Comment Fisher a-t-il développé l'analyse de la variance?

Salut! Je suis un fournisseur pour Fisher, et j'ai toujours été fasciné par le travail incroyable de Ronald A. Fisher, l'esprit brillant derrière l'analyse de la variance (ANOVA). Aujourd'hui, je vais vous emmener dans un petit voyage à travers la façon dont Fisher a développé cette méthode statistique révolutionnaire.

Les premiers jours et le besoin d'ANOVA

Fisher était un gars qui vivait à une époque où l'analyse des données dans l'agriculture et la génétique était un peu un Far West. Au début du 20e siècle, les scientifiques avaient du mal à comprendre tous les différents facteurs qui pourraient affecter des choses comme les rendements des cultures ou les traits génétiques. Ils avaient toutes ces expériences avec plusieurs variables, mais aucun bon moyen de déterminer quelles variables avaient réellement un impact.

Fisher travaillait sur la recherche agricole à la station expérimentale de Rothamsted. Il avait affaire à toutes sortes de données des essais sur le terrain. Par exemple, il pourrait examiner comment différents engrais, des densités de plantation et des conditions météorologiques ont affecté la croissance du blé. Avec autant de facteurs en jeu, il était vraiment difficile de dire si un changement de rendement était dû à un facteur spécifique ou à une chance aléatoire.

C'est là que le besoin d'ANOVA est arrivé. Fisher voulait un moyen de décomposer la variation totale des données en différents composants. Il voulait pouvoir dire: "Hé, cette partie de la variation est due à l'engrais que nous avons utilisé, cette partie est due à la densité de plantation, et cette partie est juste un bruit aléatoire."

Les bases de l'ANOVA

Décomposons ce qu'est ANOVA. À la base, l'ANOVA est un moyen de comparer les moyens de plusieurs groupes. Imaginez que vous avez trois groupes de plantes différents. Le groupe A est traité avec l'engrais X, le groupe B avec l'engrais Y et le groupe C avec l'engrais Z. Vous mesurez la hauteur des plantes dans chaque groupe après une certaine période.

La variation totale des hauteurs de la plante peut être divisée en deux parties principales: la variation entre les groupes et la variation au sein des groupes. La variation entre les groupes est ce qui nous intéresse vraiment. S'il y a une grande différence dans la hauteur moyenne des plantes dans les trois groupes, cela pourrait signifier que le type d'engrais a un effet.

La variation au sein des groupes est due à des facteurs aléatoires tels que de petites différences de qualité du sol dans chaque parcelle ou de légères variations de la façon dont les plantes ont été arrosées. ANOVA calcule une statistique appelée le rapport f - qui est le rapport de la variation entre le groupe entre la variation du groupe intérieur. Si le rapport f - est important, cela signifie que la variation entre les groupes est beaucoup plus grande que la variation du groupe intérieure, et il y a de fortes chances que les groupes soient réellement différents les uns des autres.

Innovations mathématiques de Fisher

Fisher n'a pas seulement eu l'idée de l'ANOVA hors de l'air. Il a dû développer des concepts mathématiques assez complexes pour le faire fonctionner. Il a utilisé la théorie de la probabilité et des fonctions de distribution pour dériver la distribution F, qui est la distribution de probabilité du rapport f -.

La distribution F est ce qui nous permet de déterminer si le rapport f - que nous calculons à partir de nos données est statistiquement significatif. En d'autres termes, cela nous aide à décider si les différences entre les groupes sont réelles ou tout simplement à cause du hasard. Fisher a passé beaucoup de temps à travailler sur les propriétés mathématiques de la distribution F, en s'assurant qu'elle était précise et fiable.

Il a également dû faire face à la question des degrés de liberté. Les degrés de liberté sont essentiellement une mesure de la quantité d'informations indépendantes dans nos données. Dans l'ANOVA, les degrés de liberté pour la variation entre les groupes et la variation du groupe intérieure sont calculés différemment. Fisher a compris comment utiliser correctement ces degrés de liberté dans ses calculs pour obtenir des résultats précis.

