Wilcoxon-Mann-Whitney
ノンパラメトリックな仮説検定の一種に、ランク和検定（rank sum tests）があります。ランクとは、数値を小さい順に並べたときの位置のことです。陸上競技の順位のように考えてみましょう。最も速い（最も小さい）タイムがランク1、次に速いタイムがランク2、といった具合です。
実際の値ではなくデータのランクに基づいて計算することで、検定統計量の分布に関する仮定を置かずに済みます。これは、平均よりも中央値のほうが外れ値に強いのと同じように、よりロバストです。
よく使われるランクベースの検定の1つが Wilcoxon-Mann-Whitney 検定で、ノンパラメトリック版の t 検定のような位置づけです。
late_shipments が利用可能で、pingouin と、pandas は pd として読み込まれています。
この演習はコースの一部です
Pythonで学ぶ仮説検定
演習の手順
late_shipmentsからweight_kilogramsとlateを選び、weight_vs_lateという名前で代入します。weight_vs_lateをロング形式からワイド形式に変換し、columnsを'late'に設定します。- 送り状が遅延した場合と定時到着の場合で
weight_kilogramsに差があるか、Wilcoxon-Mann-Whitney 検定を実行します。
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。
# 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)