วิธีการทดสอบความเป็นอิสระของ chi-square ใน python

การทดสอบความเป็นอิสระของไคสแคว ร์   ใช้เพื่อกำหนดว่ามีความสัมพันธ์ที่มีนัยสำคัญระหว่างตัวแปรหมวดหมู่สองตัวหรือไม่

บทช่วยสอนนี้จะอธิบายวิธีการทดสอบความเป็นอิสระของไคสแควร์ใน Python

ตัวอย่าง: การทดสอบความเป็นอิสระของไคสแควร์ใน Python

สมมติว่าเราต้องการทราบว่าเพศสัมพันธ์กับการเลือกพรรคการเมืองหรือไม่ เราสุ่มตัวอย่างผู้มีสิทธิเลือกตั้ง 500 คน และถามพวกเขาเกี่ยวกับความชอบพรรคการเมืองของพวกเขา ตารางต่อไปนี้แสดงผลการสำรวจ:

ใช้ขั้นตอนต่อไปนี้เพื่อทำการทดสอบความเป็นอิสระของไคสแควร์ใน Python เพื่อตรวจสอบว่าเพศเกี่ยวข้องกับการตั้งค่าพรรคการเมืองหรือไม่

ขั้นตอนที่ 1: สร้างข้อมูล

ขั้นแรก เราจะสร้างตารางเพื่อเก็บข้อมูลของเรา:

 data = [[120, 90, 40],
        [110, 95, 45]]

ขั้นตอนที่ 2: ทำการทดสอบไคสแควร์เพื่อความเป็นอิสระ

ต่อไป เราสามารถทำการทดสอบความเป็นอิสระของไคสแควร์ได้โดยใช้ ฟังก์ชัน chi2_contingency จากไลบรารี SciPy ซึ่งใช้ไวยากรณ์ต่อไปนี้:

chi2_contingency (สังเกตได้)

ทอง:

• สังเกตได้: ตารางฉุกเฉินของค่าที่สังเกตได้

รหัสต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้ในตัวอย่างเฉพาะของเรา:

 import scipy.stats as stats

#perform the Chi-Square Test of Independence
stats.chi2_contingency(data)

(0.864,
 0.649,
 2,
 array([[115. , 92.5, 42.5],
        [115. , 92.5, 42.5]]))

วิธีการตีความผลลัพธ์มีดังนี้:

• สถิติการทดสอบไคสแควร์: 0.864
• ค่า p: 0.649
• องศาความเป็นอิสระ: 2 (คำนวณเป็น #rows-1 * #columns-1)
• ตาราง: ตารางสุดท้ายแสดงค่าที่คาดหวังสำหรับแต่ละเซลล์ในตารางฉุกเฉิน

โปรดจำไว้ว่า การทดสอบความเป็นอิสระของไคสแควร์ ใช้สมมติฐานว่างและทางเลือกต่อไปนี้:

• H ₀ : (สมมติฐานว่าง) ตัวแปรทั้งสองมีความเป็นอิสระต่อกัน
• H ₁ : (สมมติฐานทางเลือก) ตัวแปรทั้งสอง ไม่ เป็นอิสระต่อกัน

เนื่องจากค่า p-value (0.649) ของการทดสอบไม่น้อยกว่า 0.05 เราจึงไม่สามารถปฏิเสธสมมติฐานว่างได้ ซึ่งหมายความว่าเราไม่มีหลักฐานเพียงพอที่จะกล่าวว่ามีความสัมพันธ์ระหว่างเพศและการตั้งค่าของพรรคการเมือง

กล่าวอีกนัยหนึ่ง การกำหนดเพศและพรรคการเมืองมีความเป็นอิสระ