Unidade 3 - Testes não paramétricos 1

UNIDADE 3 - TESTES NÃO PARAMÉTRICOS

Os testes não paramétricos são os que não se referem especificamente ao valor de um

parâmetro ou não exigem a aderência dos dados a uma determinada distribuição teórica.

3.1 Teste de Wilcoxon

O que é? É um teste não paramétrico para quando temos duas amostras pareadas (Antes de
um tratamento x Após o tratamento, Momento 1 x Momento 2, ...).

Para que serve? É aplicado a variáveis quantitativas e é indicado para a comparação de dois
grupos pareados para se verificar se pertencem ou não à mesma população e cujos requisitos para
aplicação do teste t de Student para dados emparelhados não foram cumpridos.

Pressuposto: Quando se dispõe de uma amostra pequena e a variável numérica não

apresenta uma distribuição normal em algum grupo.

Enquanto o teste t testa a igualdade das médias, o teste de Wilcoxon testa a igualdade das
medianas.

Vamos praticar com o BioEstat?

Exemplo

Os dados da tabela abaixo são os tempos (em segundos) obtidos de uma amostra aleatória de
crianças às quais foram dados blocos com a instrução de construírem a torre mais alta
possível. Esse procedimento é usado para medir a inteligência de crianças. Use um teste
estatístico a um nível de significância de 0,05 para testar a afirmativa de que não há diferença
entre os tempos da primeira e da segunda tentativas.
 Unidade 3 - Testes não paramétricos 2

OBS. 1: não esqueça que os 15 valores do tempo da tentativa 1 devem ser digitados na primeira
coluna (coluna 1) e os 15 valores da tentativa 2 na segunda coluna (coluna 2).

OBS. 2: as amostras são emparelhadas (pareadas), pois, segundo o enunciado, o experimento

foi conduzido da seguinte forma: 15 alunos na qual foram analisadas os tempos para a
montagem da torre em 2 momentos: tentativa 1 e tentativa 2. Os alunos que fazem parte do
primeiro momento da pesquisa (tentativa 1) são os mesmos do segundo momento (tentativa
2).

Passo 1 – Criamos as hipóteses.

H0: Não há diferença entre os tempos da primeira e da segunda tentativas.

H1: Há diferença entre os tempos da primeira e da segunda tentativas.

Passo 2 – Identificar se o conjunto de dados apresenta uma distribuição

normal (já fizemos o passo a passo na Unidade 1).
 Unidade 3 - Testes não paramétricos 3

Vá em Estatísticas/Normalidade/Shapiro-Wilk

Para os tempos da tentativa 1 o valor-p = 0,0075 < 0,05 conclui-se que se rejeita a hipótese
nula da normalidade desta variável.

Para os tempos da tentativa 2 o valor-p = 0,0096 < 0,05 conclui-se que se rejeita a hipótese
nula da normalidade desta variável.

Verificou-se, portanto, que o tempo gasto pelos alunos para a construção da torre não segue
uma distribuição normal em ambas as tentativas (p = 0,0075; p = 0,0096). Então, devemos utilizar
um teste não paramétrico e, neste caso, o teste de Wilcoxon, teste este para amostras
emparelhadas.

OBS.: Usaríamos um teste não paramétrico mesmo se apenas um dos grupos desse o valor-
p < 0,05.
 Unidade 3 - Testes não paramétricos 4

Passo 3 – Aplicar o teste de Wilcoxon para amostras emparelhadas

Vá em Estatísticas/Duas Amostras Relacionadas/Wilcoxon (signed-rank test)

Selecione as colunas em colunas disponíveis que quer aplicar o teste t para duas amostras
independentes e passe para o quadro de colunas selecionadas.
 Unidade 3 - Testes não paramétricos 5

Clique em Executar Estatística.

