Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Departamento de Matemtica
Estatstica
No Paramtrica
ndice
NDICE
Teste de Hipteses ......................................................................................................................1
Introduo...................................................................................................................................3
Capitulo 1: Caso de uma amostra ...............................................................................................6
1.1 Teste da Binomial.............................................................................................................6
2
1.2 Teste do Qui-Quadrado ( ) para uma amostra............................................................10
1.3 Teste de Kolmogorov-Smirnov ......................................................................................12
1.4. Teste de Iteraes de Uma Amostra ..............................................................................17
Captulo 2: Caso de duas amostras relacionadas ......................................................................23
2.1 Teste dos Sinais ..............................................................................................................23
2.2 Teste de McNemar .........................................................................................................25
2.3 Teste de Wilcoxon ..........................................................................................................28
Capitulo 3: Caso de duas amostras independentes ...................................................................32
3.1 Teste de Iteraes de Wald-Wolfowitz ..........................................................................32
3.2 Teste U de Mann-Whitney .............................................................................................37
3.3 Teste de Moses para reaces extremas .........................................................................41
3.4 Teste da Qui-Quadrado ( 2 ) para duas amostras independentes ..................................44
Captulo 4: Caso de k amostras relacionadas ...........................................................................50
4.1 Teste Q de Cochran .......................................................................................................50
4.2 Teste de Friedman ..........................................................................................................54
Captulo 5: Caso de k amostras independentes ........................................................................57
5.1 Teste de Kruskal-Wallis .................................................................................................57
Capitulo 6: Medidas de Correlao ..........................................................................................60
6.1 Coeficiente de Correlao por postos de Kendall: .....................................................60
6.2 Coeficiente de Correlao por postos de Spearman: rS .................................................64
6.3 Coeficiente de Concordncia de Kendall: W ................................................................66
Concluso .................................................................................................................................70
Bibliografia...............................................................................................................................75
Anexos ......................................................................................................................................75
Anexo 0 ................................................................................................................................76
Anexo I: Caso de uma amostra.............................................................................................77
Anexo II: Caso duas amostras relacionadas .........................................................................81
Anexo III: Caso de duas amostras independentes ................................................................85
Anexos IV: Caso de k amostras relacionadas.......................................................................91
Anexo V: Caso de k amostras independentes.......................................................................94
Anexo VI: Medidas de Correlao. ......................................................................................95
Tabelas......................................................................................................................................75
Tabela A ...............................................................................................................................76
Tabela B................................................................................................................................77
Tabela C................................................................................................................................78
Tabela D ...............................................................................................................................79
Tabela E................................................................................................................................81
Tabela F ................................................................................................................................82
Tabela G ...............................................................................................................................84
Tabela J.................................................................................................................................85
Tabela K ...............................................................................................................................88
Tabela N ...............................................................................................................................89
Tabela O ...............................................................................................................................91
Tabela P ................................................................................................................................93
Tabela Q ...............................................................................................................................94
Tabela R................................................................................................................................95
Teste de Hipteses
TESTE DE HIPTESES
Em muitas situaes, queremos tomar uma deciso de forma a minimizar os riscos
envolventes.
No campo da estatstica, formulamos hipteses acerca de uma dada amostra, estas
hipteses so submetidas a determinados testes. A hiptese a ser testada designamos por
Hiptese Nula ( H 0 ), a Hiptese Alternativa ( H 1 ) a concluso a que chegamos quando a
hiptese nula rejeitada.
Quando formulamos uma deciso sobre H 0 podem ocorrer dois erros distintos. O
primeiro, designado por erro tipo I, consiste em rejeitar a hiptese nula quando ela
verdadeira. O segundo, designado por erro tipo II, consiste em aceitar H 0 quando ela falsa.
A estes erros esto associados uma probabilidade, isto ,
P(rej.H 0 | H 0 verd.) =
P(ac.H 0 | H 0 falsa) =
Quando queremos reduzir a probabilidade de ambos os tipos de erro, devemos aumentar
a dimenso da amostra.
probabilidade damos o nome de nvel de significncia.
Como o valor entra no processo de determinao de aceitao ou rejeio de H 0 , a
condio de objectividade da prova exige que o nvel de significncia seja fixado antes da
recolha de dados. Os valores mais comuns para so de 0,05 e 0,01 de acordo com a
importncia prtica dos resultados.
Quanto mais pequena a probabilidade mais potente o teste, ou seja, o teste ptimo
da hiptese H 0 vs. H 1 aquele que para uma probabilidade de ocorrer o erro tipo I, torne
mnima a probabilidade de ocorrer o erro tipo II.
Aps ter escolhido as hipteses e o nvel de significncia devemos determinar qual a
distribuio amostral. Esta uma distribuio terica que, se pusssemos considerar todos
os eventos possvel, dava-nos as probabilidades, sob H 0 , associadas aos valores numricos
possveis da estatstica.
Teste de Hipteses
Neste momento temos que escolher o teste estatstico apropriado, tendo em conta os
seus pressupostos.
Definida as hipteses, o nvel de significncia, o teste estatstico, falta-nos saber como
rejeitar/aceitar H 0 .
Regio de rejeio uma regio da distribuio amostral, na qual consiste num
conjunto de valores to extremos que, quando H 0 verdadeira, a probabilidade do valor
observado da amostra estar entre eles muito pequena. A probabilidade associada a qualquer
valor na regio de rejeio afectada pela natureza da hiptese alternativa. Se H 1 indica o
sentido da diferena, utiliza-se um teste unilateral, caso contrrio, utiliza-se um teste
bilateral.
A seguinte figura ilustra-nos como as duas regies diferem entre si, mas no altera o
tamanho.
Figura 1: Dois tipos de testes
Teste bilateral
P=0.025
Teste unilateral
P=0.025
P=0.05
Introduo
INTRODUO
Nos primrdios da estatstica, desde que o Homem se organiza em sociedade, ela
aparece como processo organizado de contagem, seja ela de pessoas, cereais, frutas, etc..
Estes processos de contagem eram, posteriormente, apresentados sociedade atravs de
tabelas e grficos.
A palavra estatstica aparece sempre ligada a coisas do Estado (status), mas s no sc.
XVII a estatstica tida como uma disciplina autnoma destinada a descrever factos ligados
ao estado. A estatstica era associada ao processo poltico, como base para o planeamento do
Estado.
Esse processo de contagem do todo, denominado Censo, no um procedimento dos
tempos passados. Na verdade ela constitui uma importante rea da Estatstica.
Relativamente totalidade dos dados, h uma outra linha de trabalho que conhecida
como Estatstica Descritiva, que procura expressar as informaes mais relevantes contidas
num conjunto de dados atravs do clculo de valores. Cada um destes valores resume de uma
forma especfica o conjunto de dados.
Mais recentemente, surgiu outro campo da estatstica que designa-se por Estatstica
Indutiva ou Inferncia Estatstica
Esta estatstica preocupa-se em estimar o verdadeiro valor desconhecido do(s)
parmetro(s) de uma populao e testar hipteses com respeito ao valor dos parmetros
estimados, ou natureza da distribuio da populao.
Aqui que surge uma separao, ou sabemos partida qual a distribuio da populao
(Estatstica Paramtrica), ou no sabemos qual a sua distribuio (Estatstica No
Paramtrica).
Focaremos o nosso estudo sobre a Estatstica No Paramtrica. Os primeiros mtodos
da estatstica no paramtrica, embora com pouco uso at aos anos 40, foram referidos por
John Arbuthnot em 1710. Estes comearam a ter maior impacto s a partir de 1942 com
Wolfowitz. A partir da o interesse aumentou de uma forma rpida.
Hoje a estatstica no paramtrica considerada como um dos campos mais importantes
da estatstica. As tcnicas que advm desta categoria so usadas com grande frequncia nas
cincias fsicas, biolgicas e sociais ou at mesmo na comunicao. Outros autores, tambm
do importncia a outros campos, tais como, na anlise de dados da qualidade da gua
Introduo
Introduo
sugerir um certo processo paramtrico, mas quando iremos aplicar este processo
poder violar de uma forma determinante os pressuposto. Neste caso, um mtodo
no paramtrico seria a nica alternativa.
Quando queremos implementar um mtodo devemos ter em conta o nvel de medida das
variveis a analisar, estas esto divididas em diferentes grupos:
1. Escala Nominal: neste nvel situam-se todas as observaes que so categorias e
no tm uma ordem natural, por exemplo, o sexo dos alunos de uma dada turma.
Para que tenha uma ordem, pode ser atribudo um valor numrico, no entanto, os
nmeros no tem um verdadeiro e nico significado (Ex.: masculino=1, feminino=2
ou feminino=1, masculino=2);
2. Escala Ordinal: as observaes so categorias que tm uma ordem natural. Estas
observaes podem no ser numricas. Por exemplo, as classificaes dos testes
podem ser mau, no satisfaz, satisfaz, bom ou muito bom.
