Calculadora de Qui-Quadrado para Tabela de Contingência

O que esta calculadora de qui-quadrado resolve

A calculadora de qui-quadrado verifica, por meio do teste qui-quadrado de Pearson, se há evidência estatística de associação entre duas variáveis categóricas apresentadas em uma tabela de contingência. Esse tipo de tabela organiza contagens observadas em combinações de categorias. Em saúde, por exemplo, ela pode reunir a quantidade de participantes com e sem determinado desfecho, separada por grupo de exposição; em pesquisa de satisfação, pode cruzar a avaliação do serviço com a faixa etária.

O cálculo compara o que foi efetivamente observado na amostra com o que seria esperado se as variáveis fossem independentes. A ferramenta entrega a estatística χ², os graus de liberdade, o p-valor e a tabela de frequências esperadas. Esses elementos permitem avaliar a compatibilidade dos dados com a hipótese nula de independência, mas não medem, isoladamente, a intensidade ou o sentido de uma associação.

Como preencher a calculadora

Número de linhas

Escolha quantas categorias a primeira variável possui. Se a variável for “grupo” com as categorias intervenção e controle, há duas linhas. Se for uma classificação em três níveis, como baixo, médio e alto, use três linhas. A ferramenta aceita de duas a seis linhas para manter o preenchimento legível.

Número de colunas

Informe o número de categorias da segunda variável. Uma variável de resposta “sim” ou “não” forma duas colunas. As linhas e as colunas podem ser invertidas sem alterar a estatística qui-quadrado, desde que as mesmas frequências sejam preservadas.

Frequências observadas

Digite em cada célula a quantidade de casos daquela combinação de categorias. Os valores precisam ser contagens inteiras e não negativas: 18 participantes, 42 respostas ou 7 eventos, por exemplo. Não informe percentuais como 35,6%, médias, taxas ou valores monetários. Se os dados estiverem em percentuais, procure recuperar as contagens originais antes de aplicar o teste.

Leitura do resultado

O p-valor é a probabilidade, assumindo que não exista associação na população, de encontrar uma discrepância entre observado e esperado tão grande quanto a obtida, ou maior. Em estudos que adotam nível de significância de 5%, um p-valor inferior a 0,05 costuma levar à rejeição da hipótese de independência. O nível de significância, contudo, deve ser definido antes da análise e de acordo com o objetivo do estudo.

Fórmula do teste qui-quadrado

Para cada célula da tabela, calcula-se primeiro a frequência esperada sob a hipótese de independência:

E = (total da linha × total da coluna) ÷ total geral

Depois, somam-se as contribuições de todas as células:

χ² = Σ (O − E)² ÷ E

Nessa expressão, O é a frequência observada e E é a frequência esperada. Os graus de liberdade são calculados por (r − 1) × (c − 1), em que r é o número de linhas e c é o número de colunas. Por fim, o p-valor é obtido na distribuição qui-quadrado correspondente aos graus de liberdade calculados.

Exemplo resolvido 1: tabela 2 × 2

Considere um levantamento com 100 pessoas para investigar a relação entre participação em uma ação educativa e comparecimento a uma consulta. Entre 50 participantes da ação, 35 compareceram e 15 não compareceram. Entre 50 não participantes, 20 compareceram e 30 não compareceram.

A frequência esperada para “participou e compareceu” é 50 × 55 ÷ 100 = 27,5. Para “participou e não compareceu”, é 50 × 45 ÷ 100 = 22,5. Como os totais das linhas são iguais, a segunda linha possui as mesmas esperadas: 27,5 e 22,5. A soma das quatro parcelas produz χ² de aproximadamente 9,09, com 1 grau de liberdade e p-valor próximo de 0,0026. Em um teste bilateral de independência com significância de 5%, os dados seriam incompatíveis com a independência.

Exemplo resolvido 2: três grupos e duas respostas

Uma pesquisa classifica 90 pacientes em três faixas de adesão a uma orientação: baixa, média e alta. Os números de melhora clínica, respectivamente, são 8, 15 e 22; os de ausência de melhora são 22, 15 e 8. Há 30 pessoas em cada faixa. A tabela é 3 × 2 e tem 2 graus de liberdade.

