O teste de Mann-Kendall é um método robusto, sequencial e não paramétrico, utilizado para determinar se determinada série de dados possui uma tendência temporal de alteração estatisticamente significativa.
As hipóteses adotadas para o Teste Mann-Kendall geralmente são: H0 (hipótese nula): Não há tendência presente nos dados. HA (hipótese alternativa): Uma tendência está presente nos dados que pode ser de aumento ou de diminuição.
Trata-se de uma suposição quanto ao valor de um parâmetro populacional, ou quanto à natureza da distribuição de probabilidade de uma variável populacional. Com base na observação de um pequeno número de eventos, procura-se tirar conclusões sobre um grande número deles.
Enquanto o teste não paramétrico de Wilcoxon-Mann-Whitney consiste em comparar a distribuição de duas amostras, o teste de Kruskal-Wallis permite realizar a comparação de três ou mais grupos em amostras independentes.
1. Tipo de dados : O teste Wilcoxon é usado para comparar amostras emparelhadas, enquanto o teste U de Mann-Whitney é usado para comparar amostras independentes.
A ANOVA, análise de variância, tem como objetivo comparar a média de população amostral, e assim identificar se essas médias diferem significativamente entre elas. Ou seja, uma proposta bem parecida com os demais testes de hipóteses.
Os testes não paramétricos, também conhecidos como testes de distribuição gratuita, são aqueles baseados em certas hipóteses, mas que nãpossuem uma organização normal. Geralmente, contêm resultados estatísticos provenientes de suas ordenações, o que os torna mais fáceis de entender.
O teste t de Student é um tipo de estatística inferencial usado para determinar se há uma diferença significativa entre as médias de dois grupos em alguma determinada característica.
O paciente é orientado a ficar em DD, com os joelhos flexionados para fora da maca, então o examinador solicita ao paciente flexionar o quadril contralateral do membro testado em direção ao tórax e manter a posição. Se o joelho do membro testado estende, o teste é considerado positivo.
Por ser um teste não-paramétrico, a correlação de Kendall pode ser usada com dados categóricos ordinais e quando não há distribuição normal dos dados. Os valores de τ variam de -1 a +1, sendo que valores próximos a esses extremos indicam uma correlação forte.
O teste exato de Fisher é uma ferramenta estatística importante para avaliar a significância de uma associação entre duas variáveis categóricas. Ele foi desenvolvido por Sir Ronald Fisher, um dos pais da estatística moderna, em 1920.
Se as amostras são independentes e há apenas duas amostras (dois grupos independentes), o teste t de amostras independentes é mais apropriado. Por outro lado, se houver três ou mais grupos independentes, a ANOVA é uma opção melhor.
Talvez o teste de hipótese mais conhecido, o teste t de Student pode ser utilizado para avaliar se há diferença significativa entre as médias de duas amostras. Sua simplicidade e a fácil implementação em softwares o tornou tão popular, mas por outro lado também tornou comum o seu uso de maneira incorreta.
O teste de Wilcoxon é um teste de hipóteses para analisar a diferença entre duas amostras pareadas. Portanto, podemos usá-lo quando temos duas medidas de uma mesma amostra, isto é, quando seus participantes são medidos em duas ocasiões ou sob duas condições diferentes.
Testes paramétricos exigem para sua utilização que seja pressuposto que distribuição dos dados (na saúde, a maioria exige pressuposto da distribuição normal) Já os testes não paramétricos não requerem o pressuposto da distribuição.
O Teste de Tukey consiste em comparar todos os possíveis pares de médias e se baseia na diferença mínima significativa (D.M.S.), considerando os percentis do grupo. No cálculo da D.M.S. utiliza-se também a distribuição da amplitude estudentizada, o quadrado médio dos resíduos da ANOVA e o tamanho amostral dos grupos.
O teste de Friedman é o teste não-paramétrico utilizado para comparar dados amostrais vinculados, ou seja, quando o mesmo indivíduo é avaliado mais de uma vez. O teste de Friedman não utiliza os dados numéricos diretamente, mas sim os postos ocupados por eles após a ordenação feita para cada grupo separadamente.
Allen Wallis, o teste de Kruskal-Wallis é utilizado em situações onde queremos comparar mais de dois grupos independentes, de tamanhos iguais ou não, com variável resposta quantitativa.
Na prática, podemos querer saber, por exemplo, se a idade dos participantes da nossa amostra segue ou não uma distribuição normal. Para isso, podemos usar o teste de Shapiro-Wilk. Como resultado, o teste retornará a estatística W, que terá um valor de significância associada, o valor-p.
Um teste t de amostras pareadas (também conhecido como medidas repetidas ou em pares) é usado quando você tem apenas um grupo de pessoas (ou empresas, ou máquinas etc.) e coleta dados delas em duas ocasiões diferentes ou sob duas condições diferentes.
Os testes de normalidade estatísticos como Kolmogorov-Smirnov (K-S) , Shapiro-Wilk e Anderson-Darling comparam os valores de média e desvio padrão da amostra testada com o de uma distribuição normal. A hipótese nula é que a amostra é normal, então se o teste é significativo p<0.05 a amostra é não normal.
A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de “k” amostras independentes (tratamentos) diferem entre si. Um segundo tipo de análise de variância, denominado de ANOVA de Dupla Classificação (Two-Way ANOVA) testa se existe diferença entre duas variáveis categóricas.
