ANOVA Con Note1 PDF

Analisi della varianza
Un contadino vuole valutare l’efficacia di un fertilizzante

per coltivazioni di legumi. Sul mercato sono disponibili 4
fertilizzanti prodotti da altrettante ditte. Allo stato
attuale, il contadino è convinto che i 4 fertilizzanti sono
sostanzialmente equivalenti. Come fare per accettare o
confutare la sua convinzione??
11/24/2014 Analisi della varianza 1

Si scelgono 5 appezzamenti di terreno diversi, vengono
divisi in 4 parti uguali e ciascuna delle quattro parti viene
trattata con un fertilizzante diverso. Si seminano poi i
legumi ed alla fine della stagione i raccolti risultanti sono:
Campo Fertiliz. 1 Fertiliz. 2 Fertiliz. 3 Fertiliz. 4 Tot. riga

I 12.6 13.1 12.7 12.9 51.3
II 6.2 7.0 6.7 7.0 26.9
III 4.8 5.1 4.8 5.2 19.9
IV 3.5 3.8 3.6 3.7 14.6
V 2.9 3.0 2.7 2.9 11.5
Tot. colon. 30 32 30.5 31.7 124.2
Rese (kg/m2) ottenute negli appezzamenti trattati con fertilizzanti

diversi, per ognuno di cinque campi (*)
(*) sono anche indicati i totali per riga, per colonna e generale

Siccome i raccolti medi ottenuti con i quattro fertilizzanti,
y •1 = 6 ; y •2 = 6.4; y •3 = 6.1 e y •4 = 6.34, non sono molto diversi, pos-
siamo concludere che l’uso dei 4 fertilizzanti è intercambiabile??
Le differenze che si osservano nelle quattro rese medie

sono significativamente diverse tra di loro, o in altri termi-
ni, sono da imputare al caso oppure all’utilizzo dei
diversi fertilizzanti?
E se i raccolti medi fossero stati molto diversi

fra loro, si sarebbe potuto affermare che il fertilizzante
che ha reso di più è il migliore?

Utilizzare l’Analisi della Varianza
Obiettivi:
! Testare l’ipotesi H0: µ1 = µ2 = µi = … = µk contro l’ipotesi alternativa

che almeno due µi siano diverse
! Scomporre la variabilità totale in più componenti, ciascuna delle

quali addebitabile ad un fattore

Fattore Fertilizzante
Fert. 1 Fert. 2 Fert. 3 Fert. 4
Appezz. 1 12.6 13.1 12.7 12.9

5 replic. × 4 fert.
Appezz. 2 6.2 7.0 6.7 7.0

20 dati sper.
Appezz. 3 4.8 5.1 4.8 5.2

=
Appezz. 4 3.5 3.8 3.6 3.7
Appezz. 5 2.9 3.0 2.7 2.9
6.0 6.4 6.1 6.34 x x = 6.21

12.18 13.052 12.684 12.714 s2 2
ˆσTot = 12.687
4 5 4
1 1 2 (*)
Ma, mentre: x =
20 j =1 i =1
xij =
20 j =1 ∑∑
2
5x j si ha: sTot = sx2 + s pool ∑= 12.687
(*) Le varianze sono non corrette 0.0273 12.66

Ma, mentre x è una stima corretta della media µ, raccolto
2
medio generale, delle due componenti di varianza sx2 e s pool
una (la seconda) è sempre una stima corretta della varianza,
l’altra solo sotto l’ipotesi nulla.
Ma allora facciamo un test sulle varianze ….

Schema generale di elencazione dati per
K campioni di n elementi ognuno
Camp. 1 Camp. 2 . Camp. k Totali

y11 y 12 . y 1k y 1•
y 21 y 22 . y 2k y 22•
. . . .
. . . .
y n1 y n2 . y nk y n•
Totali y •1 y •2 y •k y ••

