Влияет ли знание методов анализа данных на уровень заработной платы? Работает ли система оценки кредитоспособности клиентов банка? Действительно ли новый баннер лучше старого? Чтобы ответить на такие вопросы, нужно собрать данные. Данные почти всегда содержат шум, поэтому утверждения, которые можно сделать на их основе, верны не всегда, а только с определённой вероятностью. Строить наиболее корректные выводы и численно оценивать степень уверенности в них помогают методы статистики. Как можно оценивать неизвестные параметры системы по небольшому количеству наблюдений? Как измерить точность таких оценок? Какие данные нужны, чтобы ответить на ваш вопрос, и на какие вопросы можно ответить с помощью уже имеющихся данных? Вы узнаете все, что нужно для успешного превращения данных в выводы — организация экспериментов, A/B-тестирование, универсальные методы оценки параметров и проверки гипотез, корреляции и причинно-следственные связи.
Перестановочные критерии
Loading...
Из курса от партнера Moscow Institute of Physics and Technology
Построение выводов по данным
573 оценки
Moscow Institute of Physics and Technology
573 оценки
Курс 4 из 6 — Specialization Машинное обучение и анализ данных
Из урока
АБ-тестирование
Вторая неделя посвящена задачам АБ-тестирования — статистической технике, позволяющей оценить действие изменений в вашем продукте на конечного пользователя. Вы узнаете, как правильно такой эксперимент строить и какими методами анализировать.
Познакомьтесь с преподавателями
Evgeniy Riabenko
Evgeny Sokolov
Victor Kantor
Emeli Dral
[БЕЗ ЗВУКА] В этом видео мы разберемся
еще с одним семейством непараметрических критериев — перестановочные критерии.
Давайте для начала вспомним, как работали критерии ранговые.
Мы брали наши выборки, превращали их в ранги, затем делали какое-то
дополнительное предположение и на основании этого предположения получали,
что разные конфигурации этих рангов могли реализоваться с той же самой вероятностью.
Мы перебирали все эти конфигурации и считали на каждой конфигурации значение
статистики, таким образом оценивали для нашей статистики нулевое распределение.
Что если в этом алгоритме мы пропустим первый пункт, не будем превращать наши
наблюдения в ранги, а все остальное будем делать точно так же?
Именно так работают перестановочные критерии.
Одновыборочный перестановочный критерий проверяет нулевую гипотезу о том,
что математическое ожидание случайной величины, из которой выборка взята,
равно некоторой константе m0.
Дополнительно делается предположение о том, что распределение исходной случайной
величины относительно математического ожидания симметрично.
Статистикой перестановочного критерия в одновыборочной задаче может служить
сумма разностей i-того значения x и m0.
Если нулевая гипотеза справедлива, каждый из объектов выборки мог с одинаковой
вероятностью реализоваться слева и справа от математического ожидания.
Поэтому мы будем перебирать все 2 в степени n знаков,
которые могут стоять в выражении для нашей статистики перед разностью xi − m0.
И вот на основании этого перебора мы и восстановим нулевое распределение
нашей статистики.
Давайте вспомним задачу анализа диаметра шайб: по выборке из 24 элементов мы
пытаемся понять, соответствует ли средний диаметр шайбы стандарту — 10 миллиметров.
Проверяем эту нулевую гипотезу мы против двухсторонней альтернативы о том,
что средний диаметр стандарту не соответствует.
Критерий знаковых рангов в нашем случае давал достигаемый уровень
значимости 0.067, и вот так выглядело его нулевое распределение.
Если мы используем перестановочный критерий,
его нулевое распределение выглядит вот так.
Значение статистики, которая в нашем эксперименте реализовалась — это 14.6.
Для того чтобы посчитать достигаемый уровень значимости,
мы суммируем высоты всех столбиков, начиная от 14.6 и больше,
а также от −14.6 и меньше, поскольку альтернатива у нас двухсторонняя.
В результате мы получаем достигаемый уровень значимости, равный примерно 0.1,
то есть нулевая гипотеза все еще не отвергается.
Обратите внимание, что достигаемый уровень значимости перестановочного критерия —
это фактически доля перебираемых перестановок,
на которых мы получаем такое же или еще более экстремальное значение статистики.
Двухвыборочная задача со связанными выборками решается абсолютно
таким же критерием — от двух связанных выборок мы переходим к одной
выборке соответствующих попарных разностей.
Проверяем нулевую гипотезу вида матожидание X1 − X2 = 0.
И делаем это с помощью статистики,
равной просто сумме построенных нами попарных разностей.
Чтобы рассчитать нулевое распределение этой статистики,
перебираем 2 в степени n знаков, которые могут возникать перед этими слагаемыми,
получаем ровно то же самое.
В задаче с оценкой эффективности транквилизатора у нас есть
девять пациентов,
для которых до и после приема мы измерили депрессивность по шкале Гамильтона.