Os totais das colunas são 45 com melhora e 45 sem melhora. Assim, sob independência, cada linha teria frequência esperada de 15 em cada coluna. As diferenças observadas em relação a 15 são −7, 0 e 7 para melhora, com diferenças inversas para ausência de melhora. A estatística é 13,07 aproximadamente, e o p-valor é inferior a 0,01. O resultado sugere associação entre a faixa de adesão e a melhora, sem demonstrar por si só causalidade.

Exemplo resolvido 3: quando não há evidência suficiente

Em uma tabela 2 × 2 com contagens 26, 24, 25 e 25, os totais de linha são 50 e os totais de coluna são 51 e 49. As frequências esperadas ficam muito próximas das observadas: 25,5, 24,5, 25,5 e 24,5. O χ² é cerca de 0,04, com 1 grau de liberdade, e o p-valor é alto, próximo de 0,84.

Esse resultado não fornece evidência suficiente para rejeitar a hipótese de independência no nível de 5%. Ele não prova que as variáveis são independentes na população; apenas indica que a amostra não revelou diferença além do que pode ocorrer por variação aleatória sob aquele modelo.

Tabela de apoio: interpretação prática do p-valor

Pressupostos e base técnica aplicável

O teste se baseia na distribuição qui-quadrado de Pearson e pressupõe observações independentes. Cada participante, evento ou unidade deve contribuir para uma única célula da tabela. Por isso, o teste não é apropriado, sem procedimento específico, para medidas repetidas da mesma pessoa, pares combinados ou dados longitudinais.

Também é necessário que as frequências esperadas sejam adequadas para a aproximação qui-quadrado. Como regra prática difundida, nenhuma frequência esperada deve ser inferior a 1 e não mais que 20% das células devem ter frequência esperada inferior a 5. Em tabelas 2 × 2 pequenas, o teste exato de Fisher pode ser mais indicado. Esta ferramenta calcula o qui-quadrado de Pearson sem correção de continuidade de Yates; portanto, o resultado pode diferir de programas configurados para aplicar essa correção.

No contexto de estudos em saúde, a interpretação deve observar o planejamento da pesquisa, a população estudada, o processo de amostragem e possíveis fatores de confusão. Um p-valor não substitui intervalo de confiança, estimativa de efeito ou análise clínica. Para avaliar a magnitude da relação, podem ser úteis medidas como phi em tabelas 2 × 2 e V de Cramér em tabelas maiores.

Erros comuns ao calcular qui-quadrado

• Inserir percentuais em vez de números absolutos de observações.
• Usar categorias sobrepostas, permitindo que uma mesma unidade entre em mais de uma célula.
• Interpretar p ≥ 0,05 como prova de inexistência de associação.
• Aplicar o teste com frequências esperadas muito pequenas sem considerar método exato ou agrupamento tecnicamente justificado.
• Concluir causalidade apenas porque o teste apontou associação estatística.
• Escolher o nível de significância somente após conhecer o p-valor.
• Ignorar múltiplas comparações, que podem aumentar a chance de resultados aparentemente significativos.

Limites do resultado apresentado

O resultado é uma análise de associação para os dados informados e depende integralmente da correta digitação das contagens e da adequação do desenho do estudo. A calculadora não verifica representatividade da amostra, viés de seleção, qualidade da coleta, confundimento, dependência entre observações ou multiplicidade de testes. Ela também não realiza teste exato de Fisher, correção de Yates, análise estratificada ou cálculo de medidas de efeito.

Quando a tabela apontar associação, examine as frequências observadas e esperadas, o contexto substantivo e a relevância prática. Em tabelas maiores, uma estatística significativa pode resultar de diferenças concentradas em poucas células; a inspeção das contribuições individuais e análises pós-hoc planejadas ajudam a entender onde a discrepância ocorre. Para relatórios acadêmicos, clínicos ou técnicos, registre a estatística, os graus de liberdade, o p-valor, o tamanho da amostra e o método adotado.