python方差檢驗(yàn)的含義及用法
說(shuō)明
1、方差檢驗(yàn)是用來(lái)比較兩個(gè)或多個(gè)變量數(shù)據(jù)的樣本，以確定它們之間的差異是簡(jiǎn)單隨機(jī)的，或者是由于過(guò)程之間的顯著統(tǒng)計(jì)差異造成的。
2、自變量X是一種離散數(shù)據(jù)，自變量Y是一種連續(xù)數(shù)據(jù)(x可以是多種類型)，如果數(shù)據(jù)正態(tài)分布，方差應(yīng)齊次。
實(shí)例
import pandas as pd
import numpy as np
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
data = pd.DataFrame([[1, 1, 32],
[1, 2, 35],
[1, 3, 35.5],
[1, 4, 38.5],
[2, 1, 33.5],
[2, 2, 36.5],
[2, 3, 38],
[2, 4, 39.5],
[3, 1, 36],
[3, 2, 37.5],
[3, 3, 39.5],
[3, 4, 43]],
columns=['x1', 'x2', 'y'])
# 多因素?zé)o重復(fù)試驗(yàn)，不計(jì)算交互作用的影響
model = ols('y~C(x1) + C(x2)', data=data[['x1', 'x2', 'y']]).fit()
anovat = anova_lm(model)
anovat
知識(shí)點(diǎn)補(bǔ)充：
方差分析可以用來(lái)推斷一個(gè)或多個(gè)因素在其狀態(tài)變化時(shí)，其因素水平或交互作用是否會(huì)對(duì)實(shí)驗(yàn)指標(biāo)產(chǎn)生顯著影響。主要分為單因素方差分析、多因素?zé)o重復(fù)方差分析和多因素重復(fù)方差分析。
做數(shù)理統(tǒng)計(jì)課后題，發(fā)現(xiàn)方差分析計(jì)算比較麻煩，想用Python調(diào)包實(shí)現(xiàn)。但是發(fā)現(xiàn)大多教程對(duì)參數(shù)的講解不是很清楚，在此做記錄。
主要用到的庫(kù)是pandas和statsmodels。簡(jiǎn)要流程是，先用pandas庫(kù)的DataFrame數(shù)據(jù)結(jié)構(gòu)來(lái)構(gòu)造輸入數(shù)據(jù)格式。然后用statsmodels庫(kù)中的ols函數(shù)得到最小二乘線性回歸模型。最后用statsmodels庫(kù)中的anova_lm函數(shù)進(jìn)行方差分析。
import pandas as pd import numpy as np from statsmodels.formula.api import ols from statsmodels.stats.anova import anova_lm
到此這篇關(guān)于python方差檢驗(yàn)的含義及用法的文章就介紹到這了,更多相關(guān)python方差檢驗(yàn)是什么意思內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
在Python中安裝webssh服務(wù),可以使用webssh庫(kù),下面給大家分享python3安裝webssh服務(wù)的操作方法,感興趣的朋友跟隨小編一起看看吧2024-04-04
Python利用CNN實(shí)現(xiàn)對(duì)時(shí)序數(shù)據(jù)進(jìn)行分類
這篇文章主要為大家詳細(xì)介紹了Python如何利用CNN實(shí)現(xiàn)對(duì)時(shí)序數(shù)據(jù)進(jìn)行分類功能，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下2023-02-02
python 用for循環(huán)實(shí)現(xiàn)1~n求和的實(shí)例
今天小編就為大家分享一篇python 用for循環(huán)實(shí)現(xiàn)1~n求和的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-02-02
這篇文章主要介紹了python3 kmp 字符串匹配的方法，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-07-07
最近在學(xué)習(xí)python，通過(guò)實(shí)踐是學(xué)習(xí)的一個(gè)好辦法，下面這篇文章就來(lái)給大家介紹了關(guān)于利用python爬取斗魚app中照片的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友下面來(lái)一起看看吧。2017-12-12
Python Logging 日志記錄入門學(xué)習(xí)
這篇文章主要介紹了Python Logging 日志記錄入門學(xué)習(xí)，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-06-06
Python具有強(qiáng)大的文件處理功能,如文件的創(chuàng)建、打開(kāi)、文件內(nèi)容的寫入、讀出文件中的內(nèi)容等等,這篇文章主要介紹了Python文件與文件夾操作,需要的朋友可以參考下2023-09-09
python輕松實(shí)現(xiàn)代碼編碼格式轉(zhuǎn)換
由于某些原因，需要將代碼從A機(jī)房遷移到B機(jī)房，這兩個(gè)之間不能互相訪問(wèn)，但是歷史原因?qū)е翧機(jī)房的代碼全是utf8編碼的，B機(jī)房要求是GBK編碼，看看這個(gè)怎么解決。雖然很簡(jiǎn)單，但是還是要推薦給大家，需要的小伙伴參考下吧。2015-03-03
python實(shí)現(xiàn)基于信息增益的決策樹(shù)歸納
這篇文章主要為大家詳細(xì)介紹了Python實(shí)現(xiàn)基于信息增益的決策樹(shù)歸納，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-12-12
關(guān)于Java中RabbitMQ的高級(jí)特性
這篇文章主要介紹了關(guān)于Java中RabbitMQ的高級(jí)特性,MQ全稱為Message Queue，即消息隊(duì)列,"消息隊(duì)列"是在消息的傳輸過(guò)程中保存消息的容器,它是典型的：生產(chǎn)者、消費(fèi)者模型,生產(chǎn)者不斷向消息隊(duì)列中生產(chǎn)消息，消費(fèi)者不斷的從隊(duì)列中獲取消息,需要的朋友可以參考下2023-07-07