Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Rossella Berni
LEZIONE BASE
Università di Firenze
Email: rossella.berni@unifi.it
sito-web: http://local.disia.unifi.it/berni
1
Primi concetti del DISEGNO SPERIMENTALE (e ANOVA)
Consideriamo inizialmente n osservazioni (sperimentali) ottenute effettuando un es-
perimento con variabile di risposta quantitativa continua (Y), in cui le unità di os-
servazione sono associate casualmente secondo k gruppi o k livelli di un fattore,
che si suppone (ed è questo che si vuole verificare) abbia influenza sulla variabile
dipendente (o di risposta) Y.
Introduciamo quindi il concetto di Fonte di variabilità.
Il nostro scopo iniziale è quello di capire se la variabilità complessiva dello studio
effettuato, e quindi della variabile di risposta quantitativa (Y), può essere suddivisa
secondo distinte fonti di variabilità che su di essa hanno effetto.
2
Esempio delle Plantule (Biometria- Salvi e Chiandotto, 1977)-
nota: unico esempio fuori ”tema”
Si vuole controllare l’azione di un fitormone sull’allungamento del caule
(fusto, stelo) di plantule di una stessa specie. Si hanno quindi 4 diversi
tipi (livelli) di fitormone, applicati a n=20 plantule (campione), es-
tratte casualmente da un semenzaio. Ciascuna modalità di fitormone
è assegnata casualmente a 5 plantule.
Esempio iniziale; Y=crescita (cm)
Fitormone A B C D
19 17 16 11
17 17 18 13
20 15 19 16
16 20 16 11
19 19 14 11
3
Devianza Within (entro); fonte accidentale
(yij − µi)2
XX
DW = (1)
i j
Devianza Between (tra): fonte sistematica
(µi − µ)2ni
X
DB = (2)
i
dove le ȳi i = 1, ....., k sono k medie campionarie, calcolate su k campioni
estratti da k popolazioni distribuite normalmente, e quindi anch’ esse
distribuite normalmente con E(ȳi) = µi.
4
Esempio plantule- segue
ȳA = 18.2; ȳB = 17.6; ȳC = 16.6; ȳD = 12.4; ȳ = 16.2
Risultati dell’analisi della varianza per i dati delle plantule
5
ANOVA ONE-WAY
Si può ipotizzare che la generica osservazione sperimentale yij sia cosı̀
esprimibile:
yij = µi + eij i = 1, ....., k j = 1, ....., ni (3)
dove k sono i livelli del fattore considerato, ni indica la numerosità delle
replicazioni entro il generico i − mo gruppo o livello. La componente
µi è esprimibile anche come somma di:
µi = µ + αi i = 1, ....., k (4)
Dove αi è l’effetto sistematico del generico livello i − mo del fattore
sperimentale; la componente eij rappresenta invece la componente di
variabilità accidentale imputabile alla j −ma replicazione entro lo i−mo
livello.
6
ANOVA ONE-WAY-segue
Per valutare se vi sia un effetto significativo del fattore coinvolto nel
disegno sperimentale qui studiato (disegno completamente randomiz-
zato), si ricorre ai test di ipotesi e al concetto di ipotesi nulla H0 e di
ipotesi alternativa: H1. Per il modello (3) si ha:
H0 : αi = 0; ∀i (5)
e
H1 : αi 6= 0 ∗ ∗ ∗ ∗per − almeno − un − i (6)
7
ANOVA ONE-WAY-segue
Supponiamo, per semplicità, che ni = n ∀i.
DB /(k − 1)
F = (8)
DW /(N − k)
9
II esempio-(Logothetis e Wynn, 1989)
Si abbiano n = 16 osservazioni sperimentali relative alla misurazione
in µA (microampere) dell’ emissione di luce (Y) per tubi catodici (4
tipi). Il fattore sperimentale di interesse è rappresentato dal ”tipo di
fosforo” con k = 4 livelli (A,B,C,D) con cui sono trattati i tubi catodici.
Il disegno è completamente casualizzato.
Disegno completamente casualizzato
Tubo catod. 1 2 3 4
A(25) C(4) D(9) A(28)
B(22) A(12) C(2) B(11)
C(18) B(3) A(10) D(20)
C(22) D(10) B(5) D(15)
10
II esempio-segue
Risultati dell’analisi della varianza per i dati relativi allo studio dell’emissione
di luce
11
III esempio-(Logothetis e Wynn, 1989)
Disegno a Blocchi Randomizzati Completi; esempio ”didattico” dal
precedente.
Disegno a blocchi randomizzati completi-BRC
12
III esempio-segue
13
Modello di ANOVA (two-way) per disegno BRC
14
Disegno Fattoriale completo- Esempio da: Montgomery (1991)
I dati riguardano n = 36 osservazioni sperimentali relative alla mis-
urazione (in ore) della durata di vita della batteria (Y). I due fattori
sperimentali di interesse, A e B, entrambi a tre livelli, rappresentano
rispettivamente il tipo di materiale per la batteria (1,2,3) e la temper-
atura, espressa in gradi centigradi: 15◦, 70◦, 125◦.
Mat./Temp. 15 70 125
1 130;155;74;180 30;40;80;75 20;70;82;58
2 150;188;159;126 136;122;106;115 25;70;58;45
3 138;110;168;160 174;120;150;139 96;104;72;60
15
Disegno Fattoriale completo: modello statistico Con assenza di inter-
azione del I-ordine tra A e B:
16
Concetto di Interazione
Risultati Fattoriale Completo
Esempio No.2- DoE
Analisi della Varianza- two way
• Si vuole confrontare la resistenza alla rottura dei laminati prodotti con 3 tipi di legno
(fattore A) e 3 tipi di colla (fattore B). Per ogni combinazione sperimentale si effettuano 5
prove (replicazioni) per un totale di N=45 osservazioni sperimentali che vengono
valutate tramite un test di sollecitazione per misurarne il carico di rottura (Y= valori
della pressione di rottura)
(fonte “Probabilità e statistica per l’ingegneria e le scienze”, Ross M.S., Apogeo, 2003)
j = 1, ..6; i = 1, ..4;
ANOVA one-way; risultati corner point based
coeff estimate s.e. t-value p-value
int. 6.100 1.18 51.55 < 0.000
dietaA 0 - - -
dietaB 5.000 1.53 3.27 0.0038
dietaC 7.000 1.53 4.58 0.0001
dietaD 2.99e-15 1.45 2.06e-15 1.0000
residual 2.366 (20 df); SS fattore DIETA: 228(3 df)**
commento: dietaB e dietaC effetto significativo sul t.m. di coagulazione rispetto
alla dietaA (livello di riferimento- intercetta); nessun effetto dietaD. DietaB ha un
effetto medio (incremento) sul t.m. di 5sec; DietaC ha effetto medio (incremento)
di 7sec.
NOTA: si tenga ben presente la distinzione tra ANOVA e scomposizione della SS, e
ANOVA con stima dei coefficienti del fattore.
17
References per i dati
18