Python တွင် friedman test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

Friedman စမ်းသပ်မှု သည် ANOVA ထပ်ခါတလဲလဲတိုင်းတာခြင်းအတွက် ပါရာမက်ထရစ်မဟုတ်သော အခြားရွေးချယ်စရာတစ်ခုဖြစ်သည်။ အုပ်စုတစ်ခုစီတွင် တူညီသောဘာသာရပ်များ ပေါ်လာသည့် အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားမှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် ၎င်းကို အသုံးပြုသည်။

Python တွင် Friedman စမ်းသပ်နည်းကို ဤသင်ခန်းစာတွင် ရှင်းပြထားသည်။

ဥပမာ- Python ရှိ Friedman စမ်းသပ်မှု

သုတေသီတစ်ဦးသည် လူနာများ၏ တုံ့ပြန်မှုအကြိမ်ရေသည် မတူညီသော ဆေးဝါးသုံးမျိုးတွင် တူညီမှုရှိမရှိ သိလိုသည်။ ၎င်းကိုစမ်းသပ်ရန်အတွက် ဆေးဝါးသုံးမျိုးစီတွင် မတူညီသောလူနာ ၁၀ ဦး၏ တုံ့ပြန်မှုအချိန် (စက္ကန့်ပိုင်း) ကို တိုင်းတာသည်။

Python တွင် Friedman စမ်းသပ်မှုကို လုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို လိုက်နာပြီး ဆေးဝါးများကြား ပျမ်းမျှတုံ့ပြန်မှုအချိန် ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန်။

အဆင့် 1: ဒေတာကိုထည့်ပါ။

ပထမဦးစွာ၊ ကျွန်ုပ်တို့သည် ဆေးဝါးသုံးမျိုးမှ တစ်ခုစီအတွက် လူနာတစ်ဦးစီအတွက် တုံ့ပြန်မှုအချိန်များပါရှိသော ဇယားသုံးခုကို ဖန်တီးပါမည်။

 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]

အဆင့် 2: Friedman စမ်းသပ်မှုကို လုပ်ဆောင်ပါ။

ထို့နောက်၊ scipy.stats စာကြည့်တိုက်မှ frymanchisquare() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ Friedman စမ်းသပ်မှုကို လုပ်ဆောင်ပါမည်။

 from scipy import stats

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

(statistic=13.3514, pvalue=0.00126)

အဆင့် 3- ရလဒ်များကို ဘာသာပြန်ပါ။

Friedman စမ်းသပ်မှုတွင် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည် ။

null hypothesis (H ₀ ) : လူဦးရေတစ်ခုစီ၏ပျမ်းမျှသည် ညီမျှသည်။

အခြားယူဆချက်- (ဟာ)- အနည်းဆုံး လူဦးရေ ဆိုသည်မှာ အခြားသူများနှင့် ကွဲပြားသည်။

ဤဥပမာတွင်၊ စစ်ဆေးမှုစာရင်းအင်းသည် 13.3514 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value မှာ p = 0.00126 ဖြစ်သည်။ ဤ p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ ဆေးဝါးသုံးမျိုးလုံးအတွက် ပျမ်းမျှတုံ့ပြန်ချိန်သည် တူညီသည်ဟူသော null hypothesis ကို ငြင်းပယ်နိုင်ပါသည်။

တစ်နည်းဆိုရသော်၊ အသုံးပြုသည့်ဆေးအမျိုးအစားသည် တုံ့ပြန်ချိန်၌ စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ကွဲပြားမှုများကို ဖြစ်စေသည်ဟု ကောက်ချက်ချရန် လုံလောက်သော အထောက်အထားရှိသည်။