--- title: "Como realizar a ANOVA de Friedman no JASP?" url: https://www.blog.psicometriaonline.com.br/como-realizar-a-anova-de-friedman-no-jasp canonical: https://www.blog.psicometriaonline.com.br/como-realizar-a-anova-de-friedman-no-jasp language: pt-BR published: 2025-09-25T15:52:39.000Z updated: 2026-03-30T13:49:06.481Z modified: 2026-03-30T13:49:06.481Z author: "Marcos Lima" categories: ["Tutoriais"] tags: ["testes não paramétricos", "tutorial no JASP"] description: "Aprenda a realizar e a interpretar a ANOVA de Friedman no JASP, um software estatístico gratuito e simples de usar." source: Blog Psicometria Online --- # Como realizar a ANOVA de Friedman no JASP? > Neste post, você aprenderá como realizar e interpretar a ANOVA de Friedman no JASP. Primeiramente, revisaremos brevemente o que é e qual é o objetivo da ANOVA de Friedman. Em seguida, mostraremos o passo a passo de como solicitar e interpretar esse teste estatístico no software JASP. Vamos começar!... Neste post, você aprenderá como realizar e interpretar a ANOVA de Friedman no JASP. Primeiramente, revisaremos brevemente o que é e qual é o objetivo da ANOVA de Friedman. Em seguida, mostraremos o passo a passo de como solicitar e interpretar esse teste estatístico no *software* JASP. Vamos começar! ## O que é a ANOVA de Friedman? Em um hospital universitário, residentes avaliam as habilidades auditivas de bebês em três momentos distintos: logo após o nascimento, dois meses e quatro meses após o nascimento. Cada bebê contribui com três medidas de habilidades auditivas, ou seja, um em cada momento de avaliação. O objetivo é avaliar se as habilidades auditivas dos bebês melhoram ao longo do tempo. Quando as mesmas unidades amostrais (e.g., bebês) são avaliadas múltiplas vezes, dizemos que temos medidas pareadas. No exemplo anterior, dizemos que os escores do bebê Miguel são pareados, pois somos capazes de cruzar os três escores de nosso banco de dados que se referem a ele. Considere outro exemplo, agora da pesquisa sobre cognição animal. Pesquisadores podem investigar se a velocidade de nado (cm/s) de ratos em um labirinto varia a depender da temperatura da água às quais eles são expostos. Nesse exemplo, a temperatura da água é nossa [variável independente](/o-que-sao-variaveis-independentes-e-dependentes), enquanto a velocidade de nado (uma por condição) é a nossa variável dependente. As questões anteriormente descritas podem ser respondidas por uma alternativa não paramétrica à [análise de variância (ANOVA) de medidas repetidas](/anova-de-medidas-repetidas): a ANOVA de Friedman. Na ANOVA de Friedman, comparamos os [**postos dos escores**](/o-que-sao-postos-ranks) de cada unidade amostral nas diferentes condições. Por exemplo, um rato teve as seguintes velocidades de nado, em cm/s, em quatro condições experimentais: ![exemplo de escores brutos pareados.](/uploads/2025-09_escores-brutos-rato-1.jpg) Com base nos valores brutos, podemos atribuir o posto 1 ao menor escore (i.e., 33 cm/s), o posto 2 ao segundo menor escore (i.e., 34 cm/s), e assim sucessivamente. Desse modo, teremos: ![exemplo de transformação dos escores brutos pareados em postos dos escores.](/uploads/2025-09_escores-brutos-e-postos-rato-1.jpg) Em síntese, a ANOVA de Friedman examina se há diferenças sistemáticas nos postos das condições experimentais. Para mais detalhes teóricos, recomendamos nosso post específico sobre a [ANOVA de Friedman](/o-que-e-anova-de-friedman). ## Como executar a ANOVA de Friedman no JASP? ### Exemplo prático Em seguida, introduziremos o exemplo do nosso tutorial. Suponha que avaliamos seis ratos em um labirinto aquático de Morris, uma tecnologia tipicamente utilizada nas áreas de neurociência e de psicologia experimental (Figura 1). ![labirinto aquático de Morris.](/uploads/2025-09_image.png) *Figura 1. Ilustração de um rato durante uma tarefa no labirinto aquático de Morris. Retirado da* [*Wikipédia*](https://en.wikipedia.org/wiki/File:MorrisWaterMaze.jpg)*, sob a licença Creative Commons Attribution-Share Alike 2.0 Generic license.* Neste labirinto, o animal precisa encontrar uma plataforma submersa, aprendendo sua posição ao longo das tentativas. Desse modo, a tarefa visa mensurar aprendizagem e memória espacial. A Figura 2 apresenta dados fictícios no JASP (baseado em Scheff, 2016). A primeira coluna serve apenas para identificar cada sujeito experimental. Já as colunas restantes correspondem a quatro condições experimentais distintas, indexadas pelas temperaturas da água em cada cenário. Por fim, os valores nas células dessas colunas indicam as velocidades de nado (cm/s) de cada rato naquela respectiva condição experimental. ![banco de dados para tutorial da ANOVA de Friedman no JASP.](/uploads/2025-09_anova-de-friedman-banco-de-dados-jasp.jpg) *Figura 2. O banco de dados no JASP.