pingouin.ttest() や statsmodels.stats.proportion.proportions_ztest() と異なり、pingouin.chi2_independence() には、対立仮説でどちらの裾を考えるかを指定する alternative 引数がありません。
pingouin.ttest()
statsmodels.stats.proportion.proportions_ztest()
pingouin.chi2_independence()
alternative
カイ二乗検定でほとんど常に考慮されるのは、どちらの裾ですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
仮説検定はどのように機能し、どんな問題を解決できるのでしょうか？その答えを探るために、1標本の比率検定のワークフローをたどります。その過程で、zスコア、p値、偽陰性と偽陽性のエラーといった重要な概念に触れます。
このチャプターでは、t検定を使って2つのグループ間の平均の差を検定し、さらにANOVAとペアごとのt検定を用いて2つ以上のグループへと拡張します。
ここでは、2つのグループ間で比率の差を検定する比率検定に取り組みます。ハンズオンの演習を通して、比率検定を2つ以上のグループに拡張するカイ二乗独立性検定を学び、さらに1標本の場合に戻ってカイ二乗適合度検定を行います。
現在の演習
最後に、パラメトリックな仮説検定が仮定している前提を学び、それらが満たされないときに非パラメトリック検定をどのように活用できるかを見ていきます。
