Estatistica Nao Parametrica-26-10-2018

i
UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ

CAMPUS DE FOZ DO IGUAÇU
CENTRO DE ENGENHARIAS E CIÊNCIAS EXATAS
ESTATÍSTICA NÃO
PARAMÉTRICA
Carlos dos Santos
Outubro/2018
2
Sumário
5.1 Introdução ........................................................................................................................................................................ 3
5.2 O teste dos sinais ............................................................................................................................................................ 4
5.2.1 O teste dos sinais para uma população ............................................................................................................... 6

5.2.2 O teste dos sinais envolvendo dados nominais ou categóricos ................................................................... 13
5.2.3 O teste dos sinais envolvendo dados pareados ou emparelhados............................................................... 16
5.3 O teste dos postos com sinais de Wilcoxon............................................................................................................. 18
5.3.1 O teste dos postos com sinais de Wilcoxon para uma população ................................................................ 19
5.3.2 O teste dos postos com sinais de Wilcoxon para dados pareados .............................................................. 26
5.4 O teste da soma dos postos de Wilcoxon para duas amostras independentes ................................................ 31
5.5 O teste de Kruskal-Wallis ............................................................................................................................................. 38
5.6 Sequência de Exercícios .............................................................................................................................................. 42
5.7 Respostas dos exercícios ............................................................................................................................................ 47
5.8 Tabelas Estatísticas ...................................................................................................................................................... 51

3
5.1 Introdução
Os procedimentos de testes de hipóteses e intervalos de confiança vistos anteriormente, se baseiam na

suposição de que os dados amostrais são provenientes de populações com distribuição normal. Felizmente, a maioria
desses procedimentos é relativamente insensível a ligeiros afastamentos da normalidade. Em geral, os testes Z, t e F
(análise de variância), têm níveis reais de significância ou de confiança que diferem dos níveis de significância nominais
() ou de confiança (1 - )x100%, anunciados ou escolhidos pelo experimentador, embora a diferença entre os níveis
reais e os anunciados pelo experimentador seja pequena, quando a população em estudo tem distribuição normal.
Tradicionalmente esses procedimentos são chamados de paramétricos, porque se baseiam em uma família
paramétrica de distribuições. Alternativamente, é dito que esses procedimentos não são livres de distribuição porque
dependem da hipótese de que os dados amostrais devem ter sido coletados de uma população com distribuição normal.
Os testes não paramétricos não exigem suposições sobre a natureza ou forma distribuições populacionais,
logo, são ditos livres de distribuição. Embora seja usado o termo não paramétrico, para sugerir que esses métodos não
dependem de parâmetros, existem procedimentos não paramétricos que dependem de um parâmetro, como a
mediana. Embora o termo livre de distribuição seja o mais adequado, a nominação não paramétrica é a mais usada.
As principais vantagens e desvantagens dos testes não paramétricos são as seguintes:
Vantagens dos testes não paramétricos
1. Os métodos não paramétricos se aplicam a uma grande variedade de situações, porque não possuem as exigências
mais rígidas dos métodos paramétricos correspondentes. Em particular, os métodos não paramétricos não exigem
populações normalmente distribuídas.
2. Diferentemente dos métodos paramétricos, podem aplicar-se, em geral, a dados categóricos, tais como: sexo
masculino ou feminino, casado ou solteiro, peça defeituosa ou perfeita, sim ou não, etc.
3. Os procedimentos não paramétricos em geral envolvem cálculo mais simples do que os exigidos pelos métodos
paramétricos correspondentes e são, portanto, mais fáceis de ser entendidos e aplicados.
Desvantagens dos testes não paramétricos
1. Os métodos paramétricos tendem a desperdiçar informação, porque os dados numéricos exatos são, em geral,
reduzidos a uma forma qualitativa. Por exemplo, no teste não paramétrico dos sinais descrito na seção a seguir, as
diferenças das forças de resistência ao cisalhamento da união dos dois tipos de propulsores, em relação à mediana de
2000psi, são registradas simplesmente como sinais negativos e positivos; as magnitudes reais dessas diferenças são
ignoradas.
2. Os testes não paramétricos são menos eficientes que os testes paramétricos. Essa perda de eficiência geralmente
se reflete pela exigência de evidência mais forte, como a de um tamanho de amostra maior, ou em diferenças maiores,
para que o teste não paramétrico rejeite a hipótese H0, sendo ela falsa.
4
Os métodos não paramétricos descritos a seguir são competidores dos testes paramétricos Z, t e F(Análise de
Variância). Consequentemente, é importante comparar os desempenhos dos testes paramétricos e não paramétricos,
sob as hipóteses de populações normais, como mostra a tabela 5.1.
Tabela 5.1 Eficiência dos testes não paramétricos em relação aos paramétricos para populações normais.
Aplicação Teste Paramétrico Teste Não Paramétrico Eficiência do teste não
paramétrico
Teste dos sinais
Duas amostras pareadas Teste t Teste dos postos com sinais de 0,63
wilcoxon
Duas amostras Teste da soma dos postos de
Teste t ou teste z 0,95
independentes wilcoxon
Três ou mais amostras Teste F (Análise de
Teste de Kruskall Wallis 0,95
independentes Variância)
5.2 O teste dos sinais
Definição
O teste dos sinais é um teste não paramétrico ou livre de distribuição, que usa os sinais positivos e negativos para
testar diferentes afirmações, incluindo:
1. Afirmações que envolvem a mediana de uma única população.
2. Afirmações que envolvem a proporção p de dados nominais ou categóricos.
3. Afirmações que envolvem dados pareados ou emparelhados.
A ideia fundamental do teste dos sinais é a de analisar se há diferença significativa entre as frequências de
sinais positivos e negativos.
Suposições do teste dos sinais
1. Os dados amostrais foram selecionados aleatoriamente.
2. Não há qualquer exigência de que os dados amostrais provenham de uma população com uma distribuição particular.
Notação
1. x = número de vezes que o sinal menos frequente ocorreu.
2. n é o número total de sinais positivos e negativos.
Estatística do teste
1. Para n ≤ 25 a estatística do teste é: x = número de vezes que o sinal menos frequente ocorreu.
x  0,5   n 
2. Para n > 25 a estatística do teste é:: z 
2
n
2
Valores Críticos
1 Se n ≤ 25, o valor crítico T é encontrado na tabela A-7.
2 Se n > 25, os valores crítico de z são encontrados na tabela 2.2 da distribuição normal.
Início Figura 5.1 – Procedimentos do teste dos Sinais.

5
Associe os sinais positivos e

negativos e descarte quaisquer zeros
Faça n igual ao número total de

sinais positivos e negativos
Faça x igual ao número de sinais de

menor frequência
Os dados
Sim amostrais
contrariam H1
num teste
unilateral?
Não
Não
n ≤ 25?
Sim A estatística do teste será:
A estatística do teste será x ሺ𝑥+0,5ሻ−ሺ𝑛/2ሻ

(número de vezes que o sinal menos
𝑧=
ξ𝑛ൗ
frequente ocorreu) 2
Ache o valor crítico de z na

Ache o valor crítico na tabela A-7 tabela 2.2 da distribuição
normal.
O valor da O valor da
estatística do Sim estatística do teste Sim
este é menor do cai na região de
que ou igual ao rejeição?
valor crítico?
Não Não
Não se rejeita a Rejeita-se a Não se rejeita a Rejeita-se a

hipótese H0 hipótese H0 hipótese H0 hipótese H0
Observação: A figura 5.1 resume o procedimento para o teste dos sinais e inclui esta verificação: “Os dados amostrais
contradizem H1?” Se os dados amostrais contradizem H1, não se rejeita a hipótese H0. O fluxograma mostra esta
6
observação, porque é sempre aconselhável observar os dados e evitar tirar conclusões erradas ao aplicar o teste dos
sinais a um teste unilateral, quando um sinal ocorre significativamente com mais frequência do que o outro, mas os
dados amostrais contradizem a hipótese alternativa H1.
Por exemplo: Suponha que estejamos testando a afirmativa de que uma técnica de seleção de sexo favoreça
aos meninos, sendo eles a maioria (H1: p > 0,5), mas obtém-se uma amostra de 10 meninos e 90 meninas, com uma
proporção amostral de meninos p̂  10  0,10 . Nesse caso, os dados amostrais contradizem a hipótese
100
alternativa (H1). Não há como apoiar a afirmativa de H1, de modo que, imediatamente, não se rejeita a hipótese nula
(H0) e não se prossegue com o teste dos sinais, incluindo-se essa verificação.
5.2.1 O teste dos sinais para uma população
~ de uma
O teste dos Sinais para uma amostra é usado para o teste de afirmações sobre a mediana 
distribuição contínua qualquer, portanto é livre de distribuição. Vale lembrar que a mediana de uma distribuição é um
valor tal que a probabilidade de que um valor observado de X seja menor ou igual à mediana é 0,5, e a probabilidade
de que X seja maior ou igual à mediana é 0,5, ou seja,
~ )  P( X  
P( X   ~ )  0,5
Como a distribuição normal é simétrica, a média de uma distribuição normal é igual à mediana. Assim, o teste
dos sinais para uma amostra pode ser usado para testar afirmações sobre a média populacional  de uma população
com distribuição normal, porém, com menos eficiência que os testes paramétricos z e t. Note que, enquanto os testes
Z e t foram planejados para amostras de uma população com distribuição normal, o teste dos sinais é apropriado para
qualquer distribuição contínua. Como o teste dos sinais para uma pulação tem menos eficiência que os testes similares
paramétricos, se os dados amostrais aderem a uma população normalmente distribuída, o ideal é utilizar os testes z e
t.
Os procedimentos do teste dos sinais para uma população são os seguintes:
1 Elaborar as hipóteses nula e alternativa. O teste dos sinais para uma amostra ou teste da mediana, tem as
seguintes hipóteses:
~
1º caso) H 0 :  ~ ~
2º caso) H 0 :  ~ ~
3º caso) H 0 :  ~
0 0 0
~
H1 :  ~ ~
H1 :  ~ ~
H1 :  ~
0 0 0
2 Calcular todas as diferenças (xi - μ 0 )
Suponha que x1, x2, . . ., xn, seja um amostra aleatória de n observações da população de interesse, calcular
~   é verdadeira,
todas as diferenças (xi - 0) , i =1,2, . . .,n e anotar os sinais negativos e positivos. Agora, se H 0 :  0
qualquer diferença xi -  0 é positiva ou negativa de maneira igualmente provável.

7
3 Achar o valor da Estatística do teste
Sendo n é o número total de sinais negativos e positivos e x é o número de vezes que o sinal menos frequente
ocorreu, teremos os seguintes casos:
1º caso) Para n ≤ 25 a estatística do teste será x

ሺ𝑥+0,5ሻ−ሺ𝑛/2ሻ
2º caso) Para n > 25 a estatística do teste será 𝑧 =
ξ𝑛ൗ
2
Fundamentos para a estatística do teste usada quando n > 25
Quando ocorre n >25, a estatística do teste se baseia em uma aproximação normal à distribuição binomial,
com p = q = ½. Lembre de que, na parte de probabilidade, foi visto que a aproximação normal à distribuição binomial
é aceitável quando ocorre np  5 e nq  5. Lembrando que  = np e  = √𝑛𝑝𝑞 para a distribuição de probabilidade
binomial. Como o teste dos sinais supõe p = q =1/2, são satisfeitos os pré-requisitos de np  5 e nq  5 sempre que
ocorre n  10. Também com a suposição de p = q = 1/2, obtém-se  = np = n/2 e e  = √𝑛𝑝𝑞 = √𝑛/4 = ξ𝑛/2, de modo
= 𝑥− 
𝑥−ሺ𝑛/2ሻ
que 𝑧 se torna 𝑧= . Finalmente, substituímos x po x + 0,5 como correção de continuidade. Isto é,
ξ𝑛ൗ
2
os valores de x são discretos, mas, como estamos usando uma distribuição de probabilidade contínua, um valor discreto
tal como 10 é, na verdade, representado pelo intervalo de 9,5 a 10,5. Como x representa o sinal menos frequente,
procede-se de modo conservador e preocupa-se apenas com x + 0,5, obtendo, assim, a estatística 𝑧=
ሺ𝑥+0,5ሻ−ሺ𝑛/2ሻ
.
ξ𝑛ൗ
2
4 Achar o valor crítico
1º caso) Para n ≤ 25, o valor crítico X é achado na tabela A-7, em anexo.

