ANOVA também conhecida comoAnalysis of Variance é um poderoso método estatístico para testar uma hipótese que envolve mais de dois grupos (também conhecido como tratamentos). No entanto, ANOVA é limitada em fornecer uma visão detalhada entre diferentes tratamentos ou grupos, e é aqui que, Tukey (T) test também conhecido como T-test entra em jogo. Neste tutorial, vou mostrar como preparar input arquivos e executar o teste ANOVA e Tukey em software R., Para informações detalhadas sobre ANOVA e R, Por favor leia este artigo neste link.
Passo 1.0 Download e instalar o software R e R studio
- Baixar e instalar a versão mais recente do software R, a partir deste link
- Baixar e instalar o R studio a partir deste link
- Finalmente, instale a biblioteca de qtl em R
Passo 1.,2 – o programa de Configuração do diretório de trabalho de seguir os passos abaixo:
Criar um arquivo de entrada, como mostrado no exemplo abaixo:
Passo 2: Executar a ANOVA em R
2.,1 de Importação de R package
de Instalar o pacote de R agricolae e abra a biblioteca de digitar o comando abaixo da linha:
library(agricolae)
Nota: Por favor, lembre-se de instalar o correto R package for ANOVA!
2.2 Importação de dados
Importar seus dados digitando o comando abaixo da linha:
data= read.table(file = "fileName.txt", header = T)2.3 Seleção de dados
uma Vez que os dados são importados, verifique-a digitando o comando abaixo da linha:
head(data_pressure)tail(data_pressure)2.,4. Conduta ANOVA
Agora, Basta executar o ANOVA digitando o comando abaixo as linhas:
data.lm <- lm(data$Dependent_variable ~ data$Treatment, data = data)data.av <- aov(data.lm)summary(data.av)Os resultados devem ser semelhantes, como visto abaixo:
a Partir do resumo de saída, pode-se interpretar que há uma diferença significativa (i.e. P < 0.001) entre o Treatments, no entanto, realizar Teste de Tukey para investigar as diferenças entre todos os treaments utilizando os passos abaixo.
3.,0 Conduta de Tukey, teste
Digite abaixo os comandos para executar o teste de Tukey:
data.test <- TukeyHSD(data.av)data.testAbaixo é o resumo do teste de Tukey:
a Partir de acima de T-teste, pode-se concluir que existe uma diferença significativa na maioria dos grupos, exceto entre os grupos-E-D a P <0.,001
Finally, one can plot the above results using the below command:
plot(data.test)Output:
