Contente
Testes estatísticos são usados para determinar se um relacionamento hipotético entre variáveis tem significância estatística. Normalmente, o teste mede o grau em que as variáveis se correlacionam ou diferem. Testes paramétricos são aqueles que dependem das tendências centrais das variáveis e assumem uma distribuição normal. Testes não paramétricos não fazem suposições sobre as distribuições populacionais.
Teste T
O teste t é um teste paramétrico que compara as médias das amostras e populações envolvidas. Existem várias variedades de testes t. Um teste t de uma amostra compara a média de uma amostra com uma média hipotética. Um teste t de amostras independentes verifica se as médias de duas amostras diferentes têm valores semelhantes. Um teste t de amostra pareada é usado quando existem duas observações para comparar para cada sujeito da amostra. O teste t foi desenvolvido para dados numéricos com distribuição normal.
Dados ordinais
Dados ordinais são dados derivados que descrevem os valores relativos de cada unidade na amostra. Por exemplo, dados ordinais das alturas de 10 alunos em uma sala de aula seriam simplesmente os números de 1 a 10, onde 1 pode representar o aluno mais baixo e 10 podem representar o aluno mais alto. Nenhum aluno teria o mesmo valor, a menos que tivesse exatamente a mesma altura. Medidas de tendência central não têm sentido nos dados ordinais.
Inadequação do teste T
Os testes T não são apropriados para uso com dados ordinais. Como os dados ordinais não têm tendência central, também não têm distribuição normal. Os valores dos dados ordinais são distribuídos uniformemente, não agrupados em torno do ponto médio. Por esse motivo, um teste t de dados ordinais não teria significado estatístico.
Outros testes adequados
Existem três testes de significância estatística que são apropriados para uso com dados ordinais. A correlação de ordem de classificação de Spearman é apropriada quando há apenas duas variáveis envolvidas e seu relacionamento é monotônico, embora não necessariamente linear. Nas relações monotônicas, à medida que a primeira variável aumenta, não há mudança na direção da segunda variável. O teste de Kruskal-Wallis foi projetado para instâncias em que há mais de duas amostras e os dados não são normalmente distribuídos. É semelhante a uma análise de variação unidirecional. A análise de variância de Friedman por classificação pode ser usada quando houver três ou mais observações de uma única variável em um único grupo.