Scipy Mann Whitney

Die Python -Programmiersprache wird üblicherweise in Datenwissenschaften und Datenanalysen verwendet. Mit den einfachen, nützlichen, kostenlosen und leicht verständlichen Algorithmen der Python-Programmiersprache können wir eine eingehende Datenanalyse durchführen. Die in Data Sciences verwendeten Algorithmen sind ebenfalls sehr einfach zu lernen und implementieren. Darüber hinaus bietet die Python -Programmiersprache auch mehrere nützliche Pakete, Funktionen und Methoden zur Durchführung der mathematischen und statistischen Berechnungen. Dieser Artikel ist strukturiert, um die Mann -Whitney -U -Testfunktion in Python zu untersuchen.

Mann Whitney u Test

Es handelt sich um einen nichtparametrischen statistischen Hypothesentest. Es wird als gleich dem T-Test mit zwei Stichproben angesehen, bei dem zwei Stichproben zufällig ausgewählt werden und festgestellt werden, ob sie zur gleichen Population gehören oder nicht. Da es sich um einen nicht parametrischen Test handelt, werden für die Stichprobenverteilung keine Annahmen getroffen. Einige Vermutungen, wie zufällig die Auswahl der Proben, die gegenseitige Unabhängigkeit innerhalb der Proben, ordinale Maßstabmessungen usw. werden hergestellt.

Python Scipy Mann Whitney -Funktion

Die Python -Programmiersprache hat eine unglaubliche Bibliothek, um mathematische und statistische Funktionen automatisch und schnell auszuführen. Diese Bibliothek ist Skipy, die sowohl bei allen erfahrenen als auch bei Anfängerentwicklern bekannt ist. Es bietet eine Mannwhitneyu () -Funktion, um den Mann Whitney U -Test auszuführen. Die Syntax der Funktion mannwhitneyu () ist wie folgt:

Die Parameter der Funktion mannwhitneyu () werden verwendet, um die Daten und die auf die Daten angewendeten Funktionen zu definieren. Die Parameter „X“ und „Y“ werden verwendet, um die beiden mehrdimensionalen Probenarrays zu übergeben, die die Stichprobendaten darstellen. Der Parameter „alternativ“ gibt die alternative Hypothese für die Proben an - weniger, größer, oder zweiseitig. Der Parameter „Use_Continuity“ wird verwendet, um zu erklären, ob die Kontinuitätskorrektur angewendet werden soll oder nicht. Der Parameter „Achsen“ definiert die Achse, auf der die statistische Berechnung durchgeführt wird. Der Parameter „nan_policy“ definiert, wie man mit den NAN -Werten in den Proben umgeht, wie eine Ausnahme, Überspringen oder Ausbreitung.

Und schließlich gibt der Parameter „Methode“ die Möglichkeit zur Berechnung des p-Werts wie automatisch, exakt oder asymptotisch an. Im Gegenzug gibt die Funktion mannwhitneyu () den p-Wert und die Statistik von Proben an. Lassen Sie uns verstehen, wie wir die Funktion mannwhitneyu () in einem Python -Programm implementieren können.

Beispiel 1:

In diesem Beispiel wird zwei Proben entnommen und an die Funktion mannwhitneyu () geleitet, ohne einen anderen Parameter anzugeben. Wir werden das Ergebnis der Funktion mannwhitneyu () mit den Standardwerten für jeden optionalen Parameter überprüfen. Betrachten wir das angegebene Beispiel im folgenden Code -Snippet:

aus Scipy -Importstatistiken
x = [5, 4, 10, 2, 9, 18, 20]
y = [12, 15, 25, 2, 9, 11, 13]
STAT, p_Value = Statistiken.Mannwhitneyu (x, y)
print ("Der statistische Wert von Stichproben ist =", stat)
print ("Der p-Wert von Proben ist =", p_Value)

Hier schließen wir die Scipy -Bibliothek zusammen mit dem Statistikpaket ein, damit wir die Funktion mannwhitneyu () verwenden können. Beim Schreiben eines Python -Programms müssen Sie sich daran erinnern, dass die Bibliotheken in das Programm importiert werden müssen, bevor Sie eine damit verbundene Funktion verwenden. Einige der integrierten Funktionen können verwendet werden, ohne ihre Bibliotheken ausdrücklich aufzurufen. Die meisten Funktionen können jedoch nicht in einem Programm verwendet werden, wenn Sie ihre Bibliotheken im Programm hinzufügen. Stellen Sie sicher, dass alle erforderlichen Bibliotheken enthalten sind, bevor Sie die Funktionen verwenden.

