Portuguese, Brazilian subtitles

← Non-Normal Data - Intro to Data Science

Get Embed Code
4 Languages

Showing Revision 9 created 06/20/2016 by Udacity Robot.

  1. Quando executamos um teste t, presumimos que nossos dados
  2. são normais. De modo geral, frequentemente encontramos distribuições de probabilidade.
  3. Não são nitidamente normais. Podem ser parecidos com este, ou
  4. com este, ou serem completamente diferentes. Como você imaginava, há
  5. ainda testes estatísticos que podemos utilizar quando nossos dados
  6. não são normais. Por que não discutimos brevemente o que você
  7. pode fazer em situações como esta? Primeiro, devemos
  8. ter alguma maquinaria no local para determinar se nossos dados
  9. são ou não gaussianos. Uma forma bruta, imprecisa
  10. de determinar se nossos dados são ou não normais é
  11. simplesmente plotar um histograma de nossos dados e perguntar,
  12. parece com uma curva de sino? Nos dois casos, a
  13. a resposta seria não. Mas podemos fazer um pouco
  14. melhor que isso. Há alguns testes estatísticos que podemos
  15. usar para medir a probabilidade de uma amostra ser retirada
  16. de uma população distribuída normalmente. Um deles é o teste shapiro-wilk.
  17. Não vou entrar em detalhes
  18. em relação à teoria deste teste, mas
  19. quero que você saiba que ele é implementado em scipy.
  20. Você pode chamá-lo realmente de forma fácil assim. W e
  21. P serão iguais aos dados scipy.stats.shapiro, nos quais
  22. nossos dados aqui são apenas um array ou uma lista que contém todos os nossos
  23. pontos de dados. Esta função vai retornar esses
  24. dois valores. O primeiro, W é a estatística de Teste Shapiro-Wilk.
  25. O segundo valor nestes dois polos será
  26. nosso valor de P, que deve ser interpretado
  27. da mesma forma que interpretaríamos
  28. o valor de p para nosso teste t. Ou seja, dada a
  29. hipótese nula de que estes dados são retirados de
  30. uma distribuição normal, qual é a probabilidade de que
  31. observaríamos um valor W que era, pelo menos, tão extremo quanto o que vimos?