Definio

Qui Quadrado, simbolizado por , um teste de hipteses que se destina a encontrar um valor da disperso para duas variveis nominais, e avaliar a associao existente entre variveis qualitativas. um teste no paramtrico, ou seja, no depende de parmetros populacionais, como mdia e varincia. O princpio bsico deste mtodo comparar propores, isto , as possveis divergncias entre as frequncias observadas e esperadas para um certo evento. Evidentemente, pode-se dizer que dois grupos se comportam de forma semelhante se as diferenas entre as frequncias observadas e as esperadas em cada categoria forem muito pequenas, prximas a zero. Portanto, o teste utilizado para: Verificar se a frequncia com que um determinado acontecimento observado em uma amostra se desvia significativamente ou no da frequncia com que ele esperado. Comparar a distribuio de diversos acontecimentos em diferentes amostras, a fim de avaliar se as propores observadas destes eventos mostram ou no diferenas significativas ou se as amostras diferem significativamente quanto s propores desses acontecimentos. Condies necessrias Para aplicar o teste as seguintes proposies precisam ser satisfeitas: Os grupos devem ser independentes, Os itens de cada grupo so selecionados aleatoriamente, As observaes devem ser frequncias ou contagens, Cada observao pertence a uma e somente uma categoria e A amostra deve ser relativamente grande (pelo menos 5 observaes em cada clula e, no caso de poucos grupos, pelo menos 10. Exemplo: em tabelas 2x 2).

Como calcular
Karl Pearson props a seguinte frmula para medir as possveis discrepncias entre propores observadas e esperadas: = [(o - e)2 /e]

em que o = frequncia observada para cada classe, e = frequncia esperada para aquela classe. Note-se que (o - e) = desvio (d), portanto a frmula tambm pode ser escrita como = (d2 /e) Percebe-se que as frequncias observadas so obtidas diretamente dos dados das amostras, enquanto que as frequncias esperadas so calculadas a partir destas. importante notar que o desvio d = (o - e) a diferena entre a frequncia observada e a esperada em uma classe. Quando as frequncias observadas so muito prximas s esperadas, o valor de pequeno. Mas, quando as divergncias so grandes (o - e) passa a ser tambm grande e, consequentemente, assume valores altos.

Hipteses a serem testadas

O pesquisador trabalha com duas hipteses: Hiptese nula: As frequncias observadas no so diferentes das frequncias esperadas. No existe diferena entre as frequncias (contagens) dos grupos. Portanto, no h associao entre os grupos Hiptese alternativa: As frequncias observadas so diferentes da frequncias esperadas, portanto existe diferena entre as frequncias. Portanto, h associao entre os grupos.

Procedimento necessrio obter duas estatsticas denominadas a tabela de , clique aqui). calculado e tabelado. (Para ver

As frequncias observadas so obtidas diretamente dos dados das amostras, enquanto que as frequncias esperadas so calculadas a partir destas. Assim, o calculado obtido a partir dos dados experimentais, levando-se em considerao os valores observados e os esperados, tendo em vista a hiptese. J o tabelado depende do nmero de graus de liberdade e do nvel de significncia adotado.

A tomada de deciso feita comparando-se os dois valores de Se calculado > ou = tabelado: Rejeita-se Ho. Se calculado < tabelado: Aceita-se Ho.

Quando se consulta a tabela de observa-se que determinada uma probabilidade de ocorrncia daquele acontecimento. Portanto, rejeita-se uma hiptese quando a mxima probabilidade de erro ao rejeitar aquela hiptese for baixa (alfa baixo). Ou, quando a probabilidade dos desvios terem ocorrido pelo simples acaso baixa. O nvel de significncia (alfa) representa a mxima probabilidade de erro que se tem ao rejeitar uma hiptese. O nmero de graus de liberdade, nesse caso assim calculado: G.L. = nmero de classes - 1 E, evidentemente, quanto maior for o valor do varivel dependente e a varivel independente. Exemplo 1: Se uma moeda no viciada for jogada 100 vezes, espera-se obter 50 caras e 50 coroas, j que a probabilidade de cair cara (p) = e a de cair coroa (q) tambm = . Entretanto, na prtica, muito difcil obter valores observados, idnticos aos esperados, sendo comum encontrar valores que se desviam dos tericos. Supondo que uma moeda foi jogada 100 vezes e se obteve 60 caras e 40 coroas. a. Qual ser o valor de ? b. Como se pode interpretar esse valor? mais significante a relao entre a

Resolvendo: As frequncias esperadas em cada classe so calculadas por: p.N. Portanto: E(cara) = .100 e E(coroa) = .100 Assim, os valores esperados so: cara: 50 e coroa: 50 e os observados so: cara: 60 e coroa: 40. = [(60 50)2 / 50] + [(40 50)2 / 50] a. Valor de =2+2=4

O que significa esse nmero? Ou seja, como se analisa um teste de ? Supondo que em vez de lanarmos 100 moedas uma nica vez, tivssemos feito inmeros lanamentos de 100 moedas. Se calcularmos o a cada 100 lanamentos, e, depois, colocarmos todos os resultados em um grfico, teria sido obtida a figura ao lado. Nota-se que os valores pequenos de ocorrem mais frequentemente que os grandes, pois se um experimento puder ser representado pelo modelo terico proposto, pequenos desvios casuais entre propores esperadas e observadas ocorrero em maior nmero do que grandes desvios. Tomando a rea total sob a curva como 100%, sabe-se que o valor 3,841 delimita 5% dela. Este o valor crtico de qui quadrado conhecido como . Portanto, espera-se em experimentos semelhantes, que valores de menores que 3,841 tenham 95% de probabilidade de ocorrncia. Sempre que o valor de for menor que 3,841 aceita-se a hiptese de igualdade estatstica entre os nmeros de observados e de esperados (H0). Ou seja, admite-se que os desvios no so significativos.

b. Como se pode interpretar esse valor? No exemplo dado, como o valor de Qui Quadrado obtido ( 4 ) para 2 classes foi maior que o esperado ao acaso (3,841), aceita-se a hiptese alternativa e admite-se que a moeda seja viciada.

Como usar a tabela

Entretanto, importante notar que esse raciocnio e deciso s so vlidos quando h 2 classes possveis de eventos. (Como no exemplo dado, em que o lanamento da moeda pode resultar em 2 acontecimentos: cara ou coroa). Mas, se tivssemos lanado um dado seriam 6 classes possveis. Como faramos, ento? Deve-se consultar uma tabela de e lembrar que, nesse caso:

G.L. = nmero de classes - 1

A tabela de Qui Quadrado mostra o nmero de Graus de liberdade nas linhas e o valor da Probabilidade nas colunas. Na coluna referente a 5% de probabilidade encontra-se o valor crtico de qui quadrado ( ), com o qual deve ser comparado o valor calculado de .

GL \ P 1 2 3 4 5 ...

0,99 0,95 0,90 0,0002 0,004 0,016 0,020 0,103 0,211 0,115 0,352 0,584 0,297 0,711 1,064 0,554 1,145 1,610

0,80 0,064 0,446 1,005 1,649 2,343

... ... ... ... ... ...

0,05 3,841 5,991 7,815 9,488 11,070

0,02 5,412 7,824 9,837 11,668 13,388

0,01 6,635 9,210 11,345 13,277 15,080

0,001 10,827 13,815 16,266 18,467 20,515

Aceita-se a hiptese de igualdade estatstica entre os nmeros de observados e de Concluso esperados (H0 ). Os desvios no so significativos.

Rejeita-se H0 e aceita-se H1. Os nmeros de obs e esp so estatisticamente diferentes. Os desvios so significativos.

Exemplo 2: Se um dado no viciado for jogado 6 vezes, espera-se obter 1 vez cada face (1, 2, 3, 4, 5 e 6) j que a probabilidade de cair qualquer face 1/6. Supondo que um dado foi jogado 186 vezes e se obteve: Face 1 34 Face 2 29 Face 3 30 Face 4 32 Face 5 28 Face 6 33

a. Qual ser o valor de ? b. Como se pode interpretar esse valor?

Resolvendo: As frequncias esperadas em cada classe so calculadas por: p.N. Portanto: E(face 1) = E(face 2) = E(face 3) = E(face 4) = E(face 5) = E(face 6) = p.N = 1 / 6 .186 = 31

a. Qual ser o valor de

? :

Assim, os valores parciais so somados: e chega-se ao valor de

observado esperado

34 31

29 31

30 31

32 31

28 31

33 31

parcial 0,2903 0,1290 0,0322 0,0322 0,2903 0,1290 = ( 0,2903 + 0,1290 + 0,0322 + 0,0322 + 0,2903 + 0,1290) = 0,903 b. Como se pode interpretar esse valor? Lembrando que G.L. = nmero de classes -1, como h h 6 classes, G.L. = 5. Verificando-se a tabela de na linha em G.L. = 5 encontra-se igual a 11,070. Como o valor de Qui Quadrado obtido ( 0,903 ) foi menor que o esperado ao acaso ( 11,070) admite-se que o dado seja honesto. Para facilitar os clculos para certas propores utilize uma planilha especial: Qui Quadrado, com at 4 classes, havendo propores esperadas Copie a planilha comprimida em formato xls ou em ods

Em tabelas de contingncia
At aqui foram analisadas situaes em que havia uma hiptese baseada em alguma teoria, gerando propores esperadas. Por exemplo, efetuar um experimento semelhante ao de Mendel e verificar se a distribuio de uma certa varivel obedece a proporo 3 :1.

Entretanto, o teste de pode ser aplicado em casos em que no se dispe de uma teoria que permita efetuar o clculo de classes esperadas. Por exemplo, supondo que se deseja verificar se uma caracterstica se distribui igualmente entre os sexos, ou em classes sociais, ou em diferentes grupos raciais, ou em grupos etrios, ou em localizaes geogrficas ou... Note-se que no existe um modo de calcular os esperados. Nesses casos constri-se uma tabela de contingncia.

Hipteses a serem testadas Hiptese nula, H0 : No h associao entre os grupos, ou seja, as variveis so independentes. Hiptese alternativa, Ha : H associao entre os grupos, ou seja, as variveis so dependentes.

Clculo dos esperados:

A frequncia esperada em cada classe calculada pela multiplicao do total de sua coluna, pelo total de sua linha, dividindo-se o produto pelo total geral da tabela (N). E = total marginal da linha x total marginal da coluna / total (N) O nmero de graus de liberdade, quando os dados esto em tabela de contingncia assim calculado: G.L. = nmero de linhas - 1 x nmero de colunas - 1

Procedimento necessrio obter duas estatsticas denominadas tabela de , clique aqui). calculado e tabelado. (Para ver a

A tomada de deciso feita comparando-se os dois valores de ou = tabelado: Rejeita-se Ho.

: Se

calculado >

Critrio: Se calculado < tabelado: Aceita-se Ho.

Exemplo: Os resultados abaixo provm de um teste sorolgico aplicado a indivduos pertencentes a 3 amostras compostas por indivduos de provenientes de diferentes faixas etrias (crianas, adolescentes e adultos). Por prova a hiptese de que a proporo de indivduos com reao positiva no difere significativamente nas 3 amostras contra a hiptese de que isso no verdadeiro. AMOSTRA Crianas Jovens Adultos Total Reao + 25 15 10 50 Reao 45 25 30 100 Total 70 40 40 150

Para calcular os esperados multiplica-se os totais parciais relativos a cada casela e divide-se pelo total geral (N). Por exemplo, na casela crianas + = 50 x 70 / 150 = 23,3333 Depois calcula-se os qui quadrados parciais. Por exemplo, na casela crianas + = (o-e)2 /e = [(25 - 23,3333)2 / 23,3333)] = 0,1190. Depois, calcula-se a parcela de referente a cada casela. Ao final, soma-se as parcelas e obtm-se o . Amostra Crianas Esp (o-e)2 /e Jovens Esp (o-e)2 /e Adultos Esp (o-e)2 /e Total Reao + 25 23,3333 0,1190 15 13,3333 0,2083 10 13,3333 0,8333 50 Reao 45 46,6667 0,0595 25 26,6667 0,1042 30 26,6667 0,4167 100 Total 70

40

40

150

= 0,1190 + 0,0595 + 0,2083 + 0,1042 + 0,8333 + 0,4167. Portanto,

= 1,7410

O nmero de GL em tabelas assim calculado: GL = (nmero de linhas -1) x (nmero de colunas -1). Portanto: GL = (2 - 1) x (3 - 1) = 2 Depois, consulta-se a tabela de Qui quadrado e verifica-se que Como o valor de significativos. obtido menor que o = 5,991.

conclui-se que os desvios no so

Portanto, os indivduos pertencentes s 3 amostras ( crianas, adolescentes e adultos ) reagem do mesmo modo ao teste sorolgico, no havendo influncia das diferentes faixas etrias sobre o resultado do teste. Assim sendo, o resultado sorolgico independe dos grupos etrios.

Para facilitar os clculos utilize uma planilha especial: Qui Quadrado, em tabelas de contingncia, com ordem at 5 x 5 Copie a planilha comprimida em formato xls ou como ods

Correo de Yates (ou Correo de continuidade)

Ao aplicar o teste de supe-se que o tamanho das amostras seja "grande". calculado aproximado, pois

Mas em situaes prticas, o valor de

- utiliza-se amostras de tamanho finito, - o valor da frequncia observada s assumir os valores de nmeros inteiros, ou seja nunca haver por exemplo 2,73 indivduos observados. Quando se obtm um valor de significativo mas nota-se que a amostra pequena e/ou que a frequncia esperada em uma das classes pequena (tipicamente, quando for menor que 5) a frmula de obteno de poder produzir um valor maior que o real. Alguns autores, entre eles Ronald Fisher, recomendam que se observe a seguinte restrio:

O teste de pode ser usado se o nmero de observaes em cada casela da tabela for maior ou igual a 5 e a menor frequncia esperada for maior ou igual a 5. Em caso contrrio, em cada classe deve ser utilizada a correo de Yates: = [( | o -e | - 0,5)2/ e ]

Evidentemente, no preciso usar a correo de Yates se o valor de obtido for menor que , pois o novo valor ser menor que o primeiro, continuando a no ser significativo. Apesar do assunto ser controverso, de modo geral, usa-se a correo de Yates quando: - o valor de Qui Quadrado obtido maior que o crtico e - o valor de N menor que 40 ou - h pelo menos uma classe com nmero de esperados menor que 5.

Exemplo 1 Supondo uma coleo de irmandades, com N = 16, filhos de casais com um cnjuge afetado por uma anomalia endgena. 4 dentre os filhos tambm apresentam a doena. A caracterstica obedece o padro de transmisso autossmico, dominante e monognico? A genealogia seria:

Em 16 filhos espera-se 8 normais e 8 anormais. Mas foram observados 12 normais e 4 anormais. Obtm-se o valor de Qui quadrado: = [(12 - 8)2 / 8 + (4 - 8)2 / 8] = 2 + 2 = 4 Simplesmente analisando o valor de concluiria-se que como maior que (3,841) os desvios no so devidos ao acaso. Portanto, conclui-se que a doena no obedece o padro de transmisso autossmico, dominante e monognico. Entretanto, deve-se reparar que:

N menor que 40 e o valor de Qui Quadrado obtido maior que o crtico Portanto, deve-se aplicar a correo de Yates: = [ (| o1 - e1 | - 0,5)2 / e1 + (| o2 - e2 | - 0,5)2 / e2)] = [( | 12 - 8 | - 0,5)2 / 8 + ( | 4 -8 | - 0,5)2 / 8)] = 1,51313 + 1,51313 = 3,062

importante notar que agora, aps ter sido aplicada a correo, alterada a deciso a que o teste permite chegar.

<

, ou seja, ser

Portanto, aceita-se que os desvios so devidos ao acaso. Assim, conclui-se que a doena obedece o padro de transmisso autossmico, dominante e monognico.

Exemplo 2 Suponha que numa cidade X foram coletados os dados abaixo relacionando sexo do indiv'iduo com a alergia a plen. Sexo / Tem alergia? Mulheres Homens Total Sim 10 13 23 No 9 2 11 Total 19 15 34

Para calcular os esperados multiplica-se os totais parciais relativos a cada casela e divide-se pelo total geral (N). Depois calcula-se os qui quadrados parciais utilizando (o-e)2 /e. Depois, calcula-se a parcela de referente a cada casela. Ao final, soma-se as parcelas e obtm-se o : Sexo / Tem alergia? Mulheres Esp (o-e)2 /e Homens Esp (o-e)2 /e Total Tem alergia 10 12,85 0,6333 13 10,15 0,8021 23 No tem alergia 9 6,15 1,3241 2 4, 85 1,6772 11 Total 19

15

34

= 0,6333 + 0,8021 + 1,3241 + 1,6772. Portanto,

= 4,4367

Como o nmero de GL em tabelas 2x2 GL = (2 - 1) x (2 - 1) = 1, percebe-se que 3,841. Como obtido maior que o crtico os desvios no so devidos ao acaso. Portanto, concluiria-se que a alergia depende do sexo. Entretanto, deve-se reparar que: N menor que 40, o valor de Qui Quadrado obtido maior que o crtico e h pelo menos uma classe com nmero de esperados menor que 5. Portanto, deve-se aplicar a correo de Yates: = [( | on - en | - 0,5)2 / en )]

Amostra Mulheres Esp (o-e)2 /e Homens Esp (o-e)2 /e Total

Fuma 10 12,8529 0,4307 13 10,1471 0,5456 23

No fuma 9 6,1471 0,9006 2 4, 8529 1,1408 11

Total 19

15

34

= 0,4307 + 0,5456 + 0,9006 + 1,1408. Portanto, = 3,0178 Novamente, ressalta-se que agora, aps ter sido aplicada a correo, ser alterada a deciso a que o teste permite chegar.

<

, ou seja,

Nesse caso, aceita-se que os desvios so devidos ao acaso e conclui-se que a alergia no depende do sexo. Para facilitar os clculos utilize uma planilha especial: Qui Quadrado, em tabelas de contingncia, com ordem at 2 x 2, com correo de Yates Copie a planilha comprimida em formato xls ou em ods

Teste exato de Fisher

Em amostras pequenas o erro do valor de Qui quadrado alto e, portanto, o teste no recomendvel. Ronald Fisher apresentou outro teste que permite calcular a probabilidade de associao das caractersticas que esto em anlise, ou seja, a probabilidade de tais caractersticas serem independentes, quando o nmero total de dados pequeno . Assim, em amostras pequenas deve-se executar esse teste, pois produz erro menor que o teste de Qui Quadrado. Apesar do assunto ser um pouco controverso, de modo geral usa-se o Teste exato de Fisher quando: o valor de N < 20 ou 20 < N < 40 e a menor frequncia esperada for menor que 5. A anlise do teste de Fisher feita como a de

GL / P 1 2 ...

0,99
. . .

0,95
. .

0,90
. .

0,80
. .

...
. . .

0,05
. .

0,02
. . .

0,01
.. .. ..

0,001

Os desvios no so significativos. As variveis estudadas so independentes. A associao entre as variveis devida ao acaso.

Os desvios so significativos. As variveis no so independentes. A associao entre as variveis estudadas no devida ao acaso.

A probabilidade calculada ser igual ao produto dos fatoriais dos totais marginais pelo fatorial do total geral multiplicado pelo inverso do produto dos fatorais dos valores observados em cada classe. Para facilitar, identifiquemos as clulas por letras. A probabilidade de dependncia das duas amostras ser definida por: P = [( G! H! E! F! ) / I! ] x [1 / ( a! c! b! d! )]

1. Se houver clula com o valor zero

Exemplo Supondo a presena de uma determinada enzima em pessoas submetidas a uma reao sorolgica:
Reao + Total Enzima Presente Ausente 5a 0b 5E 1c 3d 4F 6G 3H 9I Total

P = [( G! H! E! F! ) / I! ] x [1 / ( a! c! b! d! )] P = [(6! 3! 5! 4!) / 9! ] x [1 / (5! 1! 0! 3!)] = 0,0476 = 4,76% Como esse valor menor que 5% a hiptese das caractersticas serem independentes rejeitada, dizendo-se que a sua associao no casual.

2. Se no houver clula com o valor zero

Deve-se: a. calcular a probabilidade identicamente ao escrito acima b. construir outra tabela 2x2, subtraindo-se uma unidade dos valores da diagonal que contiver o menor nmero de casos e adicionando essa unidade aos valores das caselas da outra diagonal c. calcular novamente a probabilidade d. esse processo continuar at que se atinja o valor 0 e. somar todas as probabilidades calculadas Exemplo Supondo que os valores obtidos sejam: Total 8 7 15

Reao + Total Calcularamos

Enzima Presente Ausente 5 3 2 5 7 8

Total 5 3 8 P = (8! 7! 7! 8! / 15!) (1 / 5! 3! 2! 5!)

2 5 7 Total 7 8 15
.

P = 0,1828

6 2 8 1 6 7 Total 7 8 15
.

P = (8! 7! 7! 8! / 15!) (1 / 6! 2! 1! 6!) P = 0,0305

7 1 8 0 7 7 Total 7 8 15

P = (8! 7! 7! 8! / 15!) (1 / 0! 7! 1! 7!) P = 0,0012

P = 0,1828 + 0,0305 + 0,0012 = 0,2145 = 21,45 % Nesse caso, como o valor encontrado de P maior que 5%, a hiptese das caractersticas serem independentes aceita, dizendo-se que a sua associao casual. Observao: Em tabelas com mais de 2 colunas ou 2 linhas, ou seja, quando G.L. > 1, pode-se utilizar o teste de se o nmero de caselas com frequncia esperada inferior a 5 menor que 20% do total de caselas e nenhuma frequncia esperada for zero.

Para facilitar os clculos utilize uma planilha especial: Teste Exato de Fisher em tabelas 2 x 2 Copie a planilha comprimida em formato xls ou em ods

Heterogeneidade entre amostras

Pode-se testar se amostras diferentes em uma srie de experimentos semelhantes so homogneas ou no. Nesse caso, calcula-se o Depois, soma-se os de cada amostra e o do total delas ( ).

obtidos para cada amostra ( ).

) e da soma se subtrai o valor

obtido para o total de qui quadrados ( O valor final obtido o Exemplo

de heterogeneidade.

Em 3 amostras de filhos de casais MN, obteve-se: Amostras MM MN NN Total Belm - PA 19 38 23 80 Macei - AL 18 25 17 60 So Carlos - SP 8 23 9 40 Total 45 86 49 180 Propores 1/4 1/2 1/4 esperadas Pergunta-se: As amostras so homogneas? Nesse caso, deve-se calcular o para cada amostra, a partir de propores esperadas (MM = 1/4, MN = 1/2 e NN = 1/4), obtendo-se: Amostras Belm - PA Macei - AL So Carlos - SP Total (19-20) /20 + (38-40) /40 + (23-20)2 /20 (18-15)2 /15 + (25-30)2 /30 + (17-15)2 /15 ( 8-10)2 /10 + (23-20)2 /20 + ( 9-10)2 /10 (45-45)2 /45 + (86-90)2 /90 + (49-45)2 /45
2 2

GL 0,600 1,700 0,950 0,534 2 2 2 2

Para obter a

basta somar os valores de

obtidos em cada classe e os seus G.L.:

0,600 + 1,700 + 0,950 = E, ento, subtrair de

= 3,250 e GL = 2 + 2 + 2 = 6.

3,250 - 0,534 = 2,716 e GL = 6 - 2 = 4. Portanto, Na tabela verifica-se que crtico = 9,488.

= 2,716.

Conclui-se que como o valor de calculado menor que o de aceita-se que os desvios so devidos ao acaso, no sendo significativos. Portanto as amostras so homogneas.

Teste de hipteses e a distribuio de Poisson

Quando se quer provar se os dados de uma mostra seguem a distribuio de Poisson deve-se: reunir em uma nica classe as que tiverem valores esperados menores que 5 calcular os esperados segundo a distribuio de Poisson Nmero de vezes em que o evento 0 1 2 3 4 ocorre: Nmeros esperados de amostras n/eu nu/eu nu2/2.eu nu3 1/2.3.eu nu4 1/2.3.4.eu

calcular a parcela de , ou seja [(o-e)2 /e] referente a cada classe GL = nmero de classes - 2 ( o total e a mdia da amostra) Exemplo Foram observados os seguintes nmeros de tripanossomos em 128 campos de um hemocitmetro Tripanossomos Freq. Obs. 0 1 2 3 4 5 6 7 >7 Total 26 37 31 18 10 3| 3|6 0| 0| 128 Freq. Esp. 21,9 38,7 34,1 20,1 8,9 3,1 | 0,9 | 4,3 0,2 | 0,1 |

Portanto, os dados resultaram em Tripanossomos 0 1 2 3 Freq. Obs. 26 37 31 18 Freq. Esp. 21,9 38,7 34,1 20,1 (o-e)2 /e 0,768 0,075 0,282 0,219

4 >5 Total GL = 6 - 2 = 4 e crtico = 9,488.

10 6 128

8,9 4,3 128,0

0,136 0,672 = 2,152

Como o encontrado menor que o crtico conclui-se que os desvios no so significativos. Portanto, pode-se aceitar que o nmero de tripanossomos encontrado segue a distribuio de Poisson.

Mtodos "simplificados" para clculo em tabelas 2 por x

At algumas dcadas atrs, quando no se usava calculadoras ou computadores, eram utilizadas maneiras de efetuar clculos em alguns tipos de tabelas que facilitavam em muito a obteno de resultados, por efetuarem menor nmero de operaes. Assim, quase que s por curiosidade, alguns esto especificados aqui.