Conclusão: Recorreu-se ao teste de Wilcoxon para duas amostras relacionadas para

comparar o tempo gasto pelos alunos para a construção da torre, analisando as duas tentativas
(tentativa 1 e tentativa 2). Como pbilateral = 0,0032 < 0,05, rejeitamos a hipótese nula. Verificou-se
que existem diferenças estatisticamente significativas entre o tempo gasto pelos alunos para a
construção da torre na tentativa 1 (29 (mediana)) e tentativa 2 (14 (mediana)) (p=0,0032).

OBS.: na conclusão dos testes não paramétricos, devemos relatar a mediana e não a média.
Para achar a mediana das tentativas, vá em Estatísticas/Estatística Descritiva/Dados
quantitativos. Passe as duas colunas disponíveis para o lado das colunas selecionadas e clique em
Executar Estatística.

Está com dúvidas de como fazer um teste de Wilcoxon? Assista à videoaula 7 disponível no
tópico 3 da sala de aula virtual (Moodle).
 Unidade 3 - Testes não paramétricos 6

Exercício 1

Suponha que quer investigar se existe alguma diferença na quantidade de vocabulário

utilizado por crianças que usam um aparelho auditivo ou por crianças que não usam. Este é um
bom exemplo de um caso em que é essencial a utilização de sujeitos emparelhados. Como é óbvio,
não é possível utilizar os mesmos sujeitos, uma vez que nenhuma criança que não precisa de usar
aparelho auditivo usa um ao mesmo tempo. Por outro lado, não podemos escolher aleatoriamente
os sujeitos para cada grupo. Pode dar-se o caso, por exemplo, de os sujeitos que usam aparelho
auditivo serem mais velhos. Qualquer efeito encontrado neste grupo pode ficar a dever-se
unicamente a esta diferença. Os dois grupos ‘com aparelho’ e ‘sem aparelho’ necessitam de ser
emparelhados em termos de idade, sexo, inteligência e todas as outras variáveis que achemos
necessário serem controladas. Apresentamos, depois, às crianças um teste que meça o seu
vocabulário, traduzindo-o em resultados, tal como é mostrado na tabela seguinte.

Exercício 2

A tabela abaixo mostra o nível máximo de concentração (NMC) de 12 pacientes selecionados

aleatoriamente, antes e depois da ingestão de determinada droga. O objetivo deste estudo é testar
se existe uma diferença significativa entre os dois momentos.
 Unidade 3 - Testes não paramétricos 7

3.2 Teste de Mann-Whitney

O que é? É um teste não paramétrico para quando temos duas amostras independentes
(Masculino x Feminino, Placebo x Droga A, Droga A x Droga B,...).

Para que serve? É aplicado a variáveis quantitativas e é indicado para comparação de dois
grupos não pareados para se verificar se pertencem ou não à mesma população e cujos requisitos
para aplicação do teste t de Student não foram cumpridos.

Pressuposto: Quando se dispõe de uma amostra pequena e a variável numérica não

apresenta uma distribuição normal em algum grupo.

Enquanto o teste t analisa a igualdade das médias, o teste de Mann-Whitney testa a

igualdade das medianas.

Vamos praticar com o BioEstat?

Exemplo

A eficácia da publicidade de dois produtos concorrentes (Marca X e Marca Y) foi comparada.

Com isso, uma pesquisa de mercado realizada em um centro comercial local ofereceu a cada
participante uma xícara de café, sem que o participante soubesse qual das duas marcas
estava provando e, depois de degustar, cada participante deu uma nota variando de zero a 10.
 Unidade 3 - Testes não paramétricos 8

OBS. 1: não esqueça que as 14 notas dadas para o café da Marca X devem ser digitados na
primeira coluna (coluna 1) e as 13 notas da Marca Y na segunda coluna (coluna 2).

OBS. 2: As amostras são independentes pois, segundo o enunciado, o teste do café foi
conduzido da seguinte forma: 14 pessoas testaram a Marca X e 13 outras pessoas a Marca Y.
Quem faz parte de um grupo não poderá fazer parte de outro.

Passo 1 – Criamos as hipóteses.

H0: Não há diferença entre as notas atribuídas para os cafés da Marca X e da Marca Y.

