ANOVA
Maintenant que vous avez établi l'égalité des variances à l'aide du test de Levene et évalué visuellement l'approximation de la normalité des salaires transformés en log, il est temps d'effectuer un test ANOVA ! Rappelez-vous que l'objectif d'un test ANOVA est de déterminer si les entreprises en biotechnologie, en logiciels d'entreprise et en soins de santé ont reçu un financement moyen égal. Comme ces trois groupes respectent les conditions d'un test ANOVA, vous savez que les conclusions de ce test seront valides.
Les DataFrames que vous avez créés (biotech_df, enterprise_df et health_df) ont été chargés pour vous. Les modules pandas sous pd, NumPy sous np, Matplotlib sous plt et le module stats de SciPy ont aussi été chargés. Les transformations logarithmiques des montants de financement que vous avez calculées dans un exercice précédent sont fournies.
Cette activité fait partie du cours
Fondements de l'inférence en Python
Instructions de l’exercice
- Effectuez une ANOVA à un facteur en utilisant chacune des trois variables de financement transformées en log dans l'ordre d'arguments suivant : Biotechnology, Enterprise Software, Health Care.
- Affichez si la valeur p est significative à 5 %.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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%
____