{"id":1050,"date":"2023-07-27T20:35:01","date_gmt":"2023-07-27T20:35:01","guid":{"rendered":"https:\/\/statorials.org\/it\/test-di-dunns-in-r\/"},"modified":"2023-07-27T20:35:01","modified_gmt":"2023-07-27T20:35:01","slug":"test-di-dunns-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/test-di-dunns-in-r\/","title":{"rendered":"Come eseguire il test di dunn in r"},"content":{"rendered":"

<\/p>\n

\n

Un test di Kruskal-Wallis<\/a> viene utilizzato per determinare se esiste o meno una differenza statisticamente significativa tra le mediane di tre o pi\u00f9 gruppi indipendenti. \u00c8 considerato l’equivalente non parametrico dell’ANOVA unidirezionale<\/a> .<\/span><\/p>\n

Se i risultati di un test di Kruskal-Wallis sono statisticamente significativi, allora \u00e8 opportuno eseguire il test di Dunn<\/a> per determinare esattamente quali gruppi sono diversi.<\/span><\/p>\n

Questo tutorial spiega come eseguire il test di Dunn in R.<\/span><\/p>\n

Esempio: test di Dunn in R<\/strong><\/span><\/h3>\n

Un ricercatore vuole sapere se tre farmaci hanno effetti diversi sul mal di schiena. Quindi recluta 30 persone che soffrono tutte di mal di schiena simile e le divide casualmente in tre gruppi per ricevere il farmaco A, il farmaco B o il farmaco C. Un mese dopo aver assunto il farmaco, il ricercatore chiede a ciascun individuo di valutare il proprio mal di schiena in base a una scala da 1 a 100, dove 100 indica il dolore pi\u00f9 grave.<\/span><\/p>\n

Il ricercatore esegue un test Kruskal-Wallis utilizzando un livello di significativit\u00e0 di 0,05 per determinare se esiste una differenza statisticamente significativa tra le valutazioni mediane del mal di schiena in questi tre gruppi.<\/span><\/p>\n

Il codice seguente mostra come creare il frame di dati in R ed eseguire un test Kruskal-Wallis:<\/span><\/p>\n

 #make this example reproducible\nset.seed(0)\n<\/span>\n#create data frame\ndata <- data.frame(drug = rep(c(\"A\", \"B\", \"C\"), each = 10),\n                   bread = c(runif(10, 40, 60),\n                            runif(10, 45, 65),\n                            runif(10, 55, 70)))<\/span>\n\n#view first six rows of data frame\nhead(data)\n<\/span>\n# drug pain\n#1 A 57.93394\n#2 A 45.31017\n#3 A 47.44248\n#4 A 51.45707\n#5 A 58.16416\n#6 A 44.03364\n\n#perform Kruskal-Wallis Test<\/span>\nkruskal.test(pain ~ drug, data = data)\n\n\tKruskal-Wallis rank sum test\n\ndata: pain by drug\nKruskal-Wallis chi-squared = 11.105, df = 2, p-value = 0.003879\n<\/span><\/span><\/strong><\/pre>\n
 Poich\u00e9 il valore p complessivo ( 0,003879<\/strong> ) \u00e8 inferiore a 0,05, ci\u00f2 significa che esiste una differenza statisticamente significativa nei livelli di dolore riportati tra i tre farmaci. Quindi possiamo eseguire il test di Dunn per determinare esattamente quali farmaci sono diversi.<\/span><\/p>\n
 #loadlibrary\nlibrary(FSA)\n\n#perform Dunn's Test with Bonferroni correction for p-values<\/span>\ndunnTest(pain ~ drug,\n         data=data,\n         method=\" bonferroni<\/span> \")\n\nDunn (1964) Kruskal-Wallis multiple comparison\n  p-values adjusted with the Bonferroni method.\n\n  Comparison Z P.unadj P.adj\n1 A - B -0.8890009 0.374002602 1.000000000\n2 A - C -3.2258032 0.001256197 0.003768591\n3 B - C -2.3368023 0.019449464 0.058348393<\/span><\/span><\/strong><\/pre>\n
 Si noti che abbiamo scelto di utilizzare una correzione Bonferroni per i valori p di confronti multipli, ma altre opzioni possibili includono:<\/span><\/p>\n
 Il codice seguente mostra come eseguire il test Dunn in R utilizzando la funzione dunnTest()<\/a> dalla libreria FSA()<\/strong> :<\/span><\/p>\n