Lo statistico e biologo evoluzionista Ronald Fisher ha sviluppato l'ANOVA, o analisi della varianza, come mezzo per raggiungere un fine. Può aiutarti a scoprire se i risultati di un esperimento, sondaggio o studio possono supportare l'ipotesi. Utilizzando ANOVA, puoi decidere rapidamente se un'ipotesi è vera o falsa.
Cosa è ANOVA?
Utilizzata per valutare le varianze tra i mezzi di gruppo in un campione, ANOVA è un assemblaggio di modelli statistici e dei relativi procedure di stima. È sostanzialmente la variazione tra due gruppi di dati noti. Offre un test statistico per stabilire se la media della popolazione di diversi insiemi di dati sia effettivamente uguale. Quindi generalizza il test t, o un'analisi di due popolazioni attraverso l'esame statistico, a più di due gruppi. Un test t mostra se esiste una differenza significativa tra la media della popolazione e un valore ipotizzato. La dimensione della differenza relativa alla variazione nei dati del campione è il valore t.
One Way o Two Way?
Il numero di variabili indipendenti nell'analisi del test di varianza che usi determina se l'ANOVA è l'uno o l'altro. Un test unidirezionale ha una singola variabile indipendente con due livelli. Un'analisi bidirezionale del test di varianza ha due variabili indipendenti. Un test a due vie può avere una moltitudine di livelli. Un esempio di un modo sarebbe il confronto tra due marche di gelatina. Un metodo a due vie confronterebbe i livelli di gelatina, calorie, grassi, zucchero o carboidrati.
I livelli includono i diversi gruppi che sono tutti nella stessa variabile indipendente. La replica si verifica quando si ripetono i test con più gruppi. Un'analisi bidirezionale della varianza con la replica utilizza due gruppi e individui che fanno parte di quel gruppo e fanno più cose. I test ANOVA a due vie possono essere completati con o senza replica.
Come eseguire ANOVA a mano
È disponibile un software statistico che può calcolare ANOVA in modo rapido e semplice, ma c'è un vantaggio nel calcolo manuale dell'ANOVA . Ti consente di comprendere i singoli passaggi coinvolti e come ciascuno di essi contribuisce a mostrare le differenze tra i gruppi multipli.
Raccogli le statistiche di riepilogo di base dei dati che hai raccolto. Le statistiche di riepilogo includono i singoli punti dati per il primo gruppo, etichettati "x" e il numero di punti dati per la seconda variante individuale, "y". Il numero di punti dati per ciascun gruppo è etichettato "n".
Aggiungi i punti per il primo gruppo, etichettato "SX". Il secondo gruppo di dati raccolti è "SY".
Per calcolare la media, usa la formula, C \u003d (SX + SY) ^ 2 /(2n).
Calcola la somma del quadrato tra i gruppi, SSB \u003d [(SX ^ 2 + SY ^ 2) /n] - C.
Dopo aver al quadrato di tutti i punti dati, sommali in una somma finale di "D."
Quindi, calcola la somma dei quadrati totali, SST \u003d D - C.
Usa la formula SST - SSB per trovare il SSW o la somma dei quadrati all'interno dei gruppi.
Calcola i gradi di libertà tra i gruppi, "dfb" e all'interno dei gruppi, "dfw".
La formula tra i gruppi è dfb \u003d 1 e per i gruppi interni è dfw \u003d 2n-2.
Calcola il quadrato medio per all'interno dei gruppi, MSW \u003d SSW /dfw.
Infine, calcola la statistica finale, o "F", F \u003d MSB /MSW
