Wilcoxon-Mann-Whitney

另一類常見的無母數假設檢定稱為「秩和檢定」（rank sum tests）。「秩」指的是從最小到最大排序後的名次。可以把它想成賽跑名次：成績最快（數值最小）的是第 1 名，第二快是第 2 名，以此類推。

透過對資料的秩而非原始數值進行計算，你可以避免對檢定統計量的分佈做出假設。這種方法更具穩健性，就像中位數比平均數更不受極端值影響一樣。

一個常見的秩為基礎的檢定是 Wilcoxon-Mann-Whitney 檢定，它類似於無母數版的 t 檢定。

已提供 late_shipments，且已載入下列套件：pingouin 與 pandas，其中 pandas 以 pd 之名匯入。

本練習屬於課程

Python 中的假設檢定

檢視課程

練習說明

從 late_shipments 選取 weight_kilograms 與 late，並指定名稱為 weight_vs_late。
將 weight_vs_late 由長格式轉為寬格式，columns 設為 'late'。
在出貨延遲與準時的情況下，比較 weight_kilograms 是否有差異，執行 Wilcoxon-Mann-Whitney 檢定。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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)

編輯並執行程式碼