Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 67

3. TESTES DE QUALIDADE DE AJUSTAMENTO
3.1 Introduo
A informao sobre o modelo da populao donde se extrai uma amostra constitui,
frequentemente, um problema estatstico. A forma da distribuio pode ser o objectivo da
investigao ou, ento, (na inferncia clssica) a informao acerca da forma deve ser postulada na
hiptese nula para que as concluses sejam vlidas.
A compatibilidade de um conjunto de valores observados com a distribuio normal ou
qualquer outra distribuio analisada atravs dos testes de qualidade de ajustamento. Estes so
usados quando apenas a forma da populao est em causa, na esperana de que a hiptese nula no
seja rejeitada. Esta constituir uma afirmao acerca da forma da funo distribuio da populao
donde se extraiu a amostra. Preferencialmente, a distribuio em H
0
deve ser completamente
especificada, incluindo todos os parmetros. Se apenas for especificada alguma famlia de
distribuies, devem estimar-se os parmetros desconhecidos (por um qualquer mtodo de
estimao) partir dos dados amostrais, tendo em vista a realizao do teste. Em ambos os casos, a
hiptese alternativa bastante geral, incluindo diferenas apenas na localizao e/ou disperso e/ou
forma, pelo que a rejeio da hiptese nula no nos fornece (demasiada) informao especfica.
Neste captulo sero apresentados testes (no-paramtricos) que permitem verificar
hipteses acerca da forma da distribuio da populao de onde provm uma qualquer amostra, ou
avaliar se diferentes amostras so provenientes de uma populao comum. Estes testes so
denominados por testes de qualidade de ajustamento.
3.2 Ajustamento de uma amostra a uma distribuio terica
3.2.1 Teste de qui-quadrado
O teste qui-quadrado permite avaliar a aderncia entre uma distribuio de frequncias,
associada a uma amostra, constituda por observaes expressas numa qualquer escala e uma
distribuio terica. Os requisitos exigidos para a realizao do teste so: amostra aleatria; e com
uma dimenso mnima adequada (esta questo ser discutida mais adiante).
O teste qui-quadrado para a avaliao da qualidade de ajuste baseia-se na comparao da
distribuio dos dados amostrais com a distribuio terica qual se supe pertencer a amostra. A
metodologia que se adopta no teste inclui os passos que se descrevem de seguida:
(i) As hipteses nula e alternativa so formuladas nos seguintes termos:
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 68
:
0
H A populao segue uma determinada distribuio terica;
:
1
H A populao no segue tal distribuio terica.
(ii) As n observaes que constituem a amostra so agrupadas em k classes (ou categorias)
no-sobreponveis (com 2 k ) e a amostra constituda por dados quantitativos (no se
consideram, aqui, os dados qualitativos), isto , dados contnuos, que sero agrupados
em classes que, a exemplo do que sucede na construo de histogramas, so de definio
relativamente arbitrria enquanto que para os dados discretos, as classes a considerar
correspondero, naturalmente, s categorias nas quais os dados se encontram
classificados ou aos valores particulares que podem tomar.
(iii) Calculam-se as frequncias absolutas das observaes amostrais em cada classe i,
) , , 1 ( k i K = . Tais frequncias, que se designam por frequncias observadas, denotam-se
por
i
n e satisfazem a condio,

=
=
k
i
i
n n
1
(tamanho da amostra).
(iv) Determina-se a frequncia das observaes que se esperaria obter em cada classe i se a
hiptese nula fosse verdadeira, isto , se os dados fossem provenientes de uma
determinada distribuio terica conhecida. Tais frequncias esperadas, que se denotam
por
ei
n , so dadas por
i ei
np n = , onde
i
p representa a probabilidade de, sendo
0
H
verdadeira, a varivel aleatria tomar valores pertencentes classe i e n o tamanho da
amostra. Note-se que, tal como as frequncias observadas, tambm as frequncias
esperadas satisfazem a condio,

=
=
k
i
ei
n n
1
.
(v) A estatstica de teste construda com base numa medida global de ajustamento entre
as frequncias observadas na amostra,
i
n , e as frequncias esperadas,
ei
n . Essa medida
dada por

=
k
i ei
ei i
obs
n
n n
1
2
2
.
) (
.
Se
0
H for verdadeira, devem registar-se pequenas diferenas entre as frequncias
observadas e as frequncias esperadas e, consequentemente,
2
. obs
deve tomar valores
baixos. Pelo contrrio, um valor de
2
. obs
elevado constitui um indcio de que h um
desajuste entre a distribuio de frequncias amostrais e tericas. Pode demonstrar-se
que, quando
0
H for verdadeira e a dimenso da amostra grande, a estatstica
2
. obs

segue uma distribuio [ ] gl
2
, com [ ] p k gl = ) 1 ( graus de liberdade, onde k
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 69
representa o nmero de classes e p o nmero de parmetros da distribuio populacional
estimados a partir da amostra.
(vi) Uma vez fixado o nvel de significncia , a rejeio ou no rejeio de
0
H ser feita
com base na comparao entre o valor que a estatstica de teste toma e [ ] 1
2
p k

.
Dada a natureza da estatstica
2
. obs
tomando valores prximos de zero, se
0
H for
verdadeira, e valores tanto mais positivos quanto mais
0
H se afastar de
1
H o teste ser
unilateral direita e, consequentemente, o valor crtico, [ ] 1
2
p k

, dever ser
procurado na cauda direita da distribuio qui-quadrado
16
.
Sendo
0
H verdadeira, a estatstica
2
. obs
ter uma distribuio tanto mais prxima da
distribuio [ ] 1
2
p k

quanto maior for a dimenso da amostra e maiores forem os nmeros de

observaes esperadas nas diferentes classes ) (
ei
n . Como regra prtica, para utilizar este teste:
A dimenso da amostra deve ser no-inferior a 30 ) 30 ( n ; e
A frequncia esperada em cada classe deve ser no-inferior a 5 ) 5 (
ei
n .
Se esta ltima condio no prevalecer, o teste pode ainda ser utilizado, embora com
moderada confiana, se no mais de 20% dos valores de
ei
n forem inferiores a 5 e nenhum for
inferior a 1. Quando tal no se verificar, procuram-se agregar classes adjacentes, de forma a obter
novas classes que satisfaam esta condio.