H1: Há diferença entre as notas atribuídas para os cafés da Marca X e da Marca Y.

Passo 2 – Identificar se o conjunto de dados apresenta uma distribuição

normal (já fizemos o passo a passo na unidade 1).
 Unidade 3 - Testes não paramétricos 9

Vá em Estatísticas/Normalidade/Shapiro-Wilk

Para o grupo de pessoas que testaram o café da Marca X, o valor-p = 0,0416 < 0,05 conclui-
se que se rejeita a hipótese nula da normalidade desta variável.

Para o grupo de pessoas que testaram o café da Marca Y, o valor-p = 0,2261 > 0,05 conclui-se
que não se rejeita a hipótese nula da normalidade desta variável.

Verificou-se, portanto, que as notas de avaliação em relação aos tipos de café não seguem
uma distribuição normal (p = 0,0416; p = 0,2261). Então, devemos utilizar um teste não paramétrico
e, neste caso, o teste de Mann-Whitney.

OBS.: Lembre que, caso um dos grupos desse o valor-p < 0,05 (ou os 2 grupos), não
poderíamos utilizar um teste paramétrico.

Passo 3 – Aplicar o teste de Mann-Whitney.

Vá em Estatísticas/Duas Amostras Relacionadas/Teste t/Dados Amostrais

 Unidade 3 - Testes não paramétricos 10

Selecione as colunas em colunas disponíveis que quer aplicar o teste de Mann-Whitney e

passe para o quadro de colunas selecionadas.
 Unidade 3 - Testes não paramétricos 11

Clique em Executar Estatística.

Conclusão: Recorreu-se ao teste de Mann-Whitney para duas amostras independentes para

comparar as notas dadas para as duas marcas de café concorrentes (Marca X e Marca Y). Como
pbilateral = 0,0015 < 0,05, rejeitamos a hipótese nula. Verificou-se existirem diferenças
estatisticamente significativas entre as notas dadas pelos provadores aos cafés da Marca X (4,5
(mediana)) e Marca Y (7 (mediana)) (p=0,0015).

OBS.: na conclusão dos testes não paramétricos, devemos relatar a mediana e não a média.
Para achar a mediana das tentativas, vá em Estatísticas/Estatística Descritiva/Dados
quantitativos. Passe as duas colunas disponíveis para o lado das colunas selecionadas e clique em
Executar Estatística.

Está com dúvidas de como fazer um teste de Mann-Whitney? Assista à videoaula 8 disponível
no tópico 3 da sala de aula virtual (Moodle).
 Unidade 3 - Testes não paramétricos 12

Exercício 1

O diretor de recursos humanos de uma empresa crê que os operadores de um call-center com
treino de competências sociais deixam uma impressão mais favorável nos clientes do que os
operadores sem este tipo de treino. Num grupo de 22 operadores, foi avaliada a impressão de
simpatia registrada por 22 clientes após uma chamada de controle. O grau de simpatia, avaliado
numa escala ordinal com 5 pontos (1 – nada simpático a 5 – muito simpático), para cada operador
é registado na tabela seguinte. Existe diferença entre as amostras?

Exercício 2

Um departamento da rodovia estadual usa duas marcas de tinta para traçar faixas nas
estradas. Um funcionário da rodovia quer saber se existe uma diferença entre as duas marcas de
tinta. Para avaliar o problema, o funcionário registra o número de meses que as faixas aplicadas
com cada marca de tinta duram na rodovia.
 Unidade 3 - Testes não paramétricos 13

3.3 Teste de Kruskal-Wallis

O que é? É um teste não paramétrico para quando temos três ou mais amostras
independentes (Tratamento A x Tratamento B x Tratamento C, Grupo 1 (faixa etária 20-30) x Grupo
2 (faixa etária 30-40) x Grupo 3 (faixa etária 40-50) x Grupo 4 (faixa etária 50-60), ...).

Para que serve? É aplicado para variáveis quantitativas e é indicado para a comparação de
três ou mais grupos não pareados para se verificar se pertencem ou não à mesma população e
cujos requisitos para aplicação do teste ANOVA não foram cumpridos.

