搜尋
首頁後端開發Python教學如何在Python中執行F檢驗
如何在Python中執行F檢驗Sep 09, 2023 pm 08:45 PM
python中的f檢驗執行f檢驗的python程式碼使用python進行f檢驗

統計學家使用 F 檢定來檢查兩個資料集是否具有相同的變異數。 F 檢驗以羅納德費雪爵士的名字命名。為了使用 F 檢驗,我們做兩個假設,一個原假設和一個備擇假設。然後我們選擇 F 檢定認可的這兩個假設中的任何一個。

變異數是一種資料分佈量測,用來說明資料與平均值的偏差。較高的值比較較小的值顯示出更大的離散度。

在本文中,您將學習如何在Python程式語言中執行F-Test以及其使用案例。

F-測試過程

執行F-檢定的過程如下:

  • 首先,定義原假設和備擇假設。

    • 零假設或H0:σ12 = σ22(總體變異數相等)

    • 替代假設或 H1:σ12 ≠ σ22(總體變異數不相等)

  • #選擇用於測試的統計資料。

  • 計算總體的自由度。例如,如果 m 和 n 是總體形狀,則自由度分別表示為 (df1) = m–1 和 (df2) = n – 1

  • 現在從 F 表中尋找 F 值。

  • 最後,將雙尾檢定的 alpha 值除以 2,計算出臨界值。

因此,我們使用總體的自由度定義 F 值。我們讀取第一行中的 df1,而第一列中的 df2。

有各種用於獨特自由度的 F 表。我們將步驟 2 中的 F 統計量與步驟 4 中計算的臨界值進行比較。如果臨界值小於 F 統計量,我們可以拒絕原假設。相反,當臨界值在某個顯著水準上大於F統計量時,我們可以接受原假設。

如何在Python中執行F檢驗

假設

在進行基於資料集的F-檢定之前,我們做了一些假設。

  • 資料整體服從常態分佈,即符合鐘形曲線。

  • 樣本之間不相關,即人群中不存在多重共線性。

除了這些假設之外,在進行F檢定時,我們還應考慮以下關鍵要點:

  • 最大變異值應該在分子中以執行右尾檢定。

  • 在雙尾檢定中,將alpha除以2後確定臨界值。

  • 檢查是否有變異數或標準差。

  • 如果 F 表中沒有自由度,則以最大值作為臨界值。

F-Test在Python中的應用

文法

scipy stats.f()

參數

x :  quantiles
q :  lower or upper tail probability
dfn, dfd shape parameters
loc :location parameter
scale :  scale parameter (default=1)
size :  random variate shape
moments : [‘mvsk’] letters, specifying which moments to compute

Explanation

的中文翻譯為:

解釋

在這個方法中,使用者必須將f_value和每個陣列的可迭代長度傳遞給scipy.stats.f.cdf(),並將其減去1以執行F檢定。

演算法

  • 首先,導入NumPy和Scipy.stats函式庫進行操作。

  • 然後建立兩個具有兩個不同變數名稱的隨機選擇值列表,並將它們轉換為 NumPy 數組,並使用 Numpy 計算每個數組的變異數。

  • 定義一個函數來計算F分數,其中首先我們將數組的變異數除以自由度為1。

  • 然後計算每個數組的可迭代長度,並將 f 值(方差比率)和長度傳遞到 CDF 函數中,並從 1 中減去該長度以計算 p 值。

  • 最後,函數傳回 p_value 和 f_value。

範例

import numpy as np
import scipy.stats

# Create data
group1 = [0.28, 0.2, 0.26, 0.28, 0.5]
group2 = [0.2, 0.23, 0.26, 0.21, 0.23]

# Converting the list to an array
x = np.array(group1)
y = np.array(group2)

# Calculate the variance of each group
print(np.var(group1), np.var(group2))

def f_test(group1, group2):
   f = np.var(group1, ddof=1)/np.var(group2, ddof=1)
   nun = x.size-1
   dun = y.size-1
   p_value = 1-scipy.stats.f.cdf(f, nun, dun)
   return f, p_value

# perform F-test
f_test(x, y)

輸出

Variances: 0.010464 0.00042400000000000017

您可以觀察到 F 檢定值為 4.38712, 對應的 p 值為 0.019127

由於p值小於0.05,我們將放棄虛無假設。因此,我們可以說這兩個總體的變異數不相等。

結論

讀完本文後,您現在知道如何使用 F 檢定來檢查兩個樣本是否屬於具有相同變異數的總體。您已經了解了 F 測試過程、假設和 Python 實作。讓我們用一些要點來總結這篇文章 -