3. Escala Intervalar: tem todas as caractersticas da ordinal com a vantagem de
conhecer as distncias entre dois nmeros quaisquer da escala. Estes valores esto
limitados entre dois valores. (Ex. As notas das frequncias de uma dada turma, os
valores esto entre zero e vinte).
4. Escala de Razes: alm das caractersticas de uma escala intervalar, tem um
verdadeiro ponto zero como origem. No existe limites. Nesta escala, a razo de
dois pontos quaisquer independente da unidade de mensurao, por exemplo, se
determinarmos os pesos de dois objectos diferentes no somente em libras, mas
tambm em gramas, observamos que a razo dos dois pesos em libras idntica
razo dos dois pesos em gramas.
Os vrios mtodos para testar as hipteses sero apresentados de forma a focar as
diferenas entre as vrias fontes de informao disponveis, tais como, as tabelas e os dois
Software especializados: o Mathematica e o SPSS. A introduo dos dados, no caso do
SPSS, e a programao das funes, no caso do Mathematica, estaro em anexo, bem com
as tabelas aqui utilizadas.
N
p x = P x (1 P) N x
x
(1.1.1)
Cada uma das classes tem a sua proporo de casos esperados, tomaremos, assim, P
para a proporo de uma das classes, e Q = 1 - P para a outra classe.
P fixo para uma determinada populao, mas, devido aos efeitos aleatrios, no
podemos esperar que determinada amostra tenha exactamente a mesma proporo.
A hiptese a ser testada se o valor da populao P .
A probabilidade de obter x objectos numa das categorias e N x noutra categoria
dada pela frmula 1.1.1..
No entanto, no queremos saber qual a probabilidade exacta dos valores observadas,
mas sim qual a probabilidade de obter os valores observados ou valores mais extremos. Ento
para o mtodo aplicamos a seguinte distribuio amostral:
x
C
i =0
N
i
P i Q N -i
(1.1.2)
Mtodo:
1. Determinar o nmero de casos observados N (dimenso da amostra);
2. Determinar as frequncias em cada uma das classes;
3. Conforme a dimenso da amostra, elas so classificadas em pequenas amostras
( N 25) ) e grandes amostras ( N > 25 ):
3.1. Para pequenas amostra e P = Q = 12 , a tabela D d as probabilidades unilaterais,
sob H 0 , de vrios to pequenos quanto um x observado. Emprega-se uma prova
unilateral quando se conhece em antemo qual das classes tem menor frequncia,
caso contrrio basta, para uma prova bilateral, duplicar os valores da tabela D.
3.2. Se P = Q , determina-se a probabilidade, sob H 0 , de ocorrncia do valor
observado x , utilizando a frmula 1.1.2.
3.3. Para grandes amostras, pode-se demonstrar que quando N cresce a distribuio
binomial tende para a distribuio Normal. Ser mais rpida se P estiver prximo
de
1
2
x- x
x-NP
=
x
NPQ
(1.1.3)
z=
( x 0.5)-NP
(1.1.4)
NPQ
1
2
menina ( p 2 ) .
H 1 : p1 p 2 H diferena na probabilidade.
i =0
i =0
Output 1.1.1:
Este software pode fazer o teste com maior rapidez, muito embora, se a dimenso da
amostra for muito grande, a introduo dos dados poder ser demorada. Para colmatar esta
situao podemos recorrer ao Mathematica, pois, basta dar o nmero de casos de um das
classes como ilustra o seguinte exemplo:
Exemplo 1.1.2:
Suponhamos agora que queremos saber se a probabilidade de nascer masculino ou
feminino num dado pas igual. Considerando uma amostra de 1500 nascimentos e que
nasceram 725 crianas do sexo masculino, para testar a hiptese, basta:
npmBinomial p-value = 0.5725
One- Sided PValue - > 0.102896822008
Como o p-value maior que = 0.01 , ento aceitamos a hiptese de que no existe
diferenas entre o nmero de nascimentos do sexo masculino e feminino.
(Oi Ei )2
i =1
Ei
2
calc
. =
(1.2.1)
10
Nota: quando k > 2, se mais de 20 por cento dos E i s so inferiores a cinco, combinase de maneira razovel, categorias adjacentes. Reduzindo, assim o nmero de classes e
aumentando o nmeros de alguns dos E i s. Quando k = 2. Pode-se empregar a prova 2
para uma amostra s se cada frequncia esperada no mnimo, igual a 5 (Cochran, 1954).
Exemplo 1.2.1:
Dada a seguinte tabela:
Tabela 1.2.1:
Cor
Vermelho
Branco
Preto
Azul
Cinzento
Nmero de automveis
29
25
19
15
17
Queremos saber se h preferncia em determinada cor, isto , h razes para dizer que
h preferncia em determinada cor? Com um nvel de significncia = 0,05 .
Resoluo:
Formulamos as hipteses:
1
5
H 1 : H 0 falsa.
Ei =
N 105
=
= 21
k
5
Calculamos 2 :
2 =
(29 21)2 + (25 21)2 + (19 21)2 + (15 21)2 + (17 21)2
21
21
21
21
21
6,48
11
Output 1.2.1:
12
Dn = sup S n ( x) FX ( x)
(1.3.1)
Dn = sup[FX ( x) S n ( x)]
(1.3.2)
Teorema 1.3.1:
P lim sup S n ( x) FX ( x) = 0 = 1
n < x <
13
1 / 2 n + v 3 / 2 n + v ( 2 n 1) / 2 n + v
+ v =
P Dn <
f (u1 , u 2 , K , u n )du n K du1
K
2n
1 / 2 n v 3 / 2 n v ( 2 n 1) / 2 n v
se v 0
2n 1
2n
2n 1
se v
2n
se 0 < v <
k
, onde k o nmero de
N
observaes no superiores a X.
Pela hiptese Nula, de que a amostra tenha sido extrada de uma populao com a
distribuio terica especfica, espera-se que as diferenas entre S N ( X ) e F0 ( X ) sejam
pequenas e estejam dentro dos limites dos erros aleatrios. O teste de Kolmogorov-Smirnov
focaliza a maior dessas diferenas. Ao valor de F0 ( X ) S N ( X ) chamado de desvio
mximo, D:
D = mx F0 ( X ) S N ( X )
(1.3.3)
14
Exemplo 1.3.1:
Suponha-se que um pesquisador esteja interessado na confirmao experimental da
observao sociolgica, de que os negros Americanos aparentam demonstrar uma hierarquia
de preferncia em relao tonalidade de pele. Para comprovar quo sistemticas so essas
preferncias, o pesquisador fictcio tira uma fotografia de cada um dentro de 10 indivduos
negros. O fotgrafo revela essas fotografias, obtendo cinco cpias de cada uma, de tal forma
que cada cpia difira ligeiramente das outras em tonalidade, podendo, pois, ser classificadas
em cinco tipos, desde a mais clara at mais escura. fotografia mais escura atribudo o
posto 1, e para a mais clara atribuda o posto 5. Pede-se ento a cada indivduo que escolha
uma de entre as cinco cpias de sua prpria foto. Se os indivduos forem indiferentes em
relao tonalidade da cor da pele, a escolha dever recair igualmente sobre os cinco postos
(com excepo, bvio, de diferenas aleatrias).
Se, por outro lado, a cor tiver importncia, tal como supomos, ento os diversos
indivduos devero consistentemente manifestar preferncia por um dos postos extremos. Os
resultados esto na seguinte tabela:
Tabela 1.3.1:
Posto da foto
N. de indivduos
Resoluo:
Formulamos as hipteses:
H 0 : f 1 = f 2 = f 3 = f 4 = f 5 (No h diferenas no nmero esperado de escolhas para
cada um dos cinco postos, isto , a amostra provm de uma populao com uma distribuio
uniforme.)
H 1 : H 0 falsa ( f 1 , f 2 , f 3 , f 4 , f 5 no so iguais).
15
Tabela 1.3.2:
f1
f2
f3
f4
f5
F0 ( X )
1
5
1
5
1
5
1
5
1
5
S0 ( X )
1
10
1
10
6
10
10
10
F0 ( X ) S N ( X )
1
5
3
10
5
10
2
10
N. de indivduos que
escolhem a cor
5
= 0,5
10
Output 1.3.1:
16
distintos de n1 + n 2 objectos dividido pelo total de arranjos distintos, que n! / n1! n 2 ! . Para a
quantidade do numerador, o lema seguinte pode ser usado.
Lema 1.4.1:
n 1
, n r.
r distintas clulas sem clulas vazias
r 1
De modo a obter uma sequncia com r1 iteraes de objectos do tipo 1, os n1 objectos
n 1
iguais deve ser postas dentro de r1 clulas, em que pode ser feito em 1 diferentes
r1 1
17
maneiras. Aplica-se do mesmo modo para obter r2 iteraes com outros n 2 objectos. O
nmero total de arranjos distintos comeando com uma iterao do tipo 1 o produto
n1 1 n2 1
f R1 , R2 ( r1 ,r2 )
n 1 n 1
c 1 2
r 1 r2 1
= 1
n1 + n2
n1
r1 = 1,2,K , n1
r2 = 1,2,K , n2
r1 = r2
ou
(1.4.1)
r1 = r2 1
onde c = 2 se r1 = r2 e c = 1 se r1 = r2 1 .
