Universidade Federal de Minas Gerais

Instituto de Ciências Exatas

Departamento de Estatística

Métodos Estatísticos Avançados em Epidemiologia

Aula 3
Testes Não-Paramétricos:
Wilcoxon
Mann-Whitney
Kruskal-Wallis
Spearman

Por que testes não-paramétricos ?

A construção dos testes t-student para a comparação de

médias (uma ou duas populações) partem da suposição
de que as populações de onde vieram as amostras
seguem a distribuição Gaussiana (Normal).

Dizemso que os testes t-student

são parametrizados pela
distribuição Gaussiana.

1
Quando as amostras têm tamanho grande, o Teorema Central
do Limite garante que as médias amostrais seguem
aproximadamente a distribuição Gaussiana.

Neste caso, os testes t-student podem ser utilizados, mesmo

que as populações originais não sejam Normais.

Mas o que fazer quando as amostras são pequenas e

não podemos assumir que as populações são Normais ?

Usar testes que não necessitem de suposições para a

distribuição de probabilidades da população dos dados.

Estes testes são chamados

testes não-paramétricos
ou
testes livres de distribuição

Como funcionam os Testes Não-Paramétricos ?

Trabalham com a ordenação das observações.

As observações são ordenadas em ordem crescente

segundo seu valor, gerando postos (posições) dentro do
conjunto de dados:

1o 2o 3o 4o 5o … no.

Sendo assim, testam-se medianas ou diferenças entre

medianas e não entre médias.

Desvantagem: perde-se a natureza quantitativa dos dados.

2
 Teste dos Postos Sinalizados
de Wilcoxon
É alternativa não-paramétrica ao teste t-student para
médias em amostras pareadas.

Hipótese Nula: a mediana das diferenças é igual a zero.

As diferenças entre as medidas dos pares são ordenadas

e a elas são atribuídos postos.

As diferenças negativas têm seus postos sinalizados.

Exemplo: Efeito de uma Medicamento na Capacidade Vital Forçada.

São iguais (H0) ou diferentes (H1)?

Redução na CVF (ml)

Individuo Medicamento Placebo
1 224 213
2 80 95
3 75 33
4 541 440
5 74 -32
6 293 445
7 -23 -178
8 -38 140
9 508 323
10 255 10
11 525 65
12 1023 343

3
 Calcule: diferença = medicamento - placebo

Redução na CVF (ml)

Individuo Medicamento Placebo Diferença
1 224 213 11
2 80 95 -15
3 75 33 42
4 541 440 101
5 74 -32 106
6 293 445 -152
7 -23 -178 155
8 -38 140 -178
9 508 323 185
10 255 10 245
11 525 65 460
12 1023 343 680

Calcule os postos das diferenças, ignorando o sinal negativo.

Redução na CVF (ml)

Individuo Medicamento Placebo Diferença Posto
1 224 213 11 1
2 80 95 -15 2
3 75 33 42 3
4 541 440 101 4
5 74 -32 106 5
6 293 445 -152 6
7 -23 -178 155 7
8 -38 140 -178 8
9 508 323 185 9
10 255 10 245 10
11 525 65 460 11
12 1023 343 680 12

Diferença = 0 não recebe posto

4
Coloque sinal negativo nos postos cujas diferenças < 0.

Indi- Reduçãona
Redução naCVF
CVF(ml)
(ml) Posto Sinalizado
víduo Medicamento
Individuo Placebo
Medicamento Diferença
Placebo Posto Positivos Negativos
1 1 224 224 213 213 11 1 1
2 2 80 80 95 95 -15 2 2
3 3 75 75 33 33 42 3 3
4 4 541 541 440 440 101 4 4
5 5 74 74 -32 -32 106 5 5
6 6 293 293 445 445 -152 6 6
7 7 -23 -23 -178 -178 155 7 7
8 8 -38 -38 140 140 -178 8 8
9 9 508 508 323 323 185 9 9
10 10 255 255 10 10 245 10 10
11 11 525 525 65 65 460 11 11 menor
12 12 1023 1023 343 343 680 12 12
Soma dos postos (ignorando sinais) 62 16

Sob H0: a mediana das diferenças é igual a zero,

soma dos postos negativos ≈ soma dos postos positivos.
Avaliamos esta hipótese com a estatística de teste
S: a menor das duas somas dos postos
• Se n ≤ 30, existe uma tabela de valores críticos Scritico.
Assim, rejeita-se H0 se S ≤ Scritico para o α escolhido.
No exemplo do CVF, n=12 e o teste é bilateral.
Para α=0.05, como S = 16 > Scritico (=14), não se rejeita H0.

• Se n > 30, use a tabela Normal Padrão para valores críticos

da estatística de teste S − n(n + 1) / 4
W=
n(n + 1)(2n + 1) / 24
rejeitando-se H0 se W for extremo para o α escolhido.

5
Tabela de Valores Críticos para o Teste dos Postos Sinalizados de Wilcoxon

Importante:

• Não atribua um posto quando a diferença for zero.

n é igual ao número de diferenças não nulas.

• No caso de empate entre diferenças, use a média

dos postos correspondentes.

Por exemplo:
se duas diferenças estiverem empatadas no 5º posto,
use a média entre 5 e 6, que é 5.5, para cada uma.
se três diferenças estiverem empatadas no 5º posto,
use a média entre 5, 6 e 7, ou seja, 6, para cada uma.

6
 Teste de Mann-Whitney
(ou Soma dos Postos de Wilcoxon)

É alternativa não-paramétrica ao teste t-student

para duas médias em amostras independentes.

Compara as medianas de duas populações.

Assume que as distribuições têm a mesma forma geral.

As duas amostras são ordenadas conjuntamente,

mas os postos são somados separadamente.

Procedimentos:
Denote: n1 = tamanho da amostra menor.
n2 = tamanho da amostra maior.
Junte as duas amostras e atribua os postos de 1 a n1+n2.
Denote: w1: soma dos postos da amostra menor
w2: soma dos postos da amostra maior
n1 ( n1 +1) n2 ( n2 +1)
Calcule: u1 = w1 − e u2 = w2 −
2 2
u = min(u1 ,u2 )

7
 Tabela de Valores Críticos para o Teste de Mann-Whitney (continua)

(Continuação) Tabela de Valores Críticos para o Teste de Mann-Whitney (continua)

8
(Continuação) Tabela de Valores Críticos para o Teste de Mann-Whitney (continua)

(Continuação) Tabela de Valores Críticos para o Teste de Mann-Whitney (continua)

9
Exemplo: Comparação da Ingestão Calórica.

n1 = 8 e n2 = 9
w1 = 103.5 e w2 = 50.5

8(8 +1) 9(9 +1)

u1 =103.5 − u2 = 50.5 − u = 5.5
2 2
= 67.5 = 5.5

Para α=0.05 no teste bilateral, rejeita-se H0 se u < 15 (tabela).

Como 5.5 < 15, rejeita-se H0 ao nível de significância de 5%.

O consumo calórico mediano é diferente entre mulheres

bulímicas e saudáveis.

10
 Teste de Kruskal-Wallis

É alternativa não-paramétrica à Análise de Variância

(comparação de médias para dois ou mais grupos).

Testa a hipótese nula de que as populações de onde

vieram as amostras são idênticas.

Pode ser feito com dados em nível ordinal (postos).

Notação:

k = número de amostras (grupos comparados)

N = número total de observações (soma das k amostras)
Nk = número de observações na k-ésima amostra
Rk = soma de postos na k-ésima amostra

Procedimento:

Ordenar todos as amostras (grupos) conjuntamente,

mas anotar os postos separados (como no teste de
Mann-Whitney)

11
 Estatística de Teste:
 2 2 2
H = 12  R1 + R 2 + ... R k  − 3( N +1)
N ( N +1)  N1 N 2 Nk 
 
H é uma medida da variância das somas dos postos R1, R2, .. ,Rk.
Se as populações são idênticas, H é um valor pequeno.
Caso contrário, H tende a assumir valores grandes.

Distribuição de Referência sob H0: Qui-Quadrado com (k-1) gl.

Valor-p = P[χ2(k-1) > H]

Rejeita-se H0 se o valor-p for menor do que α .

Intervalos de tempo (minutos) entre Erupções do Geiser Old Faithful

Ano 1951 Ano 1985 Ano 1995 Ano 1996
74 (21) 89 (40) 86 (34,5) 88 (37,5)
60 (8) 90 (42) 86 (34,5) 86 (34,5)
74 (21) 60 (8) 62 (12) 85 (30,5)
42 (1) 65 (15,5) 104 (48) 89 (40)
74 (21) 82 (26) 62 (12) 83 (27)
52 (2) 84 (28) 95 (47) 85 (30,5)
65 (15,5) 54 (3) 79 (24) 91 (43,5)
68 (18,5) 85 (30,5) 62 (12) 68 (18,5)
62 (12) 58 (6) 94 (45,5) 91 (43,5)
66 (17) 79 (24) 79 (24) 56 (4)
62 (12) 57 (5) 86 (34,5) 89 (40)
60 (8) 88 (37,5) 85 (30,5) 94 (45,5)
N1=12 N2=12 N3=12 N4=12
R1=157 R2=265,5 R3=385,5 R4=395

12
Estatística de Teste: H = 14,431
g.l. = 4 -1 = 3

Com α=0,05, o valor crítico é 7,815.

Ou seja, para α=0,05, rejeita-se H0 se H>7,815.
Como 14,431>7,815, rejeita-se H0 ao n.s. de 5%.

Ou, de forma equivalente,

Valor P = P[χ2(3) > H] = P[χ2(3) > 14,431] < 0.005.
Conclusão: ao nível de 5% de significância, há evidências
estatísticas suficientes para rejeitar a hipótese de que os
intervalos entre as erupções do “Velho Fiel” tenha
distribuição idênticas nos anos considerados.
Para descobrir entre quais anos está a diferença, use o teste
de Mann-Whitney entre todos os pares de anos.

Suposições:

As populações de onde vieram as amostras têm

variâncias iguais.

Cada amostra tem ao menos 5 observações, para se

usar a Qui-Quadrado como distribuição de referência
da estatística de teste).

No caso de menos de 5 observações, existem tabelas

próprias com valores críticos.

13
 Coeficiente de Correlação
dos Postos de Spearman

O coeficiente de correlação linear de Pearson

pode ser calculado apenas com variáveis contínuas
(e normais).

Além disso, ele é muito sensível a valores atípicos.

Alternativa não-paramétrica: coeficiente de Spearman.

Desvantagem: menor eficiência com dados normais.

Para calcular o coeficiente de correlação dos postos de

Spearman, basta calcular os postos das variáveis X e Y
separadamente e aplicar na fórmula do coeficiente de
correlação de Pearson (no lugar de xi e yi, respectivamente):

∑ (x − x ) y − y 
n

i i
rXY = i =1

∑ (x − x ) ∑  y − y 
n n 2
2
i i
i =1 i =1

A interpretação será a mesma.

n
Se não houver empate de postos em 6∑d i2
nenhuma das variáveis, esta fórmula rs = 1 − i =1
de reduz a n(n 2 −1)
na qual di = diferença entre os postos de xi e yi, em módulo.

14
Exemplo: Colégios com mensalidades mais caras são os melhores no ENEM?

6 ∑d 2 6(390) Correlação linear

rs = 1 − = 1− = − 0.36
n(n 2 −1) 12(122 −1) negativa fraca.

Veja planilha Excel Spearman-exemplo.xls

Testando a Significância da Correlação

H0 : a correlação é nula (não-significante)
H1 : a correlação é não-nula (significante)

• Se n ≤ 30, rejeite H0 se |rs| > valor crítico (na tabela a seguir).

Para n=12 e α=0.05, o valor crítico é 0.587.

Como |rs| = 0.36 < 0.587, a correlação não é significante a 5%.

• Se n > 30, rejeite H0 se |ts| > t[n-2;α/2],

no qual:
ts = rs n−2
1− rs2

t[n-2;α/2] é o valor na tabela t-student com n-1 graus de liberdade

que deixa acima dele uma probabilidade igual a α/2.

15
 Então por que não substituimos logo os
testes paramétricos pelos não-paramétricos ?

Porque os testes não-paramétricos são menos poderosos

do que os testes paramétricos.

O poder de um teste é medido pela probabilidade do teste

rejeitar H0 quando ela é falsa.

Assim, os testes não-paramétricos precisam de uma

evidência amostral maior contra a hipótese nula para
conseguir rejeitá-la.

16
 Onde encontrar mais informações:

Hollander, Myles; Wolfe, Douglas A.

Nonparametric Statistical Methods.
New York: J. Wiley, 1973.

Noether, Gottfried E.
Introdução à Estatística: Uma Abordagem Não-Paramétrica.
2.ed. Rio de Janeiro: 1983.

Pinheiro, Aluísio De Souza; Pinheiro, Hildete Prisco;

Métodos Estatísticos Não-Paramétricos e Suas Aplicações.
Colóquio Brasileiro de Matemática: Rio de Janeiro: IMPA, 2007.

Teste dos Sinais

É alternativa não-paramétrica ao teste t-student para a média.

Testa a mediana de uma população: H0: mediana = m0

Para cada observação xi no conjunto de dados (i = 1, 2, … n),

calcula-se a diferença:
di = xi – m0
A estatística de teste é R+: número de di´s positivos.

Se a H0 é verdadeira, R+ tem distribuição de probabilidade

binomial com probabilidade igual a ½.

17