Wilcoxon-Mann-Whitney
Une autre famille de tests d'hypothèses non paramétriques s'appelle les tests de sommes de rangs. Les rangs correspondent aux positions de valeurs numériques de la plus petite à la plus grande. Imaginez-les comme des positions lors d'épreuves de course : la personne avec le temps le plus rapide (le plus petit) obtient le rang 1, la deuxième plus rapide le rang 2, et ainsi de suite.
En calculant sur les rangs des données plutôt que sur les valeurs réelles, vous évitez de faire des hypothèses sur la distribution de la statistique de test. C'est plus robuste, un peu comme la médiane est plus robuste que la moyenne.
Un test courant basé sur les rangs est le test de Wilcoxon-Mann-Whitney, qui s'apparente à un test t non paramétrique.
late_shipments est disponible, et les modules suivants ont été chargés : pingouin et pandas sous le nom pd.
Cette activité fait partie du cours
Vérification d'hypothèses en Python
Instructions de l’exercice
- Sélectionnez
weight_kilogramsetlateà partir delate_shipments, et attribuez le nomweight_vs_late. - Convertissez
weight_vs_latedu format long au format large, en fixantcolumnsà'late'. - Exécutez un test de Wilcoxon-Mann-Whitney pour une différence de
weight_kilogramslorsque l'envoi est en retard comparativement à à l'heure.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)