И мы проверяем нулевую гипотезу о том, что депрессивность не изменилась,
против односторонней альтернативы о том, что транквилизатор подействовал,
то есть депрессивность снизилась.
Критерий знаковых рангов давал достигаемый уровень значимости 0.019,
и вот так выглядело его нулевое распределение.
Нулевое распределение перестановочного критерия изображено на нижнем графике.
Значение статистики, которое реализуется в нашем эксперименте — 3.887.
Суммируя высоты всех столбиков, начиная от 3.887 и направо,
мы получаем достигаемый уровень значимости, равный 0.04.
Нулевая гипотеза отвергается в пользу односторонней альтернативы.
Перестановочный критерий для независимых выборок выглядит абсолютно так же, как
критерий Манна-Уитни за исключением того, что мы не делаем ранговые преобразования.
Он проверяет нулевую гипотезу о том, что распределение случайных величин,
из которых взяты две независимые выборки, полностью совпадают,
против альтернативы сдвига.
Отличается только его статистика.
Статистика — это просто разность выборочных средних в этих двух выборках.
Нулевое распределение точно так же, как и для критерия Манна-Уитни,
получается перебором всех C из n1 + n2 по n1 размещений нашей объединенной
выборки по выборкам X1 и X2 объемов n1 и n2.
В задаче с анализом связей между кофеином и респираторным обменом мы проверяли
нулевую гипотезу о том, что среднее значение показателей респираторного обмена
не отличается в двух группах: пациентов, которые приняли кофеин и приняли
плацебо — против двухсторонней альтернативы о том, что что-то изменилось.
Критерий Манна-Уитни давал достигаемый уровень значимости 0.052.
Вот так выглядело его нулевое распределение.
На нижнем графике здесь нулевое распределение перестановочного критерия,
который мы только что рассмотрели.
Значение статистики, которое в эксперименте реализуется — 6.33,
оно соответствует достигаемому уровню значимости 0.0578.
Нулевая гипотеза все еще не отвергается.
У перестановочных критериев есть некоторые особенности,
о которых очень важно помнить.
Во-первых, статистику для перестановочных критериев можно выбирать по-разному.
В некоторых случаях это приводит к одному и тому же достигаемому уровню значимости,
то есть, по сути, ни на что не влияет.
Например, в одновыборочной задаче, если вы проверяете гипотезу о том,
что математическое ожидание равно нулю, вы можете использовать в качестве статистики
перестановочного критерия сумму элементов выборки, а можете — выборочное среднее.
Нулевые распределения этих двух статистик будут отличаться только сдвигом
и масштабом, поэтому достигаемый уровень значимости, посчитанный по ним,
будет одним и тем же.
В других случаях, по-разному выбирая статистику для перестановочного критерия,
вы можете получать разные достигаемые уровни значимости.
Например, распределения нулевые у статистик — выборочное среднее и
выборочное среднее, деленное на выборочную дисперсию, умноженную на корень из n,
— отличаются не только сдвигом и масштабом, поэтому достигаемый уровень
значимости у таких критериев с этими двумя вариантами статистик тоже будут разные.
Поэтому при выборе статистики для перестановочного критерия важно думать
о том, какие из свойств исходной случайной величины для вас наиболее важны.
Если вам неинтересно нормировать на выборочную дисперсию,
не нужно этого делать.
Перестановочные критерии придумал Рональд Фишер еще в начале XX века,
однако активно их использовать начали только с появлением и широким
распространением компьютеров, потому что для вычисления нулевых
распределений этих критериев можно использовать только перестановки.
В отличие от ранговых критериев, никаких нормальных аппроксимаций для нулевого
распределения в случае больших выборок не существует, поэтому единственный способ
оценить нулевое распределение статистики — это перебрать много перестановок.
Поэтому точно посчитать достигаемый уровень значимости перестановочного
критерия на больших выборках достаточно сложно.
Хорошая новость заключается в том, что мы можем его посчитать приближенно.
Для этого нужно взять просто какое-то случайное подмножество всех возможных
перестановок.
При этом достигаемый уровень значимости будет оценен с точностью примерно
√p * (1 − p), деленное на количество перестановок, которое вы берете.
На практике, как правило, достаточно просто взять несколько тысяч перестановок,
и вы уже получите достаточно точную аппроксимацию
достигаемого уровня значимости.
Итак, в этом видео мы узнали, как работают перестановочные критерии.
Они действуют в абсолютно тех же самых предположениях, что и ранговые,
но учитывают больше информации за счет того, что никакое понижающее
количество информации в данных преобразованиях не используется.
В следующем видео мы поговорим про связь между перестановочными критериями и
бутстрепом.
Ознакомьтесь с нашим каталогом
Присоединяйтесь бесплатно и получайте персонализированные рекомендации, обновления и предложения.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2018 Все права защищены.