Exemplo 3.1
Considerem-se os dados da Tabela 1.1, onde o modelo ajustado foi 74, 3 14, 9 y x = + . Na regresso linear,
assume-se que os erros (resduos) seguem, aproximadamente, uma distribuio normal com mdia zero e
varincia constante (
2
). Apesar do tamanho da amostra ser 20 30 n = < , utilize-se o teste de qui-
quadrado para se verificar se
( )
2
~ 0,
i
N . Os erros do modelo de regresso apresentam-se na Tabela
3.1.
A hiptese a testar ser
( )
2
0
: ~ 0,
i
H N , cuja funo densidade de probabilidade (f.d.p.)
2
1
2
1
( )
2
x
f x e

| |

|
\
= , com , e 0 x IR IR > , onde e so os parmetros da distribuio
normal.

16
possvel, atravs da funo distribuio
2
, obter o valor da prova (p-value) com 1 p k graus de liberdade da
estatstica de teste
2
. obs
. No Excel, usar a funo =DIST.CHI(x, (k 1) p).
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 70
x y
y
i i i
e y y =
1 0,99 90,01 89,08 0,93
2 1,02 89,05 89,53 -0,48
3 1,15 91,43 91,47 -0,04
4 1,29 93,74 93,57 0,17
5 1,46 96,73 96,11 0,62
6 1,36 94,45 94,61 -0,16
7 0,87 87,59 87,29 0,30
8 1,23 91,77 92,67 -0,90
9 1,55 99,42 97,45 1,97
10 1,40 93,65 95,21 -1,56
11 1,19 93,54 92,07 1,47
12 1,15 92,52 91,47 1,05
13 0,98 90,56 88,93 1,63
14 1,01 89,54 89,38 0,16
15 1,11 89,85 90,88 -1,03
16 1,20 90,39 92,22 -1,83
17 1,26 93,25 93,12 0,13
18 1,32 93,41 94,01 -0,60
19 1,43 94,98 95,66 -0,68
20 0,95 87,33 88,48 -1,15
Tabela 3.1 Erros obtidos do ajustamento da regresso linear aos dados da Tabela 1.1

O primeiro passo ser estimar estes dois parmetros, recorrendo mdia e desvio padro amostrais (no
caso da distribuio normal, x e s constituem estimadores no-enviesados de e ). Da distribuio
amostral dos erros resulta a mdia 0, 00 x = ( 0, 00 = ) e o desvio-padro 1, 06 s = ( 1, 06 = ) e,
consequentemente, a varincia
2
1,12 s = (
2
1,12 = ). Relembre-se que a varincia poderia ser estimada
pela
E
MQ resultante da tabela ANOVA, neste caso
2
1,18
E
MQ = = (Tabela 1.4). Nestes termos, a
hiptese nula ser
( )
2
0
: ~ 0;1, 06
i
H N , onde os dois parmetros da distribuio foram estimados a partir
da amostra, da que 2 = p .
As 20 n = observaes (dados contnuos) devero ser agrupadas em k classes. A construo das classes
relativamente arbitrria. Pode-se, contudo, apontar o seguinte procedimento, como linha de orientao: a)
5 k = , para 25 n e k n , para 25 n > ou pela Frmula de Sturges 1 3, 322log k n + ; ou b) a
amplitude das classes, h, pode ser dada por
r
h
k
= , onde r a amplitude total dos dados, isto , a diferena
entre o maior e o menor valor observados. Tal como no caso do nmero de classes, a amplitude das
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 71
classes deve ser aproximada para o maior inteiro. Neste exemplo, como 20 n = , considere-se o nmero de
classes 5 k = .
De seguida pretende-se conhecer os limites dessas classes sob
0
H . Considere-se, ento, a distribuio
( )
2
0;1, 06 N (Figura 3.1).

Figura 3.1 Grfico da distribuio normal com mdia 0 e desvio-padro 1,06.

Uma vez que
2
1
2
1
( )
2
x
f x e

| |

|
\
= uma f.d.p., sabe-se que a rea sob curva igual a 1 (soma de
todas as probabilidades, i.e. a probabilidade de X estar compreendido entre a +). Por convenincia,
vamos considerar a rea total dividida em cinco partes iguais (ou seja, n de classes = 5). Denotem-se as
abcissas que separam cada uma destas reas, e que sero os limites das classes que se pretendem
conhecer, por
1
x ,
2
x ,
3
x e
4
x .
Para o clculo de
1
x , no muito difcil entender que a rea esquerda de
1
x ser 20% da rea total que
1, ou seja, ( )
1
0, 20 P X x < = . Supondo que
1
z o valor da (0,1) N que corresponde a
1
x (de acordo
com a transformao de Gauss) tem-se (com 0, 00 = e desvio-padro 1, 06 = ) que
1 1
1 1 1
0
1, 06
1, 06
x x
z x z

= = =
Sendo
1
z o valor da (0,1) N que corresponde a
1
x ,
( ) ( )
1 1 1
( ) 0, 20 P Z z z P X x < = = = <
onde ( )
1 1
( ) z P Z z = < a funo distribuio da norma reduzida (0,1) N
17
. O nosso objectivo ser,
portanto, calcular
1
z (a abcissa correspondente rea 0,20), utilizando a funo do Excel

17
No Excel ser =DIST.NORMP(
1
z ).
0
0.1
0.2
0.3
0.4
f(x)
-4 -2 2 4
x
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 72
=INV.NORMP(0,20)
1
0, 8416 z = = , vindo,
1 1
1, 06 1, 06 ( 0, 8416) 0, 8901 x z = = = (ou ento poderia
ter recorrer-se tabela da distribuio normal reduzida)
18
. No caso do clculo de
2
x ,
3
x e
4
x , por
raciocnio anlogo ao anterior: uma vez que ( )
2
0, 40 P X x < = <=>
2
0
0, 4
1, 06
x | |
=
|
\
, ento
=INV.NORM(0,40;0;1,06) =-0,2679; ( )
3
0, 6 P X x < = obtm-se com =INV.NORM(0,60;0;1,06) =0,2679; e
para obter ( )
4
0, 8 P X x < = , vem que =INV.NORM(0,80;0;1,06) =0,8901. Podemos, ento, apresentar
numa tabela (Tabela 3.2) os dados agrupados em classes
19
.

Classes
i
n
i
p
ei i
n np =
[ [ - ; -0,89
5 0,2 4
[ [ -0,89; -0,27
3 0,2 4
[ [ -0,27; 0,27
5 0,2 4
[ [ 0,27; 0,89
2 0,2 4
[ [ 0,89; +
5 0,2 4
Total 20 1 20
Tabela 3.2 Valores observados e esperados por classes.

Como as frequncia esperadas so todas inferiores a 5 (o que viola um dos pressupostos do teste), vamos
considerar apenas 4 classes, ou seja, 4 k = . Obtm-se, por raciocnio anlogo ao anterior, a seguinte
tabela

Classes
i
n
i
p
ei i
n np =
[ [ - ; -0,71
5 0,25 5
[ [ -0,71; 0
5 0,25 5
[ [ 0; 0,71
5 0,25 5
[ [ 0,71; +
5 0,25 5
Total 20 1 20
Tabela 3.3 Valores observados e esperados por classes

18
Usando a funo =INV.NORM(prob., , ) do Excel obteramos o valor directamente para
1
x , isto ,
=INV.NORM(0,20;0;1,06) =-0,8901 (ateno ao arredondamento do desvio-padro).
19
Obviamente as probabilidades para cada classe sob
0
H , isto , se os erros seguirem uma distribuio
( )
2
0;1, 06 N
so todas iguais a 0,2, facto que tem a ver com a maneira como foram construdas as classes.
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 73
Sendo assim,
2
2
.
1
( )
0
k
i ei
obs
i
ei
n n
n

= =

(com p-value 1 = , que se obtm no Excel com

=DIST.CHI(
2
. obs
, ( 1) k p ))
20
ou seja, no se rejeita
( )
2
0
: ~ 0;1, 06
i
H N . Nestes termos, tomando por
base os dados da amostra, no temos razes para afirmar que a suposio
( )
2
~ 0,
i
N esteja
incorrecta, ou seja, os erros no violam esta hiptese subjacente ao modelo de regresso. Deve, contudo,
ter-se em conta que o tamanho da amostra 20 30 n = < , ou seja, o teste de qui-quadrado deve ser
utilizado com moderada confiana. Deve-se, portanto, utilizar um teste mais seguro como o caso do teste
Kolmogorov-Smirnov o qual se apresenta da prxima seco.

Exemplo 3.2
Numa experincia com ervilhas, observaram-se 315 lisas e amarelas (LA), 108 lisas e verdes (LV), 101
estriadas e amarelas (EA), 32 estriadas e verdes (EV). De acordo com a teoria da hereditariedade de
Mendel, os nmeros deveriam apresentar-se na proporo 9:3:3:1. Pode-se usar o teste de qui-quadrado,
com um determinado nvel de significncia, para se verificar se os resultados obtidos na experincia (as
observaes) esto de acordo com a teoria de Mendel. Sendo assim, as hipteses a testar so:
0
: H As observaes esto de acordo com a teoria da hereditariedade de Mendel;
1
: H As observaes no esto de acordo com a teoria da hereditariedade de Mendel.
Para se utilizar o teste de qui-quadrado devem calcular-se as frequncias esperadas para os diferentes
tipos de ervilhas sob a hiptese nula (as propores referentes teoria de Mendel seguem determinada
distribuio discreta). Seja
i
n o nmero de ervilhas observadas (de cada tipo) e
ei
n o respectivo nmero
esperado de ervilhas (que seguem a proporo da Teoria de Mendel), com 1, 2, 3, 4 i = (para LA, LV, EA e
EV, respectivamente). Ento pode-se construir a seguinte tabela:

Tipo de ervilhas
Frequncias LA LV EA EV
i
n 315 108 101 32
ei
n 312,75 104,25 104,25 34,75
Tabela 3.4 Valores observados e esperados numa experincia com ervilhas.

Para calcular as frequncias esperadas, sabe-se que o nmero total de observaes (de ervilhas)
4
1 2 3 4
1
315 108 101 32 556
i
i
n n n n n
=
= + + + = + + + =

,

20
Caso os dois parmetros no tivessem sido estimados a partir da amostra, ou seja a hiptese nula estaria
completamente especificada, o nmero de graus de liberdade seria 1 = k gl .
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 74
Como as frequncias esperadas (sob
0
H ) esto na proporo 9:3:3:1, ou seja, 9 3 3 1 16 + + + = , ento:
1
9 556
312, 75
16
e
n

= = sero ervilhas do tipo LA, que resulta da regra de trs simples 16 556 9 =
ei
n ;
2 3
3 556
104, 25
16
e e
n n

= = = sero ervilhas dos tipos LV e EA; e
4
1 556
34, 75
16
e
n

= = ervilhas do sero
do tipo EV. Donde a estatstica do teste ser
2 2 2 2 2
2
.
1
( ) (315 312, 75) (108 104, 25) (101 104, 25) (32 34, 75)
=0,470
312, 75 104, 25 104, 25 34, 75
k
i ei
obs
i
ei
n n
n

=

= = + + +

Como h quatro categorias, i.e. 4 k = , o nmero de graus de liberdade ser 1 4 1 3 gl k = = = .
Comparando o valor da estatstica de teste com [ ]
2
0,05
3 7,8147 = , no se rejeita a hiptese nula de que
as observaes estejam de acordo com a teoria da hereditariedade de Mendel. Repare-se que o p-
value 0, 9254 = (embora a concordncia seja boa, os resultados obtidos podero estar sujeitos a erros de
amostragem).

3.2.2 Teste de Kolmogorov-Smirnov
O Teste de Kolmogorov-Smirnov (abreviadamente K-S) de qualidade de ajuste deve o seu
nome aos matemticos russos Andrei N. Kolmogorov [1903-1987] e Nicolai V. Smirnov [n. 1900].
Podem ser apontadas duas vantagens deste teste em relao ao teste qui-quadrado, que acaba de ser
apresentado. Em primeiro lugar, quando a distribuio populacional contnua e se conhecem a
forma e os parmetros da sua funo densidade de probabilidade, a distribuio da estatstica do
teste definida rigorosamente (ao contrrio do que sucede com a estatstica
2
. obs
, cuja distribuio
aproximada). Esta vantagem tanto mais ntida quanto menor for a dimenso da amostra. Em
segundo lugar, o teste K-S , na maioria das situaes, mais potente do que o teste qui-quadrado.
Em contrapartida, o teste K-S exige distribuies populacionais contnuas e completamente
especificadas (o que no sucede com o teste do qui-quadrado), bem como um maior esforo
computacional.
Para uma v.a. X, o teste K-S tem por base a anlise da proximidade ou, se se preferir, do
ajustamento entre a funo de distribuio emprica ou da amostra, ) (x S , e a funo de distribuio
populacional (terica), ) (
0
x F , que admitida em
0
H . Para uma amostra de tamanho n, a funo
) (x S expressa a soma das frequncias relativas dos dados com valores menores ou iguais a x, um
qualquer valor particular x da varivel X. Sendo ( )
n
X X X , , ,
2 1
K uma amostra aleatria de uma
populao contnua X e
) ( ) 2 ( ) 1 (
, , ,
n
X X X K a respectiva amostra ordenada, tem-se que, a funo
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 75
distribuio emprica S(x) dada por
(1)
( ) ( 1)
( )
0 ,
( ) , ( 1, 2, , 1)
1 ,
k k
n
x X
k
S x X x X k n
n
x X
+
<

