Comparer des médianes
Les tests paramétriques comparent généralement des moyennes, tandis que les tests non paramétriques comparent plutôt des médianes. En effet, si vos données sont asymétriques, la moyenne peut mal représenter la tendance centrale; il vaut alors mieux utiliser la médiane.
Chacun des organismes de classement universitaire que vous venez d'examiner fournit aussi un « total des points » pour chaque université. Vous commencerez par vérifier si les scores suivent approximativement une loi normale à l'aide d'un histogramme. S'ils ne le sont pas, vous réaliserez le test de la médiane de Mood pour comparer leurs médianes. Dans cet exercice, vous travaillerez avec les classements universitaires CW et ARW.
Encore une fois, même s'il existe plusieurs façons de créer des histogrammes, vous pratiquerez l'utilisation de la méthode .hist() comme précédemment.
Un DataFrame contenant ces trois ensembles de classements est disponible dans rankings_df. Les modules pandas sous pd, NumPy sous np, Matplotlib.pyplot sous plt, ainsi que le module stats de SciPy ont tous été chargés pour vous.
Cette activité fait partie du cours
Fondements de l'inférence en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Plot a histogram of the CW total score
rankings_df['cw_score'].____
plt.show()