Перевірка на нормальність
Потужний набір статистичних інструментів, до якого входять кілька поширених критеріїв перевірки гіпотез, ґрунтується на припущенні, що дані мають нормальний розподіл. Гістограма може натякати, чи приблизно нормально розподілені дані, але різні тести гіпотез дають змогу перевірити це припущення безпосередньо. До того ж гістограми дуже чутливі до кількості бінів, особливо за малих розмірів вибірки.
У цій вправі ви працюватимете з даними про зарплати співробітників міста Остін у salary_df. Зокрема, ви проаналізуєте латиноамериканських пожежників. Ви дослідите, чи їхні роки роботи мають приблизно нормальний розподіл, використовуючи критерій Андерсона — Дарлінг.
Ця вправа є частиною курсу
Основи інференції в Python
Інструкції до вправи
- Побудуйте гістограму для
Years of Employmentспівробітників. - Виконайте тест Андерсона — Дарлінг на нормальність, щоб перевірити, чи
Years of Employmentмає приблизно нормальний розподіл. - З'ясуйте, які
critical_valuesперевищує значенняstatisticтесту. - Виведіть
significance_level, на яких нульову гіпотезу було б відхилено.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Plot a histogram of the employees' "Years of Employment"
____.plot(kind="____")
plt.show()
# Conduct an Anderson-Darling test using the years of employment from salary_df
result = stats.____(____)
# Print which critical values the test statistic is greater than the critical values
print(result.____ > result.____)
# Print the significance levels at which the null hypothesis is rejected
print(result.____[result.____ > result.____])