Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/326522403
CITATIONS READS
0 3,045
3 authors:
José Siqueira
University of São Paulo
110 PUBLICATIONS 655 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by José Siqueira on 20 July 2018.
INTRODUÇÃO
O uso da estatística traz, por certo, segurança ao pesquisador. Por outro lado,
para aqueles que não sentem domínio sobre seu instrumental, mistura-se um
sentimento de insegurança pela possibilidade de ser ludibriado com números... Piora a
sensação porque, confrontado por “dados científicos” que têm por base um
instrumental que lhes parece críptico, não há como contra-argumentar sem eventual
desconforto... Ouve-se demais o lugar comum de que estatística “serve para mentiras
sofisticadas”. Ninguém nega que se fez mau uso dela, um desserviço que contribuiu
para sua má fama. Mas, não há caminho fácil para escapar da armadilha, senão
enfrentar e compreender os conceitos estatísticos.
1
INSTAT, PAST, sítio do GRAPHPAD) e de código aberto (R com algumas interfaces
gráficas que auxiliam seu uso como RCommander e EZR). Idealmente, no entanto,
nada substituirá o preparo e interesse de um profissional estatístico, mas o
conhecimento do jargão básico, por parte de um profissional da saúde, facilita
enormemente a comunicação. Este texto também assume que alguns termos comuns
não necessitam detalhamento ou explicação como, por exemplo, “distribuição normal”.
O que se espera é que este capítulo oriente sobre os possíveis testes e traga
informações para o entendimento dos mesmos.
X~N(μ;σ)
X~N(μ;σ2),
Z~N(0;1).
A notação matemática pode parecer críptica para alguns, mas com a devida
calma torna-se legível. Em palavras, a regra diz: “se a variável X segue uma
distribuição normal com média μ e variância σ2, então o escore-z correspondente é
dado subtraindo-se do valor X a média e dividindo-se o resultado pelo desvio-padrão;
como resultado obtém-se uma normal padrão com média igual a zero e desvio-padrão
igual a um”.
O escore-z com distribuição normal padrão obtido por esta regra (Figura 1),
dado que a média e o desvio-padrão estão na mesma unidade de medida (no exemplo
da estatura, em centímetros), é uma variável com distribuição normal que não tem
mais unidade de medida, i.e., ela é adimensional. Além disso, no escore-z positivo o
valor de X está acima da média de X, o escore-z negativo corresponde aos valores
abaixo da média X, e a dispersão dos valores de X fica sempre convertida em
3
unidades de desvio-padrão. É uma abstração, mas é simplesmente uma troca de
escala.
X~N(170;7);
Z=(X-170)/7~N(0;1);
Z=1,5.
Isso é dizer que essa estatura está situada 1,5 desvios-padrão (valor de Z)
acima da média. Como as áreas sob a normal padronizada estão previamente
calculadas, conhecemos também o percentil correspondente, neste exemplo de 93%,
ou seja, apenas 7% da população masculina, nesta população, é mais alta do que o
indivíduo considerado.
4
probabilidade de 68,2% de encontrar alguém com estatura entre 163 e 177 cm. No
entanto, não há sentido em esperar qualquer probabilidade diferente de zero de
sortear alguém com exatos 172 cm (nem uma fração de picômetros acima ou abaixo
deste valor). Mesmo quando não percebemos, por limitações de nossos instrumentos
de medida, estamos pesquisando uma faixa de valores, por exemplo entre 171,1 e
172,5 cm; para faixas de valores a probabilidade é computável, neste exemplo de
aproximadamente 5,47%.
5
as duas distribuições são desconhecidas, porém simétricas (a normal é simétrica, mas
existem várias distribuições simétricas que diferentes da normal.
𝐼𝐶95(𝜇) = [M ± 1,96𝜎⁄√𝑛].
