-É utilizado para testar toda e qualquer diferença entre duas médias de tratamento; -É aplicado quando o teste “F” para tratamentos da ANAVA (análise de variância) for significativo.
Para maior garantia de controle de erro tipo I: usar Bonferroni, que tem mais poder que Tukey; porém é melhor para número pequeno de grupos (nível de significância é dividido pelo número de grupos - 5 grupos fazem o nível de significância baixar de 0,05 para 0,01).
O teste de Duncan procura as DMS impostas pelas comparações de médias mais afastadas, sendo, portanto um teste menos rigoroso que o SNK.
A diferença mínima significativa (DMS) deste teste é calculada por: sendo Z o valor tabela a um dado nível de significância (α) e com n e n' graus de liberdade. Tal que, n= numero de médias abrangidas e n'= graus de liberdade do resíduo.
Como interpretar os resultados do Teste de Tukey?
Para aplicação da análise de variância, são necessárias algumas suposições, sendo elas:
Tabela de Análise de Variância ou tabela ANOVA - SQT = SQG + SQR (mede a variação geral de todas as observações). - SQR soma dos quadrados dos resíduos, devidos exclusivamente ao erro aleatório, medida dentro dos grupos. A hipótese nula sempre será rejeitada quando f calculado for maior que o valor tabelado.
Clique na aba "Dados", na parte superior da janela do Excel. Procure a seção "Análise" e clique no botão "Análise de dados". Clique em "Anova: Fator único", na janela flutuante, e selecione "OK".
Para implementar no R é preciso criar um conjunto de dados de duas variáveis: uma com os valores a serem estudados e outra identificando a que grupo aquele valor pertence. Depois basta fazer um ajuste linear pela função lm() e utilizar a função anova() para obter a tabela ANOVA.
Para utilizar as ferramentas de análise, selecione Análise de Dados do menu de Ferramentas. Dentro da opção de ferramenta de análise, escolha, "ANOVA: Single Factor". Depois, marque a Faixa de Entrada e a Faixa de Saída, indicando as células necessárias.
A ANOVA produz um valor chamado F (F-statistics ou F-ratio). Esse valor de F é similar ao valor de t pelo fato de comparar a quantidade de variância sistemática nos dados com a quantidade de variância não-sistemática. Em outras palavras, o valor de F é a razão entre o modelo e seu erro.
Para calcular o teste, primeiramente deve-se ajustar os dados no seguinte formato:
Os testes t são testes de hipótese úteis na estatística quando é necessário comparar médias. Você pode comparar uma média amostral com um valor hipotético ou com um valor alvo usando um teste t para uma amostra. Você pode comparar as médias de dois grupos com um teste t para duas amostras.
Para o cálculo do p-valor do teste quiquadrado, usa-se a fórmula CHISQ. TEST (em português, TESTE. QUIQUA), informando como parâmetros os valores observados, e depois os valores esperados. Já para calcular a estatística de teste quiquadrado, usa-se a fórmula CHIST.
Cálculo de um valor crítico para um teste t com 1 amostra