Teste qui quadrado vs anova: qual a diferença?
Testes de qui-quadrado e ANOVA (“Análise de Variância”) são dois testes estatísticos comumente usados.
Por isso é importante compreender a diferença entre estes dois testes e saber quando utilizar cada um deles.
Este tutorial fornece uma explicação simples da diferença entre os dois testes, bem como quando usá-los.
Testes qui-quadrado
Nas estatísticas, existem dois tipos diferentes de testes de qui-quadrado:
1. Teste de ajuste do qui-quadrado – Usado para determinar se uma variável categórica segue ou não uma distribuição hipotética.
Por exemplo:
- Queremos saber se um dado está certo, por isso lançamo-lo 50 vezes e registamos quantas vezes cai em cada número.
- Queremos saber se um número igual de pessoas entra numa loja todos os dias da semana. Portanto, contamos o número de pessoas que entram todos os dias de uma semana aleatória.
2. Teste de Independência do Qui Quadrado – Usado para determinar se existe ou não uma associação significativa entre duas variáveis categóricas.
Por exemplo:
- Queremos saber se o género está associado à preferência por um partido político. Por isso, entrevistamos 500 eleitores e registamos as suas preferências de género e partido político.
- Queremos saber se a cor preferida de uma pessoa está associada ao seu esporte preferido. Então, pesquisamos 100 pessoas e perguntamos quais são suas preferências para ambos.
Observe que esses dois testes só podem ser usados quando se trabalha com variáveis categóricas . São variáveis que recebem nomes ou rótulos e podem ser divididas em categorias.
ANOVA explicada
Nas estatísticas, uma ANOVA é usada para determinar se existe ou não uma diferença estatisticamente significativa entre as médias de três ou mais grupos independentes.
Por exemplo:
- Queremos saber se três técnicas de estudo diferentes levam a notas médias diferentes nos exames.
- Queremos saber se quatro tipos diferentes de fertilizantes levam a rendimentos médios diferentes.
Observe que é apropriado usar uma ANOVA quando há pelo menos uma variável categórica e uma variável dependente contínua.
Quando usar testes qui-quadrado vs. ANOVA
Geralmente:
- Use testes qui-quadrado quando cada variável com a qual você está trabalhando for categórica.
- Use ANOVA quando tiver pelo menos uma variável categórica e uma variável dependente contínua.
Use os seguintes problemas práticos para entender melhor quando usar testes qui-quadrado versus ANOVA:
Problema prático 1
Suponha que um pesquisador queira saber se o nível de escolaridade e o estado civil estão associados e colete dados sobre essas duas variáveis em uma amostra aleatória simples de 50 pessoas.
Para testar isso, ela deveria usar um teste qui-quadrado de independência , pois está trabalhando com duas variáveis categóricas: “nível de escolaridade” e “estado civil”.
Problema prático 2
Suponha que um economista queira determinar se a proporção de residentes a favor de uma determinada lei difere entre três cidades.
Para testar isso, ele deve usar um teste de ajuste qui-quadrado porque está analisando apenas a distribuição de uma variável categórica.
Problema prático 3
Suponha que um treinador de basquete queira saber se três técnicas de treinamento diferentes levam a diferentes alturas médias de salto entre seus jogadores.
Para testar isso, ele deve usar uma ANOVA unidirecional porque está analisando uma variável categórica (técnica de treinamento) e uma variável dependente contínua (altura do salto).
Problema prático 4:
Suponha que um botânico queira saber se dois níveis diferentes de exposição solar e três frequências de rega diferentes levam a um crescimento médio diferente das plantas.
Para testar isso, ela deve usar uma ANOVA bidirecional porque está analisando duas variáveis categóricas (exposição à luz solar e frequência de rega) e uma variável dependente contínua (crescimento da planta).
Recursos adicionais
Os tutoriais a seguir fornecem uma introdução aos diferentes tipos de testes qui-quadrado:
Os tutoriais a seguir fornecem uma introdução aos diferentes tipos de testes ANOVA:
Os tutoriais a seguir explicam a diferença entre outros testes estatísticos: