Testes Não Paramétricos

Objectivos

Após completar este tópico, deve ser capaz de:

▪ Usar o teste de ajustamento do qui-quadrado para

determinar se os dados ajustam a uma
distribuição específica

▪ Definir uma tabela de contingência e executar o

teste de independência do qui-quadrado
 Testes Não Paramétricos

Testes de Hipóteses

Paramétricos Não Paramétricos

Testes de Testes de
Ajustamento Independência
 Testes Não Paramétricos

Testes Paramétricos
▪ Incidem explicitamente sobre parâmetros de
uma ou mais populações. Exemplos: Testes de
hipóteses para o parâmetro m e para o
parâmetro p.
▪ A distribuição da estatística de teste pressupõe
uma distribuição populacional. Exemplos:
Distribuição Normal no que diz respeito ao
parâmetro m ou Binomial para o parâmetro p.
 Testes Não Paramétricos

Testes Não Paramétricos

▪ Não incidem sobre parâmetros.
▪ Violam pelo menos uma das condições
referidas nos testes paramétricos.

Exemplos: Testes de ajustamento, testes de

independência, …
 Testes Não Paramétricos

Testes de Hipóteses

Paramétricos Não Paramétricos

Testes de Testes de
Ajustamento Independência
 Testes de Ajustamento

Testes de ajustamento

▪ Permitem testar o ajustamento de uma amostra

a uma distribuição teórica.
▪ Existem vários testes de ajustamento, mas
destacaremos o teste de ajustamento do qui-
quadrado.
 Teste de Ajustamento do
Qui-Quadrado
1. Formulação das hipóteses
H0: A população possui determinada distribuição de probabilidade
H1: A população não possui tal distribuição de probabilidade

2. As n observações que constituem a amostra são agrupadas em K classes

ou categorias não sobreponíveis (K ≥ 2). As classes formam uma partição do
suporte da distribuição considerada em H0

3. Calculam-se as frequências absolutas das observações amostrais nas

diferentes classes. Tais frequências, que se designam por frequências
observadas, denotam-se por Oi

4. Calculam-se as frequências esperadas para cada classe (frequências que

se esperaria obter, em cada classe i, se H0 fosse verdadeira). Denotam-se
por Ei.
Ei= n x pi , i=1,…, K
com pi = P(a v.a. tomar valores pertencentes à classe i | H0 verdadeira)
 Teste de Ajustamento do
Qui-Quadrado
5. Calcular o valor observado da estatística de teste Q, Qobs.
A estatística de teste Q é:
𝐾
𝑂𝑖 − 𝐸𝑖 2
𝑄=෍
𝐸𝑖
𝑖=1
onde:
K = nº de classes ou categorias
r = nº de parâmetros da distribuição populacional estimados a partir da amostra
Oi = frequência observada para a categoria i
Ei = frequência esperada para a categoria i

6. Decisão: Fixado um nível de significância, α, rejeita-se H0 se

2
𝑄𝑜𝑏𝑠 > 𝜒𝐾−1−𝑟;1−𝛼

2
ou, rejeita-se H0 se 𝑄𝑜𝑏𝑠 ∈ 𝑅𝑅 = ] 𝜒𝐾−1−𝑟;1−𝛼 ; +∞[
 Teste de Ajustamento do
Qui-Quadrado

2(K-1-r)

0
Não se Rejeita-se H0
rejeita H0 2 K-1-r,1- 
Nota:
▪ A soma das frequências observadas é igual à soma das frequências esperadas e
ambas iguais a n.
Requisitos do teste:
▪ As frequências esperadas nunca devem ser inferiores a 5. Se, como muitas vezes
acontece, as frequências esperadas de algumas classes extremas forem inferiores a
este numero, estas classes devem agrupar-se com as adjacentes, sendo o nº g.l. da
estatística de teste, Q, reduzido em conformidade.
▪ Para a execução do teste de ajustamento do qui-quadrado exige-se que a amostra
seja aleatória e deve ter uma dimensão mínima adequada (n > 30).
 Teste de Ajustamento do
Qui-Quadrado - Exemplo
Determinada empresa seguradora baseia o seu sistema de prémios para
determinado risco na premissa de que o número de sinistros por apólice
tem distribuição de Poisson com parâmetro igual a 0,2. Recolhida uma
amostra de 1000 apólices, referentes ao ano anterior, observou-se o
seguinte:
Nº de sinistros 0 1 2
por apólice
Nº de apólices 800 175 25
A amostra põe em causa a premissa da seguradora?
1. Formulação das hipóteses:
X – v.a. que representa o número de sinistros por apólice

H0: X ~ P(0,2)
H1: X ≁P(0,2)

2. n=1000, observações da amostra estão agrupadas em K=3 classes. Para

que as classes formem uma partição do suporte da distribuição de Poisson, a
última classe deve considerar-se ≥ 2 e não somente 2.
 Teste de Ajustamento do
Qui-Quadrado - Exemplo
3. As frequências absolutas são iguais a 800, 175 e 25, respectivamente em
cada uma das três classes.

