Расчёт aNOVA: формула, примеры и онлайн-калькулятор

Допустим, вы пекарь и хотите узнать, влияет ли сорт муки (три разных сорта) на объём хлеба. Вы печёте по 10 буханок на каждом сорте, измеряете объём. Средние объёмы: 800, 850, 830 мл. Различаются? Но внутри каждого сорта объём тоже колеблется (700–900). Как понять, что разница между средними не случайна? На помощь приходит ANOVA (Analysis of Variance — дисперсионный анализ).

ANOVA сравнивает два источника вариаций: межгрупповую дисперсию (разброс средних групп) и внутригрупповую дисперсию (разброс внутри каждой группы). Если межгрупповая дисперсия значительно больше внутригрупповой, значит, группы действительно разные. Если нет — различия случайны.

ANOVA применяется когда:

• нужно сравнить средние трёх и более групп (для двух групп используют t-критерий);
• данные количественные (числа);
• выборки независимы (разные люди/объекты в каждой группе);
• распределение данных приближённо нормальное (для больших выборок это не строго).

Не путайте с t-критерием: если групп больше двух, делать попарные t-тесты — ошибка (растёт вероятность ложной находки). ANOVA — корректный старт.

Ключевая формула для однофакторного ANOVA:

Где:

• SSb (Sum of Squares between) — сумма квадратов отклонений групповых средних от общего среднего. Показывает разброс между группами.
• SSw (Sum of Squares within) — сумма квадратов отклонений каждого наблюдения от среднего своей группы. Показывает разброс внутри групп.
• dfb (degrees of freedom between) — число групп минус 1: k − 1.
• dfw (degrees of freedom within) — общее число наблюдений минус число групп: N − k.
• F — F-критерий. Большое значение указывает на значимые различия.

Дополнительно:

где n_j — размер j-й группы, x̄_j — среднее j-й группы, x̄ — общее среднее, x_ij — i-е наблюдение в j-й группе.

Для нахождения F-критического (Fкрит) используют таблицы F-распределения с dfb и dfw. Если F > Fкрит (при уровне значимости α=0.05), нулевая гипотеза (все средние равны) отвергается.

Проще всего использовать Калькулятор ANOVA — он сам считает SS, df, F и даже p-value.

Задача: Шеф-повар тестирует три рецепта теста (A, B, C) по оценке хруста (от 1 до 10). По 4 дегустатора на каждый рецепт. Данные:

Решение:

1. Общее среднее x̄ = (6+7+5+6+8+9+7+8+5+6+4+5)/12 = 6,33.
2. SSb = 4*((6−6,33)²+(8−6,33)²+(5−6,33)²) = 4*(0,1089+2,7889+1,7689) = 4*4,6667 = 18,6668.
3. SSw: для A: (6−6)²+(7−6)²+(5−6)²+(6−6)²=2; для B: 2; для C: 2; SSw=6.
4. dfb = 3−1 = 2; dfw = 12−3 = 9.
5. MSb = 18,6668/2 = 9,3334; MSw = 6/9 = 0,6667.
6. F = 9,3334 / 0,6667 = 14,0.
7. Fкрит для df=(2,9) при α=0,05 ≈ 4,26. F=14 > 4,26 → различия значимы.

Вывод: Рецепты дают разный хруст. Нужно выбрать B (средняя 8,0).

Задача: Агроном сравнивает три удобрения (Органика, Химия, Био). Урожайность (кг/куст) для 5 кустов на каждое:

Решение:

1. Общее среднее x̄ = (3.2+3.5+3.0+3.8+3.1+4.1+4.3+3.9+4.0+4.2+3.6+3.7+3.5+3.9+3.4)/15 = 55.2/15 = 3.68.
2. SSb = 5*((3.32−3.68)²+(4.10−3.68)²+(3.62−3.68)²) = 5*(0.1296+0.1764+0.0036) = 5*0.3096 = 1.548.
3. SSw: для Органика: (3.2−3.32)²+… = 0.0144+0.0324+0.1024+0.2304+0.0484 = 0.428; для Химия: (4.1−4.1)²+… = 0+0.04+0.04+0.01+0.01 = 0.10; для Био: (3.6−3.62)²+… = 0.0004+0.0064+0.0144+0.0784+0.0484 = 0.148; SSw = 0.428+0.10+0.148 = 0.676.
4. dfb=2, dfw=12.
5. MSb=1.548/2=0.774; MSw=0.676/12=0.05633.
6. F=0.774/0.05633 ≈ 13.74.
7. Fкрит≈3.89. F>Fкрит → есть значимое влияние удобрения.

Вывод: Химическое удобрение даёт наивысшую урожайность (4.10 кг).

Задача: Исследователь изучает влияние типа музыки (классика, рок, тишина) и уровня освещения (яркий, тусклый) на время выполнения теста (сек). По 3 испытуемых на комбинацию. Данные:

Здесь два фактора: музыка (3 уровня) и освещение (2 уровня). Влияние каждого фактора и их взаимодействие.

Решение (сокращённо):

1. Общее среднее = 46.5.
2. Средние по музыке: классика=45.667, рок=53.833, тишина=42.0. Средние по освещению: яркий=45.333, тусклый=48.833.
3. SS_музыка = 6*((45.667-46.5)²+(53.833-46.5)²+(42.0-46.5)²) = 6*(0.694+53.778+20.25)=6*74.722=448.33.
4. SS_освещение = 9*((45.333-46.5)²+(48.833-46.5)²) = 9*(1.361+5.444)=9*6.805=61.25.
5. SS_взаимодействие = SS_между ячейками - SS_музыка - SS_освещение. Средние ячеек: ярк/клас=43.333, ярк/рок=52.667, ярк/тиш=40.0, туск/клас=48.0, туск/рок=55.0, туск/тиш=44.0. SS_ячейки = 3*((43.333-46.5)²+(52.667-46.5)²+...)=3*(10.03+38.03+42.25+2.25+72.25+6.25)=3*171.06=513.18. SS_взаим = 513.18-448.33-61.25=3.6.
6. SS_внутри = сумма квадратов отклонений внутри ячеек: (45-43.333)²+... = 6+24+... = 12.0 (здесь не приводим все вычисления, сумма=24).
7. df_музыка=2, df_освещение=1, df_взаим=2, df_внутри=12.
8. F_музыка = (448.33/2)/(24/12)=224.165/2=112.08; F_освещение=61.25/2=30.625; F_взаим=1.8/2=0.9.
9. Fкрит для музыки (2,12)≈3.89; для освещения (1,12)≈4.75; для взаим (2,12)≈3.89. Музыка и освещение значимы, взаимодействие нет.

Вывод: И музыка, и освещение влияют на время, но эффект аддитивен (не усиливают друг друга).

Даже опытные дата-сайентисты иногда спотыкаются. Вот что нужно проверять:

• Не проверяют нормальность. Для малых выборок (n<30) данные должны быть нормально распределены в каждой группе. Используйте тест Шапиро-Уилка. Если нет нормальности — применяйте Kruskal-Wallis (непараметрический аналог).
• Игнорируют гомогенность дисперсий. ANOVA предполагает, что разброс внутри групп примерно одинаков. Проверяйте тестом Левене. Если дисперсии разные, используйте Welch ANOVA.
• Проводят попарные t-тесты без коррекции. Если ANOVA показал значимость, нужно сделать post-hoc тесты (например, Tukey HSD). Попарные t-тесты без коррекции дадут ложную значимость.
• Используют ANOVA для зависимых выборок. Если те же испытуемые измерены в разных условиях (повторы), нужен Repeated Measures ANOVA.
• Путают однофакторный и многофакторный. Если у вас две независимые переменные, однофакторный ANOVA выдаст неверные результаты. Используйте двухфакторный.

Помните: ANOVA отвечает на вопрос «Есть ли различие?», но не говорит, какая группа лучше. Для этого нужны post-hoc тесты.

1. Задача 1: Сравниваются 4 группы по 6 наблюдений. SSb=120, SSw=200. Найдите F. Ответ: dfb=3, dfw=20, MSb=40, MSw=10, F=4.0.
2. Задача 2: Если F=0.5, что скажете о различиях? Ответ: F<1 обычно означает, что межгрупповая вариация меньше внутригрупповой, различия незначимы.
3. Задача 3: В ANOVA p-value=0.03 при α=0.05. Что делаем? Ответ: отвергаем H0, различия значимы.
4. Задача 4: Почему нельзя сделать 10 t-тестов вместо ANOVA? Ответ: возрастает вероятность ошибки I рода (ложной находки) до 40% вместо 5%.

Ручной расчёт — это полезно для понимания, но на практике проще использовать инструменты. Рекомендую Калькулятор ANOVA, который:

• принимает данные в виде таблицы или столбцов;
• автоматически вычисляет SS, df, MS, F и p-value;
• проверяет гомогенность дисперсий (тест Левене);
• даёт post-hoc анализ (Tukey HSD) при необходимости.

Просто введите числа, выберите тип ANOVA (однофакторный, двухфакторный), и получите готовый отчёт. Это сэкономит часы и убережёт от арифметических ошибок.