  • F檢定告訴你兩個總體是否有相等的變異數。

  • 計算自由度並計算臨界值。

  • 從F-表中找到F統計量,並將其與在前一步計算的關鍵值進行比較。

  • 根據臨界值和 F 統計量比較接受或拒絕原假設。

以上是如何在Python中執行F檢驗的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文轉載於:tutorialspoint。如有侵權,請聯絡admin@php.cn刪除
如何使用Python查找文本文件的ZIPF分佈如何使用Python查找文本文件的ZIPF分佈Mar 05, 2025 am 09:58 AM

本教程演示如何使用Python處理Zipf定律這一統計概念,並展示Python在處理該定律時讀取和排序大型文本文件的效率。 您可能想知道Zipf分佈這個術語是什麼意思。要理解這個術語,我們首先需要定義Zipf定律。別擔心,我會盡量簡化說明。 Zipf定律 Zipf定律簡單來說就是:在一個大型自然語言語料庫中,最頻繁出現的詞的出現頻率大約是第二頻繁詞的兩倍,是第三頻繁詞的三倍,是第四頻繁詞的四倍,以此類推。 讓我們來看一個例子。如果您查看美國英語的Brown語料庫,您會注意到最頻繁出現的詞是“th

我如何使用美麗的湯來解析HTML?我如何使用美麗的湯來解析HTML?Mar 10, 2025 pm 06:54 PM

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

python中的圖像過濾python中的圖像過濾Mar 03, 2025 am 09:44 AM

處理嘈雜的圖像是一個常見的問題,尤其是手機或低分辨率攝像頭照片。 本教程使用OpenCV探索Python中的圖像過濾技術來解決此問題。 圖像過濾:功能強大的工具圖像過濾器

如何使用Python使用PDF文檔如何使用Python使用PDF文檔Mar 02, 2025 am 09:54 AM

PDF 文件因其跨平台兼容性而廣受歡迎,內容和佈局在不同操作系統、閱讀設備和軟件上保持一致。然而,與 Python 處理純文本文件不同,PDF 文件是二進製文件,結構更複雜,包含字體、顏色和圖像等元素。 幸運的是,借助 Python 的外部模塊,處理 PDF 文件並非難事。本文將使用 PyPDF2 模塊演示如何打開 PDF 文件、打印頁面和提取文本。關於 PDF 文件的創建和編輯,請參考我的另一篇教程。 準備工作 核心在於使用外部模塊 PyPDF2。首先,使用 pip 安裝它: pip 是 P

如何在django應用程序中使用redis緩存如何在django應用程序中使用redis緩存Mar 02, 2025 am 10:10 AM

本教程演示瞭如何利用Redis緩存以提高Python應用程序的性能,特別是在Django框架內。 我們將介紹REDIS安裝,Django配置和性能比較,以突出顯示BENE

如何使用TensorFlow或Pytorch進行深度學習?如何使用TensorFlow或Pytorch進行深度學習?Mar 10, 2025 pm 06:52 PM

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

如何在Python中實現自己的數據結構如何在Python中實現自己的數據結構Mar 03, 2025 am 09:28 AM

本教程演示了在Python 3中創建自定義管道數據結構,利用類和操作員超載以增強功能。 管道的靈活性在於它能夠將一系列函數應用於數據集的能力,GE

Python中的平行和並發編程簡介Python中的平行和並發編程簡介Mar 03, 2025 am 10:32 AM

Python是數據科學和處理的最愛,為高性能計算提供了豐富的生態系統。但是,Python中的並行編程提出了獨特的挑戰。本教程探討了這些挑戰,重點是全球解釋

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
2 週前By尊渡假赌尊渡假赌尊渡假赌
倉庫:如何復興隊友
4 週前By尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island冒險:如何獲得巨型種子
4 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SecLists

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

MantisBT

MantisBT

Mantis是一個易於部署的基於Web的缺陷追蹤工具,用於幫助產品缺陷追蹤。它需要PHP、MySQL和一個Web伺服器。請查看我們的演示和託管服務。

mPDF

mPDF

mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

ZendStudio 13.5.1 Mac

ZendStudio 13.5.1 Mac

強大的PHP整合開發環境