如何在Python中执行 F 测试

在本文中，我们将研究在Python编程语言中执行 F-Test 的方法。 Python中的 scipy stats.f()函数需要传递某些参数才能对给定数据进行 F 检验。

scipy stats.f()：它是一个 F 连续随机变量，用标准格式和一些形状参数定义以完成其规范。

Syntax: scipy stats.f()

Parameters:

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

在这个例子中，我们将使用来自归一化分布样本的数据和不同的方差值，我们将进一步使用 scipy.stats.f.cdf() 在Python编程语言中获取数据的 F 检验。

Python

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 array
x = np.array(group1)
y = np.array(group2)
  
# calculate 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)

输出：

0.010464 0.00042400000000000017— Variances

(24.679245283018858, 0.004431318383760985) –F-test values

测试解读：

F 检验统计量为 24.67，p 值为 0.0044，我们将拒绝原假设 asp-value<=0.05，因此我们可以简单地通过查看所用数据的 p 值来判断两个总体方差不相等。