Python တွင် wilcoxon signed rank test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

Wilcoxon Signed-Rank test သည် paired-samples t-test ၏ nonparametric ဗားရှင်းဖြစ်သည်။

နမူနာနှစ်ခုကြား ကွဲပြားမှုကို ပုံမှန်ဟု မယူဆနိုင်သောအခါ လူဦးရေနှစ်ခု၏ နည်းလမ်းများကြား သိသာထင်ရှားသော ခြားနားမှု ရှိ၊ မရှိ စမ်းသပ်ရန် ၎င်းကို အသုံးပြုသည်။

ဤသင်ခန်းစာတွင် Python တွင် Wilcoxon မှ ရေးထိုးထားသော အဆင့်စစ်ဆေးမှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Wilcoxon သည် Python တွင် အဆင့်စမ်းသပ်မှုကို လက်မှတ်ရေးထိုးခဲ့သည်။

လောင်စာဆီကုသမှုအသစ်သည် ကားတစ်စီး၏ပျမ်းမျှ mpg ကို ပြောင်းလဲစေခြင်း ရှိ၊ မရှိ သုတေသီများ သိလိုကြသည်။ ယင်းကို စမ်းသပ်ရန်အတွက် ၎င်းတို့သည် လောင်စာဆီနှင့် မပါဘဲ ကား ၁၂ စီး၏ စိုင်းစိုင်းခမ်းလှိုင်ကို တိုင်းတာသည်။

အုပ်စုနှစ်ခုကြားရှိ ပျမ်းမျှ mpg ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် Python တွင် Wilcoxon ရေးထိုးထားသော အဆင့်စစ်ဆေးမှုကို လုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို အသုံးပြုပါ။

အဆင့် 1: ဒေတာကိုဖန်တီးပါ။

ဦးစွာ၊ ကားအုပ်စုတစ်ခုစီအတွက် mpg တန်ဖိုးများကို ထိန်းထားရန် ဇယားနှစ်ခုကို ဖန်တီးပါမည်။

 group1 = [20, 23, 21, 25, 18, 17, 18, 24, 20, 24, 23, 19]
group2 = [24, 25, 21, 22, 23, 18, 17, 28, 24, 27, 21, 23]

အဆင့် 2- Wilcoxon လက်မှတ်ရေးထိုးထားသော အဆင့်စစ်ဆေးမှုကို ပြုလုပ်ပါ။

ထို့နောက်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် Wilcoxon လက်မှတ်ထိုးအဆင့်စစ်ဆေးမှုကိုလုပ်ဆောင်ရန် scipy.stats စာကြည့်တိုက်မှ wilcoxon() လုပ်ဆောင်ချက်ကို အသုံးပြုပါမည် ။

wilcoxon(x၊ y၊ အစားထိုး=’မျက်နှာနှစ်ခု’)

ရွှေ-

• x- အုပ်စု 1 မှ နမူနာလေ့လာသုံးသပ်ချက်ဇယား
• y- အုပ်စု 2 မှ နမူနာလေ့လာသုံးသပ်ချက်ဇယား
• အခြားရွေးချယ်စရာ- အခြားသီအိုရီကို သတ်မှတ်သည်။ ပုံသေမှာ “ နှစ်ထပ်” ဖြစ်သော်လည်း အခြားရွေးချယ်စရာများ “ လျော့နည်း” နှင့် “ ပိုကြီး” ပါဝင်သည်။

ဤအရာသည် ကျွန်ုပ်တို့၏ သီးခြားဥပမာတွင် ဤလုပ်ဆောင်ချက်ကို အသုံးပြုနည်းဖြစ်သည်-

 import scipy.stats as stats

#perform the Wilcoxon-Signed Rank Test
stats.wilcoxon(group1, group2)

(statistic=10.5, pvalue=0.044)

စမ်းသပ်မှုစာရင်းအင်းသည် 10.5 ဖြစ်ပြီး သက်ဆိုင်ရာ အမြီးနှစ်ပိုင်း p-value သည် 0.044 ဖြစ်သည်။

အဆင့် 3- ရလဒ်များကို ဘာသာပြန်ပါ။

ဤဥပမာတွင်၊ Wilcoxon Signed-Rank test သည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည်-

H ₀ : MPG သည် အုပ်စုနှစ်ခုကြားတွင် တန်းတူဖြစ်သည်။

H _A : MPG သည် အုပ်စုနှစ်ခုကြားတွင် မညီမျှ ပါ။

p-value ( 0.044 ) သည် 0.05 ထက်နည်းသောကြောင့်၊ null hypothesis ကို ကျွန်ုပ်တို့ ငြင်းပယ်ပါသည်။ စစ်မှန်သောပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် အုပ်စုနှစ်ခုကြားတွင် တန်းတူမဟုတ်ကြောင်း ပြောရန်လုံလောက်သော အထောက်အထားရှိသည်။