Porównywanie median
Testy parametryczne zazwyczaj porównują średnie, natomiast testy nieparametryczne – mediany. Wynika to z faktu, że w przypadku danych skośnych średnia może nie być dobrą miarą tendencji centralnej i lepiej posługiwać się medianą.
Każda z organizacji rankingowych uczelni, które właśnie analizowałeś(-aś), uwzględnia również „łączny wynik" dla każdej uczelni. Zaczniesz od sprawdzenia, czy wyniki mają rozkład zbliżony do normalnego – w tym celu użyjesz histogramu. Jeśli nie, przeprowadzisz test mediany Mood'a, aby porównać mediany. W tym ćwiczeniu pracujesz z rankingami uczelni CW i ARW.
Istnieje wiele sposobów tworzenia histogramów – tutaj ćwiczysz metodę .hist(), tak jak poprzednio.
Dane z trzema zestawami rankingów znajdują się w rankings_df. Biblioteki pandas jako pd, NumPy jako np, Matplotlib.pyplot jako plt oraz pakiet stats z SciPy są już wczytane.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot a histogram of the CW total score
rankings_df['cw_score'].____
plt.show()