2º caso) Para n > 25, o valor crítico Z é achado na tabela 2.2 da distribuição normal.
4 Conclusão
1º caso) Para n ≤ 25, se o valor da estatística do teste X for menor do que ou igual ao valor crítico, rejeita-se
H0, em caso contrário, não se rejeita.
2º caso) Para n > 25, se o valor da estatística do teste z cair na região de rejeição, rejeita-se H0, em caso
contrário, não se rejeita.
Observação. Quando a hipótese H0 é verdadeira, e ocorre n ≤ 25, a variável X(número de vezes que o sinal menos
frequente ocorreu), tem uma distribuição binomial com parâmetro p = 0,5. Assim, encontramos um valor crítico da
distribuição binomial que garanta o valor P, isto é, a probabilidade exata de rejeitar H0, sendo H0 verdadeira. Se o valor
P for maior do que o nível de significância , não se rejeita H0, em caso contrário, rejeita-se.
8
Exemplos
( 1 ) Montgomery, Peck e Vining (2001) relatam um estudo no qual um motor de foguete é feito pela união de um
propulsor de explosão e um propulsor de manutenção dentro de uma cápsula de metal. A força de resistência ao
cisalhamento da união dos dois tipos de propulsores é uma característica importante. Os dados a seguir mostram os
resultados de teste de 20 motores selecionados aleatoriamente. Supondo que as forças de cisalhamento observadas
não seguem a distribuição normal, verifique pelo teste dos sinais se a força de cisalhamento mediana é de 2000 psi ao
nível de significância de 5%.
2158,70 1678,15 2316,00 2061,30 2207,50 1708,30 1784,70 2575,10 2357,90 2256,70
2165,20 2399,55 1779,80 2336,75 1765,30 2053,50 2414,40 2200,50 2654,20 1753,70
a) Elaborar as hipóteses nula e alternativa
~  2000 psi (a força de cisalhamento mediana da união dos dois tipos de propulsores é de 2000 psi)
H0 : 
~  2000 psi (a força de cisalhamento mediana da união dos dois tipos de propulsores é diferente de 2000 psi)
H1 : 
b) Calcular as diferenças (xi - μ 0 ) e anotar os sinais

Observação i Xi Xi - 2000 Sinal
1 2158,70 158,70 +
2 1678,15 -321,85 -
3 2316,00 316,00 +
4 2061,30 61,30 +
5 2207,50 207,50 +
6 1708,30 -291,70 -
7 1784,70 -215,30 -
8 2575,10 575,10 +
9 2357,90 357,90 +
10 2256,70 256,70 +
11 2165,20 165,20 +
12 2399,55 399,55 +
13 1779,80 -220,20 -
14 2336,75 336,75 +
15 1765,30 -234,70 -
16 2053,50 53,50 +
17 2414,40 414,40 +
18 2200,50 200,50 +
19 2654,20 654,20 +
20 1753,70 -246,30 -
c) Achar o valor da Estatística do teste
Temos n = 20 sinais positivos e negativos. Para n ≤ 25 a estatística do teste é x = número de vezes que o sinal
menos frequente ocorreu. O sinal positivo (+) ocorreu 14 vezes, enquanto o sinal negativo (-) ocorreu 6 vezes, logo, x
= 6.
9
d) Achar o valor crítico
Temos n = 20 sinais positivos e negativos. Para n ≤ 25, utiliza-se a tabela A-7 para achar o valor crítico X. Na
margem esquerda dessa tabela procure n = 20. O nível de significância é de 5%. Então, na margem superior procure
 = 0,05 (duas caudas, porque o sinal de H1 é “”, ou seja, o teste é bilateral). No cruzamento da linha do n = 20 com
a coluna do  = 0,05, acha-se o valor crítico X = 5, como mostra o esquema a seguir.
Tabela A-7 – Valores críticos para o teste dos sinais.

0,005 0,01 0,025 0,025
n (uma cauda) (uma cauda) (uma cauda) (uma cauda)
0,01 0,02 0,05 0,05
(duas caudas) (duas caudas) (duas caudas) (duas caudas)
1

20 5

25
Logo, o valor crítico é X = 5.
e) Conclusão
Haja vista que ocorreu (X= 6) > (X = 5), não se rejeita H0 ao nível de significância de 5%. Portanto, a força de
cisalhamento mediana da união dos dois tipos de propulsores é de 2000 psi.
Observe que X é uma variável aleatória com distribuição Binomial. Assim, poderíamos testar a hipótese Ho,
~  2000 é verdadeira, X tem uma distribuição
calculando diretamente o valor P da distribuição binomial. Quando H 0 : 
binomial com parâmetros n = 20 e p = 0,5. Assim, a probabilidade de observar seis ou menos sinais negativos em uma
amostra de 20 observações é:
f (n , p)  P(X  x )  C nx p x (1  p) n  x
P(X  6)  C 020 0,50 (1  0,5) 200  C120 0,51 (1  0,5) 201  C 220 0,5 2 (1  0,5) 202  C 320 0,53 (1  0,5) 203 
 C 420 0,5 4 (1  0,5) 204  C 520 0,55 (1  0,5) 205  C 620 0,56 (1  0,5) 206
P(X  6)  0,0577
Haja vista que ocorreu (P = 0,0577) > ( = 0,05), não se rejeita H0 ao nível de significância de 5%. Portanto, a
força de cisalhamento mediana da união dos dois tipos de propulsores é de 2000 psi.
( 2 ) Quando perguntado sobre a temperatura média de um adulto sadio, todo mundo sempre responde que é de 98,6ºF.
Os dados a seguir são referentes a 106 temperaturas constantes obtidas por pesquisadores da Universidade de
Maryland, ao meio dia, no segundo dia da pesquisa, de indivíduos adultos. Foi realizado o teste de normalidade e
chegou-se à conclusão de que os dados não aderem à distribuição normal. Utilize o teste dos sinais para testar a
10
hipótese de que a temperatura corporal de indivíduos adultos sadios é inferior a 98,6ºF, utilizando o nível de
significância de 5%.
98,6 98,7 98,0 97,8 98,6
98,8 99,4 98,6 98,0 98,0
96,5 98,0 98,4 99,4 98,2
99,6 97,1 97,1 97,9 98,6
98,0 97,8 99,1 98,7 98,0
96,9 98,7 97,9 97,0 97,6
98,8 98,6 97,4 98,4 98,6
98,6 97,8 98,4 98,8 97,6
98,9 98,0 97,6 97,5 98,2
98,0 97,0 98,6 97,2 98,4
98,6 97,4 98,6 99,0 98,7
98,6 98,2 98,6 97,5 99,2
97,3 98,4 97,3 98,4 98,6
98,7 97,9 97,4 98,8 98,3
97,8 98,0 98,6 97,6 98,2
97,6 98,8 98,8 98,4 98,2
98,7 97,1 98,0 98,0 98,0
98,3 98,4 98,4 97,3 98,5
98,4 99,0 97,7 98,4 98,5
98,4 98,8 99,5 96,5 98,5
98,0 98,9 98,6 97,6 97,8
97,0
~  98,6 ºF (a temperatura corporal mediana de adultos saudáveis não é menor do que 98,6ºF)
H0 : 
~  98,6 ºF (a temperatura corporal mediana de adultos saudáveis é menor do que 98,6ºF)
H1 : 
11
b) Calcular as diferenças (xi - μ 0 ) e anotar os sinais
Obs. i xi xi - 98,6 Sinal Obs. i xi xi - 98,6 Sinal Obs. i xi xi -98,6 Sinal

1 98,6 0,0 37 98,0 -0,6 - 73 97,5 -1,1 -
2 98,8 0,2 + 38 98,8 0,2 + 74 97,2 -1,4 -
3 96,5 -2,1 - 39 97,1 -1,5 - 75 99,0 0,4 +
4 99,6 1,0 + 40 98,4 -0,2 - 76 97,5 -1,1 -
5 98,0 -0,6 - 41 99,0 0,4 + 77 98,4 -0,2 -
6 96,9 -1,7 - 42 98,8 0,2 + 78 98,8 0,2 +
7 98,8 0,2 + 43 98,9 0,3 + 79 97,6 -1,0 -
8 98,6 0,0 44 98,0 -0,6 - 80 98,4 -0,2 -
9 98,9 0,3 + 45 98,6 0,0 81 98,0 -0,6 -
10 98,0 -0,6 - 46 98,4 -0,2 - 82 97,3 -1,3 -
11 98,6 0,0 47 97,1 -1,5 - 83 98,4 -0,2 -
12 98,6 0,0 48 99,1 0,5 + 84 96,5 -2,1 -
13 97,3 -1,3 - 49 97,9 -0,7 - 85 97,6 -1,0 -
14 98,7 0,1 + 50 97,4 -1,2 - 86 98,6 0,0
15 97,8 -0,8 - 51 98,4 -0,2 - 87 98,0 -0,6 -
16 97,6 -1,0 - 52 97,6 -1,0 - 88 98,2 -0,4 -
17 98,7 0,1 + 53 98,6 0,0 89 98,6 0,0
18 98,3 -0,3 - 54 98,6 0,0 90 98,0 -0,6 -
19 98,4 -0,2 - 55 98,6 0,0 91 97,6 -1,0 -
20 98,4 -0,2 - 56 97,3 -1,3 - 92 98,6 0,0
21 98,0 -0,6 - 57 97,4 -1,2 - 93 97,6 -1,0 -
22 97,0 -1,6 - 58 98,6 0,0 94 98,2 -0,4 -
23 98,7 0,1 + 59 98,8 0,2 + 95 98,4 -0,2 -
24 99,4 0,8 + 60 98,0 -0,6 - 96 98,7 0,1 +
25 98,0 -0,6 - 61 98,4 -0,2 - 97 99,2 0,6 +
26 97,1 -1,5 - 62 97,7 -0,9 - 98 98,6 0,0
27 97,8 -0,8 - 63 99,5 0,9 + 99 98,3 -0,3 -
28 98,7 0,1 + 64 98,6 0,0 100 98,2 -0,4 -
29 98,6 0,0 65 97,8 -0,8 - 101 98,2 -0,4 -
30 97,8 -0,8 - 66 98,0 -0,6 - 102 98,0 -0,6 -
31 98,0 -0,6 - 67 99,4 0,8 + 103 98,5 -0,1 -
32 97,0 -1,6 - 68 97,9 -0,7 - 104 98,5 -0,1 -
33 97,4 -1,2 - 69 98,7 0,1 + 105 98,5 -0,1 -
34 98,2 -0,4 - 70 97,0 -1,6 - 106 97,8 -0,8 -
35 98,4 -0,2 - 71 98,4 -0,2 -
36 97,9 -0,7 - 72 98,8 0,2 +
Observação: Os dados amostrais não contradizem ~  98,6 ºF, pois de um total de 91 sinais, há 68 sinais
H1 : 
negativos, indicando que a maioria das temperaturas é inferior a 98,6 ºF. Se os dados amostrais fossem conflitantes
com a hipótese alternativa (H1), terminaríamos o teste imediatamente, concluindo por não rejeitar a hipótese nula (H0).
12
x  0,5   n 
Temos n = 91 sinais positivos e negativos. Para n > 25 a estatística do teste é z 
2
n
2
O sinal positivo ocorreu 23 vezes, enquanto o sinal negativo ocorreu 68 vezes. Então,
x = número de vezes que o sinal menos frequente ocorreu = 23
n = número total de sinais positivos e negativos = 23 + 68 = 91
Logo,
23  0,5   91

z  2   4,61
91
2
Temos n = 91. Para n > 25, utiliza-se a tabela 2.2 da distribuição normal para achar o valor crítico z. Temos  =
0,05, então tentamos localizar o valor 0,05 no centro da tabela 2.2 da distribuição normal, ou o mais próximo, se esse
valor não ocorrer. Os dois valores mais próximos de 0,05 são 0,0505 e 0,0495, os quais possuem a mesma diferença
em relação a este. O primeiro valor (0,0505) fornece Z = 1,64 nas margens da tabela, o segundo valor (0,0495), fornece
Z = 1,65, então, calcula-se a média aritmética dos dois valores de Z para achar o valor crítico Z = 1,645, como mostra
a figura a seguir.
Tabela 2.2 Distribuição normal reduzida (P(Z  -zc) ou P(Z  -zc)
Uma vez que o sinal da hipótese H1 é “<”, o teste é unilateral à esquerda e a região de rejeição (R.R.) é igual a  =
0,05, situando-se na extremidade esquerda da distribuição normal (por isso foi utilizada a tabela 2.2), a partir de -
Z = -1,645, como mostra o gráfico a seguir.
13
e) Conclusão
Observa-se pelo gráfico que, o valor da estatística do teste (Z = -4,61) cai na região de rejeição (R.R), então,
rejeita-se H0 ao nível de significância de 5%. Portanto, há evidências amostrais para acreditarmos que a temperatura
corporal mediana de adultos saudáveis é menor do que 98,6ºF.
5.2.2 O teste dos sinais envolvendo dados nominais ou categóricos
Lembre-se de que dados nominais envolvem nomes, atributos ou categorias apenas. Por exemplo, sim, não;
masculino, feminino; férteis, não férteis; defeituoso, não defeituoso, etc. Embora tais conjuntos de dados nominais
limitem os cálculos, é possível identificar a proporção dos dados amostrais que pertence a uma categoria particular,
possibilitando testar afirmativas sobre a proporção populacional p. Os procedimentos para o teste dos sinais
envolvendo dados nominais são os seguintes:
1 Elaborar as hipóteses nula e alternativa. O teste dos sinais envolvendo dados nominais ou categóricos tem as
1º caso) H 0 : p  0,5 2º caso) H 0 : p  0,5 3º caso) H 0 : p  0,5
H1 : p  0,5 H1 : p  0,5 H1 : p  0,5
2 Atribuição dos sinais: Arbitrariamente, atribua sinais positivos a uma das categorias e sinais negativos à outra, e
anote o número de vezes que cada sinal ocorre.
Sendo n é o número total de sinais negativos e positivos e x é o número de vezes que o sinal menos frequente
ocorreu, teremos os seguintes casos:
1º caso) Para n ≤ 25 a estatística do teste será x.

