So führen Sie den exakten Test nach Fisher in Python durch

Der exakte Test nach Fisher wird verwendet, um festzustellen, ob zwischen zwei kategorialen Variablen eine signifikante Assoziation besteht oder nicht. Es wird normalerweise als Alternative zum Chi-Quadrat-Unabhängigkeitstest verwendet, wenn eine oder mehrere der Zellenzahlen in einer 2 × 2-Tabelle weniger als 5 betragen.

In diesem Tutorial wird erklärt, wie Sie den exakten Test nach Fisher in Python durchführen.

Beispiel: Exakter Test nach Fisher in Python

Angenommen, wir möchten wissen, ob das Geschlecht mit der Präferenz einer politischen Partei an einem bestimmten College zusammenhängt oder nicht. Um dies zu untersuchen, befragen wir zufällig 25 Studenten auf dem Campus. Die Anzahl der Studenten, die Demokraten oder Republikaner sind, ist nach Geschlecht aufgeführt:

Um festzustellen, ob ein statistisch signifikanter Zusammenhang zwischen Geschlecht und Präferenz der politischen Partei besteht, können Sie die folgenden Schritte ausführen, um den exakten Test nach Fisher in Python durchzuführen:

Schritt 1: Überprüfen Sie die Daten.

Zuerst erstellen wir eine Tabelle für unsere Daten:

 Daten = [[8, 4],
         [4, 9]]

Schritt 2: Führen Sie den exakten Test nach Fisher durch.

Als Nächstes können wir den exakten Test nach Fisher mit der Funktion fisher_exact aus der SciPy-Bibliothek durchführen, die die folgende Syntax verwendet:

fisher_exact(table, alternative=’two-sided’)

wobei:

• table: Eine 2 × 2-Kontingenztabelle
• alternative: Definiert die alternative Hypothese. Die Standardeinstellung ist „zweiseitig“. Sie können jedoch auch „weniger“ oder „größer“ für einseitige Tests auswählen.

Der folgende Code zeigt, wie diese Funktion in unserem speziellen Beispiel verwendet wird:

import scipy.stats as stats

print(stats.fisher_exact(data))
(4.5, 0.1152)

Der p-Wert für die Tests beträgt 0,1152.

Der exakte Test nach Fisher verwendet die folgenden Null- und Alternativhypothesen:

• H ₀: (Nullhypothese) Die beiden Variablen sind unabhängig.
• H ₁: (alternative Hypothese) Die beiden Variablen sind nicht unabhängig.

Da dieser p-Wert nicht kleiner als 0,05 ist, lehnen wir die Nullhypothese nicht ab. Wir haben also nicht genügend Beweise, um zu sagen, dass es einen signifikanten Zusammenhang zwischen Geschlecht und Präferenz der politischen Parteien gibt.

Mit anderen Worten, Geschlecht und Präferenz der politischen Parteien sind unabhängig.