<\/p>\n
Un’ANOVA a tre vie<\/strong> viene utilizzata per determinare se esiste o meno una differenza statisticamente significativa tra le medie di tre o pi\u00f9 gruppi indipendenti distribuiti su tre fattori.<\/span><\/p>\n L’esempio seguente mostra come eseguire un’ANOVA a tre vie in Python.<\/span><\/p>\n Supponiamo che un ricercatore voglia determinare se due programmi di allenamento portano a diversi miglioramenti medi nell’altezza del salto tra i giocatori di basket del college.<\/span><\/p>\n Il ricercatore sospetta che anche il sesso e la divisione (Divisione I o II) possano influenzare l’altezza del salto, motivo per cui raccoglie dati anche su questi fattori.<\/span><\/p>\n Il suo obiettivo \u00e8 eseguire un’ANOVA a tre vie per determinare in che modo il programma di allenamento, il sesso e la divisione influiscono sull’altezza del salto.<\/span><\/p>\n Utilizzare i seguenti passaggi per eseguire questa ANOVA a tre vie in Python:<\/span><\/p>\n Passaggio 1: creare i dati<\/strong><\/span><\/p>\n Innanzitutto, creiamo un DataFrame panda per contenere i dati:<\/span><\/p>\n Passaggio 2: eseguire l’ANOVA a tre vie<\/strong><\/span><\/p>\n Successivamente, possiamo utilizzare la funzione anova_lm()<\/strong> dalla libreria statsmodels<\/strong> per eseguire l’ANOVA a tre vie:<\/span><\/p>\n Passaggio 3: interpretare i risultati<\/strong><\/span><\/p>\n La colonna Pr(>F)<\/strong> mostra il valore p per ogni singolo fattore e le interazioni tra i fattori.<\/span><\/p>\n Dai risultati possiamo vedere che nessuna delle interazioni tra i tre fattori era statisticamente significativa.<\/span><\/p>\n Possiamo anche vedere che ciascuno dei tre fattori (programma, genere e divisione) era statisticamente significativo con i seguenti valori p:<\/span><\/p>\n In conclusione, diremmo che il programma di allenamento, il genere e la divisione sono tutti indicatori significativi dell\u2019aumento dell\u2019altezza di salto nei giocatori.<\/span><\/p>\n Diremmo anche che non ci sono effetti di interazione significativi tra questi tre fattori.<\/span><\/p>\n I seguenti tutorial spiegano come adattare altri modelli ANOVA in Python:<\/span><\/p>\n Come eseguire ANOVA unidirezionale in Python<\/a> Un’ANOVA a tre vie viene utilizzata per determinare se esiste o meno una differenza statisticamente significativa tra le medie di tre o pi\u00f9 gruppi indipendenti distribuiti su tre fattori. L’esempio seguente mostra come eseguire un’ANOVA a tre vie in Python. Esempio: ANOVA a tre vie in Python Supponiamo che un ricercatore voglia determinare se due […]<\/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 Esempio: ANOVA a tre vie in Python<\/strong><\/span><\/h2>\n
import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' program<\/span> ': np.repeat<\/span> ([1,2],20),\n ' gender<\/span> ': np. tile<\/span> (np. repeat<\/span> (['M', 'F'], 10), 2),\n ' division<\/span> ': np. tile<\/span> (np. repeat<\/span> ([1, 2], 5), 4),\n ' height<\/span> ': [7, 7, 8, 8, 7, 6, 6, 5, 6, 5,\n 5, 5, 4, 5, 4, 3, 3, 4, 3, 3,\n 6, 6, 5, 4, 5, 4, 5, 4, 4, 3,\n 2, 2, 1, 4, 4, 2, 1, 1, 2, 1]})\n\n#view first ten rows of DataFrame \n<\/span>df[:10]\n\n\tprogram gender division height\n0 1 M 1 7\n1 1 M 1 7\n2 1 M 1 8\n3 1 M 1 8\n4 1 M 1 7\n5 1 M 2 6\n6 1 M 2 6\n7 1 M 2 5\n8 1 M 2 6\n9 1 M 2 5\n<\/strong><\/span><\/pre>\n import<\/span> statsmodels. api<\/span> as<\/span> sm\nfrom<\/span> statsmodels. formula<\/span> . api<\/span> import<\/span> ols\n\n#perform three-way ANOVA\n<\/span>model = ols(\"\"\"height ~ C(program) + C(gender) + C(division) +\n C(program):C(gender) + C(program):C(division) + C(gender):C(division) +\n C(program):C(gender):C(division)\"\"\", data=df) .fit<\/span> ()\n\nsm. stats<\/span> . anova_lm<\/span> (model, typ= 2<\/span> )\n\n\t sum_sq df F PR(>F)\nC(program) 3.610000e+01 1.0 6.563636e+01 2.983934e-09\nC(gender) 6.760000e+01 1.0 1.229091e+02 1.714432e-12\nC(division) 1.960000e+01 1.0 3.563636e+01 1.185218e-06\nC(program):C(gender) 2.621672e-30 1.0 4.766677e-30 1.000000e+00\nC(program):C(division) 4.000000e-01 1.0 7.272727e-01 4.001069e-01\nC(gender):C(division) 1.000000e-01 1.0 1.818182e-01 6.726702e-01\nC(program):C(gender):C(division) 1.000000e-01 1.0 1.818182e-01 6.726702e-01\nResidual 1.760000e+01 32.0 NaN NaN<\/strong><\/span><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire un’ANOVA bidirezionale in Python<\/a>
Come eseguire misure ripetute ANOVA in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"