Enc. 3 — Correlação de Spearman e Kendall

scipy.stats.spearmanr · scipy.stats.kendalltau

📊 Slides

🍊 Metáfora

Imagine isso…

Em vez de medir a velocidade exata de cada atleta, você registra a posição deles na corrida: 1º, 2º, 3º… Spearman e Kendall trocam os valores originais pelos seus postos (rankings). Kendall é mais conservador: conta quantos pares estão na ordem certa versus errada — útil quando há muitos empates.

🎯 Para que serve

Alternativas não-paramétricas a Pearson. Medem relações monotônicas. Ideais para dados ordinais como escalas Likert.

Exemplo: a satisfação do estudante com o chatbot (escala 1–5) está associada à quantidade de sessões voluntárias?

📋 Quando usar

  • ✅ Uma ou ambas as variáveis são ordinais (Likert).
  • ✅ Os dados violam normalidade (Shapiro-Wilk: p < .05).
  • ✅ Há outliers que não devem ser removidos.
  • ✅ Use Kendall com n < 30 ou muitos empates.
  • ❌ Não diferencia relações lineares de curvilíneas — só detecta monotonicidade.

🐍 Exemplo Python

🐍 Python executável no navegador via Pyodide 
 
  📚 Referências 
 
  
     
   
 seminal Spearman, C. (1904). The proof and measurement of association between two things. American Journal of Psychology, 15(1), 72–101. 
 
 didático Field, A. (2024). Discovering Statistics Using IBM SPSS Statistics (6ª ed.). SAGE. Cap. 8. 
 
 python Vallat, R. (2018). Pingouin: statistics in Python. Journal of Open Source Software, 3(31), 1026. 
 
 aplicado Norman, G. (2010). Likert scales, levels of measurement and the “laws” of statistics. Advances in Health Sciences Education, 15, 625–632. 
  
 
 Rodrigo Prestes Machado
 CC BY 4.0 DEED