Cara melakukan pengujian runtime dengan python

Run pengujian adalah uji statistik yang digunakan untuk menentukan apakah suatu kumpulan data berasal dari proses acak atau tidak.

Hipotesis nol dan alternatif dari pengujian tersebut adalah sebagai berikut:

H ₀ (null): data dihasilkan secara acak.

H _a (alternatif): Data tidak dihasilkan secara acak.

Tutorial ini menjelaskan dua metode yang dapat Anda gunakan untuk melakukan Uji Coba dengan Python.

Contoh: Jalankan pengujian dengan Python

Kita dapat melakukan Uji Coba pada kumpulan data tertentu dengan Python menggunakan fungsi runtest_1samp() dari pustaka statsmodels , yang menggunakan sintaksis berikut:

runtest_1samp(x, cutoff=’berarti’, koreksi=Benar)

Emas:

• x: Array nilai data
• cutoff: Ambang batas yang digunakan untuk membagi data menjadi nilai besar dan kecil. Standarnya adalah “rata-rata”, tetapi Anda juga dapat menentukan “median” sebagai alternatif.
• Koreksi: Untuk ukuran sampel kurang dari 50, fungsi ini mengurangi 0,5 sebagai koreksi. Anda dapat menentukan False untuk menonaktifkan perbaikan ini.

Fungsi ini menghasilkan statistik uji az dan nilai p yang sesuai sebagai keluaran.

Kode berikut menunjukkan cara melakukan Test Run menggunakan fungsi ini dengan Python:

 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)

Statistik uji-z ternyata -0,67082 dan nilai p yang sesuai adalah 0,50233 . Karena nilai p ini tidak kurang dari α = 0,05, kita gagal menolak hipotesis nol. Kami memiliki cukup bukti untuk mengatakan bahwa data tersebut dihasilkan secara acak.

Catatan : Untuk contoh ini, kami telah menonaktifkan koreksi saat menghitung statistik pengujian. Ini cocok dengan rumus yang digunakan untuk melakukan Uji Coba di R , yang tidak menggunakan koreksi saat menjalankan pengujian.