Scipy Anova enveis

Denne opplæringen vil guide deg gjennom arbeid og implementering av ANOVA -funksjonen til Scipy Library. Python-programmeringsspråk tillater utførelse av enhver form for matematisk, vitenskapelig eller statistisk beregning med sine innebygde funksjoner. ANOVA er en statistisk funksjon som vi vil forklare i denne artikkelen. Vi vil forklare hva ANOVA enveis er, hva er dets formål og hvordan vi kan implementere det i et Python-program. Vi vil også tilby noen eksempler på programmer for å hjelpe deg med å veilede ANOVA enveisimplementering.

Hva er ANOVA?

ANOVA er forkortelsen av "variansanalysen", som er en omnibus -test. Det brukes for å avgjøre om det er noen statistisk signifikant variasjon i middelverdiene til forskjellige grupper. Det følger de to hypotesene - den ene sier at middelverdiene for alle grupper er like, og den andre sier at det er en viss forskjell i middelverdien av en gruppe. Siden ANOVA enveis er Omnibus-testen, sjekker den alle gruppene for forskjell, og minst en av dem er statistisk ganske annerledes enn de andre. Imidlertid, hvis ANOVA enveis er betydelig, kan den ikke bestemmes hvilken gruppe som er annerledes.

Hva er ANOVA en vei i et Python -program?

Scipy Library in Python programmeringsspråk gir F_Oneway () -funksjonen som brukes til å utføre enveis ANOVA. F_Oneway () -funksjonen følger nullhypotesen som tester at listen over grupper har samme middel. Testen brukes på mer enn to grupper, og de kan være i forskjellige størrelser. La oss nå forstå følgende syntaks:

Syntaks av F_Oneway -funksjonen

F_Oneway () inneholder to parametere for å fungere - den ene er obligatorisk og den andre kan hoppes over. Parameteren “**Dataset” tar listen over dataprøver. Du kan gi så mange prøver du trenger. Det må være minimum to datasett. Hvis du har flerdimensjonale matriser, bør alle matriser ha de samme dimensjonene. "Axis" -parameteren er den valgfrie parameteren. Den brukes til å spesifisere aksen til matrisen som testen blir brukt på. F_oneway-funksjonen returnerer F-statistikken og p-verdien som er forbundet med den.

F_Oneway -funksjonen reiser to unntak: ConstantIputWarning og Degeneratedatawarning. KonstantInputWarning blir hevet når hvert element i datasettene er identisk og F -statistikken mot den er enten ikke definert eller uendelig, så den returnerer begge NP.Nan eller NP.inf. På den annen side heves degenerertatawarning når matrisen er av lengde 0 eller 1. I dette tilfellet NP.Nan blir returnert for F-statistikken og p-verdien.

ANOVAs formål og funksjon

ANOVA enveis brukes til å sammenligne midlene til forskjellige grupper og finne likhetene og forskjellene mellom dem. Det krever forskjellige gruppemidler og tester for statistiske forskjeller mellom dem. La oss nå forstå alt dette ved hjelp av eksempler. For å implementere ANOVA enveisfunksjon, må vi installere Scipy-biblioteket. Forsikre deg om at Scipy-biblioteket er forhåndsinstallert. Hvis det ikke er det, må du installere den før du implementerer ANOVA enveisfunksjon. Du kan installere Scipy -biblioteket ved hjelp av følgende kommando:

Forutsatt at du har forhåndsinstallert Scipy-biblioteket, flytter vi til eksempleseksjonen for å veilede deg om hvordan du implementerer ANOVA enveis i Python-programmeringsspråket.

