Acerca dos testes não paramétricos, julgue o item seguinte.O teste de Kruskal-Wallis permite comparar mais de duas amostras independentes, mas assume que os dados seguem uma distribuição normal.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoE — Errado
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Teste de Kruskal-Wallis: alternativa não paramétrica à ANOVA
❌ ERRADO. O teste de Kruskal-Wallis permite comparar mais de duas amostras independentes, mas não assume normalidade — essa é justamente a sua razão de existir como alternativa não paramétrica à ANOVA. A afirmação mistura o pressuposto do teste paramétrico (ANOVA) com a característica do teste não paramétrico, que dispensa a distribuição normal.
O teste de Kruskal-Wallis é o correspondente não paramétrico da análise de variância (ANOVA) de um fator. Enquanto a ANOVA exige que os erros (e, por consequência, as observações) sigam distribuição normal e tenham variâncias homogêneas, o teste de Kruskal-Wallis não exige normalidade nem homoscedasticidade. Seus requisitos são mais flexíveis: as amostras devem ser independentes, a variável deve ser no mínimo ordinal (para que os dados possam ser ordenados e receber postos) e, para a aproximação pela distribuição qui-quadrado, cada amostra deve ter pelo menos cinco observações.
A lógica do teste é trabalhar com os postos (ordens) das observações combinadas de todos os grupos, comparando as médias dos postos de cada grupo (as chamadas pseudo-medianas). A estatística H resultante é comparada com o valor crítico da distribuição qui-quadrado com graus de liberdade, em que é o número de grupos. A hipótese nula é a de que as populações têm medianas iguais.
A pegadinha da banca está em atribuir ao teste de Kruskal-Wallis um pressuposto que ele não possui. O candidato que confunde o teste não paramétrico com a ANOVA paramétrica acaba marcando "certo", mas a essência dos métodos não paramétricos é exatamente não depender de suposições sobre a distribuição dos dados.
NÃO CAIA NESSA!
A banca troca o pressuposto da ANOVA (normalidade) pelo teste de Kruskal-Wallis. Lembre-se: se o teste é não paramétrico, ele não exige normalidade — essa é a sua principal vantagem. Quando a questão disser que um teste não paramétrico "assume distribuição normal", desconfie imediatamente.
PEGA ESSA DICA!
Para fixar, compare os testes de comparação de grupos independentes: