O que decide a resposta

"O tipo de variável e a forma de sua distribuição" definem o algoritmo de seleção dos testes de hipóteses: a natureza da variável (qualitativa versus quantitativa) e a aderência à curva normal determinam a escolha entre testes paramétricos e não paramétricos.

Raciocínio clínico

A escolha de um teste de significância estatística depende de três perguntas fundamentais: qual é o tipo de variável (categórica ou contínua), quantas amostras estão sendo comparadas (duas ou mais de duas) e qual é o formato da distribuição dos dados.

Se a variável for quantitativa contínua com distribuição normal (gaussiana), empregam-se testes paramétricos (como o teste t de Student para dois grupos ou a ANOVA para três ou mais grupos). Se os dados tiverem distribuição assimétrica ou forem qualitativos ordinais, a indicação recai sobre testes não paramétricos (como Mann-Whitney para dois grupos independentes ou Kruskal-Wallis para três ou mais). Para variáveis qualitativas nominais em frequências ou proporções, utilizam-se testes como o Qui-quadrado de Pearson ou o Teste Exato de Fisher.

O cálculo do tamanho amostral usa parâmetros como nível de significância (alfa), poder do teste (1 - beta) e magnitude do efeito esperado. Já as medidas de associação decorrem do delineamento epidemiológico (Risco Relativo em coortes, Odds Ratio em casos-controles), e o valor preditivo positivo depende da sensibilidade, especificidade e prevalência da doença na população.

Por que acontece

Testes paramétricos dependem de premissas matemáticas rigorosas sobre a distribuição teórica da população, principalmente a curva de Gauss, utilizando média e desvio-padrão para calcular probabilidades. Quando essas premissas são violadas por assimetria ou descontinuidade dos dados, essas fórmulas perdem validade e distorcem o valor de p, exigindo métodos não paramétricos baseados em postos (ordenamento por postos) ou frequências absolutas.

Conduta

Na análise estatística de um estudo, a avaliação prévia dos dados deve seguir um roteiro padronizado: primeiro classificar cada variável (nominal, ordinal, intervalar ou de razão) e, a seguir, verificar a normalidade das variáveis numéricas contínuas por meio de testes formais (como Shapiro-Wilk ou Kolmogorov-Smirnov) e inspeção visual (histogramas e gráficos Q-Q).

Não se deve aplicar testes paramétricos (como teste t de Student ou ANOVA) em variáveis quantitativas com distribuição acentuadamente assimétrica sem antes tentar uma transformação matemática ou optar diretamente pelo teste não paramétrico correspondente.

Como isso cai nas provas

• –Testes estatísticos versus Medidas de Associação e Impacto: o teste estatístico avalia se a diferença encontrada pode ser explicada pelo acaso (valor de p), dependendo do tipo de variável e de sua distribuição; já a medida de associação quantifica a magnitude da relação entre exposição e desfecho (como Risco Relativo e Odds Ratio), sendo determinada pelo delineamento do estudo (coorte versus caso-controle).
• –Teste paramétrico versus Teste não paramétrico: o paramétrico (como teste t de Student) exige variável quantitativa contínua e distribuição gaussiana (normal); o não paramétrico (como teste de Mann-Whitney ou Wilcoxon) é indicado quando há violação da normalidade ou quando a variável é qualitativa ordinal.