Requisiti:
ognuno dei k gruppi di osservazioni è un campione casuale che
proviene da una popolazione ∼ N(µi, σ2), cioè la varianza è
costante tra i gruppi
H0: µ1 = µ2 = µi = … = µk + σ2 costante equivale a:
I campioni provengono tutti dalla stessa popolazione
µ1 µ2 µ3 µk
Come fare???
Per ogni colonna j, j = 1, 2, …, k, si calcoli:
n
sj =2 1 j
∑ y − y •j
n j − 1 i =1 ij
( )
2
Ogni s j2, j = 1, 2, …, k, è una stima (corretta) della varianza

comune σ2. Ma allora:
k  1 n
2 2
ˆσ = s pool ≡ k
1
( )
∑ n j − 1  n − 1 ∑ yij − y j
j
( ) 
2
∑( )
n j − 1 j =1  j i =1 
j =1
1 k k n
2 2
ˆσ = s pool ≡ ∑ s j =
k j =1
1 2
∑∑ y −yj
k (n − 1) j =1i =1 ij
( )
2 se i campioni hanno lo
stesso numero di osservazioni

k n SSW
1
(
∑∑ y −yj
k (n − 1) j =1i =1 ij
)
2
=
k (n − 1)
= MSW
SSW = Sum of Squares Within Samples

MSW = Mean Squares Within Samples
k(n − 1) = gradi di libertà (degree of freedom)
I Mean Squares Within Samples (MSW) sono una stima (sempre

corretta, sia o non sia sotto H0) della varianza σ2 (incognita) comune
alle k popolazioni

Ma si può anche calcolare:
k
2
∑ (Y • j − Y •• )
j =1
ˆσY2 ≡ SY2 =
k −1
E’ una stima corretta solo sotto H0 della varianza σY2 delle k medie
delle popolazioni rispetto alla media generale
2
Ma: σY2 = σY (nel caso dei fertilizzanti: sY2 = 0.0364)
n
k
2
n ∑ (Y • j − Y •• )
j =1 SSB
SY2 = nSY2 = = = MSB
k −1 k −1

SSB = Sum of Squares Between Samples(*)
MSB = Mean Squares Between Samples
k − 1 = gradi di libertà (degree of freedom)
Altra misura di variabilità che si può calcolare:

n k
∑∑ (Yij −Y )
2
SSTC = ••
i =1 j =1
SSTC = Sum of Squares Corrected for the Mean

nk − 1 = gradi di libertà
E’ una stima corretta solo sotto H0 della varianza σ2 delle k popolazioni
(*) Si indicano anche con SS(Tr), con Tr = Trattamenti

Ma:
n k k n k
∑∑ (Y ) ∑ (Y ∑∑ (Y )
2 2 2
ij − Y •• = n •j − Y •• ) + ij −Y •j
i =1 j =1 j =1 i =1 j =1
Misura della Misura della

Misura della
variazione delle variazione dovuta
variazione totale
medie campionarie ad errori sperimentali
dei dati
≡ ≡ ≡
Varianza dovuta Varianza dovuta
Varianza totale
alla differenza al caso (errore
con kn − 1 gradi
reale tra i dati sperimentale)
di libertà
con k− 1 g.d.l. con k(n − 1) g.d.l.

Cosa fare???
Facciamo un test sull’uguaglianza dei due

quadrati medi MSB e MSW ….
Fk−1,k(n−1)
Accetto Rifiuto
fk−1,k(n−1),1−α
Caso dei fertilizzanti:
5
y•1 = 30 y •1 = 6 ∑y i =1
2
i1 = 240.9
5
y•2 = 32 y •2 = 6.4 ∑y i =1
2
i2 = 270.06
5
y•3 = 30.5 y •3 = 6.1 ∑y
i =1
2
i3 = 249.47
5
y•4 = 31.7 y •4 = 6.34 ∑y
i =1
2
i4 = 264.55
4 5 4
∑ y •2j = 3859.14 y• • = 124.2 ∑∑ y

i =1 j =1
2
ij = 1024.98
j =1

SSM =
(124.2)2 = 771.282(*)
5×4
4
1 3859.14
SSB =
5 ∑
j =1
y •2j − SSM =
5
− 771.282 = 0.546
SSW = SST − SSM − SSB = 1024.98 − 771.282 − 0.546 = 253.152
Cosa fare???
(*) Si osservi che SSTC = SST −SSM, con SST somme dei quadrati totali e SSM somme
dei quadrati dovuti alla media
Costruiamo una tavola dell’analisi della varianza
(ANOVA) con un fattore sotto controllo ….
Tabella dell’Analisi della Varianza (ANOVA)

