如何在 Python 中执行单因素方差分析？

Python 中的单因素方差分析 单因素方差分析（也称为“方差分析”）是一种检验，可用于确定不同组的结果之间是否存在任何显著的统计差异。

假设

单因素方差分析基于以下的备择和零假设。

• H0（零假设）公式为：m1 = M2 = m3 ... = MK（这意味着所有群体的均值都相同）
• H1（零假设）定律规定，最多会存在一个不同于其他群体的总体。

语句

研究人员选取了 20 辆相同的汽车参与研究。汽车随机加注了四种发动机油中的一种，然后让它们以每辆车 100 英里的速度自由行驶。行程结束后，记录下每辆车的性能。在继续之前，我们需要在系统中安装 SciPy 库。可以通过从终端运行以下命令来安装此库：

分步实现

使用 Python 进行单因素方差分析检验是一个分步过程。步骤在以下段落中进行了描述。

第 1 步：创建数据组。

第一步是创建三个数组来保存汽车行驶过程中的细节。

第 2 步：执行单因素方差分析。

Python 提供了 SciPy 库的 f_oneway() 函数，我们可以使用它通过单因素方法执行方差分析。

输出

F_onewayResult(statistic=7.34325396825397, pvalue=0.002591682084345443)

第 3 步。分析结果。

最后，F 统计量和 p 值分别为 4.625 和 0.016336498。p 值不能小于 0.5。因此，我们无法证明我们的零假设。这表明我们没有足够的证据得出结论，四种不同发动机油之间的性能有所提高。