在實驗分析中套用非母數檢定

Python 的實驗設計

James Chapman

Curriculum Manager, DataCamp

何時使用非母數檢定

母數檢定假設不成立
資料為次序尺度或非常態
對離群值與非線性資料具韌性

偏態分配

探索非母數方法

非母數方法：用於不符合傳統假設的資料
Mann-Whitney U 檢定：比較兩個獨立族群
Kruskal-Wallis 檢定：比較超過兩個族群

非常態分配

視覺化非母數資料

Violin plot（小提琴圖）：跨族群比較分配

condensed_data = mineral_rocks[mineral_rocks['RockType'].isin(['Igneous', 'Metamorphic'])]

sns.violinplot(x='RockType', y='MineralHardness', data=condensed_data)

火成岩與變質岩之礦物硬度小提琴圖

視覺化非母數資料

Boxen plot（箱線變體圖）：更深入掌握分配形狀

sns.boxenplot(x='RockType', y='MineralHardness', data=mineral_rocks)

各岩石類型之礦物硬度分配 Boxen 圖

套用非母數檢定－Mann-Whitney U

from scipy.stats import mannwhitneyu, kruskal
u_stat, u_pval = mannwhitneyu(
    mineral_rocks[mineral_rocks['RockType'] == 'Igneous']['MineralHardness'],
    mineral_rocks[mineral_rocks['RockType'] == 'Sedimentary']['MineralHardness']
)

print(f"Mann-Whitney U test p-value: {u_pval:.4f}")

Mann-Whitney U test p-value: 0.9724

套用非母數檢定－Kruskal-Wallis

k_stat, k_pval = kruskal(
    mineral_rocks[mineral_rocks['RockType'] == 'Igneous']['MineralHardness'],
    mineral_rocks[mineral_rocks['RockType'] == 'Sedimentary']['MineralHardness'],
    mineral_rocks[mineral_rocks['RockType'] == 'Metamorphic']['MineralHardness']
)

print(f"Kruskal-Wallis test p-value: {k_pval:.4f}")

Kruskal-Wallis test p-value: 0.0630

一起來練習吧！

Python 的實驗設計