O que é o teste qui-quadrado
O teste qui-quadrado de independência (χ²) responde a uma pergunta muito comum em pesquisa: duas variáveis categóricas estão associadas ou são independentes? Em outras palavras, conhecer o valor de uma variável muda a probabilidade da outra?
Pense em situações como: o sexo da pessoa influencia a preferência por um produto? A região do país está associada à intenção de voto? O tipo de tratamento está relacionado ao desfecho clínico? Em todos esses casos, você não tem números para medir — tem categorias para contar. O teste qui-quadrado é a ferramenta certa para esse tipo de dado.
A lógica é elegante. Se as duas variáveis fossem completamente independentes, seria possível prever quantos casos cairiam em cada combinação de categorias só a partir dos totais. O teste compara essas frequências esperadas com as frequências realmente observadas. Se a diferença entre o observado e o esperado for grande demais para ser acaso, conclui-se que existe associação.
Quando usar
O qui-quadrado de independência é indicado quando:
- As duas variáveis são categóricas — sexo, região, faixa etária, marca preferida, desfecho (curou / não curou). Não servem variáveis numéricas contínuas.
- Você tem contagens, não médias — o dado é "quantas pessoas em cada combinação", não "qual a média de cada grupo". Para comparar médias, use o teste t ou a ANOVA.
- As observações são independentes — cada caso entra em uma única célula da tabela, e um caso não influencia outro.
Se você quer comparar apenas duas proporções (por exemplo, a taxa de sucesso de dois grupos), o teste de proporção e o qui-quadrado levam à mesma conclusão — em uma tabela 2×2, o χ² é matematicamente equivalente ao teste z de duas proporções.
A tabela de contingência
O ponto de partida do teste é a tabela de contingência (ou tabela de dupla entrada). Ela cruza as categorias das duas variáveis: cada linha é uma categoria da primeira variável, cada coluna é uma categoria da segunda, e cada célula contém a contagem de casos naquela combinação.
A calculadora acima monta essa tabela para você. Comece com o tamanho 2×2 e use os botões para acrescentar linhas e colunas conforme as suas categorias. Some sempre contagens — número de pessoas, de respostas, de casos —, nunca porcentagens ou médias.
Como o cálculo funciona
O teste tem quatro passos. O primeiro é calcular, para cada célula, a frequência esperada sob a hipótese de independência. Ela depende apenas dos totais da linha e da coluna:
O segundo passo é medir o quanto cada célula observada (O) se afasta do seu valor esperado (E). A estatística qui-quadrado soma essas diferenças, ao quadrado, ponderadas pelo valor esperado:
O terceiro passo são os graus de liberdade, que dependem só do formato da tabela:
Por fim, a calculadora converte o χ² e os graus de liberdade em valor-p usando a distribuição qui-quadrado. Um valor-p pequeno significa que um descompasso tão grande seria raríssimo se as variáveis fossem independentes — logo, há associação.
Pressupostos do teste
O qui-quadrado é prático, mas a sua precisão depende de uma condição importante sobre o tamanho das frequências esperadas:
A aproximação do qui-quadrado é confiável quando todas as frequências esperadas são pelo menos 5. A calculadora mostra a menor frequência esperada da tabela; se ela ficar abaixo de 5, o resultado deve ser interpretado com cautela. Nesse caso, o teste exato de Fisher é a alternativa recomendada, especialmente para tabelas 2×2.
Além disso, o teste exige observações independentes (cada caso conta uma vez) e contagens absolutas nas células. Nunca aplique o qui-quadrado sobre porcentagens, médias ou dados em que a mesma pessoa aparece em mais de uma célula.
Como interpretar o resultado
A calculadora devolve um cartão com a conclusão e seis indicadores:
- Qui-quadrado (χ²) — o tamanho total do descompasso entre observado e esperado. Sozinho, diz pouco; precisa ser comparado com a distribuição.
- Graus de liberdade — definem qual distribuição qui-quadrado usar para obter o valor-p.
- Valor-p — a probabilidade de ver um descompasso tão grande por acaso. Se for menor que o nível de significância (em geral 0,05), há associação significativa.
- V de Cramér — o tamanho do efeito. Vai de 0 a 1 e mede a força da associação: em torno de 0,1 é fraca, 0,3 é moderada e 0,5 ou mais é forte.
- Total de casos — a soma de todas as células da tabela.
- Menor frequência esperada — para checar o pressuposto: se for menor que 5, interprete com cautela.
Um valor-p pequeno confirma que existe associação, mas não diz se ela é forte. Com amostras muito grandes, associações triviais ficam "significativas". Por isso, olhe sempre o V de Cramér: ele responde à pergunta que de fato importa — qual o tamanho da associação?
Exemplo resolvido
Um hospital testou um novo protocolo de orientação ao paciente. De 60 pacientes que receberam o protocolo, 45 melhoraram a adesão ao tratamento; de 60 pacientes do grupo controle, 30 melhoraram. A melhora está associada ao protocolo?
| Melhorou | Não melhorou | Total | |
|---|---|---|---|
| Grupo com protocolo | 45 | 15 | 60 |
| Grupo controle | 30 | 30 | 60 |
| Total | 75 | 45 | 120 |
- Frequências esperadas: para a célula "protocolo × melhorou", E = (60 × 75) ÷ 120 = 37,5. Todas as quatro células esperadas valem 37,5 ou 22,5.
- Estatística χ²: somando (O − E)² ÷ E nas quatro células: 1,5 + 2,5 + 1,5 + 2,5 = 8,0.
- Graus de liberdade: df = (2 − 1) × (2 − 1) = 1.
- Valor-p: para χ² = 8,0 e df = 1, o valor-p ≈ 0,0047.
Como 0,0047 < 0,05, a associação é estatisticamente significativa: a melhora na adesão está relacionada ao protocolo. O V de Cramér ≈ 0,26 indica uma associação de força moderada. Use o botão "Preencher com exemplo" para ver esse cálculo na calculadora.
Perguntas frequentes
O que é o teste qui-quadrado?
É um teste de hipótese que verifica se duas variáveis categóricas estão associadas. Ele compara as frequências observadas em uma tabela de contingência com as frequências que seriam esperadas se as variáveis fossem independentes.
Quando devo usar o qui-quadrado?
O que são graus de liberdade no qui-quadrado?
São calculados como (número de linhas − 1) × (número de colunas − 1). Uma tabela 2×2 tem 1 grau de liberdade; uma tabela 3×4 tem 6. Eles determinam a distribuição usada para o valor-p.
E se as frequências esperadas forem menores que 5?
A aproximação do qui-quadrado perde precisão. A calculadora avisa quando a menor frequência esperada fica abaixo de 5. Nesses casos, prefira o teste exato de Fisher, sobretudo em tabelas 2×2.
Qui-quadrado prova causa e efeito?
Não. O teste mostra que existe uma associação entre as variáveis, mas associação não é causalidade. Outras variáveis podem explicar a relação observada.
Qual a diferença entre qui-quadrado e teste de proporção?
Em uma tabela 2×2, são equivalentes — chegam ao mesmo valor-p. O qui-quadrado é mais geral: funciona com tabelas de qualquer tamanho, comparando muitas categorias de uma vez.