Corolrio 1.4.1: A distribuio da probabilidade marginal de R1
f R1 ( r1 )
n1 1 n2 + 1
r1 1 r1
=
n1 + n2
n1
r1 = 1,2,K, n1
(1.4.2)
18
n1 1 n 2 1
/
2
1
/
2
1
r
r
se r impar
n1 + n 2
n1
f R (r ) =
n 1 n 1 n 1 n 1
1
2
2
+ 1
par
(
1
)
/
2
(
3
)
/
2
(
3
)
/
2
r
r
r
(r 1) / 2 se r
n1 + n 2
n1
(1.4.3)
para r = 2,3, K , n1 + n 2
Mtodo:
1. Dispor as n1 e n2 observaes na sua ordem de ocorrncia;
2. Contar o nmero r de iteraes;
3. Determinar a probabilidade, sob H 0 , associada a um valor to extremo quanto o
valor observado de r. Se tal probabilidade igual, ou inferior, a , rejeitar H 0 . A
tcnica para a determinao do valor de p depende do tamanho dos grupos n1 e n2 :
3.1. Se n1 e n2 so ambos no superiores a 20, recorrer tabela F. A tabela FI d o
valor de r que to pequeno que a sua probabilidade associada, sob H 0
p = 0,025 ; a tabela FII d o valor de r que to grande que a sua probabilidade
z=
r r
2n n
r 1 2 + 1
n1 + n2
2n1n2 (2n1n2 n1 n2 )
(1.4.1)
(n1 + n2 )2 (n1 + n2 1)
19
Equipa
Pagamento
Equipa
Pagamento
Atlanta
47.93
Montreal
15.41
Chicago Cubs
31.45
23.46
Cincinnati
40.72
Philadelphia
29.72
Colorado
38.19
Pittsburgh
21.25
Florida
30.08
San Diego
27.25
Houston
26.89
San Francisco
34.79
Los Angeles
34.65
St. Louis
38.92
O nmero de iteraes r = 5 ; n1 = 7 e n 2 = 7
Calculamos os extremos para o r com a ajuda da Tabela F que nos d o seguinte
resultado:
Regio de Aceitao
Regio de Rejeio
Regio de Rejeio
20
13
Output 1.4.1:
21
22
dado
uma
amostra
aleatria
de
pares
ordenados
da
forma
{( y11 , y12 ), ( y 21 , y 22 ),..., ( y n1 , y n 2 )} , cada par substitudo por um sinal mais ou menos depende
se o primeiro valor maior ou menor.
Mtodo:
1. Emparelhar n pares;
2. Determinar o sinal da diferena entre os dois membros de cada par;
3. Determinar N = nmero das diferenas com sinal;
4. O mtodo para determinar a probabilidade associada ocorrncia, sob H 0 , de um
valor to extremo quanto o valor observado de z depende do tamanho de N:
i. Se N 25 , a tabela D d a probabilidade unilateral p associada a uma
valor to pequeno quanto o valor esperado x = nmero de sinais com menor
frequncia. Duplica-se o valor da probabilidade quando se trata de um teste
bilateral.
ii. Se N > 25 , calcular o valor de z mediante o emprego da frmula:
z=
( x 0,5) 12 N
1
2
(2.1.1)
23
Exemplo 2.1.1:
Um professor da disciplina de alemo pretende avaliar o impacto de uma viagem, com a
durao de uma semana Alemanha, sobre o vocabulrio dos estudantes. O professor acredita
que uma semana na Alemanha resultar num acrscimo significativo das palavras do
vocabulrio dos seus alunos, antes e depois de regressarem da viagem, tendo obtido os
seguintes resultados:
Tabela 2.1.1:
Antes 98
Depois 121
76
85
60
58
46
58
86
91
33
32
94 122
106 145
75
83
65
78
80
80
111
122
62
75
Resoluo:
Formulamos as hipteses:
H 0 : No h diferenas, isto , o nmero de sinais + o mesmo de sinais -.
H 1 : H 0 falsa.
24
Output 2.1.1:
Podemos verificar que o valor de p dado com maior nmero de casas decimais.
25
Tabela 2.2.1:
Depois
Antes
+
-
A
C
B
D
m = A+ D;
2. Considerando p1 a probabilidade de Antes Negativo; Depois Positivo e p 2 a
probabilidade de Antes Positivo; Depois Negativo e p1 = p 2 , calcular as
frequncias esperadas nas clulas A e D: E = 12 ( A + D ) .
