Teste de Levene

Você fornece cada grupo como uma matriz de observações numéricas e recebe a estatística de Levene e o valor-p da cauda superior. Esta implementação usa a versão clássica centrada na média: transforma cada observação na distância absoluta até a média do grupo e compara essas distâncias por uma análise de variância de um fator. O cálculo é determinístico, não acessa a rede e é útil quando o teste F de duas amostras, sensível à normalidade, não é adequado.

O que o teste de Levene mede

O teste de Levene começa com a hipótese nula de que todas as populações representadas têm a mesma variância. Para cada grupo, a calculadora determina a média aritmética e substitui cada observação original pela distância absoluta até essa média. Em seguida, aplica uma análise de variância de um fator a essas distâncias. Quando as distâncias absolutas típicas diferem bastante entre os grupos em relação à variação que permanece dentro deles, a estatística aumenta. O valor-p retornado é a probabilidade, sob o modelo de variâncias iguais e a distribuição F de referência, de obter uma estatística pelo menos tão grande quanto a observada. Portanto, um valor-p pequeno fornece evidência contra variâncias iguais. Ele não é a probabilidade de a hipótese nula ser verdadeira nem mede a importância prática da diferença. Da mesma forma, um valor-p alto não prova que as variâncias sejam idênticas; amostras limitadas podem ter pouca potência para detectar uma diferença. Defina o nível de significância antes de examinar o resultado e interprete o teste junto com gráficos, tamanhos amostrais, conhecimento da medição e consequências práticas de dispersões diferentes.

Como o cálculo é realizado

Informe `groups` como uma matriz com pelo menos duas matrizes de números finitos. Cada grupo precisa ter no mínimo duas observações, embora os tamanhos possam ser diferentes e a ordem não altere o cálculo. Primeiro, a calculadora obtém a média de cada grupo por uma atualização incremental, evitando uma soma bruta desnecessariamente grande. Ela forma os desvios absolutos dessa média, calcula o desvio médio em cada grupo e determina a média geral dos desvios ponderada pelo tamanho dos grupos. A estatística apresentada é o quadrado médio entre grupos dividido pelo quadrado médio dentro dos grupos para esses desvios. Os graus de liberdade do numerador são o número de grupos menos um; os do denominador são o total de observações menos o número de grupos. O valor-p corresponde à cauda superior da distribuição F e é avaliado de modo determinístico pela função beta incompleta regularizada. A resposta contém apenas `statistic` e `p_value`, facilitando armazenamento e integração. Ao relatar o resultado, preserve também as definições dos grupos, os tamanhos das amostras, o limiar escolhido e o método centrado na média.

Premissas, interpretação e limitações

As observações devem ser independentes dentro e entre os grupos, e as amostras devem representar razoavelmente as populações sobre as quais você pretende concluir. O procedimento de Levene costuma ser menos sensível a desvios da normalidade que o teste F clássico para duas variâncias, mas ainda possui premissas. Dependência forte, amostragem tendenciosa, arredondamento das medições, mistura de populações ou valores atípicos influentes podem gerar um resultado enganoso. A forma centrada na média usada aqui é a construção original de Levene. A variante de Brown–Forsythe, centrada na mediana, pode resistir melhor a caudas pesadas e valores extremos, porém é outro cálculo e não é substituída silenciosamente por esta capacidade. Examine as distribuições e o processo gerador dos dados antes de transformar um valor-p em decisão. A calculadora rejeita menos de dois grupos, grupos com menos de duas observações, valores não numéricos ou não finitos e entradas acima dos limites declarados. Também informa erro quando os desvios absolutos não apresentam variação interna, pois o denominador é zero e uma estatística F finita comum não pode ser calculada. Significância estatística, isoladamente, não comprova causalidade, qualidade dos dados nem relevância prática.