L'analyse de la variance, plus communément connu sous le nom ANOVA est utilisée lors de l'analyse statistique. ANOVAs sont utiles lorsque l'expérience implique des résultats de plus de deux groupes de sujets. Une ANOVA compare les écarts dans les moyennes des résultats de divers groupes, aider l'expérimentateur accepter ou de rejeter l'hypothèse nulle de l'expérience.
échantillons
Quand il y a plus de deux échantillons, une ANOVA est plus fiable que le test t. Le T-test ne peut être utilisé pour étudier les différences entre les deux moyennes. Bien que plusieurs tests t peuvent être effectués pour comparer plus de deux moyens les uns avec les autres, cela peut conduire à rompre les complications. Une ANOVA est un moyen relativement simple de comparer les moyens de plusieurs échantillons.
Nombres
L'un des principaux avantages d'une analyse de variance est que le nombre d'observations dans chaque groupe ne doit pas nécessairement être le même. Par exemple, un expérimentateur comparant les effets de la consommation de thé sur la santé pourrait être en mesure de trouver 100 non-buveurs de thé, mais seulement 96 buveurs de thé.
Facteurs
ANOVAs permettre des expériences où les populations sont classés dans deux facteurs catégoriques. Par exemple, une expérience pourrait enquêter sur les résultats aux examens des élèves qui sont de sexe féminin ou masculin - le premier facteur - et ont ou ont pas eu l'enseignement à domicile à domicile supplémentaire, le deuxième facteur. Analyse des expériences analyses de la variance à deux facteurs sont connus comme deux voies ANOVA. Ils enlèvent une partie de la variabilité aléatoire et permettent à l'expérimentateur d'examiner les interactions entre les facteurs. Ils permettent également des expériences avec une taille totale de l'échantillon plus petit, comme deux choses sont à l'étude à la fois.
Hypothèses
Avant une ANOVA est appliquée, l'expérience doit satisfaire certains critères méthodologiques pour que les résultats soient valides. La population impliquée dans l'échantillon doit être normalement distribué, ce qui signifie qu'il doit être une représentation équitable. Les écarts de la population doivent aussi être égaux. Les échantillons utilisés dans l'expérience doivent être indépendants, et chaque niveau du facteur doit être appliqué à un échantillon.