Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Test de Duncan

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 3

En https://jllopisperez.

com/2013/01/28/test-de-duncan/

LA ESTADÍSTICA: UNA ORQUESTA HECHA


INSTRUMENTO
Test de Duncan
Deja un comentario

El Test de Duncan es un test de comparaciones múltiples. Permite comparar las medias de


los t niveles de un factor después de haber rechazado la Hipótesis nula de igualdad de
medias mediante la técnica ANOVA. Todos los tests de comparaciones múltiples son
tests que tratan de perfilar, tratan de especificar, tratan de concretar, una Hipótesis
alternativa genérica como la de cualquiera de los Test ANOVA.

El Test de Duncan es muy similar al Test HSD de Tukey (Ver Herbario de técnicas), pero
en lugar de trabajar con un umbral fijo trabaja con un umbral cambiante. Un umbral que
dependerá del número de medias implicadas en la comparación.

Para saber el número de medias implicadas en la comparación se ordenan las medias


muestrales de menor a mayor y así al hacer una comparación entre dos medias sabremos
además de las dos medias comparadas cuantas medias quedan dentro. Este número de
medias implicadas en cualquier comparación de medias es el parámetro p de este umbral.

Veamos este umbral y cómo se calcula:


Se basa el procedimiento, también, en la distribución de los rangos estudentizados
(Ver Test HSD de Tukey en el Herbario de técnicas).

Es interesante comparar el Test HSD y el Test de Duncan. Este cambio tanto en el número
de medias implicada como en el nivel de significación genera un umbral más pequeño.
Esto da una mayor capacidad de encontrar diferencias mediante el Test de Duncan porque
los umbrales son más pequeños y, por lo tanto, es más fácil encontrar diferencias entre las
medias comparadas. En estos casos, en Estadística, decimos que el Test de Tukey es
más conservador que el Test de Duncan o que tiene menor potencia.
Si se quiere comparar las diferentes técnicas de comparaciones múltiples es
recomendable leer el artículo Comparación entre técnicas de comparaciones múltiples.

También podría gustarte