問(wèn)題

設(shè)某苗圃對(duì)一花木種子制定了5種不同的處理方法，每種方法處理了6粒種子進(jìn)行育苗試驗(yàn)。一年后觀察苗高獲得資料如下表。已知除處理方法不同外，其他育苗條件相同且苗高的分布近似于正態(tài)、等方差，試以95%的可靠性判斷種子的處理方法對(duì)苗木生長(zhǎng)是否有顯著影響。

數(shù)據(jù)預(yù)處理

1. 做過(guò)方差分析的都知道，先做個(gè)假設(shè)H0：不同處理方法對(duì)苗木生長(zhǎng)無(wú)顯著影響。

2. 看下課程老師給的數(shù)據(jù)

   
   
   
   

   copy出來(lái)的格式很不友好，我就寫(xiě)了一個(gè)python代碼進(jìn)行轉(zhuǎn)化，代碼：

import csv
i = 0
f = open('C://Users/Administrator/Desktop/方差分析.txt','r')
csvfile = open('C://Users/Administrator/Desktop/方差分析.csv','wt',newline='',encoding='utf-8')
writer = csv.writer(csvfile)
for fs in f:
    i = i+1
    contents_1 = fs.strip()
    contents = contents_1.split(',  ')
    for content in contents:
        writer.writerow((content,i))
f.close()
csvfile.close()

可以把數(shù)據(jù)轉(zhuǎn)化為如下格式，方便在python的方差分析中運(yùn)行：

Python方差分析

df = pd.read_excel('C:/Users/Administrator/Desktop/方差分析.xls',header=None,names=['value','group'])
d1 = df[df['group']==1]['value']
d2 = df[df['group']==2]['value']
d3 = df[df['group']==3]['value']
d4 = df[df['group']==4]['value']
d5 = df[df['group']==5]['value']
args = [d1,d2,d3,d4,d5]
f,p = stats.f_oneway(*args)
print(f,p)

結(jié)果如圖：

結(jié)論

查表得F0.05(4,25)=2.76，因?yàn)镕=Sb2/Sw2=4.38﹥F0.05(4,25)=2.76，所以推翻（或者說(shuō)拒絕）假設(shè)H0，即不同的處理方法造成了苗木高生長(zhǎng)的差異顯著。