和 pingouin.ttest() 與 statsmodels.stats.proportion.proportions_ztest() 不同,pingouin.chi2_independence() 沒有 alternative 引數,無法指定對立假設要考慮哪一個尾端。
pingouin.ttest()
statsmodels.stats.proportion.proportions_ztest()
pingouin.chi2_independence()
alternative
在卡方檢定中,幾乎總是會考慮哪一個尾端?
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
假設檢定如何運作?可以解決哪些問題?為了找出答案,你將走過一次單一樣本比例檢定的流程。過程中,會遇到 z 分數、p 值,以及偽陰性與偽陽性錯誤等重要概念。
在本章中,你將學習如何使用 t 檢定比較兩個群體的平均數差異,並進一步以 ANOVA 與成對 t 檢定擴展到兩個以上的群體。
現在要來比較兩個群體的比例差異,並使用比例檢定。透過動手練習,你會把比例檢定擴展到兩個以上的群體,改用卡方獨立性檢定,並回到單一樣本情境,使用卡方適合度檢定。
當前練習
最後,你將學習參數式假設檢定所依據的前提,並了解當這些前提不成立時,如何改用非參數檢定。