7
Por exemplo, se queremos determinar o IC95 da estatura média de homem
adulto brasileiro nascido na década de 60 e as informações disponíveis de uma
amostra de 100 indivíduos com média amostral M = 171cm e desvio-padrão
populacional conhecido σ = 7cm, então, o IC95(μ) = [169,63; 172,37]. Isso significa
que a média populacional, estimada a partir desta amostra, está no intervalo de
169,63cm a 172,37cm com nível de confiança de 95%, i.e., se fosse possível retirar
1.000 amostras aleatórias de tamanho 100, então 950 destes IC95 conteriam a média
populacional.
n = p(1-p)(1,96/E)2.
n = (1,96/(2E))2.
Uma fórmula mais geral do tamanho de amostra para uma variável quantitativa
com qualquer distribuição, se o desvio-padrão é conhecido, é
n = (1,96σ/E)2.
Para calcular o tamanho amostral precisamos decidir, antes, com qual precisão
desejamos medir. Quanto maior a precisão, maior o tamanho da amostra e, portanto,
precisamos ter conhecimento para definir o que é relevante, sua significância prática,
em contraste com a significância estatística. Imagine que consideremos relevante
distinguir pacientes pela glicemia com precisão de 10 mg/dl, pois isso poderá situá-los
entre diabéticos ou não diabéticos. Por outro lado, uma precisão de 0,1mg/dl é
irrelevante, separando, digamos, quem tem 98 de 98,1 mg/dl ao custo de utilizar uma
amostra suficientemente grande!
n = (1,96σ/E)2
n = (1,96*10/5)2 = 16
n = (1,96σ/E)2 = (1,96σ/0,5σ)2
n = (1,96/0,5)2 = 15
n = 2(1,96σ/D)2,
9
por dia para testar se a diferença entre as duas médias populacionais é nula. O
desvio-padrão (conhecido) é 10 mmHg. A diferença detectável entre as médias
populacionais é 5 mmHg. Qual é a quantidade de participantes por grupo para realizar
esse teste?
n = 2(1,96σ/D)2
n = 2(1,96*10/5)2 = 32
Menos: 130 101 137 129 132 137 143 160 132 117 117
114 137 144 117 147 134 123 113 114 112 134
125 110 148 121 143 143 123 148 137 151
Mais: 148 113 137 130 136 163 150 152 136 150 146
118 152 114 120 149 151 131 143 131 138 127
137 129 146 119 150 143 165 131 163 138
10
(130 − 139,3)2 + (101 − 139,3)2 + (137 − 139,3)2 + ⋯ + (151 − 139,3)2
𝑠Mais = √ = 14
32 − 1
Desvio-
Grupo N Média
padrão
Mais 32 139,3 14,0
Menos 32 130,4 14,3
Note que não conhecemos as médias verdadeiras (sabemos que são 140 e
130 mmHg, respectivamente, somente porque estamos simulando), mas temos as
médias amostrais para trabalhar. Para utilizar o teste z, na verdade estamos
comparando duas distribuições normais hipotéticas homocedásticas (Figura 2)
supondo que o desvio-padrão de 13 mmHg é conhecido (é uma simplificação; não
conhecendo σ, teríamos que usar os dois desvios-padrão amostrais e o teste t de
Student, levando em conta um pouco mais de incerteza ao considerar graus de
liberdade e obtendo-se valores de p um pouco mais altos para o mesmo número de
desvios-padrão – Anexo 1). Nosso objetivo é definir se as duas médias amostrais são
iguais (H0) ou não; em outros termos, se considerarmos os valores diferentes, teremos
evidência para afirmar que os valores amostrais vieram de duas populações distintas.
Caso contrário, se não rejeitarmos H0, pelo menos em relação à PAS, diremos que o
número de horas trabalhadas não tem influência (e estaríamos errados, pois nossa
realidade simulada é a de que esta influência existe).
11
Figura 2: Distribuições normais baseadas nas observações dos grupos, dotplots e boxplots.
132
𝐼𝐶95(𝜇Mais − 𝜇Menos ) = [8,9 ± 1,96√2 ] = [2,5; 15,3]
32
12
Outra forma de abordar esta situação é utilizar a estatística-teste z da diferença
estimada das médias amostrais dividida pelo desvio-padrão das diferenças entre as
médias amostrais (erro-padrão, EP). A expressão do erro-padrão para duas amostras
de tamanhos iguais é estimada por:
𝜎2
𝐸𝑃 = √2
𝑛
𝑀𝑚𝑎𝑖𝑠 − 𝑀𝑚𝑒𝑛𝑜𝑠
𝑧=
2
√2 𝜎
𝑛
8,9
𝑧= 2
= 2,73.
√213
32
Esse valor informa que a diferença de 8,9 está acima da diferença nula 2,73
desvios-padrão. Diferenças mais extremas que -1,96 ou 1,96, em geral, são
consideradas estatisticamente significantes.
13
Figura 3: IC95 dos grupos Mais e Menos.
2,732
𝜂2 = = 0,11.
2,732 + 2(32 − 1)
14
médias contra a hipótese alternativa da diferença em condição de homocedasticidade,
considerando o poder, é:
n = 2(3,24σ/D)2.
Mais de 10 anos: 4, 6, 8, 4, 5, 6
Menos de 10 anos: 3, 8, 7, 6, 7, 6, 7, 6
15
Aplicando o teste exato não-paramétrico de Mann-Whitney para testar a
hipótese nula de igualdade das distribuições contra a hipótese alternativa de diferença
produz o valor-p exato igual a 0,28, maior do que o nível de significância de 0,05,
implicando a não rejeição da hipótese nula. Neste tipo de teste os valores são
substituídos por postos, como na classificação de uma disputa esportiva, ordenando-
se do menor ao maior valor ou vice-versa. Neste exemplo, ao substituirmos valores
quantitativos por postos, perdemos alguma informação em troca de maior relaxamento
das suposições para poder aplicar um teste não paramétrico. No entanto, observe que
o uso de postos permite lidar, também, com variáveis ordinais, com as quais não
podemos computar média ou desvio-padrão e, portanto, sem aplicabilidade de testes
paramétricos.
16
desfechos (morte, alta hospitalar, recidiva etc.). Com esses delineamentos é possível
observar incidências ou prevalências, de modo que é possível calcular o Risco
Relativo (RR). O RR é uma estimativa pontual que informa quantas vezes a
probabilidade de ocorrer o desfecho (D) dada a exposição (E) é maior que a
probabilidade de ocorrer o desfecho (D) quando não há exposição (~E) ao fator:
RR = P(D|E)/P(D|~E).
17
Quadro 2. Tabela de contingência
~D = PONV
D = PONV Total
ausente
E = 2 ou mais fatores 28 (A) 85 (B) 113 (A + B)
~E = 0 ou 1 fator 7 (C) 67 (D) 74 (C + D)
Total 35 (A + C) 152 (B + D) 187
O RR aqui é dado pela razão entre a incidência de PONV nos expostos (Ie) e
não expostos (Ine):
RR = Ie / Ine
Ie = A / (A + B)
Ine = C / (C + D)
18
respeito ao total de pacientes que sofrerão algum tipo de lesão ao serem expostos ao
fator observado.
sugerindo que a cada quase sete pacientes expostos a dois ou mais fatores,
um paciente apresentará PONV no pós-operatório.
[A/(A+C)] / [C/(A+C)],
[B/(B+D)] / [D/(B+D)],
OR = (A × D) / (B × C)
19
OR= (28 × 67) / (7 × 85) = 1867 / 595 = 3,15
𝑃(𝐷|𝐸)
𝑃(~𝐷|𝐸) 1 − 𝑃(𝐷|~𝐸)
𝑂𝑅 = =
𝑃(𝐷|~𝐸) 1
− 𝑃(𝐷|~𝐸)
𝑃(~𝐷|~𝐸) 𝑅𝑅
(i) Se o RR > 1, então OR > RR; Como RR = 2,6, então OR > 2,61.
De fato, OR = 3,15.
(iv) RR < 1 / P(D|~E). O valor de 1 / P(D|~E) é 10,53. Portanto, o RR não pode ser
superior a 10,53.
