<\/p>\n
Jednoczynnikow\u0105 ANOVA<\/a> stosuje si\u0119 do okre\u015blenia, czy istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy \u015brednimi z trzech lub wi\u0119cej niezale\u017cnych grup.<\/span><\/p>\n Je\u015bli og\u00f3lna warto\u015b\u0107 p<\/a> tabeli ANOVA jest poni\u017cej pewnego poziomu istotno\u015bci, w\u00f3wczas mamy wystarczaj\u0105ce dowody, aby stwierdzi\u0107, \u017ce co najmniej jedna ze \u015brednich grupowych r\u00f3\u017cni si\u0119 od pozosta\u0142ych.<\/span><\/p>\n Nie m\u00f3wi nam to jednak , kt\u00f3re<\/em> grupy r\u00f3\u017cni\u0105 si\u0119 od siebie. To po prostu m\u00f3wi nam, \u017ce nie wszystkie \u015brednie grupowe s\u0105 r\u00f3wne. Aby dok\u0142adnie wiedzie\u0107, kt\u00f3re grupy si\u0119 od siebie r\u00f3\u017cni\u0105, nale\u017cy przeprowadzi\u0107test post hoc<\/a> .<\/span><\/p>\n Jednym z najcz\u0119\u015bciej stosowanych test\u00f3w post hoc jest test Tukeya<\/strong> , kt\u00f3ry umo\u017cliwia przeprowadzenie por\u00f3wna\u0144 parami pomi\u0119dzy \u015brednimi ka\u017cdej grupy, kontroluj\u0105c jednocze\u015bnie wsp\u00f3\u0142czynnik b\u0142\u0119du rodzinnego<\/a> .<\/span><\/p>\n W tym samouczku przedstawiono krok po kroku przyk\u0142ad wykonania testu Tukeya w j\u0119zyku Python.<\/span><\/p>\n Najpierw za\u0142adujemy niezb\u0119dne pakiety i funkcje w Pythonie:<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak utworzy\u0107 fa\u0142szywy zbi\u00f3r danych z trzema grupami (A, B i C) i dopasowa\u0107 do danych jednokierunkowy model ANOVA, aby okre\u015bli\u0107, czy \u015brednie warto\u015bci ka\u017cdej grupy s\u0105 r\u00f3wne:<\/span><\/p>\n Widzimy, \u017ce og\u00f3lna warto\u015b\u0107 p z tabeli ANOVA wynosi 0,01258<\/strong> .<\/span><\/p>\n Poniewa\u017c liczba ta jest mniejsza ni\u017c 0,05, mamy wystarczaj\u0105ce dowody, aby stwierdzi\u0107, \u017ce \u015brednie warto\u015bci w ka\u017cdej grupie nie s\u0105 r\u00f3wne.<\/span><\/p>\n Mo\u017cemy wi\u0119c wykona\u0107 test Tukeya, aby dok\u0142adnie okre\u015bli\u0107, kt\u00f3re \u015brednie grupowe s\u0105 r\u00f3\u017cne.<\/span><\/p>\n Aby wykona\u0107 test Tukeya w Pythonie, mo\u017cemy u\u017cy\u0107 funkcji pairwise_tukeyhsd()<\/strong> z biblioteki statsmodels<\/strong> :<\/span><\/p>\n Oto jak zinterpretowa\u0107 wynik:<\/span><\/span><\/p>\n Zatem doszliby\u015bmy do wniosku, \u017ce istnieje statystycznie istotna<\/a> r\u00f3\u017cnica pomi\u0119dzy \u015brednimi grup a<\/em> i b<\/em> oraz grup b<\/em> i c<\/em> , ale nie ma statystycznie istotnej r\u00f3\u017cnicy pomi\u0119dzy \u015brednimi grup a<\/em> i c<\/em> .<\/span><\/p>\n Jak wykona\u0107 jednokierunkow\u0105 ANOVA w Pythonie<\/a> Jednoczynnikow\u0105 ANOVA stosuje si\u0119 do okre\u015blenia, czy istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy \u015brednimi z trzech lub wi\u0119cej niezale\u017cnych grup. Je\u015bli og\u00f3lna warto\u015b\u0107 p tabeli ANOVA jest poni\u017cej pewnego poziomu istotno\u015bci, w\u00f3wczas mamy wystarczaj\u0105ce dowody, aby stwierdzi\u0107, \u017ce co najmniej jedna ze \u015brednich grupowych r\u00f3\u017cni si\u0119 od pozosta\u0142ych. Nie m\u00f3wi nam to jednak , kt\u00f3re grupy […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1299","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Krok 1: Za\u0142aduj niezb\u0119dne pakiety i funkcje<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\nfrom<\/span> scipy. stats<\/span> import<\/span> f_oneway\nfrom<\/span> statsmodels. stats<\/span> . multicomp<\/span> import<\/span> pairwise_tukeyhsd<\/strong><\/span><\/pre>\n Krok 2: Dopasuj model ANOVA<\/strong><\/span><\/h3>\n
#enter data for three groups\n<\/span>a = [85, 86, 88, 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\n#perform one-way ANOVA\n<\/span>f_oneway(a, b, c)\n\nF_onewayResult(statistic=5.167774552944481, pvalue=0.012582197136592609)<\/strong><\/pre>\n Krok 3: Wykonaj test Tukeya<\/strong><\/span><\/h3>\n
#create DataFrame to hold data\n<\/span>df = pd. DataFrame<\/span> ({'score': [85, 86, 88, 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': np. repeat<\/span> (['a', 'b', 'c'], repeats= 10<\/span> )}) \n\n# perform Tukey's test\n<\/span>tukey = pairwise_tukeyhsd(endog=df['score'],\n groups=df['group'],\n alpha= 0.05<\/span> )\n\n#display results\n<\/span>print<\/span> (tukey)\n\n Multiple Comparison of Means - Tukey HSD, FWER=0.05 \n==================================================== ===\ngroup1 group2 meandiff p-adj lower upper reject\n-------------------------------------------------- ---\n ab 8.4 0.0158 1.4272 15.3728 True\n ac 1.3 0.8864 -5.6728 8.2728 False\n bc -7.1 0.0453 -14.0728 -0.1272 True\n-------------------------------------------------- ---<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak wykona\u0107 dwukierunkow\u0105 ANOVA w Pythonie<\/a>
Jak wykona\u0107 powtarzalne pomiary ANOVA w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"