Test von zwei Proportionen

Du fragst dich vielleicht, ob der für die Fracht gezahlte Betrag einen Einfluss darauf hat, ob die Sendung verspätet war oder nicht. Erinnere dich daran, dass im Datensatz late_shipments in der Spalte late gespeichert ist, ob die Sendung verspätet war oder nicht. Die Frachtkosten werden in der Spalte freight_cost_group gespeichert, und die Kategorien sind "expensive" und "reasonable".

Die zu prüfenden Hypothesen, wobei "late" dem Anteil der verspäteten Sendungen für diese Gruppe entspricht, sind

$H_{0}$: $late_{\text{expensive}} - late_{\text{reasonable}} = 0$

$H_{A}$: $late_{\text{expensive}} - late_{\text{reasonable}} > 0$

p_hats enthält die Schätzungen der Bevölkerungsanteile (Stichprobenanteile) für jede freight_cost_group:

freight_cost_group  late
expensive           Yes     0.082569
reasonable          Yes     0.035165
Name: late, dtype: float64

ns enthält die Stichprobengrößen für diese Gruppen:

freight_cost_group
expensive     545
reasonable    455
Name: late, dtype: int64

pandas und numpy wurden unter ihren üblichen Aliasen importiert, und norm ist unter scipy.stats verfügbar.

Berechne den gepoolten Stichprobenanteil, $\hat{p}$, aus p_hats und ns.

$$ \hat{p} = \frac{n_{\text{expensive}} \times \hat{p}_{\text{expensive}} + n_{\text{reasonable}} \times \hat{p}_{\text{reasonable}}}{n_{\text{expensive}} + n_{\text{reasonable}}} $$

Grundlagen der Hypothesenprüfung

Tests mit zwei Stichproben und ANOVA

Proportionale Tests

Nichtparametrische Tests

Ubung

Test von zwei Proportionen

Anweisungen 1/4