So führen sie den friedman-test in python durch

Der Friedman-Test ist eine nichtparametrische Alternative zur ANOVA mit wiederholten Messungen . Es wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr Gruppen besteht, in denen in jeder Gruppe dieselben Probanden vorkommen.

In diesem Tutorial wird erklärt, wie Sie den Friedman-Test in Python durchführen.

Beispiel: der Friedman-Test in Python

Ein Forscher möchte wissen, ob die Reaktionszeiten von Patienten auf drei verschiedene Medikamente gleich sind. Um dies zu testen, maß er die Reaktionszeit (in Sekunden) von 10 verschiedenen Patienten auf jedes der drei Medikamente.

Befolgen Sie die folgenden Schritte, um den Friedman-Test in Python durchzuführen und festzustellen, ob sich die durchschnittliche Reaktionszeit zwischen den Medikamenten unterscheidet.

Schritt 1: Geben Sie die Daten ein.

Zunächst erstellen wir drei Tabellen mit den Reaktionszeiten für jeden Patienten auf jedes der drei Medikamente:

 group1 = [4, 6, 3, 4, 3, 2, 2, 7, 6, 5]
group2 = [5, 6, 8, 7, 7, 8, 4, 6, 4, 5]
group3 = [2, 4, 4, 3, 2, 2, 1, 4, 3, 2]

Schritt 2: Führen Sie den Friedman-Test durch.

Als nächstes führen wir den Friedman-Test mit der Funktion friedmanchisquare() aus der Bibliothek scipy.stats durch:

 from scipy import stats

#perform Friedman Test
stats. friedmanchisquare (group1, group2, group3)

(statistic=13.3514, pvalue=0.00126)

Schritt 3: Interpretieren Sie die Ergebnisse.

Der Friedman-Test verwendet die folgenden Null- und Alternativhypothesen:

Die Nullhypothese (H ₀ ): Der Mittelwert jeder Population ist gleich.

Die Alternativhypothese: (Ha): Mindestens ein Populationsmittelwert unterscheidet sich von den anderen.

In diesem Beispiel beträgt die Teststatistik 13,3514 und der entsprechende p-Wert ist p = 0,00126 . Da dieser p-Wert kleiner als 0,05 ist, können wir die Nullhypothese zurückweisen, dass die durchschnittliche Reaktionszeit für alle drei Medikamente gleich ist.

Mit anderen Worten: Wir haben genügend Beweise, um zu dem Schluss zu kommen, dass die Art der verwendeten Medikamente statistisch signifikante Unterschiede in der Reaktionszeit verursacht.