كيفية إجراء اختبار وقت التشغيل في بايثون

اختبار التشغيل هو اختبار إحصائي يستخدم لتحديد ما إذا كانت مجموعة البيانات تأتي من عملية عشوائية أم لا.

الفرضيات الصفرية والبديلة للاختبار هي كما يلي:

H ₀ (خالية): تم إنتاج البيانات بشكل عشوائي.

H _a (بديل): لم يتم إنشاء البيانات بشكل عشوائي.

يشرح هذا البرنامج التعليمي طريقتين يمكنك استخدامهما لإجراء عمليات التشغيل الاختبارية في Python.

مثال: قم بإجراء اختبار في بايثون

يمكننا إجراء عمليات تشغيل اختبارية على مجموعة بيانات معينة في لغة Python باستخدام الدالة runtest_1samp() ‎ من مكتبة statsmodels ، والتي تستخدم الصيغة التالية:

runtest_1samp(x, القطع=’المتوسط’, التصحيح=صحيح)

ذهب:

• x: مجموعة من قيم البيانات
• القطع: العتبة المستخدمة لتقسيم البيانات إلى قيم كبيرة وصغيرة. الإعداد الافتراضي هو “متوسط”، لكن يمكنك أيضًا تحديد “متوسط” كبديل.
• التصحيح: بالنسبة لحجم العينة أقل من 50، تطرح هذه الدالة 0.5 كتصحيح. يمكنك تحديد False لتعطيل هذا الإصلاح.

تنتج هذه الوظيفة إحصائية اختبار az والقيمة p المقابلة كمخرجات.

يوضح التعليمة البرمجية التالية كيفية إجراء اختبار التشغيل باستخدام هذه الوظيفة في بايثون:

 from statsmodels. sandbox . stats . runs import runstest_1samp 

#create dataset
data = [12, 16, 16, 15, 14, 18, 19, 21, 13, 13]

#Perform Runs test
runstest_1samp(data, correction= False )

(-0.6708203932499369, 0.5023349543605021)

تبين أن إحصائيات اختبار z هي -0.67082 والقيمة p المقابلة هي 0.50233 . وبما أن هذه القيمة p لا تقل عن α = 0.05، فإننا نفشل في رفض فرضية العدم. لدينا ما يكفي من الأدلة لنقول أن البيانات تم إنشاؤها بشكل عشوائي.

ملاحظة : في هذا المثال، قمنا بتعطيل التصحيح عند حساب إحصائية الاختبار. يتطابق هذا مع الصيغة المستخدمة لإجراء عمليات التشغيل الاختبارية في R ، والتي لا تستخدم التصحيح عند تشغيل الاختبار.