「ハンバーガー統計学にようこそ！」をPythonでお勉強 3.3まで

こちらのサイトを利用してPython (Anaconda) でデータ解析の勉強をさせてもらおうと思います。
ハンバーガー統計学にようこそ！

3.1　チキンの売り上げは少ないのか

import pandas as pd

url="http://kogolab.chillout.jp/elearn/hamburger/chap3/sec1.html"
dframe_list = pd.io.html.read_html(url,encoding="sjis")

grade_data = dframe_list[0].drop([0])
grade_data.columns = ['','ポテト','チキン','小計'] # indexの変更

waku_potate = float(grade_data.ix[1][1])
mogu_potate = float(grade_data.ix[2][1])
waku_chiken = float(grade_data.ix[1][2])
mogu_chiken = float(grade_data.ix[2][2])

potate = waku_potate + mogu_potate
chiken = waku_chiken + mogu_chiken
pc = potate + chiken
total_df = pd.DataFrame([ ['合計', potate, chiken, pc] ], columns=['','ポテト','チキン','小計'])
grade_data = grade_data.append( total_df )

print('観測度数')
grade_data

観測度数

i_grade_data = dframe_list[1].drop([0])
i_grade_data.columns = ['','ポテト','チキン','小計']

i_waku_potate = (600 / 1000) * 700
i_mogu_potate = (400 / 1000) * 700
i_waku_chiken = (600 / 1000) * 300
i_mogu_chiken = (400 / 1000) * 300
print("期待度数")
i_grade_data['ポテト'][1] = str(i_waku_potate)
i_grade_data['ポテト'][2] = str(i_mogu_potate)
i_grade_data['チキン'][1] = str(i_waku_chiken)
i_grade_data['チキン'][2] = str(i_mogu_chiken)

i_grade_data

期待度数

3.3　カイ２乗検定

#  カイ２乗値
kai = (( float(grade_data['ポテト'][1]) - float(i_grade_data['ポテト'][1]) ) **2 / float(i_grade_data['ポテト'][1])) + (( float(grade_data['ポテト'][2]) - float(i_grade_data['ポテト'][2]) ) **2 / float(i_grade_data['ポテト'][2])) + (( float(grade_data['チキン'][1]) - float(i_grade_data['チキン'][1]) ) **2 / float(i_grade_data['チキン'][1])) + (( float(grade_data['チキン'][2]) - float(i_grade_data['チキン'][2]) ) **2 / float(i_grade_data['チキン'][2]))

kai

4.464285714285714

# scipyを使ってカイ２乗値
from scipy import stats

observed = [ waku_potate, mogu_potate, waku_chiken, mogu_chiken ]
expected = [ i_waku_potate, i_mogu_potate, i_waku_chiken, i_mogu_chiken ]

print( observed, expected )
chisq, p = stats.chisquare( observed, expected )

print('カイ二乗統計量= {:0.2f}'.format(chisq))
print('P値 = {:0.2f}'.format(p))

[435.0, 265.0, 165.0, 135.0] [420.0, 280.0, 180.0, 120.0]
カイ二乗統計量= 4.46
P値 = 0.22

url="http://kogolab.chillout.jp/elearn/hamburger/chap3/sec3.html"
dframe_list3 = pd.io.html.read_html(url,encoding="sjis")

# 一般的に、行と列がある二次元の表の場合は、
#   自由度＝（行の数－1）×（列の数－1）

# 自由度の計算
free_level = (2-1) * (2-1)
print( "自由度= {}".format(free_level) )

print("カイ２乗分布表")
kai_list = dframe_list3[1].drop([0])
kai_list.columns = [ "↓自由度／確率→", "0.05", "0.01" ]
kai_list

自由度= 1
カイ２乗分布表

自由度１の0.05と0.01の数値で比較検討するらしい。(未完)

関連記事:

「ハンバーガー統計学にようこそ！」をPythonでお勉強 2.2まで 「ハンバーガー統計学にようこそ！」をPythonでお勉強 1.9まで 「ハンバーガー統計学にようこそ！」をPythonでお勉強 2.4まで 「ハンバーガー統計学にようこそ！」をPythonでお勉強 2.9まで 「ハンバーガー統計学にようこそ！」をPythonでお勉強 「ハンバーガー統計学にようこそ！」をPythonでお勉強 2.3まで