Cómo realizar la prueba de Dunn en Python

Se utiliza una prueba de Kruskal-Wallis para determinar si existe o no una diferencia estadísticamente significativa entre las medianas de tres o más grupos independientes. Se considera el equivalente no paramétrico del ANOVA de una vía .

Si los resultados de una prueba de Kruskal-Wallis son estadísticamente significativos, entonces es apropiado realizar la prueba de Dunn para determinar exactamente qué grupos son diferentes.

Este tutorial explica cómo realizar la prueba de Dunn en Python.

Ejemplo: prueba de Dunn en Python

Los investigadores quieren saber si tres fertilizantes diferentes conducen a diferentes niveles de crecimiento de las plantas. Seleccionan al azar 30 plantas diferentes y las dividen en tres grupos de 10, aplicando un fertilizante diferente a cada grupo. Al cabo de un mes miden la altura de cada planta.

Al realizar una prueba de Kruskal-Wallis, encuentran que el valor p general es estadísticamente significativo, lo que significa que el crecimiento medio no es el mismo en los tres grupos. A continuación, realizan la prueba de Dunn para determinar exactamente qué grupos son diferentes.

Para realizar la prueba de Dunn en Python, podemos usar la función posthoc_dunn () de la biblioteca scikit-posthocs.

El siguiente código muestra cómo utilizar esta función:

Paso 1: instale scikit-posthocs.

Primero necesitamos instalar la biblioteca scikit-posthocs:

pip instalar scikit-posthocs

Paso 2: Realice la prueba de Dunn.

A continuación, podemos crear los datos y realizar la prueba de Dunn:

#especifique el crecimiento de las 10 plantas en cada grupo
grupo1 = [7, 14, 14, 13, 12, 9, 6, 14, 12, 8]
grupo2 = [15, 17, 13, 15, 15, 13, 9, 12, 10, 8]
grupo3 = [6, 8, 8, 9, 5, 14, 13, 8, 10, 9]
datos = [grupo1, grupo2, grupo3]

#realice la prueba de Dunn usando una corrección de Bonferonni para los valores p
 import scikit_posthocs como sp 
sp. posthoc_dunn (datos, p_adjust = ' bonferroni ')

               1 2 3
1 1,000000 0,550846 0,718451
2 0.550846 1.000000 0.036633
3 0,718451 0,036633 1,000000

Tenga en cuenta que elegimos usar una corrección de Bonferroni para los valores p para controlar la tasa de error familiar , pero otras opciones potenciales para el argumento p_adjust incluyen:

  • sidak
  • holm-sidak
  • simes-hochberg
  • hommel
  • fdr_bh
  • fdr_by
  • fdr_tsbh

Consulte la documentación para obtener más detalles sobre cada uno de estos métodos de ajuste del valor p.

Paso 3: Interprete los resultados.

De los resultados de la prueba de Dunn podemos observar lo siguiente:

  • El valor p ajustado para la diferencia entre el grupo 1 y el grupo 2 es 0,550846 .
  • El valor p ajustado para la diferencia entre el grupo 1 y el grupo 3 es 0,718451 .
  • El valor p ajustado para la diferencia entre el grupo 2 y el grupo 3 es 0.036633 .

Por lo tanto, los únicos dos grupos que son estadísticamente significativamente diferentes en α = .05 son los grupos 2 y 3.

Recursos adicionales

Introducción a la prueba de Dunn para comparaciones múltiples
Cómo realizar la prueba de Dunn en R

  • https://r-project.org
  • https://www.python.org/
  • https://www.stata.com/

Deja un comentario

Un intervalo de confianza (IC) para una diferencia en proporciones es un rango de valores que probablemente contenga la verdadera…
statologos comunidad-2

Compartimos información EXCLUSIVA y GRATUITA solo para suscriptores (cursos privados, programas, consejos y mucho más)

You have Successfully Subscribed!