【Python語言應(yīng)用案例：電商中消費者的性別和購買生鮮有無關(guān)系830字】

IPython語言應(yīng)用案例：電商中消費者的性別和購買生鮮有無關(guān)系1.1案例描述這是個產(chǎn)品運營分析的案例，我們知道在日常的購物中，一般會是女姓去買菜，在網(wǎng)絡(luò)上也是一樣嗎？為了探究電商中消費者的性別和購買生鮮有無關(guān)系，我們歸納整理出數(shù)據(jù)，列出如下表格.表2.8性別對購買生鮮人數(shù)的影響情況男女合計買生鮮200110310不買生鮮49883581合計698193891分析：電商中消費者的性別是一個分類變量，有男性和女性兩個取值，買生鮮情況也是一個分類變量，有購買生鮮和不購買生鮮兩個取值，總頻數(shù)明顯大于等于四十，且通過計算得到所有理論數(shù)大于等于五，所以可以運用卡方檢驗進行關(guān)聯(lián)性分析，探究電商中消費者的性別和購買生鮮有無關(guān)系.1.2問題解決方法一：(1)作出假設(shè)原假設(shè)H0:性別與購買生鮮無關(guān)備擇假設(shè)H1：性別與購買生鮮有關(guān)(2)計算理論值我們發(fā)現(xiàn)有65%的人不在線上買海鮮，35%的人在線上買海鮮，根據(jù)計算，可以得出理論數(shù)值如下.表2.9性別對購買生鮮人數(shù)的理論影響情況男女買生鮮244.367.55不買生鮮453.7125.45(3)計算卡方值根據(jù)公式計算得出卡方值為53.4.同樣我們也可以運用Python簡化計算：importnumpyasnpfromscipy.statsimportchi2_contingencya=np.array([200,110,498,83])b=np.array([244.3,67.55,453.7,125.45])c=((a-b)**2/b).sum()print(c)輸出結(jié)果：53.39951989456868(4)求出自由度自由度：置信度：規(guī)定為90%(5)用Python語言求臨界值輸入程序：fromscipyimportstatskf=stats.chi2.ppf(q=0.90,df=1)print(kf)輸出結(jié)果：2.705543454095404因此我們可以得出當自由度為1，置信度為90%時，得到臨界值2.706.(6)作出決策根據(jù)53.4遠大于2.703，卡方值大于臨界值，得到拒絕原假設(shè)的結(jié)論，所以性別與線上買生鮮是相關(guān)的.方法二：輸入程序：importnumpyasnpfromscipy.statsimportchi2_contingencydata=np.array([[200,110],[498,83]])kf=chi2_contingency(data)print(kf)輸出結(jié)果：(52.28827874289513,4.792263379950344e-13,1,array([[242.85072952,67.14927048],[455.14927048,125.85072952]]))結(jié)果顯示P值為4.792263379950344e-13，是一個近乎于很小的數(shù)，小于0.05，應(yīng)該拒絕原假設(shè)，認為性別與購買生鮮有關(guān).1.3小結(jié)案例二探究的是電商中消費者的性別與購買生鮮是否有關(guān)，運用方法一和方法二進行了探究，以上方法都是可行的，方法一通過比較統(tǒng)計量的關(guān)系判斷關(guān)系，當?shù)玫降慕y(tǒng)計量遠超過卡方分布的臨界值，位于拒絕域內(nèi)，所以拒絕原假設(shè)[15]。方法二通