Prueba de Levene en R
La prueba de Levene evalúa la igualdad de varianzas de las variables determinadas para múltiples grupos. Este tutorial demuestra cómo realizar la prueba de Levene en R.
Prueba de Levene en R
La prueba de Levene evalúa la igualdad de varianzas de las variables determinadas para múltiples grupos. La prueba examina la hipótesis nula de que las varianzas de la población se denominan homogeneidad u homocedasticidad y comparará la varianza de k muestras, donde k pueden ser muestras múltiples.
La prueba de Levene es una alternativa a la prueba de Barlett, que es menos sensible. El lenguaje R tiene un método leveneTest()
para realizar la prueba de Levene; este método es del paquete de atención del lenguaje R.
Primero, necesitamos instalar el paquete del automóvil si aún no está instalado.
install.packages('car')
Una vez instalado el paquete de coche, podemos realizar la prueba de Levene.
Ejemplo de código:
library(car)
person_weight <- data.frame(weight_program = rep(c("Program1", "Program2", "Program3"), each = 40),
weight_loss = c(runif(40, 0, 4),
runif(40, 0, 6),
runif(40, 1, 8)))
#first six rows of data frame
head(person_weight)
#conduct Levene's Test to check equality of variances
leveneTest(weight_loss ~ weight_program, data = person_weight)
El fragmento anterior crea un marco de datos con tres programas de pérdida de peso diferentes, que muestra cuánto peso han perdido las personas en diferentes programas. Primero, el código muestra el encabezado del marco de datos y luego realiza la prueba de Levene.
Producción :
weight_program weight_loss
1 Program1 1.027946
2 Program1 2.147631
3 Program1 3.181947
4 Program1 3.933521
5 Program1 3.093434
6 Program1 3.652795
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 2 5.2128 0.006782 **
117
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
El valor p de la prueba de Levene es 0.006782
, que es inferior al nivel de significación de 0.05
. Entonces, basándonos en el concepto de prueba de Levene, rechazamos la hipótesis nula, por lo que la varianza entre los tres grupos no es igual.
Tracemos el gráfico de caja para mostrar la distribución del peso.
boxplot(weight_loss ~ weight_program,
data = person_weight,
main = "Weight Loss Distribution by the Weight Program",
xlab = "Weight Program",
ylab = "Weight Loss",
col = "grey90",
border = "black")
Salida de gráfico de caja:
Sheeraz is a Doctorate fellow in Computer Science at Northwestern Polytechnical University, Xian, China. He has 7 years of Software Development experience in AI, Web, Database, and Desktop technologies. He writes tutorials in Java, PHP, Python, GoLang, R, etc., to help beginners learn the field of Computer Science.
LinkedIn Facebook