Python တွင် nemenyi post-hoc 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။

Friedman စမ်းသပ်မှုမှ p-value သည် ကိန်းဂဏန်းအရ သိသာထင်ရှားပါက၊ ထို့နောက် မည်သည့်အဖွဲ့များကွဲပြားသည်ကို အတိအကျဆုံးဖြတ်ရန် Nemenyi post-hoc test ကို လုပ်ဆောင်နိုင်ပါသည်။

အောက်ပါ အဆင့်ဆင့် ဥပမာသည် Python တွင် Nemenyi စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။

အဆင့် 1: ဒေတာကိုဖန်တီးပါ။

လူနာများ၏ တုံ့ပြန်မှုအကြိမ်သည် မတူညီသော ဆေးဝါးသုံးမျိုးနှင့် တူညီမှုရှိမရှိ သုတေသီတစ်ဦးမှ သိချင်သည်ဆိုပါစို့။ ၎င်းကိုစမ်းသပ်ရန်အတွက် ဆေးဝါးသုံးမျိုးစီတွင် မတူညီသောလူနာ ၁၀ ဦး၏ တုံ့ပြန်မှုအချိန် (စက္ကန့်ပိုင်း) ကို တိုင်းတာသည်။

ဆေးဝါးသုံးမျိုးတွင် လူနာတစ်ဦးစီအတွက် တုံ့ပြန်မှုအချိန်များပါရှိသော အောက်ပါဇယားသုံးခုကို ကျွန်ုပ်တို့ ဖန်တီးနိုင်သည်-

 group1 = [4, 6, 3, 4, 3, 2, 2, 7, 6, 5]
group2 = [5, 6, 8, 7, 7, 8, 4, 6, 4, 5]
group3 = [2, 2, 5, 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)

FriedmanchisquareResult(statistic=13.3513513, pvalue=0.00126122012)

Friedman စမ်းသပ်မှုတွင် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည် ။

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

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

ဤဥပမာတွင်၊ စမ်းသပ်မှုစာရင်းအင်းသည် 13.35135 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 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။

အဆင့် 3- Nemenyi စမ်းသပ်မှုကို လုပ်ဆောင်ပါ။

ထို့နောက် မည်သည့်အဖွဲ့များသည် မတူညီသောနည်းလမ်းများရှိသည်ကို အတိအကျဆုံးဖြတ်ရန် Nemenyi post-hoc စမ်းသပ်မှုကို ကျွန်ုပ်တို့လုပ်ဆောင်နိုင်သည်။

ဒါကိုလုပ်ဖို့၊ ကျွန်ုပ်တို့သည် scikit-posthocs စာကြည့်တိုက်ကို ထည့်သွင်းရန် လိုအပ်သည်-

 pip install scikit-posthocs

ထို့နောက်၊ Nemenyi post-hoc စမ်းသပ်မှုကိုလုပ်ဆောင်ရန် posthoc_nemenyi_friedman() လုပ်ဆောင်ချက်ကို အသုံးပြုပါမည်။

 import scikit_posthocs as sp
import numpy as np

#combine three groups into one array
data = np. array ([group1, group2, group3])

#perform Nemenyi post-hoc test
sp. posthoc_nemenyi_friedman ( data.T )

	0 1 2
0 1.000000 0.437407 0.065303
1 0.437407 1.000000 0.001533
2 0.065303 0.001533 1.000000

မှတ်ချက်- Post-hoc စာမေးပွဲကို မှန်ကန်စွာလုပ်ဆောင်ရန်အတွက် numpy array (data.T) ကို ကူးပြောင်းရပါမည်။

Nemeyi ၏ post-hoc test သည် pairwise comparison တစ်ခုစီအတွက် p-values ကို ဆိုလိုသည်။ ရလဒ်မှ ကျွန်ုပ်တို့သည် အောက်ပါ p-တန်ဖိုးများကို မြင်နိုင်သည်-

• အုပ်စု 0 ၏ P တန်ဖိုးသည် အုပ်စု 1: 0.4374 နှင့် နှိုင်းယှဉ်သည်။
• အုပ်စု 0 ၏ P တန်ဖိုးသည် အုပ်စု 2: 0.0653 နှင့် နှိုင်းယှဉ်သည်။
• အုပ်စု 1 ၏ P တန်ဖိုးသည် အုပ်စု 2: 0.0015 နှင့် နှိုင်းယှဉ်သည်။

α = 0.05 တွင်၊ ကိန်းဂဏန်းအရ သိသာထင်ရှားစွာ ခြားနားသော အုပ်စုနှစ်စုမှာ အုပ်စု 1 နှင့် အုပ်စု 2 ဖြစ်သည်။

မှတ်ချက်။