Python에서 일원 분산 분석을 수행하는 방법

일원 분산 분석 (“분산 분석”)은 3개 이상의 독립 그룹 평균 간에 통계적으로 유의미한 차이가 있는지 여부를 확인하는 데 사용됩니다.

이 튜토리얼에서는 Python에서 일원 분산 분석을 수행하는 방법을 설명합니다.

예: Python의 일원 분산 분석

한 연구원이 연구에 참여할 학생 30명을 모집합니다. 학생들은 시험 준비를 위해 다음 3주 동안 세 가지 학습 방법 중 하나를 사용하도록 무작위로 배정됩니다 . 3주 후에는 모든 학생들이 동일한 시험을 치릅니다.

다음 단계를 사용하여 일원 분산 분석을 수행하여 세 그룹의 평균 점수가 동일한지 확인합니다.

1단계: 데이터를 입력합니다.

먼저, 각 그룹의 시험 결과를 세 개의 개별 테이블에 입력하겠습니다.

 #enter exam scores for each group
group1 = [85, 86, 88, 75, 78, 94, 98, 79, 71, 80]
group2 = [91, 92, 93, 85, 87, 84, 82, 88, 95, 96]
group3 = [79, 78, 88, 94, 92, 85, 83, 85, 82, 81]

2단계: 일원 분산 분석을 수행합니다.

다음으로 SciPy 라이브러리의 f_oneway() 함수를 사용하여 일원 분산 분석을 수행합니다.

 from scipy.stats import f_oneway

#perform one-way ANOVA
f_oneway(group1, group2, group3)

(statistic=2.3575, pvalue=0.1138)

3단계: 결과를 해석합니다.

일원 분산 분석에서는 다음과 같은 귀무 가설과 대립 가설을 사용합니다.

• H ₀ (귀무가설): μ ₁ = μ ₂ = μ ₃ = … = μ _k (모든 모집단 평균이 동일함)
• H ₁ (귀무가설): 적어도 하나의 모집단 평균이 다릅니다.   나머지

F-검정 통계량 은 2.3575 이고 해당 p-값은 0.1138 입니다. p-값이 0.05 이상이므로 귀무가설을 기각할 수 없습니다.

이는 세 가지 학습 방법 간에 시험 점수에 차이가 있다고 말할 만큼 충분한 증거가 없다는 것을 의미합니다.

추가 리소스

다음 자습서에서는 일원 분산 분석에 대한 추가 정보를 제공합니다.

일원 분산 분석 소개
일원 분산 분석 계산기
전체 가이드: ANOVA 결과 보고 방법