मैं इस समय अपने मास्टर थीसिस पर काम कर रहा हूं और सिग्माप्लॉट के साथ आंकड़े चलाने की योजना बना रहा हूं। हालांकि, अपने डेटा के साथ कुछ समय बिताने के बाद मैं इस नतीजे पर पहुंचा कि सिग्माप्लॉट मेरी समस्या के लिए फिट नहीं हो सकता है (मुझसे गलती हो सकती है) इसलिए मैंने आर में अपना पहला प्रयास शुरू किया, जो वास्तव में आसान नहीं हुआ।
योजना मेरे डेटा पर एक सरल TWO-WAY-ANOVA चलाने की थी, जिसके परिणामस्वरूप 3 अलग-अलग प्रोटीन और उन पर 8 अलग-अलग उपचार होते हैं, इसलिए मेरे दो कारक प्रोटीन और उपचार हैं। मैंने दोनों का उपयोग करके सामान्यता के लिए परीक्षण किया
> shapiro.test(time)तथा
> ks.test(time, "norm", mean=mean(time), sd=sqrt(var(time)))दोनों मामलों में (शायद आश्चर्य की बात नहीं) मैं एक गैर-सामान्य वितरण के साथ समाप्त हुआ।
जिसने मुझे पहले प्रश्नों के साथ छोड़ दिया, जो कि भिन्नताओं की समानता के लिए उपयोग करने के लिए परीक्षण करते हैं। मेरे द्वारा लाया गया
> chisq.test(time)और परिणाम यह था, कि मेरे डेटा में विचरण की समानता भी नहीं है।
मैंने विभिन्न डेटा ट्रांसफ़ॉर्मेशन (लॉग, सेंटर, मानकीकरण) की कोशिश की, जिनमें से सभी ने मेरी समस्याओं का समाधान नहीं किया।
अब मैं एक नुकसान में हूं, परीक्षण के लिए एनोवा का संचालन कैसे करें कि कौन से प्रोटीन और कौन से उपचार एक दूसरे से काफी भिन्न हैं। मुझे क्रुस्ल-वालिस-टेस्ट के बारे में कुछ मिला, लेकिन केवल एक कारक (?) के लिए। मुझे रैंकिंग या रैंडमाइजेशन के बारे में भी बातें मिलीं, लेकिन अभी तक उन तकनीकों को आर में कैसे लागू किया जाए।
क्या किसी के पास एक सुझाव है कि मुझे क्या करना चाहिए?
संपादित करें: आपके उत्तर के लिए धन्यवाद, मैं पढ़ने से थोड़ा अभिभूत हूं (यह सिर्फ कम होने के बजाय और अधिक हो रहा है), लेकिन मैं निश्चित रूप से चलता रहूंगा।
यहां मेरे डेटा का एक उदाहरण दिया गया है, जैसा कि सुझाव दिया गया है (मैं प्रारूप के लिए बहुत माफी चाहता हूं, मैं एक और समाधान या किसी फ़ाइल को डालने के लिए जगह का पता नहीं लगा सका। मैं अभी भी इस सब के लिए नया हूं।):
protein treatment time
A con 2329.0
A HY 1072.0
A CL1 4435.0
A CL2 2971.0
A CL1-HY sim 823.5
A CL2-HY sim 491.5
A CL1+HY mix 2510.5
A CL2+HY mix 2484.5
A con 2454.0
A HY 1180.5
A CL1 3249.7
A CL2 2106.7
A CL1-HY sim 993.0
A CL2-HY sim 817.5
A CL1+HY mix 1981.0
A CL2+HY mix 2687.5
B con 1482.0
B HY 2084.7
B CL1 1498.0
B CL2 1258.5
B CL1-HY sim 1795.7
B CL2-HY sim 1804.5
B CL1+HY mix 1633.0
B CL2+HY mix 1416.3
B con 1339.0
B HY 2119.0
B CL1 1093.3
B CL2 1026.5
B CL1-HY sim 2315.5
B CL2-HY sim 2048.5
B CL1+HY mix 1465.0
B CL2+HY mix 2334.5
C con 1614.8
C HY 1525.5
C CL1 426.3
C CL2 1192.0
C CL1-HY sim 1546.0
C CL2-HY sim 874.5
C CL1+HY mix 1386.0
C CL2+HY mix 364.5
C con 1907.5
C HY 1152.5
C CL1 639.7
C CL2 1306.5
C CL1-HY sim 1515.0
C CL2-HY sim 1251.0
C CL1+HY mix 1350.5
C CL2+HY mix 1230.5
?bartlett.test)