非参数统计的Python实现—— Friedman 秩方差分析

概念

像 Kruskal-Wallis 检验那样的分析方法是针对完全随机试验数据的（ Kruskal-Wallis 检验方法详见https://blog.csdn.net/Raider_zreo/article/details/101694851），而当各处理的样本重复数据存在区组之间的差异时，必须考虑区组对结果的影响。对于随机完全区组设计的数据，传统的方差分析要求试验误差是正态分布的，当数据不符合方差分析的正态前提时，就可以采用 Friedman 检验。Friedman 秩方差分析对试验误差没有正态分布的要求，仅仅依赖于每个区组内所观测的秩次。
注：随机完全区组设计的设计特点是（1）把试验单位分成a个处理和b个区组，每个处理在一个区组内仅出现一次；（2）在每个区组内，把不同的处理随机地分配给不同试验单位。 这样，区组内的受试对象生物学特性较均衡，可减少实验误差，提高统计假设检验的效率，是对完全随机设计的改进，但分组较繁。

实例 & 代码

设有来自 A，B，C，D 四个地区的四名厨师制作的名菜京城水煮鱼，想比较它们的品质是否相同。经四位美食评委评分结果如下表所示，试测试四个地区制作的京城水煮鱼这道菜品质有无区别。显著性水平为0.05。

<

地区	A	B	C	D
评委1