Resumindo, o teste t deve ser utilizado na presença de distribuição normal dos dados, quando se objetiva comparar dois momentos/ grupos para uma variável numérica.
Qual o teste estatístico que deve ser usado para comparar proporções?
O teste qui ao quadrado é utilizado para verificar se a associação entre duas variáveis dicotômicas é estatisticamente significativa, quando as amostras são suficientemente grandes.
Este teste é usado quando as amostras possuem variâncias diferentes. Para confirmar se as variâncias são realmente diferentes, é recomendável realizar um teste de variâncias.
O teste de Mann-Whitney (Wilcoxon rank-sum test) é indicado para comparação de dois grupos não pareados para se verificar se pertencem ou não à mesma população e cujos requisitos para aplicação do teste t de Student não foram cumpridos.
ESCOLHA DOS TESTE ESTATÍSTICO: Faz diferença ter 1, 2 ou 3 grupos?
Qual a diferença entre ANOVA e teste t?
Um teste ANOVA unidirecional é uma extensão do teste t, mas um teste ANOVA pode comparar qualquer quantidade de médias. O teste t pode comparar apenas duas médias. Embora um teste ANOVA revele uma diferença estatística entre médias, ele não indica quais médias são diferentes.
O teste de Wilcoxon é uma opção de teste não paramétrico para variáveis contínuas, quando se deseja comparar duas amostras emparelhadas, sendo substituto do teste t pareado. A hipótese de nulidade deste teste é que a mediana das diferenças entre os pares é igual a zero.
A hipótese nula do teste de Shapiro-Wilk é que a população possui distribuição normal. Portanto, um valor de p < 0.05 indica que você rejeitou a hipótese nula, ou seja, seus dados não possuem distribuição normal.
Nestas tabelas, o Teste Qui-Quadrado de Pearson é utilizado para esclarecer se existe alguma associação entre a variável da linha e variável da coluna; o Teste Exato de Fisher é usado quando se deseja testar a independência.
O teste de Kruscal-Wallis é o teste não paramétrico utilizado na comparação de três ou mais amostras independentes. Ele nos indica se há diferença entre pelo menos dois deles. A aplicação do teste utiliza os valores numéricos transformados em postos e agrupados num só conjunto de dados.
O que é Anova? A Análise de Variância, ou ANOVA, é um método estatístico utilizado para determinar se há diferenças significativas entre as médias de três ou mais grupos independentes. Essa técnica foi desenvolvida pelo estatístico e geneticista britânico Ronald Fisher no início do século XX.
Para a comparação de médias entre duas amostras independentes, quando as distribuições das variáveis X1 e X2 X 1 e X 2 se desviam marcadamente da normal e as amostras são pequenas (n1 ou n2<30 n 1 o u n 2 < 30 ), então pode-se utilizar o teste não paramétrico denominado teste de Mann-Whitney, que é equivalente ao teste ...
O teste Qui-quadrado é utilizado para testar a significância da associação observada entre categorias numa tabela cruzada ou de contingência. Malhotra(2000). O teste ajuda a determinar se existe uma associação entre duas variáveis categóricas.
Existem três fatores principais que regem a escolha do teste estatístico. 1) o tipo de distribuição de dados (normal e não normal), 2) a classificação do tipo de dado (qualitativo ou quantitativo) e 3) o tipo de amostras (dependentes ou independentes).
Qual a diferença entre teste paramétricos e não paramétricos?
Os testes não-paramétricos, diferente dos testes paramétricos, não estabelecem pressupostos sobre a distribuição dos dados (o que pode ser uma vantagem da metodologia). Sendo assim, não são utilizados parâmetros de qualquer distribuição de probabilidade nas hipóteses definidas.
O teste qui-quadrado de Pearson é usado para avaliar três tipos de comparação: bondade do ajuste (também chamado teste de aderência), homogeneidade e independência. Um teste de qualidade do ajuste estabelece se uma distribuição de frequências observadas difere de uma distribuição teórica.
O Teste Exato de Fisher é utilizado em tabelas de contingência 2x2 para comparar 2 grupos de duas amostras independentes, em outras palavras, tem como objetivo testar se a variável da linha e a variável da coluna são independentes (H0: a variável da linha e a variável de coluna são independentes).
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.
-É utilizado para testar toda e qualquer diferença entre duas médias de tratamento; -É aplicado quando o teste “F” para tratamentos da ANAVA (análise de variância) for significativo.
Esse teste compara a variância das amostras com a variância geral e é usado como um passo inicial antes de realizar testes paramétricos, como o teste t de Student, para garantir que as suposições subjacentes desse teste estão sendo atendidas.
O teste de Bartlett é usado para verificar se as amostras têm homogeneidade de variâncias (variâncias iguais). A avaliação do pressuposto de homogeneidade de variâncias é exigida pela maioria dos procedimentos estatísticos. Muitos testes estatísticos assumem que as variâncias são iguais entre grupos.
Para realizar o teste de Kruskal-Wallis no R, basta utilizarmos a função kruskal. test(x, g) , onde x é a variável resposta de interesse e g os grupos das amostras. Também é possível especificar o teste da forma kruskal. test(x ~ g) .
A correção de Bonferroni é um método para corrigir os valores de testes de hipóteses quando conduzimos vários testes consecutivos. Seu principal uso costuma ser nos testes post-hoc da análise de variância (ANOVA), quando fazemos vários testes-t para identificar quais grupos tem médias diferentes entre si.
é usada para testar a hipótese nula que a função de distribuição acumulada Fx é igual a alguma função de distribuição, sob hipótese, S(x), ou seja, {H0:F(x)=S(x)H1:F(x)≠S(x). em que, Dn é o menor limite superior de todas as diferenças pontuais ∣Fn(x)−S(x)∣.
