Hoe de friedman-test in python uit te voeren

De Friedman-test is een niet-parametrisch alternatiefvoor ANOVA met herhaalde metingen . Het wordt gebruikt om te bepalen of er al dan niet een statistisch significant verschil bestaat tussen de gemiddelden van drie of meer groepen waarin dezelfde onderwerpen in elke groep voorkomen.

In deze tutorial wordt uitgelegd hoe u de Friedman-test in Python uitvoert.

Voorbeeld: de Friedman-test in Python

Een onderzoeker wil weten of de reactietijden van patiënten op drie verschillende medicijnen gelijk zijn. Om dit te testen mat hij de reactietijd (in seconden) van tien verschillende patiënten op elk van de drie medicijnen.

Volg de volgende stappen om de Friedman-test in Python uit te voeren om te bepalen of de gemiddelde reactietijd tussen medicijnen verschilt.

Stap 1: Voer de gegevens in.

Eerst zullen we drie tabellen maken met de responstijden voor elke patiënt op elk van de drie medicijnen:

 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]

Stap 2: Voer de Friedman-test uit.

Vervolgens zullen we de Friedman-test uitvoeren met behulp van de friedmanchisquare() functie uit de scipy.stats-bibliotheek:

 from scipy import stats

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

(statistic=13.3514, pvalue=0.00126)

Stap 3: Interpreteer de resultaten.

De Friedman-test gebruikt de volgende nul- en alternatieve hypothesen:

De nulhypothese (H ₀ ): Het gemiddelde van elke populatie is gelijk.

De alternatieve hypothese: (Ha): Ten minste één populatiegemiddelde verschilt van de andere.

In dit voorbeeld is de teststatistiek 13,3514 en de overeenkomstige p-waarde p = 0,00126 . Omdat deze p-waarde kleiner is dan 0,05, kunnen we de nulhypothese verwerpen dat de gemiddelde responstijd voor alle drie de geneesmiddelen hetzelfde is.

Met andere woorden, we hebben voldoende bewijs om te concluderen dat het type medicijn dat wordt gebruikt statistisch significante verschillen in responstijd veroorzaakt.