Como achar o teste. Cada linha é uma família e cada coluna, o delineamento do estudo; o bloco da direita reúne os testes que não dependem de quantos grupos há. Toque num teste para ver a ficha.
Como ler
- Número e símbolo seguem a ordem de leitura da tabela; o símbolo lembra a estatística do teste.
- Embaixo do nome fica a distribuição de referência usada para o valor-p.
- Médias × postos: na mesma coluna, a linha de postos traz a alternativa que não supõe normalidade.
- Lacunas são cruzamentos sem um teste de uso corrente.
Para fazer as contas, veja as fórmulas interativas e as tabelas Z, t, F e χ².
Todos os testes
Médias (paramétricos)
Testes paramétricos supõem um modelo para os dados, em geral a distribuição normal, e comparam parâmetros dele, como a média. Quando o pressuposto vale, são os mais poderosos.
-
t para uma amostra · Uma amostra
Comparar a média de uma amostra com um valor de referência quando o desvio padrão da população é desconhecido.
H₀: A média populacional é igual ao valor de referência: μ = μ₀.
-
t para duas amostras independentes · Duas amostras independentes
Comparar as médias de dois grupos diferentes, como tratamento e controle.
H₀: As duas médias populacionais são iguais: μ₁ = μ₂.
-
t pareado · Duas amostras pareadas
Comparar duas medidas feitas nos mesmos indivíduos, como antes e depois de uma intervenção.
H₀: A média das diferenças é zero: μ_d = 0.
-
ANOVA de um fator · Três ou mais grupos independentes
Comparar as médias de três ou mais grupos independentes de uma vez, sem inflar o erro tipo I com vários testes t.
H₀: Todas as médias são iguais: μ₁ = μ₂ = … = μₖ.
-
ANOVA de medidas repetidas · Três ou mais medidas repetidas
Comparar três ou mais condições medidas nos mesmos indivíduos, como em vários momentos de um acompanhamento.
H₀: As médias de todas as condições são iguais.
-
Tukey HSD · Comparações múltiplas
Depois de uma ANOVA significativa, descobrir quais pares de grupos diferem, controlando o erro do conjunto de comparações.
H₀: Para cada par: μᵢ = μⱼ.
Postos (não paramétricos)
Testes não paramétricos não supõem uma distribuição para os dados. Trocam cada valor pelo seu posto, a posição na ordem (1º, 2º, 3º…), o que os protege de valores extremos e serve para dados ordinais.
-
Teste do sinal · Uma amostra
Testar a mediana de uma amostra sem supor nada sobre a forma da distribuição; usa só se cada valor está acima ou abaixo.
H₀: A mediana populacional é igual a m₀.
-
Mann-Whitney U · Duas amostras independentes
Comparar dois grupos independentes quando os dados não são normais, têm valores extremos ou são ordinais.
H₀: Um valor sorteado de um grupo tem a mesma chance de ser maior ou menor que um do outro.
-
Wilcoxon de postos sinalizados · Duas amostras pareadas
Comparar duas medidas pareadas sem supor normalidade das diferenças.
H₀: A distribuição das diferenças é simétrica em torno de zero.
-
Kruskal-Wallis · Três ou mais grupos independentes
Comparar três ou mais grupos independentes sem supor normalidade: é a ANOVA feita sobre postos.
H₀: Todos os grupos vêm da mesma distribuição.
-
Friedman · Três ou mais medidas repetidas
Comparar três ou mais condições medidas nos mesmos indivíduos sem supor normalidade.
H₀: As condições têm a mesma distribuição.
-
Teste de Dunn · Comparações múltiplas
Depois de um Kruskal-Wallis significativo, descobrir quais pares de grupos diferem.
H₀: Para cada par, os postos médios são iguais.
Proporções (contagens)
Para respostas categóricas, como sim ou não, acerto ou erro: o dado é quantas vezes cada categoria aparece, e o teste compara proporções.
-
Binomial / Z para uma proporção · Uma amostra
Comparar a proporção de uma amostra com um valor de referência, como a taxa de aprovação contra 50%.
H₀: A proporção populacional é p₀.
-
Z para duas proporções · Duas amostras independentes
Comparar a proporção de sucesso em dois grupos independentes, como a conversão de duas versões de uma página.
H₀: As duas proporções são iguais: p₁ = p₂.
-
McNemar · Duas amostras pareadas
Comparar uma proporção medida duas vezes nos mesmos indivíduos, como a opinião antes e depois de uma campanha.
H₀: A proporção não mudou: as trocas num sentido e no outro são igualmente prováveis.
-
Qui-quadrado de homogeneidade · Três ou mais grupos independentes
Comparar a distribuição de uma variável categórica entre três ou mais grupos independentes.
H₀: As proporções de cada categoria são as mesmas em todos os grupos.
-
Q de Cochran · Três ou mais medidas repetidas
Comparar uma proporção medida em três ou mais condições nos mesmos indivíduos, como acertos em várias provas.
H₀: A proporção de sucesso é igual em todas as condições.
-
Marascuilo · Comparações múltiplas
Depois de um qui-quadrado de homogeneidade significativo entre três ou mais grupos, descobrir quais pares de proporções diferem.
H₀: Para cada par: pᵢ = pⱼ.
Variâncias (dispersão)
Comparam o quanto os dados se espalham, não o centro. Servem por si mesmos, como no controle de qualidade, e para conferir o pressuposto de variâncias iguais de outros testes.
-
Qui-quadrado para uma variância · Uma amostra
Testar se a variância de um processo está no valor especificado, como no controle de qualidade.
H₀: A variância populacional é σ₀².
-
F para duas variâncias · Duas amostras independentes
Comparar a dispersão de dois grupos independentes.
H₀: As variâncias são iguais: σ₁² = σ₂².
-
Pitman-Morgan · Duas amostras pareadas
Comparar as variâncias de duas medidas pareadas, como a precisão de dois instrumentos aplicados às mesmas amostras.
H₀: As duas variâncias são iguais: σ₁² = σ₂².
-
Levene · Três ou mais grupos independentes
Verificar se dois ou mais grupos têm a mesma variância, por exemplo antes de uma ANOVA.
H₀: Todas as variâncias são iguais.
-
Esfericidade de Mauchly · Três ou mais medidas repetidas
Verificar a esfericidade antes de uma ANOVA de medidas repetidas: as variâncias das diferenças entre condições devem ser iguais.
H₀: A matriz de covariâncias é esférica.
Aderência e normalidade
Aderência: os dados seguem a distribuição esperada? Os testes de normalidade são o caso mais comum e conferem um pressuposto dos testes paramétricos.
-
Shapiro-Wilk
Verificar se uma amostra vem de uma distribuição normal; é o teste de normalidade mais poderoso para amostras pequenas e médias.
H₀: Os dados vêm de uma distribuição normal.
-
Kolmogorov-Smirnov
Comparar uma amostra com uma distribuição teórica totalmente especificada.
H₀: Os dados seguem a distribuição F₀.
-
Anderson-Darling
Testar aderência a uma distribuição dando mais peso às caudas que o Kolmogorov-Smirnov.
H₀: Os dados seguem a distribuição F.
-
Qui-quadrado de aderência
Verificar se as frequências observadas em categorias batem com as esperadas por uma teoria, como um dado honesto.
H₀: As proporções das categorias são as especificadas.
-
Jarque-Bera
Testar normalidade pela assimetria e pela curtose; comum em econometria, com amostras grandes.
H₀: Assimetria zero e curtose 3, como na normal.
-
Lilliefors
Testar normalidade quando a média e o desvio padrão são estimados da própria amostra.
H₀: Os dados vêm de alguma distribuição normal.
-
Grubbs
Verificar se o valor mais extremo de uma amostra é um outlier, isto é, distante demais para vir da mesma distribuição normal que os outros.
H₀: Não há outlier: todos os valores vêm da mesma distribuição normal.
Associação e correlação
Em vez de comparar grupos, medem se duas variáveis variam juntas e com que força.
-
Correlação de Pearson
Medir e testar a relação linear entre duas variáveis quantitativas.
H₀: Não há correlação linear: ρ = 0.
-
Correlação de Spearman
Medir a relação monotônica entre duas variáveis, mesmo não linear ou ordinal: é o Pearson calculado sobre os postos.
H₀: Não há associação monotônica.
-
Tau de Kendall
Medir a concordância de ordem entre duas variáveis, contando pares concordantes e discordantes.
H₀: Não há associação: τ = 0.
-
Qui-quadrado de independência
Verificar se duas variáveis categóricas estão associadas, numa tabela de contingência.
H₀: As duas variáveis são independentes.
-
Fisher exato
Testar associação numa tabela 2 × 2 com contagens pequenas, onde o qui-quadrado não vale.
H₀: As duas variáveis são independentes.
-
Correlação ponto-bisserial
Medir a relação entre uma variável binária e uma quantitativa; equivale ao teste t para dois grupos.
H₀: Não há correlação.
-
Kappa de Cohen
Medir a concordância entre dois avaliadores que classificam os mesmos itens em categorias, descontando a concordância esperada por acaso.
H₀: A concordância é só a do acaso: κ = 0.
Modelos e regressão
Testes feitos dentro de um modelo ajustado: se um coeficiente importa, se o modelo explica algo e se os resíduos cumprem os pressupostos.
-
t de um coeficiente
Testar se uma variável explicativa tem efeito numa regressão, mantendo as outras fixas.
H₀: O coeficiente é zero: βⱼ = 0.
-
F global da regressão
Testar se o modelo de regressão como um todo explica algo, ou se todos os coeficientes podem ser zero.
H₀: Todos os coeficientes (menos o intercepto) são zero.
-
ANOVA de dois fatores
Avaliar ao mesmo tempo o efeito de dois fatores sobre uma resposta numérica, e se eles interagem, como dose e sexo num ensaio.
H₀: Para cada fator, as médias dos níveis são iguais; para a interação, o efeito de um fator não depende do nível do outro.
-
Razão de verossimilhança
Comparar dois modelos aninhados ajustados por máxima verossimilhança, como numa regressão logística.
H₀: O modelo menor é suficiente.
-
Wald
Testar um coeficiente de um modelo ajustado por máxima verossimilhança usando só o modelo completo.
H₀: O coeficiente é zero.
-
Hosmer-Lemeshow
Verificar se as probabilidades previstas por uma regressão logística batem com as frequências observadas, agrupando os casos por faixa de risco.
H₀: O modelo se ajusta bem: as frequências observadas e previstas coincidem.
-
Durbin-Watson
Verificar autocorrelação de primeira ordem nos resíduos de uma regressão, comum em dados ao longo do tempo.
H₀: Os resíduos não têm autocorrelação.
-
Breusch-Pagan
Verificar se a variância dos resíduos de uma regressão é constante (homocedasticidade).
H₀: Os resíduos são homocedásticos.
Séries temporais
Para observações ordenadas no tempo, em que valores vizinhos costumam ser correlacionados: testam estacionariedade e autocorrelação.
-
Dickey-Fuller aumentado
Verificar se uma série temporal tem raiz unitária, isto é, se não é estacionária.
H₀: A série tem raiz unitária (não é estacionária).
-
KPSS
Verificar a estacionariedade de uma série com a hipótese nula invertida em relação ao ADF; os dois juntos se complementam.
H₀: A série é estacionária.
-
Ljung-Box
Verificar se uma série, ou os resíduos de um modelo, ainda têm autocorrelação em várias defasagens.
H₀: As autocorrelações até a defasagem h são todas zero (ruído branco).