Cómo realizar una prueba F en Python

En este artículo, veremos el enfoque para realizar una prueba F en el lenguaje de programación python. La función scipy stats.f() en Python con ciertos parámetros necesarios para obtener la prueba F de los datos proporcionados.

scipy stats.f(): Es una variable aleatoria continua F que se define con un formato estándar y unos parámetros de forma para completar su especificación.

Sintaxis: scipy stats.f()

Parámetros:

• x : cuantiles
• q : probabilidad de cola inferior o superior
• parámetros de forma dfn, dfd
• loc: parámetro de ubicación
• scale : parámetro de escala (predeterminado=1)
• tamaño: forma de variación aleatoria
• momentos: compuesto de letras [‘mvsk’] que especifican qué momentos calcular

En este ejemplo, usaremos los datos de la muestra distribuida normalizada y con los diferentes valores de varianza y usaremos además scipy.stats.f.cdf() para obtener la prueba F de los datos en el lenguaje de programación python.

import numpy as np
import scipy.stats
  
# Create data
group1 = [0.28, 0.2, 0.26, 0.28, 0.5]
group2 = [0.2, 0.23, 0.26, 0.21, 0.23]
  
# converting the list to array
x = np.array(group1)
y = np.array(group2)
  
# calculate variance of each group
print(np.var(group1), np.var(group2))
  
def f_test(group1, group2):
    f = np.var(group1, ddof=1)/np.var(group2, ddof=1)
    nun = x.size-1
    dun = y.size-1
    p_value = 1-scipy.stats.f.cdf(f, nun, dun)
    return f, p_value
  
# perform F-test
f_test(x, y)

Producción:

0.010464 0.00042400000000000017— Variaciones

(24.679245283018858, 0.004431318383760985) –Valores de prueba F

Interpretación de la prueba:

El estadístico de la prueba F es 24,67 y el valor p es 0,0044, rechazaríamos la hipótesis nula valor asp<=0,05, por lo que podemos decir simplemente observando el valor p de los datos utilizados que las dos varianzas poblacionales no son iguales.