# Traçador de diferença crítica Nemenyi e ranks de Friedman

Testes de Friedman e Iman-Davenport com p-valores exatos, ranks médios, a diferença crítica de Nemenyi e o clássico diagrama CD com cliques — mais uma camada opcional Bonferroni-Dunn contra um modelo de controle.

> Página canônica: https://elysiatools.com/pt/tools/nemenyi-critical-difference-friedman-rank-plotter

- **Categoria:** Data Analysis

- **Palavras-chave:** nemenyi, teste de friedman, diferença crítica, diagrama cd, demsar, comparação de benchmark

## Visão geral

O Traçador de Diferença Crítica Nemenyi e Ranks de Friedman realiza comparações estatísticas rigorosas entre múltiplos algoritmos em diversos conjuntos de dados. A ferramenta calcula testes de Friedman e Iman-Davenport, determina ranks médios e gera o diagrama de Diferença Crítica (CD) clássico com cliques para procedimentos post-hoc Nemenyi ou Bonferroni-Dunn.

## Entradas

- **Matriz de pontuações (cabeçalho: dataset, modelos; linhas: scores)** (textarea): dataset, Random Forest, XGBoost, MLP, Logistic dataset-a, 0.91, 0.90, 0.88, 0.84 dataset-b, 0.82, 0.85, 0.80, 0.79
- **Direção da métrica** (select)
- **Nível de significância α** (select)
- **Procedimento post-hoc** (select)
- **Modelo de controle (para Bonferroni-Dunn)** (text): exact column name of the baseline model

## Quando usar

- Ao comparar o desempenho de múltiplos algoritmos de aprendizado de máquina em vários conjuntos de dados de benchmark.
- Para verificar se as diferenças entre classificadores ou regressores são estatisticamente significativas após experimentos empíricos.
- Ao elaborar publicações acadêmicas ou relatórios técnicos que exigem o diagrama CD de Demšar e testes não paramétricos pareados.

## Como funciona

- Insira a matriz de pontuações no formato CSV, contendo na primeira linha os nomes dos modelos e nas demais os resultados por dataset.
- Selecione a direção da métrica (maior é melhor para acurácia/AUC ou menor é melhor para erros/RMSE) e o nível de significância alfa (0.05 ou 0.10).
- Escolha o teste post-hoc entre Nemenyi (todos contra todos) ou Bonferroni-Dunn (comparação direta contra um modelo de controle declarado).
- Visualize os resultados estatísticos consolidados, incluindo p-valores dos testes de Friedman e Iman-Davenport, tabela de ranks e o diagrama CD visual.

## Casos de uso

- Avaliação de benchmarks de múltiplos modelos de classificação supervisionada em conjuntos de dados do UCI/OpenML.
- Comparação de novos algoritmos de regressão propostos contra linhas de base consolidadas da literatura.
- Geração de relatórios de validação estatística para seleção final de modelos em esteiras de engenharia de dados.

## Perguntas frequentes

### Qual é a diferença entre os testes de Friedman e Iman-Davenport?

O teste de Friedman utiliza uma distribuição qui-quadrado que pode ser conservadora em amostras menores; o teste de Iman-Davenport ajusta essa estatística para uma distribuição F mais precisa.

### Quando devo usar Bonferroni-Dunn em vez do teste Nemenyi?

Utilize Bonferroni-Dunn quando o objetivo principal for comparar múltiplos algoritmos desafiantes exclusivamente contra uma linha de base (controle), aumentando o poder estatístico.

### O que representam os cliques (linhas horizontais) no diagrama CD?

Grupos de algoritmos conectados por uma mesma linha horizontal não apresentam diferença estatisticamente significativa entre si de acordo com o valor crítico CD calculado.

### Como a ferramenta lida com métricas de erro como RMSE?

Ao configurar a direção como 'Menor é melhor', a ferramenta atribui os melhores ranks (menores valores numéricos de posição) aos menores valores da matriz.

### Qual formato de entrada deve ser utilizado na matriz de pontuações?

Texto estruturado em formato CSV com vírgulas, onde a primeira coluna identifica o dataset e as demais colunas representam os modelos avaliados.

## Ferramentas relacionadas

- [Analisador de Curtose](https://elysiatools.com/pt/tools/kurtosis-analyzer): Analisar a curtose dos dados para medir a "caudalosidade" da distribuição e detectar padrões de caudas pesadas ou leves
- [Analisador de Correlação](https://elysiatools.com/pt/tools/correlation-analyzer): Ferramenta avançada de análise de correlação que calcula coeficientes de correlação entre variáveis para medir a força e direção de suas relações lineares. Perfeito para análise estatística, modelagem financeira, pesquisa científica e exploração de dados. Recursos: - Múltiplos métodos de correlação (Pearson, Spearman, Kendall) - Geração de matriz de correlação - Teste de significância estatística (valores-p) - Cálculo de intervalos de confiança - Visualização de mapa de calor - Geração de matriz de gráficos de dispersão - Estratégias de tratamento de valores ausentes - Detecção e tratamento de valores atípicos - Capacidades de análise de grupo - Relatórios estatísticos detalhados Casos de Uso Comuns: - Análise de mercado financeiro e avaliação de risco - Pesquisa científica e teste de hipóteses - Análise de comportamento do cliente e marketing - Análise de dados de saúde e médicos - Controle de qualidade e otimização de processos - Avaliação de desempenho educacional
- [Gerador de Tabela Dinâmica](https://elysiatools.com/pt/tools/pivot-table-generator): Gerar tabelas dinâmicas interativas de dados CSV/JSON com configuração personalizável de campos de linha, coluna e valor
- [Analisador de Regressão](https://elysiatools.com/pt/tools/regression-analyzer): Ferramenta avançada de análise de regressão para realizar análise de regressão linear, calcular estatísticas de regressão e fazer previsões. Perfeita para modelagem estatística, análise de tendências, previsão e entendimento de relacionamentos entre variáveis. Recursos: - Regressão linear simples (y = mx + b) - Suporte para regressão linear múltipla - Cálculo de coeficientes de regressão - Testes de significância estatística - R-quadrado e R-quadrado ajustado - Análise de resíduos e diagnósticos - Intervalos de previsão e intervalos de confiança - Detecção de valores atípicos em regressão - Métricas de validação de modelo - Diagnósticos de regressão visual - Suporte para transformação de dados Casos de Uso Comuns: - Previsão de vendas e análise de tendências - Modelagem financeira e avaliação de risco - Pesquisa científica e teste de hipóteses - Controle de qualidade e otimização de processos - Análise de marketing e ROI - Pesquisa médica e biológica
- [Analisador de Assimetria](https://elysiatools.com/pt/tools/skewness-analyzer): Analisar a assimetria dos dados para medir a assimetria da distribuição de probabilidade e identificar padrões de dados
- [Gerador de ideias de domínio com IA](https://elysiatools.com/pt/tools/ai-domain-name-idea-generator): Insira palavras-chave da marca e a IA gera até 10 ideias de domínio, filtrando as já registradas via DNS + RDAP. Para empreendedores e desenvolvedores.
- [Calculadora de Empuxo (Arquimedes, F = ρ·V·g)](https://elysiatools.com/pt/tools/buoyancy-calculator): Calcula empuxo, densidade do fluido ou volume deslocado a partir de dois deles, com análise de flutuação
- [Analisador de coortes, RFM e funil](https://elysiatools.com/pt/tools/cohort-retention-rfm-funnel-analyzer): Cole um CSV de pedidos ou eventos e receba a pilha de growth numa página: triângulo de retenção com mapa de calor, RFM por quintis mapeado nos dez segmentos padrão de ciclo de vida e funil de ordem estrita.

## Exemplos

- [Exemplos de Processamento de Imagem Web Python](https://elysiatools.com/pt/samples/web-image-processing-python): Exemplos de processamento de imagem Web Python usando PIL/Pillow incluindo leitura, salvamento, redimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Android Java](https://elysiatools.com/pt/samples/android-image-processing-java): Exemplos de processamento de imagem Android Java incluindo leitura/escrita, dimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Android Kotlin](https://elysiatools.com/pt/samples/android-image-processing-kotlin): Exemplos de processamento de imagem Android Kotlin incluindo leitura/escrita, dimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Web Rust](https://elysiatools.com/pt/samples/web-image-processing-rust): Exemplos de processamento de imagem Web Rust incluindo leitura/gravação, redimensionamento e conversão de formato