Python တွင် anderson-darling test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

Anderson-Darling test သည် သင့်ဒေတာသည် သတ်မှတ်ထားသော ဖြန့်ဝေမှုတစ်ခုနှင့် ကိုက်ညီမှု မည်မျှ ကောင်းမွန်ကြောင်း တိုင်းတာသည့် ကောင်းမွန်သော စမ်းသပ်မှုတစ်ခုဖြစ်သည်။

သင့်ဒေတာသည် ပုံမှန်ဖြန့်ဝေမှု နောက်သို့လိုက်ခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် ဤစမ်းသပ်မှုကို အများဆုံးအသုံးပြုပါသည်။

ဤစမ်းသပ်မှုအမျိုးအစားသည် ဆုတ်ယုတ်ခြင်း ၊ ANOVA ၊ t-tests နှင့် အခြားများစွာသော ကိန်းဂဏန်းစစ်ဆေးမှုများစွာတွင် အသုံးများသော ယူဆချက်ဖြစ်သည့် ပုံမှန်နှုန်းကို စမ်းသပ်ခြင်းအတွက် အသုံးဝင်သည်။

ဥပမာ- Python ရှိ Anderson-Darling စမ်းသပ်မှု

Python တွင် Anderson-Darling စမ်းသပ်မှုပြုလုပ်ရန်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် scipy.stats စာကြည့်တိုက်မှ anderson() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။

Anderson(x၊ dist=’norm’)

ရွှေ-

• x : နမူနာဒေတာဇယား
• dist : စမ်းသပ်ရန် ဖြန့်ဖြူးမှု အမျိုးအစား။ ပုံသေသည် “ စံ” ဖြစ်သော်လည်း၊ “ expon” သို့မဟုတ် “ logistics” ကိုလည်း သတ်မှတ်နိုင်သည်။

ဥပမာအားဖြင့်၊ ဤသည်မှာ ပုံမှန်အားဖြင့် ဖြန့်ဝေထားသော ကျပန်းပြောင်းလဲနိုင်သော ကိန်းရှင် 50 ၏ နမူနာတစ်ခုတွင် Anderson-Darling စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

 import numpy as np

#create data
np.random.seed(0)
data = np.random.normal(size=50)

#perform Anderson-Darling Test 
from scipy.stats import anderson
anderson(data)

AndersonResult( statistic =0.15006999533388665,
               critical_values =array([0.538, 0.613, 0.736, 0.858, 1.021]),
               significance_level =array([15. , 10. , 5. , 2.5, 1. ]))

စမ်းသပ်မှုစာရင်းအင်းသည် 0.150 ဖြစ်သည်။ စစ်ဆေးမှုရလဒ်များသည် သိသာထင်ရှားမှုရှိမရှိ သိရန် အရေးကြီးသောအဆင့်တစ်ခုစီနှင့် သက်ဆိုင်သည့် ဤတန်ဖိုးကို ကျွန်ုပ်တို့ နှိုင်းယှဉ်နိုင်သည်။ ဥပမာအားဖြင့်:

• α = 0.01 အတွက် အရေးပါသောတန်ဖိုးသည် 1.021 ဖြစ်သည်။ စမ်းသပ်မှုစာရင်းအင်း (0.150) သည် ဤအရေးကြီးသောတန်ဖိုးထက် မပိုသောကြောင့် ရလဒ်များသည် 0.01 အရေးပါမှုအဆင့်တွင် သိသာထင်ရှားခြင်းမရှိပါ။
• α = 0.025 အတွက် အရေးပါသောတန်ဖိုးသည် 0.858 ဖြစ်သည်။ စမ်းသပ်မှုစာရင်းအင်း (0.150) သည် ဤအရေးပါသောတန်ဖိုးထက် မပိုသောကြောင့် ရလဒ်များသည် 0.025 အရေးပါမှုအဆင့်တွင် သိသာထင်ရှားခြင်းမရှိပါ။