= =

K
A funo de distribuio emprica, ) (x S , , pois, uma funo em degrau que cresce 1 n nos pontos
de salto (estatsticas ordinais da amostra)
21
.
A estatstica de teste, que se denota por
. obs
D (que uma varivel aleatria), corresponde ao
supremo (ou mximo) da diferena, em valor absoluto, entre ) (x S e ) (
0
x F , quando so
considerados todos os valores possveis de X. Em notao simblica,
. 0
max ( ) ( )
obs
x
D S x F x = .
possvel demonstrar que, se a amostra aleatria e provm de uma distribuio contnua
conhecida, a estatstica
. obs
D s depende da dimenso da amostra, n, sendo irrelevante a forma da
funo distribuio da populao, ) (
0
x F . Esta a razo pela qual
. obs
D considerada uma
estatstica distribution-free.
No teste K-S de qualidade de ajuste adopta-se o procedimento que se descreve em seguida:
(i) As hipteses nula e alternativa so formuladas nos seguintes termos: ) ( ) ( :
0 0
x F x F H = ,
para todos os valores de X, ou seja, a funo de distribuio da populao da qual
provm a amostra idntica a uma funo de distribuio que se assume conhecida,
) (
0
x F ; versus ) ( ) ( :
0 1
x F x F H para algum valor de X.
(ii) Uma vez determinada a funo de distribuio emprica, ) (x S , calcula-se
. obs
D . O
mximo de ) ( ) (
0
x F x S no necessariamente o maior valor que ) ( ) (
0
x F x S toma
quando se consideram apenas os valores observados de X. De facto, dados que a funo
) (
0
x F contnua e ) (x S uma funo em escada, o valor mximo daquela diferena
absoluta deve ser procurado na vizinhana de cada valor observado de X. O valor
observado
. obs
d , da varivel aleatria
. obs
D , ser, pois, o maior dos valores seguintes:
. 1 0
( ) ( )
obs i i
D S x F x

= e
. 0
( ) ( )
obs i i
D S x F x
+
= , n i 1 .
(iii) O valor de
. obs
D comparado com o respectivo valor crtico de [ ] n D

, uma vez

21
Deve-se ter em conta a frequncia absoluta de cada observao, pois estas esto directamente relacionadas com os
saltos da funo.
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 76
especificado o nvel de significncia do teste. Dever rejeitar-se
0
H , sempre que

d d
obs
>
.
. O valor crtico da estatstica de K-S pode ser obtido a partir das respectivas
tabelas (Tabelas 3.11 a 3.17). Note-se que, como a estatstica
. obs
D calculada com base
no mdulo da diferena entre ) (x S e ) (
0
x F , no distinguindo entre valores positivos e
negativos, os valores crticos de
. obs
D devem ser procurados na cauda direita da sua
distribuio.
Tal como se afirmou atrs, o teste K-S exacto (ou seja, o risco est definido
rigorosamente) quando a funo ) (
0
x F se encontra perfeitamente especificada e, em particular,
quando se conhecem os respectivos parmetros. O teste pode, no entanto, ser utilizado quando os
parmetros de ) (
0
x F so estimados a partir da amostra. Porm, nestas circunstncias dever ter-se
em conta que o nvel de significncia com que se realiza o teste menor do que aquele que
especificado e que a potncia do teste tambm diminui de uma quantidade no-conhecida. ara
ultrapassa esta limitao do teste K-S, H. Lilliefors estudou o comportamento da estatstica
. obs
D
nas situaes em que a distribuio populacional normal ou exponencial negativa, mas em que os
seus parmetros so estimados a partir dos dados amostrais. Na Tabela 3.13 apresentam-se os
valores crticos da estatstica
. obs
D para o caso da distribuio normal.

Exemplo 3.3
Retomando o exemplo 3.1, onde se estudou o ajustamento de uma distribuio normal
( )
2
0;1, 06 N aos
resduos resultantes do modelo 74, 3 14, 9 y x = + (ajustado aos dados da Tabela 1.1). No obstante o
tamanho da amostra ser 20 30 n = < , utilizou-se um teste de qui-quadrado para se verificar a qualidade do
ajustamento, no se tendo rejeitado a hiptese nula.
Vamos agora utilizar um teste Kolmogorov-Smirnov (K-S) para testar, de forma mais apropriada, a hiptese
( )
2
0
: ~ 0;1, 06
i
H N . Para este teste no se procede ao agrupamento dos dados em classes. Depois de
se terem ordenados os resduos, constri-se a distribuio de frequncias absolutas (
i
f ) e de frequncias
absolutas acumuladas (
i
F ) a partir das quais se obtm a funo de distribuio emprica
( ) ( 1)
( ) ,
i
i i
F
S x X x X
n
+
= < (neste caso o saltos da funo sero dados por
i
f
n
).
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 77
A determinao de
0
( ) F x
22
sob
0
H feita atravs da funo de distribuio da normal, que no Excel
corresponde a fazer =DIST.NORM(
i
e , , ,VERDADEIRO) com 1, 2, , i n = K , ou ento, pode-se
estandardizar os resduos, atravs de
i
d dado por (2.44), para uma (0,1) N , cujos valores se encontram
tabelados, ou atravs do Excel fazendo =DIST.NORMP(
i
d ). Aps a determinao dos valores das colunas
( ) S x e
0
( ) F x , determinam-se
. 0
( ) ( )
obs i i
D S x F x
+
= e
. 1 0
( ) ( )
obs i i
D S x F x

= , n i 1 (Tabela 3.5).
O valor mais elevado das duas ltimas colunas nessa tabela ser o valor da estatstica de teste, ou seja,
0884 , 0
.
=
obs
d . Como os parmetros da distribuio foram estimados a partir da amostra (ver exemplo
3.1), para a obteno do valor crtico, vamos utilizar a Tabela 3.13 (de Lilliefors). Verifica-se que
[ ]
0,05
20 0,190 D = > 0884 , 0
.
=
obs
d , o que leva no-rejeio de
0
H e portanto no se pode rejeitar que
( )
2
06 , 1 ; 0 ~ N
i
, concluso idntica alcanada pelo teste de qui-quadrado.

i
e
i
f
i
F ( ) S x
0
( ) F x
. obs
D
+

. obs
D

-1,83 1 1 0,05 0,0418 0,0082 0,0418
-1,56 1 2 0,1 0,0702 0,0298 0,0202
-1,15 1 3 0,15 0,1385 0,0115 0,0385
-1,03 1 4 0,2 0,1651 0,0349 0,0151
-0,9 1 5 0,25 0,1975 0,0525 0,0025
-0,68 1 6 0,3 0,2602 0,0398 0,0102
-0,6 1 7 0,35 0,2853 0,0647 0,0147
-0,48 1 8 0,4 0,3250 0,0750 0,0250
-0,16 1 9 0,45 0,4399 0,0101 0,0399
-0,04 1 10 0,5 0,4849 0,0151 0,0349
0,13 1 11 0,55 0,5489 0,0011 0,0489
0,16 1 12 0,6 0,5601 0,0399 0,0101
0,17 1 13 0,65 0,5638 0,0862 0,0362
0,3 1 14 0,7 0,6116 0,0884 0,0384
0,62 1 15 0,75 0,7211 0,0289 0,0211
0,93 1 16 0,8 0,8103 0,0103 0,0603
1,05 1 17 0,85 0,8395 0,0105 0,0395
1,47 1 18 0,9 0,9176 0,0176 0,0676
1,63 1 19 0,95 0,9383 0,0117 0,0383
1,97 1 20 1 0,9687 0,0313 0,0187
Tabela 3.5 Clculos necessrios obteno do valor da estatstica de K-S

22
Atente-se que
0
( )
1, 06
i
e
F x
| |
=
|
\
.
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 78
3.2.3 Comparao entre os dois testes
O teste de
2
especificamente destinado a casos com dados classificados enquanto o teste
de K-S ser usado apenas para amostras aleatrias extradas de populaes contnuas. Todavia,
quando os dados no esto classificados estes dois testes de ajustamento podem ser utilizados
indistintamente se os requisitos bsicos exigidos aplicao de cada um forem satisfatrios. A
breve comparao feita a seguir apenas se ajusta ao caso de dados no-classificados.
Sendo contnua a distribuio postulada (terica), o teste de K-S permite examinar a
qualidade do ajustamento para cada uma das n estatsticas ordinais; o teste de
2
apenas faz isso
para n k classes. Neste sentido o teste de K-S faz um uso mais completo dos dados disponveis
no se perdendo tanta informao como no teste de
2
.
Outra das vantagens do teste de K-S, reside no facto da distribuio de amostragem
. obs
D ser
exacta (conhecida e tabelada), enquanto a distribuio de
2
. obs
aproximadamente
2
quando
+ n .
Por outro lado, o teste de K-S pode ser aplicado a amostras de qualquer tamanho, enquanto a
estatstica de
2
s deve ser utilizada para n grande e para frequncias esperadas em cada classe
no demasiadamente pequenas ) 5 (
ei
n .
Por fim, no caso da funo de distribuio terica ser discreta, podero existir problemas na
utilizao do teste K-S.
3.3 Ajustamento entre duas amostras independentes
3.3.1 Teste de qui-quadrado
O teste de qui-quadrado utilizado na comparao de duas amostras independentes pode ser
considerado como uma extenso do teste de qui-quadrado de qualidade de ajustamento de uma
amostra a uma distribuio terica. A situao que ser abordada nesta seco difere da que foi
estudada anteriormente pelo facto do objectivo ser, agora, a comparao entre duas populaes a
partir das quais se obtm amostras independentes. Tal como anteriormente, apenas se requer que as
amostras sejam aleatrias e tenham dimenses adequadas.
A metodologia deste teste de qui-quadrado, que se descreve de seguida, muito semelhante
que foi apresentada anteriormente, nomeadamente:
(i) Denotando por A e B as populaes a partir das quais se obtm as amostras, as hipteses
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 79
nulas e alternativas so formuladas nos seguintes termos: :
0
H As populaes A e B so
idnticas vs :
1
H As populaes A e B so no idnticas
23
.
(ii) As
A
n e
B
n observaes que constituem as amostras retiradas das populaes A e B, so
agrupadas em k classes (ou categorias) no-sobreponveis (com 2 k );
(iii) Para cada amostra, determinam-se as frequncias observadas em cada classe i,
iA
n e
iB
n
) , , 1 ( k i K = ;
(iv) As frequncias esperadas,
eiA
n e
eiB
n , so calculadas no pressuposto de que
0
H
verdadeira, do modo que se segue (o procedimento acima referido esta sumariado na
Tabela 3.6, pgina seguinte):
a. Denote-se por n o nmero total de observaes (
B A
n n n + = ) e por
i
n a frequncia
das observaes na classe i (
iB iA i
n n n + =

).
b. Como se admite que
0
H verdadeira, a probabilidade de uma observao ser
classificada na classe i (uma observao se encontrar na classe i) pode ser estimada
por
n
n
i
.
c. Consequentemente, a frequncia esperada de observaes referentes populao A
na classe i ser
n
n
n n
i
A eiA

= .
d. As frequncias esperadas
eiB
n , so obtidas de forma anloga ou, mais simplesmente,
pela subtraco
24

i eiA
n n

, j que ( )
i
eiB A i eiA
n
n n n n n
n

= = .
(v) A estatstica de teste uma medida global do ajustamento entre as frequncias
observadas nas amostras e as respectivas frequncias esperadas. Tal medida dada por
2 2
2
.
1 1
( ) ( )
k k
iA eiA iB eiB
obs
i i
eiA eiB
n n n n
n n

= =

= +



23
Estas hipteses podem tomar a seguinte forma equivalente: :
0
H ) ( ) ( x F x F
B A
= , para todo o x versus
:
1
H ) ( ) ( x F x F
B A
, para algum x (Com ) (x F
A
e ) (x F
B
representando as funes de distribuio das populaes
A e B).

24
Pode-se verificar que das 2k frequncias esperadas apenas 1 k so independentes, isto , a partir de 1 k
frequncias esperadas quaisquer podem ser obtidas por subtraco as restantes frequncias esperadas, j que
1
k
eiA A
i
n n
=
=

e
1
k
eiB B
i
n n
=
=

Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 80
Frequncias observadas Frequncias esperadas
Classe A B Total
eiA
n
eiB
n
1
1A
n
1B
n
1
n

1
A
n
n
n

1 1 e A
n n

2
2 A
n
2B
n
2
n


2
A
n
n
n

2 2 e A
n n

M M M M M M
k
kA
n
kB
n
k
n


k
A
n
n
n

k ekA
n n

Total
A
n
B
n n
A
n
B
n
Tabela 3.6 Clculo das frequncias esperadas para o teste de qui-quadrado para duas amostras independentes.

(vi) Se
0
H for verdadeira, pode demonstrar-se que, para amostras de grande dimenso,
2
. obs

segue uma distribuio qui-quadrado com 1 gl k = graus de liberdade (uma vez que s
existem 1 k termos independentes nos somatrios da expresso da estatstica de teste).
(vii) Fixado o nvel de significncia , a rejeio ou no rejeio de
0
H ser feita com
base na comparao entre o valor que a estatstica de teste toma e o valor crtico
[ ]
2
1 k

. Tal como no teste de qui-quadrado apresentado anteriormente, este teste

unilateral direita, pelo que o valor crtico dever ser procurado na cauda direita da
distribuio qui-quadrado.
Como a estatstica de teste ter uma distribuio tanto mais prxima da distribuio
[ ]
2
1 k

quanto maior forem as dimenses das amostras, o teste deve ser conduzido seguindo as
mesmas recomendaes que foram apresentadas a propsito do teste de qui-quadrado discutido na
seco3.2.1. Note-se apenas que, quando houver necessidade de agregar classes adjacentes numa
das amostras, tal operao deve ser igualmente executada na outra.

Exemplo 3.4
Um fabricante de pssegos em calda produz diferentes qualidades deste produto e pretende verificar se o
modo como se repartem as vendas da sua marca tendo em conta a qualidade do produto idntico nos
hipermercados A e B. Na Tabela 3.7 apresenta-se a composio das vendas nestes mercados ao longo do
ltimo ano.

Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 81
Qualidade Hipermercado A Hipermercado B Total
Baixa 1034 2225 3259
Mdia-baixa 892 2103 2995
Mdia 734 1754 2488
Mdia-alta 280 685 965
Alta 80 202 282
Luxo 26 32 58
Total 3046 7001 10047
Tabela 3.7 Composio das vendas de pssego em calda nos hipermercados A e B

Denotando por A e B as populaes referentes composio das vendas do produto nos hipermercados A
e B, respectivamente, obtm-se (os clculos necessrios apresentam-se na Tabela 3.8):
2 2 2
1
( ) (1034 988, 0) (26 17, 6)
... 7, 856
988, 0 17, 6
k
iA eiA
i
eiA
n n
n
=

= + + =

e
2 2 2
1
( ) (2225 2271, 0) (32 40, 4)
... 3, 425
2271, 0 40, 4
k
iB eiB
i
eiB
n n
n
=

= + + =

Sendo que a estatstica de teste
2 2
2
.
1 1
( ) ( )
7,856 3, 425 11, 281
k k
iA eiA iB eiB
obs
i i
eiA eiB
n n n n
n n

= =

= + = + =


Considerando um nvel significncia 0, 05 = , possvel verificar, a partir da funo do Excel, que
[ ]
2
0,05
5 11, 07 = . Como [ ]
2 2
. 0,05
11, 281 5 11, 07
obs
= > = rejeita-se
0
H ao nvel de significncia de 5%,
ou seja, h indcios de que as vendas do produto em causa, tendo em conta as diferentes qualidades,
diferem nos dois hipermercados (a anlise da Tabela 3.7 pode dar uma ideia deste facto, mas ateno s
propores). Neste caso o p-value 4,6%.


k
iA
n
iB
n Total
eiA
n
eiB
n
1 1034 2225 3259 988,0 2271,0
2 892 2103 2995 908,0 2087,0
3 734 1754 2488 754,3 1733,7
4 280 685 965 292,6 672,4
5 80 202 282 85,5 196,5
6 26 32 58 17,6 40,4
Total 3046 7001 10047 3046,0 7001,0
Tabela 3.8 Clculo das frequncias esperadas necessrias para a obteno da estatstica de qui-quadrado
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 82
3.3.3 Teste de Kolmogorov-Smirnov
Admita-se agora que se pretende avaliar se duas amostras aleatrias independentes provm
de uma nica populao contnua ou, equivalentemente, se provm de duas populaes contnuas
idnticas.
Denotem-se por ( )
A
F x e ( )
B
F x as funes de distribuio associadas s populaes A e B,
respectivamente. A estrutura deste teste K-S, que semelhante do teste K-S discutido
anteriormente, a seguinte:
(i) As hipteses nula e alternativa so
0
: ( ) ( )
A B
H F x F x = , para todo o x (ou seja, as duas
amostras provm de populaes com a mesma funo distribuio) versus
1
: ( ) ( )
A B
H F x F x , para algum x (teste bilateral)
25
.
(ii) Uma vez determinadas as funes de distribuio das amostras ( )
A
S x e ( )
B
S x , calcula-
se a estatstica de teste
. obs
D , tal que
.
max ( ) ( )
obs A B
x
D S x S x =
Note-se que se recorre estatstica
. obs
D tanto no caso do teste ser bilateral como no caso
do teste ser unilateral.
(iii) Uma vez especificado o nvel de significncia do teste, o valor de
. obs
D comparado
com o respectivo valor crtico de

D , e, em funo do resultado,
0
H ou no rejeitada.
A distribuio de
. obs
D conhecida de forma exacta quando
0
H verdadeira e ambas as
distribuies populacionais so consideradas contnuas. Dever rejeitar-se
0
H , sempre
que

d d
obs
>
.
. Na Tabela 3.14 apresentam-se os valores da distribuio da estatstica
. A B obs
n n D (onde
A
n e
B
n representam as dimenses das duas amostras).

Exemplo 3.5
O departamento de engenharia alimentar da universidade do Algarve foi seleccionado para uma experincia
piloto na qual se pretende testar novos procedimentos. Na Tabela 3.9 apresentam-se valores do tempo
despendido no processamento de uma determinada operao, antes e depois de terem sido introduzidos
novos procedimentos.


25
No caso de fazer sentido um teste unilateral, a hiptese alternativa vir: ) ( ) ( :
1
x F x F H
B A
> ou
) ( ) ( :
1
x F x F H
B A
< para algum x.
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 83
Antes 4,1 4,4 4,7 4,8 4,9 5,7 7,4 7,6 9,7 10,3 12,4 15,5
Depois 3,8 5,0 6,3 6,6 6,7 6,9 8,5 8,6 8,9 9,5 9,8 10,2
Tabela 3.9 Tempos de processamento, em minutos.

Estes valores, seleccionados aleatoriamente, foram obtidos a partir de cronometragem. Ser que os dados
sustentam a hiptese de que a distribuio do tempo de processamento se modificou com a introduo dos
novos procedimentos? Na resposta a esta questo utilizar-se- o teste K-S de ajustamento entre duas
amostras independentes.
Para testar as hipteses:
0
: ( ) ( )
A B
H F x F x = para todo o x (em que A e B denotam, respectivamente, as
situaes anterior e posterior adopo dos novos procedimentos) versus
1
: ( ) ( )
A B
H F x F x para algum
x, obtm-se a estatstica de teste
.
4
0, (3)
12
obs
D = = ,
que foi calculada como se indica na Tabela 3.10. Note-se que, contrariamente ao que sucedia no teste K-S
discutido na seco 3.2.2, agora basta calcular as diferenas absolutas para os valores observados de X
numa ou noutra amostra ( ) ( )
A B
S x S x e escolher o valor mximo de tais diferenas absolutas.