Pressuposto: Quando se dispõe de uma amostra pequena e a variável numérica não

apresenta uma distribuição normal em algum grupo.

Enquanto a ANOVA testa a igualdade das médias, o teste de Kruskal-Wallis testa a igualdade
das medianas.

Vamos praticar com o BioEstat?

Exemplo

Vamos supor que um experimento foi elaborado com o objetivo de verificar o comportamento
do peso de tomates italianos cultivados em solos enriquecidos com diferentes tipos de
nutrientes. Quatro solos foram enriquecidos com diferentes nutrientes e nomeados como ‘A’,
'B', 'C' e 'D'. Em seguida foram cultivados tomates italianos e, após o período de crescimento,
foram colhidos e pesados seis tomates de cada solo. (https://operdata.com.br/blog/teste-de-kruskal-
wallis-e-o-teste-de-nemenyi/)
 Unidade 3 - Testes não paramétricos 14

OBS.: não esqueça que os pesos dos tomates em relação aos 4 tipos de solos deverão ser
colocados 1 em cada coluna, portanto, teremos 4 colunas (Solo A, Solo B, Solo C e Solo D).

Passo 1 – Criamos as hipóteses.

H0: Não existe diferença entre o peso do tomate italiano cultivado nos quatro solos.

H1: Existe diferença entre o peso do tomate italiano cultivado nos quatro solos.

Passo 2 – Identificar se o conjunto de dados apresenta uma distribuição

normal (já fizemos o passo a passo na unidade 1).

Vá em Estatísticas/Normalidade/Shapiro-Wilk
 Unidade 3 - Testes não paramétricos 15

Para os resultados dos pesos dos tomates italianos em relação ao Solo A, o valor-p = 0,0460
< 0,05 conclui-se que se rejeita a hipótese nula da normalidade desta variável.

Para os resultados dos pesos dos tomates italianos em relação ao Solo B, o valor-p = 0,2391 >
0,05 conclui-se que não se rejeita a hipótese nula da normalidade desta variável.

Para os resultados dos pesos dos tomates italianos em relação ao Solo C, o valor-p = 0,6780
> 0,05 conclui-se que não se rejeita a hipótese nula da normalidade desta variável.

Para os resultados dos pesos dos tomates italianos em relação ao Solo B, o valor-p = 0,6289
> 0,05 conclui-se que não se rejeita a hipótese nula da normalidade desta variável.

Verificou-se, portanto, que os resultados dos pesos em relação aos solos, não seguem uma
distribuição normal (p = 0,0460; p = 0,2391; p = 0,6780; p = 0,6289). Então devemos utilizar um teste
não paramétrico e neste caso o teste Kruskal-Wallis.

OBS.: Caso um dos grupos desse o valor-p < 0,05, não poderíamos utilizar um teste
paramétrico.

Passo 3 – Aplicar o teste de Kruskal-Wallis.

Vá em Estatísticas/Análise de Variância/Kruskal-Wallis

Selecione as colunas em colunas disponíveis que quer aplicar o teste de Kruskal-Wallis e

passe para o quadro de colunas selecionadas.
 Unidade 3 - Testes não paramétricos 16

Clique em Executar Estatística.

Como pbilateral < 0,0267 < 0,05, rejeitamos a hipótese nula. Portanto, verificou-se existirem
diferenças estatisticamente significativas entre os pesos dos tomates italianos em relação aos
solos que foram plantados. Mas entre quais tipos de solos? Para isto devemos aplicar um dos dois
testes (post hoc) oferecidos pelo BioEstat (Dunn ou Student-Newman-Keuls). Vamos optar pelo
Teste de Dunn (Método de Dunn para comparação de 2 grupos no teste de Kruskal-Wallis se a hipótese de
nulidade for rejeitada, sabe-se que pelo menos dois dos H grupos apresentam diferenças. Para determinar
quais desses grupos são diferentes, pode-se querer testar dois grupos e determinar se foram eles os
responsáveis pela rejeição de H0 no teste de hipótese).

