5 통계 테스트 모든 데이터 과학자가 알아야 할 모든 데이터 - 분석 Vidhya

데이터 과학의 필수 통계 테스트 : 포괄적 인 가이드

데이터 과학에서 가치있는 통찰력을 잠금 해제하는 것이 가장 중요합니다. 통계 테스트를 마스터하는 것은이를 달성하는 데 필수적입니다. 이 테스트는 데이터 과학자들이 가설을 엄격하게 검증하고, 다양한 그룹을 비교하고, 숨겨진 관계를 발견하고, 자신감있는 예측을 할 수 있도록합니다. 시장 동향을 분석하거나, 기계 학습 알고리즘을 정제하거나 과학 연구를 수행하든 통계 테스트에 대한 강력한 파악은 필수적입니다. 이 기사는 모든 데이터 과학자가 알아야 할 주요 통계 테스트를 탐구합니다.

목차 :

• 소개
• 데이터 과학에서 통계 테스트의 중요한 역할
• 데이터 과학자에 대한 5 가지 통계 테스트
  • z- 테스트
  • t- 테스트
  • ANOVA (분산 분석)
  • f- 검정
  • 카이-제곱 테스트
• 결론

데이터 과학에서 통계 테스트의 중요성 :

통계 테스트는 다음의 객관적인 프레임 워크를 제공합니다.

• 가설 테스트 : 관찰 된 데이터 패턴이 진정 또는 단순한 무작위 변동인지 객관적으로 결정합니다.
• 데이터 중심 결정 : 주관적인 의견을 정보에 입각 한 의사 결정에 대한 정량적 증거로 대체하십시오.
• 그룹 비교 : 다양한 데이터 세트 또는 실험 조건에서 의미있는 비교를 가능하게합니다.
• 관계 발견 : 데이터 세트 내 변수 간의 관계를 밝히고 정량화합니다.
• 모델 평가 : 예측 모델의 정확성과 신뢰성을 평가합니다.
• 데이터 품질 보증 : 데이터 트렌드의 이상 또는 상당한 변화를 식별합니다.

5 가지 필수 통계 테스트 :

z- 테스트

Z- 검정은 샘플 평균과 모집단 평균 사이에 유의 한 차이가 있는지 또는 인구 분산이 알려지고 샘플 크기가 크면 두 샘플 평균 사이에 유의 한 차이가 있는지 평가합니다 (일반적으로 n> 30). 표준 정규 분포 (평균 = 0, 표준 편차 = 1)에 의존합니다.

공식 (한 샘플 Z- 테스트) :

 <code>z = (x̅ - μ) / (σ / √n)</code>

어디:

• x̅ = 샘플 평균
• μ = 가설 된 인구 평균
• σ = 인구 표준 편차
• n = 샘플 크기

z- 테스트 수행 :

1. 가설 정의 : NULL (HAL : 유의 한 차이 없음)과 대안 (HAT : 유의 한 차이) 가설을 설명하십시오.
2. 유의 수준 (α) : 진정한 귀무 가설을 거부 할 확률을 설정하십시오 (예 : α = 0.05).
3. Z- 테스트 유형 : 적절한 테스트 (한 샘플, 2- 표본 또는 비율)를 선택하십시오.
4. z- 진술 계산 : 관련 공식을 사용하십시오.
5. 임계 값 (z_critical) : α를 기반으로 표준 정규 분포 테이블에서 임계 z 값을 결정하십시오.
6. 결과 해석 : 계산 된 z-statistic (| z |)의 절대 값을 z_critical과 비교하십시오. | z | > z_critical.

t- 테스트

T- 검정은 두 그룹의 평균 사이에 유의 한 차이가 있는지 결정합니다. Z- 테스트와 달리 인구 분산을 알 수없는 경우 사용됩니다.

t- 검정 유형 :

• 한 샘플 T- 검정 : 샘플 평균을 가정 된 모집단 평균과 비교합니다.
• 독립 샘플 T- 검정 : 두 개의 독립 그룹의 평균을 비교합니다.
• 페어링 된 샘플 T- 테스트 : 두 관련 그룹의 평균을 비교합니다 (예 : 전 및 후 측정).

t- 검정 수행 :

단계는 Z- 검정과 유사하지만 적절한 t- 검정 공식을 사용하고 T- 분포 테이블 (자유도 고려)을 참조하여 중요한 t- 값을 찾으십시오.

ANOVA (분산 분석)

ANOVA는 통계적으로 유의 한 차이를 식별하기 위해 3 개 이상의 그룹의 평균을 비교합니다.

ANOVA 유형 :

• 일원 분산 분석 : 비교는 한 가지 요소를 기준으로 그룹 간의 평균을 비교합니다.
• 양방향 ANOVA : 두 가지 요소와 상호 작용을 기반으로 한 평균을 비교합니다.
• 반복 측정 ANOVA : 동일한 대상이 여러 조건에서 측정 될 때 사용됩니다.

ANOVA 수행 : ANOVA에는 사각형 (SST, SSB, SSW), 자유도, 평균 제곱 (MSB, MSW) 및 F- 스테이트 틱의 합계를 계산합니다. 그런 다음 F-statistic은 F- 분포 테이블의 임계 F 값과 비교됩니다.

f- 검정

F- 검정은 정상적으로 분포 된 두 인구의 분산을 비교합니다. 두 그룹간에 데이터 스프레드에 통계적으로 유의 한 차이가 있는지 확인합니다.

공식:

 <code>F = σ₁² / σ₂²</code>

어디:

• σ of² = 인구의 분산 1
• σ of² = 인구의 분산 2

F- 테스트 수행 : 샘플 분산을 계산하고, F- 통계를 계산하고, 자유도를 결정하며, F- 스테이트 틱을 F- 분포 테이블의 임계 F 값과 비교하십시오.

카이-제곱 테스트

카이-제곱 테스트는 두 범주 형 변수 사이의 연관성을 평가합니다.

카이-제곱 테스트의 유형 :

• 카이-제곱 독립 테스트 : 두 범주 형 변수 사이에 관계가 있는지 결정합니다.
• 카이-제곱 장점 테스트 : 샘플 분포가 가정 된 분포와 얼마나 잘 일치하는지 평가합니다.

카이-제곱 테스트 수행 : 두 테스트 모두 관찰 및 예상 빈도를 사용하여 카이 제곱 통계 (χ²)를 계산하는 것이 포함됩니다. 그런 다음 χ² 값은 카이 제곱 분포 테이블의 임계 값과 비교됩니다.

결론:

통계 테스트는 데이터 과학자에게 없어야 할 도구입니다. 그들의 적용 및 해석을 이해하는 것은 데이터에서 유효한 결론을 도출하는 데 중요합니다. 이 5 가지 테스트 (Z- 테스트, T- 테스트, ANOVA, F- 테스트 및 카이-제곱 테스트)를 마스터함으로써 데이터 과학자들은 자신있게 데이터를 분석하고 가설을 검증하며 정보에 입각 한 결정을 내릴 수 있습니다. 테스트 선택은 연구 질문, 데이터 유형 및 데이터에 대한 가정에 따라 다릅니다.

위 내용은 5 통계 테스트 모든 데이터 과학자가 알아야 할 모든 데이터 - 분석 Vidhya의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!