ANOVA SciPy de un solo sentido

Este tutorial lo guiará a través del trabajo e implementación de la función ANOVA de la biblioteca Scipy. El lenguaje de programación de Python permite realizar cualquier tipo de cálculo matemático, científico o estadístico con sus funciones incorporadas. ANOVA es una función estadística que explicaremos en este artículo. Explicaremos qué es ANOVA One-Way, cuál es su propósito y cómo implementarlo en un programa de Python. También proporcionaremos algunos programas de muestra para ayudarlo a guiar sobre la implementación de ANOVA One Way.

¿Qué es ANOVA??

ANOVA es la abreviatura del "análisis de varianza" que es una prueba omnibus. Se emplea para determinar si hay alguna variación estadísticamente significativa en los valores medios de diferentes grupos. Sigue las dos hipótesis: uno dice que los valores medios de todos los grupos son iguales y el otro dice que hay cierta disparidad en el valor medio de un grupo. Dado que ANOVA unidireccional es la prueba omnibus, verifica la diferencia a todos los grupos y al menos uno de ellos es estadísticamente bastante diferente a los demás. Sin embargo, si el ANOVA unidireccional es significativo, no se puede determinar qué grupo es diferente.

¿Qué es ANOVA One Way in a Python Program??

La biblioteca Scipy en el lenguaje de programación de Python proporciona la función F_oneway () que se utiliza para realizar el ANOVA unidireccional. La función f_oneway () sigue la hipótesis nula que prueba que la lista de grupos tiene la misma media. La prueba se aplica a más de dos grupos, y pueden ser de diferentes tamaños. Ahora, comprendamos la siguiente sintaxis:

Sintaxis de la función F_oneway

El f_oneway () incluye dos parámetros para funcionar: uno es obligatorio y el otro se puede omitir. El parámetro "*DataSets" toma la lista de muestras de datos. Puede proporcionar tantas muestras como necesite. Debe haber un mínimo de dos conjuntos de datos. Si tiene matrices multidimensionales, todas las matrices deben tener las mismas dimensiones. El parámetro "eje" es el parámetro opcional. Se utiliza para especificar el eje de la matriz a lo largo de la cual se aplica la prueba. La función f_oneway devuelve las estadísticas F y el valor p asociado con ella.

La función f_oneway plantea dos excepciones: constantInputwarning y degeneratedatavinging. El ConstantInputWarning se plantea cuando cada elemento de los conjuntos de datos es idéntico y el estadístico F contra él no está definido o infinito, por lo que devuelve NP.nan o np.inferior. Por otro lado, el degenerado se eleva cuando la matriz es de longitud 0 o 1. En este caso, NP.Nan se devuelve para las estadísticas F y el valor p.

Propósito y función del ANOVA de una manera

El ANOVA unidireccional se usa para comparar los medios de diferentes grupos y encontrar las similitudes y diferencias entre ellos. Toma diferentes medias grupales y pruebas de diferencias estadísticas entre ellos. Ahora, comprendamos todo esto con la ayuda de ejemplos. Para implementar la función ANOVA One Way, necesitamos instalar la biblioteca Scipy. Asegúrese de que la biblioteca Scipy esté preinstalada. Si no es así, debe instalarlo antes de implementar la función ANOVA unidireccional. Puede instalar la biblioteca Scipy usando el siguiente comando:

Suponiendo que tiene la biblioteca Scipy preinstalada, pasamos a la sección Ejemplos para guiarlo sobre cómo implementar el ANOVA unidireccional en el lenguaje de programación de Python.

Ejemplo 1:

Como se discutió anteriormente, aquí hay una lista de grupos que se proporcionarán a la función ANOVA One Way para obtener el resultado unidireccional ANOVA. Proporcionaremos cuatro listas a la función f_oneway () en este ejemplo. Considere el siguiente código de muestra:

De Scipy.estadísticas import 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)

La biblioteca Scipy y su paquete de estadísticas están llamados para importar la función F_oneway. Los conjuntos de datos se proporcionan y pasan a la función F_oneway () para la comparación media. La salida es la siguiente:

Ejemplo 2:

Usemos la función aleatoria de la biblioteca Numpy para calcular el ANOVA unidireccional. Considere el código de muestra en el siguiente fragmento:

De Scipy.estadísticas import f_oneway
importar numpy como np
P1 = NP.aleatorio.Rand (2, 10)
P2 = NP.aleatorio.Rand (3, 10)
P3 = NP.aleatorio.Rand (4, 10)
P4 = NP.aleatorio.Rand (5, 10)
P5 = NP.aleatorio.Rand (6, 10)
F, P = F_oneway (P1, P2, P3, P4, P5)
Imprimir (f)
Imprimir (P)

Al igual que en el ejemplo anterior, la biblioteca Scipy junto con el módulo de estadísticas se importan al programa para usar la función F_oneway. La biblioteca Numpy se importa como NP para usar la función aleatoria asociada con ella. Se declaran cinco conjuntos de datos utilizando la función aleatoria con diferentes rangos y todos se pasan a la función F_oneway. Ahora, veamos el resultado de la función f_onway para los conjuntos de datos que contienen los números aleatorios. La salida es la siguiente:

Ejemplo 3:

Hasta ahora, proporcionamos una matriz unidimensional a la función f_oneway (). Ahora, pasemos la matriz multidimensional a la función F_oneway. Considere el siguiente código de muestra para su comprensión:

importar numpy como np
De Scipy.estadísticas import 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)

Nuevamente, las bibliotecas numpy y scipy se importan según sea necesario para el programa. Cuatro conjuntos de datos que contienen matrices multidimensionales se declaran y pasan a la función F_oneway. Tenga en cuenta que las dimensiones de cada conjunto de datos son las mismas y todas ellas se declaran como matrices numpy. Como se mencionó anteriormente, las dimensiones de todos los conjuntos de muestras deben ser las mismas. De lo contrario, terminará con excepciones o errores. Las estadísticas F y el valor p para la función F_oneway se devuelven de la siguiente manera:

Conclusión

Este tutorial es una guía para la función ANOVA One Way. El ANOVA unidireccional es el proceso de encontrar las diferencias estadísticas entre los medios de diferentes grupos de muestra. La función ANOVA One Way toma la lista de los datos de la muestra y compara sus medias y devuelve la estadística F y el valor p de los conjuntos de datos dados. La biblioteca Scipy proporciona la función de la modificación F en el paquete de estadísticas que realiza la función ANOVA unidireccional. Demostramos algunos ejemplos para hacerle aprender y comprender cómo implementar la función F_oneway en un programa de Python. Practique estos ejemplos y tenga un buen comando de la función F_oneway de la biblioteca Scipy.