Concetti Chiave
- L'ANOVA richiede che le variabili siano distribuite normalmente in ciascuna condizione analizzata.
- La variabile dipendente deve essere misurata su una scala a intervalli o numerica per l'applicazione dell'ANOVA.
- La varianza dei dati deve essere simile all'interno di ogni condizione per rispettare le assunzioni dell'ANOVA.
- L'indipendenza delle osservazioni è fondamentale, richiedendo campionamento casuale per garantire dati indipendenti.
- L'ANOVA può essere univariata o bivariata e viene utilizzata per confrontare le varianze tra diverse fonti di variabilità.
Assunti fondamentali per l'ANOVA
Per poter utilizzare l’ANOVA, è necessario che vengano rispettati alcuni assunti fondamentali. Tali assunti riguardano la proprietà dei dati.
Il primo è "l'assunzione di normalità", cioè, le variabili, all’interno di ciascuna condizione, devono essere distribuite in una distribuzione normale o approssimativamente normale.
Il secondo assunto è che la variabile dipendente deve essere misurata su una scala a intervalli o su una scala numerica.
Inoltre, la variabilità o varianza dei dati, all’interno di ciascuna condizione, deve essere più o meno la stessa.
Infine, vi è l'assunzione di "indipendenza delle osservazioni". Secondo questo assunto, il campionamento deve essere casuale (o randomizzato), in quanto è fondamentale che le osservazioni devono essere tra loro indipendenti.
Tipi di ANOVA e loro caratteristiche
L’ANOVA può essere univariata o bivariata, a seconda che ci sia una o due variabili dipendenti. L’anova univariata può essere: • a una via, quando ha solo una variabile indipendente • fattoriale, se c’è più di una variabile indipendente
L’ANOVA si chiama analisi della varianza perché confronta più varianze, in particolare, le varianze riportate sotto SV (fonti di variabilità).
Accedi a tutti gli appunti
Tutor AI: studia meglio e in meno tempo
