So führen sie den levene-test in python durch

Der Levene-Test wird verwendet, um zu bestimmen, ob zwei oder mehr Gruppen gleiche Varianzen aufweisen. Er wird häufig verwendet, da viele statistische Tests davon ausgehen, dass Gruppen gleiche Varianzen aufweisen, und Sie mit dem Levene-Test feststellen können, ob diese Annahme erfüllt ist.

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

Beispiel: Levene-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.

Führen Sie die folgenden Schritte aus, um den Levene-Test in Python durchzuführen und festzustellen, ob die drei Gruppen gleiche Varianzen aufweisen.

Schritt 1: Geben Sie die Daten ein.

Zuerst erstellen wir drei Tabellen zur Speicherung der Datenwerte:

 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 Levene-Test durch.

Als nächstes führen wir den Levene-Test mit der Funktion levane() aus der SciPy-Bibliothek durch, die die folgende Syntax verwendet:

levene(sample1, sample2, …, center=’median‘)

Gold:

• Beispiel1, Beispiel2 usw.: Beispielnamen.
• Mitte: Methode für den Levene-Test. Der Standardwert ist „Median“, es stehen jedoch auch „Durchschnitt“ und „Getrimmt“ zur Auswahl.

Wie in der Dokumentation erwähnt, gibt es tatsächlich drei verschiedene Varianten des Levene-Tests, die Sie verwenden können. Empfohlene Verwendungszwecke sind:

• „Median“: empfohlen für schiefe Verteilungen.
• „durchschnittlich“: empfohlen für symmetrische Verteilungen mit einem moderaten Rand.
• ‚getrimmt‘: empfohlen für Verteilungen mit starkem Tailing.

Der folgende Code veranschaulicht, wie der Levene-Test durchgeführt wird, wobei sowohl der Mittelwert als auch der Median als Mittelpunkt dienen:

 import scipy.stats as stats

#Levene's test centered at the median
stats.levene(group1, group2, group3, center='median')

(statistic=0.1798, pvalue=0.8364)

#Levene's test centered at the mean
stats.levene(group1, group2, group3, center='mean')

(statistic=0.5357, pvalue=0.5914)

Bei beiden Methoden beträgt der p-Wert nicht weniger als 0,05. Das bedeutet, dass wir in beiden Fällen die Nullhypothese nicht ablehnen können. Das bedeutet, dass uns keine ausreichenden Beweise dafür vorliegen, dass die Varianz im Pflanzenwachstum zwischen den drei Düngemitteln signifikant unterschiedlich ist.

Mit anderen Worten: Die drei Gruppen weisen gleiche Varianzen auf. Wenn wir einen statistischen Test (wie eine einfaktorielle ANOVA ) durchführen würden, der davon ausgeht, dass jede Gruppe die gleiche Varianz hat, dann wäre diese Annahme erfüllt.