con un solo fattore sotto controllo
Origine Gradi Somme dei quadrati Quadrati medi F calc

della di
variazione libertà
Tra i gruppi k−1 1 k Y2 SS B MS B
SS B = ∑ Y•2j − nt•• MS B =
(trattamenti) n k −1 MSW
j =1
Errore n k 1 k SSW
SSW = ∑ ∑ Yij2 − n ∑ Y•2j MSW =
sperimentale k (n −1) k (n − 1)
i =1j =1 j =1
n k
2
Totali nk −1 SS TC = ∑ ∑ Yij2 − nk Y ••
i =1 j =1

Caso dei fertilizzanti (continua):
Tabella dell’Analisi della Varianza relativa all’esempio dei fertilizzanti
Origine Gradi Somme dei quadrati Quadrati medi Fcalc

della di libertà
variazione
Tra i gruppi MSB
3 SSB = 0.546 MSB = 0.182 = 0.0115
(fertilizzanti) MSW
Errore 16 SSW = 253.698−0.546
sperimentale = 253.152 MSW = 15.822
Totali 19 SSTC =253.698
F3,16
↓
0.011 f3, 16,0.95 = 3.29
Ma allora posso usare uno qualsiasi dei quattro
fertilizzanti, magari quello…...
Vado a trattare i campi col

fertilizzanteche costa di meno…..

Modello
Yij =µj + εij con i = 1, 2, .., n e j= 1, 2, ..., k

oppure
k
1 k
Yij = µ + αj + εij con αj = µj − µ e µ =
k
∑ µj e
j =1
∑α
j =1
j =0
con: k = numero dei trattamenti (o livelli del fattore)

n = numero delle unità sperimentali
Assunzioni sugli errori εij

" essere distribuiti secondo una normale
" essere a media nulla (E[εij] = 0, per ogni i e j)
" essere a varianza costante (var (εij ) = σ2, per ogni i e j)
" essere non correlati (cov(εij, εi’j’ ) = 0, per ogni i ≠ i’ e j ≠ j’ )
L’errore sperimentale (variazione dovuta al caso) è grande!
Non è che è stata attribuita al caso una variazione che
invece può essere stata originata (se non tutta, almeno
in parte) a qualche altra causa?

Fertiliz. 1 Fertiliz. 2 Fertiliz. 3 Fertiliz. 4 Tot. riga Media riga
Varietà 1 12.6 13.1 12.7 12.9 51.3 12.825
Varietà 2 6.2 7.0 6.7 7.0 26.9 6.725
Varietà 3 4.8 5.1 4.8 5.2 19.9 4.975
Varietà 4 3.5 3.8 3.6 3.7 14.6 3.65
Varietà 5 2.9 3.0 2.7 2.9 11.5 2.875
Tot. colon. 30 32 30.5 31.7 124.2
Media colonna 6 6.4 6.1 6.34 6.21
Cercare quale parte di variazione totale è dovuta alla

coltivazione di varietà diverse: presenza di un secondo fattore

Modello
Yij = µij + εij con i = 1, 2, .., a e j = 1, 2, ..., b
oppure
a b
1
Yij = µ + αi + βj + εij con:
ab ∑∑ µ
i =1 j =1
ij , αi = µi • − µ , β j = µ• j − µ ,
a b
1 1
µi • =
a ∑µ
j =1
ij , µ• j =
b ∑µ
i =1
ij
a b
essendo ∑α i =0 e ∑β
j =1
j =0
i =1
con: a = numero dei livelli del primo fattore (A)

b = numero dei livelli del secondo fattore (B) (*)
(*) Nel
caso dei fertilizzanti A = fertilizzante con a = 4 livelli e B = varietà con
b = 5 livelli

Obiettivi:
# H0 : µ1• = µ2• = ....= µa• per ogni i = 1,2,..., a

(o in modo equivalente H0 : αi = 0)
contro l’alternativa che almeno un αi sia diverso da zero
# H0 : µ•1 = µ•2 = ....= µ•b per ogni j = 1,2,..., b

(o in modo equivalente H0 : βj = 0)
contro l’alternativa che almeno un βj sia diverso da zero.

Scomposizione della variabilità:
a b a b b a
∑ ∑ (Yij ) ∑ ∑ (Yij )2
2 2 2
− Y •• =b ∑ (Y i • − Y •• ) + a ∑ (Y • j − Y •• ) + − Y • j − Y i • + Y ••
i =1 j =1 i =1 j =1 j =1 i =1
Somme dei Somme dei Somme dei Somme dei

quadrati totali quadrati dovuti quadrati dovuti quadrati dovuti
corretti, al fattore A, al fattore B, ad errori sperimentali,
con ab − 1 g.d.l. con a − 1 g.d.l. con b − 1 g.d.l. con (a − 1)(b − 1) g.d.l.

Tabella dell’Analisi della Varianza con due fattori sotto controllo

della variazione di libertà
1
a
Y••2 SSA MSA
Tra colonne MSA =
(fattore A)
a−1 SSA =
b ∑
i =1
Yi •2 −
ab a −1 MSexp
Tra righe 1
b
Y••2 SSB MSB
(fattore B)
b−1 SSB =
a ∑
j =1
Y•2j −
ab
MSB =
b −1 MSexp
Errore SSexp
sperimentale (a−1)(b−1) SSexp = SSTC − SSA − SSB MSexp = (a − 1)(b − 1)
a b
∑∑Y 2 2
Totali ab−1 SSTC = ij − abY ••
i =1 j =1
MSA
Se Fcalc = > Fa −1,(a −1 )(b −1 ),1−α si rifiuta l’ipotesi nulla che l’effetto del
MSexp
fattore A sia non significativo , al livello di significatività α
MSB
Se Fcalc = > Fb −1,(a −1 )(b −1 ),1−α si rifiuta l’ipotesi nulla che l’effetto del
MSexp
fattore B sia non significativo, al livello di significatività α.
Caso dei fertilizzanti (continua):
Analisi della Varianza relativa per l’esempio dei fertilizzanti, considerando anche il
fattore varietà

della di libertà
variazione
Tra le colonne MSFert.
3 SSFert. = 0.546 MSFert. = 0.182 = 8. 6
(fertilizzanti) MSexp.
Tra le righe MSVar.
4 SSVar. = 252.898 MSVar. = 63.22 = 2986
(varietà) MSexp.
SSexp. =
Errore 12 253.698−0.546−252.898 MSexp. = 0.0212
sperimentale = 0.254
Totali 19 SSTC =253.698

Ma: MSFert./MSexp. = 8.6 > 3.49 = F 3, 12, 0.95 si deve rifiutare(*) l’ipotesi
nulla che i fertilizzanti abbiano tutti effetti sostanzialmente uguali, a
favore dell’ipotesi alternativa secondo la quale almeno alcuni degli
effetti in questione differiscono sistematicamente tra loro.
Ma anche il rapporto MSVar./MSexp. = 2986 risulta enormemente
maggiore di F 4, 12, 0.95 = 3.26, si rifiutia senz'altro anche l’ipotesi nulla
sulla parità di resa per varietà diverse
(*) l’ipotesi va rifiutata al livello considerato, ma anche a livelli sostanzialmente superiori,

dato che F3, 12, 0.995 = 7.23 ed è ancora minore di Fcalc

Riassumendo-Modello
Yij j ij con i 1, 2, .., n e j 1, 2, ..., k

oppure
k k
1
Yij j ij con j j e j e j 0
k j 1 j 1
con: k = numero dei trattamenti (o livelli del fattore)

n = numero delle unità sperimentali
Assunzioni sugli errori ij

essere distribuiti secondo una normale
essere a media nulla (E[ ij] = 0, per ogni i e j)
essere a varianza costante (var ( ij )= 2, per ogni i e j)
essere non correlati (cov( ij, i’j’ ) = 0, per ogni i i’ e j j’ )
Ma:
n k k n k
∑∑ (Y ) ∑ (Y ∑∑ (Y )
2 2 2
ij − Y •• = n •j − Y •• ) + ij −Y •j
i =1 j =1 j =1 i =1 j =1
Misura della Misura della

Misura della
variazione delle variazione dovuta
variazione totale
medie campionarie ad errori sperimentali
dei dati
≡ ≡ ≡
Varianza dovuta Varianza dovuta
Varianza totale
alla differenza al caso (errore
con kn − 1 gradi
reale tra i dati sperimentale)
di libertà
con k− 1 g.d.l. con k(n − 1) g.d.l.

Riassumendo-
1 k 1 k n
2 2 2
ˆ s pool s j2 yij yj Stima di varianza comune 2
k j 1 k n 1 j 1i 1
1 k n SSW
2
yij yj MSW
k n 1 j 1i 1 k n 1
k
2
n Y j Y
j 1 SSB Stima di varianza comune 2
SY2 nSY2 MSB
k 1 k 1 solo sotto H0

Riassumendo-Modello
Yij ij ij con i 1, 2, .., a e j 1, 2, ..., b
oppure
a b
1
Yij i j ij con: ij , , j j
,
ab i 1 j 1
i i
a b
1 1
i ij , j ij
a j 1
b i 1
a b
essendo i 0 e j 0
i 1 j 1

b = numero dei livelli del secondo fattore (B) (*)
(*) Nel caso dei fertilizzanti A = fertilizzante con a = 4 livelli e B = varietà con
b = 5 livelli

Riassumendo-
a b a b b a
2 2 2 2
Yij Y b Yi Y a Y j Y Yij Y j Yi Y
i 1j 1 i 1 j 1 j 1 i =1
Somme dei Somme dei Somme dei Somme dei

quadrati totali quadrati dovuti quadrati dovuti quadrati dovuti
corretti, al fattore A, al fattore B, ad errori sperimentali,
con ab 1 g.d.l. con a 1 g.d.l. con b 1 g.d.l. con (a 1)(b 1) g.d.l.

Tabella dell’Analisi della Varianza con due fattori sotto controllo

della variazione di libertà
1
a
Y2 SSA MSA
Tra colonne a 1 SSA Yi 2 MSA
b ab a 1 MSexp
(fattore A) i 1
Tra righe 1
b
Y2 SSB MSB
b 1 SSB Y 2 MSB
(fattore B) a
j
ab b 1 MSexp
j 1
Errore SSexp
sperimentale (a 1)(b 1) SSexp SSTC SSA SSB MSexp
(a 1)(b 1)
a b
2
Totali ab 1 SSTC Yij2 abY
i 1 j 1
MSA
Se Fcalc Fa 1, a 1 b 1 ,1 si rifiuta l’ipotesi nulla che l’effetto del
MSexp
fattore A sia non significativo , al livello di significatività
MSB
Se Fcalc Fb 1, a 1 b 1 ,1 si rifiuta l’ipotesi nulla che l’effetto del
MSexp
fattore B sia non significativo, al livello di significatività .
One-way ANOVA: Rese versus Fertil.
Analysis of Variance for Rese
Source DF SS MS F P
Fertil. 3 0.5 0.2 0.01 0.998
Error 16 253.2 15.8
Total 19 253.7
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev --+---------+---------+---------+----
1 5 6.000 3.902 (--------------*--------------)
2 5 6.400 4.039 (--------------*--------------)
3 5 6.100 3.982 (--------------*--------------)
4 5 6.340 3.987 (--------------*--------------)
--+---------+---------+---------+----
2.5 5.0 7.5 10.0
Pooled StDev = 3.978

Two-way ANOVA: Rese versus Varietà; Fertil.
Analysis of Variance for Rese
Source DF SS MS F P
Varietà 4 252.8980 63.2245 2986.98 0.000
Fertil. 3 0.5460 0.1820 8.60 0.003
Error 12 0.2540 0.0212
Total 19 253.6980
Individual 95% CI
Varietà Mean ----------+---------+---------+---------+-
1 12.825 *)
2 6.725 (*)
3 4.975 (*)
4 3.650 (*
5 2.875 *)
----------+---------+---------+---------+-
5.000 7.500 10.000 12.500
Individual 95% CI
Fertil. Mean --------+---------+---------+---------+---
1 6.000 (------*------)
2 6.400 (------*------)
3 6.100 (------*------)
4 6.340 (------*------)
--------+---------+---------+---------+---
6.000 6.200 6.400 6.600

10.8
13
10. 4312
9.8
8.8
7.8
6.8
M ean
M ean
8
6. 21
5.8
6. 50705
4.8 6. 21
5. 91295
3.8
2.8
3
1. 9888
1.8
1 2 3 4 1 2 3 4 5
L e v e ls o f F e r t i l. L e v e ls o f V a r i e t à
13
11
R e se
R e se
8
6
3
1
1 2 3 4 1 2 3 4 5
F e r ti l i z z a n ti V a r i e tà

Test for Equal Variances for Rese
95% Confidence Intervals for Sigmas Factor Levels
Bartlett's Test
Test Statistic: 4.509

2 P-Value : 0.342
Levene's Test
4 Test Statistic: 1.413

Test for Equal Variances P-Value : 0.277
Response Rese 5
Factors Varietà
ConfLvl 95.0000 0.0 0.5 1.0 1.5 2.0 2.5
Bonferroni confidence intervals for standard deviations
Lower Sigma Upper N Factor Levels
0.107188 0.221736 1.43407 4 1

0.182481 0.377492 2.44142 4 2
0.099656 0.206155 1.33331 4 3
0.062407 0.129099 0.83495 4 4
0.060827 0.125831 0.81381 4 5

Main Effects Plot - Data Means for Rese
Fertil. Varietà
13.0
10.5
ese
8.0
Re
5.5
3.0
1 2 3 4 1 2 3 4 5
… e la normalità??

Da un lato le ultime conclusioni sulla significa-
tività della varietà risulta scontata viste le ma-
croscopiche differenze osservate tra le medie di riga,
potrebbero lasciare perplessi le conclusioni sui ferti-
lizzanti, apparentemente opposte a quelle ottenu-
te con la precedente Analisi della Varianza.
??????

Interazioni
f(T)
P1
P2
T1 T2 T3 T4
Interazione = Effetto di un fattore dipendente dal livello con cui un altro o

altri fattori sono presenti nell’esperimento (effetti antagonistici o sinergetici)

Classificazione incrociata
Yijk = µ + αi + βj + (αβ)ij +εijlk

con i = 1, 2, .., a; j = 1, 2, ..., b
e k= 1, 2, ..., n
effetto combinato del fattore A al livello

-esimo col fattore B al livello j-esimo (interazione)
effetto del fattore B al j-esimo livello
effetto del fattore A all’i-esimo livello

b = numero dei livelli del secondo fattore (B)
n = numero di replicazioni per ognuna delle a×b combinazioni
di fattori e livelli
a b
con in più: ∑ (αβ)ij = ∑ (αβ)ij =0
i =1 j =1

a b n
∑∑∑ (Y )
2
ijk − Y ••• =
i =1 j =1 k =1
SSTC
g.d.l.: abn − 1
a b a b
2 2 2
= nb ∑ (Y i •• − Y ••• ) + na ∑ (Y • j • − Y ••• ) + n ∑ ∑ (Y ij • − Y l •• − Y • j • + Y ••• ) +
i =1 j =1 i =1 j =1
SSA SSB SSA×B

g.d.l.: a − 1 g.d.l.: b − 1 g.d.l.: (a − 1)(b − 1)
a b n
SSexp
+ ∑∑∑ (y
i =1 j =1 k =1
ijk − y ij • )
2
g.d.l.: ab(n − 1)

Analisi della varianza con due fattori ad a e b livelli, e n replicazioni

della di libertà
variazione
Tra colonne 1
a 2
Y••• SSA MSA
(fattore A)
a−1 SSA =
bn ∑
i =1
2
Yi −
••
abn
MSA =
a −1 MSexp
Tra righe 1
b 2
Y••• SSB MSB
(fattore B)
b−1 SSB =
an j =1
∑ Y2 −
•j •
abn
MSB =
b −1 MSexp
n k
Interazione 1
(A×B) (a−1)(b−1)
SSA×B =
n ∑∑Y
i =1 j =1
2
ij •
− SSA −
MSA×B =
SSA×B MSA×B
(a − 1)(b − 1) MSexp
2
Y•••
− SSB −
abn
Errore SSexp = SSexp

MSexp =
sperimentale ab(n−1) = SSTC − SSA − SSB − SSA×B ab (n − 1)
SSTC
Totali abn−1 a b n
∑∑∑Y 2 2
= ijk − abnY •••
i =1 j =1 k =1

Risultati di esperimenti per 20 combinazioni età
embrionale (5) - trattamenti (3), con replicazioni (2)
Età embrionale (in giorni)

Trattamenti
13 14 15 16 17
56.3 60.5 64.3 86.1 97.5
Nessuno 55.4 61.2 63.9 86.0 98.0
51.2 54.4 62.3 78.7 95.5
A 50.8 55.6 61.7 78.3 96.5
55.4 61.5 62.0 72.8 81.9
B 54.8 60.5 63.0 71.2 80.1

General Linear Model: Risposta versus Tratt; Età(*)
Factor Type Levels Values

Tratt fixed 3 A B no
Età fixed 5 13 14 15 16 17
Analysis of Variance for Risposta, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P

Tratt 2 228.37 228.37 114.19 251.33 0.000
Età 4 5815.93 5815.93 1453.98 3200.25 0.000
Tratt*Età 8 388.54 388.54 48.57 106.90 0.000
Error 15 6.82 6.82 0.45
Total 29 6439.65
(*) Con ANOVA non si stimano le interazioni

Main Effects Plot
Tratt Età
93
83
osta
Rispo
73
63
53
A B no 13 14 15 16 17

Interactions Plot
A B no 13 14 15 16 17
Tratt
90
no
70
B
A
50
Età
90
17
16
70
15
14
13 50

Risultati di esperimenti per 20 combinazioni età
embrionale (5) - trattamenti (3), senza replicazioni(*)
(*)
In ogni cella c’è la media delle due replicazioni
Età embrionale (in giorni)

Trattamenti
13 14 15 16 17
Nessuno 55.8 60.85 64.1 86.05 97.75
A 51 55 62 78.5 96
B 55.1 61 62.5 72 81

Two-way ANOVA: Risposta_ versus Tratt_; Età_
Analysis of Variance for Risposta
Source DF SS MS F P
Tratt_ 2 112.7 56.4 2.31 0.161
Età_ 4 2914.1 728.5 29.89 0.000
Error 8 195.0 24.4
Total 14 3221.8
Individual 95% CI
Tratt_ Mean -------+---------+---------+---------+----
A 68.5 (-----------*------------)
B 66.3 (------------*------------)
no 72.9 (-----------*------------)
-------+---------+---------+---------+----
64.0 68.0 72.0 76.0
Individual 95% CI
Età_ Mean ---------+---------+---------+---------+--
13 54.0 (---*---)
14 59.0 (---*----)
15 62.9 (---*---)
16 78.9 (----*---)
17 91.6 (---*---)
---------+---------+---------+---------+--
60.0 75.0 90.0 105.0

Two-way ANOVA: Risposta versus Tratt; Età (*) Dati originali in input a Minitab
Analysis of Variance for Risposta
Source DF SS MS F P
Tratt 2 228.4 114.2 6.64 0.005
Età 4 5815.9 1454.0 84.59 0.000
Error 23 395.4 17.2
Total 29 6439.7
Individual 95% CI
Tratt Mean --------+---------+---------+---------+---
A 68.5 (--------*--------)
B 66.3 (--------*--------)
no 72.9 (--------*--------)
--------+---------+---------+---------+---
66.0 69.0 72.0 75.0
Individual 95% CI
Età Mean --------+---------+---------+---------+---
13 54.0 (--*--)
14 58.9 (--*--)
15 62.9 (--*--)
16 78.8 (--*--)
17 91.6 (--*--)
--------+---------+---------+---------+---
60.0 72.0 84.0 96.0

… e se si avessero 3 fattori con a, b e c livelli rispettivamente????
Yijkl = µ + αi + βj + γk + (αβ)ij + (αγ)ik + (βγ)jk + (αβγ)ijk +εijkl

con i = 1, 2, .., a; j = 1, 2, ..., b;
k = 1, 2, .., c e k= 1, 2, ..., n
Forse è troppo complicato?!!!