14
x  0,5   n 
2º caso) Para n > 25 a estatística do teste será z 
2
n
2

Exemplo
A cadeia de restaurantes Halters foi processada por discriminação baseada no sexo, porque apenas 30 homens
foram contratados juntamente com 70 mulheres. Um representante da companhia admite que, da mão de obra
qualificada, metade é de homens e metade é de mulheres, mas afirma que a Halters não discrimina, e o fato de que
30 dos últimos 100 novos empregados são homens, é apenas ao acaso. Use o teste dos sinais a um nível de
significância de 5% para testar a hipótese de que homens e mulheres são igualmente contratados por essa companhia.
H0: p = 0,5 (homens e mulheres são igualmente contratados por essa companhia).
H1: p  0,5 (homens e mulheres não são igualmente contratados por essa companhia).
b) Atribuição de sinais positivos e negativos
Este exemplo usa dados nominais ou categóricos que consistem em sexos masculino e feminino. O teste dos
sinais é usado, representado os homens com o sinal positivo (+) e as mulheres com o sinal negativo (-). Vale lembrar
que a escolha dos sinais é arbitrária.
c) Cálculo da estatística do teste
O fato de, dos últimos cem novos empregados contratados, 30 serem homens e 70 serem mulheres, resulta
que o sinal positivo (+) ocorreu 30 vezes e o sinal negativo (-) ocorreu 70 vezes, ou vice versa, então,
x = número de vezes que o sinal menos frequente ocorreu = 30
n = número total de sinais positivos e negativos = 30 + 70 = 100
x  0,5   n 
Temos n =100. Para n > 25 a estatística do teste é z 
2
n
2
15
30  0,5   100 

z  2   3,90
100
2
Temos n = 100. Para n > 25, utiliza-se a tabela 2.2 da distribuição normal para achar o valor crítico z. Temos  =
0,05, como o teste é bilateral, devido à ocorrência do sinal  em H1, calcula-se /2 = 0,05/2 =0,025. No centro da
tabela 2.2 da distribuição normal, procura-se o valor 0,025. Na margem esquerda e na mesma linha do valor 0,025
ocorre o valor 1,9 na margem superior e na mesma coluna, ocorre o valor 6, portanto Z/2 = 1,96 como mostra o
esquema seguir.
Tabela 2.2 Distribuição normal reduzida (P(Z  -zc) ou P(Z  -zc))
Uma vez que o sinal da hipótese H1 é “”, o teste é bilateral e a região de rejeição (R.R.) é igual a  = 0,05, sendo
dividida em duas partes de 0,025, situando-se nas extremidades esquerda e direita da distribuição normal (por isso foi
utilizada a tabela 2.2), aparecendo à esquerda de -1,96 e à direita de 1,96, como mostra a figura a seguir.
e) Conclusão
Observa-se pelo gráfico que, o valor da estatística do teste Z = -3,90 cai na região de rejeição (R.R), portanto,
rejeita-se H0 ao nível de significância de 5%. Portanto, há evidências amostrais para acreditarmos que homens e
mulheres não são contratados igualmente por essa companhia. Essa companhia parece discriminar, não contratando
proporções iguais de homens e mulheres.
16
5.2.3 O teste dos sinais envolvendo dados pareados ou emparelhados
Dados pareados são aqueles onde cada indivíduo da amostra é o controle de si mesmo, ou seja, são dados
obtidos nos mesmos indivíduos ou exemplares, em momentos ou situações diferentes. No uso do teste dos sinais com
dados que são combinados aos pares, convertem-se os dados brutos em sinais de mais ou menos, como segue. Esse
teste pode substituir o teste t para dados pareados da diferença entre as médias populacionais 1 e 2, se os dados
amostrais não seguem a distribuição normal. São exemplos de dados pareados: Pesos de indivíduos antes e após a
dieta; medição de impurezas das mesmas amostras de um produto químico tomadas por dois pesquisadores diferentes,
utilização de dois tipos de aparelhos de medida diferentes para um sistema de injeção eletrônica, utilizando os mesmos
12 carros.
Os procedimentos para o teste dos sinais envolvendo dados pareados são os seguintes:
~ 0
1º caso) H 0 :  ~ 0
2º caso) H 0 :  ~ 0
3º caso) H 0 : 
d d d
~ 0
H1 :  ~ 0
H1 :  ~ 0
H1 : 
d d d
~ representa a mediana das diferenças

Onde  d
2 Calcular as diferenças di = X1i – X2i e anotar os sinais
Suponha que, x11, x12, . . ., x1n, sejam os valores de uma amostra aleatória na primeira situação e que, x21, x22,
. . ., x2n, sejam os valores da mesma amostra, porém, na segunda situação. Calcular todas as diferenças di = X1i – X2i,
com i = 1, . . ., n e anotar os sinais negativos (-) e positivos (+). A ideia é a de que, se o número de sinais positivos
(+) for aproximadamente igual ao número de sinais negativos (-), teoricamente, a mediana das diferenças será igual a
zero e, consequentemente, H0 não será rejeitada.
Sendo n o número total de sinais negativos e positivos e x é o número de vezes que o sinal menos frequente
ocorreu, temos os seguintes casos:
1º caso) Para n ≤ 25 a estatística do teste é x.
x  0,5   n 
2º caso) Para n > 25 a estatística do teste é z 
2
n
2
1º caso) Para n ≤ 25, o valor crítico x é achado na tabela A-7, em anexo.

2º caso) Para n > 25, o valor crítico z é achado na tabela 2.2 da distribuição normal.
17
5 Conclusão
1º caso) Para n ≤ 25, se estatística do teste “x” for menor do que ou igual ao valor crítico X, rejeita-se H 0 ,
em caso contrário não se rejeita H0.

2º caso) Para n > 25, se a estatística do teste z cair na região de rejeição, rejeita-se H 0 , em caso contrário
não se rejeita H0.
Exemplos
( 1 ) Um engenheiro de automóveis está estudando dois tipos de aparelhos de medida por um sistema de injeção
eletrônica a fim de determinar se eles diferem em seus desempenhos de milhagem de combustível. O aparelho 1 é
instalado em 12 carros diferentes, e o teste é realizado em cada carro. O aparelho 2 é instalado, em seguida, nos
mesmos 12 carros, e o mesmo teste é realizado em cada um deles. Supondo que os dados amostrais não aderem a
distribuição normal (neste caso o teste t para dados pareados não é adequado), aplique o teste dos sinais para verificar
se os dois tipos de aparelhos diferem em seus desempenhos de milhagem de combustível. Use o nível de significância
de 5%. Os dados do desempenho da milhagem de combustível são apresentados a seguir.
Aparelho 1 17,6 19,4 19,5 17,1 15,3 15,9 16,3 18,4 17,3 19,1 17,8 18,2
Aparelho 2 16,8 20 18,2 16,4 16 15,4 16,5 18 16,4 20,1 16,7 17,9
~  0 (os dois tipos de aparelhos não diferem em seus desempenhos de milhagem de combustível)
H0 :  d
~  0 (os dois tipos de aparelhos diferem em seus desempenhos de milhagem de combustível)

H1 :  d
b) Calcular as diferenças di = X1i – X2i e anotar os sinais
Aparelho 1 17,6 19,4 19,5 17,1 15,3 15,9 16,3 18,4 17,3 19,1 17,8 18,2
Aparelho 2 16,8 20 18,2 16,4 16 15,4 16,5 18 16,4 20,1 16,7 17,9
di = X1i – X2i 0,8 -0,6 1,3 0,7 -0,7 0,5 -0,2 0,4 0,9 -1 1,1 0,3
Sinal
+ - + + - + - + + - + +
Temos n =12 sinais positivos e negativos. Para n ≤ 25 a estatística do teste é x = número de vezes que o sinal
menos frequente ocorreu. O sinal positivo (+) ocorreu 8 vezes, enquanto o sinal negativo (-) ocorreu 4 vezes, logo, x =
4.
18
Temos n = 12. Para n ≤ 25, utiliza-se a tabela A-7 para achar o valor crítico x. Na margem esquerda dessa
tabela procure n = 12. O nível de significância é de 5%. Então, na margem superior procure  = 0,05 (duas caudas,
porque o sinal de H1 é “”, ou seja, o teste é bilateral). No cruzamento da linha do n = 12 com a coluna do  = 0,05,
acha-se o valor crítico x = 2, como mostra o esquema a seguir.

0,005 0,01 0,025 0,025
0,01 0,02 0,05 0,05
1

12 2

25
Logo, o valor crítico é X = 2.
e) Conclusão
Haja vista que ocorreu (X= 4) > (X = 2), não se rejeita H0 ao nível de significância de 5%. Portanto, os dois
tipos de aparelhos não diferem em seus desempenhos de milhagem de combustível.
5.3 O teste dos postos com sinais de Wilcoxon
Na seção 5.2 o teste dos sinais foi usado para analisar três tipos diferentes de situações: afirmações que
envolvem a mediana de uma única amostra, afirmações que envolvem a proporção p de dados nominais ou
categóricos, e afirmações que envolvem dados pareados ou emparelhados. O teste dos sinais usou apenas os sinais
das diferenças e não suas magnitudes reais. Esta seção introduz o teste dos postos com sinais de Wilcoxon que,
também é usado com dados amostrais que envolvem a afirmação da mediana e afirmações que envolvem dados
pareados ou emparelhados. Como o teste dos postos com sinais de Wilcoxon incorpora e usa mais informação que o
teste dos sinais, tende a fornecer conclusões que refletem melhor a verdadeira natureza dos dados.
Definição
O teste dos postos com sinais de Wilcoxon é um teste não paramétrico que usa os postos com sinais de dados
amostrais. É usado para testar a mediana de uma população. No caso de dados pareados, serve para testar se a
mediana das diferenças é igual a zero, ou seja, para testar diferenças nas distribuições populacionais
19
Teste dos Postos com sinais de Wilcoxon

Suposições
1. Os dados são selecionados aletoriamente.
2. A população das diferenças tem uma distribuição contínua e simétrica.
Notação
1. T = a menor das somas dos postos em valor absoluto.
2. T- = a soma dos postos negativos em valor absoluto.
3. T+ = a soma dos postos positivos em valor absoluto.
Sendo n o número de diferenças não nulas:
1º caso) Para n ≤ 30 a estatística do teste é T.

n (n  1)
T
2º caso) Para n > 30 a estatística do teste é z 4
n (n  1)(2n  1)
24
Valores Críticos
1 Se n ≤ 30, o valor crítico T é encontrado na tabela A-8.

2 Se n > 30, os valores críticos de z são encontrados na tabela 2.2 da distribuição normal.
5.3.1 O teste dos postos com sinais de Wilcoxon para uma população
Assim como o teste dos sinais para uma população, o teste dos postos com sinais de Wilcoxon para uma
população, também realiza o teste da mediana.
Os procedimentos do teste dos postos com sinais de Wilcoxon para uma população são os seguintes:
1 Elaborar as hipóteses nula e alternativa.
O teste do dos postos com sinais de Wilcoxon para uma população ou teste da mediana, tem as seguintes
hipóteses:
1º caso) H 0 : ~  ~ 0 2º caso) H 0 : ~  ~ 0 3º caso) H 0 : ~  ~ 0

H1 : ~  ~ 0 H1 : ~  ~ 0 H1 : ~  ~ 0
2 Calcular todas as diferenças (xi - μ0 ) e atribuir os postos com sinais

20
Suponha que x1, x2, . . ., xn, seja um amostra aleatória de uma distribuição contínua, com mediana ~   0 .
Calcule todas as diferenças di = xi - 0, com i =1,2, . . .,n. Conserve os sinais, mas ignore quaisquer diferenças di =
0. Ignore os sinais das diferenças e ordene-as da menor para a maior. Logo após, atribua os postos a cada diferença,
mantendo o sinal da diferença. Quando as diferenças tiverem o mesmo valor numérico, associe a elas a média dos
postos envolvidos no empate.
.
Faça a soma dos postos com sinais negativos, em valor absoluto (T-). Faça a soma dos postos com sinais
positivos, em valor absoluto (T+). Sendo, n é o número de diferenças (di) não nulas e T a menor das somas entre T- e
T+:
1º caso) Para n ≤ 30 a estatística do teste é T

n (n  1)
T
2º caso) Para n > 30 a estatística do teste é: z 4
n (n  1)(2n  1)
24
5 Conclusão
1º caso) Para n ≤ 30, se estatística do teste “x” for menor do que ou igual ao valor crítico “x,” rejeita-se H0 ,
caso contrário não se rejeita H0.
2º caso) Para n > 30, se estatística do teste “z” cair na região de rejeição (R.R.), rejeita-se H 0 , caso contrário
não se rejeita H0.
Exemplos
( 1 ) Montgomery, Peck e Vining (2001) relatam um estudo no qual um motor de foguete é feito pela união de um
propulsor de explosão e um propulsor de manutenção dentro de uma cápsula de metal. A força de resistência ao
cisalhamento da união dos dois tipos de propulsores é uma característica importante. Os dados a seguir mostram os
resultados de teste de 20 motores selecionados aleatoriamente. Supondo que as forças de cisalhamento observadas
não seguem a distribuição normal (Neste caso o teste t para a média não é adequado), verifique pelo teste dos postos
com sinais de Wilcoxon se a força de cisalhamento mediana é de 2000 psi ao nível de significância de 5%.
2158,70 1678,15 2316,00 2061,30 2207,50 1708,30 1784,70 2575,10 2357,90 2256,70
2165,20 2399,55 1779,80 2336,75 1765,30 2053,50 2414,40 2200,50 2654,20 1753,70
H 0 : ~  2000 psi (a força de cisalhamento mediana da união dos dois tipos de propulsores é de 2000 psi)
21
~  2000 psi (a força de cisalhamento mediana da união dos dois tipos de propulsores é diferente de 2000 psi)
H1 : 
b) Calcular as diferenças (xi - μ 0 ), e anotar os postos com sinais
Observação i X X - 2000 Posto com sinal

i i
16 2053,50 53,50 +1
4 2061,30 61,30 +2
1 2158,70 158,70 +3
11 2165,20 165,20 +4
18 2200,50 200,50 +5
5 2207,50 207,50 +6
7 1784,70 -215,30 -7
13 1779,80 -220,20 -8
15 1765,30 -234,70 -9
20 1753,70 -246,30 -10
10 2256,70 256,70 +11
6 1708,30 -291,70 +12
3 2316,00 316,00 +13
2 1678,15 -321,85 +14
14 2336,75 336,75 +15
9 2357,90 357,90 +16
12 2399,55 399,55 +17
17 2414,40 414,40 +18
8 2575,10 575,10 -19
19 2654,20 654,20 +20
Temos n = 20 diferenças não nulas. Para n ≤ 25 a estatística do teste é T = a menor das somas dos postos em
valor absoluto.
T+ = 1 + 2 + 3 + 4 + 5+ 6 + 11 +13 +15 +16 +17+ 18 +19 + 20 = 150
-
T = 7 + 8 +9 +10 + 12 + 14 = 60. Logo, T = 60
Temos n = 20. Para n ≤ 30, utiliza-se a tabela A-8 para achar o valor crítico T. Na margem esquerda dessa
tabela procure n = 20. O nível de significância é de 5%. Então, na margem superior procure  = 0,05 (duas caudas,
porque o sinal de H1 é , ou seja, o teste é bilateral). No cruzamento da linha do n = 20 com a coluna do  = 0,05,
acha-se o valor crítico T = 52, como mostra o esquema a seguir.
Tabela A-8 – Valores críticos para o teste dos postos com sinais de Wilcoxon.

