Wilcoxon-Mann-Whitney
Kolejną klasą nieparametrycznych testów hipotez są testy sumy rang. Rangi to pozycje wartości liczbowych uszeregowanych od najmniejszej do największej. Wyobraź sobie je jak miejsca na podium w biegu: kto ma najlepszy (najkrótszy) czas, zajmuje rangę 1, drugi w kolejności – rangę 2 i tak dalej.
Dzięki obliczeniom na rangach danych zamiast na ich rzeczywistych wartościach można uniknąć założeń dotyczących rozkładu statystyki testowej. Metoda ta jest bardziej odporna na odchylenia – podobnie jak mediana jest bardziej odporna niż średnia.
Jednym z popularnych testów opartych na rangach jest test Wilcoxona-Manna-Whitneya, który pełni rolę nieparametrycznego odpowiednika testu t.
Dostępny jest zbiór danych late_shipments, a następujące pakiety zostały już załadowane: pingouin oraz pandas jako pd.
To ćwiczenie jest częścią kursu
Testowanie hipotez w Pythonie
Instrukcje do ćwiczenia
- Wybierz kolumny
weight_kilogramsilateze zbiorulate_shipmentsi przypisz wynik do zmiennejweight_vs_late. - Przekształć
weight_vs_latez formatu długiego na szeroki, ustawiająccolumnsna'late'. - Przeprowadź test Wilcoxona-Manna-Whitneya, aby sprawdzić, czy masa przesyłki różni się w zależności od tego, czy dostawa była opóźniona, czy terminowa.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)