ダンの検定は、複数のサンプルの平均を比較するための統計手法です。多数のサンプルの平均を比較して、どのサンプルが互いに顕著に異なっているかを特定する必要がある場合、ダンの検定は次のようになります。生物学、心理学、教育などのさまざまな分野で頻繁に使用されます。この記事では、Python の実装とともにダンのテストを詳しく検討します。
ダン検定は、複数のサンプルの平均を比較するために使用される統計分析方法です。これは、2 つ以上のサンプルの平均を比較して、どのサンプルが互いに大きく異なるかを判断するために使用される多重比較検定方法です。
正規性の仮定に違反する場合、ダンのノンパラメトリック クラスカル-ワリス検定が複数のサンプルの平均を比較するために使用されることがあります。サンプル平均間に有意な差がある場合は、Kruskal-Wallis 検定を使用してこれらの違いを見つけました。サンプル平均値をペアごとに比較して、どのサンプルが互いに大きく異なるかを判断します。次に、ダン検定を使用してサンプル平均を比較します。
Dunn のテストを Python で実行するには、scikit-posthocs ライブラリの posthoc dunn() メソッドを使用できます。
次のコードは、この関数の使用方法を示しています -
###文法### リーリーこの関数がデータ配列を受け取った後、バートレットの検定統計量と p 値が返されます。
10 個の植物の成長データをグループごとに指定します
3 つの組み合わせすべてを 1 つのデータにマージします
ボンフェローニ補正を使用した p 値のダンの検定
ここでは、scikit-posthocs ライブラリを使用して Dunn のテストを実行する方法を示します。
リーリー ###出力### リーリー ###結論は###以上がPython でダンのテストを実行するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。