Se as frequncias esperadas so inferiores a 5 , empregar a prova binomial em
substituio de McNemar, neste caso, N = A + D e x = min {A, D};
3. Caso no se verifique que as frequncias so inferiores a 5, calcular o valor de X 2
com o emprego da seguinte frmula:
( A D 1)
X =
2
A+ D
(2.2.1)
com gl = 1
Tabela 2.2.1:
M arca B
Marca A
Sucesso
Insucesso
Sucesso
Insucesso
19
4
11
16
26
(19 16 1)
X =
2
19 + 16
= 0,1142857143 com gl = 1
Como X 2 > X 02.95 (1) ento rejeitamos a hiptese nula, dando lugar hiptese
alternativa, isto , existe diferenas entre a marca A e a marca B, sendo a marca A melhor que
a marca B.
Com a ajuda do computador, no preciso recorrer tabela, podendo calcular o valor
preciso da probabilidade associada:
Output 2.2.1:
27
z=
N ( N + 1)
4
N ( N + 1)(2N + 1
24
T
(2.3.1)
28
Feminino 47618 15110 6555 8556 2972 324 19448 1790 5163 12495 7594 1128
3724
614
Masculino 56523 16708 8883 7825 1002 442 11161 1661 6346 3153 4760 10946 10593 2356
Pretendemos determinar se existem grandes diferenas entre os sexos nas diferentes
ocupaes.
Resoluo:
Formulamos as hipteses:
H 0 : No h diferenas entre o sexo masculino e o feminino nas diferentes ocupaes.
H 1 : H diferenas entre os sexos.
29
Tabela 2.3.2:
Ai
Bi
d i = Ai Bi
Postos
47618
56523
-8905
12
15110
16708
-1598
6555
8883
-2328
8556
7825
731
2972
1002
1970
324
442
-118
19448
11161
8287
11
1790
1661
129
5163
6346
-1183
12495
3153
9342
13
7594
4760
2834
1128
10946
-9818
14
3724
10593
-6869
10
614
2356
-1742
T+ = 3 + 7 + 11 + 2 + 13 + 9 = 45
T = 12 + 5 + 8 + 1 + 4 + 14 + 10 + 6 = 60
T = min{T+ , T } = 45
Como N < 25 (N = 14) ento estamos perante a um caso de pequenas amostras, neste
caso basta ver qual o valor tabelado de T descrito na tabela G:
Para um N = 14 e = 0,05 (prova bilateral) temos Ttabelado = 21
Como T > Ttabelado ento aceitamos a hiptese, isto , no existe diferenas entre os
sexos nas diferentes ocupaes.
No SPSS, basta introduzir os dados em duas series de variveis, ficando com o
seguinte resultado:
30
Output 2.3.1:
Podemos observar que o SPSS faz um teste assimptotico. No nos d o valor de T mas
sim o valor da probabilidade associada. Neste caso p = 0,638 , ento podemos concluir que
no existe diferenas entre os sexos.
31
: F Y ( x ) = F x ( x ) para todo o x
esperamos que X e Y estejam bem misturadas na sequncia obtida. Visto que, a dimenso
32
H 1 : FY ( x ) Fx ( x ) para alguns x
Definimos uma varivel R aleatria como o nmero total de iteraes numa ordem de m
X e n Y valores aleatrios.
Desde que poucas iteraes tendem a duvidar da hiptese nula quando a alternativa
H 1 , O teste de iteraes de Wald-Wolfowitz (1940) para um nvel de significncia
geralmente tem a regio de rejeio R c onde c escolhido para ser o maior inteiro que
satisfaz P ( R c ) quando H 0 verdadeira.
Desde que as observaes X e Y so dois tipos de objectos arranjados numa sequncia
completamente aleatria, se H 0 verdadeira, a distribuio da probabilidade nula de R
igual distribuio 1.4.2 do corolrio 1.4.1 para o teste de iteraes de uma amostra, bastando
mudar n1 e n 2 para m e n respectivamente, assumindo que os Xs so os objecto do tipo 1 e
os Ys so os objectos do tipo 2.
Este teste tem a particular vantagem de permitir comprovar qualquer tipo de diferena.
Para que possamos aplicar a prova de Wald-Wolfowitz supe-se que a varivel em
estudo tenha distribuio bsica contnua, e exige mensurao no mnimo ao nvel de escala
ordinal.
