{"id":859,"date":"2023-07-28T12:33:00","date_gmt":"2023-07-28T12:33:00","guid":{"rendered":"https:\/\/statorials.org\/de\/f-python-testen\/"},"modified":"2023-07-28T12:33:00","modified_gmt":"2023-07-28T12:33:00","slug":"f-python-testen","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/f-python-testen\/","title":{"rendered":"So f\u00fchren sie einen f-test in python durch"},"content":{"rendered":"

<\/p>\n

\n

Ein F-Test<\/strong> wird verwendet, um zu testen, ob zwei Populationsvarianzen gleich sind. Die Null- und Alternativhypothese des Tests lauten wie folgt:<\/span><\/p>\n

H 0<\/sub> :<\/strong> \u03c3 1<\/sub> 2<\/sup> = \u03c3 2<\/sub> 2<\/sup> (Populationsvarianzen sind gleich)<\/span><\/p>\n

H 1<\/sub> :<\/strong> \u03c3 1<\/sub> 2<\/sup> \u2260 \u03c3 2<\/sub> 2<\/sup> (Populationsvarianzen sind nicht<\/em> gleich)<\/span><\/p>\n

In diesem Tutorial wird erl\u00e4utert, wie Sie einen F-Test in Python durchf\u00fchren.<\/span><\/p>\n

Beispiel: F-Test in Python<\/strong><\/span><\/h3>\n

Angenommen, wir haben die folgenden zwei Beispiele:<\/span><\/p>\n

 x = [18, 19, 22, 25, 27, 28, 41, 45, 51, 55]<\/strong>\ny = [14, 15, 15, 17, 18, 22, 25, 25, 27, 34]<\/strong><\/pre>\n
 Mit der folgenden Funktion k\u00f6nnen wir einen F-Test durchf\u00fchren, um zu bestimmen, ob die beiden Populationen, aus denen diese Stichproben stammen, gleiche Varianzen aufweisen:<\/span><\/p>\n
 import<\/span> numpy as<\/span> np\n\n#define F-test function<\/span>\ndef<\/span> f_test(x, y):\n    x = np.array(x)\n    y = np.array(y)\n    f = np.var(x, ddof=1)\/np.var(y, ddof=1) #calculate F test statistic<\/span>\n    dfn = x.size-1 #define degrees of freedom numerator<\/span>\n    dfd = y.size-1 #define degrees of freedom denominator<\/span>\n    p = 1-scipy.stats.f.cdf(f, dfn, dfd) #find p-value of F test statistic<\/span>\n    return<\/span> f,p\n\n#perform F-test\n<\/span>f_test(x, y)\n\n(4.38712, 0.019127)\n<\/strong><\/pre>\n
 Die F-Test-Statistik betr\u00e4gt 4,38712<\/strong> und der entsprechende p-Wert betr\u00e4gt 0,019127<\/strong> . Da dieser p-Wert kleiner als 0,05 ist, w\u00fcrden wir die Nullhypothese ablehnen. Dies bedeutet, dass wir gen\u00fcgend Beweise haben, um zu sagen, dass die beiden Populationsvarianzen nicht<\/em> gleich sind.<\/span><\/p>\n
 Kommentare<\/strong><\/span><\/h3>\n