Teste de Friedman

O teste de Friedman é um teste estatístico não-paramétrico desenvolvido por Milton Friedman. Semelhante ao ANOVA, é utilizado para detectar diferenças nos tratamentos em várias experimentos de teste. O procedimento envolve a classificação de cada linha (ou bloco), então considerando os valores dos postos de colunas. É um caso especial do teste de Durbin.

Exemplos clássicos de utilização são:

n sommeliers classificam k diferentes vinhos. São quaisquer um dos k vinhos classificados consistentemente maiores ou menores do que os outros?
n soldadores usam k tochas de soldagem, e o que se seguiu soldas foram classificados em termos de qualidade. Fazer o k tochas produzir consistentemente melhor ou pior soldas?

O teste de Friedman é usado para medidas repetidas de análise unidirecional de variância dos postos. Seu uso de postos é semelhante ao do teste de Kruskal-Wallis por postos.

O teste de Friedman é amplamente suportado por muitos lista de softwares estatísticos.

Método

Sejam os dados $\{x_{ij}\}_{n\times k}$ , isto é, uma matriz com $n$ linhas (os blocos), $k$ colunas (os tratamentos) e uma única observação na intersecção de cada bloco e tratamento, calcule os postos dentro de cada bloco. Se existem valores repetidos, determine seus postos a média dos postos que teriam sido atribuídos sem a repetição. Substitua os dados com uma nova matriz $\{r_{ij}\}_{n\times k}$ onde a entrada $r_{ij}$ é o posto de $x_{ij}$ dentro do bloco $i$ .
Ache os valores:
- ${\bar {r}}_{\cdot j}={\frac {1}{n}}\sum _{i=1}^{n}{r_{ij}}$
- ${\bar {r}}={\frac {1}{nk}}\sum _{i=1}^{n}\sum _{j=1}^{k}r_{ij}$
- $SS_{t}=n\sum _{j=1}^{k}({\bar {r}}_{\cdot j}-{\bar {r}})^{2}$ ,
- $SS_{e}={\frac {1}{n(k-1)}}\sum _{i=1}^{n}\sum _{j=1}^{k}(r_{ij}-{\bar {r}})^{2}$
A estatística de teste é dada por $Q={\frac {SS_{t}}{SS_{e}}}$ . Note que o valor de Q como computado acima não precisa ser ajustado para valores repetidos nos dados.
Finalmente, quando n ou k é grande (i.e. n>15 ou k>4), a distribuição de probabilidade de Q pode ser aproximada por uma distribuição qui-quadrado. Nesse caso, o p-valor é dado por $\mathbf {P} (\chi _{k-1}^{2}\geq Q)$ . Se n ou k é pequeno, a aproximação para qui-quadrado se torna pobre e o p-valor deverá ser obtido de tabelas de Q especialmente preparadas para o teste de Friedman. Se o p-valor é significante, testes de comparações múltiplas post hoc poderão ser feitos.

Testes relacionados

Quando estiver utilizando este tipo de projeto para uma resposta binária, ao invés desse teste, use teste Q de Cochran.
Kendall W é uma normalização da estatística de Friedman está entre 0 e 1.
O teste de Wilcoxon é um teste não paramétrico de dados dependentes de duas populações.
O teste de Skillings–Mack é uma estatística geral do tipo de Friedman que pode ser usada em praticamente qualquer projeto de blocos com uma estrutura arbitrária de falta de daos.

Análise Post hoc

Testes Post-hoc foram propostos por Schaich e Hamerle (1984), bem como Conover (1971, 1980), a fim de decidir quais grupos são significativamente diferentes uns dos outros, com base na média das diferenças de postos dos grupos. Estes procedimentos estão detalhados em Bortz, Lienert e Boehnke (2000, p. 275).

Nem todos os pacotes estatísticos suportam a análise post hoc para o teste de Friedman, mas códigos oriundos de contribuição de usuários existem e povêm essas facilidades (por exemplo, no SPSS e em R).

Referências

↑ Friedman, Milton (1937). «The use of ranks to avoid the assumption of normality implicit in the analysis of variance». Journal of the American Statistical Association. 32 (200): 675–701. JSTOR 2279372. doi:10.2307/2279372
↑ Friedman, Milton (1939). «A correction: The use of ranks to avoid the assumption of normality implicit in the analysis of variance». Journal of the American Statistical Association. 34 (205): 109. JSTOR 2279169. doi:10.2307/2279169
↑ Friedman, Milton (1940). «A comparison of alternative tests of significance for the problem of m rankings». The Annals of Mathematical Statistics. 11 (1): 86-92. JSTOR 2235971. doi:10.1214/aoms/1177731944
↑ Schaich, Eberhard; Hamerle, Alfred (1984). Verteilungsfreie statistische Prüfverfahren. Berlin: Springer-Verlag. ISBN 3-540-13776-9
↑ Conover, W. J. (1971). Practical nonparametric statistics. Nova Iorque: John Wiley. ISBN 0-471-16851-3
↑ Bortz, J.; Lienert, G.; Boehnke, K. (2000). Verteilungsfreie Methoden in der Biostatistik. Berlin: Springer-Vilag. ISBN 3-540-67590-6
↑ «Post-hoc comparisons for Friedman test». Consultado em 21 de maio de 2017. Arquivado do original em 3 de novembro de 2012
↑ «Post hoc analysis for Friedman's Test (R code)»

Leitura complementar

Daniel, Wayne W. «Friedman two-way analysis of variance by ranks». Applied Nonparametric Statistics. [S.l.: s.n.] ISBN 0-534-91976-6
Kendall, M. G. Rank Correlation Methods. [S.l.: s.n.] ISBN 0-85264-199-0
Hollander, M.; Wolfe, D. A. Nonparametric Statistics. [S.l.: s.n.] ISBN 0-471-40635-X
Siegel, Sidney; Castellan, N. John Jr. Nonparametric Statistics for the Behavioral Sciences. [S.l.: s.n.] ISBN 0-07-100326-6

[1] Friedman, Milton (1937). «The use of ranks to avoid the assumption of normality implicit in the analysis of variance». Journal of the American Statistical Association. 32 (200): 675–701. JSTOR 2279372. doi:10.2307/2279372

[2] Friedman, Milton (1939). «A correction: The use of ranks to avoid the assumption of normality implicit in the analysis of variance». Journal of the American Statistical Association. 34 (205): 109. JSTOR 2279169. doi:10.2307/2279169

[3] Friedman, Milton (1940). «A comparison of alternative tests of significance for the problem of m rankings». The Annals of Mathematical Statistics. 11 (1): 86-92. JSTOR 2235971. doi:10.1214/aoms/1177731944

[4] Schaich, Eberhard; Hamerle, Alfred (1984). Verteilungsfreie statistische Prüfverfahren. Berlin: Springer-Verlag. ISBN 3-540-13776-9

[5] Conover, W. J. (1971). Practical nonparametric statistics. Nova Iorque: John Wiley. ISBN 0-471-16851-3

[6] Bortz, J.; Lienert, G.; Boehnke, K. (2000). Verteilungsfreie Methoden in der Biostatistik. Berlin: Springer-Vilag. ISBN 3-540-67590-6

[7] «Post-hoc comparisons for Friedman test». Consultado em 21 de maio de 2017. Arquivado do original em 3 de novembro de 2012

[8] «Post hoc analysis for Friedman's Test (R code)»