Тест Вилкоксона–Манна–Уитни

Ещё один класс непараметрических критериев проверки гипотез — критерии ранговых сумм. Ранги — это позиции числовых значений, упорядоченных от наименьшего к наибольшему. Можно представить их как места в соревнованиях по бегу: участник с наименьшим временем занимает 1-е место, следующий по скорости — 2-е, и так далее.

Оперируя рангами данных вместо исходных значений, можно избежать предположений о распределении тестовой статистики. Такой подход более устойчив к выбросам — так же как медиана устойчивее среднего.

Один из распространённых критериев на основе рангов — тест Вилкоксона–Манна–Уитни, который является непараметрическим аналогом t-теста.

Набор данных late_shipments доступен, а следующие пакеты уже импортированы: pingouin и pandas как pd.

Это упражнение является частью курса

Проверка гипотез в Python

Посмотреть курс

Инструкции к упражнению

Выберите столбцы weight_kilograms и late из late_shipments и сохраните результат в переменную weight_vs_late.
Преобразуйте weight_vs_late из длинного формата в широкий, установив columns равным 'late'.
Выполните тест Вилкоксона–Манна–Уитни для проверки различия в weight_kilograms между опоздавшими и своевременными поставками.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код