Wilcoxon-Mann-Whitney

Eine weitere Klasse nicht-parametrischer Hypothesentests sind die sogenannten Rangsummentests. Ränge sind die Positionen der Zahlenwerte vom kleinsten zum größten Wert. Stell sie dir wie Positionen in Laufwettbewerben vor: Wer die schnellste (kleinste) Zeit hat, ist auf Platz 1, der Zweitschnellste auf Platz 2 und so weiter.

Indem du mit den Rängen der Daten rechnest, anstatt mit den tatsächlichen Werten, kannst du Annahmen über die Verteilung der Teststatistik vermeiden. Er ist robuster, so wie ein Median robuster ist als ein Mittelwert.

Ein gebräuchlicher rangbasierter Test ist der Wilcoxon-Mann-Whitney-Test, der wie ein nicht-parametrischer t-Test ist.

late_shipments ist verfügbar, und die folgenden Pakete wurden geladen: pingouin und pandas als pd.

Diese Übung ist Teil des Kurses

Hypothesentests in Python

Kurs anzeigen

Anleitung zur Übung

Wähle weight_kilograms und late aus late_shipments aus und gib den Namen weight_vs_late ein.
Konvertiere weight_vs_late vom Lang- ins Breitformat, indem du columns in 'late' umwandelst.
Führe einen Wilcoxon-Mann-Whitney-Test durch, um herauszufinden, ob es einen Unterschied bei weight_kilograms gibt, wenn die Lieferung verspätet oder pünktlich war.

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Select the weight_kilograms and late columns
weight_vs_late = ____

# Convert weight_vs_late into wide format
weight_vs_late_wide = weight_vs_late.pivot(columns=____, 
                                           values=____)


# Run a two-sided Wilcoxon-Mann-Whitney test on weight_kilograms vs. late
wmw_test = ____



# Print the test results
print(wmw_test)

Code bearbeiten und ausführen