Guia interativo
Responda a algumas perguntas sobre o seu objetivo e os seus dados. O guia indica o teste mais adequado, os pressupostos a checar e — quando você quiser rodar sozinho — o modo certo no StatFlow, a análise em R do nosso site.
Checklist opcional
O guia acima já funciona sem isto. Se quiser o checklist, deixe e-mail com consentimento. Sem spam — cancela quando quiser.
Tabela de referência
Escolha a linha pelo tipo de desfecho e o número de grupos; a coluna, pelo desenho e pelos pressupostos.
| Situação | Paramétrico | Não paramétrico |
|---|---|---|
| 2 grupos independentes desfecho numérico | Teste t para amostras independentes (Welch se variâncias desiguais) | Mann–Whitney U |
| 2 medidas pareadas pré/pós no mesmo sujeito | Teste t pareado | Wilcoxon (postos sinalizados) |
| 3+ grupos independentes | ANOVA de um fator → pós-teste Tukey | Kruskal–Wallis → pós-teste Dunn |
| 3+ medidas repetidas | ANOVA de medidas repetidas | Friedman → pós-teste Dunn/Nemenyi |
| 1 grupo vs. referência | Teste t de uma amostra | Wilcoxon de uma amostra |
| Desfecho categórico 2+ grupos | Qui-quadrado de independência (Fisher exato se frequências esperadas < 5); pareado 2×2 → McNemar | |
| Situação | Método | Observação |
|---|---|---|
| Duas numéricas, linear e normal | Correlação de Pearson (r) | Relação linear; sensível a outliers |
| Duas numéricas, ordinal ou não normal | Correlação de Spearman (ρ) | Relação monotônica; Kendall (τ) em amostras pequenas |
| Duas categóricas | Qui-quadrado (Fisher se esperadas < 5) | Força da associação: V de Cramér |
| Prever desfecho numérico | Regressão linear | Múltipla quando há vários preditores |
| Prever desfecho binário | Regressão logística | Retorna razões de chance (odds ratio) |
Antes do teste
Ao relatar
Antes de coletar
O tamanho da amostra é decidido antes da coleta, a partir de quatro definições. Mudar qualquer uma muda o n — por isso ele precisa de justificativa no projeto e no comitê de ética.
Depois, acrescente uma margem para perdas e recusas (dropout).
No StatFlow, o cálculo amostral vem no plano de R$ 525 (análise + cálculo amostral), com justificativa técnica (Cohen e Chow) para você adaptar ao projeto e ao comitê de ética. São R$ 28 a mais que a análise sozinha.
Duas formas de resolver
Descobriu o teste no guia? Escolha o caminho que combina com o seu momento.
Já tem o banco organizado? Suba sua planilha (CSV ou Excel, até 10 MB) e o R executa o teste adequado ao seu desenho, com Tabela 1, IC, tamanho de efeito, figuras em 600 dpi, o script.R reexecutável e carimbo de integridade (SHA-256). Cobre descritiva, pareado (dois momentos), 2 a 8 grupos, correlação e categórico. Pagamento único. O pacote com análise e cálculo amostral é R$ 525.
Ver planos do StatFlowAnálise travou, o revisor pediu correções ou o desenho é complexo (medidas repetidas, regressão, sobrevivência)? Um especialista conduz, documenta em R e explica cada resultado para você integrar e apresentar a pesquisa. A autoria continua sendo sua; orçamento por escrito no mesmo dia útil.
Use este guia no seu site
Publicou algo que se apoia neste guia? Fique à vontade para citar ou incorporar — os trechos abaixo já vêm com o crédito e o link de volta.
Dicionário rápido
Dúvidas frequentes
Os paramétricos (t, ANOVA, Pearson) assumem uma distribuição — em geral normalidade dos resíduos — e comparam médias. Os não paramétricos (Mann–Whitney, Kruskal–Wallis, Spearman) trabalham com postos, não exigem normalidade e servem bem a dados ordinais, assimétricos ou com outliers. Quando os pressupostos se sustentam, o paramétrico costuma ter mais poder.
Inspecione a distribuição com histograma e gráfico Q–Q; o Shapiro–Wilk ajuda, mas é muito sensível em amostras grandes (rejeita por desvios triviais) e pouco informativo em amostras pequenas. Com n grande, os testes de média são robustos pelo Teorema Central do Limite. A normalidade importa nos resíduos do modelo, não na variável bruta.
Use o Welch por padrão ao comparar dois grupos: ele não assume variâncias iguais e mantém bom desempenho quando elas diferem, perdendo quase nada quando são iguais. O t de Student clássico depende de homogeneidade de variâncias (teste de Levene).
Não conclua que "não há efeito". Um p alto pode refletir amostra pequena ou baixo poder. Relate o tamanho de efeito e o intervalo de confiança: um IC largo indica incerteza, não ausência de efeito.
Sim, quando você testa várias hipóteses (muitos grupos ou muitos desfechos), para controlar o erro tipo I. Use Holm ou Bonferroni para controlar o FWER, ou Benjamini–Hochberg (FDR) em análises exploratórias.
Trate como ordinal: Mann–Whitney (2 grupos), Kruskal–Wallis (3 ou mais), Wilcoxon ou Friedman quando pareado, e Spearman para correlação. Para descrever, prefira mediana [Q1–Q3] a média e desvio-padrão.
Fontes e diretrizes
Este guia é orientativo e cobre os desenhos mais comuns em pesquisa. A escolha final depende da verificação dos pressupostos com os seus próprios dados e do desenho completo do estudo (por exemplo, delineamentos com covariáveis, fatores múltiplos, dados aninhados ou de sobrevivência), que podem exigir modelos específicos. Os serviços de análise e consultoria não substituem a orientação acadêmica nem transferem a autoria do trabalho.