Coorte Caso-controle
Estudo de duração prolongada Estudo de duração curta
Adequado para doenças comuns Adequado para doenças raras
Medida direta de risco (RR) Medida indireta do risco (OR)
Conclusões mais precisas sobre Conclusões menos precisas sobre
relações causais relações causais
Maior chance de limitações éticas Menor risco ético (retrospectivo)
20
Adequado para estudar incidência Não é adequado para estudar incidência
e prevalência
21
VI: Tabagismo
E ~E
Exposto Não-Exposto
VD: D Caso 30 29
Subpeso ~D Controle 44 86
Total 74 115
• z = 2,2
• p = 0,0280
• Pseudo-R2 = 0,0207
• z = 2,22
• p = 0,0265
Key
frequency
chi2 contribution
Tabagismo durante
Nascido com gravidez
subpeso Nao Sim Total
MaiorIgual2.5kg 86 44 130
0.6 0.9 1.5
Menor2.5kg 29 30 59
1.3 2.1 3.4
Cramér's V = 0.1614
Fisher's exact = 0.036
1-sided Fisher's exact = 0.020
22
. tabodds low smoke
. cs low smoke, or
Tabagismo durante
gravidez
Exposed Unexposed Total
Cases 30 29 59
Noncases 44 86 130
23
. logistic low smoke, vce(r)
Robust
low Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]
Robust
low IRR Std. Err. z P>|z| [95% Conf. Interval]
Uma suposição importante para essa análise é que o delineamento tem que
ser entre participantes, i.e., cada participante está em apenas uma casela da tabela de
contingência para garantir a independência das observações. Neste cálculo a proposta
é bastante simples: cotejar os resultados observados com resultados esperados
24
supondo que as duas variáveis são independentes. Quanto maior a discrepância entre
os valores observados e os esperados, maior será o valor de χ2 e menor será a
chance de que a diferença seja explicada apenas pelo acaso. Cabe estabelecer que
as categorias devem ser mutuamente excludentes.
gl = (2 – 1) × (2 – 1) = 1.
1. A’ = 35 × 28 / 73 = 13,42
2. B’ = 38 × 28 / 73 = 14,57
3. C’ = 35 × 45 / 73 = 21,57
4. D’ = 38 × 45 / 73 = 23,42
25
Usa Beta-2 Não usa Beta-2 Total
< 10 anos de experiência 13,42 14,57 28
> 10 anos de experiência 21,57 23,42 45
Total 35 38 73
Tais valores esperados são aqueles que deveríamos encontrar sob a hipótese
nula de que o número de anos de experiência e a escolha de Beta-2 não estivessem
associados, mantidos os totais marginais de 28 e 45 anestesiologistas com menos e
mais que 10 anos de experiência e 35 e 38 escolhas do uso ou não da droga. Observe
que os valores observados diferem um tanto dos valores esperados. A estatística qui-
quadrado computa a discrepância entre os valores observados e esperados com:
O exemplo citado é uma adaptação que utiliza uma tabela com três categorias.
Nesta situação gl = 2. Duas observações: alguns textos de estatística sugerem aplicar
a correção de Yates sempre que se utilizam tabelas 2×2. Ela é feita subtraindo 0,5 de
cada termo (observado - esperado) da equação descrita acima. O resultado final
pouco se altera quando o valor de χ2 já se mostra elevado. A outra observação diz
respeito à escolha do teste se mais de 50% das frequências absolutas esperadas das
células (e.g., A, B, C ou D) são inferiores a cinco, demandando que se utilize o teste
exato de Fisher ou o teste exato qui-quadrado.
26
ASSOCIAÇÃO ENTRE VARIÁVEL NOMINAL E ORDINAL: TESTE
QUI-QUADRADO PARA TENDÊNCIA (TREND) DE ARMITAGE-
BERRY
27
. tabulate low ftv, cchi2 exact V
Key
frequency
chi2 contribution
MaiorIgual2.5kg 64 36 23 3 3 1 130
0.3 0.4 0.3 0.7 0.0 0.1 1.9
Menor2.5kg 36 11 7 4 1 0 59
0.7 0.9 0.6 1.5 0.0 0.3 4.1
Cramér's V = 0.1780
Fisher's exact = 0.287
CORRELAÇÃO
29
Figura 5. Exemplo de correlação entre estatura e peso de estudantes brasileiros de graduação
do sexo masculino.
