<\/p>\n
ANOVA z powtarzanymi pomiarami<\/a> s\u0142u\u017cy do okre\u015blenia, czy istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy \u015brednimi z trzech lub wi\u0119cej grup, w kt\u00f3rych w ka\u017cdej grupie pojawiaj\u0105 si\u0119 ci sami pacjenci.<\/span><\/p>\n W tym samouczku wyja\u015bniono, jak wykona\u0107 jednokierunkow\u0105 ANOVA z powtarzanymi pomiarami w Pythonie.<\/span><\/p>\n Naukowcy chc\u0105 wiedzie\u0107, czy cztery r\u00f3\u017cne leki powoduj\u0105 r\u00f3\u017cne czasy reakcji. Aby to sprawdzi\u0107, zmierzyli czas reakcji pi\u0119ciu pacjent\u00f3w na cztery r\u00f3\u017cne leki.<\/span><\/p>\n Poniewa\u017c u ka\u017cdego pacjenta badany jest ka\u017cdy z czterech lek\u00f3w, zastosujemy ANOVA z powtarzanymi pomiarami, aby okre\u015bli\u0107, czy \u015bredni czas reakcji r\u00f3\u017cni si\u0119 w zale\u017cno\u015bci od leku.<\/span><\/p>\n Wykonaj poni\u017csze kroki, aby wykona\u0107 powtarzalne pomiary ANOVA w Pythonie.<\/span><\/p>\n Krok 1: Wprowad\u017a dane.<\/strong><\/span><\/p>\n Najpierw utworzymy pand\u0119 DataFrame do przechowywania naszych danych:<\/span><\/p>\n Krok 2: Wykonaj powtarzane pomiary ANOVA.<\/strong><\/span><\/p>\n Nast\u0119pnie wykonamy powtarzane pomiary ANOVA przy u\u017cyciu funkcji AnovaRM()<\/a> z biblioteki statsmodels<\/strong> :<\/span><\/p>\n Krok 3: Interpretacja wynik\u00f3w.<\/strong><\/span><\/p>\n W analizie ANOVA z powtarzanymi pomiarami stosuje si\u0119 nast\u0119puj\u0105ce hipotezy zerowe i alternatywne:<\/span><\/p>\n Hipoteza zerowa (H 0<\/sub> ):<\/strong> \u00b5 1<\/sub> = \u00b5 2<\/sub> = \u00b5 3<\/sub> (wszystkie \u015brednie populacji s\u0105 r\u00f3wne)<\/span><\/p>\n Hipoteza alternatywna: (Ha):<\/strong> co najmniej jedna \u015brednia populacji r\u00f3\u017cni si\u0119 od pozosta\u0142ych<\/span><\/p>\n W tym przyk\u0142adzie statystyka testu F wynosi 24,7589<\/strong> , a odpowiadaj\u0105ca jej warto\u015b\u0107 p wynosi 0,0000<\/strong> .<\/span><\/p>\n Poniewa\u017c ta warto\u015b\u0107 p<\/a> jest mniejsza ni\u017c 0,05, odrzucamy hipotez\u0119 zerow\u0105 i stwierdzamy, \u017ce istnieje statystycznie istotna r\u00f3\u017cnica w \u015brednim czasie reakcji pomi\u0119dzy czterema lekami.<\/span><\/p>\n Krok 4: Og\u0142o\u015b wyniki.<\/strong><\/span><\/p>\n Na koniec przedstawimy wyniki naszych powtarzanych pomiar\u00f3w ANOVA. Oto przyk\u0142ad, jak to zrobi\u0107:<\/span><\/p>\n U 5 os\u00f3b przeprowadzono jednokierunkow\u0105 ANOVA z powtarzanymi pomiarami, aby zbada\u0107 wp\u0142yw czterech r\u00f3\u017cnych lek\u00f3w na czas odpowiedzi.<\/span><\/p>\n Wyniki wykaza\u0142y, \u017ce rodzaj stosowanego leku wp\u0142ywa\u0142 na istotne statystycznie r\u00f3\u017cnice w czasie odpowiedzi (F(3, 12) = 24,75887, p < 0,001).<\/span><\/p>\n<\/blockquote>\n Poni\u017csze tutoriale dostarczaj\u0105 dodatkowych informacji na temat ANOVA z powtarzanymi pomiarami:<\/span><\/p>\n Jednokierunkowa ANOVA i ANOVA z powtarzanymi pomiarami: r\u00f3\u017cnica<\/a> ANOVA z powtarzanymi pomiarami s\u0142u\u017cy do okre\u015blenia, czy istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy \u015brednimi z trzech lub wi\u0119cej grup, w kt\u00f3rych w ka\u017cdej grupie pojawiaj\u0105 si\u0119 ci sami pacjenci. W tym samouczku wyja\u015bniono, jak wykona\u0107 jednokierunkow\u0105 ANOVA z powtarzanymi pomiarami w Pythonie. Przyk\u0142ad: ANOVA z powtarzanymi pomiarami w Pythonie Naukowcy chc\u0105 wiedzie\u0107, czy cztery r\u00f3\u017cne […]<\/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-853","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: ANOVA z powtarzanymi pomiarami w Pythonie<\/strong><\/span><\/h2>\n
import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#createdata<\/span>\ndf = pd.DataFrame({'patient': np.repeat([1, 2, 3, 4, 5], 4),\n 'drug': np.tile([1, 2, 3, 4], 5),\n 'response': [30, 28, 16, 34,\n 14, 18, 10, 22,\n 24, 20, 18, 30,\n 38, 34, 20, 44, \n 26, 28, 14, 30]})\n\n#view first ten rows of data<\/span> \ndf.head[:10]\n\n\n\tpatient drug response\n0 1 1 30\n1 1 2 28\n2 1 3 16\n3 1 4 34\n4 2 1 14\n5 2 2 18\n6 2 3 10\n7 2 4 22\n8 3 1 24\n9 3 2 20<\/strong><\/pre>\n from<\/span> statsmodels.stats.anova import<\/span> AnovaRM\n<\/span>\n#perform the repeated measures ANOVA<\/span>\nprint(AnovaRM(data= df<\/span> , depvar=' response<\/span> ', subject=' patient<\/span> ', within=[' drug<\/span> ']).fit())\n\n Anova\n====================================\n F Value Num DF Den DF Pr > F\n----------------------------------\ndrug 24.7589 3.0000 12.0000 0.0000\n====================================\n<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak r\u0119cznie wykona\u0107 ANOVA z powtarzanymi pomiarami<\/a>
Trzy za\u0142o\u017cenia ANOVA powtarzanych pomiar\u00f3w<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"