Què és la comparació per parelles post hoc?
Què és la comparació per parelles post hoc?

Vídeo: Què és la comparació per parelles post hoc?

Vídeo: Què és la comparació per parelles post hoc?
Vídeo: ПИРОЖОК. МЯСО с КАРТОШКОЙ. КАЗАН КЕБАБ. Рецепт. Одесса. ENG SUB 2024, Maig
Anonim

ANOVA unidireccional Post Hoc Proves. Un cop hàgiu determinat que hi ha diferències entre els mitjans, post hoc proves de rang i per parelles múltiples comparacions pot determinar quins mitjans difereixen. Utilitza proves t per fer-ho tot comparacions per parelles entre mitjans del grup. No es fa cap ajust a la taxa d'error per a múltiples comparacions.

D'aquí, què és la comparació post hoc?

Publicació - hoc (llatí, que significa "després d'això") significa analitzar els resultats de les vostres dades experimentals. Sovint es basen en una taxa d'error familiar; la probabilitat d'almenys un error de tipus I en un conjunt (família) de comparacions . Els més comuns publicació - hoc les proves són: Procediment Bonferroni. Nova prova de rang múltiple (MRT) de Duncan

Posteriorment, la pregunta és, què és una comparació per parelles a Anova? Mentre que un òmnibus unidireccional ANOVA avalua si existeix una diferència significativa entre els grups, comparacions per parelles es pot utilitzar per determinar quines diferències de grup són estadísticament significatives.

A més d'això, què et diu una prova post hoc?

Perquè les proves post hoc són córrer per confirmar on es van produir les diferències entre els grups, ells hauria només s'executa quan vostè han mostrat una diferència estadísticament significativa en les mitjanes del grup (és a dir, un resultat ANOVA unidireccional estadísticament significatiu).

Bonferroni és una prova post hoc?

05, però no necessàriament), i K és el nombre de comparacions (estadístiques proves ). El Bonferroni és probablement el més utilitzat prova post hoc , perquè és molt flexible, molt senzill de calcular i es pot utilitzar amb qualsevol tipus d'estadística prova (p. ex., correlacions), no només proves post hoc amb ANOVA.

Recomanat: