O que é testes nao parametricos?

Os testes não-paramétricos são métodos estatísticos que não fazem suposições sobre a distribuição dos dados. Ao contrário dos testes paramétricos, que exigem que os dados sigam uma distribuição específica, como a normal, os testes não-paramétricos são mais flexíveis e podem ser aplicados em uma ampla gama de situações.

Quando usar Testes Não-Paramétricos?

Os testes não-paramétricos são ideais quando:

1. Os dados não atendem aos pressupostos dos testes paramétricos, como normalidade ou homogeneidade de variâncias.
2. Os dados são ordinais, ou seja, podem ser classificados, mas não possuem uma escala numérica precisa.
3. Há uma pequena amostra e não é possível aplicar testes paramétricos devido à falta de poder estatístico.

Principais Testes Não-Paramétricos

Teste de Mann-Whitney

O teste de Mann-Whitney (também conhecido como U de Mann-Whitney) é usado para comparar duas amostras independentes. Ele é uma alternativa ao teste t para amostras independentes.

Teste de Wilcoxon

O teste de Wilcoxon é utilizado para comparar duas condições em uma mesma amostra (pareada). É a versão não-paramétrica do teste t para amostras pareadas.

Teste de Kruskal-Wallis

O teste de Kruskal-Wallis é uma extensão do teste de Mann-Whitney para mais de duas amostras independentes. Ele serve como uma alternativa não-paramétrica para a ANOVA.

Vantagens dos Testes Não-Paramétricos

Os testes não-paramétricos oferecem várias vantagens, incluindo a capacidade de lidar com dados que não são distribuídos normalmente e a possibilidade de usar dados em escalas ordinais. Além disso, eles são menos propensos a violar os pressupostos estatísticos necessários para a validade dos testes paramétricos.