அனுமான சோதனை

பைத்தானைப் பயன்படுத்தி கருதுகோள் சோதனை குறித்த எளிய மற்றும் சுருக்கமான பயிற்சி

படம்: http://www.advanceinnovationgroup.com/blog/median-based-hypothesis-testing

இந்த வலைப்பதிவில், பைத்தானில் புள்ளிவிவர முறைகளைப் பயன்படுத்தி கருதுகோள் சோதனை பற்றிய சுருக்கமான பயிற்சியைக் கொடுப்பேன். கருதுகோள் சோதனை என்பது நாம் அனைவரும் அறிந்த அறிவியல் முறையின் ஒரு பகுதியாகும், இது நமது ஆரம்ப கல்வி ஆண்டுகளில் நாம் கற்றுக்கொண்ட ஒன்று. இருப்பினும், புள்ளிவிவரங்களில், மக்கள் தொகையின் மாதிரியில் பல சோதனைகள் செய்யப்படுகின்றன.

"ஒரு முன்மொழியப்பட்ட விளக்கத்தைப் பற்றி ஒரு மாதிரி அவதானிப்புகள் என்ன சொல்கின்றன என்பதைத் தீர்மானிப்பது, பொதுவாக, ஒரு அனுமானத்தை செய்ய வேண்டும், அல்லது புள்ளிவிவர வல்லுநர்கள் அதை அழைக்கும்போது, ​​நிச்சயமற்ற காரணத்திற்காக. நிச்சயமற்ற தன்மையுடன் பகுத்தறிவு என்பது புள்ளிவிவர அனுமானத்தின் மையமாகும், இது பொதுவாக பூஜ்ய கருதுகோள் முக்கியத்துவ சோதனை எனப்படும் ஒரு முறையைப் பயன்படுத்தி செய்யப்படுகிறது. ” -ஓவன்ஸ்.

இந்த வலைப்பதிவின் எடுத்துக்காட்டு, நான் காகில் காணப்படும் ஒரு ஐரோப்பிய கால்பந்து தரவு தொகுப்பைப் பயன்படுத்துவேன், மேலும் கருதுகோள் சோதனையை நடத்துவேன். தரவுத்தொகுப்பை இங்கே காணலாம்.

படி 1

ஒரு கவனிப்பு செய்யுங்கள்

முதல் படி நிகழ்வுகளை அவதானிப்பது. இந்த விஷயத்தில், இது இருக்கும்: சராசரியாக அனுமதிக்கப்பட்ட இலக்குகளில் பாதுகாப்பு ஆக்கிரமிப்பின் தாக்கம் உள்ளதா?

படி 2

ஆராய்ச்சியை ஆராயுங்கள்

செல்ல ஒரு நல்ல மனநிலை கடினமானது அல்ல. உங்கள் கவனிப்பு தொடர்பான ஆராய்ச்சி ஏற்கனவே இருக்கிறதா என்று பார்ப்பது ஒரு நல்ல விஷயம். அப்படியானால் அது எங்கள் கேள்விக்கு பதிலளிக்க உதவக்கூடும். ஏற்கனவே இருக்கும் ஆராய்ச்சி அல்லது சோதனைகள் குறித்து அறிந்திருப்பது எங்கள் பரிசோதனையை சிறப்பாக வடிவமைக்க உதவும், அல்லது எங்கள் கேள்விக்கு பதிலளிக்கக்கூடும், மேலும் பரிசோதனையை முதலில் நடத்த வேண்டியதில்லை.

படி 3

ஒரு பூஜ்ய கருதுகோள் மற்றும் மாற்று கருதுகோளை உருவாக்குங்கள்

ஒரு மாற்று கருதுகோள் நமது படித்த யூகம் மற்றும் பூஜ்ய கருதுகோள் வெறுமனே எதிர்மாறாகும். மாற்று கருதுகோள் இரண்டு மாறிகள் இடையே ஒரு குறிப்பிடத்தக்க உறவு இருப்பதாகக் கூறினால், பூஜ்ய கருதுகோள் குறிப்பிடத்தக்க உறவு இல்லை என்று கூறுகிறது.

எங்கள் பூஜ்ய கருதுகோள் இருக்கும்: பாதுகாப்பு ஆக்கிரமிப்பு மதிப்பீட்டைக் கொண்ட அணிகளுடன் அனுமதிக்கப்பட்ட இலக்குகளில் புள்ளிவிவர வேறுபாடு எதுவும் இல்லை.