30
CONCLUSÃO
31
REFERÊNCIAS
1. Bland JM, Altman DG (1986) Statistical methods for assessing agreement between
two methods of clinical measurement. Lancet, 1(8476): 307-310.
2. Crosby AW (1997) The Measure of Reality. UK: Cambridge University Press.
3. Leme AS, Kasahara DI, Nunes MP, Martins MA, Vieira JE (2002) Exhaled nitric oxide
collected with two different mouthpieces: a study in asthmatic patients. Brazilian
Journal of Medical and Biological Research, 35: 1133-1137.
4. Menezes CC, Vieira JE (2002) Condutas no tratamento do broncoespasmo no peri-
operatório. Revista Brasileira de Anestesiologia, 52: 728-738.
5. Motulsky H (1995) Intuitive Biostatistics. UK: Oxford University Press.
6. Patti CAM, Vieira JE, Benseñor FEM (2008) Incidência e profilaxia de náuseas e
vômitos na recuperação pós-anestésica de um hospital-escola terciário. Revista
Brasileira de Anestesiologia, 58: 462-469.
7. Selwyn, M (1996) Principles of experimental design for the life sciences. NY: CRC.
8. Vieira JE, Silva BAR, Garcia Júnior D (2002) Padrões de ventilação em anestesia:
estudo retrospectivo. Revista Brasileira de Anestesiologia, 52: 756-763.
32
ANEXO 1. Determinando valores-p a partir de t.
Graus de liberdade
t 6 7 8 9 10 11 12 13 14 15 16 18 20 25 50 1000
1 0,356 0,351 0,347 0,343 0,341 0,339 0,337 0,336 0,334 0,333 0,332 0,331 0,329 0,327 0,322 0,318
1,1 0,313 0,308 0,303 0,3 0,297 0,295 0,293 0,291 0,29 0,289 0,288 0,286 0,284 0,282 0,277 0,272
1,2 0,275 0,269 0,264 0,261 0,258 0,255 0,253 0,252 0,25 0,249 0,248 0,246 0,244 0,241 0,236 0,23
1,3 0,241 0,235 0,23 0,226 0,223 0,22 0,218 0,216 0,215 0,213 0,212 0,21 0,208 0,205 0,2 0,194
1,4 0,211 0,204 0,199 0,195 0,192 0,189 0,187 0,185 0,183 0,182 0,181 0,179 0,177 0,174 0,168 0,162
1,5 0,184 0,177 0,172 0,168 0,165 0,162 0,159 0,158 0,156 0,154 0,153 0,151 0,149 0,146 0,14 0,134
1,6 0,161 0,154 0,148 0,144 0,141 0,138 0,136 0,134 0,132 0,13 0,129 0,127 0,125 0,122 0,116 0,11
1,7 0,14 0,133 0,128 0,123 0,12 0,117 0,115 0,113 0,111 0,11 0,108 0,106 0,105 0,102 0,095 0,089
1,8 0,122 0,115 0,11 0,105 0,102 0,099 0,097 0,095 0,093 0,092 0,091 0,089 0,087 0,084 0,078 0,072
1,9 0,106 0,099 0,094 0,09 0,087 0,084 0,082 0,08 0,078 0,077 0,076 0,074 0,072 0,069 0,063 0,058
2 0,092 0,086 0,081 0,077 0,073 0,071 0,069 0,067 0,065 0,064 0,063 0,061 0,059 0,056 0,051 0,046
2,1 0,08 0,074 0,069 0,065 0,062 0,06 0,058 0,056 0,054 0,053 0,052 0,05 0,049 0,046 0,041 0,036
2,2 0,07 0,064 0,059 0,055 0,052 0,05 0,048 0,046 0,045 0,044 0,043 0,041 0,04 0,037 0,032 0,028
2,3 0,065 0,055 0,05 0,047 0,044 0,042 0,04 0,039 0,037 0,036 0,035 0,034 0,032 0,03 0,026 0,022
2,4 0,053 0,047 0,043 0,04 0,037 0,035 0,034 0,032 0,031 0,03 0,029 0,027 0,026 0,024 0,02 0,017
2,5 0,047 0,041 0,037 0,034 0,031 0,03 0,028 0,027 0,025 0,025 0,024 0,022 0,021 0,019 0,016 0,013
