So führen sie einen kruskal-wallis-test in python durch

Mithilfe eines Kruskal-Wallis-Tests wird ermittelt, ob ein statistisch signifikanter Unterschied zwischen den Medianwerten von drei oder mehr unabhängigen Gruppen besteht.

Sie gilt als nichtparametrisches Äquivalent der einfaktoriellen ANOVA .

In diesem Tutorial wird erläutert, wie Sie einen Kruskal-Wallis-Test in Python durchführen.

Beispiel: Kruskal-Wallis-Test in Python

Forscher wollen wissen, ob drei verschiedene Düngemittel zu unterschiedlichem Pflanzenwachstum führen. Sie wählen nach dem Zufallsprinzip 30 verschiedene Pflanzen aus und teilen sie in drei Gruppen zu je zehn Pflanzen auf, wobei sie jeder Gruppe einen anderen Dünger hinzufügen. Nach einem Monat messen sie die Höhe jeder Pflanze.

Befolgen Sie die folgenden Schritte, um einen Kruskal-Wallis-Test durchzuführen und festzustellen, ob das mittlere Wachstum in allen drei Gruppen gleich ist.

Schritt 1: Geben Sie die Daten ein.

Zuerst erstellen wir drei Tabellen, um unsere Pflanzenmessungen für jede der drei Gruppen zu speichern:

 group1 = [7, 14, 14, 13, 12, 9, 6, 14, 12, 8]
group2 = [15, 17, 13, 15, 15, 13, 9, 12, 10, 8]
group3 = [6, 8, 8, 9, 5, 14, 13, 8, 10, 9]

Schritt 2: Führen Sie den Kruskal-Wallis-Test durch.

Als nächstes führen wir einen Kruskal-Wallis-Test mit der Funktion kruskal() aus der Bibliothek scipy.stats durch:

 from scipy import stats

#perform Kruskal-Wallis Test 
stats.kruskal(group1, group2, group3)

(statistic=6.2878, pvalue=0.0431)

Schritt 3: Interpretieren Sie die Ergebnisse.

Der Kruskal-Wallis-Test verwendet die folgenden Null- und Alternativhypothesen:

Die Nullhypothese (H ₀ ): Der Median ist in allen Gruppen gleich.

Die Alternativhypothese: (Ha): Der Median ist nicht in allen Gruppen gleich.

In diesem Fall beträgt die Teststatistik 6,2878 und der entsprechende p-Wert beträgt 0,0431 . Da dieser p-Wert kleiner als 0,05 ist, können wir die Nullhypothese zurückweisen, dass das mittlere Pflanzenwachstum für alle drei Düngemittel gleich ist. Wir haben genügend Beweise, um zu dem Schluss zu kommen, dass die Art des verwendeten Düngers statistisch signifikante Unterschiede im Pflanzenwachstum verursacht.