Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword or section
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
capu10

capu10

Ratings: (0)|Views: 13|Likes:

More info:

Published by: Manuel Alejandro Arias on Jun 18, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/12/2014

pdf

text

original

 
CAPITOLO X
ANALISI DELLA VARIANZA (ANOVA I) A UN CRITERIO DICLASSIFICAZIONE E CONFRONTI TRA PIU’ MEDIE
10.1. Analisi della varianza ad un criterio di classificazione o a campionamento completamente randomizzato 410.2. Confronto tra analisi della varianza con due trattamenti e test t di Student per 2 campioni indipendenti 2010.3. Test per l'omogeneità della varianza tra più campioni: test di Hartley, Cochran, Bartlett
,
Levene e Levenemodificato di Brown-Forsythe 2410.4. I confronti a priori o pianificati tra più medie 4510.5. Confronti multipli a posteriori o post hoc (UMCP) 57
10.5.1 Il principio di Bonferroni e il metodo di Dunn-Sidak 
61
10.5.2 La procedura LSD di Fisher e la modifica di Winer 
68
10.5.3 Il test HSD di Tukey e la procedura di Tukey-Kramer 
72
10.5.4 Il test di Student-Newman-Keuls o test SNK 
80
10.5.5 Il test di Scheffé con l’estensione di Gabriel 
89
10.5.6 Il test di Dunnett 
95
10.5.7 Il test di Duncan
102
10.5.8 Test multipli sequenziali di Holm e confronto con il test di Bonferroni; cenni sul metodo di Shaffer 
109
10.5.9 Cenni su altri test 
115
10.5.10 Dibattito sul test post-hoc migliore
11710.6. Confronti post-hoc tra varianze 11810.7. Stima della dimensione n di k gruppi campionari per lANOVA 12410.8. Confronto tra medie con ANOVA, da dati aggregati di k campioni 128
 
1
C A P I T O L O XANALISI DELLA VARIANZA (ANOVA I)A UN CRITERIO DI CLASSIFICAZIONEE CONFRONTI TRA PIU’ MEDIE
 Nella ricerca sperimentale è frequente
il confronto simultaneo tra le medie di più di due gruppi,
formati da soggetti sottoposti a trattamenti differenti o con dati raccolti in condizioni diverse. Al finedi evidenziare tutte le possibili differenze significative tra le medie,
non è corretto ricorrere al test tdi Student per ripetere l'analisi tante volte, quanti sono i possibili confronti
a coppie tra i singoligruppi.Con il metodo del
t
di Student,
si utilizza solo una parte dei dat
i e la probabilità
α
prescelta per l'accettazione dell'ipotesi nulla,
la probabilità di commettere un errore di primo tipo
(rifiutarel’ipotesi nulla quando in realtà è vera),
- è valida solamente per ogni singolo confronto
.
Se i confronti sono numerosi, la probabilità complessiva che almeno uno di essi si dimostrisignificativo solo per effetto del caso è maggiore
.Se è vera l’ipotesi nulla
H
0
, la probabilità che nessun confronto risulti casualmente significativo è
(1-
α
)
n
dove
n
è il numero di confronti effettuati.Per esempio, se si effettuano
10
confronti tra le medie di gruppi estratti a caso dalla stessa popolazionee per ognuno di essi
α
è uguale a
0.05
, la probabilità che nessun confronto risulti casualmentesignificativo diminuisce a circa
0.60
 
(
corrispondente a
0,95
10
)
. Di conseguenza, la probabilitàcomplessiva che almeno uno risulti significativo solo per effetto di fluttuazioni casuali diventa
0.40.
Espresso in termini più formali, effettuando
confronti con il test t di Student ognuno alla probabilità
α
, la probabilità complessiva
α
di commettere almeno un errore di I tipo (che il test rifiuti l’ipotesinulla quando in realtà essa è vera) diventa
α
’ = 1 - (1 -
α
)
 Nell’analisi della varianza, con apparente paradosso dei termini, il confronto è tra due o più medie.Essa permette il
confronto simultaneo tra esse, mantenendo invariata la probabilità
α
complessiva prefissata
.
 
2
L'ipotesi nulla H
0
e l'ipotesi alternativa H
1
assumono una formulazione più generale, rispetto alconfronto tra due medie:
H
0
:
µ
1
=
µ
2
= … =
µ
H
1
: le
µ
i
non sono tutte uguali(
oppure
almeno una
µ
i
 
è diversa dalle altre
; oppure
almeno due
µ
i
sono tra loro differenti)La metodologia sviluppata per verificare la significatività delle differenze tra le medie aritmetiche divari gruppi, chiamata
analisi della varianza
e indicata con
ANOVA
dall’acronimo dell'inglese
AN
alysis
O
VA
riance, utilizza
la distribuzione F
.E’ fondata sul rapporto tra varianze, denominato test F in onore di Sir Ronald Aylmer 
Fisher
(1890-1962), giudicato il più eminente statistico contemporaneo e ritenuto il padre della statistica moderna. Nel 1925 Fisher, al quale tra gli argomenti già affrontati si devono la definizione dei gradi di libertà,gli indici di simmetria e curtosi, il metodo esatto per tabelle 2 x 2, completò il metodo di Student per il confronto tra due medie (vedi l’articolo
 Applications of “Student’s”distribution
pubblicato da
Metron
vol. 5, pp. 90-104). La sua proposta del 1925 (vedi il volume
Statistical Methods forResearch Workers
, 1
st
ed. Oliver and Boyd, Edinburgh, Scotlnd, pp. 239 + 6 tables)
permette discomporre e misurare l'incidenza delle diverse fonti di variazione sui valori osservati di due opiù gruppi
. E'
la metodologia che sta alla base della statistica moderna
; da essa progressivamentesono derivate le analisi più complesse, con le quali si considerano contemporaneamente molti fattorisia indipendenti che correlati.L’evoluzione di questi concetti è descritta anche nella lunga serie del testo di Fisher, fino allatredicesima edizione del 1958 (
 Statistical Methods for Research Workers.
13
th
ed. Hafner, NewYork, pp. 356).La metodologia attuale dell’analisi della varianza tuttavia è dovuta a George W.
Snedecor
(statisticoamericano, 1881–1974) che con il suo breve testo del 1934 (
Calculation and Interpretation of  Analysis of Variance and Covariance
. Collegiate Press, Ames, Iowa, pp. 96) ne perfezionò il metodoe ne semplificò la forma rispetto alla proposta originale di Fisher. A Snedecor, insieme con W. G.Cochran, è dovuto un altro testo di Statistica che dal 1934 all’ultima edizione del 1980 (vedi
 Statistical Methods
7
th
ed. Iowa State University Press, Ames, Iowa, pp. 507) per 50 anni è stato un punto di riferimento fondamentale per tutti gli statistici.La distribuzione
F
è ricordata anche come distribuzione di
Fisher-Snedecor
.
La grande rivoluzione introdotta dall’analisi della varianza rispetto al test t consiste neldifferente approccio alla programmazione dell’esperimento
. L’approccio del test t risente del
vecchio assioma
che
la natura risponde solo a domande semplici
. Per organizzare un esperimento,

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->