Entrar Ainda não tem acesso?
1
resposta

[Projeto] 08 Mão na massa: aplicando testes não paramétricos

Referente ao curso Data Science: testando hipóteses, no capítulo Testes não paramétricos e atividade Mão na massa: aplicando testes não paramétricos

por Moacir José Ferreira Júnior
| 113.4k xp | 258 posts

Primeiro caso Playcatch

import pandas as pd
from scipy import stats

Dados das avaliações

df_avaliacoes = pd.DataFrame({
'playcatch': [4, 5, 3, 4, 5, 4, 4, 3, 5, 4, 5, 3, 4],
'concorrente': [3, 4, 3, 3, 2, 4, 3, 2, 3, 3, 4, 2, 3]
})

Etapa 2: Aplicação do Teste de Mann-Whitney

Queremos saber se a Playcatch é SUPERIOR (alternative='greater')

stat, p_valor = stats.mannwhitneyu(df_avaliacoes['playcatch'],
df_avaliacoes['concorrente'],
alternative='greater')

print(f"Estatística U: {stat}")
print(f"p-valor: {p_valor:.4f}")

Segundo caso Playcatch

import pandas as pd
from scipy import stats

Dados das avaliações do WatchTogether

df_wt = pd.DataFrame({
'Antes_WatchTogether': [3, 4, 3, 4, 2, 4, 3, 2, 3, 3, 4, 2, 3],
'Depois_WatchTogether': [4, 5, 3, 4, 5, 4, 4, 3, 5, 4, 5, 3, 4]
})

Etapa 2: Aplicação do Teste de Wilcoxon

Queremos saber se houve MELHORIA (Depois > Antes)

stat, p_valor = stats.wilcoxon(df_wt['Depois_WatchTogether'],
df_wt['Antes_WatchTogether'],
alternative='greater')

print(f"Estatística de Wilcoxon: {stat}")
print(f"p-valor: {p_valor:.4f}")

Decisão: REJEITAMOS a hipótese nula.

1 resposta
por Lorena Garcia
| 14744.4k xp | 22253 posts
Instrutor

Oi, Moacir! Como vai?

Agradeço por compartilhar.

Você estruturou bem os dois cenários e escolheu corretamente os testes não paramétricos para cada caso, diferenciando bem quando usar Mann-Whitney e Wilcoxon. A interpretação da hipótese alternativa como "greater" também mostra um bom entendimento do objetivo da análise.

Uma dica interessante para o futuro é calcular também o tamanho de efeito para complementar o p-valor e ter uma visão mais completa do impacto observado:


import numpy as np

# exemplo simples de tamanho de efeito (r)
z = stat  # aproximacao simples
n = len(df_avaliacoes['playcatch']) + len(df_avaliacoes['concorrente'])
r = z / np.sqrt(n)

print(r)

Esse código calcula uma estimativa do tamanho do efeito usando a estatística do teste e o tamanho da amostra, ajudando a entender a intensidade da diferença.

Alura Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!

Tópicos relacionados

Mostrar mais tópicos Mostrar menos tópicos

Conteúdos Alura com o tema

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Graduação | Pós-graduação | MBA