* Em seguida, resumimos as hipóteses nula e alternativa da ANOVA de Friedman: - **Hipótese nula (*H*0):** os postos das condições são iguais, ou seja, a temperatura da água *não* influencia os postos das velocidades de nado. - **Hipótese alternativa (*H*1):** pelo menos um par de condições difere entre si, isto é, pelo menos um par de temperaturas da água influencia os postos das velocidades de nado. Na ANOVA de Friedman, assim como em qualquer teste estatístico, nós definimos um nível de significância (α), usualmente de 5%. Em seguida, calculamos a estatística do teste e o [valor *p*](/o-que-e-valor-de-p) associado. Se o *p* for menor que α, então rejeitamos *H*0 e concluímos que há evidências de efeito da temperatura da água sobre a velocidade de nado. Contudo, testes post hoc serão necessários para identificarmos quais temperaturas especificamente diferem entre si. ### Solicitando a ANOVA de Friedman no JASP Primeiramente, siga o caminho **ANOVA > ANOVA de medidas repetidas** (Figura 3). ![solicitando a ANOVA de Friedman no JASP, parte 1.](/uploads/2025-09_anova-de-friedman-caminho-para-a-analise.jpg) *Figura 3. Caminho para solicitar a análise.* A janela que aparecerá será similar àquela mostrada na Figura 4. ![solicitando a ANOVA de Friedman no JASP, parte 2.](/uploads/2025-09_anova-de-friedman-passo-1.jpg) *Figura 4. Janelas de configuração da análise (lado esquerdo) e de resultados interativos em tempo real (lado direito) da ANOVA de medidas repetidas. A ANOVA de Friedman é solicitada e reportada nestas mesmas janelas.* Nós iremos até o campo **Fatores de medidas repetidas** e renomearemos o nome de nossa variável independente, bem como seus respectivos níveis, a fim de facilitar a interpretação da saída, à direita, tal como indicado na Figura 5. ![solicitando a ANOVA de Friedman no JASP, parte 3.](/uploads/2025-09_anova-de-friedman-passo-2.jpg) *Figura 5. Configurando o nome do fator de medidas repetidas, bem como seus respectivos níveis.* No campo **Células de Medidas Repetidas**, inserimos as variáveis que representam cada condição experimental de nosso exemplo. Contudo, certifique-se de inserir as medidas na mesma ordem que você configurou os níveis no campo **Fatores de medidas repetidas** (Figura 6). ![solicitando a ANOVA de Friedman no JASP, parte 4.](/uploads/2025-09_anova-de-friedman-passo-3.jpg) *Figura 6. Inserindo as variáveis no campo de análise.* Mais abaixo, marque a opção **Descritivas**, em **Exibir** (Figura 7). ![solicitando a ANOVA de Friedman no JASP, parte 5.](/uploads/2025-09_anova-de-friedman-passo-4.jpg) *Figura 7. Solicitando estatísticas descritivas.* Em seguida, realizaremos uma operação fundamental para solicitarmos a ANOVA de Friedman. Desça até a guia **Não paramétricos** e transfira a variável **Temperatura** para o **Fator RM** (Figura 8). O termo **RM** se refere a *repeated measures* — ou seja, medidas repetidas, em inglês. Por fim, marque a opção **Teste post hoc de Conover**, a fim de garantir que as comparações em pares sejam realizadas. ![solicitando a ANOVA de Friedman no JASP, parte 6.](/uploads/2025-09_anova-de-friedman-passo-5.jpg) *Figura 8. Solicitando a ANOVA de Friedman.* ## Interpretando a saída da ANOVA de Friedman no JASP O início da janela de resultados mostrará a ANOVA de medidas repetidas, incluindo as estatísticas intermediárias para o cálculo da estatística *F* e do valor *p* (Figura 9). Pela ANOVA de medidas repetidas, o efeito da temperatura sobre a velocidade de nado seria considerado estatisticamente significativo, *F*(3, 15) = 19,60, *p* < 0,001. ![resultado da ANOVA de medidas repetidas.](/uploads/2025-09_anova-de-friedman-resultado-1.jpg) *Figura 9. Resultados da ANOVA de medidas repetidas no JASP.* No entanto, aqui vamos nos focar na ANOVA de Friedman (Figura 10). Em síntese, as estatísticas descritivas sugerem que a velocidade dos ratos no labirinto de Morris declinou à medida que a temperatura da água diminuiu. Contudo, tenha em mente que a análise da ANOVA de Friedman não utiliza os escores brutos, mas, sim, os postos desses escores. ![estatísticas descritivas e resultado da ANOVA de Friedman.](/uploads/2025-09_anova-de-friedman-resultado-2.jpg) *Figura 10. Estatísticas descritivas e ANOVA de Friedman.* A parte inferior da Figura 10 se refere à ANOVA de Friedman, que contém as estatísticas inferenciais, incluindo a estatística do teste (i.e., **χ2*F*)**, os [graus de liberdade](/o-que-sao-graus-de-liberdade) (número de grupos menos 1; i.e., *k* – 1 = 3), o valor *p* e uma medida de tamanho de efeito global (o *W* de Kendall). Em síntese, nossa ANOVA de Friedman foi estatisticamente significativa. ### Teste *post hoc* de Conover Mas onde estão as diferenças? A fim de responder a essa pergunta, precisamos examinar as comparações em pares, que se baseiam no teste post hoc de Conover (Figura 11). ![testes post hoc de Conover.](/uploads/2025-09_anova-de-friedman-resultado-3.jpg) *Figura 11. Testes post hoc de Conover.* A Figura 11 apresenta o valor *p* original e os valores *ps* com as correções de Bonferroni (*pbonf*) e de Holm (*pholm*). A correção de Bonferroni multiplica cada *p* pelo número de comparações feitas (truncando o valor em 1, caso o produto obtido seja superior a 1). Por outro lado, a correção de Holm ordena os valores *p*s em ordem ascendente, aplicando correções progressivas. Desse modo, a correção de Holm preserva mais o poder estatístico, sem perder controle da [taxa de erro da família dos testes](/family-wise-error-rate-fwer-o-que-e-e-como-controlar). Considerando, portanto, a correção de Holm, temos que, com exceção das duas temperaturas mais altas (27 ºC vs. 32 ºC), bem como das duas mais baixas (20 ºC vs. 24 ºC), todas as demais comparações foram estatisticamente signficativas. Em conclusão, a Figura 11 também apresenta a [correlação posto-bisserial](/o-que-e-correlacao-posto-bisserial), uma medida de tamanho de efeito que mede o quanto uma condição tende a ter postos maiores que a outra. ## Reportando os resultados da ANOVA de Friedman Para reportarmos a ANOVA de Friedman, relataremos primeiramente o resultado do teste global. Em seguida, descreveremos as comparações em pares. Por exemplo, podemos reportar nosso relato tal como a sugestão a seguir: > *A fim de examinar se a velocidade do nado (cm/s) foi influenciada pela temperatura da água (Figura 11), uma ANOVA de Friedman foi conduzida. Essa análise indicou um efeito global estatisticamente significativo da temperatura, χ2F(3) = 14,90, p = 0,002, W = 0,83, com um efeito considerado grande (Cohen, 1992).* > > *Comparações em pares (teste post hoc de Conover) indicaram que, após ajuste dos valores ps pela correção de Holm, apenas duas comparações não diferiram entre si, sendo o contraste entre as duas temperaturas mais baixas (24 ºC vs. 20 ºC) e o contraste entre as duas temperaturas mais altas (32 ºC vs. 27 ºC), conforme indica a Tabela 1.* ![representação gráfica dos dados usados no tutorial.](https://www.blog.psicometriaonline.com.br/wp-content/webp-express/webp-images/uploads/2025/09/anova-de-friedman-exemplo-dados-brutos-1024x726.jpg.webp) *Figura 12. Velocidade do nado (cm/s) em função da temperatura da água (ºC). Símbolos iguais representam os mesmos sujeitos nas diferentes condições experimentais, enquanto linhas pontilhadas horizontais representam medianas dos escores em cada condição.* Comparação *t* *gl* *pholm* *rrb* 32 ºC vs. 27 ºC 0,50 15 0,67 0,47 **32 ºC vs. 24 ºC** **5,70** **15** **< 0,001** **1,00** **32 ºC vs. 20 ºC** **6,69** **15** **< 0,001** **1,00** **27 ºC vs. 24 ºC** **5,21** **15** **< 0,001** **1,00** **27 ºC vs. 20 ºC** **6,20** **15** **< 0,001** **1,00** 24 ºC vs. 20 ºC 0,99 15 0,67 0,33 *Tabela 1. Comparações post hoc de Conover após ANOVA de Friedman significativa. Linhas em negrito indicam comparações estatisticamente significativas. rrb = correlação posto-bisserial.* ## Conclusão Gostou desse conteúdo? Então aproveite e baixe gratuitamente o nosso e-book de [*Análises Bi e Multivariadas*](https://psicometriaonline.com.br/analises-bi-e-multivariadas-blog/) para aprender muito mais sobre as principais técnicas de análise quantitativa de dados. ## Referências Cohen, J. (1992). A power primer. *Psychological Bulletin*, *112*(1), 155–159. https://doi.org/10.1037/0033-2909.112.1.155 Friedman, M. (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. https://doi.org/10.2307/2279372 Rosenthal, R. (1991). *Meta-analytic procedures for social research* (Rev. ed.). Sage Publications, Inc. https://doi.org/10.4135/9781412984997 Scheff, S. W. (2016). Nonparametric statistics. In S. W. Scheff (Ed.), *Fundamental statistical principles for the neurobiologist: A survival guide* (pp. 157–182). Elsevier. https://doi.org/10.1016/B978-0-12-804753-8.00008-7 ## Como citar este post > **Como citar este artigo:** Lima, M. (2025, 25 de setembro). Como realizar a ANOVA de friedman no jasp? *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/como-realizar-a-anova-de-friedman-no-jasp