Mtodo:
Suponhamos que n1 = n e n 2 = m , os passos a seguir so:
i. Dispor os n1 + n 2 valores numa nica sequncia ordenada;
ii. Determinar r = nmero de iteraes;
iii. O mtodo para determinao da significncia do valor observado de r
depende do tamanho de n1 e n 2 :
iv. Se n1 , n 2 20 , a tabela FI d os valores crticos de r para um nvel de
significncia 0,05. Caso o valor observado de r no superar o valor tabelado
para os valores dados de n1 e n 2 , ento podemos rejeitar H 0 ao nvel de
significncia = 0,05 ;
v. Se um dos valores de n1 e n 2 superar 20, podemos utilizar a seguinte
aproximao Normal:
33
z=
2n n
r 1 2 + 1 0.5
2n1 n2
2n1 n2 (2n1 n2 n1 n2 )
(n1 + n2 ) 2 (n1 + n2 1)
(3.1.1)
Ratos A
20 55 29 24 75 56 31 45
Ratos B
23 8 24 15 8
6 15 15 21 23 16 15 24 15 21 15 18 14 22 15 14
34
Resoluo:
Formulamos as hipteses:
H 0 : No h diferenas entre os ratos normais e os ratos em perodo ps-operatrio com
(reaprendizagem).
A prova a escolher a prova de Wald-Wolfowitz, pois uma prova global para a
diferena entre duas amostras. O nvel de significncia a escolher ser = 0,01 .
Dispomos por ordem crescente e contamos o nmero de iteraes:
Tabela 3.1.2:
Valores 6 8 8 14 14 15 15 15 15 15 15 15 16 18 20
Grupo
B B B B B B B
Iteraes
B B B
B B A
Valores 21 21 22 23 23 24 24 24 29 31 45 55 56 75
Grupo
Iteraes
B B B B
3
A A A A A
6
Neste caso o nmero de iteraes r1 = 6 , mas, note-se que h empates entre os dois
grupos, neste caso, teremos que repetir a contagem:
Tabela 3.1.3:
Valores 6 8 8 14 14 15 15 15 15 15 15 15 16 18 20
Grupo
Iteraes
B B B B B B B
B
1
B B B
B B A
2
35
Valores 21 21 22 23 23 24 24 24 29 31 45 55 56 75
Grupo
B B B B
Iteraes
A A A A A
z1 =
(2)(8)(21)
4
+ 1 0,5
8 + 21
(2)(8)(21)[(2)(8)(21) 8 21]
(8 + 21) 2 (8 + 21 1)
= 3,864
Para r2 = 6 :
z2 =
(2)(8)(21)
6
+ 1 0,5
8 + 21
(2)(8)(21)[(2)(8)(21) 8 21]
(8 + 21) 2 (8 + 21 1)
= 2,908
a probabilidade
probabilidade
p1 = 0
p 2 = 0,0014
36
Output 3.1.1:
37
Mtodo:
1. Determinar os valores n1 (=nmero de casos do menor grupo) e n 2 ;
2. Dispor em conjunto os valores dos dois grupos, ordenando-os de forma ascendente;
3. Atribuir postos aos valores, em caso de empate, fazer a mdia dos postos
correspondentes;
4. Para determinar U basta recorrer frmula seguinte:
U = min(U 1 ;U 2 )
Sendo: U 1 = n1 n2 +
(3.2.1)
n1 ( n1 + 1)
R1 e U 2 = n1 n 2 U 1
2
z=
n1 n2
2
n1 n2 (n1 + n2 + 1)
12
U
(3.2.2)
38
z=
n1 n 2
2
3
n1 n 2 N N
T
N ( N 1) 12
onde: N = n1 + n 2 e T =
(3.2.3)
t3 t
sendo t o nmero de observaes empatadas para uma dada
12
posio.
Se o valor observado de U tem probabilidade associada no superior a , rejeitar a
hiptese nula.
Exemplo 3.2.1:
Na disciplina de Estatstica Aplicada, onde se encontra inscritos alunos do curso de
Matemtica (ensino de) e Matemtica/Informtica, registaram-se as seguintes classificaes
numa das frequncias:
Tabela 3.2.1:
11
8.8 12.8
O que se pode concluir acerca das mdias das ordens das classificaes.
Resoluo:
Formulamos as hipteses:
H 0 : No h diferenas entre as mdias das ordens das notas dos alunos de Matemtica
39
n1 = 6 e n 2 = 11
Calculemos U:
Tabela 3.2.2:
1,5 7,9 8,7 8,8 9,8 9,8 9,9 10,1 10,3 10,5 11 11,4 12,8 12,9 14,8 16,5 17,1
E
U 1 = 6 11 +
5,5 5,5
10
11
12
13
14
15
16
17
6 (6 + 1)
(2 + 4 + 8 + 12 + 13 + 14) = 34
2
U 2 = 6 11 34 = 32
U = min( 34;32 ) = 32
Output 3.2.1:
40
claro que existe clara vantagens em utilizar o SPSS. Pois, d um quadro resume que
contm o valor exacto da probabilidade, a probabilidade assimpttica e tambm o valor de U.
