Bagaimana untuk melakukan ujian Dunn dalam Python?

Ujian Dunn ialah teknik statistik untuk membandingkan cara beberapa sampel Apabila diperlukan untuk membandingkan cara banyak sampel untuk mengenal pasti yang mana berbeza antara satu sama lain, ujian Dunn sering digunakan dalam pelbagai disiplin. termasuk biologi, psikologi dan pendidikan Kami akan meneliti ujian Dunn secara mendalam dalam artikel ini, bersama-sama dengan pelaksanaan ular sawa.

Apakah Ujian Dunn?

Ujian Dunn ialah kaedah analisis statistik yang digunakan untuk membandingkan cara berbilang sampel. Ia adalah kaedah ujian perbandingan berbilang yang digunakan untuk membandingkan cara lebih daripada dua sampel untuk menentukan sampel yang berbeza secara signifikan antara satu sama lain.

Apabila andaian kenormalan dilanggar, ujian Kruskal−Wallis bukan parametrik Dunn kadangkala digunakan untuk membandingkan cara berbilang sampel. Sekiranya terdapat perbezaan yang ketara antara min sampel, ujian Kruskal−Wallis digunakan untuk mencari perbezaan ini. Buat perbandingan berpasangan bagi sampel bermakna untuk menentukan sampel yang berbeza secara ketara antara satu sama lain. Kemudian gunakan ujian Dunn untuk membandingkan min sampel.

Ujian Dunn dalam Python

Untuk menjalankan ujian Dunn dalam Python, kita boleh menggunakan kaedah posthoc dunn() perpustakaan scikit-posthocs.

Kod di bawah menunjukkan cara menggunakan fungsi ini -

Tatabahasa

sp.posthoc_dunn(data, p_adjust = 'bonferroni')

Statistik ujian dan nilai p Bartlett dikembalikan selepas fungsi ini menerima tatasusunan data

Parameter

• p_adjust ialah kaedah pelarasan nilai p

Untuk menunjukkan ujian dalam Python, pertimbangkan senario berikut: Seorang penyelidik ingin mengetahui sama ada tiga baja berbeza menyebabkan tahap pertumbuhan tumbuhan yang berbeza. Mereka secara rawak memilih 30 tumbuhan berbeza dan membahagikannya kepada tiga kumpulan sepuluh tumbuhan, masing-masing menggunakan baja yang berbeza. Mereka mengukur ketinggian setiap tumbuhan pada akhir bulan.

Algoritma

• Pasang perpustakaan scikit-posthocs

• Nyatakan data pertumbuhan 10 tumbuhan mengikut kumpulan

• Gabungkan kesemua 3 kombinasi menjadi satu data

• Ujian Dunn untuk nilai p menggunakan pembetulan Bonferonni

Contoh

Menjalankan ujian Dunn menggunakan perpustakaan scikit-posthocs ditunjukkan di sini.

!pip install scikit-posthocs

#specify the growth of the 10 plants in each group
group1 = [9, 10, 16, 9, 10, 5, 7, 13, 10, 9]
group2 = [16, 19, 15, 17, 19, 11, 6, 17, 11, 9]
group3 = [7, 9, 5, 8, 8, 14, 11, 9, 14, 8]
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')

Output

The adjusted p-value for the distinction between groups 1 and 2 is 0.115458.
The adjusted p-value for the distinction between groups 1 and 3 is 1.000000.
The adjusted p-value for the distinction between groups 2 and 3 is 0.27465.

Kesimpulan

Ujian Dunn digunakan secara meluas dalam banyak bidang, termasuk biologi, psikologi dan pendidikan, di mana cara berbilang sampel perlu dibandingkan untuk mengetahui sama ada terdapat perbezaan yang ketara antara sampel. Ia amat berfaedah apabila andaian normaliti dilanggar kerana ia merupakan ujian bukan parametrik yang tidak bergantung pada andaian ini.

Ujian Dunn boleh digunakan dalam bidang pendidikan untuk membandingkan cara banyak sampel data dari sekolah atau kelas yang berbeza untuk menentukan sama ada terdapat perbezaan yang ketara dalam cara sekolah atau bilik darjah. Sebagai contoh, anda boleh menggunakannya untuk membandingkan purata markah ujian di sekolah yang berbeza atau purata markah dalam bilik darjah yang berbeza.

Atas ialah kandungan terperinci Bagaimana untuk melakukan ujian Dunn dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!