နောက် … ပြီးတော့။

စစ်ဆေးမှုရလဒ်များသည် မည်သည့်အရေးပါမှုအဆင့်တွင်မဆို သိသာထင်ရှားမှုမရှိသည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်သည်၊ ဆိုလိုသည်မှာ စစ်ဆေးမှု၏ null hypothesis ကို ကျွန်ုပ်တို့ငြင်းပယ်မည်မဟုတ်ပါ။ ထို့ကြောင့်၊ နမူနာယူထားသောဒေတာကို ပုံမှန်အတိုင်း ဖြန့်ဝေခြင်းမရှိကြောင်း အခိုင်အမာဆိုရန် လုံလောက်သော အထောက်အထားမရှိပါ။

ပုံမှန်ဖြန့်ဝေတန်ဖိုး 50 ၏နမူနာကိုထုတ်ပေးရန်အတွက် np.rand.normal() လုပ်ဆောင်ချက်ကို အသုံးပြုခဲ့ခြင်းကြောင့် ဤရလဒ်သည် အံ့သြစရာမဟုတ်ပါ။

ယင်းအစား၊ ကျွန်ုပ်တို့သည် 0 နှင့် 10 ကြား ကျပန်း 50 ကိန်းပြည့်နမူနာတွင် Anderson-Darling စမ်းသပ်မှုကို လုပ်ဆောင်ခဲ့ပါက စဉ်းစားပါ။

 import numpy as np

#create data
np.random.seed(0)
data = np.random.randint(0, 10, size=50)

#perform Anderson-Darling Test 
from scipy.stats import anderson
anderson(data)

AndersonResult( statistic =1.1926463985076836,
               critical_values =array([0.538, 0.613, 0.736, 0.858, 1.021]),
               significance_level =array([15. , 10. , 5. , 2.5, 1. ]))

စမ်းသပ်မှုစာရင်းအင်းသည် 1.1926 ဖြစ်သည်။ စစ်ဆေးမှုရလဒ်များသည် သိသာထင်ရှားမှုရှိမရှိ သိရန် အရေးကြီးသောအဆင့်တစ်ခုစီနှင့် သက်ဆိုင်သည့် ဤတန်ဖိုးကို ကျွန်ုပ်တို့ နှိုင်းယှဉ်နိုင်သည်။ ဥပမာအားဖြင့်:

• α = 0.01 အတွက် အရေးပါသောတန်ဖိုးသည် 1.021 ဖြစ်သည်။ စမ်းသပ်မှုစာရင်းအင်း (1.1926) သည် ဤအရေးကြီးသောတန်ဖိုးထက် ကြီးသောကြောင့် ရလဒ်များသည် 0.01 အရေးပါမှုအဆင့်တွင် သိသာထင်ရှားပါသည်။
• α = 0.025 အတွက် အရေးပါသောတန်ဖိုးသည် 0.858 ဖြစ်သည်။ စမ်းသပ်မှုစာရင်းအင်း (1.1926) သည် ဤအရေးကြီးသောတန်ဖိုးထက် ကြီးသောကြောင့် ရလဒ်များသည် 0.025 အရေးပါမှုအဆင့်တွင် သိသာထင်ရှားပါသည်။

နောက် … ပြီးတော့။

စာမေးပွဲရလဒ်များသည် အရေးကြီးသောအဆင့်တစ်ခုစီတွင် သိသာထင်ရှားကြောင်းကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်သည်၊ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့သည် မည်သည့်အဓိပါယ်အဆင့်ကိုအသုံးပြုသည်ဖြစ်စေ စာမေးပွဲ၏ null hypothesis ကို ငြင်းပယ်မည်ဟု ဆိုလိုသည်။ ထို့ကြောင့် နမူနာယူထားသော ဒေတာကို ပုံမှန်အတိုင်း ဖြန့်ဝေခြင်းမဟုတ်ကြောင်း ပြောရန် လုံလောက်သော အထောက်အထားရှိသည်။

0 နှင့် 10 ကြား ပုံမှန်ဖြန့်ဝေမှုအတိုင်း မဖြစ်နိုင်သည့် 50 ကျပန်း integers 50 ကို ထုတ်လုပ်ရန်အတွက် np.rand.randint() လုပ်ဆောင်ချက်ကို အသုံးပြုခဲ့ခြင်းကြောင့် ဤရလဒ်သည် အံ့သြစရာမဟုတ်ပါ။

နောက်ထပ် Python သင်ခန်းစာများကို ဤနေရာတွင် ရှာနိုင်သည် ။