Python'da dunn testi nasıl gerçekleştirilir

Üç veya daha fazla bağımsız grubun medyanları arasında istatistiksel olarak anlamlı bir fark olup olmadığını belirlemek için Kruskal-Wallis testi kullanılır. Tek yönlü ANOVA’nın parametrik olmayan eşdeğeri olarak kabul edilir .

Kruskal-Wallis testinin sonuçları istatistiksel olarak anlamlı ise hangi grupların farklı olduğunu tam olarak belirlemek için Dunn testinin yapılması uygundur .

Bu eğitimde Python’da Dunn testinin nasıl gerçekleştirileceği açıklanmaktadır.

Örnek: Python’daki Dunn testi

Araştırmacılar, üç farklı gübrenin farklı bitki büyümesi düzeylerine yol açıp açmadığını bilmek istiyorlar. Rastgele 30 farklı bitki seçiyorlar ve bunları 10’arlı üç gruba ayırıyorlar ve her gruba farklı bir gübre uyguluyorlar. Bir ay sonra her bitkinin yüksekliğini ölçüyorlar.

Kruskal-Wallis testini uyguladıktan sonra genel p değerinin istatistiksel olarak anlamlı olduğunu buldular; bu da medyan büyümenin üç grup arasında aynı olmadığı anlamına geliyor. Daha sonra tam olarak hangi grupların farklı olduğunu belirlemek için Dunn testi uygulanır.

Python’da Dunn testini gerçekleştirmek için scikit-posthocs kütüphanesindeki posthoc_dunn() fonksiyonunu kullanabiliriz.

Aşağıdaki kod bu işlevin nasıl kullanılacağını gösterir:

Adım 1: Scikit-posthocs’u yükleyin.

Öncelikle scikit-posthocs kütüphanesini kurmamız gerekiyor:

 pip install scikit-posthocs

Adım 2: Dunn testini gerçekleştirin.

Daha sonra verileri oluşturabilir ve Dunn testini gerçekleştirebiliriz:

 #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

Ailesel hata oranını kontrol etmek amacıyla p değerleri için bir Bonferroni düzeltmesi kullanmayı seçtiğimizi unutmayın, ancak p_adjust argümanı için diğer potansiyel seçenekler şunları içerir:

• sidak
• Holm-Sidak
• simes hochberg
• dostum
• fdr_bh
• fdr_by
• fdr_tsbh

Bu p değeri ayarlama yöntemlerinin her biri hakkında daha fazla ayrıntı için belgelere bakın.

Adım 3: Sonuçları yorumlayın.

Dunn testinin sonuçlarına göre aşağıdakileri gözlemleyebiliriz:

• Grup 1 ile grup 2 arasındaki farka ilişkin düzeltilmiş p değeri 0,550846’dır .
• Grup 1 ile grup 3 arasındaki farka ilişkin düzeltilmiş p değeri 0,718451’dir .
• Grup 2 ile grup 3 arasındaki farka ilişkin düzeltilmiş p değeri 0,036633’tür .

Dolayısıyla, α = 0,05’te istatistiksel olarak anlamlı derecede farklı olan yalnızca iki grup, grup 2 ve 3’tür.

Ek kaynaklar

Çoklu karşılaştırmalar için Dunn testine giriş
R’de Dunn testi nasıl yapılır