ANOVA
Nachdem du mit einem Levene-Test gleiche Varianzen nachgewiesen und visuell die ungefähre Normalverteilung der log-transformierten Gehälter beurteilt hast, ist es Zeit für einen ANOVA-Test! Denk daran: Mit dem ANOVA-Test prüfst du, ob Biotech-, Enterprise-Software- und Gesundheitsunternehmen den gleichen durchschnittlichen Finanzierungsbetrag haben. Da diese drei Gruppen die Voraussetzungen für einen ANOVA-Test erfüllen, kannst du dich auf die Schlussfolgerungen verlassen.
Die von dir erstellten DataFrames (biotech_df, enterprise_df und health_df) wurden für dich geladen. Die Pakete pandas als pd, NumPy als np, Matplotlib als plt und das stats-Paket aus SciPy sind ebenfalls geladen. Die Log-Transformationen der Finanzierungswerte, die du in einer früheren Übung berechnet hast, stehen dir zur Verfügung.
Diese Übung ist Teil des Kurses
Grundlagen der Inferenz in Python
Anleitung zur Übung
- Führe einen einfaktoriellen ANOVA-Test mit den drei log-transformierten Finanzierungen durch, und zwar in folgender Argumentreihenfolge: Biotechnology, Enterprise Software, Health Care.
- Gib aus, ob der p-Wert auf dem 5-%-Niveau signifikant ist.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
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%
____