Hoe u een kruskal-wallis-test uitvoert in python
Een Kruskal-Wallis-test wordt gebruikt om te bepalen of er al dan niet een statistisch significant verschil bestaat tussen de medianen van drie of meer onafhankelijke groepen.
Het wordt beschouwd als het niet-parametrische equivalent van eenrichtings-ANOVA .
In deze tutorial wordt uitgelegd hoe u een Kruskal-Wallis-test uitvoert in Python.
Voorbeeld: Kruskal-Wallis-test in Python
Onderzoekers willen weten of drie verschillende meststoffen tot verschillende niveaus van plantengroei leiden. Ze selecteren willekeurig 30 verschillende planten en verdelen ze in drie groepen van 10, waarbij elke groep een andere meststof wordt toegediend. Na een maand meten ze de hoogte van elke plant.
Volg de volgende stappen om een Kruskal-Wallis-test uit te voeren om te bepalen of de mediane groei voor alle drie de groepen hetzelfde is.
Stap 1: Voer de gegevens in.
Eerst maken we drie tabellen met onze plantmetingen voor elk van de drie groepen:
group1 = [7, 14, 14, 13, 12, 9, 6, 14, 12, 8] group2 = [15, 17, 13, 15, 15, 13, 9, 12, 10, 8] group3 = [6, 8, 8, 9, 5, 14, 13, 8, 10, 9]
Stap 2: Voer de Kruskal-Wallis-test uit.
Vervolgens zullen we een Kruskal-Wallis-test uitvoeren met behulp van de kruskal()-functie uit de scipy.stats-bibliotheek:
from scipy import stats #perform Kruskal-Wallis Test stats.kruskal(group1, group2, group3) (statistic=6.2878, pvalue=0.0431)
Stap 3: Interpreteer de resultaten.
De Kruskal-Wallis-test gebruikt de volgende nul- en alternatieve hypothesen:
De nulhypothese (H 0 ): De mediaan is in alle groepen gelijk.
De alternatieve hypothese: (Ha): De mediaan is niet in alle groepen gelijk.
In dit geval is de teststatistiek 6,2878 en de overeenkomstige p-waarde 0,0431 . Omdat deze p-waarde kleiner is dan 0,05, kunnen we de nulhypothese verwerpen dat de gemiddelde plantengroei voor alle drie de meststoffen hetzelfde is. We hebben voldoende bewijs om te concluderen dat het type kunstmest dat wordt gebruikt statistisch significante verschillen in plantengroei veroorzaakt.