Calculadora do teste de Kruskal–Wallis
Digite as observações de três ou quatro grupos e esta calculadora executa o teste de Kruskal–Wallis: ela classifica todos os valores em conjunto, calcula a estatística H com correção de empates, os graus de liberdade, o valor-p e a decisão no nível de significância que você escolher.
Compare três ou mais grupos por postos
Fórmula do teste de Kruskal–Wallis
Onde:
- \(k\) — número de grupos
- \(n_j\) — número de observações no grupo \(j\)
- \(N\) — número total de observações de todos os grupos, \(N = \sum n_j\)
- \(R_j\) — soma dos postos do grupo \(j\), em que todas as \(N\) observações são classificadas em conjunto, da menor (1) à maior (\(N\)), e valores empatados recebem a média de seus postos
- \(t\) — tamanho de cada grupo de valores empatados (usado no fator de correção para empates \(C\))
- \(\chi^2_{k-1}\) — distribuição qui-quadrado com \(k-1\) graus de liberdade
A estatística \(H\) compara o posto médio de cada grupo com o posto médio geral \((N+1)/2\). Se todos os grupos vêm da mesma distribuição, cada grupo deve ter um posto médio parecido e \(H\) será pequeno; se um grupo tende a conter valores maiores (ou menores), seu posto médio se afasta da média e \(H\) cresce. Sob a hipótese nula, \(H'\) segue aproximadamente uma distribuição qui-quadrado com \(k-1\) graus de liberdade, o que gera o valor-p.
Exemplo de cálculo do teste de Kruskal–Wallis
Exemplo: um pesquisador compara notas de satisfação de pacientes (0–10) sob três tratamentos. Grupo 1: 7; 8; 9; 9; 10. Grupo 2: 5; 6; 6; 7; 8. Grupo 3: 3; 4; 4; 5; 6; 7. Aqui \(k = 3\), \(N = 16\).
Classificando as 16 observações em conjunto (empates recebem postos médios), obtêm-se as somas de postos \(R_1 = 67.5\), \(R_2 = 41\), \(R_3 = 27.5\).
\[ H = \frac{12}{16 \cdot 17}\left(\frac{67.5^2}{5} + \frac{41^2}{5} + \frac{27.5^2}{6}\right) - 3 \cdot 17 = \frac{12}{272} \cdot 1373.4917 - 51 = 9.5952 \]
Os dados contêm empates (seis grupos de empates com tamanhos 2, 2, 3, 3, 2, 2), então \(\sum(t^3 - t) = 72\) e \(N^3 - N = 4080\):
\[ C = 1 - \frac{72}{4080} = 0.9824, \quad H' = \frac{9.5952}{0.9824} = 9.7674 \]
Com \(\nu = k - 1 = 2\) graus de liberdade, a aproximação qui-quadrado fornece \(p = 0.0076\).
Resultado: \(H' = 9.7674\), \(p = 0.0076 \le \alpha = 0.05\), portanto a hipótese nula é rejeitada — pelo menos um tratamento tende a produzir notas diferentes. O grupo 1 tem o maior posto médio (13,5 contra a média geral de 8,5), indicando valores em geral maiores.
Como usar a calculadora
- Digite as observações do seu primeiro grupo em Observações do grupo 1. Separe os números com espaços, quebras de linha ou ponto e vírgula; vírgulas decimais (por exemplo, 7,5) são aceitas.
- Preencha Observações do grupo 2 e Observações do grupo 3 no mesmo formato. Todos os grupos devem medir a mesma variável na mesma escala.
- Se você tiver um quarto grupo, digite-o em Observações do grupo 4 (opcional); deixe o campo em branco ao comparar apenas três grupos. Qualquer grupo deixado em branco é simplesmente ignorado.
- Defina o Nível de significância (padrão 0,05) — o limiar abaixo do qual o valor-p é considerado estatisticamente significativo.
- Clique em Calcular. Você obtém a estatística com correção de empates \(H'\), a \(H\) sem correção, os graus de liberdade, o valor-p, a decisão no seu \(\alpha\) escolhido e uma tabela com o tamanho, a soma dos postos, o posto médio e a mediana de cada grupo.
O que é o teste de Kruskal–Wallis
O teste de Kruskal–Wallis é um método não paramétrico para comparar três ou mais grupos independentes. Ele estende o teste U de Mann–Whitney (o caso de dois grupos) da mesma forma que a ANOVA de um fator estende o teste t. Em vez de comparar as médias dos grupos, ele reúne todas as observações, substitui cada valor pelo seu posto e verifica se os postos estão distribuídos de maneira equilibrada entre os grupos. Se um grupo contém sistematicamente os maiores valores, seu posto médio ficará bem acima do posto médio geral de \((N+1)/2\), inflando a estatística \(H\).
Como o teste trabalha com postos, ele não faz nenhuma suposição sobre a forma das distribuições subjacentes. Não exige normalidade, tolera dados assimétricos e é robusto a valores atípicos — um único valor extremo pode distorcer uma média, mas apenas desloca um posto em uma quantidade fixa. Isso o torna a alternativa padrão à ANOVA de um fator quando as premissas da ANOVA (resíduos aproximadamente normais, variâncias semelhantes) estão em dúvida, ou quando os dados são avaliações ordinais, postos ou notas em uma escala arbitrária. A lógica da comparação baseada em postos é a mesma da correlação de postos de Spearman.
A hipótese nula afirma que todos os grupos vêm da mesma distribuição, ou seja, nenhum grupo tende a produzir valores maiores ou menores que os outros. Um valor-p pequeno (igual ou inferior a \(\alpha\)) significa que as diferenças de postos observadas seriam improváveis sob amostragem aleatória, então você rejeita a nula e conclui que pelo menos um grupo difere. Note o que o teste não diz: quais grupos diferem de quais. Para isso, faça uma análise post-hoc, como o teste de Dunn, ou testes U de Mann–Whitney dois a dois usando um limiar ajustado por Bonferroni de \(\alpha / (k(k-1)/2)\). Se você não souber como interpretar o resultado, a calculadora de valor-p explica a lógica dos testes de significância em mais detalhes.
A interpretação das medianas exige cuidado. Estritamente falando, o teste de Kruskal–Wallis compara distribuições inteiras (se os valores de um grupo tendem a superar os do outro). Ele só pode ser lido como uma comparação de medianas quando as distribuições dos grupos têm forma e dispersão aproximadamente iguais. A calculadora mostra a mediana e o posto médio de cada grupo para que você veja de onde vêm as diferenças, mas a conclusão formal é sempre sobre as distribuições, não sobre um único resumo estatístico.
Premissas, limitações e dicas práticas
- Amostras independentes. Os grupos devem ser independentes (sujeitos diferentes em cada um). Para delineamentos pareados ou de medidas repetidas, o teste de Kruskal–Wallis não é adequado — o teste de Friedman é a escolha usual nesses casos.
- Observações independentes dentro dos grupos. Cada valor deve vir de um sujeito ou unidade experimental diferente; medições repetidas da mesma unidade inflam o tamanho amostral efetivo.
- Dados ordinais ou contínuos. Os valores devem ser, no mínimo, ordenáveis. Categorias nominais (cores, tipos sanguíneos) não podem ser testadas assim — use um teste qui-quadrado para dados categóricos.
- Aproximação qui-quadrado. O valor-p vem da aproximação de \(H'\) por uma distribuição \(\chi^2_{k-1}\). Isso funciona melhor quando cada grupo tem pelo menos 5 observações. Com grupos menores, trate o valor-p com cautela; um método exato ou baseado em permutações é preferível.
- Empates são tratados corretamente. Valores empatados recebem postos médios e a estatística é ajustada pelo fator de correção \(C\), de modo que quantidades moderadas de empates (comuns em escalas de avaliação) não são problema. A calculadora mostra tanto \(H\) quanto a \(H'\) corrigida, para você ver o tamanho do ajuste.
- Distribuições semelhantes ajudam na interpretação. Se os grupos têm formas ou variâncias claramente diferentes, uma \(H'\) significativa reflete uma diferença na distribuição inteira, não necessariamente apenas na localização.
- Os tamanhos dos grupos não precisam ser iguais. A fórmula lida com \(n_j\) desiguais; apenas grupos muito pequenos enfraquecem a aproximação qui-quadrado.
Perguntas frequentes
Como calcular a estatística H de Kruskal–Wallis à mão?
