Jak wykonać test friedmana w pythonie

Test Friedmana jest nieparametryczną alternatywądla ANOVA z powtarzanymi pomiarami . Służy do określenia, czy istnieje statystycznie istotna różnica między średnimi z trzech lub więcej grup, w których w każdej grupie występują ci sami pacjenci.

W tym samouczku wyjaśniono, jak wykonać test Friedmana w Pythonie.

Przykład: test Friedmana w Pythonie

Badacz chce wiedzieć, czy czasy reakcji pacjentów na trzy różne leki są takie same. Aby to sprawdzić, zmierzył czas reakcji (w sekundach) 10 różnych pacjentów na każdy z trzech leków.

Wykonaj poniższe kroki, aby wykonać test Friedmana w Pythonie i sprawdzić, czy średni czas reakcji różni się w zależności od leku.

Krok 1: Wprowadź dane.

Najpierw utworzymy trzy tabele zawierające czasy reakcji każdego pacjenta na każdy z trzech leków:

 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]

Krok 2: Wykonaj test Friedmana.

Następnie przeprowadzimy test Friedmana wykorzystując funkcję friedmanchisquare() z biblioteki scipy.stats:

 from scipy import stats

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

(statistic=13.3514, pvalue=0.00126)

Krok 3: Interpretacja wyników.

Test Friedmana wykorzystuje następujące hipotezy zerowe i alternatywne:

Hipoteza zerowa (H ₀ ): Średnia w każdej populacji jest równa.

Hipoteza alternatywna: (Ha): Co najmniej jedna średnia populacji różni się od pozostałych.

W tym przykładzie statystyka testowa wynosi 13,3514 , a odpowiadająca jej wartość p wynosi p = 0,00126 . Ponieważ ta wartość p jest mniejsza niż 0,05, możemy odrzucić hipotezę zerową, że średni czas odpowiedzi jest taki sam dla wszystkich trzech leków.

Innymi słowy, mamy wystarczające dowody, aby stwierdzić, że rodzaj stosowanego leku powoduje statystycznie istotne różnice w czasie reakcji.