В мире реальной науки о данных часто сталкиваешься с тем, что учебные концепции не работают так, как задумывалось. Тогда как идеальные данные в учебниках выглядят прекрасно, на практике все гораздо сложнее: выбросы, искажения и вариации могут испортить результаты анализа.
Недавно мы рассмотрели, как строить исследовательский процесс анализа данных с помощью Pingouin. Но что делать, если стандартные тесты не работают? Вместо того чтобы выбрасывать данные, можно обратиться к робастной статистике, которая обеспечивает надежные результаты даже при наличии проблем с данными.
В нашем обучающем наборе данных о качестве вина мы проверим три сценария: сравнение белых и красных вин, анализ изменений в сахаре у пациентов и как уровень остаточного сахара различается в зависимости от оценок качества вина. Мы используем разные тесты: тест Манна-Уитни для сравнения групп, тест Уилкоксона для парных измерений и ANOVA Уэлча для многогрупповых сравнений. Каждый тест поможет избежать ловушек неудавшихся предположений.
Таким образом, даже если у данных есть недостатки, с умением и правильными инструментами можно добиваться значимых выводов. Это и показывает Pingouin, позволяя не зацикливаться на идеальности данных, а добиваться профессиональных результатов.
*компания Meta Platforms Inc. признана экстремистской организацией, ее деятельность на территории России запрещена