.32

Random assignment

.sample() का उपयोग करें
- n या frac (fraction 0-1)

group1 = heights.sample(frac=0.5,
                        replace=False,
                        random_state=42)

group2 = heights.drop(group1.index)

print(compare_df)

अब काफ़ी नज़दीक! (<1cm)

       group1  group2
count  100.00  100.00
mean   175.10  174.41 <--
std      5.39    5.78
min    163.07  159.28
25%    171.32  170.17
50%    175.22  174.86
75%    178.32  177.85
max    189.78  191.32

Assignment सारांश

Subjects को समूहों में randomly असाइन करना चाहिए
- दिखे बदलावों को सही तरह से जोड़ा जा सके

Random subject assignment: .sample()
अंतर जाँचें: .describe()

Subjects को random तरीके से treatment और control समूहों में रखा गया.

अभ्यास करते हैं!

Python में Experimental Design