0,005 0,01 0,025 0,025
(uma cauda) (uma cauda) (uma cauda) (uma cauda)
0,01 0,02 0,05 0,05
n (duas caudas) (duas caudas) (duas caudas) (duas caudas)
1

20 52

22
25
Logo, o valor crítico é T = 52.
e) Conclusão
Haja vista que ocorreu (T= 60) > (T = 52), não se rejeita H0 ao nível de significância de 5%. Portanto, a força
de cisalhamento mediana da união dos dois tipos de propulsores é de 2000 psi.
( 2 ) Quando perguntado sobre a temperatura média de um adulto sadio, todo mundo sempre responde que é de 98,6ºF.
Os dados a seguir são referentes a 106 temperaturas constantes obtidas por pesquisadores da Universidade de
Maryland, ao meio dia, no segundo dia da pesquisa, de indivíduos adultos. Foi realizado o teste de normalidade e
chegou-se à conclusão de que os dados não aderem à distribuição normal. Utilize o teste dos postos com sinais de
Wilcoxon para testar a hipótese de que a temperatura corporal de indivíduos adultos sadios é inferior a 98,6ºF, utilizando
o nível de significância de 5%.
98,6 98,4 97,9 98,6 98,8 98,0

98,8 98,4 98,0 98,6 97,5 97,6
96,5 98,0 98,8 97,3 97,2 98,6
99,6 97,0 97,1 97,4 99,0 97,6
98,0 98,6 98,4 98,6 97,5 98,2
96,9 98,7 99,0 98,8 98,4 98,4
98,8 99,4 98,8 98,0 98,8 98,7
98,6 98,0 98,9 98,4 97,6 99,2
98,9 97,1 98,0 97,7 98,4 98,6
98,0 97,8 98,6 99,5 98,0 98,3
98,6 98,7 98,4 97,8 97,3 98,2
98,6 98,6 97,1 98,0 98,4 98,2
97,3 97,8 99,1 97,8 96,5 98,0
98,7 98,0 97,9 99,4 97,6 98,5
97,8 97,0 97,4 97,9 98,6 98,5
97,6 97,4 98,4 98,7 98,0 98,5
98,7 98,2 97,6 97,0 98,2
98,3 98,4 98,6 98,4 98,6
H 0 : ~  98,6 ºF (a temperatura corporal mediana de adultos saudáveis não é menor do que 98,6ºF)
~  98,6 ºF (a temperatura corporal mediana de adultos saudáveis é menor do que 98,6ºF)
H1 : 
b) Calcular as diferenças (xi - μ 0 ) e anotar postos com sinais

23
xi di = xi - 98,6 xi di = xi - 98,6 xi di = xi - 98,6

98,6 0,0 98,0 -0,6 97,5 -1,1
98,8 0,2 98,8 0,2 97,2 -1,4
96,5 -2,1 97,1 -1,5 99,0 0,4
99,6 1,0 98,4 -0,2 97,5 -1,1
98,0 -0,6 99,0 0,4 98,4 -0,2
96,9 -1,7 98,8 0,2 98,8 0,2
98,8 0,2 98,9 0,3 97,6 -1,0
98,6 0,0 98,0 -0,6 98,4 -0,2
98,9 0,3 98,6 0,0 98,0 -0,6
98,0 -0,6 98,4 -0,2 97,3 -1,3
98,6 0,0 97,1 -1,5 98,4 -0,2
98,6 0,0 99,1 0,5 96,5 -2,1
97,3 -1,3 97,9 -0,7 97,6 -1,0
98,7 0,1 97,4 -1,2 98,6 0,0
97,8 -0,8 98,4 -0,2 98,0 -0,6
97,6 -1,0 97,6 -1,0 98,2 -0,4
98,7 0,1 98,6 0,0 98,6 0,0
98,3 -0,3 98,6 0,0 98,0 -0,6
98,4 -0,2 98,6 0,0 97,6 -1,0
98,4 -0,2 97,3 -1,3 98,6 0,0
98,0 -0,6 97,4 -1,2 97,6 -1,0
97,0 -1,6 98,6 0,0 98,2 -0,4
98,7 0,1 98,8 0,2 98,4 -0,2
99,4 0,8 98,0 -0,6 98,7 0,1
98,0 -0,6 98,4 -0,2 99,2 0,6
97,1 -1,5 97,7 -0,9 98,6 0,0
97,8 -0,8 99,5 0,9 98,3 -0,3
98,7 0,1 98,6 0,0 98,2 -0,4
98,6 0,0 97,8 -0,8 98,2 -0,4
97,8 -0,8 98,0 -0,6 98,0 -0,6
98,0 -0,6 99,4 0,8 98,5 -0,1
97,0 -1,6 97,9 -0,7 98,5 -0,1
97,4 -1,2 98,7 0,1 98,5 -0,1
98,2 -0,4 97,0 -1,6 97,8 -0,8
98,4 -0,2 98,4 -0,2
97,9 -0,7 98,8 0,2
24
1+2+3+4+5+6+7+8+9
=5
9
di em ordem Posto di em ordem Posto di em ordem Posto com

crescente com sinal crescente com sinal crescente sinal
0,1 5 -0,3 -31 0,8 61
0,1 5 -0,4 -36 -0,8 -61
0,1 5 0,4 36 -0,9 -65,5
0,1 5 0,4 36 0,9 65,5
0,1 5 -0,4 -36 1 70
0,1 5 -0,4 -36 -1 -70
-0,1 -5 -0,4 -36 -1 -70
-0,1 -5 -0,4 -36 -1 -70
-0,1 -5 0,5 40 -1 -70
0,2 19 -0,6 -48 -1 -70
0,2 19 -0,6 -48 -1 -70
-0,2 -19 -0,6 -48 -1,1 -74,5
-0,2 -19 -0,6 -48 -1,1 -74,5
-0,2 -19 -0,6 -48 -1,2 -77
0,2 19 -0,6 -48 -1,2 -77
-0,2 -19 -0,6 -48 -1,2 -77
0,2 19 -0,6 -48 -1,3 -80
-0,2 -19 -0,6 -48 -1,3 -80
-0,2 -19 -0,6 -48 -1,3 -80
0,2 19 -0,6 -48 -1,4 -82
-0,2 -19 -0,6 -48 -1,5 -84
-0,2 -19 0,6 47,5 -1,5 -84
0,2 19 -0,6 -48 -1,5 -84
-0,2 -19 -0,7 -56 -1,6 -87
0,2 19 -0,7 -56 -1,6 -87
-0,2 -19 -0,7 -56 -1,6 -87
-0,2 -19 -0,8 -61 -1,7 -89
-0,2 -19 0,8 61 -2,1 -90,5
0,3 30,5 -0,8 -61 -2,1 -90,5
-0,3 -31 -0,8 -61
0,3 30,5 -0,8 -61
T+ = ( 5 + . . . + 70) = 641
T- = ( 5 + . . . + 90,5) = 3545
T = menor soma entre T+ e T- = 641

25
n (n  1)
T
Temos n =91 diferenças não nulas. Para n > 30 a estatística do teste é: z 4
n (n  1)(2n  1)
24
91(91  1)
641
4  2194,5
z   5,75
91(91  1)(2  91  1) 317,27
24
Temos n = 91 diferenças não nulas. Para n > 30, utiliza-se a tabela 2.2 da distribuição normal para achar o valor
crítico z. Temos  = 0,05, então tentamos localizar o valor 0,05 no centro da tabela 2.2 da distribuição normal, ou o
mais próximo, se esse valor não ocorrer. Os dois valores mais próximos de 0,05 são 0,0505 e 0,0495, os quais possuem
a mesma diferença em relação a este. O primeiro valor (0,0505) fornece Z = 1,64 nas margens da tabela, o segundo
valor (0,0495), fornece Z = 1,65, então, calcula-se a média aritmética dos dois valores de Z para achar o valor crítico
Z/2 = 1,645, como mostra a figura a seguir.
0,05, situando-se na extremidade esquerda (por isso foi utilizada a tabela 2.2)da distribuição normal, a partir de z = -
1,645, como mostra o gráfico a seguir.
26
e) Conclusão
Observa-se pelo gráfico que, o valor da estatística do teste Z = -6,92 cai na região de rejeição (R.R), então,
rejeita-se H0 ao nível de significância de 5%. Portanto, há evidências amostrais para acreditarmos que a temperatura
corporal mediana de adultos saudáveis é menor do que 98,6ºF.
5.3.2 O teste dos postos com sinais de Wilcoxon para dados pareados
Os procedimentos para o teste dos sinais envolvendo dados pareados são os seguintes:
1º caso) H 0 : ~ d  0 2º caso) H 0 : ~ d  0 3º caso) H 0 : ~ d  0

H1 : ~ d  0 H1 : ~ d  0 H1 : ~ d  0
Onde ~ d representa a mediana das diferenças
Faça a soma dos postos com sinais negativos, em valor absoluto (T-). Faça a soma dos postos com sinais
positivos (T+). Sendo, n é o número de diferenças não nulas, T = T+ se o teste for unilateral à direita ( H1 :  d
~  0 ), T
-
= T se o teste for unilateral à esquerda ( H1 : ~ d  0 ) e T = menor das somas entre T- e T+, se o teste for bilateral (
H1 : ~ d  0 ) temos:
1º caso) Para n ≤ 30 a estatística do teste é T , ou

n (n  1)
T
2º caso) Para n > 30 a estatística do teste será: z 4
n (n  1)(2n  1)
24
1º caso) Para n ≤ 30, o valor crítico T é achado na tabela A-8, em anexo.
4 Conclusão
1º caso) Para n ≤ 30, se estatística do teste “T” for menor do que ou igual ao valor crítico T, rejeita-se H0 ,
caso contrário não se rejeita H0.
27
2º caso) Para n > 30, se estatística do teste “z” cair na região de rejeição (R.R.), rejeita-se H 0 , caso contrário
não se rejeita H0.
Exemplos
( 1 ) Um engenheiro de automóveis está estudando dois tipos de aparelhos de medida por um sistema de injeção
eletrônica a fim de determinar se eles diferem em seus desempenhos de milhagem de combustível. O aparelho 1 é
instalado em 12 carros diferentes, e o teste é realizado em cada carro. O aparelho 2 é instalado, em seguida, nos
mesmos 12 carros, e o mesmo teste é realizado em cada um deles. Supondo que os dados amostrais não aderem a
distribuição normal (neste caso, o teste t para dados pareados não é adequado), aplique o teste dos sinais para verificar
se os dois tipos de aparelhos diferem em seus desempenhos de milhagem de combustível. Use o nível de significância
de 5%. Os dados do desempenho da milhagem de combustível são apresentados a seguir.
Aparelho 1 17,6 19,4 19,5 17,1 15,3 15,9 16,3 18,4 17,3 19,1 17,8 18,2
Aparelho 2 16,8 20 18,2 16,4 16 15,4 16,5 18 16,4 20,1 16,7 17,9
H 0 : ~ d  0 (os dois tipos de aparelhos não diferem em seus desempenhos de milhagem de combustível)
H1 : ~ d  0 (os dois tipos de aparelhos diferem em seus desempenhos de milhagem de combustível)
b) Calcular as diferenças di = X1i – X2i e atribuir os postos com sinais
Para cada par de dados, ache a diferenças di = X1i – X2i, com i = 1, . . ., n . Conserve os sinais, mas ignore
quaisquer pares para os quais di = 0. Ignore os sinais das diferenças e ordene-as da menor para a maior. Logo após,
atribua os postos a cada diferença, mantendo o sinal da diferença. Quando as diferenças tiverem o mesmo valor
numérico, associe a elas a média dos postos envolvidos no empate.
Aparelho 1 17,6 19,4 19,5 17,1 15,3 15,9 16,3 18,4 17,3 19,1 17,8 18,2
Aparelho 2 16,8 20 18,2 16,4 16 15,4 16,5 18 16,4 20,1 16,7 17,9
di = X1i – X2 i 0,8 -0,6 1,3 0,7 -0,7 0,5 -0,2 0,4 0,9 -1 1,1 0,3
di (ordem crescente em valor absoluto) -0,2 0,3 0,4 0,5 -0,6 0,7 -0,7 0,8 0,9 -1,0 1,1 1,3
Posto com sinal -1 +2 +3 +4 -5 6,5 -6,5 8 9 -10 11 12

28
-
T = soma dos postos negativos em valor absoluto = 1 + 5 + 6,5 + 10 = 22,5
+
T = soma dos postos positivos = 2 + 3 + 4 + 6,5 + 8 +9 + 11 +12 = 55,5
T = menor das somas entre T- e T+ = 22,5
Temos n = 12 pares com diferenças não nulas. Para n ≤ 30, no teste dos postos com sinais de Wilcoxon utiliza-
se a tabela A-8 para achar o valor crítico T. Na margem esquerda dessa tabela procure n = 12. O nível de significância
é de 5%. Então, na margem superior procure  = 0,05 (duas caudas, porque o sinal de H1 é “”, ou seja, o teste é
bilateral). No cruzamento da linha do n = 12 com a coluna do  = 0,05, acha-se o valor crítico T = 14, como mostra o
esquema a seguir.

