tukey-test

Teste de Tukey §

O teste de Tukey, também conhecido como o teste de comparação múltipla de Tukey, é uma técnica estatística utilizada para avaliar diferenças entre todas as combinações possíveis de médias de grupos em uma análise de variância (ANOVA). Ele é particularmente útil quando você realizou uma ANOVA e encontrou uma diferença estatisticamente significativa entre as médias dos grupos, mas deseja identificar quais pares específicos de grupos têm diferenças significativas.

O teste de Tukey é uma forma de controle da taxa de erro familiar, o que significa que ele ajusta os valores críticos de significância para considerar o aumento das comparações feitas. Isso ajuda a evitar falsos positivos, ou seja, identificar diferenças onde não existem.

Aqui estão os passos principais do teste de Tukey:

1. Realizar a ANOVA: Primeiro, você deve realizar a análise de variância (ANOVA) para determinar se há diferenças significativas entre as médias dos grupos.

2. Calcular a diferença mínima significativa (LSD): A LSD é uma estimativa da menor diferença entre duas médias que pode ser considerada estatisticamente significativa.

3. Calcular a estatística de teste (q): Para cada par de grupos, calcula-se a estatística de teste q, que é a diferença entre as médias dividida pela LSD.

4. Comparar com valor crítico de Tukey: Usa-se a tabela de valores críticos de Tukey para determinar se a estatística de teste q é maior do que o valor crítico correspondente, ajustado com base no número de grupos e no tamanho da amostra.

5. Interpretação: Se a estatística de teste q for maior que o valor crítico, podemos concluir que existe uma diferença estatisticamente significativa entre as médias dos grupos comparados.

O teste de Tukey é amplamente utilizado em experimentos onde se deseja identificar quais grupos possuem médias significativamente diferentes após encontrar uma diferença global significativa na análise de variância. Isso é particularmente útil em avaliações de algoritmos, onde se deseja identificar quais algoritmos têm desempenho significativamente melhor ou pior do que os outros.