excel方差分析

                           
   某银行规定VIP客户的月均账户余额要达到100万元,并以此作为比较各分行业绩的一项指标。现从三个分行1、2、3中,分别随机抽取4个VIP客户账户,用单因素方差分析判断三个分行此项业绩指标是否相同。  
第一步: VIP样本客户 某银行月均账户余额(万元)                   
原始数据呈现 分行1 分行2 分行3   方差分析:单因素方差分析(关键词:样本、因子、水平)      
  103 113 82   前提假定条件:1、正态分布;2、因子各水平方差齐;3、样本独立  
  101 107 92   SUMMARY              
  98 108 84   观测数 求和 平均 方差      
  110 116 86   分行1(因子的第1水平) 4 412 103 26      
第二步: 样本均值 103 111 86   分行2(因子的第2水平) 4 444 111 18      
预处理求均值 样本容量 4 4 4   分行3(因子的第3水平) 4 344 86 18.66667      
  总均值 100                  
            卡方与F分布都是正数(平方后数值),没有左尾检测,是右尾
 
     
 
   
第三步 计算过程: 分行1 分行2 分行3   方差分析         8.94851E-05    
过程解释 组内平方和 0 4 16   差异源 SS df MS F P-value F crit(临界值FINV函数)  
  离差^2和 4 16 36   组间SA 1304 2 652 31.21277 8.94851E-05 4.256495  
    25 9 4   组内SE 188 9 20.88889        
  188 49 25 0   总计 1492 11          
    78
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要使用Python进行Excel方差分析,需要借助pandas和numpy等库。首先,使用pandas的read_excel函数读取Excel文件数据,并将其存储到一个DataFrame对象中,例如:tcm_data = pd.read_excel('data_expert.xls')。接下来,可以使用DataFrame的columns属性获取所有列名,将其转换为列表形式,保存在measures变量中,例如:measures = tcm_data.columns.values.tolist()。然后,根据具体的法,对数据进行运处理。 下面是一个示例的法操作的代码片段: ```python name = measures[cid] lables = tcm_data[name].values.tolist() wid_size = wid_e - wid_s means = np.zeros((wid_size, 2)) variances = np.zeros((wid_size, 2)) normality = np.zeros(wid_size) # save normality or not. 1 means normality, 0 means not normality scores = np.zeros(wid_size) # save p scores t = np.zeros(wid_size) # save t cnt = 0 samples = list() samples_size = list() for j in range(wid_s, wid_e + 1): bio_measures = tcm_data == 0: n1 += 1 x1 = bio_measures[i] group1.append(bio_measures[i]) if lables[i == 1: n2 += 1 x2 = bio_measures[i] group2.append(bio_measures[i]) tmp_sample = {'group1':group1, 'group2':group2} samples.append(tmp_sample) samples_size.append([n1, n2]) if the number of missing value > 50%, do not consider this medical measure ``` 此示例代码将计方差分析的相关指标,并将结果保存在means、variances、normality、scores、t等变量中。你可以根据具体需要进行进一步的分析或操作。 另外,你还可以使用scipy库中的stats模块进行正态性检验。例如,可以使用normaltest函数对所有数据或某个特定分组数据进行正态性检验,如:p1 = stats.normaltest(groupAll)。通过观察返回结果的p值,可以判断数据是否符合正态分布。 在实际使用中,你需要根据你的数据和具体的分析需求进行相应的代码修改和适配。以上只是一个简单的示例,希望能对你有所帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值