0,005 0,01 0,025 0,025
0,01 0,02 0,05 0,05
1

12 14

30
Logo, o valor crítico é T = 14.
e) Conclusão
Haja vista que ocorreu (T= 22,5) > (T = 14), não se rejeita H0 ao nível de significância de 5%. Portanto, os
dois tipos de aparelhos não diferem em seus desempenhos de milhagem de combustível.
( 2 ) Dois tipos de pontas podem ser usados em um teste de dureza de Rockwell. São selecionados aleatoriamente, 32
corpos de prova de lingote, de uma liga à base de níquel, e cada um é testado duas vezes, uma com cada tipo de
ponta. As leituras das durezas da escala C Rockwell são mostradas a seguir. Admitindo que os dados não seguem a
distribuição normal (neste caso o teste t para dados parados não é adequado), use o teste dos postos com sinais de
Wilcoxon ao nível de significância de 5%, para determinar se os dois tipos de pontas produzem leituras de dureza
equivalentes.
Corpo de prova Ponta 1 Ponta 2 Corpo de prova Ponta 1 Ponta 2
1 62 65 18 63 62
2 59 57 19 54 54
3 52 61 20 58 58
4 59 51 21 58 59
5 57 54 22 58 58
6 51 58 23 58 52
7 60 54 24 58 54
8 57 58 25 59 58
9 54 62 26 56 49
29
Corpo de prova Ponta 1 Ponta 2 Corpo de prova Ponta 1 Ponta 2

10 57 60 27 63 58
11 58 55 28 61 54
12 54 56 29 59 51
13 61 56 30 63 55
14 55 52 31 57 62
15 62 50 32 50 55
16 55 56 33 53 55
17 58 54 34 54 56
H 0 : ~ d  0 (os dois tipos de pontas produzem leituras de dureza equivalentes)

H1 : ~ d  0 (os dois tipos de pontas produzem leituras de dureza diferentes)
b) Calcular as diferenças di = X1i – X2i e atribuir os postos com sinais
Para cada par de dados, ache a diferenças di = X1i – X2i, com i = 1, . . ., n . Conserve os sinais, mas ignore
quaisquer pares para os quais di = 0.
Corpo de prova Ponta 1 Ponta 2 di =X1i –x2i Corpo de prova Ponta 1 Ponta 2 di =X1i –x2i
1 62 65 -3 18 63 62 1
2 59 57 2 19 54 54 0
3 52 61 -9 20 58 58 0
4 59 51 8 21 58 59 -1
5 57 54 3 22 58 58 0
6 51 58 -7 23 58 52 6
7 60 54 6 24 58 54 4
8 57 58 -1 25 59 58 1
9 54 62 -8 26 56 49 7
10 57 60 -3 27 63 58 5
11 58 55 3 28 61 54 7
12 54 56 -2 29 59 51 8
13 61 56 5 30 63 55 8
14 55 52 3 31 57 62 -5
15 62 50 12 32 50 55 -5
16 55 56 -1 33 53 55 -2
17 58 54 4 34 54 56 -2
Ignore os sinais das diferenças e ordene-as da menor para a maior. Logo após, atribua os postos a cada
diferença, mantendo o sinal da diferença. Quando as diferenças tiverem o mesmo valor numérico, associe a elas a
média dos postos envolvidos no empate.
30
𝟏+𝟐+𝟑+𝟒+𝟓
=𝟑
𝟓
Corpo de prova di crescente Posto com sinal Corpo de prova di crescente Posto com sinal
8 -1 -3 13 5 18,5
16 -1 -3 27 5 18,5
18 1 3 31 -5 -18,5
21 -1 -3 32 -5 -18,5
25 1 3 7 6 21,5
2 2 7,5 23 6 21,5
12 -2 -7,5 6 -7 -24
33 -2 -7,5 26 7 24
34 -2 -7,5 28 7 24
1 -3 -12 4 8 27,5
5 3 12 9 -8 -27,5
10 -3 -12 29 8 27,5
11 3 12 30 8 27,5
14 3 12 3 -9 -30
17 4 15,5 15 12 31
24 4 15,5
T- = soma dos postos negativos em valor absoluto
T- = 3 + 3 + 3 + 7,5 + 7,5 + 7,5 + 12 + 12 + 18,5 + 18,5 + 24 + 27,5 + 30

-
T = 174
T+ = soma dos postos positivos
T+ = 3 + 3 + 7,5 + 12 + 12 + 12 + 15,5 + 16,5 + 18,5 + 18,5 + 21,5 + 21,5 + 24 + 24 +27,5 + 27,5 + 27,5 + 31
T+ = 323
- +
T = menor das somas entre T e T = 174
n (n  1)
T
Temos n = 31 pares com diferença não nula. Para n > 30 a estatística do teste é: z 4
n (n  1)(2n  1)
24
31(31  1)
174 
4  74
z   1,45
31(31  1)(2  31  1) 51,0294
24

31
Temos n = 31 pares com diferença não nula. No teste dos postos com sinais de Wilcoxon, para n > 30, utiliza-se a
tabela 2.2 da distribuição normal para achar o valor crítico z. Temos  = 0,05, como o teste é bilateral, devido à
ocorrência do sinal  em H1, calcula-se /2 = 0,05/2 =0,025. No centro da tabela 2.2 da distribuição normal, procura-
se o valor 0,025. Na margem esquerda e na mesma linha do valor 0,025 ocorre o valor 1,9 na margem superior e na
mesma colunado valor 0,025, ocorre o valor 6, portanto Z/2 = 1,96 como mostra o esquema seguir.
Tabela 2.2 Distribuição normal reduzida (P(Z  -zc) ou P(Z  -zc))
Uma vez que o sinal da hipótese H1 é “”, o teste é bilateral e a região de rejeição (R.R.) é igual a  = 0,05, sendo
dividida em duas partes de 0,025, situando-se nas extremidades esquerda e direita da distribuição normal (por isso foi
utilizada a tabela 2.2), aparecendo à esquerda de -1,96 e à direita de 1,96, como mostra a figura a seguir.
e) Conclusão
Observa-se pelo gráfico que, o valor da estatística do teste Z = -1,45 cai na região de aceitação (R.A.), portanto,
não se rejeita H0 ao nível de significância de 5%. Portanto, há evidências amostrais para acreditarmos que os dois tipos
de pontas produzem leituras de dureza equivalentes.
5.4 O teste da soma dos postos de Wilcoxon para duas amostras independentes
Nesta seção é estudado o teste da soma dos postos de Wilcoxon, um teste não paramétrico de que dois
conjuntos independentes de dados amostrais provenham de populações com a mesma distribuição. Vale lembrar que,
duas amostras são independentes se os valores selecionados de uma população não estão associados de alguma
forma com os valores amostrais da outra população.
32
Definição
O teste da soma dos postos de Wilcoxon é um teste não paramétrico que usa os postos de dados amostrais de
duas populações independentes. A hipótese nula desse teste é:
H 0 : ~1  ~ 2 (as duas medianas populacionais são iguais)
Conceito básico: O teste da soma dos postos de Wilcoxon é equivalente ao teste U de Mann-Whitney, que é incluído
em alguns livros e programas computacionais, como o Minitab. A ideia fundamental do teste da soma dos postos de
Wilcoxon é a seguinte: Se duas amostras são extraídas de populações idênticas e se associam postos a todos os
valores individuais combinados em um único conjunto de dados, então os postos altos e baixos devem se distribuir
igualmente entre as duas amostras, nesse caso, as duas medianas populacionais são iguais. Se os postos baixos se
concentrarem predominantemente em uma amostra e os altos, na outra, suspeitamos de que as duas populações não
sejam idênticas, isto é, as duas medianas populacionais não são iguais.
Teste da soma dos postos de Wilcoxon

Suposições
1. Ha duas amostras independentes de dados selecionados aletoriamente.
2. Não ha qualquer exigência de que as duas populações tenham distribuição normal ou qualquer outra distribuição
particular.
Notação
1. n1 e n2 são os tamanhos das amostras 1 e 2, respectivamente .
2. R1 e R2 são as somas dos postos das amostras 1 e 2, respectivamente .
3. R = R1 = soma dos postos da amostra 1.
4. R e R, são, respectivamente, a média e o desvio padrão dos valores amostrais de R que são esperados quando as
duas populações são idênticas.
Sendo n o número de diferenças não nulas:
1º caso) Sendo n1 ≤ n2, para n1 ≤ 10 ou n1 ≤ 10, ou ambos, a estatística do teste será representada por R1
e R2.
R 1   R1
2º caso) Para n1 > 10 e n2 > 10 a estatística do teste será: z , em que:
 R1
n1 (n1  n 2  1) n1n 2 (n1  n 2  1)

 R1  e  R1 
2 12
Valores Críticos
1 Se n1 ≤ 10 ou n2 ≤ 10, om ambos, o valor crítico R é encontrado na tabela IX, em anexo.
2 Se n1 > 10 e n2 > 10, os valores críticos de z são achados na tabela 2.2 da distribuição normal.
33
Os procedimentos para o teste da soma dos postos de Wilcoxon para amostras independentes são os
seguintes:
O teste da soma dos postos de Wilcoxon, tem as seguintes hipóteses:
a) H 0 : ~1  ~ 2 b) H 0 : ~1  ~ 2 c) H 0 : ~1  ~ 2

~ 
H1 :  ~ ~ 
H1 :  ~ ~ 
H1 :  ~
1 2 1 2 1 2
2 Atribuir os postos
Sejam, x11, x12 , . . ., x1n e x 21, x22 , . . ., x2n2 , duas amostras aleatórias independentes de duas populações
1
contínuas. Organize todas as n1 + n2 observações em uma única grande amostra, em ordem crescente, e atribua os
postos. O menor valor recebe o posto 1, o segundo menor o posto 2, e assim por diante. Se houver empates entre
postos, atribua a média dos postos.
1º caso) para n1 ≤ 10 ou n2 ≤ 10, ou ambos, a estatística do teste será representada por R1 e R2:
R1 = menor soma dos postos
R2 = n1(n1 +n2 +1) – R1
R  R
2º caso) Para n1 > 10 e n2 > 10, a estatística do teste será: z em que:
R
R1 = soma dos postos da amostra 1, R2 = soma dos postos da amostra 2, R = R1,
n1 ( n1  n 2  1) n1n 2 (n1  n 2  1)
R  e R 
2 12
1º caso) para n1 ≤ 10 ou n2 ≤ 10, ou ambos, R é achado na tabela XI, em anexo.
2º caso) Para n1 > 10 e n2 > 10, o valor crítico Z é achado na tabela 2.2 da distribuição normal.
5 Conclusão
1º caso) para n1 ≤ 10 ou n2 ≤ 10, ou ambos.

~ 
a) Para H :  ~ se R1  R ou R2  R, rejeita-se H0, caso contrário não se rejeita H0.
1 1 2
~ 
b) Para H1 :  ~ se R1  R, rejeita-se H0, caso contrário não se rejeita H0.
1 2
~ 
c) Para H1 :  ~ se R2  R, rejeita-se H0, caso contrário não se rejeita H0.
1 2
34
2º caso) Para n1 > 10 e n2 > 10, se estatística do teste “z” cair na região de rejeição (R.R.), rejeita-se H 0 , caso
contrário não se rejeita H0.
Exemplos
( 1 ) Está sendo estudado o esforço axial médio em membros extensíveis usados nas estrutura de aeronaves. Duas
ligas estão sendo investigadas. A liga 1 é um material tradicional, e a liga 2 é uma nova liga de alumínio e lítio, muito
mais leve do que o material padrão. Dez espécimes de cada liga são testados, medindo o esforço axial em psi. Os
dados amostrais estão reunidos na ta bela a seguir. Testar a afirmação de que ambas as ligas apresentam o mesmo
esforço axial mediano, ao nível de significância de 5%.
Liga 1 Liga 2
3238 3254 3261 3248
3195 3229 3187 3215
3246 3225 3209 3226
3190 3217 3212 3240
3204 3241 3258 3234
a) Elaborar as hipóteses nula e alternativa.
O teste da soma dos postos de Wilcoxon, tem as seguintes hipóteses:
H 0 : ~1  ~ 2 (ambas as ligas apresentam o mesmo esforço axial mediano).

