Проверка гипотез
Нулевая гипотеза, p-value, t-test и критерий хи-квадрат с scipy.stats.
«Проверка гипотез» — бесплатный урок Learn AI with Python на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Learn AI with Python, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Learn AI with Python содержит 4 уроков всего.
Что такое проверка гипотезы
Проверка гипотезы использует данные, чтобы определить, реален ли наблюдаемый эффект или это лишь случайность. Так специалисты по данным обосновывают утверждения вроде «новый дизайн увеличил число кликов».
Нулевая и альтернативная гипотезы
Нулевая гипотеза H0 утверждает, что эффекта нет (это позиция по умолчанию, основанная на сомнении). Альтернативная гипотеза H1 утверждает, что эффект IS. Мы стараемся собрать свидетельства против H0.
p-значение
p-значение — это вероятность получить настолько экстремальные данные, IF H0 истинна. Малое p-значение означает, что при H0 данные выглядят неожиданно, поэтому мы сомневаемся в H0.
Уровень значимости
Мы сравниваем p с порогом alpha (обычно 0,05). Если p < alpha, мы отвергаем H0; в противном случае не можем её отвергнуть. alpha — это допустимая частота ложноположительных результатов.
Что p НЕ означает
p-значение — это НЕ вероятность того, что H0 истинна, и НЕ величина эффекта. Крошечное p при большом объёме выборки может отражать практически незначительную разницу. Всегда сообщайте также величину эффекта.
t-критерий для одной выборки
ttest_1samp проверяет, отличается ли среднее выборки от известного значения, например отличается ли среднее время ответа от целевого значения 200 мс.
from scipy import stats
import numpy as np
times = np.array([198, 205, 210, 195, 220, 208])
t, p = stats.ttest_1samp(times, popmean=200)
print(t, p)t-критерий для двух выборок
ttest_ind сравнивает средние значения двух INDEPENDENT групп — это стандартный анализ A/B-теста.
control = np.array([20, 22, 19, 24, 21])
treat = np.array([25, 27, 24, 29, 26])
t, p = stats.ttest_ind(control, treat)
print(t, p) # small p -> groups differИнтерпретация результата
Сопоставьте p-значение с alpha и сформулируйте вывод простым языком. Значимость — это решение, а не доказательство полной уверенности.
alpha = 0.05
if p < alpha:
print("Reject H0: the groups differ significantly")
else:
print("Fail to reject H0: no significant difference")Критерий хи-квадрат независимости
chi2_contingency проверяет, связаны ли две CATEGORICAL переменные, используя таблицу сопряжённости с количествами.
table = np.array([[30, 10], [20, 40]]) # rows: group, cols: outcome
chi2, p, dof, expected = stats.chi2_contingency(table)
print(chi2, p)Ошибки I и II рода
Ошибка I рода (ложноположительный результат) отвергает истинную H0; её частота равна alpha. Ошибка II рода (ложноотрицательный результат) не позволяет отвергнуть ложную H0; её частота равна beta. Мощность = 1 - beta — это вероятность обнаружить реальный эффект.
Компромиссы
Снижение alpha уменьшает число ложноположительных результатов, но повышает частоту ложноотрицательных результатов (снижает мощность). Большие выборки уменьшают оба типа ошибок, поэтому планирование размера выборки важно до начала эксперимента.
Быстрая проверка
Проверьте свои знания о проверке гипотез.
Итоги
Основы проверки гипотез:
- H0 (нет эффекта) и H1 (эффект); собирайте свидетельства против H0
- p-значение = P(данные настолько экстремальны | H0); отвергайте H0, если p < alpha
- p — НЕ P(H0 истинна) и НЕ величина эффекта
ttest_1samp,ttest_ind,chi2_contingency- Ошибка I рода (ложноположительный результат, частота alpha) и ошибка II рода (ложноотрицательный результат, частота beta); мощность = 1-beta
Изучай Python с ИИ-репетитором — бесплатно
Пиши и запускай код прямо в браузере, получай мгновенную помощь от ИИ-репетитора 24/7 и продолжи учиться на сайте или в приложении.
- Курсы
- 53
- Уроки
- 225
Часто задаваемые вопросы
Урок «Проверка гипотез» бесплатный?
Да — полный текст урока «Проверка гипотез» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Learn AI with Python, подпишись на CoddyKit PRO. Курс Learn AI with Python содержит 4 уроков всего.
Чему я научусь в уроке «Проверка гипотез»?
Нулевая гипотеза, p-value, t-test и критерий хи-квадрат с scipy.stats. Ты практикуешь Learn AI with Python с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Learn AI with Python?
Предыдущий опыт не требуется. Learn AI with Python на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.
Сколько времени занимает урок «Проверка гипотез»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Learn AI with Python?
Да. Каждый урок Learn AI with Python включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Описательная статистика и распределения
- Вероятность и теорема Байеса
- Проверка гипотез
- Корреляция и ковариация