2,6 0,041 0,035 0,032 0,029 0,026 0,025 0,023 0,022 0,021 0,02 0,019 0,018 0,017 0,015 0,012 0,009
2,7 0,036 0,031 0,027 0,024 0,022 0,021 0,019 0,018 0,017 0,016 0,016 0,015 0,014 0,012 0,009 0,007
2,8 0,031 0,027 0,023 0,021 0,019 0,017 0,016 0,015 0,014 0,013 0,013 0,012 0,011 0,01 0,007 0,005
2,9 0,027 0,023 0,02 0,018 0,016 0,014 0,013 0,012 0,012 0,011 0,01 0,01 0,009 0,008 0,006 0,004
3 0,024 0,02 0,017 0,015 0,013 0,012 0,011 0,01 0,01 0,009 0,008 0,008 0,007 0,006 0,004 0,003
3,1 0,021 0,017 0,015 0,013 0,011 0,01 0,009 0,008 0,008 0,007 0,007 0,006 0,006 0,005 0,003 0,002
3,2 0,019 0,015 0,013 0,011 0,009 0,008 0,008 0,007 0,006 0,006 0,006 0,005 0,004 0,004 0,002 0,001
3,3 0,016 0,013 0,011 0,009 0,008 0,007 0,006 0,006 0,005 0,005 0,005 0,004 0,004 0,003 0,002 0,001
3,4 0,014 0,011 0,009 0,008 0,007 0,006 0,005 0,005 0,004 0,004 0,004 0,003 0,003 0,002 0,001 0,001
3,5 0,013 0,01 0,008 0,007 0,006 0,005 0,004 0,004 0,004 0,003 0,003 0,003 0,002 0,002 0,001 <0,001
3,6 0,011 0,009 0,007 0,006 0,005 0,004 0,004 0,003 0,003 0,003 0,002 0,002 0,001 0,001 0,001 <0,001
3,7 0,01 0,008 0,006 0,005 0,004 0,004 0,003 0,003 0,002 0,002 0,002 0,002 0,001 0,001 0,001 <0,001
3,8 0,009 0,007 0,005 0,004 0,003 0,003 0,003 0,002 0,002 0,002 0,002 0,001 0,001 0,001 <0,001 <0,001
3,9 0,008 0,006 0,005 0,004 0,003 0,002 0,002 0,002 0,002 0,001 0,001 0,001 0,001 0,001 <0,001 <0,001
4 0,007 0,005 0,004 0,003 0,003 0,002 0,002 0,002 0,001 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001
4,1 0,006 0,005 0,003 0,003 0,002 0,002 0,001 0,001 0,001 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001
4,2 0,006 0,004 0,003 0,002 0,002 0,001 0,001 0,001 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001
4,3 0,005 0,004 0,003 0,002 0,002 0,001 0,001 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001
4,4 0,005 0,003 0,002 0,002 0,001 0,001 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
4,5 0,004 0,003 0,002 0,001 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
4,6 0,004 0,002 0,002 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
4,7 0,003 0,002 0,002 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
4,8 0,003 0,002 0,001 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
4,9 0,003 0,002 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
5 0,002 0,002 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
5,1 0,002 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
5,2 0,002 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
5,3 0,002 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
5,4 0,002 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
5,5 0,002 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
5,6 0,001 0,001 0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
33
ANEXO 2. Valores críticos para distribuição qui-quadrado.
