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). Para executar o teste exato de Fisher, selecione Estat > Tabelas > Tabulação Cruzada e Qui-Quadrado e clique em Outras Estatísticas. O teste Chi Quadrado de Pearson é geralmente usado para comparar duas variáveis categóricas e verificar se são homogêneas entre si. Um exemplo clássico é verificar se um tratamento é melhor que um controle ou não. O Qui-Quadrado de Mantel-Haenszel testa a hipótese de que existe um relacionamento linear entre as duas variáveis. R2 é a correlação de Pearson (rô) entre as duas variáveis. O teste de Fisher é útil para analisar dados discretos (nominais ou ordinais), quando os tamanhos das duas amostras são pequenos. Assim, uma outra interpretação para o valor-p, é que este é o menor nível de significância com que se rejeitaria a hipótese nula. Em termos gerais, um valor-p pequeno significa que a probabilidade de obter um valor da estatística de teste como o observado é muito improvável, levando assim à rejeição da hipótese nula. O gráfico com o baixo valor-F mostra um caso em que as médias dos grupos estão próximas (baixa variabilidade) em relação à variabilidade dentro de cada grupo. O gráfico com o alto valor-F mostra um caso em que a variabilidade das médias dos grupos é grande em relação à variabilidade intragrupo. O Teste qui-quadrado é um teste não-paramétrico que serve para comparar dus proporções quando os dados assumirem qualquer distribuição. Também testa o grau de associação entre as variáveis. O teste é utilizado para: Verificar se a frequência com que um determinado acontecimento observado em uma amostra se desvia significativamente ou não da frequência com que ele é esperado. A distribuição χ2 ou qui-quadrado é uma das distribuições mais utilizadas em estatística inferencial, principalmente para realizar testes de χ2. Este teste serve para avaliar quantitativamente a relação entre o resultado de um experimento e a distribuição esperada para o fenômeno. 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)∣. O valor-p indica a probabilidade de se observar uma diferença tão grande ou maior do que a que foi observada sob a hipótese nula. Na estatística clássica, o valor-p (também chamado de nível descritivo ou probabilidade de significância), é a probabilidade de se obter uma estatística de teste igual ou mais extrema que aquela observada em uma amostra, sob a hipótese nula. Os testes-F recebem seu nome da sua estatística de teste, F, que recebeu seu nome em homenagem a Sir Ronald Fisher. A estatística F é simplesmente uma razão de duas variâncias. As variâncias são uma medida de dispersão, ou até que ponto os dados estão dispersos em relação à sua média. A ANOVA produz um valor chamado F (F-statistics ou F-ratio). Esse valor de F é similar ao valor de t pelo fato de comparar a quantidade de variância sistemática nos dados com a quantidade de variância não-sistemática. Em outras palavras, o valor de F é a razão entre o modelo e seu erro. Para encontrar o valor esperado (E), utilizar a fórmula a seguir: Sendo o Qui Quadrado calculado, maior do que o tabelado, rejeita-se H0 em prol de H1. Há dependência ou as variáveis não estão associadas. Teste do qui quadrado para uma amostra Aplica-se quando se quer estudar a dependência entre duas variáveis, através de uma tabela de dupla entrada ou também conhecida como tabela de contingência. O teste de independência Qui-Quadrado é usado para descobrir se existe uma associação entre a variável da linha e a variável da coluna em uma tabela de contingência construído à partir de dados da amostra. Para amostras de dimens˜ao superior ou igual a 30 aconselha-se o teste de Kolmogorov-Smirnov com a correcç˜ao de Lilliefors; para amostras de dimens˜ao mais reduzida é mais indicado o teste de Shapiro-Wilk. O teste de Wilcoxon ou teste dos postos sinalizados de Wilcoxon é um teste de hipóteses não paramétrico utilizado quando se deseja comparar duas amostras relacionadas, amostras emparelhadas ou medidas repetidas em uma única amostra para avaliar se os postos médios populacionais diferem (i.e. é um teste de diferenças ... Se o valor-p for menor que 0.05, devemos rejeitar a hipótese nula de que não há diferença entre as médias e concluir que existe uma diferença significativa. Se o valor-p for maior que 0.05, não é possível concluir que existe uma diferença significativa.
Use o r de Pearson e o rô de Spearman para avaliar a associação entre duas variáveis que possuam categorias ordinais. Categorias ordinais possuem um a ordem natural, como pequeno, médio e grande.
O coeficiente pode variar de -1 a +1. Quanto maior for o valor absoluto do coeficiente, mais forte é a relação entre as variáveis. Um valor absoluto de 1 indica uma relação perfeita, e um valor zero indica ausência de relação ordinal. A interpretação de um valor intermediário como correlação fraca, média ou forte depende das metas e requisitos.
Para obter mais informações, vá para O que é rô de Spearman e r de Pearson para categorias ordinais?.
O TESTE EXATO DE FISHER O teste exato de Fisher serve para testar a hipótese de que duas variáveis apresentadas em uma tabela 2 X 2, estão associadas. Você pode, então, perguntar: mas, para isso já não existe o teste de X²? Lembre-se de que esse teste não se aplica a determinadas situações. O estatístico Ronald A. Fisher então propôs que, nessas situações, fosse aplicado o teste que, hoje, leva seu nome. Mas você ainda pode perguntar: por que não se faz, sempre, o teste exato de Fisher? Os cálculos, necessários para se proceder a esse teste, são muitos complicados. Isso não seria obstáculo hoje, diante dos modernos computadores. Mas existe outro problema o teste de Fisher é exato quando as frequências marginais (os totais de linhas e colunas) forem fixadas antes de se proceder à amostragem, o que, na prática, não acontece. Para o teste de Fisher é necessário considerar: 1. Se n > 40, faça o teste de x²; 2. Se 20 ≤ n ≤ 40 e todas as frequências esperadas são maiores do que 5, faça o teste de x²; 3. Se 20 ≤ n ≤ 40 e a menor frequência esperada é menor do que 5, você pode fazer o teste exato de Fisher; 4. Se n < 20, o mais prudente é não usar os dados para inferência, porque, nesses casos, qualquer teste tem pouco poder. COMO SE FAZ? Para esse teste vamos estudar o procedimento usando um exemplo. Imagine que foram divididos aleatoriamente em dois grupos 16 pacientes com queixa de enxaqueca: um grupo foi tratado com a droga em teste (grupo experimental) e o outro foi tratado com placebo (grupo controle). Depois de duas horas, o pesquisador contou quantos pacientes relatava alivio de dor, nos dois grupos. Os resultados estão na Tabela 1. Tabela 1. Pacientes com queixa de enxaqueca classificados segundo o grupo e o relato de alívio ou não da dor. Grupo Alivio de dor Total Sim Não Controle 3 3 6 Experimental 7 3 10 Total 10 6 16
O pesquisador quer aplicar um teste estatístico para saber se a proporção de