如何在数据集上检验似然假设？
如何在数据集上检验似然假设？
提问于 2022-04-13 12:55:20
如何检验以下假设？票价越大，顾客就越有可能独自出海。
利用下面的数据，我们怎样才能检验假设呢？
import seaborn as sns
# dataset
df= sns.load_dataset('titanic')
df[['fare','alone']].head()
fare alone
0 7.2500 False
1 71.2833 False
2 7.9250 True
3 53.1000 False
4 8.0500 True更新
#subset for alone = True
alone = df['fare'].loc[df['alone'] == True]
#import Wilcoxon test
from scipy.stats import wilcoxon
#run wilcoxon test
wilcoxon(alone, not_alone)
> WilcoxonResult(statistic=10173.0, pvalue=2.8669052202786427e-28)回答 1
Data Science用户
发布于 2022-04-13 14:37:34
对这个问题的回答，如评论所示，尝试在票价上进行“单独/倍数”的逻辑回归。这可能是一个很好的第一次思考，但它受到了一些问题。
- 除非你很小心(比很多人都更小心)，否则你的分析就会检查与之相反的关系:较大的交易会与旅行者独处的可能性更小。
- 它测试一个严格的线性(对数概率)关系。
- 允许GLMs建模非线性(如样条)的标准方法不需要单调增加关系，因此模型在某个区域可能呈现下降趋势。
(我可能会说，如果某个地区的票价上涨会降低独自旅行的可能性，那是值得探讨的，但这不是你的问题。)
我主张进行一次片面的Wilcoxon检验，看看独自旅行的人是否会有更高的票价，这在逻辑上相当于你的问题。
Wilcoxon检验消除了与严格线性关系相关的问题(仅为线性移位)，并且很容易进行单边检验。如果你用Spearman相关来探讨一个类似的问题，但是用一个连续的或序数的变量代替你的唯一/多个变量，那么Wilcoxon就是一个完美的匹配，因为Wilcoxon和Spearman相关都是比例概率序数logistic回归模型的特例。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/109972
复制相关文章
相似问题
腾讯云开发者
