ANOVA
Skoro potwierdzono równość wariancji za pomocą testu Levene'a i wizualnie oceniono przybliżoną normalność logarytmicznie przekształconych wynagrodzeń, czas przeprowadzić test ANOVA! Przypomnij sobie, że celem testu ANOVA jest sprawdzenie, czy spółki z sektorów biotechnologicznego, oprogramowania dla przedsiębiorstw i ochrony zdrowia miały równe średnie finansowanie. Ponieważ te trzy grupy spełniają warunki testu ANOVA, wnioski z niego będą wiarygodne.
DataFrame'y, które wcześniej utworzono (biotech_df, enterprise_df i health_df), zostały już wczytane. Wczytano również biblioteki: pandas jako pd, NumPy jako np, Matplotlib jako plt oraz pakiet stats z biblioteki SciPy. Logarytmiczne przekształcenia wartości finansowania, obliczone we wcześniejszym ćwiczeniu, są już dostępne.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Instrukcje do ćwiczenia
- Przeprowadź jednoczynnikowy test ANOVA, używając każdego z trzech logarytmicznie przekształconych finansowań w następującej kolejności argumentów: Biotechnology, Enterprise Software, Health Care.
- Wyświetl informację, czy p-wartość jest istotna na poziomie 5%.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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%
____