Le ipotesi utilizzate in un\u2019ANOVA unidirezionale sono:<\/span><\/p>\n Se il valore p dell’ANOVA \u00e8 inferiore a un certo livello di significativit\u00e0 (come \u03b1 = 0,05), possiamo rifiutare l’ipotesi nulla e concludere che almeno una delle medie del gruppo \u00e8 diversa dalle altre.<\/span><\/p>\n Ma per sapere esattamente quali gruppi sono diversi tra loro, dobbiamo fare un test post-hoc.<\/span><\/p>\n Un test post hoc comunemente utilizzato \u00e8 il test della differenza meno significativa di Fisher (LSD)<\/strong> .<\/span><\/p>\n \u00c8 possibile utilizzare la funzione LSD.test()<\/strong> dal pacchetto agricolae<\/strong> per eseguire questo test in R.<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n Supponiamo che un professore voglia sapere se tre diverse tecniche di studio portano o meno a punteggi diversi nei test tra gli studenti.<\/span><\/p>\n Per verificarlo, assegna in modo casuale 10 studenti a utilizzare ciascuna tecnica di studio e registra i risultati degli esami.<\/span><\/p>\n Nella tabella seguente sono riportati<\/span> i risultati degli esami di ciascuno studente in base alla tecnica di studio utilizzata:<\/span> <\/p>\n Possiamo utilizzare il codice seguente per creare questo set di dati ed eseguire un’ANOVA unidirezionale su di esso in R:<\/span><\/p>\n Poich\u00e9 il valore p nella tabella ANOVA (0,0188) \u00e8 inferiore a 0,05, possiamo concludere che tutti i punteggi medi degli esami tra i tre gruppi non sono uguali.<\/span><\/p>\n Pertanto, possiamo eseguire il test LSD di Fisher per determinare quali medie di gruppo sono diverse.<\/span><\/p>\n Il codice seguente mostra come eseguire questa operazione:<\/span><\/p>\n La parte del risultato che ci interessa di pi\u00f9 \u00e8 la sezione chiamata $groups<\/strong> . Le tecniche che hanno caratteri diversi nella colonna dei gruppi<\/strong> sono molto diverse.<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come eseguire l’ANOVA unidirezionale in R<\/a> Un’ANOVA unidirezionale viene utilizzata per determinare se esiste o meno una differenza statisticamente significativa tra le medie di tre o pi\u00f9 gruppi indipendenti. Le ipotesi utilizzate in un\u2019ANOVA unidirezionale sono: H 0 : Le medie sono uguali per ciascun gruppo. H A : Almeno uno dei modi \u00e8 diverso dagli altri. Se il valore p […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Esempio: il test LSD di Fisher in R<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moinssigdiff1.png\")
<\/p>\n #create data frame\ndf <- data. frame<\/span> (technique = rep(c(\"tech1\", \"tech2\", \"tech3\"), each = 10<\/span> ),\n score = c(72, 73, 73, 77, 82, 82, 83, 84, 85, 89,\n 81, 82, 83, 83, 83, 84, 87, 90, 92, 93,\n 77, 78, 79, 88, 89, 90, 91, 95, 95, 98))\n\n#view first six rows of data frame\n<\/span>head(df)\n\n technical score\n1 tech1 72\n2 tech1 73\n3 tech1 73\n4 tech1 77\n5 tech1 82\n6 tech1 82\n\n#fit one-way ANOVA\n<\/span>model <- aov(score ~ technique, data = df)\n\n#view summary of one-way ANOVA\n<\/span>summary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \ntechnical 2 341.6 170.80 4.623 0.0188 *\nResiduals 27,997.6 36.95 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/span><\/span><\/strong><\/pre>\n library<\/span> (agricolae)<\/span>\n\n#perform Fisher's LSD\nprint( LSD.test<\/span> (model,\" technic<\/span> \"))\n \n$statistics\n MSerror Df Mean CV t.value LSD\n 36.94815 27 84.6 7.184987 2.051831 5.57767\n\n$parameters\n test p.adjusted name.t ntr alpha\n Fisher-LSD none technical 3 0.05\n\n$means\n std score r LCL UCL Min Max Q25 Q50 Q75\ntech1 80.0 5.868939 10 76.05599 83.94401 72 89 74.00 82.0 83.75\ntech2 85.8 4.391912 10 81.85599 89.74401 81 93 83.00 83.5 89.25\ntech3 88.0 7.557189 10 84.05599 91.94401 77 98 81.25 89.5 94.00\n\n$comparison\nNULL\n\n$groups\n score groups\ntech3 88.0 a\ntech2 85.8a\ntech1 80.0 b\n\nattr(,\"class\")\n[1] \u201cgroup\u201d\n<\/span><\/span><\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire un test post hoc Bonferroni in R<\/a>
Come eseguire il test post-hoc di Scheffe in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"