Calculadora de ANOVA
Calcule uma ANOVA de um fator com 3 a 6 grupos de números. Introduza os dados de cada grupo e obtenha a estatística F, os graus de liberdade, o valor p, o tamanho do efeito (eta quadrado) e uma tabela ANOVA completa.
Calculadora de ANOVA (um fator)
Fórmula da ANOVA
Onde:
- \(k\) — número de grupos
- \(N\) — número total de observações em todos os grupos
- \(n_i\) — número de observações no grupo \(i\)
- \(x_{ij}\) — a \(j\)-ésima observação do grupo \(i\)
- \(\bar{x}_i\) — média do grupo \(i\)
- \(\bar{x}\) — média geral de todas as observações
- \(SS_B\) — soma dos quadrados entre grupos (variação das médias dos grupos em torno da média geral)
- \(SS_W\) — soma dos quadrados dentro dos grupos (variação dos valores individuais em torno das médias dos seus grupos)
- \(MS_B\), \(MS_W\) — quadrados médios (somas dos quadrados divididas pelos seus graus de liberdade)
- \(F\) — a estatística de teste, comparada com a distribuição F com \(k-1\) e \(N-k\) graus de liberdade
A estatística F é a razão entre a variação entre grupos e a variação dentro dos grupos. Se as médias dos grupos realmente diferem, o numerador cresce em relação ao denominador e F torna-se grande.
ANOVA – Exemplo de cálculo
Exemplo: três grupos de cinco medições cada: Grupo 1 = 20, 22, 25, 24, 23; Grupo 2 = 25, 27, 30, 28, 26; Grupo 3 = 22, 21, 23, 24, 20.
As médias dos grupos são \(\bar{x}_1 = 22.8\), \(\bar{x}_2 = 27.2\), \(\bar{x}_3 = 22\), e a média geral é \(\bar{x} = 24\) com \(N = 15\).
\[ SS_B = 5(22.8-24)^2 + 5(27.2-24)^2 + 5(22-24)^2 = 78.4 \]
\[ SS_W = 14.8 + 14.8 + 10 = 39.6 \]
\[ F = \frac{78.4 / 2}{39.6 / 12} = \frac{39.2}{3.3} \approx 11.8788 \]
Resultado: \(F(2, 12) = 11.8788\), \(p \approx 0.0014\), \(\eta^2 = 78.4 / 118 \approx 0.664\). As diferenças entre as médias dos grupos são estatisticamente significativas com \(\alpha = 0.05\), com um tamanho de efeito grande.
Como usar a calculadora de ANOVA
- Selecione o número de grupos (3 a 6). A ANOVA de um fator exige pelo menos três grupos; os campos de dados correspondentes aparecem automaticamente.
- Introduza os números de cada grupo nas áreas de texto Dados do grupo 1, Dados do grupo 2, … Separe os valores com espaços, ponto e vírgula ou novas linhas; vírgulas decimais são aceitas.
- Cada grupo precisa de pelo menos dois números, mas os grupos não têm de ter o mesmo tamanho.
- Leia a estatística F, os graus de liberdade (entre), os graus de liberdade (dentro), o valor p e o eta quadrado (tamanho do efeito) no painel de resultados.
- Consulte a tabela ANOVA para a discriminação completa das somas dos quadrados, graus de liberdade e quadrados médios, e a linha de Interpretação para uma conclusão em linguagem clara.
O que é a ANOVA de um fator?
A análise de variância (ANOVA) testa se as médias de três ou mais grupos independentes são todas iguais. A parte "de um fator" significa que existe um único fator (por exemplo, método de ensino, tipo de fertilizante ou configuração de máquina) que define os grupos. A hipótese nula afirma que todos os grupos partilham a mesma média populacional; a alternativa é que pelo menos uma média de grupo difere.
O teste funciona comparando duas estimativas de variância. \(MS_B\) mede quão dispersas estão as médias dos grupos em torno da média geral — reflete tanto o ruído aleatório como quaisquer diferenças reais entre grupos. \(MS_W\) mede a variação natural dos valores dentro de cada grupo, que é puro ruído. Se a hipótese nula for verdadeira, ambas estimam a mesma variância subjacente e F deve estar próximo de 1. Um F grande indica que as diferenças entre grupos são grandes demais para serem explicadas apenas pela variabilidade dentro dos grupos.
O valor p indica a probabilidade de obter uma estatística F pelo menos tão grande quanto a sua se todas as médias dos grupos fossem realmente iguais. Um valor p inferior ao seu nível de significância (comummente \(\alpha = 0.05\)) leva à rejeição da hipótese nula. Note que um resultado significativo apenas indica que algum grupo difere — não diz qual. Para identificar as diferenças, realize testes post-hoc como o HSD de Tukey.
A calculadora também reporta o eta quadrado (\(\eta^2\)), uma medida de tamanho de efeito: a proporção da variação total nos dados explicada pela pertença aos grupos. Um valor p significativo com um tamanho de efeito minúsculo pode ter pouca importância prática, por isso vale a pena verificar ambos os números.
Pressupostos, limitações e dicas
- Independência: as observações devem ser independentes — uma medição não deve influenciar outra.
- Normalidade: cada grupo deve ter uma distribuição aproximadamente normal. A ANOVA é razoavelmente robusta a desvios moderados com tamanhos de grupos semelhantes; para dados muito enviesados, considere uma alternativa não paramétrica como o teste de Kruskal-Wallis.
- Variâncias iguais: os grupos devem ter variâncias semelhantes (homocedasticidade). Verifique com uma regra prática — se a maior variância de grupo for mais do que cerca do dobro da menor, seja cauteloso, ou verifique a dispersão dos grupos com a calculadora de Coeficiente de Variação ou a calculadora de Desvio Padrão.
- Limiares do tamanho do efeito: por convenção, \(\eta^2 \approx 0.01\) é um efeito pequeno, \(\eta^2 \approx 0.06\) é médio e \(\eta^2 \approx 0.14\) é grande.
- Compara apenas médias: para comparar um único grupo, use um teste t; a ANOVA precisa de pelo menos três grupos, razão pela qual o mínimo desta calculadora é 3.
- Valores ausentes: entradas vazias são ignoradas — apenas números válidos são usados, e cada grupo precisa de pelo menos dois deles.
Calculadoras relacionadas
Se a sua análise envolver outras ferramentas estatísticas, também poderá achar úteis estas: a calculadora de Distribuição Normal para trabalhar com o pressuposto distribucional subjacente, a calculadora de Variância para explorar a dispersão dentro dos grupos, a calculadora de Regressão Linear para modelar relações entre variáveis contínuas e a calculadora de Intervalo de Confiança para estimar médias de grupos com margens de erro.
Perguntas frequentes
Como calcular uma ANOVA de um fator passo a passo à mão?
Primeiro calcule a média de cada grupo \( \bar{x}_i \) e a média geral \( \bar{x} \) de todos os valores. Depois encontre \( SS_B = \sum n_i (\bar{x}_i - \bar{x})^2 \) e \( SS_W = \sum \sum (x_{ij} - \bar{x}_i)^2 \). Divida cada uma pelos seus graus de liberdade, \( k-1 \) e \( N-k \), para obter \( MS_B \) e \( MS_W \). Finalmente, \( F = MS_B / MS_W \), que você compara com a distribuição F para obter o valor p.
Qual é um valor F bom ou normal na ANOVA?
Não existe um valor F "bom" universal. Se todas as médias dos grupos forem realmente iguais, F tende a ficar próximo de 1, pois numerador e denominador estimam a mesma variância. Valores muito maiores do que 1 sugerem diferenças reais entre as médias, mas se F = 3 ou F = 10 é significativo depende dos graus de liberdade — um F pequeno com amostras grandes pode ser significativo, enquanto um F grande com amostras minúsculas pode não ser. Avalie sempre a significância pelo valor p e a importância prática pelo \( \eta^2 \).
Posso usar a ANOVA para comparar apenas dois grupos?
Pode, mas é desnecessário. Com dois grupos, a ANOVA de um fator e o teste t para duas amostras independentes dão valores p idênticos — de facto, \( F = t^2 \). Esta calculadora exige pelo menos três grupos porque é aí que a ANOVA se torna útil: testa todas as médias de grupos simultaneamente mantendo a taxa de erro do tipo I no nível escolhido, ao passo que realizar múltiplos testes t aos pares inflaciona o risco de falsos positivos.
Todos os grupos precisam do mesmo número de observações?
Não. A ANOVA de um fator funciona com tamanhos de grupos desiguais (um delineamento não balanceado); cada grupo precisa apenas de pelo menos dois valores. As fórmulas ponderam a contribuição de cada grupo para \( SS_B \) pelo seu tamanho \( n_i \), e a calculadora trata disso automaticamente. Contudo, delineamentos muito não balanceados são mais sensíveis a violações do pressuposto de variâncias iguais, por isso verifique se as dispersões dos grupos são comparáveis quando os tamanhos diferem muito.
Por que não posso usar esta calculadora para medições repetidas dos mesmos sujeitos?
Esta ferramenta realiza a ANOVA de um fator para grupos independentes, o que significa que cada observação deve provir de um sujeito ou unidade diferente e não relacionada. Se mediu as mesmas pessoas antes e depois de um tratamento, ou testou os mesmos sujeitos sob várias condições, use uma ANOVA de medidas repetidas — ignorar a dependência entre medições viola o pressuposto de independência e geralmente leva a valores p errados.
O meu valor p é significativo — qual grupo é realmente diferente?
Uma ANOVA significativa apenas indica que pelo menos uma média de grupo difere, não qual nem em que direção. Para identificar as diferenças específicas, realize um teste post-hoc como o HSD de Tukey, que compara todos os pares de médias de grupos controlando a taxa de erro global. Comparar visualmente as médias dos grupos, junto com os seus intervalos de confiança, também é útil. Evite fazer muitos testes t simples à mão, pois isso aumenta a probabilidade de descobertas falso-positivas.
A estatística F pode ser inferior a 1, e o que isso significa?
Sim. F é a razão entre duas estimativas de variância, por isso é sempre positivo, mas pode facilmente ficar abaixo de 1 quando a amostragem aleatória torna a variação dentro dos grupos maior do que a variação entre grupos. Um F abaixo de 1 simplesmente produz um valor p não significativo e grande — não indica um erro nem que os grupos são "mais iguais do que o esperado". Apenas valores F na cauda superior da distribuição F fornecem evidência de diferenças entre as médias dos grupos.