So führen sie einen mann-whitney-u-test in python durch
EinMann-Whitney-U-Test wird verwendet, um Unterschiede zwischen zwei Stichproben zu vergleichen, wenn die Stichprobenverteilungen nicht normalverteilt sind und die Stichprobengrößen klein sind (n < 30).
Er gilt als nichtparametrisches Äquivalent des t-Tests bei zwei Stichproben .
In diesem Tutorial wird erläutert, wie Sie einen Mann-Whitney-U-Test in Python durchführen.
Beispiel: Mann-Whitney-U-Test in Python
Forscher möchten wissen, ob die Kraftstoffaufbereitung zu einer Veränderung des durchschnittlichen Kraftstoffverbrauchs eines Autos führt. Um dies zu testen, messen sie den mpg von 12 Autos mit Kraftstoffaufbereitung und 12 Autos ohne Aufbereitung.
Da die Stichprobengrößen klein sind und die Forscher vermuten, dass die Stichprobenverteilungen nicht normalverteilt sind, beschlossen sie, einen Mann-Whitney-U-Test durchzuführen, um festzustellen, ob zwischen den beiden Gruppen ein statistisch signifikanter Unterschied in mpg besteht.
Führen Sie die folgenden Schritte aus, um einen Mann-Whitney-U-Test in Python durchzuführen.
Schritt 1: Erstellen Sie die Daten.
Zuerst erstellen wir zwei Tabellen, um die mpg-Werte für jede Fahrzeuggruppe zu speichern:
group1 = [20, 23, 21, 25, 18, 17, 18, 24, 20, 24, 23, 19] group2 = [24, 25, 21, 22, 23, 18, 17, 28, 24, 27, 21, 23]
Schritt 2: Führen Sie einen Mann-Whitney-U-Test durch.
Als Nächstes verwenden wir die Funktion mannwhitneyu() aus der Bibliothek scipy.stats, um einen Mann-Whitney-U-Test durchzuführen, der die folgende Syntax verwendet:
mannwhitneyu(x, y, use_continuity=True, alternative=None)
Gold:
- x: eine Tabelle mit Beispielbeobachtungen aus Gruppe 1
- y: eine Tabelle mit Beispielbeobachtungen aus Gruppe 2
- use_continuity: wenn eine Kontinuitätskorrektur (1/2) berücksichtigt werden muss. Der Standardwert ist True.
- Alternative: Definiert die Alternativhypothese. Der Standardwert ist „Keine“, wodurch ein p-Wert berechnet wird, der halb so groß ist wie der „zweiseitige“ p-Wert. Weitere Optionen sind „zweiseitig“, „weniger“ und „plus“.
So verwenden Sie diese Funktion in unserem konkreten Beispiel:
import scipy.stats as stats #perform the Mann-Whitney U test stats. mannwhitneyu (group1, group2, alternative=' two-sided ') (statistic=50.0, pvalue=0.2114)
Die Teststatistik beträgt 50,0 und der entsprechende zweiseitige p-Wert beträgt 0,2114 .
Schritt 3: Interpretieren Sie die Ergebnisse.
In diesem Beispiel verwendet der Mann-Whitney-U-Test die folgenden Null- und Alternativhypothesen:
H 0 : MPG ist zwischen den beiden Gruppen gleich
H A : MPG ist zwischen den beiden Gruppen nicht gleich
Da der p-Wert ( 0,2114 ) nicht kleiner als 0,05 ist, können wir die Nullhypothese nicht ablehnen.
Das bedeutet, dass wir nicht genügend Beweise dafür haben, dass der tatsächliche durchschnittliche MPG-Wert zwischen den beiden Gruppen unterschiedlich ist.
Zusätzliche Ressourcen
In den folgenden Tutorials wird erläutert, wie Sie einen Mann-Whitney-U-Test in verschiedenen Statistikprogrammen durchführen:
So führen Sie einen Mann-Whitney-U-Test in Excel durch
So führen Sie einen Mann-Whitney-U-Test in R durch
So führen Sie einen Mann-Whitney-U-Test in SPSS durch