Marque Dunn. Executar

 Unidade 3 - Testes não paramétricos 17

Conclusão: Recorreu-se ao teste de Kruskal-Wallis para comparar os resultados dos pesos

dos tomates italianos em relação aos solos que foram plantados. Como pbilateral = 0,0267 < 0,05,
rejeitamos a hipótese nula. Foi então aplicado um teste post hoc (Dunn) para a comparação dos
resultados entre os solos. Verificou-se haver diferença somente entre solos A (mediana = 128) e D
(mediana = 90) (p < 0,05). Entre os solos A e B, A e C, B e C, B e D, C e D, não há diferenças
significativas entre os pesos (ns (não significativo) (p > 0,05)).

OBS: na conclusão dos testes não paramétricos devemos relatar a mediana e não a média.
Para achar a mediana dos pesos em relação aos solos, vá em Estatísticas/Estatística
Descritiva/Dados quantitativos. Passe as duas colunas disponíveis para o lado das colunas
selecionadas e clique em Executar Estatística.
 Unidade 3 - Testes não paramétricos 18

Está com dúvidas de como fazer um teste KRUSKAL-WALLIS? Assista à videoaula 9 disponível
no tópico 3 da sala de aula virtual (Moodle).

Exercício 1

Num estudo de limnologia, mediu-se o pH de oito amostras de água de cada uma de quatro
barragens. Os valores são os seguintes: Pretende-se averiguar se as águas das três origens têm o
mesmo valor de pH. Você pode comprovar esta afirmativa, ou seja, não existe diferença no pH das
águas em relação ao local e tipo de barragens. (http://www.liaaq.ccb.ufsc.br/files/2013/10/Aula-4.pdf)

Exercício 2

A tabela abaixo mostra o índice de Massa Corporal (IMC) e o grau de estadiamento do câncer
colorretal em 18 pacientes submetidos a cirurgia. O objetivo é verificar se o IMC difere entre os
graus de estadiamento desta doença.
 Unidade 3 - Testes não paramétricos 19

3.4 Teste do Qui-Quadrado

O que é? É um teste utilizado para variáveis qualitativas. Pretende aferir se existe uma
associação entre as variáveis ou se estas são independentes.

Exemplo

A Associação de Imprensa do Estado de São Paulo fez um levantamento com 1300 leitores,
para verificar se a preferência pela leitura de um determinado jornal é independente do nível
de instrução do indivíduo. Os resultados obtidos foram:

Pergunta: Há uma associação entre o grau de instrução e o tipo de jornal que as pessoas leem?
(https://www.ime.usp.br/~hbolfar/aula_2013/Aula11-QuiquadradoA12012.pdf)

Como temos 2 variáveis qualitativas (grau de instrução e tipo de jornal), vamos aplicar o teste
do Qui-Quadrado.

Passo 1 – Criamos as hipóteses.

H0: Não existe uma associação entre o grau de instrução e o tipo de jornal que as pessoas
leem.

H1: Existe uma associação entre o grau de instrução e o tipo de jornal que as pessoas leem.

Passo 2 – Digitar o tipo de jornal nas colunas e o grau de instrução nas linhas.
 Unidade 3 - Testes não paramétricos 20

Vá em Estatísticas/Qui-Quadrado/Tabela de Contingência (LxC)

Selecione todas as colunas e execute a estatística.

Conclusão: Como p < 0,0001 < 0,05, rejeitamos a hipótese nula. Avaliou-se, portanto, a
existência de associação entre o grau de instrução e o tipo de jornal. Verificou-se existir uma
associação estatisticamente significativa entre as variáveis grau de instrução e o tipo de jornal
que as pessoas leem (p<0,0001).

Está com dúvidas de como fazer um teste Qui-quadrado? Assista à videoaula 10 disponível no
tópico 3 da sala de aula virtual (Moodle).
 Unidade 3 - Testes não paramétricos 21

Exercício 1

A administração de um hospital deseja verificar se luvas de três marcas (A, B e C) são

homogêneas quanto à permeabilidade ao vírus. Para isto, realizou um experimento, no qual 240
luvas da marca A, 240 luvas da marca B e 300 luvas da marca C foram submetidas à tensão. Os
dados do experimento apresentam evidências estatísticas suficientes contra a hipótese de que as
três marcas possuem a mesma permeabilidade? Ou seja, existe uma associação entre a marca da
luva e a sua permeabilidade? (http://www.est.ufmg.br/~edna/bionutri/NUT-Aula11.pdf)

Exercício 2

Na tabela a seguir, observa-se o gênero e a avaliação do desempenho profissional de 220

estatísticos. Teste a alegação de que o gênero e o desempenho profissional são independentes, ou
seja, não existe uma associação entre as variáveis. (http://www.de.ufpb.br/~luiz/AED/Aula10.pdf)

Exercício 3

Em uma indústria, foi analisado o quesito fumo em relação aos seus empregados. Verifique
se existe associação entre as variáveis gênero e fumante. (http://www.de.ufpb.br/~luiz/AED/Aula10.pdf)
 Unidade 3 - Testes não paramétricos 22

GABARITO 3.1
1.

OBS.: embora não pareça, este exercício é um teste t pareado (leia o enunciado).

H0: Não há diferença entre quantidade de vocabulário utilizado por crianças que usam e que não
usam aparelho auditivo.

H1: Há diferença entre quantidade de vocabulário utilizado por crianças que usam e que não usam
aparelho auditivo.

Recorreu-se ao teste de Wilcoxon para duas amostras relacionadas para analisar se existe alguma
diferença na quantidade de vocabulário utilizado por crianças que usam um aparelho auditivo e
por crianças que não usam. Como pbilateral = 0,0284 < 0,05, rejeitamos a hipótese nula. Verificou-se
existirem diferenças estatisticamente significativas na quantidade de vocabulários comparando
as crianças que utilizam aparelho auditivo (3 (mediana)) com as que não usam (5 (mediana))
(p=0,0284).

2.

H0: Não há diferença entre o nível máximo de concentração analisado antes e depois de tomar
uma determinada droga.

H1: Há diferença entre o nível máximo de concentração analisado antes e depois de tomar uma
determinada droga.

Recorreu-se ao teste de Wilcoxon para duas amostras relacionadas para analisar o nível máximo
de concentração comparando a utilização de uma determinada droga. Como pbilateral = 0,0776 >
0,05, não rejeitamos a hipótese nula. Verificou-se não existir diferença estatisticamente
significativa no nível máximo de concentração comparando antes (14 (mediana)) e depois (18,5
(mediana)) da utilização de uma determinada droga (p=0,0776).

GABARITO 3.2
1.

H0: Não há diferença no grau de satisfação dos clientes comparando os funcionários com e sem
treinos.

H1: Há diferença no grau de satisfação dos clientes comparando os funcionários com e sem treinos.
 Unidade 3 - Testes não paramétricos 23

Recorreu-se ao teste de Mann-Whitney para duas amostras independentes para comparar o grau
de satisfação dos clientes analisando os funcionários com e sem treinos. Como pbilateral = 0,0349 <
0,05, rejeitamos a hipótese nula. Verificou-se existir diferença estatisticamente significativa no
grau de satisfação atribuído pelos clientes na comparação do grupo placebo (sem treino) (2,5
(mediana)) e o grupo com treino (3 (mediana)) (p=0,0015).

2.

H0: Não há diferença no número de meses que as faixas aplicadas com cada marca de tinta duram
na rodovia entre as Marcas A e B.

H1: Há diferença no número de meses que as faixas aplicadas com cada marca de tinta duram na
rodovia entre as Marcas A e B.

Recorreu-se ao teste de Mann-Whitney para duas amostras independentes para comparar o

número de meses que as faixas aplicadas com cada marca de tinta duram na rodovia entre as
Marcas A e B. Como pbilateral = 0,0019 < 0,05, rejeitamos a hipótese nula. Verificou-se existir
diferença estatisticamente significativa no número de meses que as faixas aplicadas duram na
rodovia, comparando as marcas A (sem treino) (36 meses (mediana)) e B (37,6 meses (mediana))
(p=0,0019).

