<\/p>\n
Uma ANOVA unidirecional<\/a> \u00e9 usada para determinar se h\u00e1 ou n\u00e3o uma diferen\u00e7a estatisticamente significativa entre as m\u00e9dias de tr\u00eas ou mais grupos independentes.<\/span><\/p>\n Se o valor p<\/a> geral da tabela ANOVA estiver abaixo de um certo n\u00edvel de signific\u00e2ncia, ent\u00e3o temos evid\u00eancias suficientes para dizer que pelo menos uma das m\u00e9dias do grupo \u00e9 diferente das outras.<\/span><\/p>\n No entanto, isso n\u00e3o nos diz quais<\/em> grupos s\u00e3o diferentes uns dos outros. Isto simplesmente nos diz que nem todas as m\u00e9dias dos grupos s\u00e3o iguais. Para saber exatamente quais grupos s\u00e3o diferentes entre si, precisamos realizar um teste post hoc<\/a> .<\/span><\/p>\n Um dos testes post hoc mais comumente usados \u00e9 o teste de Tukey<\/strong> , que nos permite realizar compara\u00e7\u00f5es pareadas entre as m\u00e9dias de cada grupo enquanto controlamos a taxa de erro familiar<\/a> .<\/span><\/p>\n Este tutorial fornece um exemplo passo a passo de como realizar o teste de Tukey em Python.<\/span><\/p>\n Primeiro, carregaremos os pacotes e fun\u00e7\u00f5es necess\u00e1rios em Python:<\/span><\/p>\n O c\u00f3digo a seguir mostra como criar um conjunto de dados falso com tr\u00eas grupos (A, B e C) e ajustar um modelo ANOVA unidirecional aos dados para determinar se os valores m\u00e9dios de cada grupo s\u00e3o iguais:<\/span><\/p>\n Podemos ver que o valor p geral da tabela ANOVA \u00e9 0,01258<\/strong> .<\/span><\/p>\n Como esse n\u00famero \u00e9 inferior a 0,05, temos evid\u00eancias suficientes para afirmar que os valores m\u00e9dios de cada grupo n\u00e3o s\u00e3o iguais.<\/span><\/p>\n Portanto, podemos fazer o teste de Tukey para determinar exatamente quais m\u00e9dias de grupo s\u00e3o diferentes.<\/span><\/p>\n Para realizar o teste de Tukey em Python, podemos usar a fun\u00e7\u00e3o pairwise_tukeyhsd()<\/strong> da biblioteca statsmodels<\/strong> :<\/span><\/p>\n Veja como interpretar o resultado:<\/span><\/span><\/p>\n Assim, concluir\u00edamos que existe uma diferen\u00e7a estatisticamente significativa<\/a> entre as m\u00e9dias dos grupos a<\/em> e b<\/em> e dos grupos b<\/em> e c<\/em> , mas n\u00e3o h\u00e1 diferen\u00e7a estatisticamente significativa entre as m\u00e9dias dos grupos a<\/em> e c<\/em> .<\/span><\/p>\n Como realizar ANOVA unidirecional em Python<\/a> Uma ANOVA unidirecional \u00e9 usada para determinar se h\u00e1 ou n\u00e3o uma diferen\u00e7a estatisticamente significativa entre as m\u00e9dias de tr\u00eas ou mais grupos independentes. Se o valor p geral da tabela ANOVA estiver abaixo de um certo n\u00edvel de signific\u00e2ncia, ent\u00e3o temos evid\u00eancias suficientes para dizer que pelo menos uma das m\u00e9dias do grupo \u00e9 […]<\/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":[],"class_list":["post-1300","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Etapa 1: carregue os pacotes e fun\u00e7\u00f5es necess\u00e1rios<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\nfrom<\/span> scipy. stats<\/span> import<\/span> f_oneway\nfrom<\/span> statsmodels. stats<\/span> . multicomp<\/span> import<\/span> pairwise_tukeyhsd<\/strong><\/span><\/pre>\n Etapa 2: ajustar o modelo ANOVA<\/strong><\/span><\/h3>\n
#enter data for three groups\n<\/span>a = [85, 86, 88, 75, 78, 94, 98, 79, 71, 80]\nb = [91, 92, 93, 90, 97, 94, 82, 88, 95, 96]\nc = [79, 78, 88, 94, 92, 85, 83, 85, 82, 81]\n\n#perform one-way ANOVA\n<\/span>f_oneway(a, b, c)\n\nF_onewayResult(statistic=5.167774552944481, pvalue=0.012582197136592609)<\/strong><\/pre>\n Passo 3: Realize o teste de Tukey<\/strong><\/span><\/h3>\n
#create DataFrame to hold data\n<\/span>df = pd. DataFrame<\/span> ({'score': [85, 86, 88, 75, 78, 94, 98, 79, 71, 80,\n 91, 92, 93, 90, 97, 94, 82, 88, 95, 96,\n 79, 78, 88, 94, 92, 85, 83, 85, 82, 81],\n 'group': np. repeat<\/span> (['a', 'b', 'c'], repeats= 10<\/span> )}) \n\n# perform Tukey's test\n<\/span>tukey = pairwise_tukeyhsd(endog=df['score'],\n groups=df['group'],\n alpha= 0.05<\/span> )\n\n#display results\n<\/span>print<\/span> (tukey)\n\n Multiple Comparison of Means - Tukey HSD, FWER=0.05 \n==================================================== ===\ngroup1 group2 meandiff p-adj lower upper reject\n-------------------------------------------------- ---\n ab 8.4 0.0158 1.4272 15.3728 True\n ac 1.3 0.8864 -5.6728 8.2728 False\n bc -7.1 0.0453 -14.0728 -0.1272 True\n-------------------------------------------------- ---<\/strong><\/pre>\n\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar uma ANOVA bidirecional em Python<\/a>
Como realizar ANOVA de medidas repetidas em Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"