Valor de α [ p = ou < ]
df 0,25 0,2 0,15 0,1 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0,005 0,001
1 1,323 1,642 2,072 2,706 3,283 3,537 3,841 4,218 4,709 5,412 6,635 7,879 10,827
2 2,773 3,219 3,794 4,605 5,319 5,627 5,991 6,438 7,013 7,824 9,210 10,597 13,815
3 4,108 4,642 5,317 6,251 7,060 7,407 7,815 8,311 8,947 9,837 11,345 12,838 16,266
4 5,385 5,989 6,745 7,779 8,666 9,044 9,488 10,026 10,712 11,668 13,277 14,860 18,466
5 6,626 7,289 8,115 9,236 10,191 10,596 11,070 11,644 12,375 13,388 15,086 16,750 20,515
6 7,841 8,558 9,446 10,645 11,660 12,090 12,592 13,198 13,968 15,033 16,812 18,548 22,457
7 9,037 9,803 10,748 12,017 13,088 13,540 14,067 14,703 15,509 16,622 18,475 20,278 24,321
8 10,219 11,030 12,027 13,362 14,484 14,956 15,507 16,171 17,011 18,168 20,090 21,955 26,124
9 11,389 12,242 13,288 14,684 15,854 16,346 16,919 17,608 18,480 19,679 21,666 23,589 27,877
10 12,549 13,442 14,534 15,987 17,203 17,713 18,307 19,021 19,922 21,161 23,209 25,188 29,588
11 13,701 14,631 15,767 17,275 18,533 19,061 19,675 20,412 21,342 22,618 24,725 26,757 31,264
12 14,845 15,812 16,989 18,549 19,849 20,393 21,026 21,785 22,742 24,054 26,217 28,300 32,909
13 15,984 16,985 18,202 19,812 21,151 21,711 22,362 23,142 24,125 25,471 27,688 29,819 34,527
14 17,117 18,151 19,406 21,064 22,441 23,017 23,685 24,485 25,493 26,873 29,141 31,319 36,124
15 18,245 19,311 20,603 22,307 23,720 24,311 24,996 25,816 26,848 28,259 30,578 32,801 37,698
16 19,369 20,465 21,793 23,542 24,990 25,595 26,296 27,136 28,191 29,633 32,000 34,267 39,252
17 20,489 21,615 22,977 24,769 26,251 26,870 27,587 28,445 29,523 30,995 33,409 35,718 40,791
18 21,605 22,760 24,155 25,989 27,505 28,137 28,869 29,745 30,845 32,346 34,805 37,156 42,312
19 22,718 23,900 25,329 27,204 28,751 29,396 30,144 31,037 32,158 33,687 36,191 38,582 43,819
20 23,828 25,038 26,498 28,412 29,991 30,649 31,410 32,321 33,462 35,020 37,566 39,997 45,314
21 24,935 26,171 27,662 29,615 31,225 31,895 32,671 33,597 34,759 36,343 38,932 41,401 46,796
22 26,039 27,301 28,822 30,813 32,453 33,135 33,924 34,867 36,049 37,659 40,289 42,796 48,268
23 27,141 28,429 29,979 32,007 33,675 34,370 35,172 36,131 37,332 38,968 41,638 44,181 49,728
24 28,241 29,553 31,132 33,196 34,893 35,599 36,415 37,389 38,609 40,270 42,980 45,558 51,179
25 29,339 30,675 32,282 34,382 36,106 36,824 37,652 38,642 39,880 41,566 44,314 46,928 52,619
26 30,435 31,795 33,429 35,563 37,315 38,044 38,885 39,889 41,146 42,856 45,642 48,290 54,051
27 31,528 32,912 34,574 36,741 38,520 39,259 40,113 41,132 42,407 44,140 46,963 49,645 55,475
28 32,620 34,027 35,715 37,916 39,721 40,471 41,337 42,370 43,662 45,419 48,278 50,994 56,892
29 33,711 35,139 36,854 39,087 40,919 41,679 42,557 43,604 44,913 46,693 49,588 52,335 58,301
30 34,800 36,250 37,990 40,256 42,113 42,883 43,773 44,834 46,160 47,962 50,892 53,672 59,702
34
35