Eksempel 1:

Som tidligere diskutert, her er en liste over grupper som skal gis til ANOVA enveisfunksjon for å få ANOVA enveis resultat. Vi vil gi fire lister til F_Oneway () -funksjonen i dette eksemplet. Tenk på følgende prøvekode:

Fra scipy.Statistikk importerer f_oneway
P1 = [5, 10, 15, 20, 30]
P2 = [10, 15, 20, 25, 30]
P3 = [15, 20, 25, 30, 35]
P4 = [20, 25, 30, 35, 40]
F_Oneway (P1, P2, P3, P4)

Scipy -biblioteket og dens statistikkpakke er kalt for å importere F_Oneway -funksjonen. Datasettene leveres og sendes til F_Oneway () -funksjonen for gjennomsnittlig sammenligning. Utgangen er som følger:

Eksempel 2:

La oss bruke den tilfeldige funksjonen fra Numpy-biblioteket for å beregne ANOVA enveis. Vurder prøvekoden i følgende utdrag:

Fra scipy.Statistikk importerer f_oneway
Importer numpy som NP
P1 = NP.tilfeldig.Rand (2, 10)
P2 = NP.tilfeldig.Rand (3, 10)
P3 = NP.tilfeldig.Rand (4, 10)
P4 = NP.tilfeldig.Rand (5, 10)
P5 = NP.tilfeldig.Rand (6, 10)
F, P = F_Oneway (P1, P2, P3, P4, P5)
trykk (f)
trykk (P)

Akkurat som i forrige eksempel, importeres Scipy -biblioteket sammen med statistikkmodulen til programmet for å bruke F_Onway -funksjonen. Numpy -biblioteket importeres som NP for å bruke den tilfeldige funksjonen tilknyttet den. Fem datasett er deklarert ved hjelp av den tilfeldige funksjonen med forskjellige områder, og alle av dem sendes til F_Onway -funksjonen. La oss nå se resultatet av f_onway -funksjonen for datasettene som inneholder de tilfeldige tallene. Utgangen er som følger:

Eksempel 3:

Så langt ga vi en endimensjonal matrise til F_Oneway () -funksjonen. La oss nå gi den flerdimensjonale matrisen til F_Onway-funksjonen. Tenk på følgende prøvekode for din forståelse:

Importer numpy som NP
Fra scipy.Statistikk importerer f_oneway
a = np.Array ([[5, 10, 15, 20, 30],
[10, 15, 20, 25, 30],
[15, 20, 25, 30, 35],
[20, 25, 30, 35, 40]])
B = NP.Array ([[1, 2, 3, 4, 5],
[2, 3, 4, 5, 6],
[3, 4, 5, 6, 7],
[4, 5, 6, 7, 8]])
C = NP.Array ([[2, 4, 6, 8, 10],
[4, 6, 8, 10, 12],
[6, 8, 10, 12, 14],
[8, 10, 12, 14, 16]])
d = np.Array ([[3, 6, 9, 12, 15],
[6, 9, 12, 15, 18],
[9, 12, 15, 18, 21],
[12, 15, 18, 21, 23]])
f_oneway (a, b, c, d)

Igjen importeres Numpy og Scipy Libraries som kreves for programmet. Fire datasett som inneholder flerdimensjonale matriser er erklært og sendt til F_Onway-funksjonen. Merk at dimensjonene til hvert datasett er de samme, og at alle er erklært som numpy matriser. Som nevnt tidligere, skal dimensjonene til alle prøvesett være de samme. Ellers vil du ende opp med unntak eller feil. F-statistikken og P-verdien for F_Oneway-funksjonen returneres som følger:

Konklusjon

Denne opplæringen er en guide til ANOVA enveisfunksjon. ANOVA enveis er prosessen med å finne de statistiske forskjellene mellom midlene til forskjellige prøvegrupper. ANOVA enveisfunksjonen tar listen over eksempeldataene og sammenligner deres midler og returnerer F-statistikken og p-verdien til de gitte datasettene. Scipy-biblioteket gir F-Oneway-funksjonen i statistikkpakken som utfører ANOVA enveisfunksjon. Vi demonstrerte noen eksempler for å få deg til å lære og forstå hvordan du implementerer F_Oneway -funksjonen i et Python -program. Øv disse eksemplene og ha en god kommando over F_Oneway -funksjonen til Scipy Library.