~ 
H1 :  ~ (As ligas não apresentam o mesmo esforço axial mediano).
1 2
b) Atribuir os postos
Sejam, x11, x12 , . . ., x1n e x 21, x22 , . . ., x2n , duas amostras aleatórias independentes de duas populações
1 1
Número da liga Tensão Axial Posto Número da liga Tensão Axial Posto
2 3187 1 1 3229 11
1 3190 2 2 3234 12
1 3195 3 1 3238 13
1 3204 4 2 3240 14
2 3209 5 1 3241 15
2 3212 6 1 3246 16
2 3215 7 2 3248 17
1 3217 8 1 3254 18
1 3225 9 2 3258 19
2 3226 10 2 3261 20
35
Temos n1 = n2 = 10. Sendo n1  n2, para n1 ≤ 10 ou n1 ≤ 10, ou ambos, a estatística do teste será representada
por R1 e R2.
R1 = menor soma dos postos

R1 = (2 + 3 +4 + 8 + 9 + 11 + 13 + 15 + 16 + 18) = 99
R2 = n1(n1 +n2 +1) – R1
R2 = 10 (10 + 10 + 1) - 99 = 111
Temos n1 = n2 = 10. Para n1 ≤ 10 ou n2 ≤ 10, ou ambos, o valor crítico R é achado na tabela XI, em anexo,
como mostra a figura a seguir:
Tabela XI – Valores críticos para o Teste de Wilcoxon de duas amostras R*0,05.
5 Conclusão
Temos n1 = n2 = 10 para n1 ≤ 10 ou n2 ≤ 10, ou ambos. Para H1 : 1

~ se R1  R ou R2  R, rejeita-se
~ 
2
H0
, caso contrário não se rejeita H0.
Como ambos R1 = 99 e R2 = 111 são maiores do que R = 78, não se rejeita H0 ao nível de significância de 5%.
Portanto, ambas as ligas apresentam o mesmo esforço axial mediano.
( 2 ) Um engenheiro eletricista deve projetar um circuito que forneça a quantidade máxima de corrente de um tubo de
imagem para se alcançar brilho suficiente da imagem. Dentro de suas restrições de projeto ele desenvolve dois tipos
de circuitos candidatos e testa os protótipos de cada um. Os dados resultantes (em microampères) são mostrados a
seguir:
Protótipo 1 2 3 4 5 6 7 8 9 10 11 12 13
Circuito 1 251 255 258 257 250 251 254 250 248 252 253 255 256
Circuito 2 250 253 249 256 259 252 260 251 258 250 251
36
Use o teste da soma dos postos de Wilcoxon para testar se a corrente mediana do circuito 1 é menor do que a corrente
mediana do circuito 2. Use  = 0,05.
H 0 : ~1  ~ 2 (a corrente mediana do circuito 1 é igual a corrente mediana do circuito 2).

~ 
H1 :  ~ (a corrente mediana do circuito 1 é menor do que a corrente mediana do circuito 2).
1 2
Sejam, x11, x12 , . . ., x1n e x 21, x22 , . . ., x2n , duas amostras aleatórias independentes de duas populações
1 1
Circuito X Postos Postos
1 248 1 1 3+4+5+6
= 4,5
2 249 2 4
2 = 4,5
1 250 3 4,5
1 250 4 4,5
2 250 5 4,5
2 250 6 4,5
1 251 7 8,5
1 251 8 8,5
2 251 9 8,5
2 251 10 8,5
1 252 11 11,5
2 252 12 11,5
1 253 13 13,5
2 253 14 13,5
1 254 15 15
1 255 16 16,5
1 255 17 16,5
1 256 18 18,5
2 256 19 18,5
1 257 20 20
1 258 21 21,5
2 258 22 21,5
2 259 23 23
2 260 24 24
3 Achar o valor da estatística do teste

37
R  R
Temos n1 = 13 e n2 = 11. Para n1 > 10 e n2 > 10, a estatística do teste será: z em que:
R
R1 = soma dos postos da amostra 1

R1 = 1 + 4,5 + 4,5 + 8,5 + 8,5 + 11,5 + 13,5 + 15 + 16,5 + 16,5 + 18,5 + 20 + 21,5 = 160
R2 = soma dos postos da amostra 2
R2 = 2 + 4,5 + 4,5 + 8,5 + 8,5 + 11,5 + 13,5 + 18,5 + 21,5 + 23 + 24 = 140
R = R1 = 160
n1 (n1  n 2  1) 13(13  11  1)
R    162,5
2 2
n1n 2 (n1  n 2  1) 13 11 (13  11  1)

R    17,2603
12 12
R   R 160  162,5
z   0,1448
R 17,2603
Temos n1 = 13 e n2 = 11. Para n1 > 10 e n2 > 10, o valor crítico Z é achado na tabela 2.2 da distribuição normal.
Temos  = 0,05, então tentamos localizar o valor 0,05 no centro da tabela 2.2 da distribuição normal, ou o mais próximo,
se esse valor não ocorrer. Os dois valores mais próximos de 0,05 são 0,0505 e 0,0495, os quais possuem a mesma
diferença em relação a este. O primeiro valor (0,0505) fornece Z = 1,64 nas margens da tabela, o segundo valor
(0,0495), fornece Z = 1,65, então, calcula-se a média aritmética dos dois valores de Z para achar o valor crítico Z/2 =
1,645, como mostra a figura a seguir.
0,05, situando-se na extremidade esquerda (por isso foi utilizada a tabela 2.2) da distribuição normal, a partir de z  = -
1,645, como mostra o gráfico a seguir.
38
5 Conclusão
Temos n1 = 13 e n2 = 11. Para n1 > 10 e n2 > 10, se estatística do teste “z” cair na região de rejeição (R.R.),
rejeita-se H 0 , caso contrário não se rejeita H0. Observa-se que z = -0,1448 cai na região de aceitação (R.A), então não
se rejeita H0 ao nível de significância de 5%. Portanto, a corrente mediana do circuito 1 é igual a corrente mediana do
circuito 2.
5.5 O teste de Kruskal-Wallis
O teste de Kruskal-Wallis é usado para testar a hipótese nula de que três ou mais amostras independentes provêm
de populações idênticas. A ideia é a de que, se as populações que estão sendo comparadas, são idênticas, suas
médias também o são. Esse teste é uma alternativa ao teste F paramétrico (análise de variância envolvendo um fator).
A vantagem do teste de Kruskall-Wallis em relação ao teste F, é a de que o mesmo não exige que as populações
envolvidas tenham distribuição normal.
Definição
O teste de Kruskal-Wallis é um teste não paramétrico que usa os postos de dados amostrais de três ou mais
populações independentes. As hipóteses nula e alternativa desse teste são:
H 0 : 1   2   a (as médias populacionais são iguais).

H1 : Pelo menos uma das médias  i é diferente das demais.
Teste teste de Kruskal-Wallis

Suposições
1. Temos pelo menos três amostras independentes, todas elas selecionadas aletoriamente.
2. Cada amostra tem pelos menos cinco observações. (Se as amostras tiverem menos de cinco observações, consulte
as tabelas especiais de valores críticos, como CRC Standard Probabilities and Statistics Tables and formulae, publicado
por CRC Press)
39
3. Não há qualquer exigência de que as duas populações tenham distribuição normal ou qualquer outra distribuição
particular.
Notação
1. N = número total de observações em todas as amostras.
2. a = número de grupos que estão sendo comparados, ou número de amostras.
3. Ri é a soma dos postos da i-ésima amostra.
4. Rij é o posto da j-ésima observação da i-ésima amostra.
5. ni = tamanho da i-ésima amostra.
A estatística do teste é:
12 a
R i2
H   3( N  1)
N( N  1) i1 n i
Valores Críticos
1 O teste é unilateral à direita.
2 Como a estatística H pode ser aproximada por uma distribuição qui-quadrado com  = a – 1 graus de liberdade, onde
“a’ é o número de amostras, utiliza-se a tabela 5.2 da distribuição qui-quadrado para achar o valor crítico.
Os procedimentos para o teste de Kruskal-Wallis são os seguintes:
H 0 : 1   2   a (as médias populacionais são iguais).

H1 : Pelo menos uma das médias  i , com i = 1, 2, . . .,a é diferente das demais.
Observe todas as N = n1 + n2 . . . +na observações como se fosse uma única grande amostra, em ordem
crescente, e atribua os postos. O menor valor recebe o posto 1, o segundo menor o posto 2, e assim por diante. Se
houver empates entre postos, atribua a média dos postos.
3. Achar o valor da Estatística do teste
Seja N o número total de observações de todas as amostras. Combine temporariamente as N observações em

única grande amostra, em ordem crescente, e atribua os postos. O menor valor recebe o posto 1, o segundo menor o
posto 2, e assim por diante. Se houver empates entre postos, atribua a média dos postos envolvidos. Calcule a soma
dos postos de cada amostra e o valor da estatística do teste, a qual é dada por:
12 a
R i2
H   3( N  1)
N( N  1) i1 n i
Em que:
N = número total de observações em todas as amostras.
40
a = número de grupos que estão sendo comparados, ou número de amostras.

Ri é a soma dos postos da i-ésima amostra.
ni = tamanho da i-ésima amostra.
4 Achar o valor crítico e a região de rejeição
A estatística H pode ser aproximada por uma distribuição qui-quadrado com  = a – 1 graus de liberdade, onde
“a’ é o número de amostras. Então, utiliza-se a tabela 5.2 da distribuição qui-quadrado para achar o valor crítico 2 . O
teste de Kruskal-Wallis é sempre unilateral à direita, logo, a região de região rejeição (R.R.) é igual a  e fica a direita
de 2 , como mostra o gráfico a seguir.
5 Conclusão
Se ocorrer H > 2 , H cairá na região de região rejeição (R.R), como mostra o gráfico acima, então H0 será
rejeitada ao nível de significância adotado. Se ocorrer H < 2 , H cairá na região de região aceitação (R.A) e H0 não
será rejeitada.
Exemplo
Em Design and Analysis of experiments, 5ª Edição (John Wiley & Sons, 2001), D. C. Montgomery apresenta
dados de um experimento, no qual cinco níveis diferentes de conteúdo de algodão em uma fibra sintética foram testados
para determinar se o conteúdo de algodão tem efeito sobre a força de tração da fibra. Os dados amostrais são
apresentados a seguir. Use o nível de significância de 1%.
Porcentagem de algodão
15% 20% 25% 30% 35%
7 12 14 19 7
7 17 18 25 10
15 12 18 22 11
11 18 19 19 15
41
9 18 19 23 11
H 0 : ~1  ~ 2  ~3  ~ 4  ~5 (o conteúdo de algodão não tem feito sobre a força de tração da fibra).
H1 : Pelo menos uma das médias  i , com i =1, 2, 3, 4, 5 é diferente das demais (o conteúdo de algodão tem
efeito sobre a força de tração da fibra).
Seja N o número total de observações de todas as amostras. Combine temporariamente as N observações em

única grande amostra, em ordem crescente, e atribua os postos. O menor valor recebe o posto 1, o segundo menor o
posto 2, e assim por diante. Se houver empates entre postos, atribua a média dos postos envolvidos. Calcule a soma
dos postos de cada amostra e o valor da estatística do teste, a qual é dada por:
1+2+3
=2
3
Porcentagem de algodão
15 20 25 30 35
Tração R Tração R Tração R Tração R Tração R
1j 2j 3j 4j 5j
7 2 12 9,5 14 11,0 19 20,5 7 2

7 2 17 14 18 16,5 25 25 10 5
15 12,5 12 9,5 18 16,5 22 23 11 7
11 7 18 16,5 19 20,5 19 20,5 15 12,5
9 4 18 16,5 19 20,5 23 24 11 7
Ri 27,5 66,0 85 113 33,5
A estatística do teste é:
12 a
R i2
H   3( N  1)
N( N  1) i1 n i
a
R i2 27,52 662 852 1132 33,52

i1 n i

5

5

5

5

5
 5245,7
12
H  5245,7  3  ( 25  1)  18,84
25  26
4 Achar o valor crítico e a região de rejeição
A estatística H pode ser aproximada por uma distribuição qui-quadrado com  = a – 1 graus de liberdade, onde
“a’ é o número de amostras (tratamentos ou grupos). Então, utiliza-se a tabela 5.2 da distribuição qui-quadrado para
42
achar o valor crítico 2 . Como ha 5 amostras e o nível de significância é de 1%, na margem esquerda da tabela 5.2
da distribuição qui quadrado, procure  = a – 1 = 5 – 1 = 4 e na margem superior procure  = 0,01. No cruzamento da
linha do  = 4 com a coluna do  = 0,01, acha-se 2 =13,277, como mostra a figura a seguir.
O teste de Kruskal-Wallis é sempre unilateral à direita, logo, a região de região rejeição (R.R.) é igual a  =
0,01 e fica a direita de 2 =13,277, como mostra o gráfico a seguir.
5 Conclusão
Haja vista que ocorreu (H =18,84) >(   =13,277), H caiu na região de região rejeição (R.R), como mostra o
2
gráfico acima, então rejeita-se H0 ao nível de significância de 1%. Portanto, temos evidências amostrais para
acreditarmos que o conteúdo de algodão tem efeito sobre a força de tração da fibra.
5.6 Sequência de Exercícios
01. Extrai-se uma amostra de 10 exemplares de um banho de galvanização usado em um processo de fabricação
eletrônica e mede-se o pH do banho. Os valores da amostra são listados a seguir.
7,91 7,85 6,82 8,01 7,46 6,95 7,05 7,35 7,25 7,42
43
A engenharia de produção acredita que o pH tenha um valor mediano de 7,0. Os dados amostrais indicam que essa
afirmativa esteja correta? Use o teste dos sinais para investigar essa hipótese. Use o nível de significância de 5%. Siga
o roteiro abaixo:
a) Elabore as hipóteses Ho e H1.

