통계 실습 | 파이썬으로 카이제곱검정

문제 4.  카이제곱검정

1. 출제의도
   • 귀무가설과 대립가설을 설정할 수 있다.
   • 카이제곱 검정을 이해하고 올바르게 해석할 수 있다.
   • 카이제곱 검정 함수에 적절한 전달인자를 넣을 수 있다.
2. 문제
   • 다음 click_rate 데이터는 헤드라인별 클릭과 클릭하지 않은 수 에 대한 데이터입니다.
   • 귀무가설과 대립가설을 설정하세요.
   • 카이제곱 검정 수행하여 실제로 클릭률에 대한 차이가 있는지 유의수준 0.05 에서 검정해보세요.
3. Skeleton code

import pandas as pd
from scipy import stats
# URL 로 데이터 가져오기
url = "https://raw.githubusercontent.com/gedeck/practical-statistics-for-data-scientists/master/data/click_rates.csv"
click_rate  = pd.read_csv(url)
clicks = click_rate.pivot(index='Click', columns='Headline', values='Rate')
display(clicks)

'''
여기에 코드를 작성하세요.
'''

# 결론
alpha = 0.05  # 유의수준
if pvalue < alpha:
    print("귀무가설 기각: 헤드라인과 페이지 클릭율에는 관련이 있다..")
else:
    print("귀무가설 채택: 헤드라인과 페이지 클릭율에는 관련이 없다.")

출력 결과 예시

'''
H0: 귀무가설은 ~~ 이다
H1: 대립가설은 ~~ 이다.
chisq:1.666
pvalue:0.435
귀무가설 채택: 헤드라인과 페이지 클릭율에는 관련이 없다.
'''

---

💡 문제 풀이 

`내 풀이`

#문제4
# 카이제곱검정
import pandas as pd
from scipy import stats
# URL 로 데이터 가져오기
url = "https://raw.githubusercontent.com/gedeck/practical-statistics-for-data-scientists/master/data/click_rates.csv"
click_rate  = pd.read_csv(url)
clicks = click_rate.pivot(index='Click', columns='Headline', values='Rate')
display(clicks)

# 독립성 검정
chisq, pvalue, dof, expeted = stats.chi2_contingency(clicks)

H0 =f"헤드라인과 페이지 클릭율에는 관련이 없다."
H1 =f"헤드라인과 페이지 클릭율에는 관련이 있다."
print(f"H0(귀무가설):{H0} \nH1(대립가설):{H1} \nchisq:{chisq:.3f} \npvalue:{pvalue:.3f}")

# 결론
alpha = 0.05  # 유의수준
if pvalue < alpha:
    print("귀무가설 기각: 헤드라인과 페이지 클릭율에는 관련이 있다.")
else:
    print("귀무가설 채택: 헤드라인과 페이지 클릭율에는 관련이 없다.")

`출력 결과`

`오답노트`

• 참고) 독립성 검정 `scipy.stats.chi2_contingency` : 반환하는 변수 4개
  • chisq, pvalue, dof, expeted = stats.chi2_contingency(clicks)

chi2_contingency — SciPy v1.15.1 Manual

• 참고) 피벗테이블 `pandas.DataFrame.pivot(index= , columns= , values= )`
  • click_rate.pivot(index='Click', columns='Headline', values='Rate')

pandas.DataFrame.pivot — pandas 2.2.3 documentation