Cara melakukan tes friedman dengan python

Uji Friedman merupakan alternatif nonparametrik terhadap pengukuran berulang ANOVA . Hal ini digunakan untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara rata-rata tiga kelompok atau lebih di mana subjek yang sama muncul di setiap kelompok.

Tutorial ini menjelaskan cara melakukan tes Friedman dengan Python.

Contoh: tes Friedman dengan Python

Seorang peneliti ingin mengetahui apakah waktu reaksi pasien sama terhadap tiga obat yang berbeda. Untuk mengujinya, ia mengukur waktu reaksi (dalam detik) dari 10 pasien berbeda terhadap masing-masing tiga obat.

Ikuti langkah-langkah berikut untuk melakukan tes Friedman dengan Python untuk menentukan apakah waktu reaksi rata-rata berbeda antar obat.

Langkah 1: Masukkan datanya.

Pertama, kami akan membuat tiga tabel yang berisi waktu respons setiap pasien terhadap masing-masing dari tiga obat:

 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]

Langkah 2: Lakukan tes Friedman.

Selanjutnya, kita akan melakukan tes Friedman menggunakan fungsi friedmanchisquare() dari perpustakaan scipy.stats:

 from scipy import stats

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

(statistic=13.3514, pvalue=0.00126)

Langkah 3: Interpretasikan hasilnya.

Uji Friedman menggunakan hipotesis nol dan hipotesis alternatif berikut:

Hipotesis nol (H ₀ ): Rata-rata setiap populasi adalah sama.

Hipotesis alternatif: (Ha): Setidaknya satu mean populasi berbeda dengan mean populasi lainnya.

Dalam contoh ini, statistik pengujiannya adalah 13,3514 dan nilai p yang sesuai adalah p = 0,00126 . Karena nilai p ini kurang dari 0,05, kita dapat menolak hipotesis nol yang menyatakan bahwa waktu respons rata-rata untuk ketiga obat adalah sama.

Dengan kata lain, kami memiliki cukup bukti untuk menyimpulkan bahwa jenis obat yang digunakan menyebabkan perbedaan waktu respons yang signifikan secara statistik.