X
( )
A
S x ( )
B
S x
( ) ( )
A B
S x S x
3,8 0 1/12 1/12
4,1 1/12 1/12 0
4,4 2/12 1/12 1/12
4,7 3/12 1/12 2/12
4,8 4/12 1/12 3/12
4,9 5/12 1/12 4/12
5,0 5/12 2/12 3/12
5,7 6/12 2/12 4/12
6,3 6/12 3/12 3/12
() () () ()
8,6 8/12 8/12 0
8,9 8/12 9/12 1/12
9,5 8/12 10/12 2/12
9,7 9/12 10/12 1/12
9,8 9/12 11/12 2/12
10,2 9/12 12/12 3/12
10,3 10/12 12/12 2/12
12,4 11/12 12/12 1/12
15,5 12/12 12/12 0
Tabela 3.10 Excerto dos clculos envolvidos num teste K-S para duas amostras independentes
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 84
De acordo com a Tabela 3.16, para um nvel de significncia 0, 05 = e 12
A B
n n = = vem
.
84
A B obs
n n D = , donde resulta
0,05
84
0, 583
144
d = = .
Como
. 0,05
4
0, (3) 0, 583
12
obs
d d = = < = ,
a hiptese nula no rejeitada com um nvel de significncia de 5%. Podemos pois concluir, com 95% de
confiana, que os dados sustentam a hiptese de que a distribuio do tempo de processamento no se
modificou com a introduo dos novos procedimentos.


Na Tabela 3.11 apresentam-se os valores crticos da distribuio da estatstica
0
max ( ) ( )
x
D S x F x = para amostras de dimenso n e nveis de significncia . Para amostras de
grandes dimenses ( 40 n > ), os valores crticos de D

podem ser aproximados pelas expresses

apresentadas na Tabela 3.12. Valores crticos da estatstica
0
max ( ) ( )
x
D S x F x = , segundo
Lilliefors, para populaes normais e parmetros estimados a partir de amostras de dimenso n,
podem obter-se da Tabela 3.13.
Nas Tabelas 3.14 e 3.15 apresentam-se os valores crticos D

, sob a forma
. A B obs
n n D ,
para situaes em que a dimenso das amostras A e B diferente. Os valores p nessas tabelas
referem-se probabilidade na cauda direita da distribuio da estatstica
. A B obs
n n D (com
.
max ( ) ( )
obs A B
x
D S x S x = ), para amostras com dimenses
A
n e
B
n (satisfazendo 2 12
A B
n n e
16
A B
n n + ) de duas populaes A e B, isto ,
.
Pr( )
A B A B obs
n n D n n D

> . Em testes unilaterais

dever considerar-se
p
/
2
(os valores de
. obs
D assim calculados sero correctos se p for pequeno).
Valores crticos da distribuio da estatstica
. A B obs
n n D para amostras com dimenses tais
que 9 20
A B
n n = (os valores de indicados para testes unilaterais so aproximados)
apresentam-se na Tabela 3.16.
Para amostras cujas dimenses no esto contempladas nos quadros anteriores, os valores
crticos da distribuio da estatstica de teste podem ser aproximados atravs das expresses que
constam da Tabela 3.17 (com
A B
n n n = + ).


Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 85
Nveis de significncia Nveis de significncia
n 0,20 0,10 0,05 0,02 0,01 n 0,20 0,10 0,05 0,02 0,01
1 0,900 0,950 0,975 0,990 0,995 ()
2 0,684 0,776 0,842 0,900 0,929 21 0,226 0,259 0,287 0,321 0,344
3 0,565 0,636 0,708 0,785 0,829 22 0,221 0,253 0,281 0,314 0,337
4 0,493 0,565 0,624 0,689 0,734 23 0,216 0,247 0,275 0,307 0,330
5 0,447 0,509 0,563 0,627 0,669 24 0,212 0,242 0,269 0,301 0,323
6 0,410 0,468 0,519 0,577 0,617 25 0,208 0,238 0,264 0,295 0,317
7 0,381 0,436 0,483 0,538 0,576 26 0,204 0,233 0,259 0,290 0,311
8 0,358 0,410 0,454 0,407 0,542 27 0,200 0,229 0,254 0,284 0,305
9 0,339 0,387 0,430 0,480 0,513 28 0,197 0,225 0,250 0,279 0,300
10 0,323 0,369 0,409 0,457 0,489 29 0,193 0,221 0,246 0,275 0,295
11 0,308 0,352 0,391 0,437 0,468 30 0,190 0,218 0,242 0,270 0,290
12 0,296 0,338 0,375 0,419 0,449 31 0,187 0,214 0,238 0,266 0,285
13 0,285 0,325 0,361 0,404 0,432 32 0,184 0,211 0,234 0,262 0,281
14 0,275 0,314 0,349 0,390 0,418 33 0,182 0,208 0,231 0,258 0,277
15 0,266 0,304 0,338 0,377 0,404 34 0,179 0,205 0,227 0,254 0,273
16 0,258 0,295 0,327 0,366 0,392 35 0,177 0,202 0,224 0,251 0,269
17 0,250 0,286 0,318 0,355 0,381 36 0,174 0,199 0,221 0,247 0,265
18 0,244 0,279 0,309 0,346 0,371 37 0,172 0,196 0,218 0,244 0,262
19 0,237 0,271 0,301 0,337 0,361 38 0,170 0,194 0,215 0,241 0,258
20 0,232 0,265 0,294 0,329 0,352 39 0,168 0,191 0,213 0,238 0,255
() 40 0,165 0,189 0,210 0,235 0,252
Tabela 3.11 Valores crticos da distribuio da estatstica D

de K-S para uma amostra.

Nveis de significncia ( )
0,20 0,10 0,05 0,02 0,01
1, 07
n

1, 22
n

1, 36
n

1, 52
n

1, 63
n

Tabela 3.12 Expresses de aproximao para os valores crticos da distribuio da estatstica de K-S para
mostras de grandes dimenses (i.e. n>40)
26
.


26
As expresses apresentadas na Tabela 3.12 obtm-se a partir de [ ]
n
n D
|

\
|

2
1
ln
.
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 86






Dimenses Nveis de significncia ( )
n 0,20 0,15 0,10 0,05 0,01
4 0,300 0,319 0,352 0,381 0,417
5 0,285 0,299 0,315 0,337 0,405
6 0,265 0,277 0,294 0,319 0,364
7 0,217 0,253 0,276 0,300 0,348
8 0,233 0,244 0,261 0,285 0,331
9 0,223 0,233 0,249 0,271 0,311
10 0,215 0,224 0,239 0,258 0,294
11 0,206 0,217 0,230 0,249 0,284
12 0,199 0,212 0,223 0,242 0,275
13 0,190 0,202 0,214 0,234 0,268
14 0,183 0,194 0,207 0,227 0,261
15 0,177 0,187 0,201 0,220 0,257
16 0,173 0,182 0,195 0,213 0,245
17 0,169 0,177 0,189 0,206 0,239
18 0,166 0,173 0,184 0,200 0,235
19 0,163 0,169 0,179 0,195 0,231
20 0,160 0,166 0,174 0,190 0,203
25 0,149 0,153 0,165 0,180 0,187
30 0,131 0,136 0,144 0,161 1,031
>30
0,730
n

0,768
n

0,805
n

0,886
n

1,031
n

Tabela 3.13 Valores crticos da distribuio da estatstica D

de K-S, segundo Lilliefors, nos casos de

populaes normais.
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 87




n
A
n
B
n
A
n
B
Dobs p n
A
n
B
n
A
n
B
Dobs p n
A
n
B
n
A
n
B
Dobs p
2 2 4 0,333 3 6 18 0,02 4 5 20 0,016
2 3 6 0,200 15 0,09 16 0,079
2 4 8 0,133 12 0,33 15 0,143
2 5 10 0,095 3 7 21 0,01 4 6 24 0,100
8 0,286 18 0,06 20 0,048
2 6 12 0,071 15 0,16 18 0,095
10 0,214 3 8 24 0,01 16 0,181
2 7 14 0,056 21 0,04 4 7 28 0,006
12 0,167 18 0,12 24 0,030
2 8 16 0,044 3 9 27 0,00 21 0,067
14 0,133 24 0,03 20 0,121
2 9 18 0,036 21 0,09 4 8 32 0,004
16 0,109 18 0,23 28 0,020
2 10 20 0,030 3 10 30 0,00 24 0,085
18 0,091 27 0,02 20 0,222
16 0,182 24 0,07 4 9 36 0,003
2 11 22 0,026 21 0,14 32 0,014
20 0,077 3 11 33 0,00 28 0,042
18 0,154 30 0,02 27 0,062
2 12 24 0,022 27 0,05 24 0,115
22 0,066 24 0,11 4 10 40 0,002
20 0,132 3 12 36 0,00 36 0,010
3 3 9 0,100 33 0,01 32 0,030
3 4 12 0,057 30 0,04 30 0,046
9 0,229 27 0,08 28 0,084
3 5 15 0,036 24 0,18 26 0,126
12 0,143 4 4 16 0,02
12 0,22
Tabela 3.14 Distribuio da estatstica
. A B obs
n n D de K-S para duas amostras independentes.
Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 88

n
B
n
A
n
B
Dobs p n
A
n
B
n
A
n
B
Dobs p n
A
n
B
n
A
n
B
Dobs p
4 11 44 0,001 5 10 50 0,001 6 10 60 0,000
40 0,007 45 0,004 54 0,002
36 0,022 40 0,019 50 0,004
33 0,035 35 0,061 48 0,009
32 0,063 30 0,166 44 0,019
29 0,098 5 11 55 0,000 42 0,031
28 0,144 50 0,003 40 0,042
4 12 48 0,001 45 0,010 38 0,066
44 0,005 44 0,014 36 0,092
40 0,016 40 0,029 34 0,125
36 0,048 39 0,044 7 7 49 0,001
32 0,112 35 0,074 42 0,008
5 5 25 0,008 34 0,106 35 0,053
20 0,079 6 6 36 0,002 28 0,212
15 0,357 30 0,026 7 8 56 0,000
5 6 30 0,004 24 0,143 49 0,002
25 0,026 6 7 42 0,001 48 0,005
24 0,048 36 0,008 42 0,013
20 0,108 35 0,015 41 0,024
5 7 35 0,003 30 0,038 40 0,033
30 0,015 29 0,068 35 0,056
28 0,030 28 0,091 34 0,087
25 0,066 24 0,147 33 0,118
23 0,116 6 8 48 0,001 7 9 63 0,000
5 8 40 0,002 42 0,005 56 0,001
35 0,009 40 0,009 54 0,003
32 0,020 36 0,023 49 0,008
30 0,042 34 0,043 47 0,015
27 0,079 32 0,061 45 0,021
25 0,126 30 0,093 42 0,034
5 9 45 0,001 28 0,139 40 0,055
40 0,006 6 9 54 0,000 38 0,079
36 0,014 48 0,003 36 0,098
35 0,028 45 0,006 35 0,127
31 0,056 42 0,014 8 8 64 0,000
30 0,086 39 0,028 56 0,002
27 0,119 36 0,061 48 0,019
33 0,095 40 0,087
30 0,176 32 0,283
Tabela 3.15 Distribuio da estatstica
. A B obs
n n D de K-S para duas amostras independentes (continuao).

Testes da qualidade de ajustamento

APONTAMENTOS DE ADPE E. Esteves & C. Sousa, 2007. 89



Dimenses
da amostra
Nveis de significncia ( )
(teste bilateral)
A B
n n =
0,20 0,10 0,05 0,02 0,01
9 45 54 54 63 63
10 50 60 70 70 80
11 66 66 77 88 88
12 72 72 84 96 96
13 78 91 91 104 117
14 84 98 112 112 126
15 90 105 120 135 135
16 112 112 128 144 160
17 119 136 136 153 170
18 126 144 162 180 180
19 133 152 171 190 190
20 140 160 180 200 220
0,10 0,05 0,025 0,01 0,005

Nveis de significncia ( )
(teste unilateral)
Tabela 3.16 Distribuio da estatstica
. A B obs
n n D de K-S para duas amostras independentes (se n
A
=n
B
).




Nveis de significncia ( ) (teste bilateral)
0,20 0,10 0,05 0,02 0,01
1, 07
.
A B
n
n n
1, 22
.
A B
n
n n
1, 36
.
A B
n
n n
1, 52
.
A B
n
n n
1, 63
.
A B
n
n n

0,10 0,05 0,025 0,01 0,005
Nveis de significncia ( ) (teste unilateral)
Tabela 3.17 Distribuio da estatstica D

de K-S para duas amostras independentes (para casos no

contemplados anteriormente).