<\/p>\n
De ANOVA van Welch<\/strong> is een alternatief voor de typische eenrichtings-ANOVA<\/a> wanneer niet aan de aanname van gelijkheid van varianties<\/a> wordt voldaan.<\/span><\/p>\n In het volgende stapsgewijze voorbeeld ziet u hoe u Welch’s ANOVA in Python uitvoert.<\/span><\/p>\n Om te bepalen of drie verschillende studietechnieken tot verschillende examenresultaten leiden, wijst een professor willekeurig 10 studenten toe om elke techniek (Techniek A, B of C) een week lang te gebruiken, en geeft vervolgens elke student een test van gelijke moeilijkheidsgraad.<\/span><\/p>\n Hieronder vindt u de examenresultaten van de 30 studenten:<\/span><\/p>\n Vervolgens kunnen we de Bartlett-test<\/a> uitvoeren om te bepalen of de varianties tussen elke groep gelijk zijn.<\/span><\/p>\n Als de p-waarde<\/a> van de teststatistiek onder een bepaald significantieniveau ligt (zoals \u03b1 = 0,05), kunnen we de nulhypothese verwerpen en concluderen dat niet alle groepen dezelfde variantie hebben.<\/span><\/p>\n We kunnen de volgende code gebruiken om de Bartlett-test in Python uit te voeren:<\/span><\/span><\/p>\n De p-waarde ( .01089<\/strong> ) van de Bartlett-test is kleiner dan \u03b1 = .05, wat betekent dat we de nulhypothese kunnen verwerpen dat elke groep dezelfde variantie heeft.<\/span><\/p>\n De aanname van gelijkheid van varianties wordt dus geschonden en we kunnen doorgaan met Welch’s ANOVA.<\/span><\/p>\n Om Welch’s ANOVA in Python uit te voeren, kunnen we de functie welch_anova()<\/strong> uit het Penguin-pakket gebruiken.<\/span><\/p>\n Eerst moeten we Penguin installeren:<\/span><\/p>\n Vervolgens kunnen we de volgende code gebruiken om Welch’s ANOVA uit te voeren:<\/span><\/p>\n De totale p-waarde ( 0,001598<\/strong> ) van de ANOVA-tabel is minder dan \u03b1 = 0,05, wat betekent dat we de nulhypothese kunnen verwerpen dat de examenresultaten gelijk zijn voor de drie studietechnieken.<\/span><\/p>\n We kunnen vervolgens de post-hoc-test van Games-Howell uitvoeren om precies te bepalen welke groepsgemiddelden verschillend zijn:<\/span><\/p>\n Uit de p-waarden kunnen we zien dat het gemiddelde verschil tussen groepen a<\/strong> en b<\/strong> significant verschillend is en dat het gemiddelde verschil tussen groepen b<\/strong> en c<\/strong> significant verschillend is.<\/span><\/p>\n Eenrichtings-ANOVA uitvoeren in Python<\/a> De ANOVA van Welch is een alternatief voor de typische eenrichtings-ANOVA wanneer niet aan de aanname van gelijkheid van varianties wordt voldaan. In het volgende stapsgewijze voorbeeld ziet u hoe u Welch’s ANOVA in Python uitvoert. Stap 1: Cre\u00eber de gegevens Om te bepalen of drie verschillende studietechnieken tot verschillende examenresultaten leiden, wijst een professor […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1617","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Stap 1: Cre\u00eber de gegevens<\/strong><\/span><\/h3>\n
A = [64, 66, 68, 75, 78, 94, 98, 79, 71, 80]\nB = [91, 92, 93, 90, 97, 94, 82, 88, 95, 96]\nC = [79, 78, 88, 94, 92, 85, 83, 85, 82, 81]\n<\/strong><\/pre>\n
Stap 2: Test op gelijke verschillen<\/strong><\/span><\/h3>\n
import<\/span> scipy. stats<\/span> as<\/span> stats\n\n#perform Bartlett's test \n<\/span>stats. bartlett<\/span> (A, B, C)\n\nBartlettResult(statistic=9.039674395, pvalue=0.010890796567)\n<\/strong><\/span><\/pre>\n Stap 3: Voer de ANOVA van Welch uit<\/strong><\/span><\/h3>\n
pip install<\/span> Penguin<\/span>\n<\/strong><\/pre>\n import penguin<\/span> as pg<\/span>\nimport<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' score<\/span> ': [64, 66, 68, 75, 78, 94, 98, 79, 71, 80,\n 91, 92, 93, 90, 97, 94, 82, 88, 95, 96,\n 79, 78, 88, 94, 92, 85, 83, 85, 82, 81],\n ' group<\/span> ': np. repeat<\/span> (['a', 'b', 'c'], repeats<\/span> = 10<\/span> )}) \n\n#perform Welch's ANOVA\n<\/span>pg. welch_anova<\/span> (dv=' score<\/span> ', between=' group<\/span> ', data=df)\n\n Source ddof1 ddof2 F p-unc np2\n0 group 2 16.651295 9.717185 0.001598 0.399286\n<\/strong><\/pre>\n pg. pairwise_gameshowell<\/span> (dv=' score<\/span> ', between=' group<\/span> ', data=df)\n\n\n A B mean(A) mean(B) diff se T df pval\t\n0 a b 77.3 91.8 -14.5 3.843754 -3.772354 11.6767 0.0072\n1 a c 77.3 84.7 -7.4 3.952777 -1.872102 12.7528 0.1864\n2 b c 91.8 84.7 7.1 2.179959 3.256942 17.4419 0.0119\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe u een tweerichtings-ANOVA uitvoert in Python<\/a>
Hoe herhaalde metingen ANOVA in Python uit te voeren<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"