ANOVA Con Note1 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ANOVA Con Note1 PDF

Cargado por

Copyright:

Formatos disponibles

Analisi della varianza

Un contadino vuole valutare l’efficacia di un fertilizzante

11/24/2014 Analisi della varianza 1

Campo Fertiliz. 1 Fertiliz. 2 Fertiliz. 3 Fertiliz. 4 Tot. riga

Rese (kg/m2) ottenute negli appezzamenti trattati con fertilizzanti

11/24/2014 Analisi della varianza 2

Le differenze che si osservano nelle quattro rese medie

E se i raccolti medi fossero stati molto diversi

11/24/2014 Analisi della varianza 3

! Testare l’ipotesi H0: µ1 = µ2 = µi = … = µk contro l’ipotesi alternativa

! Scomporre la variabilità totale in più componenti, ciascuna delle

11/24/2014 Analisi della varianza 4

Appezz. 1 12.6 13.1 12.7 12.9

Appezz. 2 6.2 7.0 6.7 7.0

Appezz. 3 4.8 5.1 4.8 5.2

Appezz. 4 3.5 3.8 3.6 3.7

Appezz. 5 2.9 3.0 2.7 2.9

6.0 6.4 6.1 6.34 x x = 6.21

(*) Le varianze sono non corrette 0.0273 12.66

Ma allora facciamo un test sulle varianze ….

11/24/2014 Analisi della varianza 6

Camp. 1 Camp. 2 . Camp. k Totali

11/24/2014 Analisi della varianza 7

H0: µ1 = µ2 = µi = … = µk + σ2 costante equivale a:

I campioni provengono tutti dalla stessa popolazione

Per ogni colonna j, j = 1, 2, …, k, si calcoli:

Ogni s j2, j = 1, 2, …, k, è una stima (corretta) della varianza

11/24/2014 Analisi della varianza 9

SSW = Sum of Squares Within Samples

I Mean Squares Within Samples (MSW) sono una stima (sempre

11/24/2014 Analisi della varianza 10

11/24/2014 Analisi della varianza 11

Altra misura di variabilità che si può calcolare:

SSTC = Sum of Squares Corrected for the Mean

E’ una stima corretta solo sotto H0 della varianza σ2 delle k popolazioni

(*) Si indicano anche con SS(Tr), con Tr = Trattamenti

Misura della Misura della

11/24/2014 Analisi della varianza 13

Facciamo un test sull’uguaglianza dei due

∑ y •2j = 3859.14 y• • = 124.2 ∑∑ y

11/24/2014 Analisi della varianza 15

SSW = SST − SSM − SSB = 1024.98 − 771.282 − 0.546 = 253.152

Tabella dell’Analisi della Varianza (ANOVA)

Origine Gradi Somme dei quadrati Quadrati medi F calc

11/24/2014 Analisi della varianza 17

Tabella dell’Analisi della Varianza relativa all’esempio dei fertilizzanti

Origine Gradi Somme dei quadrati Quadrati medi Fcalc

Vado a trattare i campi col

11/24/2014 Analisi della varianza 19

Yij =µj + εij con i = 1, 2, .., n e j= 1, 2, ..., k

con: k = numero dei trattamenti (o livelli del fattore)

Assunzioni sugli errori εij

11/24/2014 Analisi della varianza 21

Media colonna 6 6.4 6.1 6.34 6.21

Cercare quale parte di variazione totale è dovuta alla

11/24/2014 Analisi della varianza 22

Yij = µij + εij con i = 1, 2, .., a e j = 1, 2, ..., b

con: a = numero dei livelli del primo fattore (A)

11/24/2014 Analisi della varianza 23

# H0 : µ1• = µ2• = ....= µa• per ogni i = 1,2,..., a

# H0 : µ•1 = µ•2 = ....= µ•b per ogni j = 1,2,..., b

11/24/2014 Analisi della varianza 24

Somme dei Somme dei Somme dei Somme dei