<\/p>\n
A ANOVA de Welch<\/strong> \u00e9 uma alternativa \u00e0 ANOVA unidirecional<\/a> t\u00edpica quando a suposi\u00e7\u00e3o de igualdade de vari\u00e2ncias<\/a> n\u00e3o \u00e9 atendida.<\/span><\/p>\n O exemplo passo a passo a seguir mostra como realizar a ANOVA de Welch em Python.<\/span><\/p>\n Para determinar se tr\u00eas t\u00e9cnicas de estudo diferentes levam a resultados de exames diferentes, um professor designa aleatoriamente 10 alunos para usar cada t\u00e9cnica (T\u00e9cnica A, B ou C) durante uma semana e, em seguida, aplica a cada aluno um teste de igual dificuldade.<\/span><\/p>\n Os resultados dos exames dos 30 alunos s\u00e3o apresentados abaixo:<\/span><\/p>\n A seguir, podemos realizar o teste de Bartlett<\/a> para determinar se as vari\u00e2ncias entre cada grupo s\u00e3o iguais.<\/span><\/p>\n Se o valor p<\/a> da estat\u00edstica de teste estiver abaixo de um certo n\u00edvel de signific\u00e2ncia (como \u03b1 = 0,05), ent\u00e3o podemos rejeitar a hip\u00f3tese nula e concluir que nem todos os grupos t\u00eam a mesma vari\u00e2ncia.<\/span><\/p>\n Podemos usar o seguinte c\u00f3digo para realizar o teste Bartlett em Python:<\/span><\/span><\/p>\n O valor p ( 0,01089<\/strong> ) do teste de Bartlett \u00e9 menor que \u03b1 = 0,05, o que significa que podemos rejeitar a hip\u00f3tese nula de que cada grupo tem a mesma vari\u00e2ncia.<\/span><\/p>\n Assim, a suposi\u00e7\u00e3o de igualdade de vari\u00e2ncias \u00e9 violada e podemos prosseguir com a ANOVA de Welch.<\/span><\/p>\n Para realizar a ANOVA de Welch em Python, podemos usar a fun\u00e7\u00e3o welch_anova()<\/strong> do pacote Penguin.<\/span><\/p>\n Primeiro, precisamos instalar o Penguin:<\/span><\/p>\n Ent\u00e3o podemos usar o seguinte c\u00f3digo para realizar a ANOVA de Welch:<\/span><\/p>\n O valor p geral ( 0,001598<\/strong> ) da tabela ANOVA \u00e9 menor que \u03b1 = 0,05, o que significa que podemos rejeitar a hip\u00f3tese nula de que os resultados do exame s\u00e3o iguais entre as tr\u00eas t\u00e9cnicas de estudo.<\/span><\/p>\n Podemos ent\u00e3o realizar o teste post-hoc de Games-Howell para determinar exatamente quais m\u00e9dias de grupo s\u00e3o diferentes:<\/span><\/p>\n A partir dos valores de p, podemos ver que a diferen\u00e7a m\u00e9dia entre os grupos a<\/strong> e b<\/strong> \u00e9 significativamente diferente e a diferen\u00e7a m\u00e9dia entre os grupos b<\/strong> e c<\/strong> \u00e9 significativamente diferente.<\/span><\/p>\n Como realizar ANOVA unidirecional em Python<\/a> A ANOVA de Welch \u00e9 uma alternativa \u00e0 ANOVA unidirecional t\u00edpica quando a suposi\u00e7\u00e3o de igualdade de vari\u00e2ncias n\u00e3o \u00e9 atendida. O exemplo passo a passo a seguir mostra como realizar a ANOVA de Welch em Python. Etapa 1: crie os dados Para determinar se tr\u00eas t\u00e9cnicas de estudo diferentes levam a resultados de exames […]<\/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-1616","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Etapa 1: crie os dados<\/strong><\/span><\/h3>\n
A = [64, 66, 68, 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<\/strong><\/pre>\n
Etapa 2: teste de diferen\u00e7as iguais<\/strong><\/span><\/h3>\n
import<\/span> scipy. stats<\/span> as<\/span> stats\n\n#perform Bartlett's test \n<\/span>stats. bartlett<\/span> (A, B, C)\n\nBartlettResult(statistic=9.039674395, pvalue=0.010890796567)\n<\/strong><\/span><\/pre>\n Etapa 3: execute a ANOVA de Welch<\/strong><\/span><\/h3>\n
pip install<\/span> Penguin<\/span>\n<\/strong><\/pre>\n import penguin<\/span> as pg<\/span>\nimport<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' score<\/span> ': [64, 66, 68, 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<\/span> ': np. repeat<\/span> (['a', 'b', 'c'], repeats<\/span> = 10<\/span> )}) \n\n#perform Welch's ANOVA\n<\/span>pg. welch_anova<\/span> (dv=' score<\/span> ', between=' group<\/span> ', data=df)\n\n Source ddof1 ddof2 F p-unc np2\n0 group 2 16.651295 9.717185 0.001598 0.399286\n<\/strong><\/pre>\n pg. pairwise_gameshowell<\/span> (dv=' score<\/span> ', between=' group<\/span> ', data=df)\n\n\n A B mean(A) mean(B) diff se T df pval\t\n0 a b 77.3 91.8 -14.5 3.843754 -3.772354 11.6767 0.0072\n1 a c 77.3 84.7 -7.4 3.952777 -1.872102 12.7528 0.1864\n2 b c 91.8 84.7 7.1 2.179959 3.256942 17.4419 0.0119\n<\/strong><\/pre>\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":"