如何在Python中执行单向方差分析

Python中的单向方差分析：单向方差分析（也称为“方差分析”）是一种测试，用于确定多个组的平均值之间是否存在统计学上的显着差异。

涉及的假设：

单向方差分析具有以下给定的零假设和替代假设：

• H0（零假设）：μ1 = μ2 = μ3 = … = μk（这意味着所有总体的均值相等）
• H1（零假设）：它表明至少有一个总体均值与其他总体均值不同

陈述：

研究人员用 20 辆相同的汽车参加了一项研究。这些汽车随机掺入四种发动机油中的一种，每辆可以自由行驶 100 公里。在旅程结束时，每辆车的性能都会被记录下来。在继续之前，我们需要在我们的系统中安装 SciPy 库。您可以在终端中使用以下命令安装此库：

pip3 install scipy

逐步实施

在Python中进行单向方差分析测试是一个循序渐进的过程，这些步骤解释如下：

步骤 1：创建数据组。

第一步是创建三个数组来保存汽车的信息

Python3

# Performance when each of the engine 
# oil is applied
performance1 = [89, 89, 88, 78, 79]
performance2 = [93, 92, 94, 89, 88]
performance3 = [89, 88, 89, 93, 90]
performance4 = [81, 78, 81, 92, 82]

第 2 步：进行单向方差分析：

Python为我们提供了来自 SciPy 库的 f_oneway()函数，我们可以使用它进行单向方差分析。

Python3

# Importing library
from scipy.stats import f_oneway
  
# Performance when each of the engine 
# oil is applied
performance1 = [89, 89, 88, 78, 79]
performance2 = [93, 92, 94, 89, 88]
performance3 = [89, 88, 89, 93, 90]
performance4 = [81, 78, 81, 92, 82]
  
# Conduct the one-way ANOVA
f_oneway(performance1, performance2, performance3, performance4)

输出：

输出

第三步：分析结果：

F 统计量和 p 值分别等于 4.625 和 0.016336498。由于 p 值不小于 0.5，因此我们将无法拒绝原假设。这意味着我们没有足够的证据表明四种不同发动机油的性能存在差异。