4. Calcular as frequências esperadas para cada classe.

𝑒 −0,2 0,20
𝑝1 = 𝑃 𝑋 = 0 𝑋~𝑃(0,2)) = = 0,819
0!
𝑒 −0,2 0,21
𝑝2 = 𝑃 𝑋 = 1 𝑋~𝑃(0,2)) = = 0,164
1!
𝑝3 = 𝑃 𝑋 ≥ 2 𝑋~𝑃(0,2)) = 1 − 𝑃 𝑋 < 2 𝑋~𝑃(0,2)) =
= 1 − 𝑃 𝑋 = 0 𝑋~𝑃(0,2)) − 𝑃 𝑋 = 1 𝑋~𝑃(0,2)) = 1 − 0,819 − 0,164 = 0,017

𝐸1 = 1000 × 𝑝1 = 1000 × 0,819 = 819

𝐸2 = 1000 × 𝑝2 = 1000 × 0,164 = 164

𝐸3 = 1000 × 𝑝3 = 1000 × 0,017 = 17

 Teste de Ajustamento do
Qui-Quadrado - Exemplo

Classe Frequência Frequência

Observada Esperada
Oi Ei
0 800 819
1 175 164
≥2 25 17
TOTAL 1000 1000
 Teste de Ajustamento do
Qui-Quadrado - Exemplo
5. Calcular o valor observado da estatística de teste:
3 2
𝑂𝑖 − 𝐸𝑖 (800 − 819)2 (175 − 164)2 (25 − 17)2
𝑄𝑜𝑏𝑠 =෍ = + + = 4,944
𝐸𝑖 819 164 17
𝑖=1

6. Decisão:
Seja α=0,05. 4,944
2 2 2
𝜒𝐾−1−𝑟;1−𝛼 = 𝜒3−1−0;1−0,05 = 𝜒2;0,95 = 5,99

RR=]5,99; +∞ [
Conclusão:
Como Qobs = 4,944 < 5,99 = 22; 0,95  = 0.05
logo não se rejeita H0 para α=0,05.
Assim, considerando um nível de
significância de 5%, não temos razões para 0 2
duvidar da hipótese aventada pela Não se Rejeita-se H0
rejeita H0
seguradora.
22; 0,95 = 5,99
 Testes Não Paramétricos

Testes de Hipóteses

Paramétricos Não Paramétricos

Testes de Testes de
Ajustamento Independência
 Teste de Independência

Teste de associação ou independência:

▪ Permitem testar a independência entre duas

variáveis
▪ Existem outros testes de independência, mas
focar-nos-emos no Teste de Independência do
Qui-Quadrado em tabelas de contingência
 Teste de Independência

Tabela de Contingência
▪ Usadas para classificar observações da
amostra de acordo com um par de atributos
▪ É também designada por tabela de
classificação cruzada ou tabulação cruzada
▪ Suponha r categorias para a v.a. X e c
categorias para a v.a. Y
▪ Então existem (r x c) classificações cruzadas possíveis
 Teste de Independência

Tabela de Contingência r x c
V.a. Y

V.a. X 1 2 ... C Totais

marginais
1 O11 O12 … O1c O1.
2 O21 O22 … O2c O2.
. . . … . .
. . . … . .
. . . … . .
r Or1 Or2 … Orc O r.

Totais marginais O.1 O.2 ... O.c n

 Teste de Independência do
Qui-Quadrado
1. Formulação das hipóteses
H0: X e Y são v.a. independentes (ou não associadas)
H1: X e Y não são v.a. independentes (ou associadas)
2. As n observações que constituem a amostra são agrupadas em categorias
relativas às variáveis X e Y numa tabela de contingência
3. Calculam-se as frequências observadas, Oij , e as frequências esperadas,
Eij .
Oij → frequência observada na célula (i,j) da tabela de contingência
Eij → frequência esperada na célula (i,j) da tabela de contingência se H0 for
verdadeira, ou seja, se X e Y forem v.a. independentes.

