Teste de Friedman
Postos (não paramétricos) · Três ou mais medidas repetidas · distribuição de referência: χ²(k−1)
Quando usar
Comparar três ou mais condições medidas nos mesmos indivíduos sem supor normalidade.
Hipótese nula
As condições têm a mesma distribuição.
Pressupostos
- Blocos (indivíduos) independentes
- Variável ao menos ordinal
Estatística
\chi^2_F = \dfrac{12}{nk(k+1)} \sum_j R_j^2 - 3n(k+1)Tamanho de efeito
W de Kendall: a concordância entre os blocos, de 0 a 1.
W = \dfrac{\chi^2_F}{n(k - 1)}Como reportar
χ²F(2) = 9,10; p = 0,011; W de Kendall = 0,23
No R e no Python
R
friedman.test(y ~ tempo | id, data = dados)Python
stats.friedmanchisquare(t1, t2, t3)No Python, stats é scipy.stats e np é numpy.
Variantes e alternativas
- Pós-teste de Nemenyi ou Conover
- Versão paramétrica: ANOVA de medidas repetidas
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.
Três ou mais medidas repetidas. Os mesmos indivíduos medidos em três ou mais condições ou momentos: o pareado com mais de duas medidas.
Na árvore de decisão
- O que você quer fazer? Comparar grupos, ou um grupo com um valor de referência
- Que tipo de resposta você mediu? Numérica: uma medida, como peso, tempo ou nota
- Quantos grupos ou medidas? Três ou mais grupos
- Os grupos são de indivíduos diferentes ou dos mesmos indivíduos? Os mesmos indivíduos, em várias condições ou momentos
- Os resíduos são aproximadamente normais? Não, ou a resposta é ordinal