Le ipotesi del test sono le seguenti:<\/span><\/p>\n H 0<\/sub> (ipotesi nulla):<\/strong> nei dati non \u00e8 presente alcun trend.<\/span><\/p>\n H A<\/sub> (ipotesi alternativa):<\/strong> nei dati \u00e8 presente una tendenza. (Questa potrebbe essere una tendenza positiva o negativa)<\/span><\/p>\n Se il valore p del test \u00e8 inferiore a un certo livello di significativit\u00e0 (le scelte comuni sono 0,10, 0,05 e 0,01), allora esiste un’evidenza statisticamente significativa della presenza di una tendenza nei dati delle serie temporali.<\/span><\/p>\n Questo tutorial spiega come eseguire un test di tendenza di Mann-Kendall in Python.<\/span><\/p>\n Per eseguire un test di tendenza di Mann-Kendall in Python, installeremo prima il pacchetto pymannkendall<\/a> :<\/span><\/p>\n Una volta installato questo pacchetto, possiamo eseguire il test di tendenza di Mann-Kendall su un set di dati di serie temporali:<\/span><\/p>\n Ecco come interpretare il risultato del test:<\/span><\/p>\n Il valore principale che ci interessa \u00e8 il valore p, che ci dice se esiste o meno un trend statisticamente significativo nei dati.<\/span><\/p>\n In questo esempio, il valore p \u00e8 0,4226<\/strong> , che non \u00e8 inferiore a 0,05. Pertanto non vi \u00e8 alcun trend significativo nei dati delle serie storiche.<\/span><\/p>\n Oltre a eseguire il test di tendenza di Mann-Kendall, possiamo creare un rapido grafico a linee utilizzando Matplotlib per visualizzare i dati effettivi delle serie temporali:<\/span><\/p>\n volte Dal grafico possiamo vedere che i dati sono un po’ sparsi, il che conferma che non c’\u00e8 una tendenza chiara nei dati.<\/span><\/p>\n Come tracciare una serie temporale in Matplotlib<\/a> Un test di tendenza di Mann-Kendall viene utilizzato per determinare se esiste o meno una tendenza nei dati delle serie temporali. Questo \u00e8 un test non parametrico, il che significa che non vengono fatte ipotesi sottostanti sulla normalit\u00e0 dei dati. Le ipotesi del test sono le seguenti: H 0 (ipotesi nulla): nei dati non \u00e8 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio: test di tendenza di Mann-Kendall in Python<\/strong><\/span><\/h3>\n
pip install<\/span> pymannkendall<\/strong><\/pre>\n #create dataset\n<\/span>data = [31, 29, 28, 28, 27, 26, 26, 27, 27, 27, 28, 29, 30, 29, 30, 29, 28]\n\n#perform Mann-Kendall Trend Test\n<\/span>import<\/span> pymannkendall as<\/span> mk\n\nmk. original_test<\/span> (data)\n\nMann_Kendall_Test(trend='no trend', h=False, p=0.422586268671707,\n z=0.80194241623, Tau=0.147058823529, s=20.0,\n var_s=561.33333333, slope=0.0384615384615, intercept=27.692307692)<\/strong><\/pre>\n\n
import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\nplt. plot<\/span> (data)\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannkendallpython1.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire un test Dickey-Fuller aumentato in Python<\/a>
Come tracciare pi\u00f9 serie da un Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"