b) Calcule as diferenças e atribua os sinais.
c) Ache o valor da Estatística do teste.
d) Ache o valor crítico. Se necessário, ache a região de rejeição.
e) Dê a conclusão.
02. Considere os dados do exercício 1. Use o teste dos postos com sinais de Wilcoxon para testar se o pH mediano é
7,0. Use o nível de significância de 5%. Siga o roteiro abaixo:
b) Calcule as diferenças e atribua os postos com sinais.
03. O conteúdo de titânio de uma liga para aeronaves é um determinante importante para resistência. Uma amostra de
32 espécimes de coupons de teste revela os seguintes conteúdos de titânio (em porcentagem).
8,32 8,05 8,93 8,65 8,25 8,46 8,52 8,35 8,36 8,41 8,42 8,30 8,71 8,75 8,60 8,60
8,83 8,55 8,38 8,29 8,46 8,55 8,34 8,33 8,32 8,56 8,74 8,61 8,66 8,30 8,51 8,52
O conteúdo mediano de titânio deveria ser 8,5%. Use o teste dos sinais para testar essa hipótese. Use o nível de
04. Considere os dados do exercício 2. Teste a hipótese de que conteúdo mediano de titânio é de 8,5%. Use o teste
dos postos com sinais de Wilcoxon para testar essa hipótese. Use o nível de significância de 1%. Siga o roteiro abaixo:
05. A companhia Compulife.com contratou 18 mulheres entre os últimos 54 empregados contratados. As pessoas que
procuram emprego são metade homens e metade mulheres, todos qualificados. Usando nível de significância de 0,01,
com o teste dos sinais, verifique se há evidência suficiente para uma acusação tendenciosa, com a contratação maior
de homens do que a de mulheres.
Siga o roteiro abaixo:
44

b) Ache o valor da Estatística do teste.
c) Ache o valor crítico. Se necessário, ache a região de rejeição.
d) Dê a conclusão.
06. Como parte da pesquisa nacional de saúde e nutrição, realizada pelo Departamento of Health and Human Services,
obtiveram-se as alturas publicadas e as alturas medidas para meninos com idades entre 12 e 16 anos. Abaixo, listam-
se os resultados amostrais das alturas, em polegadas, de 12 meninos. Use o teste dos sinais para verificar se ha
evidência suficiente para apoiar a afirmativa de que ha diferença entre as alturas publicadas e as alturas medidas de
meninos entre 12 e 16 anos de idade. Use  = 0,05.
Altura reportada 68 71 63 70 71 60 65 64 54 63 66 72
Altura medida 67,9 69,9 64,9 68,3 70,3 60,3 64,5 67,0 55,6 74,2 65,0 70,8

07. Para os dados do exercício 6, use o teste dos postos com sinais de Wilcoxon para verificar se ha evidência suficiente
para apoiar a afirmativa de que ha diferença entre as alturas publicadas e as alturas medidas de meninos entre 12 e
16 anos de idade. Use  = 0,05. Siga o roteiro abaixo:
08. O conjunto de dados a seguir é referente às temperaturas máxima em Graus Fahrenheit real e a prevista para 1
dia após. Todas as temperaturas foram tomadas perto da casa do autor, no mês de janeiro. Parece haver diferença
significativa entre as temperaturas real e a máxima prevista para 1 dia? Use o teste dos sinais com o nível de
Data Máxima Máxima Data Máxima Máxima Data Máxima Máxima

Real Predita 1 dia Real Predita 1 dia Real Predita 1 dia
Jan. 1 30 28 Jan. 12 37 30 Jan. 23 35 37

Jan. 2 25 29 Jan. 13 36 33 Jan. 24 39 38
Jan. 3 31 32 Jan. 14 37 40 Jan. 25 37 29
Jan. 4 33 29 Jan. 15 35 34 Jan. 26 31 36
Jan. 5 29 30 Jan. 16 41 38 Jan. 27 38 34
Jan. 6 36 35 Jan. 17 40 33 Jan. 28 35 30
Jan. 7 36 35 Jan. 18 33 35 Jan. 29 33 36
Jan. 8 37 32 Jan. 19 35 40 Jan. 30 39 41
45
Dat Máxima Real Máxima Predita 1 Data Máxima Máxima Da Máxima Máxima
a dia Real Predita 1 dia ta Real Predita 1 dia
Jan. 32 27 Jan. 33 2 Jan. 46 42
9 20 7 31
Jan. 28 25 Jan. 31 2
10 21 7
Jan. 43 41 Jan. 33 3
11 22 0
09. Considere os dados do exercício 8. Parece haver diferença significativa entre as temperaturas real e a máxima
prevista para 1 dia? Use o teste dos postos com sinais de Wilcoxon com o nível de significância de 5%
10. O fabricante de uma banheira quente está interessado em testar dois elementos de aquecimento diferentes para o
seu produto. A ideia é a de escolher aquele elemento que produzir o máximo ganho de calor em 15 minutos. Ele obtém
os dados de uma amostra de 10 exemplares de cada elemento de aquecimento e testa cada uma. Ha alguma razão
para suspeitar que o elemento 1 seja inferior ao elemento 2?
Elemento 1 25 27 29 31 30 26 24 32 33 38
Elemento 2 31 33 32 35 34 29 38 35 37 30
Use o teste da soma dos postos de Wilcoxon com nível de significância de 5% para fazer esta verificação. Siga o roteiro
abaixo.
b) Atribua os postos.
46
11. Abaixo estão listados os pesos (em gramas) de balas M&M.
0,87 0,933 0,952 0,908 0,911 0,908 0,913 0,983 0,92 0,936 0,891
VERMELHA
0,924 0,874 0,908 0,924 0,897 0,912 0,888 0,872 0,898 0,882
0,932 0,86 0,919 0,914 0,914 0,904 0,93 0,871 1,033 0,955 0,876
MARROM 0,856 0,866 0,858 0,988 0,936 0,93 0,923 0,867 0,965 0,902 0,928
0,9 0,889 0,875 0,909 0,976 0,921 0,898 0,897 0,902 0,92 0,909
Use o nível de significância de 5% para testar a afirmativa de que as balas M&M vermelhas e marrons têm pesos
diferentes.
12. Em Statistics for research (Jonh willey & Sons, 1983), S. Dowdy e S Wearden, apresentam os resultados de um
experimento para medir o stresse resultante de se trabalhar com serras manuais. Os experimentos mediaram o ângulo
de reflexão da serra quando ela começa a serrar uma tábua de 3 polegadas de espessura. Mostram-se a seguir, os
ângulos de reflexão para cinco serras escolhidas aleatoriamente de cada quatro diferentes fabricantes. Há alguma
evidência de que as serras dos fabricantes sejam equivalentes em relação ao ângulo de reflexão?
Fabricante Ângulo de reflexão

A 42 17 24 39 43
B 28 50 44 32 61
C 57 45 48 41 54
D 29 40 22 34 30
Siga o roteiro abaixo.

d) Ache o valor crítico e a região de rejeição.
13. Um artigo em Quality Control Handbook, 3a edição (Mc-graw Hill, 1962) apresenta as resultados de um experimento
realizado para investigar o efeito de três tipos diferentes métodos de condicionamento sobre a força de ruptura dos
tijolos de cimento. Os dados são mostrados a seguir. Há alguma indicação de que o método afete a força de ruptura?
Método Força de ruptura (lb/in.2)
1 553 550 568 541 537
2 553 599 579 545 540
3 492 530 528 510 571
Siga o roteiro abaixo.
d) Ache o valor crítico e a região de rejeição.
47
5.7 Respostas dos exercícios
(1)
a) H 0 : ~  7 e H 0 : ~  7
b) sinais: - + - + + + + + + +
- +
c) T = 2, T = 10 x = 2
d) x = 1
e) Não se rejeita H0
(2)
a) H 0 : ~  7 e H 0 : ~  7
b) Postos com sinais: -1,5; +1,5; -3; +4; +5; +6; +7; +8; +9; +10
c) T- = 4,5, T+ = 50,5, T = 4,5

d) T = 8
e) Rejeita-se H0
(3)
a) H 0 : ~  8,5 e H 0 : ~  8,5
b)
- - + + - - + - - - - - + + + +
+ + - - - + - - - + + + + - + +
c) T- = 16, T+ = 16, X = 16, Z = 0,1768
d) Z/2 = 2,57
(4)
a) H 0 : ~  8,5 e H 0 : ~  8,5
b)
Postos com sinais: 1; 2,5; 3; -4,5; -4,5; 6,5; 6,5; 8; -9; -10; 11,5; 11,5; 13; -14; -15
-16,5; -18,5; 18,5; -20; -21,5; -21,5; -24; -24; 25,5; -26; 27; -29; 28,5; 30; 31
- +
c) T = 288, T = 240,5, T = 240,5, Z = -0,4394
d) Z/2 = 2,57
e) Não se rejeita H0.
48
(5)
a) H 0 : p  0,5 e H 0 : p  0,5
- +
b) T = 18, T = 36, x = 18, Z = -2,31
c) Z = 2,33
d) Não se rejeita-se H0.
(6)
a) H 0 : ~ d  0 e H 0 : ~ d  0
b) Sinal: + + - + + - + - - - + +
- +
c) T = 5, T = 7, x = 5
d) x = 2
(7)
a) H 0 : ~ d  0 e H 0 : ~ d  0
b) Posto com sinal : 1; -2; 3; 4; 5; 6; 7; -8; 9; -10; -11; -12
c) T- = 35, T+ = 43, T = 35
d) T = 14
(8)
a) H 0 : ~ d  0 e H 0 : ~ d  0
b)
Sinal: + - - + - + + + + + + + + - + +
+ - - + + + - + + - + + - - +
c) T- = 10, T+ = 21, x = 10, Z = -1,7961
d) Z/2 = 1,96
(9)
a) H 0 : ~ d  0 e H 0 : ~ d  0
b) Postos com sinais:
-3,5; -3,5; 3,5; 3,5; 3,5; 3,5; 9; 9; -9; -9; -9; 14,5; 14,5; -14,5; 14,5; 14,5
49
-14,5; -20; 20; 20; 20; 20; 25; 26; -27; -28; 29; 28; 29,5; 29,5; 31;
c) T- = 133, T+ = 363, T = 133, Z = -2,253
d) Z/2 = 1,96
e) Rejeita-se H0
(10)
a) H0 : ~1  ~2 e H1 : ~1  ~2

b)
Elem
. 1 1 1 1 1 2 1 2 1 2 1 2 1 2 2 2 2 2 1 2
Post. 5, 5, 7, 7, 9, 9, 11, 11, 13, 13, 1 16, 16, 1 19, 19,
1 2 3 4
5 5 5 5 5 5 5 5 5 5 5 5 5 8 5 5
c) R1 = 77, R2 = 133
d) R = 78
e) Não se rejeita-se H0
(11)
a) H 0 : ~ d  0 e H 0 : ~ d  0
b)
Cor Posto Cor Posto Cor Posto Cor Posto Cor Posto Cor Posto Cor Posto
M 1 V 9 M 16,5 V 25 M 32,5 M 41 M 49
M 2 M 10 V 18,5 V 25 M 34 M 42 M 50
M 3 M 11 M 18,5 M 27,5 V 35,5 M 43 M 51
M 4 V 12 M 20 M 27,5 M 35,5 M 44 V 52
M 5 V 13 M 21,5 V 29 M 37 V 45 M 53
V 6 M 14 M 21,5 V 30 M 38 V 46 M 54
M 7 V 15 M 23 V 31 V 39,5 M 47
V 8 V 16,5 V 25 M 32,5 V 39,5 V 48
c) R1 = 569, R2 = 916, R = 569, R = 577,5, R = 56,3582, z = -0,1508
d) z =  1,96
(12)
a) H0 :  A   B  C   D (as serras dos fabricantes são equivalentes em relação ao ângulo de reflexão)
H1 : Pelo menos uma das médias i , com i =1, 2, 3, 4, é diferente das demais (pelo menos uma das serras dos
fabricantes é diferente das demais em relação ao ângulo de reflexão).
50
b)
Serra A D A B D D B D A D C A A B C C B C C B
Postos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
C)
RA = 38; RB = 62; RC = 79; RD = 31
H  8,3714
d)
 2 = 7,8147
e) Rejeita-se H0.
(13)
a) H 0 : 1   2   3 (o método não afeta a força de ruptura).

