Основна проблема, пов’язана з кодами для вивідної статистики в Python, полягає в тому, що може бути важко зрозуміти та інтерпретувати результати. Python є потужною мовою, але її може бути важко прочитати та зрозуміти код, який використовується для статистики висновків. Крім того, у Python доступно багато різних пакетів для інференційної статистики, що може ускладнити вибір правильного для конкретного аналізу. Нарешті, деякі з цих пакетів можуть бути не такими сучасними чи надійними, як інші, тому перед їх використанням важливо провести дослідження.
1. Chi-Square Test of Independence: from scipy.stats import chi2_contingency chi2, p, dof, expected = chi2_contingency(observed) 2. One-Way ANOVA: from scipy import stats F, p = stats.f_oneway(sample1, sample2, sample3) 3. Pearson’s Correlation Coefficient: from scipy.stats import pearsonr corr, _ = pearsonr(x, y)
Рядок 1: цей рядок імпортує функцію chi2_contingency з бібліотеки scipy.stats, а потім використовує її для обчислення тесту хі-квадрат незалежності спостережених даних. Результати цього тесту зберігаються в змінних chi2, p, dof і очікуваний.
Рядок 2: цей рядок імпортує функцію f_oneway із бібліотеки scipy, а потім використовує її для обчислення одностороннього дисперсійного аналізу на трьох зразках (зразок1, зразок2, зразок3). Результати цього тесту зберігаються в змінних F і p.
Рядок 3: цей рядок імпортує функцію pearsonr із бібліотеки scipy.stats, а потім використовує її для обчислення коефіцієнта кореляції Пірсона між двома змінними (x і y). Результати цього тесту зберігаються в змінних corr і _.
Що таке інференційна статистика
Інференційна статистика — це галузь статистики, яка використовує дані з вибірки для висновків або узагальнень щодо сукупності. Він включає в себе висновки про сукупність на основі даних, зібраних із вибірки. У Python інференційну статистику можна використовувати, щоб робити висновки та робити прогнози за допомогою різних методів, таких як перевірка гіпотез, кореляційний аналіз, регресійний аналіз тощо. Ці методи дозволяють нам отримувати значущі висновки з наших даних і допомагають приймати кращі рішення.
Види інференційної статистики
У Python існує кілька типів інференційної статистики, які можна використовувати для аналізу даних. До них належать t-тести, ANOVA, тести хі-квадрат, кореляційні тести та регресійний аналіз. Т-тести використовуються для порівняння середніх двох або більше груп даних. ANOVA використовується для порівняння середніх значень кількох груп даних. Тести хі-квадрат використовуються для перевірки зв’язків між категоріальними змінними. Кореляційні тести вимірюють силу та напрямок лінійного зв’язку між двома змінними. Нарешті, регресійний аналіз використовується для прогнозування залежної змінної на основі однієї чи кількох незалежних змінних.
Як ви пишете інференційну статистику
Інференційна статистика — це галузь статистики, яка використовує дані вибірки, щоб зробити висновки щодо сукупності, з якої було взято вибірку. У Python інференційну статистику можна виконувати за допомогою різних бібліотек, таких як SciPy, StatsModels і NumPy.
Щоб виконувати інференційну статистику в Python, вам потрібно буде спочатку імпортувати необхідні бібліотеки, а потім використовувати такі функції, як mean(), median(), mode(), variance(), standard deviation(), t-test(), chi -square test() тощо. Наприклад, якщо ви хочете обчислити середнє значення даного набору даних, ви можете використати функцію mean() із NumPy:
імпортувати numpy як np
дані = [1,2,3,4]
середнє_значення = np.середнє(дані)
print(середнє_значення) # Вихід: 2.5
