Hướng dẫn two sample binomial test python - hai mẫu trăn thử nghiệm nhị thức

A & nbsp; thử nghiệm nhị thức & nbsp; so sánh tỷ lệ mẫu với tỷ lệ giả thuyết.binomial test compares a sample proportion to a hypothesized proportion.

Ví dụ, giả sử chúng ta có một cái chết 6 mặt. Nếu chúng tôi cuộn nó 12 lần, chúng tôi sẽ mong đợi số lượng 3 3 sẽ xuất hiện 1/6 thời gian, đó sẽ là 12 * (1/6) = 2 lần.

Nếu số lượng 3 3 thực sự xuất hiện 4 lần, thì bằng chứng cho thấy cái chết có sai lệch đối với số lượng 3 3 không? Chúng tôi có thể thực hiện một bài kiểm tra nhị thức để trả lời câu hỏi đó.

Trong Python, chúng ta có thể thực hiện thử nghiệm nhị thức bằng cách sử dụng hàm binom_test () từ thư viện scipy.stats, sử dụng cú pháp sau:

binom_test (x, n = none, p = 0,5, thay thế = hai mặt hai mặt)

where:

• x: & nbsp; số lượng thành công của ”number of “successes”
• n: & nbsp; tổng số thử nghiệmtotal number of trials
• p: & nbsp; xác suất thành công trên mỗi thử nghiệmthe probability of success on each trial
• Thay thế: & nbsp; giả thuyết thay thế. Mặc định là ‘hai mặt, nhưng bạn cũng có thể chỉ định’ lớn hơn hoặc ‘ít hơn.the alternative hypothesis. Default is ‘two-sided’ but you can also specify ‘greater’ or ‘less.’

Hàm này trả về giá trị p của thử nghiệm. Chúng ta có thể tải chức năng này bằng cách sử dụng Sytax sau:

from scipy.stats import binom_test

Các ví dụ sau đây minh họa cách thực hiện các xét nghiệm nhị thức trong Python.

Ví dụ 1: Chúng tôi lăn một cái chết 6 mặt 24 lần và nó hạ cánh trên số 3 3 chính xác 6 lần. Thực hiện xét nghiệm nhị thức để xác định xem cái chết có bị sai lệch đối với số lượng 3.

Các giả thuyết null và thay thế cho bài kiểm tra của chúng tôi như sau:

H0: π 1/6 (cái chết không thiên về số 3 3) π ≤ 1/6 (the die is not biased towards the number “3”)

Ha: π> 1/6 π > 1/6

*π là biểu tượng cho tỷ lệ dân số.

Chúng tôi sẽ nhập công thức sau vào Python:

binom_test(x=6, n=24, p=1/6, alternative='greater')

0.1995295129479586

Bởi vì giá trị p này (0.1995) không nhỏ hơn 0,05, chúng tôi không từ chối giả thuyết khống. Chúng tôi không có đủ bằng chứng để nói rằng cái chết bị sai lệch đối với số lượng 3.

Ví dụ 2: Chúng tôi lật một đồng xu 30 lần và nó hạ cánh trên đầu chính xác 19 lần. Thực hiện thử nghiệm nhị thức để xác định xem đồng xu có bị lệch về đầu không.

Các giả thuyết null và thay thế cho bài kiểm tra của chúng tôi như sau:

H0: π 1/6 (cái chết không thiên về số 3 3) π ≤ 1/2 (the coin is not biased towards heads)

Ha: π> 1/6 π > 1/2

Chúng tôi sẽ nhập công thức sau vào Python:

binom_test(x=19, n=30, p=1/2, alternative='greater')

0.10024421103298661

Bởi vì giá trị p này (0.1995) không nhỏ hơn 0,05, chúng tôi không từ chối giả thuyết khống. Chúng tôi không có đủ bằng chứng để nói rằng cái chết bị sai lệch đối với số lượng 3.

Ví dụ 2: Chúng tôi lật một đồng xu 30 lần và nó hạ cánh trên đầu chính xác 19 lần. Thực hiện thử nghiệm nhị thức để xác định xem đồng xu có bị lệch về đầu không.

Các giả thuyết null và thay thế cho bài kiểm tra của chúng tôi như sau:

H0: π 1/6 (cái chết không thiên về số 3 3) π ≤ 0.80 (the new system does not lead to an increase in effectiveness)

Ha: π> 1/6 π > 0.80

Chúng tôi sẽ nhập công thức sau vào Python:

binom_test(x=47, n=50, p=0.8, alternative='greater')

0.005656361012155314

Bởi vì giá trị p này (0.1995) không nhỏ hơn 0,05, chúng tôi không từ chối giả thuyết khống. Chúng tôi không có đủ bằng chứng để nói rằng cái chết bị sai lệch đối với số lượng 3.