Nach dem Hinzufügen der Bibliotheken werden die beiden Beispielsätze in x und y deklariert. Diese Proben werden an die Funktion mannwhitenyu () übergeben. Lassen Sie uns nun die Statistik und p_Value der angegebenen Stichproben in der folgenden Ausgabe überprüfen:

Beispiel 2:

Lassen Sie uns den Wert eines der optionalen Parameter in diesem Beispiel ausdrücklich erklären. Wie bereits erwähnt, können Sie die alternative Hypothese für die Stichprobendaten angeben und sie können weniger, größer oder zweiseitig sein. Standardmäßig verwendet die Funktion mannwhitneyu () den "zweiseitigen" Wert für den Parameter "alternativ". In diesem Beispiel werden wir jeden Wert für den alternativen Parameter testen, um zu verstehen, wie sie mit den Beispieldaten funktionieren. Betrachten Sie das folgende Beispielbeispiel:

aus Scipy -Importstatistiken
x = [5, 4, 10, 2, 9, 18, 20, 4, 9, 11, 18, 20, 25, 30]
y = [12, 15, 25, 2, 9, 11, 13, 2, 5, 10, 18, 4, 30, 6]
STAT, p_Value = Statistiken.Mannwhitneyu (x, y)
print ("Der statistische Wert von Stichproben ist =", stat)
print ("Der p-Wert von Proben ist =", p_Value)

Hier geben wir den Wert für den Parameter „Alternativ“ nicht an. Dies geschieht, um das Ergebnis des Standardwerts „Alternativ“ mit allen anderen Optionen zu vergleichen. Hier ist, was die Funktion von Mannwhitneyu () zurückgibt, wenn wir den Wert für einen Parameter nicht angeben:

Der Standardwert für die Funktion mannwhitneyu () ist „zweiseitig“, die feststellt, dass die angegebenen Proben nicht gleich sind. Hier geben wir den "zweiseitigen" Wert für den Parameter "alternativ", um die Ergebnisse zu vergleichen. Der gleiche p-Wert wird zurückgegeben wie im vorherigen Beispiel. Lassen Sie uns das folgende Ergebnis überprüfen:

aus Scipy -Importstatistiken
x = [5, 4, 10, 2, 9, 18, 20, 4, 9, 11, 18, 20, 25, 30]
y = [12, 15, 25, 2, 9, 11, 13, 2, 5, 10, 18, 4, 30, 6]
STAT, p_Value = Statistiken.Mannwhitneyu (x, y, alternativ = 'zweiseitig')
print ("Der statistische Wert von Stichproben ist =", stat)
print ("Der p-Wert von Proben ist =", p_Value)

Durch den Vergleich beider Ausgänge können wir schließen, dass die Ergebnisse gleich sind.

Der „größere“ Wert für den Parameter „alternativ“ prüft die Proben mit der Hypothese, dass die angegebene X -Probe stochistisch größer ist als die gegebene Y -Probe. Lassen Sie uns den „größeren“ Wert für den Parameter „Alternativ“ angeben, um den berechneten p-Wert zu überprüfen:

aus Scipy -Importstatistiken
x = [5, 4, 10, 2, 9, 18, 20, 4, 9, 11, 18, 20, 25, 30]
y = [12, 15, 25, 2, 9, 11, 13, 2, 5, 10, 18, 4, 30, 6]
STAT, p_Value = Statistiken.Mannwhitneyu (X, Y, Alternative = 'Greater')
print ("Der statistische Wert von Stichproben ist =", stat)
print ("Der p-Wert von Proben ist =", p_Value)

Hier ist die Ausgabe des „größeren“ Wertes für den Parameter „Alternativ“:

Wie Sie sehen können, unterscheidet sich der p-Wert von dem p-Wert in den vorherigen Ausgängen.

Zuletzt haben wir den "weniger" Wert für den Parameter "alternativ". Der Wert „weniger“ gibt an, dass die angegebene X -Probe stochistisch geringer ist als die gegebene Y -Probe. Lassen Sie uns den "weniger" Wert für den Parameter "alternativ" übergeben und das Ergebnis sehen:

aus Scipy -Importstatistiken
x = [5, 4, 10, 2, 9, 18, 20, 4, 9, 11, 18, 20, 25, 30]
y = [12, 15, 25, 2, 9, 11, 13, 2, 5, 10, 18, 4, 30, 6]
STAT, p_Value = Statistiken.Mannwhitneyu (x, y, alternativ = 'weniger')
print ("Der statistische Wert von Stichproben ist =", stat)
print ("Der p-Wert von Proben ist =", p_Value)

Die Ausgabe des "weniger" -Wertwerts für den Parameter "alternativ" lautet wie folgt:

Abschluss

Dieser Leitfaden ist ein kurzer Überblick über den Mann Whitney U -Test, der auch als Wilcoxon Mann Whitney (MWW), Wilcoxon Rank Sumentest und Wilcoxon Mann Whitney -Test bekannt ist. Es ist ein nichtparametrischer Test, der unabhängige Proben zufällig wählt und sie mit einer Hypothese vergleicht. Darüber hinaus wird keine spezifische Verteilungsvermutung zur Berechnung des p-Wert- und Teststatistiks vorgenommen. Die Scipy Library bietet die Funktion mannwhitneyu (), um den Mann Whitney -Test auf den angegebenen Daten auszuführen. Mit Hilfe einfacher und einfacher Beispiele haben wir gezeigt, wie die Mannwhitneyu () -Funktion in einem Python -Programm implementiert werden kann.