As suposi\u00e7\u00f5es<\/a> usadas em uma ANOVA unidirecional s\u00e3o:<\/span><\/p>\n Se o valor p<\/a> da ANOVA estiver abaixo de um determinado n\u00edvel de signific\u00e2ncia (como \u03b1 = 0,05), podemos rejeitar a hip\u00f3tese nula e concluir que pelo menos uma das m\u00e9dias do grupo \u00e9 diferente das demais.<\/span><\/p>\n Mas para saber exatamente quais grupos s\u00e3o diferentes entre si, precisamos fazer um teste post-hoc.<\/span><\/p>\n Um teste post hoc comumente usado \u00e9 o teste de diferen\u00e7a menos significativa (LSD) de Fisher<\/strong> .<\/span><\/p>\n Voc\u00ea pode usar a fun\u00e7\u00e3o LSD.test()<\/strong> do pacote agricolae<\/strong> para realizar este teste em R.<\/span><\/p>\n O exemplo a seguir mostra como usar esta fun\u00e7\u00e3o na pr\u00e1tica.<\/span><\/p>\n Suponha que um professor queira saber se tr\u00eas t\u00e9cnicas de estudo diferentes levam ou n\u00e3o a notas diferentes em testes entre os alunos.<\/span><\/p>\n Para testar isso, ela designa aleatoriamente 10 alunos para usar cada t\u00e9cnica de estudo e registra os resultados dos exames.<\/span><\/p>\n A tabela a seguir mostra<\/span> os resultados dos exames de cada aluno com base na t\u00e9cnica de estudo utilizada:<\/span> <\/p>\n Podemos usar o c\u00f3digo a seguir para criar este conjunto de dados e realizar uma ANOVA unidirecional nele em R:<\/span><\/p>\n Como o valor p na tabela ANOVA (0,0188) \u00e9 inferior a 0,05, podemos concluir que todas as notas m\u00e9dias dos exames entre os tr\u00eas grupos n\u00e3o s\u00e3o iguais.<\/span><\/p>\n Assim, podemos realizar o teste LSD de Fisher para determinar quais m\u00e9dias de grupo s\u00e3o diferentes.<\/span><\/p>\n O c\u00f3digo a seguir mostra como fazer isso:<\/span><\/p>\n A parte do resultado que mais nos interessa \u00e9 a se\u00e7\u00e3o chamada $groups<\/strong> . As t\u00e9cnicas que possuem caracteres diferentes na coluna de grupos<\/strong> s\u00e3o muito diferentes.<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como realizar ANOVA unidirecional em R<\/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. As suposi\u00e7\u00f5es usadas em uma ANOVA unidirecional s\u00e3o: H 0 : As m\u00e9dias s\u00e3o iguais para cada grupo. HA : Pelo menos uma das formas \u00e9 diferente das outras. Se o […]<\/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-3063","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: teste LSD de Fisher em 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
Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar um teste post hoc de Bonferroni em R<\/a>
Como realizar o teste post-hoc de Scheffe em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"