So führen sie den genauen fisher-test in python durch

Der exakte Fisher-Test wird verwendet, um zu bestimmen, ob zwischen zwei kategorialen Variablen ein signifikanter Zusammenhang besteht oder nicht.

Er wird im Allgemeinen als Alternative zumChi-Quadrat-Unabhängigkeitstest verwendet , wenn eine oder mehrere Zellenzahlen in einer 2 × 2-Tabelle weniger als 5 betragen.

In diesem Tutorial wird erläutert, wie Sie den genauen Fisher-Test in Python durchführen.

Beispiel: Exakter Fisher-Test in Python

Angenommen, wir möchten wissen, ob das Geschlecht mit der Präferenz für eine politische Partei an einer bestimmten Hochschule zusammenhängt.

Um dies herauszufinden, befragen wir stichprobenartig 25 Studierende auf dem Campus. Die Anzahl der demokratischen oder republikanischen Studenten, basierend auf ihrem Geschlecht, ist in der folgenden Tabelle aufgeführt:

Um festzustellen, ob ein statistisch signifikanter Zusammenhang zwischen Geschlecht und Parteipräferenz besteht, können wir die folgenden Schritte verwenden, um den genauen Fisher-Test in Python durchzuführen:

Schritt 1: Erstellen Sie die Daten.

Zuerst erstellen wir eine Tabelle zur Speicherung unserer Daten:

 data = [[8, 4],
         [4, 9]]

Schritt 2: Führen Sie den genauen Fisher-Test durch.

Als nächstes können wir Fishers exakten Test mit der Funktion „fisher_exact“ aus der SciPy-Bibliothek durchführen, die die folgende Syntax verwendet:

Fisher_exact(table, alternative=’two faces‘)

Gold:

• Tabelle: Eine 2×2-Kontingenztabelle
• Alternative: Definiert die Alternativhypothese. Die Standardeinstellung ist „zweiseitig“, für einseitige Tests können Sie jedoch auch „weniger“ oder „größer“ wählen.

Der folgende Code zeigt, wie diese Funktion in unserem konkreten Beispiel verwendet wird:

 import scipy.stats as stats

print(stats.fisher_exact(data))

(4.5, 0.1152)

Der p-Wert zum Testen beträgt 0,1152 .

Der exakte Fisher-Test verwendet die folgenden Null- und Alternativhypothesen:

• H ₀ : (Nullhypothese) Die beiden Variablen sind unabhängig.
• H ₁ : (Alternativhypothese) Die beiden Variablen sind nicht unabhängig.

Da dieser p-Wert nicht kleiner als 0,05 ist, lehnen wir die Nullhypothese nicht ab.

Wir haben daher keine ausreichenden Beweise dafür, dass ein signifikanter Zusammenhang zwischen Geschlecht und politischen Parteipräferenzen besteht.

Mit anderen Worten: Geschlecht und politische Parteipräferenzen sind unabhängig.