ANOVA également connu sous le nomAnalysis of Variance est une méthode statistique puissante pour tester une hypothèse impliquant plus de deux groupes (également connu sous le nom de traitements). Cependant, ANOVA est limitée à fournir un aperçu détaillé entre différents traitements ou groupes, et c’est là que Tukey (T) test également connu sous le nom de t-test entre en jeu. Dans ce tutoriel, je vais montrer comment préparer des fichiersinput et exécuter ANOVA et Tukey test dans le logiciel R., Pour des informations détaillées sur ANOVA et R, Veuillez lire cet article sur ce lien.
l’Étape 1.0 Télécharger et installer le logiciel R et R studio
- Téléchargez et installez la dernière version du logiciel R à partir de ce lien
- Télécharger et installer R studio à partir de ce lien
- Enfin, installer la bibliothèque de qtl dans R
l’Étape 1.,2 – Configuration du répertoire de travail en suivant les étapes ci-dessous:
Créer un fichier d’entrée, comme indiqué dans l’exemple ci-dessous:
Étape 2: Exécution de l’analyse de la VARIANCE dans la R
2.,1 importez le paquet R
installez le paquet r agricolae et ouvrez la bibliothèque en tapant la ligne de commande ci-dessous:
library(agricolae)
remarque: n’oubliez pas D’installer le bon paquet R pour ANOVA!
2.2 Importation de données
Importer vos données en tapant la commande ci-dessous de la ligne:
data= read.table(file = "fileName.txt", header = T)2.3 Vérification des données
une Fois les données importées, le vérifier en tapant la commande ci-dessous de la ligne:
head(data_pressure)tail(data_pressure)2.,4 conduisez ANOVA
maintenant, exécutez simplement ANOVA en tapant les lignes de commande ci-dessous:
data.lm <- lm(data$Dependent_variable ~ data$Treatment, data = data)data.av <- aov(data.lm)summary(data.av)Les résultats devraient être similaires comme vu ci-dessous:
à partir de la sortie résumé, on peut interpréter qu’il existe une différence significative (p < 0.001) entre le Treatments, cependant, nous réalisons le test de Tukey pour étudier les différences entre tous les traitements en utilisant les étapes ci-dessous.
3.,0 effectuer le test Tukey
tapez les commandes ci-dessous pour exécuter le test Tukey:
data.test <- TukeyHSD(data.av)data.testci-dessous est le résumé du test Tukey:
à partir du test t ci-dessus, on peut conclure qu’il existe une différence significative dans la plupart des groupes, sauf 6e90dc0874″>
0.,001
Finally, one can plot the above results using the below command:
plot(data.test)Output:
