Escolar Documentos
Profissional Documentos
Cultura Documentos
DEPARTAMENTO DE ESTATSTICA
APOSTILA
ESTATSTICA NAO-PARAMTRICA
ndice
I - Mtodos Estatsticos No-Paramtricos
1.1 - Suas vantagens e desvantagens
1.2 - Discusso geral dos testes estatsticos
1.3 - Escolha do teste estatstico adequado
1.4 - Nveis de mensurao.
Referncias Bibliogrficas
1 - SIEGEL, Sidney (1956). Estatstica No - Paramtrica para as Cincias do
Comportamento, McGraw-Hill.
2 - CAMPOS, H. (1983). Estatstica Experimental No - Paramtrica, ESALQ.
3 - GIBBONS, Jean D. (1971). Nonparametric Statistical Inference, McGraw-Hill.
4 - HOLLANDER, M. and WOLFG, D.A. (1973). Nonparametric Statistical Method,
John Wiley & Sons.
5 - CONOVER, W.J. (1971). Practical Nonpararnetric Statistics, John Wiley & Sons.
(0;,1]
(,1;,2]
X = 0,314
(,2;,3]
(,3;,4]
(,4;,5]
s 2 = 0,07
(,5;,6]
(,6;,7]
> ,7
s = 0,264
X 0,314 0,35
=
= 0,72
s
0,264
H a : < 0,35
n
28
No temos porque rejeitar a hiptese nula ao usarmos o teste de hiptese paramtrico.
Assim a afirmao do fabricante estar comprovada. Porm;
t=
podemos notar uma grande assimetria na distribuio dos dados, o que causou um
aumento do valor da mdia em favor da hiptese nula;
Observamos que 8 amostras apresentaram alto teor de concentrao de inseticida (>0,60) e
a grande maioria (71%) no passou de 0,40;
Essas amostras de solo foram obtidas perto de um rio (parte baixa da rea) para onde
provavelmente desceu o pesticida levado pela ao das chuvas;
b) Escala Ordinal
Utiliza nmeros apenas para classificarmos elementos numa ordem crescente
ou decrescente. Existe assim algum tipo de relao entre as categorias embora a
diferena entre elas seja de difcil quantificao.
Exemplos:
Classes scio - econmicas: (A, B, C, D, E)
Patentes do Exrcito (soldado, cabo, sargento, etc)
Opinio de um determinado produto (Ruim, Regular, Bom, Muito bom,
Excelente)
Estes testes so teis para verificar se determinada amostra pode provir de uma
populao especificada. So usualmente conhecidos como testes de aderncia ou bondade do
ajuste. Neste caso, retira-se uma amostra aleatria e compara-se a distribuio amostral com a
distribuio de interesse.
2.1 TESTE BINOMIAL
aplicado em amostras provenientes de populaes que constituem-se de apenas 2
categorias (variveis dicotmicas).
Exemplo: (masculino, feminino), (negativo, positivo), (defeituoso, perfeita)
til para verificarmos se a proporo de sucesso p observada na amostra pode
pertencer a uma populao com um determinado valor de p.
2.1.1 Pressupostos
Cada observao classificada como sucesso ou fracasso;
A probabilidade p de sucesso no se altera com a repetio do experimento;
As n tentativas so independentes.
2.1.2 O Mtodo
Este mtodo ir calcular a probabilidade de obter valores mais extremos do que
os observados.
Inicia-se com a formulao das hipteses:
H 0 : p = p0
H a : p > p0 ou H a : p < p0 (unilateral) ou H a : p p0 (bilateral)
Determinar N;
Determinar as freqncias observadas;
De acordo com a hiptese, calculamos com a ajuda da Distribuio Binomial
e/ou tabela, a probabilidade de ocorrncia de valores mais extremos do que o
observado (nmero de sucessos):
x
N
N i N i
N i N i
P( X x ) =
p q ou P ( X x ) =
p q
*
i
i
i =0
i=x
*dependendo da hiptese alternativa
5
i =0
N i N i
p q
=
i
5
i =0
11 i 11i
p q
= 0,5
i
Pequenas Amostras
Consideramos aqui N 25 ento:
P( X x ) =
(para p = 1
i =0
p i q N i ou P ( X x ) =
i=x
p i q N i
Tabela D SIEGEL)
Grandes Amostras
Consideramos aqui
N > 25 e
p 1
x np
npq
Tabela: A SIEGEL
Ha : p
versus
0,30
Obs: note que a hiptese alternativa foi definida pelos dados amostrais, pois p =
x
P ( X 5) =
i=0
16
i =0
p i q N i = 1
5
.
16
Concluso: Com um nvel de significncia de 5% no rejeitamos a hiptese nula pois o pvalor aproximadamente igual a 0,55. No podemos afirmar que a proporo de seguidores
com idades superiores a 60 anos superior a 30%.
Exemplo 3: Num ensaio de degustao de caf, cada mesa era constituda de 5 amostras,
sendo duas delas de caf mole e as 3 restantes, de caf comum. Dos 8 degustadores que
foram utilizados, 3 classificaram corretamente os tipos de caf.
Teste a hiptese de que os degustadores conseguem distinguir o caf mole dos demais.
H 0 : p = 0,10
P ( X 3) =
H a : p > 0,10
versus
8
p i q N i =
i
i =3 i
Concluso: A probabilidade de 3 ou mais degustadores distinguirem corretamente os tipos de
caf aleatoriamente de apenas 0,0381 ou 3,81%. Ao nvel de significncia de 5% rejeitamos
a hiptese nula. Isto indica que o resultado observado no deve ser devido ao acaso.
i =0
10
2.2.2 O Mtodo
Aps se definir a hiptese nula como a proporo esperada definida pela
distribuio de probabilidade em questo, testamos se as freqncias observadas
diferem muito das freqncias esperadas da seguinte forma:
(oi ei )2
i =1
ei
11
Exemplo 1: Deseja-se testar se a posio de largada de um cavalo (por dentro ou por fora)
influencia no resultado de uma corrida de cavalos.
Tabela 2.1 Distribuio do nmero de vitrias dos cavalos na sua posio de largada.
Posio
1
2
3
4
5
6
7
8
29
19
18
25
17
10
15
11
Nmero
de
18*
18*
18*
18*
18*
18*
18*
18*
Vitrias
Fonte: Livro-Siegel
* Resultado esperado pela hiptese nula
H 0 : f1 = f 2 =
2 =
k =1
(oi ei )2
ei
= f8
=
versus
H a : f1 f 2
18
f8
(11 18)2
18
= 16,3
72 indica que o valor 16,3 acusa um p-valor = 0,02224, considerado um valor exato e
bilateral.
Concluso: Ao nvel de significncia de 1% no rejeitamos H 0 , porm a um nvel de 5%
rejeitamos H 0 . So necessrias mais repeties do experimento para as concluses serem
mais confiveis. (Tabela C SIEGEL)
Exemplo 2: A tabela dada a seguir apresenta o nmero observado de falhas mecnicas, por
hora, em uma linha de montagem a partir de um experimento com durao de 40 horas.
Tabela 2.2 Distribuio do nmero de falhas mecnicas por hora em uma linha de
montagem.
Falhas
0
1
2
3
4
5
6
7 + de 7
0
6
8
11
7
4
3
1
0
Freq. Observada
1,6
5,2
8,3
8,9
7,1
4,6 2,4 1,1
0,7
Freq. Esperada
Fonte: Livro-Siegel
12
Como a tabela dada apresenta mais de 20% das freqncias com valores inferiores a 5
devemos unir as categorias. Assim:
2 =
(oi ei )2
k =1
ei
= 0,675
13
3 mulheres
2 homens
110
2 mulheres
3 homens
88
1 mulher
4 homens
40
0 mulheres
5 homens
8
Total
100
100
50
10
320
320
14
2.3.2 O Mtodo
Seja F0 ( X ) uma distribuio terica acumulada e S n ( X ) uma distribuio
observada em uma amostra de n observaes (distribuio emprica)
Encontra-se a seguir o maior valor das diferenas entre F0 ( X ) e S n ( X ) , ou
seja,
D = mx F0 ( X ) S n ( X )
Compara-se o valor observado com o valor crtico (Tbua E Siegel)
bilateral.
Na tabela associa-se o valor observado com o seu p-valor.
15
Exemplo 1: Num experimento para calibrar a luminosidade adequada de uma nova mquina
fotogrfica, foram tiradas 5 fotos de cada uma das 10 pessoas que participaram do
experimento. A cada pessoa perguntou-se qual das fotos apresentava uma qualidade maior, de
1 a 5, onde 1 representa um grau baixo e 5 um grau alto de luminosidade.
H 0 : f1 = f 2 =
= f5
versus
F0 ( X )
S10 ( X )
F0 ( X ) - S10 ( X )
H a : f1 f 2
1
1
5
0
10
2
10
2
2
5
1
10
3
10
f5
3
3
5
1
10
5
10
4
4
5
6
10
2
10
5
5
5
10
10
0
Concluso: Para n =10 a P(D 0,5) < 0,01 , portanto rejeita-se H 0 , em favor de H a . Os
indivduos apresentam preferncia significativa em relao ao grau de luminosidade.
Exemplo 2 :Verifique se os dados abaixo podem ser ajustados por uma distribuio de
Poisson com mdia igual a 1,2.
F0 ( X i )
0,3012
0,6626
0,8794
0,9661
0,9921
0,9983
Xi
fi
0
1
2
3
4
5
15
25
10
5
4
1
Sn (X i )
0,250
0,666
0,833
0,917
0,983
1,000
F0 ( X i ) - S n ( X i )
0,0512*
0,0041
0,0461
0,0494
0,0088
0,0017
Como vimos no exemplo acima os dados foram agrupados em classes ( i ), onde era
associado a cada valor Xi a sua respectiva freqncia f i . Este teste tambm pode ser aplicado
quando as classes so definidas por intervalos; no entanto desta forma ele perde em preciso.
fi
13
18
24
32
17
11
115
xi
2850
3150
3450
3750
4050
4350
F (xi )
0,332
0,397
0,465
0,534
0,602
0,667
S (xi )
0,111
0,265
0,478
0,756
0,904
1,00
F (xi ) - S (xi )
0,221
0,132
0,012
0,221
0,301
0,332
Podemos admitir que a produo mdia segue uma distribuio normal com mdia
= 3.600 e 2 = 3.000.000 ?
17
2.5.2 Mtodo
Seja n1 o nmero de elementos da categoria 1, n2 o nmero de elementos da
categoria 2 e N = n1 + n2
Se n1 e n2 < 20 verificamos o nmero r de iteraes, obtemos os limites inferior e
superior, que definem o nmero aceitvel de iteraes em caso de aleatoriedade
(Tbua F1 e F2 Siegel)
Se n1 ou n2 > 20 usamos a seguinte aproximao:
r =
2n1n2
+1
n1 + n2
r =
2n1n2 (2n1n2 n1 n2 )
(n1 + n2 ) 2 (n1 + n2 1)
Z=
r r
18
12
6
13
6
14
6
15
+
7
16
8
17 18
+
8 9
19 20
+ +
9 9
21
10
22
10
23
10
24
10
r =
r =
2.30.20
+ 1 = 25
50
2.30.20(2.30.20 30 20)
(30 + 20) 2 (30 + 20 1)
Z=
= 3,356
35 25
= 2,98
3,356
Concluso: Pela Tabela da Normal Padro temos pelo teste bilateral um p-valor igual a
0,0028. Assim, rejeitamos a hiptese nula. Na fila observada, a ordem de homens e mulheres
no foi aleatria.
19
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16
H
H
M H
M M M H
M M M H
H
H
H
M
125 127 128 132 133 135 136 137 140 141 142 143 144 145 146 147
Temos evidncias para acreditar que a ordem dos quocientes no seja aleatria?
20
Antes
A
B
Depois
A
B
a
b
c
d
a+c
b+d
a+b
c+d
2
(
b c)
=
2
b+c
Antes
A
B
Depois
A
B
37
3
13
47
50
50
40
60
N = b + c = 16
x=3
3
p =
= 0,1875
16
H 0 : P ( A, B ) = P (B, A)
H a : P ( A, B ) < P (B, A)
22
Exemplo 2: Numa campanha poltica, aps uma srie de fatos que supostamente denegririam
a imagem do candidato B em favor do candidato A, investigou-se as mudanas ocorridas com
relao preferncia do eleitorado. Os resultados so os seguintes.
Antes
A
B
H 0 : P ( A, B ) = P(B, A)
2
(
47 18)
=
2
47 + 18
Depois
A
B
83
47
18
52
101
99
versus
130
70
H a : P( A, B ) > P (B, A)
140
260
23
3.2.2 O Mtodo
Consiste na atribuio de sinais + ou - para cada situao dependendo
da diferena observada, e ento testar se a mediana nula. Da o nome Teste dos
Sinais.
Pequenas Amostras
1
, N sendo
2
o nmero de pares, e x o nmero de sinais que corresponde menor freqncia.
(Tbua D Siegel). Deve-se calcular P(X x).
Caso N 25 , fazemos uso da Prova Binomial considerando p0 =
24
Grandes Amostras
Quando N > 25 utilizamos a Aproximao Normal fazendo
N
2 = 2x N
N
N
4
x
z=
Empates
Algumas vezes pode ocorrer X i = Yi , ou seja , no h diferena entre os escores do par i.
Neste caso, os empates so eliminados da anlise.
25
P( X 1) =
1
ex=1
2
10 1 10 10 1 10
+
= 0,0107 Assim o p-valor = 0,0107 inferior a 0,05.
1 2
0 2
Concluso: Rejeitamos a hiptese nula, ento podemos dizer que o herbicida eficiente.
Depois
+
59
7
8
26
z=
59 (42,5)
85
4
Concluso: Rejeitamos H0, assim o filme teve efeito significativo sobre a atitude dos adultos.
26
Sinal
1
2
3
4
5
6
7
8
+
+
+
+
+
0
95%
n>6
63%
27
3.3.2 O Mtodo
Considere a tabela abaixo, onde so ilustrados os dados observados e os
escores de diferenas.
Tabela 3.3 Dados observados e escores de diferena
X
x1
x2
x3
y1
y2
y3
d1
d2
d3
xj
yj
dj
xn
yn
dn
1
2
0
H 0 : Mediana = 0
versus
H a : Mediana > 0
<0
dj
dn
consultamos a Tabela H Siegel que nos indicar a regra de deciso do teste. Esta
regra depende do tamanho da amostra n, se o teste unilateral ou bilateral, e o valores
dos d i ' s .
28
1
(d + d 2 ) > 0
a) n = 5 , H a : > 0 Se 2 1
d1 > 0
b) n = 6 , H a : < 0 Se mx d 5 ou
p = 0,062
p = 0,031
1
(d 4 + d 6 )
2
<0
Sem
Choque
5
4
3
5
2
4
2
2
4
4
3
1
5
3
1
Com
Choque
2
2
0
3
3
2
3
1
1
3
4
2
2
4
0
D
3
2
3
2
-1
2
-1
1
3
1
-1
-1
3
-1
1
29
min
1
(d1 + d12 ), 1 (d 2 + d11 ) > 0
2
2
Verdadeira
min
1
(d1 + d11 ), 1 (d 2 + d10 ) > 0
2
2
Verdadeira
1
(d1 + d10 ), 1 (d 5 + d 6 ) > 0 Falsa
2
2
p (unilateral ) = 0,023 e p (bilateral ) = 0,047
min
30
3.3.3 Discusso
Comparada prova paramtrica t, a prova de Walsh acusa poder eficincia de
95% para a maioria dos valores de n e .
31
3.4.2 O Mtodo
Considere, as diferenas dis onde di = Yi - Xi. Devemos ordenar os dis,
porm agora sem considerar o sinal da diferena (em mdulo).
Pequenas Amostras
Considere T sendo a menor soma dos postos de mesmo sinal. A tbua G Siegel apresenta valores de T tabelados e respectivos nveis de significncia
associados.
Compara-se ento o valor de T calculado com aqueles tabelados. O objetivo
testar se a mediana nula, ou seja,
H 0 : Mediana = 0
H a : Mediana > 0
Mediana < 0
Mediana 0
Grandes Amostras (N>25)
Neste caso T tem distribuio aproximadamente Normal e podemos usar a
aproximao considerando:
T =
N ( N + 1)
4
T =
N ( N + 1)(2 N + 1)
24
32
T T
Empates
Consideremos duas situaes :
a) Quando Xi = Yi , ou seja, a informao pr eqivale a informao ps para
um mesmo indivduo, descarta-se este par da anlise e redefinimos n como
sendo o nmero de pares tais que X i Yi para i = 1, 2, 3, ... , n.
b) Quando duas ou mais dis tem o mesmo valor atribui-se como posto a
mdia dos postos que seriam atribudos a eles caso no ocorresse empate.
Exemplo
Di
di
Postos
-5
5
5
5
2
2
5
7
10
-13
5
7
10
13
2
4
5
6,5
13
15
13
15
6,5
8
Clculo para
Empates
1+ 2 + 3
=2
3
6+7
= 6,5
2
33
Escola
1
2
3
4
5
6
7
8
9
10
11
% de ocluso Normal
Masculino (X) Feminino (Y)
8,7
7,7
18,6
9,6
8,0
16,0
12,9
13,4
10,9
9,6
13,4
13,0
11,9
23,7
14,3
6,2
20,0
9,6
14,4
13,8
6,6
15,1
di
di
1,0
9,0
-8,0
-0,5
1,3
0,4
-11,8
8,1
10,4
0,6
-8,5
1,0
9,0
8,0
0,5
1,3
0,4
11,8
8,1
10,4
0,6
8,5
4
9
6
2
5
1
11
7
10
3
8
versus
H a : me 0
34
Exemplo 3: Considere o quadro de notas abaixo referente a estudo para comparar a eficincia
de um novo mtodo de aprendizagem.
Aluno
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Nota 1
5.1
4.2
3.3
6
7.1
3.2
2.8
1.4
0.8
5.6
3.8
4.7
6.2
5.4
1.2
2.2
1.9
5.4
5.5
5.2
3.8
4.2
1.8
2.6
4.3
1.4
Nota 2
5.8
4.7
6.1
7.4
6.5
3.2
4.5
3.5
4
5.5
3.9
4.5
5
5.4
6
5
2.2
1.8
5.2
6
4.5
4.7
5.1
2.9
2.6
6.5
di
0.7
0.5
2.8
1.4
-0.6
0
1.7
2.1
3.2
-0.1
0.1
-0.2
-1.2
0
4.8
2.8
0.3
-3.6
-0.3
0.8
0.7
0.5
3.3
0.3
-1.7
5.1
Postos
10.5
7.5
18.5
14
9
15.5
17
20
1.5
1.5
3
13
23
18.5
5
22
5
12
10.5
7.5
21
5
15.5
24
Utilizaremos uma aproximao para a normal dado que a amostra aqui considerada grande.
H 0 : O novo mtodo no eficiente
H a : O novo mtodo foi eficiente
T =
24(24 + 1)
= 150
4
24.25.49
= 35
24
T = 69 Z = -2,31
Concluso: Como o valor de p igual a 0,0104 existem evidncias para se acreditar que o
novo mtodo eficiente.
35
Antes (Xi)
118
120
128
124
130
136
128
140
Depois (Yi)
127
128
136
131
135
138
125
136
di (Yi Xi)
Posto
3.4.3 - Discusso
Quando as suposies paramtricas esto atendidas, a eficincia do teste de
Wilcoxon de cerca de 95% tanto para pequenas como para grande amostras.
Embora semelhante, uma prova mais poderosa que a de Walsh.
36
3.5.2 O Mtodo
Pequenas Amostras (n <12)
Primeiramente calcula-se o nmero de combinaes possveis de resultados
variando-se o sinal das diferenas encontradas (2n). Define-se, pelo nvel de
significncia, o nmero de combinaes que iro definir a regio de rejeio.
Compara-se ento a soma de escores observada com os valores crticos das regies de
rejeio.
Grandes Amostras
Mdia = 0
desvio padro =
d i2
z=
di
d i2
37
Antes
38
46
61
18
35
72
24
47
Soma das diferenas
Depois
19
19
62
12
28
59
28
44
Diferena
+19
+27
-1
+6
+7
+13
-4
+3
+70
Resultados
1
2
3
4
5
6
+19
+19
+19
+19
+19
+19
+27
+27
+27
+27
+27
+27
+1
-1
+1
+1
-1
-1
+6
+6
+6
+6
+6
+6
+7
+7
+7
+7
+7
+7
di
+13
+13
+13
+13
+13
+13
+4
+4
+4
-4
+4
-4
+3
+3
-3
+3
-3
+3
80
78
74
72
72
70
38
Exerccio: Um grupo de 6 pilotos da Aeronutica testou dois novos altmetros digitais quanto
quantidade de erros de leitura. Os escores para cada piloto, deste teste de induo ao erro,
foram os seguintes :
1
2
3
4
5
6
Altmetro A
73
78
82
71
81
90
Altmetro B
78
81
83
74
80
81
Diferena
5
3
1
3
-1
-9
3.5.3 Discusso
Dado que o teste de aleatorizao utiliza todas as informaes da amostra, o
seu poder-eficincia de 100%. Recomenda-se o uso desta prova sempre que n no
afete a praticidade do teste.
39
Estes testes se aplicam a planos amostrais onde se deseja comparar dois grupos
independentes . Esses grupos podem ter sido formados de duas maneiras diferentes:
a) Extraiu-se uma amostra da populao A e outra amostra da populao B;
b) Indivduos da mesma populao foram alocados aleatoriamente a um dos dois tratamentos
em estudo.
Diferente do caso de dados pareados, no se exige que as amostras tenham o mesmo
tamanho.
Quando as suposies paramtricas so atendidas, o teste t de Student para amostras
independentes mais adequado para comparao das mdias dos grupos.
Quando estas no so atendidas, deveremos aplicar alguma das provas no-paramtricas
apresentadas a seguir:
4.1 TESTE EXATO DE FISHER
Este teste faz uso de tabelas de contingncia 2X2, para se comparar 2 grupos. indicado
quando o tamanho das duas amostras independentes pequeno e consiste em determinar a
probabilidade exata de ocorrncia de uma freqncia observada, ou de valores mais extremos.
4.1.1 Exigncias do Teste
Amostras aleatrias e independentes;
Duas classes mutuamente exclusivas;
Nvel de Mensurao em escala nominal ao menos.
4.1.2 O Mtodo
Considere a definio de duas amostras I e II, agrupadas em duas classes e +.
I
II
A
C
A+C
+
B
D
B+D
A+B
C+D
N
40
P=
A+C
B+D
B
N
A+ B
Ou da mesma forma:
P=
12
12
24
H 0 : P ( A) = P ( B )
H a : P ( A) P ( B )
P2 =
12!12!15!9!
= 0,04
24!5!7!10!2!
P1 =
12!12!15!9!
= 0,0045
24!4!8!11!1!
P0 =
12!12!15!9!
= 0,0002
24!3!9!12!0!
41
Exemplo 2: Num estudo sobre fecundidade de duas raas bovinas foram feitos
acasalamentos obtendo-se os seguintes resultados:
Raa A
Raa B
Total
Fecundos No - Fecundos
3
7
4
1
7
8
Total
10
5
15
Exerccio: Numa pesquisa sobre desquites, realizada entre as classes mdia e alta, foram
obtidos os seguintes resultados.
Classe
Alta
Mdia
Total
Amigvel
6
2
8
No - Amigvel
4
8
12
Total
10
10
20
4.1.3 Discusso
O Teste Exato de Fisher a alternativa ao caso de duas amostras
independentes, quando o tamanho da amostra pequeno, pois nesse caso o teste
2 no se aplica.
42
4.2 TESTE DE 2
Aplicvel a dados representados em forma de freqncia para detectar significncia
estatstica da diferena entre dois grupos independentes. Tem as mesmas caractersticas do
teste para uma amostra, com os mesmos procedimentos e restrio com relao ao tamanho
das freqncias.
4.2.2 O Mtodo
Testamos a hiptese nula obtendo a estatstica
2
(O E )2
E
onde
Freqncia Observada
Freqncia Esperada
43
cido usado
cido no usado
Total
Paciente
viveu
34
19
53
Paciente
morreu
6
16
22
Total
40
35
75
Observados
Usou
No usou
2
(O E ) 2
E
+
34
19
6
16
Esperados
Usou
No usou
+
28,27
24,73
11,73
10,27
44
Exemplo 2: Considere um estudo em que o objetivo saber, se ser alta ou baixa, definir se
uma pessoa ser lder ou no. Os dados seguem abaixo:
Lder
Liderado
No-Classificado
Baixo
12 (19,9)
22 (16,3)
9 (6,8)
Alto
32 (24,1)
14 (19,7)
6 (8,2)
H0: baixo=alto
Ha: baixo alto
2 = 10,67
g .l. = (3 1)(2 1) = 2
0,001 < p valor < 0,01
Concluso: Rejeitamos a hiptese nula pois o p-valor baixo. Podemos afirmar que,
estatisticamente, a altura das pessoas define a liderana. O fato da pessoa ser alta aumenta sua
probabilidade de se tornar lder.
Exerccio
Em 2 hospitais foram coletados a quantidade de pacientes em 5 diagnsticos diferentes
conforme tabela abaixo. Teste se h diferena entre os hospitais.
Hospital 1
Hospital 2
Total
D1
34
12
46
D2
16
6
22
D3
12
6
18
D4
4
4
8
D5
2
0
75
45
4.3.2 O Mtodo
Primeiramente devemos obter o valor mediano referente aos dados fornecidos
pelos dois grupos, conjuntamente (mediana combinada).
Em seguida devemos construir a tabela de contingncia 2X2 abaixo.
Acima da mediana
Abaixo ou igual a mediana
Grupo I Grupo II
A
B
C
D
B+D
A
B
A+ B+C + D
n1 = A + C
n2 = B + D
A+ B
Como a hiptese deseja testar a probabilidade de ocorrncia de uma situao mais
extrema, devemos calcular as probabilidades referentes as freqncias observadas e das
demais situaes extremas, assim como no Teste exato de Fisher.
Se P(A, B) inferior ao nvel de significncia, rejeitamos Ho.
46
RH
15
12
13
18
9
11
12
13
14
14
12
12
11
10
n1=14
CQ
8
7
14
10
8
6
7
6
8
4
Acima
Abaixo ou igual
RH
10
4
14
CQ
1
9
10
11
13
n2=10
14 10
P ( A, B ) =
10 1
24
= 0,004
11
47
Exerccio: Nos mesmos dois setores da empresa citada anteriormente, registrou-se o salrio
de alguns funcionrios. Verifique agora se os salrios provm de populaes com mesma
mediana.
RH
CQ
4
3
8
3
5
7
2
n1=7
11
10
7
6
5
8
9
10
n2=8
Acima
Abaixo ou igual
Total
RH
1
6
7
CQ
5
3
8
Total
6
9
48
4.4.2 O Mtodo
Pequenas Amostras
Primeiramente ordenam-se os valores misturados dos dois grupos, em ordem
crescente indicando sempre a que grupo cada valor pertence.
Em seguida, fixando-se nos valores referentes ao menor dos grupos (I), contamos o
nmero de vezes que um valor no grupo (I) precede um valor no grupo (II).
Para no restar dvidas sobre qual o grupo que deve ser fixado para o clculo da
estatstica U, conveniente calcular-se para cada grupo. U ser o menor deles. O
maior ser U .
Exemplo:
6
II
8
II
9
I
I
II
10
II
9
6
11
I
11
8
13
II
15
10
15
I
13
U=0+0+1+2=3
U=2 + 3 + 4 = 9
Utilizamos neste caso a Tbua J Siegel.
Quando 9 n2 20 utiliza-se a Tbua K Siegel e calcula-se U fazendo :
n (n + 1)
U = n1n 2 + 1 1
R1 onde R1 a soma dos postos atribudos aos valores
2
do grupo 1.
49
U =
n1n2
2
U =
n1n2 (n1 + n2 + 1)
12
z=
U U
Exemplo 1 : Num experimento onde se comparavam ratos treinados e ratos sem treinamento
(controle), com relao a um teste de aprendizado, registraram-se os seguintes valores:
Ratos Treinados (E)
Ratos Controle (C)
78 64 75
110 70 53
45 82 II
51
I
45 51 53 64 70 75 78 82 110
E C C E C E E E C
A
7,49
7,35
7,54
7,48
7,48
7,37
7,51
7,50
7,52
7,56
Posto (A)
13
4,5
19
11
11
6
16
14,5
17,5
20
RA = 132,5
B
7,28
7,35
7,52
7,50
7,38
7,48
7,31
7,22
7,41
7,45
Posto (B)
2
4,5
17,5
14,5
7
11
3
1
8
9
RB =77,5
50
U = 100 +
110
132,5
2
U = 22,5
U ' = 100 +
110
77,5
2
U ' = 77,5
O valor crtico para n1 = n2 = 10 em que = 0,05 (teste bilateral ) ser Uc =22,5.
Concluso: Com um p-valor igual a aproximadamente 0,025 no temos evidncias de que
existam diferenas entre as solues qumicas.
Var. B
2.2
1.8
4.5
1.7
3.6
4.5
5.0
4.2
4.8
4.7
6.5
6.3
5.9
7.2
5.1
6.2
6.8
51
4.5.2 O Mtodo
Devemos construir uma distribuio de probabilidade acumulada para cada
uma das amostras, considerando sempre intervalos iguais.
Em seguida, para cada intervalo subtramos uma funo da outra. Seja
k
S n1 ( x) =
onde k o nmero de escores no superiores a X. Da mesma forma
n1
define-se S n2 ( x) para o outro grupo. Assim, deve-se obter:
D = mx S n1 ( x) S n 2 ( x) (caso bilateral )
D = mx[S n1 ( x) S n 2 ( x)] (caso unilateral )
Sugere-se a utilizao de tantos intervalos quanto possvel.
2 = 4D 2
n1 n 2
n1 + n 2
52
A
7.37
7.51
7.50
7.52
7.46
7.28
7.35
7.52
7.50
7.38
B
7.48
7.31
7.22
7.41
7.45
7,46-7,5
7/10
9/10
2/10
7,51-7,55
10/10
10/10
0
Aprovados
por mdia
(8,5 10)
Vestibular 10 (0.238)
Outros
6 (0.089)
Aprovados
por mdia
(7 8,4)
28 (0.905)
55 (0.910)
Aprovados
em final
(6 -6,9 )
2 (0.952)
6 (1,0)
Aprovados
em final
(5 5,9)
1 (0.976)
0 (1,0)
Reprovados
(0 4,9)
1 (1,0)
0 (1,0)
n1 + n2
= 0,268
n1 * n2
Concluso: No temos evidncias suficientes para rejeitarmos Ho. No podemos afirmar que
existe diferena significativa entre o desempenho dos dois grupos de estudantes.
53
1.6-2.1
1/15
0
2.2-2.7
3/15
0
2.8-3.3
3/15
0
3.4-3.9
7/15
0
4.0-4.5
12/15
1/10
Tendncia central;
Variabilidade;
Assimetria;
etc;
4.6.2 - Mtodo
Primeiramente, deve-se ordenar os n1 + n2 escores em ordem crescente.
Determina-se, em seguida, o nmero de iteraes desta srie ordenada.
A idia do teste consiste em verificar se os valores desta srie estaro bem
misturados, o que indica ento, que os dois grupos devem pertencer mesma
populao. Se isso se verificar, r, o nmero de iteraes, ser bastante alto.
54
r =
r =
2n1n2
+1
n1 + n2
2 n1n2 ( 2 n1n2 n1 n2 )
( n1 + n2 ) 2 ( n1 + n2 1)
e obtendo-se
z=
r r
se a tabela.
Obs: no caso de empates entre escores de grupos diferentes, deveremos obter
os diferentes nmeros r de iteraes para cada possvel srie, considerando todas as
ordenaes possveis. Se alguns rs fornecerem resultados significativos e outros no,
devemos tirar a mdia de todos os p-valores obtidos.
Poder Eficincia
Cerca de 75% para amostras de tamanho 20.
55
4.7.2 O Mtodo
Pequenas amostras
Inicialmente, calcula-se o nmero de maneiras diferentes que os escores poderiam
n A + nB
estar dispostos, considerando os tamanhos de amostra nA e nB, fazendo
e
nA
assim, o nmero de resultados que iro compor a regio de rejeio ser
n A + nB
nA
Onde o nvel de significncia. Esta regio ser ento, formada pelos resultados
mais extremos.
Verifica-se ento se o resultado observado se encontra entre esses resultados
extremos.
Grandes amostras
Neste caso, aplica-se a aproximao pelo teste t fazendo-se
t=
A B
( B B ) 2 + ( A A) 2 1
1
+
n A + nB 2
n A nB
Exemplo 1:
Poder Eficincia = 100%
56
57
Bloco 1
Bloco 2
Bloco 3
...
Bloco n
1
X11
X12
X13
..
X1n
TRATAMENTOS
2
3
...
X21
X31
...
X22
X32
...
X23
X33
...
...
...
...
X2n
X3n
...
k
Xk1
Xk2
Xk3
...
Xkn
58
5.1.2 - Mtodo
Se considerarmos a disposio de dados ilustrada acima, com n linhas e k
colunas, podemos testar a diferena entre os k tratamentos fazendo uso da expresso:
k
( k 1) k
j =1
Q=
k
i =1
G j2
Li
k
j =1
Gj
n
j =1
L2i
Ent.1
0
1
0
0
1
1
1
0
1
0
1
1
1
1
1
1
1
1
13
Ent.2
0
1
1
0
0
1
1
1
0
0
1
1
1
1
1
1
1
1
13
Ent.3
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
1
0
0
3
Li
0
2
1
0
1
2
2
1
1
0
3
3
2
2
2
3
2
2
29
59
A
X
Modelo
B
C
X
X
X
X
X
X
X
X
X
X
60
Exerccio: Um professor deseja descobrir a melhor maneira de demonstrar uma certa frmula
matemtica a seus alunos. Existem 3 maneiras possveis de demonstrar a frmula, mas talvez
seus alunos no as considerem igualmente fceis (ou difceis) de entender. Ele explica cada
uma das 3 demonstraes a seus 18 alunos e depois pergunta a cada estudante qual das 3
demonstraes ele havia entendido. Os resultados esto apresentados abaixo. Existe
diferena entre os trs mtodos?
Estudante
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
G
A
X
X
X
X
X
B
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
C
X
61
2r =
12
nk ( k + 1 )
2
R
3n ( k + 1)
i
i=1
Pequenas Amostras
No caso em que k = 3 e n = 2 a 9 utiliza-se a tbua N -Siegel pg. 311; para k = 4
e n = 2 a 4 utiliza-se a tbua N - Siegel pg. 312.
Grandes Amostras
Valores crticos: Tbua C -Siegel com g.l. = k - 1.
62
Pequeno
Mdio- 6 cil.
Mdio- 8 cil.
Grande-8 cil.
Esporte
2r =
Fabricante
F
C
11,3
10,6
10,9
10,2
8,6
9,1
8,6
8,8
9,2
9,5
12
(5 2 + 12 2 + 13 2 ) 3.5.4 = 7,6
5.3(3 + 1)
IR
21
30
38
43
35
40
27
18
31
21
18
28
40
35
Pr
21
38
19
33
34
40
15
11
42
23
24
8
37
32
Ps
16
10
15
30
25
31
11
4
23
21
16
5
31
12
3-M
19
21
6
24
10
30
6
7
27
17
13
2
19
21
63
r2 =
12
(50,5 2 + 47 2 + 23,5 2 + 19 2 ) 3.14.5 = 33,107
14.4.5
6=4,5
Blocos
I
II
III
IV
Trat.1
3640
4890
4800
4460
Trat.2
4200
4550
5320
5500
Trat.3
4700
6020
5250
5580
Trat.4
5300
5900
5150
5560
64
5.3.1 O Mtodo
Pequenas Amostras (k e n 15)
Primeiramente, calcula-se para cada par de tratamentos a diferena Ri - Rj onde
Ri a soma de postos atribuda ao tratamento i.
Em seguida obtm-se a diferena mnima significativa (d.m.s.) na tabela 24
(Campos).
As diferenas observadas entre as somas de postos, superiores a d.m.s. indicam
diferenas significativas entre aqueles tratamentos.
Grandes Amostras
Para k e/ou n maiores que 15 calcula-se a d.m.s atravs da expresso
d . m. s. = Q
nk ( k + 1)
12
65
1
X11
X12
X13
...
X1l
k
Xk1
Xk2
Xk3
...
Xkp
+
-
1
O1+
O1-
TRATAMENTOS
2
3
...
O2+
O3+
...
O2O3...
k
Ok+
Ok66
2 =
(Oj Ej)2
j=1
Ej
2 =
(Oj+ Ej+)2
j=1
Ej+
(Oj Ej )2
j=1
Ej
8 grau
4
3
0
7
1
2
0
3
5
1
Psgraduao
2
6
67
2 =
(5 5) 2 (4 5,5) 2
+
+
5
5,5
(4 5) 2
= 1,295
5
p-valor = 0,26
Considerando = 0,05 , N=44 e g.l = k-1 = 4-1=3 (agregando as 3 ltimas classes); assim
pela Tbua C verificamos o valor tabelado de Qui-quadrado e obtemos o valor 7.81.
Concluso: No temos evidncias suficientes para rejeitar H0, portanto no existe diferena no
nvel educacional das mes com relao s visitas na escola.
Exemplo 2: 186 indivduos com excesso de peso foram submetidos a quatro dietas diferentes.
Abaixo esto apresentados os resultados, do peso perdido aps um perodo de quatro semanas.
Verificar se as dietas provm de populaes com a mesma mediana.
Dietas
+
Total
A
23 (18)
13 (18)
36
B
10 (20)
30 (20)
40
C
10 (25)
40 (25)
50
D
50 (30)
10 (30)
60
B
4
9
13
19
22
18
13
C
12
16
20
24
18
D
15
26
28
29
30
33
21
68
69
6.2.2 - Mtodo
Primeiramente deve-se atribuir a cada valor observado, um posto, sempre
atribuindo o menor posto ao menor valor e o maior posto ao maior valor. Aps se
efetuar a soma dos postos para cada tratamento (Rj) calcula-se a estatstica H, onde
12
H=
N ( N + 1)
R2j
j=1
nj
3( N + 1)
QUANDO K = 3
E os njs 6: Compara-se ento este valor com o valor crtico fornecido pela
tabela 14 - Campos, onde n1 n2 n3; Pequenas amostras
QUANDO K > 3 OU PELO MENOS UM nj > 6
Utiliza-se a Tbua C - Siegel com g.l. = k - 1. Grandes amostras
EMPATES
Atribui-se aos empates a mdia dos postos. A estatstica H dever ser dividida
pela correo C (ver exemplo 2)
70
Outros
professores
82
124
132
135
109
POSTOS
TOTAL
4
9
3
1
5
22
Administradores
115
149
166
147
2
8
10
11
6
37
7
13
14
12
46
12
(96,8 + 273,8 + 529) 45 = 6,406
14.15
h = 5,643
H=
71
B
40 (17)
35 (14,5)
46 (20)
41 (18)
33 (13)
82,5
C
39 (16)
27 (6,5)
20 (5)
29 (9)
45 (19)
55,5
D
27 (6,5)
12 (1)
13 (2)
28 (8)
30 (10,5)
28
H = 9,037
Observa-se pela tabela acima 3 empates.
Considere agora t1, t2, t3, o nmero de casos em cada empate.
d.m.s = 9,612
Assim t1= t2=t3= 2.
Calcula-se ento:
T1 = t13 - t1 = 6 . Assim T1 = T2 = T3 = 6 e fazemos:
C = 1
T
N
= 1
18
= 0 ,9 9 7 7
7980
H1 =
H
9 , 037
=
= 9 , 058 (0,02 < p < 0,05)
C
0 , 9970
Ra Rb = 38,5
Ra Rc = 11,5
Rb Rc = 27
Ra Rd = 16
p-valor >0,05
Rb Rd = 54,5 p-valor < 0,01
Rc Rd = 27,5
72
Exerccio: Numa pesquisa sobre qualidade de vinho, foram provados trs tipos por cinco
degustadores. Cada degustador provou 12 amostras (4 de cada tipo) e atribuiu a cada uma
delas uma nota de zero a dez. As mdias das notas atribudas pelos 5 degustadores a cada uma
das amostras foram:
Tipo 1
5,0
6,7
7,0
6,8
Tipo 2
8,3
9,3
8,6
9,0
Tipo 3
9,2
8,7
7,3
8,2
73
6.3.1 - Mtodo
Pequenas amostras
para ns iguais
Primeiramente, calcula-se para cada par de tratamentos a diferena
Ri - Rj
onde Ri a soma de postos atribuda ao tratamento i.
Em seguida obtm-se a diferena mnima significativa (d.m.s.) na tabela 16 Campos. As diferenas observadas entre as somas de postos, superiores a d.m.s.
indicam diferenas significativas entre aqueles tratamentos.
para ns diferentes
d . m. s. =
N ( N + 1) 1 1
+
h
12
ni n j
Ri R j
onde Ri =
Ri
ni
Grandes amostras
para ns iguais
Determinam-se as diferenas
d.m. s.= Q
k ( N +1)
12
R i R j e ento calcula-se
74
para ns diferentes
d. m. s. = Z
N ( N + 1) 1 1
+
ni n j
12
Marcas
B
84
80
81
77
82
79
78
83
82
C
82
79
71
75
72
73
75
76
75
2
onde 2 a estatstica Qui-quadrado calculada conforme j visto
2
n+
76
r =
xy
2
x y
= rs
6
rs = 1
i =1
3
d
n
2
i
t = rs
n2
2
1 rs
onde t tem n-2 graus de liberdade. (Ver exemplo Siegel, pg. 231)
77
0
16
1
48
2
55
3
33
4
8
0-5
6
6 - 10
19
11 - 15
15
16 - 20
12
21 - 25
8
3. A expectativa de vitrias nos jogos olmpicos foi registrada pelo Comit Olmpico
Brasileiro uma semana antes do incio da Olimpada. Terminados os jogos foi
comparada a expectativa com o real desempenho de todos os 212 atletas da delegao.
Com base na tabela abaixo, poderamos afirmar que o desempenho esteve abaixo das
expectativas?
EXPECTATIVA
COM MEDALHA
SEM MEDALHA
TOTAL
DESEMPENHO
COM MEDALHA SEM MEDALHA
33
55
13
111
46
166
TOTAL
88
124
212
Primognito
89
71
77
68
91
72
77
91
70
71
88
87
Outro
88
77
76
64
96
72
65
90
65
80
81
72
Normal
126
117
115
118
121
128
125
120
Tensa
130
118
125
120
118
125
130
120
Estes dados apresentam evidncias suficientes para indicar que a presso sangnea das
pessoas sob tenso mais alta?
2. Foram considerados 13 casos de irmos gmeos a fim de verificar se vlido admitir
que o primeiro a nascer desenvolve-se mais no primeiro ms. Em cada caso foi anotado
o ganho de peso, em kg, aos 30 dias de idade, obtendo-se os seguintes resultados.
Utilize o Teste de Wilcoxon:
Casos
1
2
3
4
5
6
7
8
9
10
11
12
13
1o
0,72
0,47
0,51
0,59
0,97
0,87
0,36
0,72
0,65
0,48
0,93
0,87
0,81
2o
0,43
0,33
0,49
0,59
0,85
0,80
0,40
0,74
0,62
0,46
0,70
0,78
0,78
1. Uma empresa de seguros resolve oferecer um desconto no prmio do seguro pago por motoristas
no-fumantes, acreditando que esses motoristas se envolvem em menos acidentes de trnsito do que os
fumantes. Uma empresa concorrente, intrigada, resolve fazer uma pesquisa antes de iniciar uma
campanha semelhante e obtm os resultados abaixo. Que deciso tomaria a empresa ?
Condio
Fumante
No-fum.
Nmero de acidentes
1
2
3
4 +4
18 15 12 5
3
24 20 15 4
2
Grupo II
14
18
22
16
38
26
28
12
15
23
3. Em um experimento envolvendo pacientes cardacos divididos em dois grupos: diabticos e nodiabticos, verificou-se que a reao positiva um novo medicamento foi constatada em 3 dos 12
pacientes do primeiro grupo e em 8 dos 21 pacientes do segundo grupo. O pesquisador deseja saber se o
medicamento mais eficaz entre os pacientes no-diabticos.
4. Aos dados do exerccio 2 aplique o teste da Mediana para comparar os dois grupos.
Classe Mdia-Alta
2
4
6
14
10
8
6
2
2
3
4
6
8
5
4
8
Classe Mdia
12
3
10
4
14
11
10
8
12
10
10
9
8
8
9
8
7
11
Classe Baixa
15
12
13
8
9
11
12
13
14
14
12
12
11
10
14
12
4. Uma companhia que efetua testes industriais est interessada em comparar cinco marcas de pneus
com relao aos seus desempenhos durante a frenagem em pista molhada. Para isso, mede-se a
distncia percorrida por um carro, trafegando a uma dada velocidade desde o incio da frenagem at a
completa parada do veculo. As distncias observadas, em metros, so dadas na tabela abaixo.
A
45,8
43,3
48,1
46,0
47,2
B
47,6
47,9
45,4
43,0
42,4
Marca do Pneu
C
40,9
44,2
43,0
39,1
42,1
D
44,5
52,7
54,2
49,4
44,8
50,0
E
44,2
51,8
50,6
43,9
44,5
50,3
1. Dados de uma pesquisa com crianas com menos de 15 anos de idade, residente na rea central
de uma grande cidade, foram classificados de acordo com o grupo tnico e o nvel de
hemoglobina (g/100ml). Os resultados foram os seguintes:
Grupo tnico
A
B
C
Nvel de Hemoglobina
9,0 a 9,9
Menor do que 9,0
100
20
190
96
30
10
10,0 ou mais
80
99
70
Esses dados fornecem evidncia suficiente para indicar que o grupo tnico e o nvel de hemoglobina
estejam associados?
2. Uma empresa especializada em testes industriais analisou trs marcas de pneumticos segundo
cinco caractersticas, atribuindo notas de 1 (desempenho fraco) a 10 (desempenho excelente).
Pode-se concluir que existe alguma marca melhor do que outras? Os resultados foram os
seguintes:
Caracterstica
Trao lateral
Deslizamento
Alinhamento
Frenagem
Desgaste
A
10
10
6
8
8
Marca
B
8
9
10
7
9
C
7
7
8
6
10
ANEXOS
PROVA BINOMIAL
Exemplo: Testes de Diferenas Sensoriais so comumente utilizados em Controle de
Qualidade e Avaliao da qualidade. O teste triangular (Bradley 1963), teste de
diferenas sensoriais que fornece uma aplicao til do modelo Binomial, dado a
seguir. Para cada um de n painelistas trs amostras-teste so apresentados em ordem
aleatria. sabido que duas das amostras so idnticas; a terceira e diferente. Ao
painelista e ento solicitado que selecione a amostra diferente, com base num atributo
sensorial especifico. Se os painelistas so juizes treinados, homogneos, o experimento
pode ser visto como n tentativas de Bernoulli repetidas e independentes, onde um
sucesso corresponde a uma identificao correta da amostra. (Se os painelistas no so
juizes treinados, homogneos, podemos questionar a validez da suposio de
probabilidade constante ao longo das repeties). Sob a hiptese de que no h
nenhuma base para discriminao, a probabilidade p de sucesso 1/3, considerando que
uma base para discriminao corresponde a valores de p excedendo 1/3.
Byer e Abrams (1953) consideraram um teste triangular de amargor no qual cada
degustador recebeu trs copos, dois contendo a mesma soluo de quinino e o terceiro
uma soluo de quinino diferente. No primeiro teste de amargura, as solues
contiveram 0,0075% e 0,005%, respectivamente, de sulfato de quinina. As seis ordens
de apresentao so: LHH, HLH, HHL, HLL, LHL, LLH (L - denota a mais baixa
concentrao e H - a concentrao mais alta), foram distribudos aleatoriamente entre os
degustadores. Depois de 50 tentativas, houveram 25 selees corretas e 25 selees
incorretas.
Consideramos B como a estatstica do teste Binomial (B o numero de identificaes
corretas).
Considere ainda Ho: p = 1/3 contra a hiptese alternativa p>1/3, e usa-se a
aproximao para grandes amostras. Fixamos = 0,05. Na Tabela da Normal padro
encontramos z = 1,645 assim a aproximao ao nvel de 0,05 de significncia
estabelece a seguinte regra de deciso: Rejeitamos Ho se B1,645; caso contrrio no se
rejeita.
Dos dados, temos n = 50 e B (o nmero de correto de identificaes) = 25. Assim
considerando p0 =1/3, obtemos
B* =
25 50(1 3)
= 2,5
2
Sendo B = 2,5 > 1,645, ns rejeitamos Ho:p=1/3 a favor de p>1/3 ao um nvel de 0,05
de significncia. Assim temos evidncias de discriminao do sabor amargo (Na Tabela
da Normal padronizada notamos tambm que o menor nvel de significncia ao qual
rejeitamos Ho em favor p>1/3 seria 0,0062.)
p > 0,0001
I ntervalo de Confiana
Para a Probabilidade de Sucesso
( Clopper Pearson)
Aproximao: Grandes Amostras
p z
2
p (1 p )
n
B
B + (n B + 1) f 2, 2 ( n B +1), 2 B
L.S . = 1
( B + 1) f 2, 2( B +1), 2 ( n B )
nB
=
n B + ( B + 1) f 2, 2( B +1), 2 ( n B ) (n B) + ( B + 1) f 2, 2( B +1), 2 ( n B )
DESCRIO DO ESTUDO
Neste estudo foram acompanhados 21 pacientes obesos, que
passaram por tratamentos para perda de PESO. O primeiro tratamento,
seguido por dez pacientes, era composto simplesmente de uma dieta (grupo
PLACEBO) e o segundo tratamento, seguido por outros 11 pacientes, era
composto de uma dieta e mais a droga XENICAL (grupo XENICAL). No
inicio e no final dos tratamentos (6 meses aps), foram mensuradas nos
pacientes as variveis Peso, ndice de Massa Corprea (IMC) e a taxa de
Leptina. Deseja-se verificar, neste estudo, se h diferena significativa
entre os tratamentos para as variveis mencionadas acima.
METODOLOGIA ESTATSTICA
Inicialmente, para verificao da homogeneidade dos grupos
analisados foram construdas tabelas de contingncia e calculadas algumas
medidas descritivas. Dependendo da varivel em anlise, foi aplicado o
teste estatstico mais adequado (Teste exato de Fisher, Teste t de Student,
Teste de Mann-Whitney).
Observada a homogeneidade dos grupos, verificou-se, em cada
grupo, se no final do tratamento houve variao significativa para as
variveis PESO, IMC e LEPTINA aplicando-se o Teste estatstico noparamtrico de Wilcoxon, dado que a suposio de Normalidade das
observaes no foi comprovada.
Finalmente, os dois tratamentos foram comparados, verificando-se as
diferenas significativas entre as variaes de PESO, IMC e LEPTINA
atravs do Teste estatstico no-paramtrico de Mann-Whitney.
PLACEBO
PACIENTE
733
736
738
741
747
748
750
752
755
758
XENICAL
PACIENTE
734
735
737
740
742
745
751
753
756
757
759
SEXO
PESO
IMC
LEPTINA
INICIAL FINAL INICIAL FINAL INICIAL FINAL
92,6
90,5
39,07
38,16
39
38,83
86,2
79,5
28,16
25,98
2,8
1,95
74,9
74,4
35,66
35,38
22,06
15,41
82,5
81,2
34,8
34,26
36,52
37,41
91,5
77,7
36,16
30,73
16,26
7,05
84,8
81,5
31,64
30,3
5,7
4,07
78,2
80,9
32,55
33,7
17,1
18,94
87,4
84,7
31,43
30,37
8,34
13,6
69,7
68,7
33,15
32,67
29,86
22,14
79,5
73,7
30,69
28,45
7,67
4,92
2
1
2
2
2
1
2
1
2
2
IDADE
35
69
36
50
47
46
57
52
61
29
2
2
1
2
2
2
2
1
2
2
2
PESO
IMC
LEPTINA
IDADE INICIAL FINAL INICIAL FINAL INICIAL FINAL
61
104
97
41,14
38,37
14,72
9,25
45
87
82,3
33,9
32,14
13,69
21,1
43
117,1
117
42,58
42,54
28,85
37,23
56
68,8
65,5
29,4
27,99
13,37
12,27
54
74
71,3
31,62
30,47
28,04
22,36
44
87,6
86,1
35,6
35
11,04
26,39
49
71,3
70,1
31,68
31,15
18,73
17,62
49
104,5
99,4
35,78
33,99
11,33
8,66
64
86
82,6
35,39
33,99
36,98
27,95
59
94,3
90,9
44,27
42,67
65,41
78,39
45
86,8
85,5
32,38
31,79
18,91
22,48
SEXO