மாற்று கருதுகோள்: 65 க்கும் குறைவான அணிகளுக்கு எதிராக 65 ஐ விட அதிகமாகவோ அல்லது அதற்கு சமமாகவோ பாதுகாப்பு ஆக்கிரமிப்பு மதிப்பீட்டைக் கொண்ட அணிகளுடன் அனுமதிக்கப்பட்ட இலக்குகளில் புள்ளிவிவர வேறுபாடு உள்ளது.

படி 4

எங்கள் கருதுகோள் ஒரு வால் சோதனை அல்லது இரண்டு வால் சோதனை என்பதை தீர்மானிக்கவும்.

ஒரு வால் சோதனை

"நீங்கள் 0.05 என்ற முக்கியத்துவ அளவைப் பயன்படுத்துகிறீர்கள் என்றால், ஒரு வால் சோதனை உங்கள் ஆல்பா அனைத்தையும் புள்ளிவிவர முக்கியத்துவத்தை ஆர்வத்தின் ஒரு திசையில் சோதிக்க அனுமதிக்கிறது." ஒரு வால் சோதனைக்கு ஒரு எடுத்துக்காட்டு "65 க்கும் குறைவான ஆக்கிரமிப்பு மதிப்பீட்டைக் கொண்ட கால்பந்து அணிகள் 65 க்கும் குறைவான மதிப்பீட்டைக் கொண்ட அணிகளைக் காட்டிலும் புள்ளிவிவர ரீதியாக கணிசமாக அதிக இலக்குகளை அனுமதிக்கின்றன."

இரண்டு வால் சோதனை

“நீங்கள் 0.05 என்ற முக்கியத்துவ அளவைப் பயன்படுத்துகிறீர்கள் என்றால், இரண்டு வால் சோதனை உங்கள் ஆல்பாவின் பாதியை புள்ளிவிவர முக்கியத்துவத்தை ஒரு திசையில் சோதிக்க அனுமதிக்கிறது மற்றும் உங்கள் ஆல்பாவின் பாதி மற்ற திசையில் புள்ளிவிவர முக்கியத்துவத்தை சோதிக்க அனுமதிக்கிறது. உங்கள் சோதனை புள்ளிவிவரத்தின் விநியோகத்தின் ஒவ்வொரு வாலிலும் 0.025 உள்ளது என்பதே இதன் பொருள். ”

இரண்டு வால் சோதனை மூலம், நீங்கள் இரு திசைகளிலும் புள்ளிவிவர முக்கியத்துவத்தை சோதிக்கிறீர்கள். எங்கள் விஷயத்தில், இரு திசைகளிலும் புள்ளிவிவர முக்கியத்துவத்தை சோதிக்கிறோம்.

படி 5

ஒரு நுழைவு முக்கியத்துவம் நிலை (ஆல்பா) அமைக்கவும்

(ஆல்பா மதிப்பு): பூஜ்ய கருதுகோளை நிராகரிப்பதில் நாம் சரியாக இருக்கும் விளிம்பு வாசல். ஆல்பா மதிப்பு 0 மற்றும் 1 க்கு இடையில் நாம் அமைக்கும் எந்த மதிப்பாக இருக்கலாம். இருப்பினும், அறிவியலில் மிகவும் பொதுவான ஆல்பா மதிப்பு 0.05 ஆகும். 0.05 க்கு அமைக்கப்பட்ட ஆல்பா என்றால், முடிவுகள் சீரற்ற தன்மை காரணமாக 5% அல்லது அதற்கும் குறைவான வாய்ப்பு இருந்தாலும் பூஜ்ய கருதுகோளை நிராகரிப்பதில் நாங்கள் சரி.

பி-மதிப்பு: இந்தத் தரவை தோராயமாக வருவதற்கான கணக்கிடப்பட்ட நிகழ்தகவு.

நாம் ஒரு p- மதிப்பைக் கணக்கிட்டு, அது 0.03 க்கு வெளிவந்தால், இதை “3% வாய்ப்பு உள்ளது, நான் பார்க்கும் முடிவுகள் உண்மையில் சீரற்ற தன்மை அல்லது தூய அதிர்ஷ்டம் காரணமாக இருக்கின்றன” என்று கூறலாம்.

Learn.co இலிருந்து படம்

P- மதிப்பைக் கணக்கிட்டு அதை எங்கள் ஆல்பாவுடன் ஒப்பிடுவதே எங்கள் குறிக்கோள். குறைந்த ஆல்பா சோதனை மிகவும் கடுமையானது.

படி 6

மாதிரி செய்யவும்

இங்கே எங்கள் தரவுத்தொகுப்பு கால்பந்து என்று அழைக்கப்படுகிறது. எங்கள் சோதனைக்கு, எங்கள் தரவு தொகுப்பில் இரண்டு நெடுவரிசைகள் மட்டுமே தேவை: team_def_aggr_rating மற்றும் goals_allowed. இந்த இரண்டு நெடுவரிசைகளிலும் அதை வடிகட்டுவோம், பின்னர் தற்காப்பு ஆக்கிரமிப்பு மதிப்பீட்டை 65 ஐ விட அதிகமாகவோ அல்லது அதற்கு சமமாகவோ மற்றும் 65 க்கும் குறைவான தற்காப்பு ஆக்கிரமிப்பு மதிப்பீட்டைக் கொண்ட அணிகளுக்காக இரண்டு துணைக்குழுக்களை உருவாக்குவோம்.

எங்கள் கருதுகோள் சோதனைக்கு மறுபரிசீலனை செய்ய:

சராசரியாக அனுமதிக்கப்பட்ட இலக்குகளில் பாதுகாப்பு ஆக்கிரமிப்பின் தாக்கம். பூஜ்ய கருதுகோள்: 65 க்கும் குறைவான அணிகளுக்கு எதிராக 65 க்கும் அதிகமான அல்லது அதற்கு சமமான பாதுகாப்பு ஆக்கிரமிப்பு மதிப்பீட்டைக் கொண்ட அணிகளுடன் அனுமதிக்கப்பட்ட இலக்குகளில் புள்ளிவிவர வேறுபாடு இல்லை. மாற்று கருதுகோள்: பாதுகாப்பு ஆக்கிரமிப்பு மதிப்பீட்டைக் கொண்ட அணிகளுடன் அனுமதிக்கப்பட்ட இலக்குகளில் புள்ளிவிவர வேறுபாடு உள்ளது 65 க்குக் கீழே 65 எதிராக அணிகளுக்கு சமமாக அல்லது சமமாக இருக்கும். இரண்டு வால் கொண்ட டெஸ்ட் ஆல்பா: 0.05

இப்போது புள்ளிவிவர சோதனைகளை இயக்கக்கூடிய மாதிரிகளின் இரண்டு பட்டியல்கள் உள்ளன. அந்த படிக்கு முன், ஒரு காட்சியைப் பெற இரண்டு விநியோகங்களையும் சதி செய்வேன்.

படி 7

இரண்டு மாதிரி டி-சோதனை செய்யுங்கள்

இரண்டு மக்கள் தொகை சமமானதா என்பதை தீர்மானிக்க இரண்டு மாதிரி டி-சோதனை பயன்படுத்தப்படுகிறது. இதற்காக, ஸ்டாட்ஸ்மோடல்கள் எனப்படும் பைதான் தொகுதியைப் பயன்படுத்துவோம். புள்ளிவிவரங்கள் பற்றி நான் அதிக விவரங்களுக்கு செல்லமாட்டேன், ஆனால் ஆவணங்களை இங்கே காணலாம்.

படி 8

மதிப்பீடு செய்து முடிக்கவும்

நாங்கள் அமைத்த ஆல்பா ஒரு = 0.05 என்பதை நினைவில் கொள்க. எங்கள் சோதனை முடிவுகளிலிருந்து p- மதிப்பு எங்கள் ஆல்பாவை விட குறைவாக இருப்பதை நாம் காணலாம். எங்கள் பூஜ்ய கருதுகோளை நாம் நிராகரிக்க முடியும் மற்றும் 95% நம்பிக்கையுடன் எங்கள் மாற்று கருதுகோளை ஏற்கலாம்.

படித்ததற்கு நன்றி! கருதுகோள் சோதனையைப் பற்றி மேலும் ஆழமாக அறிய, கருதுகோள் சோதனையில் நான் ஈடுபட்டிருந்த கிட்ஹப்பில் இந்த குழு திட்டத்தை நீங்கள் பார்க்கலாம்.

வளங்கள்:

ஓவன்ஸ், மத்தேயு. “புள்ளிவிவரங்கள் மற்றும்“ அறிவியல் முறை ”உங்கள் ஸ்டாட்ஸ் குருவிலிருந்து பெறப்பட்டது. https://www.yourstatsguru.com/secrets/scimethod-stats/?v=4442e4af0916

எஸ்.ஏ.எஸ் அறிமுகம். யு.சி.எல்.ஏ: புள்ளிவிவர ஆலோசனைக் குழு. https://stats.idre.ucla.edu/other/mult-pkg/faq/general/faq-what-are-the-differences-between-one-tailed-and-two-tailed-tests/ இலிருந்து (அணுகப்பட்டது மே 16, 2019).

பொறியியல் புள்ளிவிவரங்கள் கையேடு. https://www.itl.nist.gov/div898/handbook/eda/section3/eda353.htm