L'analisi della varianza, più comunemente noto come l'ANOVA, viene utilizzato durante l'analisi statistica. ANOVAs sono utili quando l'esperimento comporta risultati da più di due gruppi di soggetti. Un'ANOVA Confronta le varianze nei mezzi dei risultati dai vari gruppi, aiutando lo sperimentatore accettare o rifiutare l'ipotesi nulla dell'esperimento.
Campioni
Quando ci sono più di due campioni, un ANOVA è più affidabile rispetto al t-test. Il t-test è utilizzabile solo per studiare le differenze fra i due mezzi. Anche se t-test multipli possono essere effettuate per confrontare più di due mezzi con a vicenda, questo può portare a complicazioni di sever. Un'ANOVA è un modo relativamente semplice per confrontare i mezzi di parecchi campioni.
Numeri
Uno dei vantaggi principali di un ANOVA è che il numero di osservazioni in ogni gruppo non deve essere lo stesso. Ad esempio, uno sperimentatore che confronta gli effetti di bere il tè sulla salute potrebbe essere in grado di trovare 100 non tè bevitori ma solo 96 bevitori di tè.
Fattori
ANOVAs consentire esperimenti dove le popolazioni sono classificati in due fattori categorici. Ad esempio, un esperimento potrebbe indagare l'esame decine di studenti che sono femmina o maschio..--il primo fattore..--e neanche hanno o non hanno avuto ulteriore casa scuola a casa, il secondo fattore. ANOVAs analizzando due fattori esperimenti sono conosciuti come ANOVAs bidirezionale. Essi rimuovere alcuni della variabilità casuale e consentire lo sperimentatore a guardare le interazioni tra fattori. Consentono inoltre esperimenti con una dimensione più piccola del campione totale, come due cose stanno studiandi in una sola volta.
Ipotesi
Prima che venga applicata un'ANOVA, l'esperimento deve soddisfare alcuni criteri metodologici affinché i risultati siano validi. La popolazione coinvolta nel campione dovrà essere normalmente distribuita, che significa che deve essere un'equa rappresentanza. Le varianze della popolazione devono essere uguali. Campioni utilizzati nell'esperimento devono essere indipendenti, e ogni livello del fattore deve essere applicato a un campione.