नॉन-पैरामेट्रिक टेस्ट्स

Python में अनुमान का आधार

Paul Savala

Assistant Professor of Mathematics

नॉन-पैरामेट्रिक टेस्ट्स

  • कुछ मान्यताएँ हो सकती हैं
  • सामान्यता की ज़रूरत नहीं होती
  • व्यापक तरह के डेटा पर लागू
  • कभी-कभी कम शक्तिशाली
  • रैंक्ड ऑर्डर के लिए उपयोगी (जैसे स्टार रेटिंग)

चार हिस्टोग्राम, जिनमें अलग-अलग आकार के डेटा हैं.

Python में अनुमान का आधार

पैरामेट्रिक टेस्ट्स

 

  • Independent sample t-test
  • ANOVA
  • Paired sample t-test
  • Pearson's R

नॉन-पैरामेट्रिक

 

  • Wilcoxon-Mann-Whitney U test
  • Kruskal-Wallis test
  • Mood's median test
  • Kendall's tau
Python में अनुमान का आधार

Mood's median test

दो पेयर किए गए मापों की medians की तुलना करता है

एक DataFrame की पाँच पंक्तियाँ, अलग-अलग विश्वविद्यालयों के साथ, और दो कॉलम जो विश्वविद्यालय स्कोर दिखाते हैं.

संभवतः सामान्य रूप से वितरित नहीं

s, p_value, m, table = stats.median_test(df['thew_score'], df['arw_score'])
Python में अनुमान का आधार

Mood's median test

print(p_value < 0.05)
TRUE
  • निष्कर्ष: median रैंकिंग अलग हैं
  • t-tests सामान्यता मानते हैं (Mood's median test नहीं)
  • वैध निष्कर्ष तभी जब डेटा और मान्यताएँ मेल खाएँ
  • सही काम के लिए सही टूल चुनें!
Python में अनुमान का आधार

Kendall's tau

  • मान -1 और 1 के बीच
  • $\tau = -1$: पूर्ण असहमति
  • $\tau = 0$: कोई सहसंबंध नहीं
  • $\tau = 1$: पूर्ण सहमति

एक DataFrame की पाँच पंक्तियाँ, अलग-अलग विश्वविद्यालयों के साथ, जो प्रत्येक के रैंकिंग दिखाती हैं.

tau, p_value = stats.kendalltau(
    df['thew_rank'], 
    df['arw_rank'])

print(tau, p_value < 0.05)
0.651, TRUE
Python में अनुमान का आधार

अभ्यास करते हैं!

Python में अनुमान का आधार

Preparing Video For Download...