Comece classificando todas as N observações de todos os grupos em conjunto, dando aos valores empatados a média de seus postos. Some os postos de cada grupo para obter \(R_j\) e aplique \( H = \frac{12}{N(N+1)} \sum \frac{R_j^2}{n_j} - 3(N+1) \). Se houver empates, divida H pelo fator de correção \( C = 1 - \sum(t^3 - t)/(N^3 - N) \). Compare \(H'\) a uma distribuição qui-quadrado com \(k-1\) graus de liberdade para obter o valor-p. Confira seu cálculo manual com a saída intermediária da calculadora.
Qual é um valor bom ou típico da estatística H de Kruskal–Wallis?
Não existe um valor “bom” universal — H depende do número de grupos e do tamanho amostral total. Em geral, um H próximo de 0 significa que os grupos têm distribuições de postos muito parecidas, enquanto valores maiores de H apontam diferenças reais. O que importa é se H excede o valor crítico da qui-quadrado nos seus graus de liberdade: com \(k=3\) grupos (2 gl), o valor crítico a 0,05 é 5,991, então um H′ acima disso é significativo ao nível de 5%. Leia sempre H junto com o valor-p.
Posso usar o teste de Kruskal–Wallis com apenas dois grupos?
Tecnicamente é possível calculá-lo, mas com dois grupos ele é matematicamente equivalente a um teste U de Mann–Whitney bilateral, e o teste de Mann–Whitney dedicado é a escolha convencional. Esta calculadora exige pelo menos três grupos preenchidos. Se você tem apenas dois grupos, use uma calculadora do teste U de Mann–Whitney; se tem dados pareados ou de medidas repetidas entre condições, o teste de Kruskal–Wallis não é adequado — use o teste de Friedman.
Como relatar resultados do teste de Kruskal–Wallis, por exemplo em um artigo?
Uma frase típica no estilo APA é: “Um teste de Kruskal–Wallis revelou uma diferença estatisticamente significativa na satisfação entre os três tratamentos, \(H'(2) = 9.77\), \(p = .008\).” Inclua a estatística corrigida com a correção de empates aplicada, os graus de liberdade entre parênteses e o valor-p exato. Informe os tamanhos dos grupos e as medianas (ou postos médios) para que os leitores vejam onde estão as diferenças, e mencione comparações post-hoc, como o teste de Dunn com valores-p ajustados.
O teste de Kruskal–Wallis pressupõe tamanhos de grupos iguais ou variâncias iguais?
Não. A fórmula lida diretamente com tamanhos de grupos desiguais \(n_j\), e como o teste trabalha com postos em vez de valores brutos, não exige variâncias iguais nem homocedasticidade como a ANOVA exige. O limite prático principal é a aproximação qui-quadrado, que fica imprecisa quando um grupo tem menos de cerca de 5 observações — nesse caso, trate o valor-p como aproximado ou use um método exato ou de permutações. Delineamentos muito desequilibrados com grupos minúsculos são a combinação mais arriscada.
Por que meu H′ é maior que H, e a correção de empates importa?
A correção de empates sempre reduz o fator de correção C para abaixo de 1 quando há empates, então dividir por C só pode aumentar a estatística: \(H' \ge H\). Isso compensa o fato de que os empates tornam os dados menos informativos e, sem a correção, diminuiriam H. Com muitos empates — típico em escalas de avaliação como 1–5 ou 0–10 — o ajuste pode mudar o valor-p de forma perceptível, ocasionalmente levando um resultado no limiar para o outro lado do seu nível de significância. Por isso a calculadora mostra tanto H quanto H′, para você ver o tamanho do efeito.
Quais são os erros comuns ao usar o teste de Kruskal–Wallis?
Os erros mais frequentes são: usá-lo com dados pareados ou de medidas repetidas (nesse caso, use o teste de Friedman); digitar medições dos mesmos sujeitos como grupos separados; tratar um resultado significativo como prova de que todo grupo difere de todos os outros (ele apenas diz que pelo menos um difere — faça testes post-hoc, como o de Dunn); e afirmar que ele compara medianas quando as distribuições dos grupos têm formas claramente diferentes. Evite também misturar variáveis medidas em escalas diferentes em uma mesma análise, e lembre-se de que um valor-p grande não prova que as distribuições são idênticas.