Análise de variância (ANOVA), testa a hipótese de que as médias de duas ou mais populações são iguais. As ANOVAs avaliam a importância de um ou mais fatores, comparando as médias de variáveis de resposta nos diferentes níveis de fator. A hipótese nula afirma que todas as médias de população (médias de nível de fator) são iguais, enquanto a hipótese alternativa afirma que pelo menos uma é diferente.

Para efetuar uma ANOVA, é necessário haver uma variável de resposta contínua e pelo menos um fator categórico com dois ou mais níveis. As análises ANOVA exigem dados de populações aproximadamente normalmente distribuídas com variâncias iguais entre fatores. Entretanto, os procedimentos ANOVA funcionam bem mesmo quando a pressuposição de normalidade é violada, exceto quando uma ou mais distribuições são altamente assimétricas ou quando as variâncias são muito diferentes. Transformações do conjunto de dados original podem corrigir essas violações.

Por exemplo, você cria um experimento para avaliar a durabilidade de quatro produtos experimentais de tapete. Você coloca uma amostra de cada tipo de tapete em dez casas e mede a durabilidade após 60 dias. Como você está examinando um fator (tipo de tapete) você usa uma ANOVA com um fator.

Se o valor de p associado à estatística t for menor que o alfa, você conclui que pelo menos uma média de durabilidade é diferente. Para informações mais detalhadas sobre as diferenças entre médias específicas, use um método de múltiplas comparações como o método de Tukey.

O nome "análise de variância" baseia-se na abordagem em que o procedimento utiliza variâncias para determinar se as médias são diferentes. O procedimento funciona através da comparação da variância entre as médias de grupos versus a variância dentro dos grupos como uma maneira de determinar se os grupos são todos parte de uma população maior ou populações distintas com características diferentes.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política