𝑂𝑖. × 𝑂.𝑗
𝐸𝑖𝑗 =
𝑛
onde,
𝑂𝑖. - total das frequências observadas na linha i da tabela de contingência
𝑂.𝑗 - total das frequências observadas na coluna j da tabela de contingência
 Teste de Independência do
Qui-Quadrado

4. Calcular o valor observado da estatística de teste Q, Qobs.

A estatística de teste Q é:
𝑟 𝑐 2 2
𝑄 = ෍෍
𝑂𝑖𝑗 − 𝐸𝑖𝑗 𝜒(𝑟−1)×(𝑐−1)
𝐸𝑖𝑗
𝑖=1 𝑗=1
onde:
r = nº de linhas da tabela de contingência
c = nº de colunas da tabela de contingência

5. Decisão: Fixado um nível de significância, α, rejeita-se H0 se

2
𝑄𝑜𝑏𝑠 > 𝜒(𝑟−1)×(𝑐−1);1−𝛼
2
ou, rejeita-se H0 se 𝑄𝑜𝑏𝑠 ∈ 𝑅𝑅 = ] 𝜒(𝑟−1)×(𝑐−1);1−𝛼 ; +∞[
 Teste de Independência do
Qui-Quadrado

2(r-1)x(c-1)

0
Não se Rejeita-se H0
rejeita H0 2 (r-1)x(c-1), 1- 

Requisitos do teste:
▪ Para a execução do teste de independência do qui-quadrado exige-se que a amostra
seja aleatória e deve ter uma dimensão mínima adequada (n > 30).

▪ As frequências esperadas em cada célula (i,j) da tabela nunca devem ser inferiores a 5.
Caso tal aconteça, então procede-se ao agrupamento das categorias adjacentes em
linha, em coluna ou em ambas, sendo o nº g.l. da estatística de teste, Q, reduzido em
conformidade.
 Teste de Independência do
Qui-Quadrado - Exemplo
No âmbito da medicina do trabalho foi levado a cabo um estudo clínico
onde se selecionaram 300 indivíduos que foram classificados por sexo e a
aptidão para o trabalho. Obtiveram-se os seguintes resultados:

Aptidão para o trabalho

Totais
Sexo Sim Não marginais

Feminino 108 12 120

Masculino 156 24 180

Totais
264 36 300
marginais
 Teste de Independência do
Qui-Quadrado - Exemplo
1. Formulação das hipóteses:
X – v.a. que representa o sexo do indivíduo
Y – v.a. que representa a aptidão do indivíduo para o trabalho

H0: X e Y são v.a. independentes

H1: X e Y não são v.a. independentes

2. As n=300 observações que constituem a amostra estão agrupadas em

categorias relativas às variáveis X (2 categorias) e Y (2 categorias) na tabela
de contingência: r=2 e c=2.

3. As frequências observadas são iguais a O11=108, O12=12, O21=156 e

O22=24, respectivamente em cada uma das células da tabela. Os totais
marginais de linha são O1.=120 e O2.=180 e os totais marginais de coluna são
O. 1=264 e O. 2=36.
 Teste de Independência do
Qui-Quadrado - Exemplo

Frequências esperadas:

𝑂1. × 𝑂.1 120 × 264

𝐸11 = = = 105.6
300 300
𝑂1. × 𝑂.2 120 × 36
𝐸12 = = = 14.4
300 300
𝑂2. × 𝑂.1 180 × 264
𝐸21 = = = 158.4
300 300
𝑂2. × 𝑂.2 180 × 36
𝐸22 = = = 21.6
300 300
 Teste de Independência do
Qui-Quadrado - Exemplo

Frequências observadas vs. frequências esperadas:

Aptidão para o trabalho
Sexo Sim Não
Observada = 108 Observada = 12
Feminino 120
Esperada = 105.6 Esperada = 14.4
Observada = 156 Observada = 24
Masculino 180
Esperada = 158.4 Esperada = 21.6

264 36 300
 Teste de Independência do
Qui-Quadrado - Exemplo
4. Calcular o valor observado da estatística de teste:

(108 − 105,6)2 (12 − 14,4)2 (156 − 158,4)2 (24 − 21,6)2

𝑄𝑜𝑏𝑠 = + + + = 0,6848
105,6 14,4 158,4 21,6

5. Considerando α = 5%

2 2 2
𝜒(𝑟−1)×(𝑐−1);1−𝛼 = 𝜒(2−1)×(2−1);1−0,05 = 𝜒1;0,95 = 3,84

𝑅𝑅: ]3,84 ; +∞[

 Teste de Independência do
Qui-Quadrado - Exemplo
Decisão:
𝑄𝑜𝑏𝑠 =0,6848 2
Como 𝑄𝑜𝑏𝑠 = 0.6848 < 3.84 =𝜒1;0,95
logo não se rejeita H0, para α=5%
ou,
Como 𝑄𝑜𝑏𝑠 = 0.6848 ∉ 𝑅𝑅: ]3,84 ; +∞[
2(1) logo não se rejeita H0 , para α=5%.

Assim, ao nível de
 = 0.05
significância de 5% não
temos razões para
duvidar que o sexo e a
21; 0,95 = 3.84 aptidão para o trabalho
Não se rejeita H0 Rejeita-se H0 sejam independentes.