<\/p>\n
Uma ANOVA bidirecional<\/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 que foram divididos em dois fatores.<\/span><\/p>\n O objetivo de uma ANOVA bidirecional \u00e9 determinar o impacto de dois fatores em uma vari\u00e1vel de resposta e determinar se existe ou n\u00e3o uma intera\u00e7\u00e3o entre os dois fatores na vari\u00e1vel de resposta.<\/span><\/p>\n Este tutorial explica como realizar uma ANOVA bidirecional em Python.<\/span><\/p>\n Um bot\u00e2nico quer saber se o crescimento das plantas \u00e9 influenciado pela exposi\u00e7\u00e3o \u00e0 luz solar e pela frequ\u00eancia de rega. Ela planta 30 sementes e deixa crescer por dois meses em diferentes condi\u00e7\u00f5es de exposi\u00e7\u00e3o solar e frequ\u00eancia de rega. Depois de dois meses, ela registra a altura de cada planta, em cent\u00edmetros.<\/span><\/p>\n Use as etapas a seguir para realizar uma ANOVA bidirecional para determinar se a frequ\u00eancia de irriga\u00e7\u00e3o e a exposi\u00e7\u00e3o ao sol t\u00eam um efeito significativo no crescimento das plantas e para determinar se h\u00e1 um efeito de intera\u00e7\u00e3o entre a frequ\u00eancia de irriga\u00e7\u00e3o e a exposi\u00e7\u00e3o ao sol. rega e exposi\u00e7\u00e3o ao sol.<\/span><\/p>\n Passo 1: Insira os dados.<\/strong><\/span><\/p>\n Primeiro, criaremos um DataFrame do pandas que cont\u00e9m as tr\u00eas vari\u00e1veis a seguir:<\/span><\/p>\n Etapa 2: execute a ANOVA bidirecional.<\/strong><\/span><\/p>\n A seguir, realizaremos a ANOVA bidirecional usando a fun\u00e7\u00e3o anova_lm()<\/a> da biblioteca statsmodels:<\/span><\/p>\n Etapa 3: interprete os resultados.<\/strong><\/span><\/p>\n Podemos ver os seguintes valores p para cada um dos fatores da tabela:<\/span><\/p>\n Como os valores p para \u00e1gua e sol s\u00e3o inferiores a 0,05, isso significa que ambos os fatores t\u00eam um efeito estatisticamente significativo na altura das plantas.<\/span><\/p>\n E como o valor p para o efeito de intera\u00e7\u00e3o (0,120667) n\u00e3o \u00e9 inferior a 0,05, isso nos diz que n\u00e3o h\u00e1 efeito de intera\u00e7\u00e3o significativo entre a exposi\u00e7\u00e3o ao sol e a frequ\u00eancia de rega.<\/span><\/p>\n Nota:<\/strong> Embora os resultados da ANOVA nos digam que a frequ\u00eancia de rega e a exposi\u00e7\u00e3o ao sol t\u00eam um efeito estatisticamente significativo na altura das plantas, precisaremos realizar testes post-hoc<\/a> para determinar exatamente como os diferentes n\u00edveis de \u00e1gua e luz solar afetam a altura das plantas.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em Python:<\/span><\/p>\n Como realizar ANOVA unidirecional em Python<\/a> Uma ANOVA bidirecional \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 que foram divididos em dois fatores. O objetivo de uma ANOVA bidirecional \u00e9 determinar o impacto de dois fatores em uma vari\u00e1vel de resposta e determinar se existe ou n\u00e3o uma […]<\/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-853","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo: ANOVA bidirecional em Python<\/strong><\/span><\/h2>\n
\n
import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#create data<\/span>\ndf = pd.DataFrame({'water': np.repeat(['daily', 'weekly'], 15),\n 'sun': np.tile(np.repeat(['low', 'med', 'high'], 5), 2),\n 'height': [6, 6, 6, 5, 6, 5, 5, 6, 4, 5,\n 6, 6, 7, 8, 7, 3, 4, 4, 4, 5,\n 4, 4, 4, 4, 4, 5, 6, 6, 7, 8]})\n\n#view first ten rows of data<\/span> \ndf[:10]\n\n\twater sun height\n0 daily low 6\n1 daily low 6\n2 daily low 6\n3 daily low 5\n4 daily low 6\n5 daily med 5\n6 daily med 5\n7 daily med 6\n8 daily med 4\n9 daily med 5\n<\/strong><\/pre>\n import<\/span> statsmodels.api as<\/span> sm\nfrom<\/span> statsmodels.formula.api import<\/span> ols\n\n#perform two-way ANOVA<\/span>\nmodel = ols('height ~ C(water) + C(sun) + C(water):C(sun)', data=df).fit()\nsm.stats.anova_lm(model, typ=2)\n\n\t sum_sq df F PR(>F)\nC(water) 8.533333 1.0 16.0000 0.000527\nC(sun) 24.866667 2.0 23.3125 0.000002\nC(water):C(sun) 2.466667 2.0 2.3125 0.120667\nResidual 12.800000 24.0 NaN NaN\n<\/strong><\/pre>\n\n
Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar uma ANOVA de tr\u00eas vias em Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"