GABARITO 3.3
1.

H0: Não existe diferença do valor do pH em relação às três barragens.

H1: Existe diferença do valor do pH em relação às três barragens.

Recorreu-se ao teste de Kruskal-Wallis para comparar o valor do pH em relação à origem

(barragem 1, barragem 2 e barragem 3). Como pbilateral = 0,0020 < 0,05, rejeitamos a hipótese nula.
Foi então aplicado um teste post hoc (Dunn) para a comparação dos resultados entre os pHs.
Verificou-se haver diferença do pH somente entre as barragens 1 (mediana = 7,71) e 3 (mediana =
7,79) (p < 0,05). Entre as barragens 1 (mediana = 7,71) e 2 (mediana = 7,76) e barragens 2 (mediana
= 7,76) e 3 (mediana = 7,79), não há diferenças significativas entre os pHs (ns (não significativo) (p
> 0,05)).
 Unidade 3 - Testes não paramétricos 24

2.

H0: Não existe diferença do IMC entre os graus de estadiamento do câncer colorretal.

H1: Existe diferença do IMC entre os graus de estadiamento do câncer colorretal.

Recorreu-se ao teste de Kruskal-Wallis para comparar o valor do IMC entre os graus de

estadiamento do câncer colorretal. Como pbilateral = 0,6842 > 0,05, não rejeitamos a hipótese nula.
Não há diferença estatisticamente significativa do IMC em relação aos graus de estadiamento do
câncer colorretal 1 (mediana = 20,89), 2 (mediana = 22,15) e 3 (mediana = 20,85) (p=0,6842).

GABARITO 3.4
1.

H0: Não existe uma associação entre três marcas (A, B e C) das luvas e a sua permeabilidade a vírus.

H1: Existe uma associação entre três marcas (A, B e C) das luvas e a sua permeabilidade a vírus.

Como p = 0,2859 > 0,05, não rejeitamos a hipótese nula. Avaliou-se, portanto, a não existência de
associação entre três marcas (A, B e C) das luvas e a sua permeabilidade a vírus (p = 0,2859).

2.

H0: Não existe uma associação entre gênero e desempenho profissional dos estatísticos.

H1: Existe uma associação entre gênero e desempenho profissional dos estatísticos.

Como p = 0,0636 > 0,05, não rejeitamos a hipótese nula. Avaliou-se, portanto, não haver uma
associação entre o gênero e classificação no desempenho profissional (p = 0,0636).

3.

H0: Não existe uma associação entre gênero e o fumo em relação aos empregados de uma
determinada empresa.

H1: Existe uma associação entre gênero e o fumo em relação aos empregados de uma determinada
empresa.

Como p = 0,0009 < 0,05, rejeitamos a hipótese nula. Avaliou-se, portanto, haver uma associação
entre o gênero e fumo dos empregados de uma determinada empresa (p = 0,0009).
 Unidade 3 - Testes não paramétricos 25

Referências
Estatística para Ciências Humanas. Jack Levin, Alan Fox; Tradução Alfredo Alves de Farias;
Revisão técnica Ana Maria Lima de Farias -- São Paulo: Prentice Hall, 2004.

Estatística para Administração e Economia. James T. Clave, P. George Henson, Terry Sinoich;
Tradução Fabrício Pereira Soares e Fernando Sampaio Filho, Revisão técnica Carlos Lopes
Nortega -- São Paulo: Pearson Prentice Hall, 2009.

Estatística Básica: Probabilidade e Inferência, Volume único. Luiz Gonzaga Morettin -- São
Paulo: Pearson Prentice Hall, 2010.

Estatística Aplicada à Administração usando o Excel. John L. Neufeld; Tradução José Luiz
Celeste; Revisão técnica Cyro C. Patarra -- São Paulo: Prentice Hall, 2003