始める無料で始める

正規性の検定

多くの一般的な仮説検定を含む強力な統計ツール群は、基礎となるデータが正規分布に従うという仮定に依存しています。ヒストグラムはデータがおおよそ正規分布かどうかの手がかりになりますが、さまざまな仮説検定を使うとこの仮定を直接検証できます。さらに、ヒストグラムはビン数の影響を受けやすく、特にサンプルサイズが小さい場合は注意が必要です。

この演習では、オースティン市の職員の給与データ salary_df を扱います。特にヒスパニック系の消防士に注目し、在職年数が正規分布に近いかどうかを、Anderson–Darling 検定で分析します。

この演習はコースの一部です

Pythonで学ぶ推測の基礎

コースを見る

演習の手順

  • 職員の Years of Employment のヒストグラムを描画します。
  • Years of Employment がおおよそ正規分布かどうかを調べるため、正規性に対する Anderson–Darling 検定を実行します。
  • 検定の statistic がどの critical_values を上回るかを特定します。
  • 帰無仮説が棄却される significance_level を出力します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Plot a histogram of the employees' "Years of Employment"
____.plot(kind="____")
plt.show()

# Conduct an Anderson-Darling test using the years of employment from salary_df
result = stats.____(____)

# Print which critical values the test statistic is greater than the critical values
print(result.____ > result.____)

# Print the significance levels at which the null hypothesis is rejected
print(result.____[result.____ > result.____])
コードを編集して実行