L’Analisi della Varianza ANOVA (ANalysis Of VAriance)

Presentazione sul tema: "L’Analisi della Varianza ANOVA (ANalysis Of VAriance)"— Transcript della presentazione:

1 L’Analisi della Varianza ANOVA (ANalysis Of VAriance)

2 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi..... La analisi della varianza estende il confronto a p gruppi con p>2.

3 Concetti generali Fattore: variabile utilizzata per differenziare un gruppo da un altro gruppo. Livello (o trattamento): uno dei possibili valori/stati/caratteristiche che il fattore può assumere Variabile risposta: variabile quantitativa oggetto dello studio Esempio: Si vuole verificare se la razza dei vitelli (FATTORE) considerando tre razze (LIVELLI) influenza il peso di 20 vitelli (VARIABILE RISPOSTA): bovini Razza 1 Razza 2 Razza 3 1 63,3 72,8 82,3 2 ... ..... 20

4 Il disegno completamente randomizzato
E’ il disegno sperimentale più semplice Si utilizza quando si considera un solo fattore sperimentale a più livelli. I trattamenti/livelli sono assegnati alle unità sperimentali in modo casuale (randomizzazione). Se il numero di repliche è uguale per tutti i trattamenti il disegno è detto bilanciato (preferibile), altrimenti è detto sbilanciato.

5 Concetti generali In genere i livelli o gruppi possono essere non solo numerici ma anche qualitativi. I fattori che definiscono i gruppi possono essere più di uno. Con un solo fattore  analisi della varianza ad un fattore o ad una via Con due (o più) fattori  analisi della varianza a due ( o più) fattori o a due vie (o più vie)

6 Predisposizione dei dati
Fattore repliche 1 2 ..... i .... p y11 y21 yi1 yp1 y12 y22 yi2 yp2 ... J y1j y2j yij ypj ni Y1n(i) Y2n(i) Yin(i) Ypn(i) Medie

7 ESEMPIO: peso di 20 vitelli

8 Il modello lineare:

9 Il modello lineare Il modello può essere rappresentato in questa forma: Yij =  + αi + εij con μ media di tutte le popolazioni rappresentate nell’esperimento αi = μ − μi effetto dell’i-esimo trattamento/livello Generalmente si assume i = 1, , p (p numero dei livelli) j = 1, , ni (ni numero di repliche) Se il disegno è bilanciato, n1 = n2 = = np = n.

10 Scomposizione della variabilità totale
Variabilità all’interno dei gruppi (SSE)  errore sperimentale Variabilità tra i gruppi (SSA)  effetti del trattamento Si ha che: SST = SSA + SSE

11 Come fare inferenza Assumendo che i p gruppi (popolazioni) da cui vengono estratte casualmente le osservazioni siano distribuiti normalmente e abbiano uguali varianze, l’ipotesi sottoposta a verifica è: H0: m1 = m2 = … = mp oppure H0 : αi= 0 HA: non tutte le mi sono uguali

12 Come costruire il test? Il test è basato sulle seguenti considerazioni: Se è vera l’ipotesi nulla, i dati differiscono tra loro per il solo effetto della variabilità casuale. Se invece è vera l’ipotesi alternativa (quindi rifiuto l’H0), entrambe le fonti di variabilità contribuiscono a determinare la variabilità complessiva. Il test è quindi basato sull’analisi della variabilità complessiva in funzione delle diverse cause (da cui il termine Analisi della Varianza).

13 La VARIABILITA’ TOTALE è descritta dalla SST: Devianza totale:
Scomposizione della variabilità totale La VARIABILITA’ TOTALE è descritta dalla SST: Devianza totale:

14 Scomposizione della variabilità totale
La VARIABILITA’ TRA I GRUPPI è descritta dalla SSA (devianza tra i gruppi) Devianza tra i gruppi: FORMULA CALCOLATORIA:

15 Scomposizione della variabilità totale
La VARIABILITA’ NEI GRUPPI (o ENTRO I GRUPPI) è descritta dalla SSE: devianza entro i gruppi Devianza entro i gruppi: FORMULA CALCOLATORIA

16 Cosa ci aspettiamo Se l’ipotesi nulla è vera, ci possiamo attendere uno scarso contributo della devianza tra gruppi alla devianza totale. Sell’ipotesi nulla è falsa, ci possiamo attendere che entrambe le devianze contribuiscano a determinare la devianza totale. A questo livello non è però possibile fare confronti, perchè le devianze hanno un numero di addendi diverso. Dobbiamo quindi rendere confrontabili le devianze....

17 I gradi di libertà Ad ognuna delle devianze sono associati i gradi di libertà: • la devianza totale ha n − 1 gradi di libertà • la devianza tra gruppi ha p − 1 gradi di libertà • la devianza entro i gruppi ha n - p gradi di libertà Dividendo ciascuna devianza per i rispettivi gradi di libertà si ottengono le media dei quadrati, cioè le VARIANZE: Varianza tra i gruppi Varianza entro i gruppi

18 Test F per la ANOVA a un fattore
Per verificare l’ipotesi di uguaglianza delle medie utilizzo la statistica-test F che confronta MSA e MSE. La statistica F segue una distribuzione F di Fisher con (p-1, nt-p) gradi di libertà. La regola decisionale è: Rifiuto H0 se F>Fα

19 Test F per la ANOVA a un fattore
Il valore critico Fu viene determinato in funzione del livello di significatività a del test. I valori critici si individuano nelle tavole della distribuzione F in base ai gradi di libertà e al livello di significatività scelto Se H0 è falsa ci aspettiamo che F assuma valori maggiori rispetto ai valori tabulati nella tavola della F  la variabilità totale è dovuta soprattutto all’effetto del trattamento/fattore. Se H0 è vera ci aspettiamo che il valore osservato di F sia minore al valore tabulato.

20 Test F per la ANOVA a un fattore
I risultati del test F per la ANOVA a un fattore vengono sintetizzati in una tabella come quella seguente:

21 Esempio Esempio:Peso dei vitelli di 3 razze diverse: Output di excel: