Jak wykonać test dunna w pythonie

Test Kruskala -Wallisa służy do określenia, czy istnieje statystycznie istotna różnica między medianami trzech lub więcej niezależnych grup. Uważa się, że jest to nieparametryczny odpowiednik jednokierunkowej analizy wariancji ANOVA .

Jeżeli wyniki testu Kruskala-Wallisa są istotne statystycznie, wówczas wskazane jest wykonanie testu Dunna , aby dokładnie określić, które grupy się różnią.

W tym samouczku wyjaśniono, jak wykonać test Dunna w języku Python.

Przykład: test Dunna w Pythonie

Naukowcy chcą wiedzieć, czy trzy różne nawozy prowadzą do różnych poziomów wzrostu roślin. Losowo wybierają 30 różnych roślin i dzielą je na trzy grupy po 10, stosując do każdej grupy inny nawóz. Po miesiącu mierzą wysokość każdej rośliny.

Po przeprowadzeniu testu Kruskala-Wallisa odkryli, że ogólna wartość p jest statystycznie istotna, co oznacza, że mediana wzrostu nie jest taka sama we wszystkich trzech grupach. Następnie wykonują test Dunna, aby dokładnie określić, które grupy są różne.

Aby wykonać test Dunna w Pythonie, możemy użyć funkcji posthoc_dunn() z biblioteki scikit-posthocs.

Poniższy kod pokazuje, jak używać tej funkcji:

Krok 1: Zainstaluj scikit-posthocs.

Najpierw musimy zainstalować bibliotekę scikit-posthocs:

 pip install scikit-posthocs

Krok 2: Wykonaj test Dunna.

Następnie możemy utworzyć dane i wykonać test Dunna:

 #specify the growth of the 10 plants in each group
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]
data = [group1, group2, group3]

#perform Dunn's test using a Bonferonni correction for the p-values
import scikit_posthocs as sp
sp. posthoc_dunn (data, p_adjust = ' bonferroni ')

               1 2 3
1 1.000000 0.550846 0.718451
2 0.550846 1.000000 0.036633
3 0.718451 0.036633 1.000000

Należy zauważyć, że zdecydowaliśmy się użyć poprawki Bonferroniego dla wartości p w celu kontrolowania współczynnika błędów rodzinnych , ale inne potencjalne możliwości argumentu p_regulacji obejmują:

• sidak
• Holma-Sidaka
• Simes Hochberg
• mężczyzna
• fdr_bh
• fdr_by
• fdr_tsbh

Więcej szczegółów na temat każdej z metod dostosowywania wartości p można znaleźć w dokumentacji .

Krok 3: Interpretacja wyników.

Na podstawie wyników testu Dunna możemy zaobserwować, co następuje:

• Skorygowana wartość p dla różnicy między grupą 1 a grupą 2 wynosi 0,550846 .
• Skorygowana wartość p dla różnicy między grupą 1 a grupą 3 wynosi 0,718451 .
• Skorygowana wartość p dla różnicy między grupą 2 i grupą 3 wynosi 0,036633 .

Zatem jedynymi dwiema grupami, które różnią się statystycznie istotnie przy α = 0,05, są grupy 2 i 3.

Dodatkowe zasoby

Wprowadzenie do testu Dunna do porównań wielokrotnych
Jak wykonać test Dunna w R