ANOVA
Teď, když jsi pomocí Levenova testu ověřil/a rovnost rozptylů a vizuálně posoudil/a přibližnou normalitu logaritmicky transformovaných finančních hodnot, je čas provést test ANOVA! Připomeňme, že cílem testu ANOVA je zjistit, zda měly společnosti z oblasti biotechnologií, podnikového softwaru a zdravotní péče v průměru stejné financování. Protože tyto tři skupiny splňují podmínky testu ANOVA, víš, že závěry z tohoto testu budou platné.
DataFramy, které jsi vytvořil/a (biotech_df, enterprise_df a health_df), jsou již načteny. Stejně tak jsou načteny balíčky pandas jako pd, NumPy jako np, Matplotlib jako plt a balíček stats z knihovny SciPy. Logaritmické transformace hodnot financování, které jsi vypočítal/a v předchozím cvičení, jsou také k dispozici.
Toto cvičení je součástí kurzu
Základy statistické inference v Pythonu
Pokyny k cvičení
- Proveď jednostranný test ANOVA s použitím každého ze tří logaritmicky transformovaných finančních hodnot v tomto pořadí argumentů: Biotechnology, Enterprise Software, Health Care.
- Vypiš, zda je p-hodnota statisticky významná na hladině 5 %.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
biotech_log_funding = np.log(biotech_df['funding_total_usd'])
enterprise_log_funding = np.log(enterprise_df['funding_total_usd'])
health_log_funding = np.log(health_df['funding_total_usd'])
# Conduct a one-way ANOVA test to compare the log-funding
s, p_value = ____
# Print if the p-value is significant at 5%
____