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。
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!

numpyArraysareAreBetterFornumericalialoperations andmulti-demensionaldata,而learthearrayModuleSutableforbasic,內存效率段

numpyArraySareAreBetterForHeAvyNumericalComputing,而lelethearRayModulesiutable-usemoblemory-connerage-inderabledsswithSimpleDatateTypes.1)NumpyArsofferVerverVerverVerverVersAtility andPerformanceForlargedForlargedAtatasetSetsAtsAndAtasEndCompleXoper.2)

ctypesallowscreatingingangandmanipulatingc-stylarraysinpython.1)usectypestoInterfacewithClibrariesForperfermance.2)createc-stylec-stylec-stylarraysfornumericalcomputations.3)passarraystocfunctions foreforfunctionsforeffortions.however.however,However,HoweverofiousofmemoryManageManiverage,Pressiveo,Pressivero

Inpython,一個“列表” isaversatile,mutableSequencethatCanholdMixedDatateTypes,而“陣列” isamorememory-sepersequeSequeSequeSequeSequeRingequiringElements.1)列表

pythonlistsandArraysareBothable.1)列表Sareflexibleandsupportereceneousdatabutarelessmory-Memory-Empefficity.2)ArraysareMoremoremoremoreMemoremorememorememorememoremorememogeneSdatabutlesserversEversementime,defteringcorcttypecrecttypececeDepeceDyusagetoagetoavoavoiDerrors。

Python和C 各有優勢,選擇應基於項目需求。 1)Python適合快速開發和數據處理,因其簡潔語法和動態類型。 2)C 適用於高性能和系統編程,因其靜態類型和手動內存管理。

選擇Python還是C 取決於項目需求:1)如果需要快速開發、數據處理和原型設計,選擇Python;2)如果需要高性能、低延遲和接近硬件的控制,選擇C 。

通過每天投入2小時的Python學習,可以有效提升編程技能。 1.學習新知識:閱讀文檔或觀看教程。 2.實踐:編寫代碼和完成練習。 3.複習:鞏固所學內容。 4.項目實踐:應用所學於實際項目中。這樣的結構化學習計劃能幫助你係統掌握Python並實現職業目標。


熱AI工具

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
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

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。

Dreamweaver CS6
視覺化網頁開發工具

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能