Teste de Brown-Forsythe (Variâncias)
Calcula o teste de Brown-Forsythe, uma versão robusta do teste de Levene para verificar se vários grupos têm a mesma variância. A diferença está num detalhe decisivo: em vez de medir o quanto cada ponto se afasta da média do grupo, ele usa o afastamento em relação à mediana. Como a mediana resiste a valores extremos e a distribuições tortas, o teste fica muito mais confiável quando os dados não são normais. Informe os grupos: valores por vírgula, grupos por ponto e vírgula.
Resultado
—
Teste de Brown-Forsythe (Variâncias)
Calcula o teste de Brown-Forsythe, uma versão robusta do teste de Levene para verificar se vários grupos têm a mesma variância. A diferença está num detalhe decisivo: em vez de medir o quanto cada ponto se afasta da média do grupo, ele usa o afastamento em relação à mediana. Como a mediana resiste a valores extremos e a distribuições tortas, o teste fica muito mais confiável quando os dados não são normais. Informe os grupos: valores por vírgula, grupos por ponto e vírgula.
Variâncias iguais, mesmo com dados rebeldes
Testar se vários grupos têm a mesma variância é um pré-requisito comum da ANOVA, e o teste de Levene é a ferramenta usual. Mas o Levene clássico mede o afastamento de cada ponto em relação à média do grupo, e a média é frágil diante de outliers e distribuições tortas. Quando os dados não cooperam, essa fragilidade contamina o teste.
Brown e Forsythe propuseram uma troca simples e poderosa: usar a mediana do grupo, em vez da média, como ponto de referência para medir o afastamento. A mediana mal se mexe diante de valores extremos, então os desvios calculados a partir dela são bem mais estáveis. Sobre esses desvios, roda-se a mesma análise de variância do Levene, produzindo uma estatística F com os graus de liberdade usuais.
Informe os grupos, com os valores separados por vírgula e os grupos por ponto e vírgula. A ferramenta devolve a estatística W, os graus de liberdade e o valor-p. Pela sua robustez, o Brown-Forsythe é frequentemente a recomendação padrão quando há qualquer dúvida sobre a normalidade dos dados, ficando à frente tanto do Levene baseado na média quanto do teste de Bartlett.
Ferramentas Relacionadas
Teste de Levene (Igualdade de Variâncias)
Calcula o teste de Levene, que verifica se vários grupos têm a mesma variância — a suposição de homogeneidade que a ANOVA e o teste t assumem. Em vez de trabalhar com os valores originais, ele transforma cada dado no desvio absoluto em relação à média do seu grupo e roda uma ANOVA sobre esses desvios; assim afere se a dispersão difere entre os grupos. É mais robusto à não normalidade do que o teste de Bartlett. Informe os grupos: valores por vírgula, grupos por ponto e vírgula.
Teste de Bartlett (Igualdade de Variâncias)
Calcula o teste de Bartlett, o teste clássico para verificar se vários grupos têm a mesma variância. Ele compara a variância combinada de todos os grupos com as variâncias individuais por meio de uma estatística que segue aproximadamente uma qui-quadrado, com uma correção de viés que melhora a aproximação em amostras pequenas. É mais potente que o teste de Levene quando os dados são realmente normais, porém mais sensível a desvios da normalidade. Informe os grupos: valores por vírgula, grupos por ponto e vírgula.
Teste F de Igualdade de Variâncias
Calcula o teste F para comparar as variâncias de dois grupos independentes, verificando se eles têm a mesma dispersão. É um passo comum antes de escolher entre o teste t clássico (que assume variâncias iguais) e o de Welch (que não assume). A estatística é a razão entre as duas variâncias amostrais, e a distribuição F, com seus dois graus de liberdade, fornece o valor-p. A ferramenta recebe as duas amostras, calcula F, os graus de liberdade e o valor-p bilateral. Informe os dois grupos de valores.
Os resultados desta ferramenta têm caráter apenas informativo e educativo e não constituem aconselhamento profissional, financeiro, médico, jurídico, tributário ou contábil. Confirme decisões importantes com um profissional qualificado e fontes oficiais.