ANOVA dans la pratique

L'ANOVA de Fisher est rapidement devenue un jeu de jeu dans la communauté scientifique. Il a été utilisé dans toutes sortes de champs, pas seulement l'agriculture. En psychologie, les chercheurs pourraient utiliser l'ANOVA pour comparer les performances de différents groupes de sujets dans une expérience. En médecine, il pourrait être utilisé pour comparer l'efficacité des différents traitements.

Disons que vous êtes un chercheur médical testant trois médicaments différents pour traiter une maladie particulière. Vous avez trois groupes de patients, chaque groupe prenant un médicament différent. Après une certaine période, vous mesurez un indicateur de santé pour chaque patient. En utilisant l'ANOVA, vous pouvez déterminer s'il y a une différence significative dans l'efficacité des trois médicaments.

En tant que fournisseur de Fisher, je peux vous dire que les innovations de Fisher ont également eu un impact sur nos produits. Prendre leFisher 846 Transducteur. Ce transducteur est utilisé dans des applications industrielles pour mesurer diverses quantités physiques. Lorsque nous testons les performances de différents modèles du transducteur, nous pouvons utiliser ANOVA pour comparer les données que nous collectons. Nous pouvons voir si différentes fonctionnalités de conception ou processus de fabrication ont un impact significatif sur les performances du transducteur.

De même, leContrôleur Fisher 4195Ket leÉmetteur de position Fisher 4211sont également des produits où l'ANOVA peut être appliquée. Nous pouvons l'utiliser pour analyser les données des tests pour voir si différents paramètres ou configurations de ces produits conduisent à de meilleures performances.

L'héritage de l'ANOVA

Le développement de Fisher de l'ANOVA a eu un héritage durable. C'est l'une des méthodes statistiques les plus utilisées au monde. Aujourd'hui, presque toutes les discipline scientifique utilisent l'ANOVA sous une forme ou une autre. Il est enseigné dans les cours de statistique dans les universités, et des packages de logiciels comme R et SPSS ont construit - dans des fonctions pour effectuer une ANOVA.

Le concept d'ANOVA a également été prolongé et modifié au fil des ans. Il existe désormais différents types d'ANOVA, tels que ANOVA One - Way, ANOVA à deux voies et ANOVA factorielle, qui peuvent gérer des conceptions expérimentales plus complexes. Mais ils retracent tous leurs racines au travail original de Fisher.

Pourquoi ça compte pour toi

Si vous êtes dans un domaine qui implique l'analyse des données, l'ANOVA peut être un outil puissant pour vous. Il peut vous aider à prendre des décisions plus éclairées en fonction de vos données. Que vous soyez un chercheur essayant de trouver le meilleur traitement pour une maladie ou un fabricant essayant d'améliorer les performances de vos produits, l'ANOVA peut vous donner des informations précieuses.

En tant que fournisseur de Fisher, je suis ici pour vous aider non seulement avec nos produits de haute qualité mais aussi avec toutes les questions que vous pourriez avoir sur l'analyse des données et comment elles se rapportent à nos produits. Si vous souhaitez en savoir plus sur la façon dont l'ANOVA peut être appliquée à votre situation spécifique, ou si vous songez à acheter nos produits comme le transducteur Fisher 846, le contrôleur Fisher 4195K ou le transmetteur de position Fisher 4211, n'hésitez pas à tendre la main. Nous pouvons discuter de vos besoins et de la façon dont nous pouvons travailler ensemble pour atteindre vos objectifs.

Références

• Fisher, RA (1925). "Méthodes statistiques pour les travailleurs de la recherche". Oliver & Boyd.
• Snedecor, GW et Cochran, WG (1989). "Méthodes statistiques". Iowa State University Press.
• Montgomery, DC (2013). "Conception et analyse des expériences". Wiley.