Métodos adicionales de prueba de hipótesis

Además de las pruebas A/B, hay varios otros tipos de pruebas de hipótesis que puede realizar junto con el aprendizaje automático.

Método de prueba	Descripción
Prueba z	Una prueba z se utiliza para comparar la media de dos distribuciones cuando se conoce la desviación estándar de una población. Por ejemplo, entre una población de estudiantes en un estado, la puntuación media en un examen es de 77. Si seleccionó una muestra de 100 estudiantes de esta población, la media de esta muestra podría ser de 80. Luego compararía esta media de la muestra con la media de algún otro muestreo aleatorio de 100 estudiantes (por ejemplo, estudiantes en un distrito diferente) para ver si el aumento en la puntuación es significativo. En otras palabras, la hipótesis nula es que los 100 estudiantes seleccionados tienen puntuaciones de examen comparables a un muestreo aleatorio de estudiantes. Una prueba z se realiza al calcular la desviación estándar de la muestra, que luego se utiliza para calcular la puntuación z mencionada anteriormente. La prueba z es más aplicable a tamaños de muestra más grandes, típicamente por encima de 30.
Prueba t	Una prueba t es una alternativa a la prueba z, ya que compara la media de dos distribuciones en las que no se conoce la desviación estándar de la población. Una prueba t estima la desviación estándar de la población al incorporar la desviación estándar de la muestra. La prueba t es más aplicable a tamaños de muestra más pequeños, típicamente por debajo de 30.
Análisis de varianza (ANOVA)	Una prueba de ANOVA compara la media de múltiples distribuciones. En el enfoque estándar, una prueba ANOVA evalúa el efecto que una única variable independiente tiene en tres o más grupos de muestras. Por ejemplo, entre una población de cultivos, puede probar el efecto de un tipo específico de insecticida. La hipótesis nula indicaría que el insecticida específico tiene el mismo efecto en un muestreo aleatorio que en varios otros muestreos aleatorios. ANOVA como una única prueba es más útil que la realización de múltiples pruebas t para cada muestra, ya que ANOVA considera la variación dentro y entre todas las muestras. Esto minimiza la posibilidad de errores.
Prueba de chi cuadrado	Una prueba de chi-cuadrado (χ2) compara el efecto de las variables categóricas. Por ejemplo, podría categorizar a los animales como mamíferos o no mamíferos. También categoriza a los animales como si tuvieran piel o no tuvieran piel. Una prueba de chi-cuadrado intenta responder a la pregunta: "¿Afecta la presencia de pieles a si un animal es o no un mamífero?". En caso afirmativo, se dice que las dos variables categóricas son dependientes. La hipótesis nula de tal prueba es que las variables son independientes, es decir, una variable no tiene un efecto significativo sobre la otra.