Testes Qui-quadrado

Teste Qui-quadrado
• Os procedimentos correspondem a três testes
que utilizam a Distribuição Qui-quadrado e se
relacionam todos com a comparação de
frequências, obtidas em amostras, de certas
categorias, com frequências esperadas
baseadas, em cada caso, em hipóteses
particulares.
- Teste de Aderência
- Teste de Independência
- Teste de Homogeneidade
 Teste de Aderência (Ajuste)
• É um teste não paramétrico que é
utilizado para verificar se uma variável
apresenta determinada distribuição de
probabilidade
• As hipóteses são:
– H0: os resultados ocorrem com as
freqüências previstas pelo modelo
probabilístico.
– H1: os resultados ocorrem com freqüências
diferentes das previstas pelo modelo.

Teste de Aderência (Ajuste)

• Sendo observada uma amostra de n
valores da variável em estudo, a variável
teste é o valor quiquadrado para testar a
diferença entre padrões obtidos e
esperados de freqüência:
2 (observado  esperado) 2
 
esperado

onde ‘O’ e ‘E’ são as freqüências observadas e esperadas, respectivamente.

 Teste de Aderência (Ajuste)
2
• Obtêm-se  crítico da tabela da Distribuição
do Quiquadrado observando o nível de
significância α e os graus de liberdade,
ν = k - m - 1,
• sendo k = número de categorias dos dados
• e m = número dos valores de parâmetros
estimados com base na amostra.
• Regra de decisão: A hipótese Ho2 é rejeitada
num nível de significância α se  calculado >
 2crítico e aceita caso contrário.

Exemplo
• Um engenheiro de computação tem
desenvolvido um algoritmo para gerar
números aleatórios inteiros no intervalo 0-
9. Ao executar o algoritmo e gerar 1000
valores, ele obtém observações com as
seguintes frequências:
Exemplo

Exemplo
 Solução

Teste de Independência
• Envolvem duas variáveis, e o que se testa é a
hipótese de que as duas variáveis são
estatisticamente independentes.
• A independência implica que o conhecimento da
categoria na qual se classifica uma observação
com respeito a uma variável não afeta a
probabilidade de estar em uma das diversas
categorias das outras variáveis.
• As hipóteses são:
H0: as duas variáveis são independentes
H1: as duas variáveis não são independentes
 Teste de Independência
• Como intervêm duas variáveis, as
freqüências observadas são colocadas em
uma Tabela de Contingência.
• As dimensões de tal tabela são definidas
pela expressão r x k, onde r indica o
número de linhas e k indica o número de
colunas.

Teste de Independência
• A variável teste será:

(observado  esperado) 2
2  
esperado

onde ‘O’ e ‘E’ são as freqüências observadas e esperadas, respectivamente.

onde a freqüência esperada é equivalente à:

esperado 
total _ linha * total _ coluna

 r c
total _ geral n
 Teste de Independência
Nota: recomenda-se fazer uma tabela de contingência para frequências
esperadas

Com ν = (r – 1)(k – 1) graus de liberdade e o nível de significância α

proposto, encontramos o valor de χcrítico ² na tabela da Distribuição do
Quiquadrado.

Regra de decisão:

Rejeita-se Ho , ao nível de significância α se χcalculado² > χ crítico ²

E aceita-se caso contrário para (r – 1)(k – 1) graus de liberdade.

Exemplo
• A tabela seguinte apresenta a reação dos
estudantes à expansão do programa de
atletismo do colégio, segundo o nível do
curso, em que a “divisão inferior” indica
estudante de primeiro ou segundo ano e
“divisão superior” indica estudante de
terceiro ou de ultimo ano.
 Exemplo

Reação Nível do Curso Total

Divisão inferior Divisão superior
A favor 20 19 39
Contra 10 16 26
Total 30 35 65

Testar a hipótese de que o nível do curso e a reação à

expansão do programa de atletismo são variáveis
independentes, utilizando nível de significância de 5%.

Solução
 Solução

Teste de Homogeneidade
• Corresponde ao teste das diferenças entre K
proporções amostrais.
• O teste quiquadrado pode ser utilizado para
testar a diferença entre K proporções amostrais,
utilizando para a análise das freqüências uma
estrutura tabular de 2 x K.
• A hipótese nula é a de que não existe diferença
entre as diversas proporções populacionais (ou,
que as diferentes proporções amostrais
poderiam ter sido extraídas, ao acaso, da
mesma população).
 Teste de Homogeneidade
• Observe as hipóteses:
• H0: π1 = π2 = π3 = ... = πk (sendo π a
probabilidade de cada proporção amostral)
• H1: nem todas as probabilidades são iguais
• As informações são contidas na Tabela de
Contingência. As dimensões de tal tabela são
definidas pela expressão r x c, onde r indica o
número de linhas e c indica o numero de
colunas.

Teste de Homogeneidade
• A variável teste será:

(observado  esperado) 2
2  
esperado

onde ‘O’ e ‘E’ são as freqüências observadas e esperadas, respectivamente.

onde a freqüência esperada é equivalente à:

esperado 
total _ linha * total _ coluna

 r c
total _ geral n
 Teste de Homogeneidade
OBS: O total do somatório de todas as linhas da tabela de contingência
é igual ao somatório de todas as colunas.

Nota: recomenda-se fazer uma tabela de contingência para frequências

esperadas

Com ν = (r – 1)(k – 1) graus de liberdade e o nível de significância α

proposto, encontramos o valor de χcrítico ² na tabela da Distribuição do
Quiquadrado.

Regra de decisão:

Rejeita-se Ho , ao nível de significância α se χcalculado² > χ crítico ²

E aceita-se caso contrário para (r – 1)(k – 1) graus de liberdade.

Exemplo
• Foi realizada uma pesquisa de opinião
dentre os votantes de 4 municípios para
comparar as proporções de votantes a
favor do candidato A para o governo do
estado. Foi selecionada uma amostra
aleatória de 300 pessoas em cada
município, obtendo-se os resultados
apresentados na tabela a seguir:
 Exemplo
Municípios
Eleitores 1 2 3 4 Total
a favor de A 126 103 109 98 436
outro candidato 174 197 191 202 764
Total 300 300 300 300 1200

Considerando os dados da amostra pode-se dizer que há evidência de que a proporção

de votantes a favor do candidato A nos 4 municípios, num nível de significância de 5%,
é diferente?

Solução
Solução