Como escrever declarações de resumo para anova

Pesquisadores muitas vezes dividir assuntos em grupos para que eles possam isolar variáveis ​​importantes, de acordo com Washington State University. Por exemplo, se um cientista queria descobrir se macacos crescer bananas alimentares mais rápidos ou uvas, ela iria dividir os macacos em dois grupos - uva-comedores e banana-comedores - e então pesar os macacos em cada grupo ao longo do tempo. Se o cientista descobriu que uva-comedores foram, em média, 5 libras mais pesado, ela seria tentado a concluir que as uvas de ajuda macacos crescer mais do que bananas fazer. O problema com esta abordagem é que alguns macacos podem naturalmente crescer mais rapidamente do que outros, não importa o que eles comem. O cientista poderia usar um teste de ANOVA para resolver este problema porque o teste seria medir se a diferença entre o banana- e uva-comedores era grande demais para ser coincidência.

Pesquisadores usam ANOVAs para testar previsões sobre o assunto de sua pesquisa. Cada previsão realmente inclui duas hipóteses: a hipótese nula prevendo nenhuma diferença entre os grupos e uma hipótese alternativa prever diferenças significativas. No exemplo acima, hipótese alternativa do cientista seria algo como "macacos crescer mais rapidamente quando eles comem uvas do que quando eles comem bananas." A hipótese nula seria afirmar que "não há diferença nas taxas de crescimento de macacos que comem bananas e macacos que comem uvas." Se o teste ANOVA mostra uma diferença significativa entre os dois grupos, o cientista iria rejeitar a hipótese nula e aceito evidências para a hipótese alternativa. Se a análise de variância não encontraram nenhuma diferença significativa, o pesquisador iria rejeitar a hipótese alternativa e aceitar a hipótese nula.

Para garantir trabalhos publicados incluem toda a informação matemática importante, os pesquisadores criaram um sistema de regras de apresentação dos resultados de ANOVAs. declarações de resumo para ANOVAs deve incluir três componentes básicos: uma explicação do que o ANOVA testados, um F-ratio com graus de liberdade, e um valor-p. Graus de liberdade refere-se ao número de grupos do estudo e o número de indivíduos em cada grupo. O F-ratio é o valor real do teste ANOVA, enquanto o p-valor é uma medida da probabilidade de que o F-ratio ocorreu por acaso. Quanto mais próximo o valor-p é zero, o que é menos provável que as diferenças entre os grupos ocorreu de forma aleatória.

No estudo hipotético discutido acima, suponha que o cientista tinha dois grupos de 25 macacos. Se assim for, súmula do cientista seria algo parecido com isto: "Medidas do peso de banana comer e macacos comedores de uva mostrou diferenças estatisticamente significativas entre os dois grupos, conforme demonstrado por um one-way ANOVA, F (2, 25) = 4,425, P<.05." This statement reports the F-ratio with degrees of freedom, shows that the probability of random coincidence is less than 5 percent, and explains which hypothesis the test supports.