Teste de Dunn
Postos (não paramétricos) · Comparações múltiplas · distribuição de referência: N(0, 1)
Quando usar
Depois de um Kruskal-Wallis significativo, descobrir quais pares de grupos diferem.
Hipótese nula
Para cada par, os postos médios são iguais.
Pressupostos
- Os mesmos do Kruskal-Wallis
Estatística
z = \dfrac{\bar{R}_i - \bar{R}_j}{\sqrt{\dfrac{N(N+1)}{12}\left(\dfrac{1}{n_i} + \dfrac{1}{n_j}\right)}}Tamanho de efeito
r para cada par, a partir do z do teste.
r = \dfrac{|z|}{\sqrt{n_i + n_j}}Como reportar
B − A: z = 2,74; p ajustado (Holm) = 0,018
No R e no Python
library(FSA)
dunnTest(y ~ grupo, data = dados, method = "holm")import scikit_posthocs as sp
sp.posthoc_dunn(dados, val_col="y", group_col="grupo", p_adjust="holm")No Python, stats é scipy.stats e np é numpy.
Variantes e alternativas
- Ajuste os valores-p das comparações (Bonferroni, Holm)
- Conover-Iman, um pouco mais poderoso
Onde fica no catálogo
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.
Comparações múltiplas. Pós-testes: depois de rejeitar a igualdade de todos os grupos, apontam quais pares diferem, controlando o erro do conjunto de comparações.
Na árvore de decisão
Não tem caminho próprio na árvore, mas aparece junto de outros testes:
- Como pós-teste, se H₀ for rejeitada, depois de Kruskal-Wallis.