Entrar Ainda não tem acesso?
1
resposta

Resultado z_test

Referente ao curso Data Science: testes estatísticos com Python, no capítulo Testes para duas amostras e atividade Comparando a média de duas amostras

por Rafael Torezani Gomes
| 132.3k xp | 83 posts
Analista Administrativo

Fala Pessoal, boa noite.

Fiquei com uma dúvida no teste z para a comparação de dois conjuntos de amostras.

No primerio teste, utilizando a função z_test direto, obtemos os seguintes valores:

print(ztest(notas.rating, notas1.rating))
zconfint(notas.rating, notas1.rating)

(-5.894327101501841, 3.762112778881965e-09)
(-0.5588219849631111, -0.2799245129192442)

Porém, quando utilizados o método summary, encontramos valores divergentes.

descr_todas_as_notas = DescrStatsW(notas.rating)
descr_toystory = DescrStatsW(notas1.rating)
comparacao = descr_todas_as_notas.get_compare(descr_toystory)
comparacao.summary(use_t=False)

Test for equality of means
                      coef         std err      z               P>|z|      [0.025   0.975]
subset #1     -0.1624   0.206       -0.788       0.430       -0.566   0.241

No caso, tanto na utilização direta do z_test, quanto no método summary, o valor da estatística teste (z) e o intervalo de confiança não deveriam ser o mesmo, ou seja, -5.894 e -0.559 -0.280 respectivamente ?

1 resposta
por João Vitor de Miranda
| 1423.8k xp | 1891 posts
Instrutor Instrutor de Data Science

Olá Rafael, tudo bem? Espero que sim!

Pode ser que você tenha alterado alguma parte do conjunto de dados no espaço entre um código e outro, já que ambos devem retornar o mesmo resultado.

O DescrStatsW faz uso da função ztest_ind para retornar o p-value e Z crítico e essa função por sua vez com os argumentos que foram utilizados, tem o mesmo resultado da função ztest.

A partir do arquivo ratings.csv, que pode ser obtido na Atividade 02: Preparando o Ambiente da primeira aula do curso, podemos seguir com os seguintes códigos:

import pandas as pd
import numpy as np

from statsmodels.stats.weightstats import ztest
from statsmodels.stats.weightstats import zconfint
from statsmodels.stats.weightstats import DescrStatsW

from statsmodels.stats import weightstats as sms

notas = pd.read_csv("ratings.csv")
notas1 = notas.query("movieId == 1")

print(ztest(notas.rating, notas1.rating))
print(sms.CompareMeans.from_data(notas.rating, notas1.rating).ztest_ind())
print(zconfint(notas.rating, notas1.rating))

descr_todas_as_notas = DescrStatsW(notas.rating)
descr_toystory = DescrStatsW(notas1.rating)
comparacao = descr_todas_as_notas.get_compare(descr_toystory)
comparacao.summary()

O código anterior retorna os seguintes resultados:

(-5.894327101501841, 3.762112778881965e-09)
(-5.894327101501853, 3.762112778881702e-09)
(-0.5588219849631111, -0.2799245129192442)
coefstd errtP>|t|[0.0250.975]
subset #1-0.41940.071-5.8940.000-0.559-0.280

Repare que a utilização do ztest e o ztest_ind retornam o mesmo resultado, assim como o summary().

Espero que tenha tirado sua dúvida.

Estou à disposição. Bons estudos!