เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Wilcoxon-Mann-Whitney

การทดสอบสมมติฐานแบบนอนพาราเมตริกอีกกลุ่มหนึ่งเรียกว่า การทดสอบผลรวมอันดับ (rank sum tests) อันดับ (rank) คือตำแหน่งของค่าตัวเลขเมื่อเรียงจากน้อยไปมาก ลองนึกถึงการแข่งวิ่ง ผู้ที่มีเวลาเร็วที่สุด (น้อยที่สุด) จะได้อันดับ 1 เร็วรองลงมาได้อันดับ 2 และเป็นเช่นนี้ต่อไป

การคำนวณบนอันดับของข้อมูลแทนที่จะใช้ค่าจริง ช่วยให้ไม่ต้องตั้งสมมติฐานเกี่ยวกับการแจกแจงของสถิติทดสอบ วิธีนี้มีความทนทานมากกว่า ในแบบเดียวกับที่ค่ามัธยฐานทนทานกว่าค่าเฉลี่ย

การทดสอบที่ใช้อันดับที่นิยมอย่างหนึ่งคือ การทดสอบ Wilcoxon-Mann-Whitney ซึ่งทำหน้าที่คล้ายกับ t-test แบบนอนพาราเมตริก

late_shipments พร้อมใช้งานแล้ว และแพ็กเกจต่อไปนี้ถูกโหลดไว้แล้ว: pingouin และ pandas ในชื่อ pd

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การทดสอบสมมติฐานด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เลือก weight_kilograms และ late จาก late_shipments แล้วกำหนดให้ตัวแปรชื่อ weight_vs_late
  • แปลง weight_vs_late จากรูปแบบ long เป็น wide โดยกำหนด columns เป็น 'late'
  • รันการทดสอบ Wilcoxon-Mann-Whitney เพื่อหาความแตกต่างของ weight_kilograms ระหว่างการจัดส่งที่ล่าช้าและที่ตรงเวลา

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด