Python에서 bartlett 테스트를 수행하는 방법(단계별)

Bartlett 테스트는 여러 그룹 간의 분산이 동일한지 여부를 확인하는 통계 테스트입니다.

많은 통계 테스트(예: 일원 분산 분석 )에서는 표본 간의 분산이 동일하다고 가정합니다. Bartlett 테스트를 사용하여 이 가설을 검증할 수 있습니다.

이 테스트에서는 다음과 같은 귀무가설과 대립 가설을 사용합니다.

H ₀ : 각 그룹 간의 분산이 동일합니다.

H _A : 적어도 하나의 그룹에는 다른 그룹과 동일하지 않은 분산이 있습니다.

검정 통계량은 자유도가 k-1 인 카이제곱 분포를 따릅니다. 여기서 k 는 그룹 수입니다.

검정 통계량의 해당 p-값이 특정 유의 수준(예: α = 0.05)보다 낮으면 귀무 가설을 기각하고 모든 그룹의 분산이 동일하지 않다는 결론을 내릴 수 있습니다.

다음 단계별 예제에서는 Python에서 Bartlett 테스트를 수행하는 방법을 설명합니다.

1단계: 데이터 생성

세 가지 다른 학습 방법이 다른 시험 결과로 이어지는지 확인하기 위해 교수는 10명의 학생에게 무작위로 일주일 동안 각 기술(기술 A, B 또는 C)을 사용하도록 할당한 다음 각 학생에게 동일한 난이도의 테스트를 제공합니다.

30명의 학생의 시험 결과는 다음과 같습니다.

 #create data
A = [85, 86, 88, 75, 78, 94, 98, 79, 71, 80]
B = [91, 92, 93, 85, 87, 84, 82, 88, 95, 96]
C = [79, 78, 88, 94, 92, 85, 83, 85, 82, 81]

2단계: Bartlett 테스트 수행

Bartlett 테스트를 수행하려면 scipy.stats.bartlett() 함수를 사용할 수 있습니다.

예제에서 이 함수를 사용하는 방법은 다음과 같습니다.

 import scipy. stats as stats

#perform Bartlett's test
stats. bartlett (A, B, C)

BartlettResult(statistic=3.30243757, pvalue=0.191815983)

테스트는 다음 결과를 반환합니다.

• 검정 통계량 B : 3.3024
• P-값: 0.1918

p-값이 0.05보다 작지 않으므로 교수는 귀무가설을 기각할 수 없습니다. 즉, 세 그룹의 격차가 다르다고 말할 만큼 충분한 증거가 없습니다.

따라서 그녀는 일원 분산 분석을 계속 수행할 수 있습니다.

추가 리소스

Bartlett의 테스트 계산기
ANOVA 가정을 확인하는 방법
Python에서 일원 분산 분석을 수행하는 방법