H1 : Pelo menos uma das médias i , com i = 1, 2, 3, é diferente das demais (o método afeta a força de ruptura).
b)
Força de ruptura 492 510 528 530 537 540 541 545 550 553 553 568 571 579 599
Método 3 3 3 3 1 2 1 2 1 1 2 1 3 2 2
Posto 1 2 3 4 5 6 7 8 9 10,5 10,5 12 13 14 15
c)
R1 = 43,5; R2 = 53,5; R3 = 23
H  4,8350
d)
 2 = 5,9915

51
5.8 Tabelas Estatísticas
Tabela 2.2 - Distribuição normal - probabilidade do valor de Z padronizado ser maior que o valor tabulado nas margens
(Zc), ou probabilidade do valor Z ser menor que os valores negativos das margens (-Zc).
╔════╦═════════════════════════════════════════════════════════════════════════╗
║ Z ║ 0 1 2 3 4 5 6 7 8 9 ║
╠════╬═════════════════════════════════════════════════════════════════════════╣
║0,0 ║0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641 ║
║0,1 ║0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247 ║
║0,2 ║0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859 ║
║0,3 ║0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483 ║
║0,4 ║0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121 ║
║0,5 ║0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776 ║
║0,6 ║0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451 ║
║0,7 ║0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148 ║
║0,8 ║0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867 ║
║0,9 ║0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611 ║
║1,0 ║0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379 ║
║1,1 ║0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170 ║
║1,2 ║0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985 ║
║1,3 ║0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823 ║
║1,4 ║0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681 ║
║1,5 ║0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559 ║
║1,6 ║0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 ║
║1,7 ║0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367 ║
║1,8 ║0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294 ║
║1,9 ║0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233 ║
║2,0 ║0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183 ║
║2,1 ║0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143 ║
║2,2 ║0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110 ║
║2,3 ║0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084 ║
║2,4 ║0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064 ║
║2,5 ║0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048 ║
║2,6 ║0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036 ║
║2,7 ║0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026 ║
║2,8 ║0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019 ║
║2,9 ║0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 ║
║3,0 ║0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010 ║
║3,1 ║0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007 ║
║3,2 ║0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005 ║
║3,3 ║0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003 ║
║3,4 ║0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002 ║
║3,5 ║0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 ║
║3,6 ║0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 ║
║3,7 ║0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 ║
║3,8 ║0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 ║
║3,9 ║0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 ║
52
Tabela 2.5 - Distribuição Qui-Quadrado - Valores de 2 para P(  2   2c )= com  =0,500; 0,250; 0,100; 0,050;
0,025; 0,010; e 0,005.
╔═══╦═════════════════════════════════════════════════════════════════════╗
║ GL║ 0.500 0.250 0.100 0.050 0.025 0.010 0.005║
╠═══╬═════════════════════════════════════════════════════════════════════╣
║ 1║ 0.454940 1.323 2.706 3.841 5.024 6.635 7.879║
║ 2║ 1.386 2.773 4.605 5.991 7.378 9.210 10.597║
║ 3║ 2.366 4.108 6.251 7.815 9.348 11.345 12.838║
║ 4║ 3.357 5.385 7.779 9.488 11.143 13.277 14.860║
║ 5║ 4.351 6.626 9.236 11.070 12.833 15.086 16.750║
║ 6║ 5.348 7.841 10.645 12.592 14.449 16.812 18.548║
║ 7║ 6.346 9.037 12.017 14.067 16.013 18.475 20.278║
║ 8║ 7.344 10.219 13.362 15.507 17.535 20.090 21.955║
║ 9║ 8.343 11.389 14.684 16.919 19.023 21.666 23.589║
║ 10║ 9.342 12.549 15.987 18.307 20.483 23.209 25.188║
║ 11║ 10.341 13.701 17.275 19.675 21.920 24.725 26.757║
║ 12║ 11.340 14.845 18.549 21.026 23.337 26.217 28.300║
║ 13║ 12.340 15.984 19.812 22.362 24.736 27.688 29.819║
║ 14║ 13.339 17.117 21.064 23.685 26.119 29.141 31.319║
║ 15║ 14.339 18.245 22.307 24.996 27.488 30.578 32.801║
║ 16║ 15.338 19.369 23.542 26.296 28.845 32.000 34.267║
║ 17║ 16.338 20.489 24.769 27.587 30.191 33.409 35.718║
║ 18║ 17.338 21.605 25.989 28.869 31.526 34.805 37.156║
║ 19║ 18.338 22.718 27.204 30.144 32.852 36.191 38.582║
║ 20║ 19.337 23.828 28.412 31.410 34.170 37.566 39.997║
║ 21║ 20.337 24.935 29.615 32.671 35.479 38.932 41.401║
║ 22║ 21.337 26.039 30.813 33.924 36.781 40.289 42.796║
║ 23║ 22.337 27.141 32.007 35.172 38.076 41.638 44.181║
║ 24║ 23.337 28.241 33.196 36.415 39.364 42.980 45.559║
║ 25║ 24.337 29.339 34.382 37.652 40.646 44.314 46.928║
║ 26║ 25.336 30.435 35.563 38.885 41.923 45.642 48.290║
║ 27║ 26.336 31.528 36.741 40.113 43.195 46.963 49.645║
║ 28║ 27.336 32.620 37.916 41.337 44.461 48.278 50.993║
║ 29║ 28.336 33.711 39.087 42.557 45.722 49.588 52.336║
║ 30║ 29.336 34.800 40.256 43.773 46.979 50.892 53.672║
║ 40║ 39.335 45.616 51.805 55.758 59.342 63.691 66.766║
║ 50║ 49.335 56.334 63.167 67.505 71.420 76.154 79.490║
║ 60║ 59.335 66.981 74.397 79.082 83.298 88.379 91.952║
║120║ 119.334 130.055 140.233 146.567 152.211 158.950 163.648║
║240║ 239.334 254.392 268.471 277.138 284.802 293.888 300.182║
║480║ 479.334 500.519 520.111 532.075 542.599 555.006 563.561║
║960║ 959.333 989.180 1016.566 1033.193 1047.760 1064.867 1076.621║
║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║║
53
Tabela A-7 Valores críticos para o teste dos sinais.


0,005 0,01 0,025 0,05
0,01 0,02 0,05 0,10
1 * * * *
2 * * * *
3 * * * *
4 * * * *
5 * * * 0
6 * * 0 0
7 * 0 0 0
8 0 0 0 1
9 0 0 1 1
10 0 0 1 1
11 0 1 1 2
12 1 1 2 2
13 1 1 2 3
14 1 2 2 3
15 2 2 3 3
16 2 2 3 4
17 2 3 4 4
18 3 3 4 5
19 3 4 4 5
20 3 4 5 5
21 4 4 5 6
22 4 5 5 6
23 4 5 6 7
24 5 5 6 7
25 5 6 7 7
NOTA:
* Indica que não é possível obter um valor na região crítica.
54
Tabela A-8 Valores críticos de T para o Teste dos Postos com Sinais de Wilcoxon.

0,005 0,01 0,025 0,05
0,01 0,02 0,05 0,10
5 * * * 1
6 * * 1 2
7 * 0 2 4
8 0 2 4 6
9 2 3 6 8
10 3 5 8 11
11 5 7 11 14
12 7 10 14 17
13 10 13 17 21
14 13 16 21 26
15 16 20 25 30
16 19 24 30 36
17 23 28 35 41
18 28 33 40 47
19 32 38 46 54
20 37 43 52 60
21 43 49 59 68
22 49 56 66 75
23 55 62 73 83
24 61 69 81 92
25 68 77 90 101
26 76 85 98 110
27 84 93 107 120
28 92 102 117 130
29 100 111 127 141
30 109 120 137 152
NOTA:
* Indica que não é possível obter um valor na região crítica.
55
Tabela IX Valores críticos de R para o Teste da soma dos postos de Wilcoxon.
 = 0,05
n1
2 3 4 5 6 7 8 9 10 11 12 13 14 15
n2
4 10
5 6 11 17
6 7 12 18 26
7 7 13 20 27 36
8 3 8 14 21 29 38 49
9 3 8 15 22 31 40 51 63
10 3 9 15 23 32 42 53 65 78
11 4 9 16 24 34 44 55 68 81 96
12 4 10 17 26 35 46 58 71 85 99 115
13 4 10 18 27 37 48 60 73 88 103 119 137
14 4 11 19 28 38 50 63 76 91 106 123 141 160
15 4 11 20 29 40 52 65 79 94 110 127 145 164 185
16 4 12 21 31 42 54 67 82 97 114 131 150 169
17 5 12 21 32 43 56 70 84 100 117 135 154
18 5 13 22 33 45 58 72 87 103 121 139
19 5 13 23 34 46 60 74 90 107 124
20 5 14 24 35 48 62 77 93 110
21 6 14 25 37 50 64 79 95
22 6 15 26 38 51 66 82
23 6 15 27 39 53 68
24 6 16 28 40 55
25 6 16 28 42
26 7 17 29
27 7 17
28 7
56
Tabela IX Valores críticos de R para o Teste da soma dos postos de Wilcoxon.
 = 0,01
n1
2 3 4 5 6 7 8 9 10 11 12 13 14 15
n2
5 15
6 10 16 23
7 10 17 24 32
8 11 17 25 34 43
9 6 11 18 26 35 45 56
10 6 12 19 27 37 47 58 71
11 6 12 20 28 38 49 61 74 87
12 7 13 21 30 40 51 63 76 90 106
13 7 14 22 31 41 53 65 79 83 109 125
14 7 14 22 32 43 54 67 81 86 112 129 147
15 8 15 23 33 44 56 70 84 99 115 133 151 171
16 8 15 24 34 46 58 72 86 102 119 137 155
17 8 16 25 36 47 60 74 89 105 122 140
18 8 16 26 37 49 62 76 92 108 125
19 3 9 17 27 38 50 64 78 94 111
20 3 9 18 28 39 52 66 81 97
21 3 9 18 29 40 53 68 83
22 3 10 9 29 42 55 70
23 3 10 19 30 43 57
24 3 10 20 31 44
25 3 11 20 32
26 3 11 21
27 4 11
28 4

Estatistica Nao Parametrica-26-10-2018

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatistica Nao Parametrica-26-10-2018

Enviado por

Direitos autorais:

Formatos disponíveis

i

UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ

Carlos dos Santos

5.1 Introdução ........................................................................................................................................................................ 3

5.2 O teste dos sinais ............................................................................................................................................................ 4

5.2.1 O teste dos sinais para uma população ............................................................................................................... 6

5.5 O teste de Kruskal-Wallis ............................................................................................................................................. 38

5.6 Sequência de Exercícios .............................................................................................................................................. 42

5.7 Respostas dos exercícios ............................................................................................................................................ 47

5.8 Tabelas Estatísticas ...................................................................................................................................................... 51

Os procedimentos de testes de hipóteses e intervalos de confiança vistos anteriormente, se baseiam na

Vantagens dos testes não paramétricos

Desvantagens dos testes não paramétricos

5.2 O teste dos sinais

Início Figura 5.1 – Procedimentos do teste dos Sinais.

Associe os sinais positivos e

Faça n igual ao número total de

Faça x igual ao número de sinais de

Sim A estatística do teste será:

A estatística do teste será x ሺ𝑥+0,5ሻ−ሺ𝑛/2ሻ

Ache o valor crítico de z na

Não se rejeita a Rejeita-se a Não se rejeita a Rejeita-se a

5.2.1 O teste dos sinais para uma população

2 Calcular todas as diferenças (xi - μ 0 )

qualquer diferença xi -  0 é positiva ou negativa de maneira igualmente provável.

3 Achar o valor da Estatística do teste

1º caso) Para n ≤ 25 a estatística do teste será x

Fundamentos para a estatística do teste usada quando n > 25

4 Achar o valor crítico

1º caso) Para n ≤ 25, o valor crítico X é achado na tabela A-7, em anexo.

a) Elaborar as hipóteses nula e alternativa

b) Calcular as diferenças (xi - μ 0 ) e anotar os sinais

c) Achar o valor da Estatística do teste

d) Achar o valor crítico

a coluna do  = 0,05, acha-se o valor crítico X = 5, como mostra o esquema a seguir.

Tabela A-7 – Valores críticos para o teste dos sinais.

Logo, o valor crítico é X = 5.

98,6 98,7 98,0 97,8 98,6

98,8 99,4 98,6 98,0 98,0

96,5 98,0 98,4 99,4 98,2

99,6 97,1 97,1 97,9 98,6

98,0 97,8 99,1 98,7 98,0

96,9 98,7 97,9 97,0 97,6

98,8 98,6 97,4 98,4 98,6

98,6 97,8 98,4 98,8 97,6

98,9 98,0 97,6 97,5 98,2

98,0 97,0 98,6 97,2 98,4

98,6 97,4 98,6 99,0 98,7

98,6 98,2 98,6 97,5 99,2

97,3 98,4 97,3 98,4 98,6

98,7 97,9 97,4 98,8 98,3

97,8 98,0 98,6 97,6 98,2

97,6 98,8 98,8 98,4 98,2

98,7 97,1 98,0 98,0 98,0

98,3 98,4 98,4 97,3 98,5

98,4 99,0 97,7 98,4 98,5

98,4 98,8 99,5 96,5 98,5

98,0 98,9 98,6 97,6 97,8

a) Elaborar as hipóteses nula e alternativa

b) Calcular as diferenças (xi - μ 0 ) e anotar os sinais

Obs. i xi xi - 98,6 Sinal Obs. i xi xi - 98,6 Sinal Obs. i xi xi -98,6 Sinal

c) Achar o valor da Estatística do teste

x = número de vezes que o sinal menos frequente ocorreu = 23