Tendo como principal vantagem o pouco tempo gasto para o emprego deste teste.
No Mathematica coma ajuda da funo npmMannWhitneyTest[list1,list2], fica:
MatEnsino = 10.5, 16.5, 11, 9.8, 17.1, 1.5, 14.8, 9.9, 9.8, 10.3, 8.7
MatInformatica = 11.4, 12.9, 10.1, 7.9, 8.8, 12.8
rpmMannWhitneyTest MatEnsino, MatInformatica
Title: Mann- Whitney Test
Sample Medians: 10.75, 10.3
Test Statistic: 32.
Distribution: Normal Approximation
2 - Sided PValue - > 0.919895
41
(3.3.1)
p pela frmula:
i + nC 2h 2 n E + 2h + 1 i
nE i
i
i =0
p(s h nC 2h + g ) =
n
n
+
C
E
nC
g
(3.3.2)
Se p no superar , rejeitar H 0 .
Exemplo 3.3.1:
Num estudo para avaliar o grau de medo, perante ratos, escolheu-se dois grupos de
indivduos. O grupo C, constitudo por 7 indivduos, que trabalha diariamente com ratos e o
grupo E, formado por 6 indivduos, tm dificuldades em controlar o medo, quando esto
prximos de ratos.
Quer o grupo C quer o grupo E estiveram em contacto com ratos durante 10 minutos e o
grau de medo foi medido numa escala de 0 a 20. o grau 20 significa que a pessoa tem pavor a
ratos. Os resultados foram:
42
Tabela 3.3.1:
Grupo C
10
12
Grupo E
11
18
19
Tabela 3.3.2:
Posto 1 2 3 4 5 6 7 8 9 10 11 12 13
Grupo E C E C C C C E C E C E E
Tabela 3.3.3:
Posto 1 2 3 4 5 6 7 8 9 10 11 12 13
Grupo E C E C C C C E C E C E E
sh = 9 4 + 1 = 6
s h = 11 2 + 1 = 10
Determinamos o valor de g , com s h = 10 e Determinamos o valor de g , com s h = 6 e
nC = 7 :
nC = 7 :
g = 10 (7 2 0) = 3
g = 6 (7 2 1) = 1
i = 0 i 6 i
p(s h 10 ) =
13
7
3
= 0,2168
i + 3 9 i
i = 0 i 6 i
p (s h 6 ) =
13
7
1
= 0,1795
Sendo = 0,05 , conclumos que, para qualquer um dos casos, no existe diferenas
entre os grupos C e E, sendo assim, as amostras provem da mesma populao.
43
Como podemos ver no SPSS, ele calcula a probabilidade associada para um h = 1 (por
ele escolhido) e para um h = 0 , assim no o precisamos de escolher um h no incio do teste.
No Mathematica, o procedimento a utilizar foi o npmMosesTest, este procedimento
aceita como parmetros as duas amostras, sendo a de controlo a primeira, e o h escolhido:
Primeiramente, criamos as duas listas e de seguida corremos o procedimento:
Amostra1 = 6, 5, 10, 7, 12, 3, 8
Amostra2 = 0, 4, 11, 18, 9, 19
rpmMosesTest amostra1, amostra2, 1
h = 1; Sh = 6
Nc = 7; Ne = 6; N = 13
Valor Unilateral de p: 0.179487
Valor Bilateral de p: 0.358974
44
Mtodo:
Os passos a seguir para o teste so:
1. Enquadrar as frequncias observadas numa tabela de contingncia k r . Utilizando
as k colunas para os grupos e as r linhas para as condies. Assim para este teste,
k = 2;
2. Determinar a frequncia esperada ( Eij ) de cada clula fazendo o produto dos totais
marginais referentes a cada uma e dividindo-o por N. (N o total de casos);
3. Para determinar o valor de 2 h que considerar dois casos:
Se r > 2 a frmula ser:
r
k (O E )2
ij
ij
2
=
E ij
i =1 j =1
(3.4.1)
N AD BC
2
2 =
( A + B)(C + D )( A + C )( B + D)
(3.4.2)
Esta frmula um pouco mais fcil da aplicar do que a frmula (3.4.1), pois
requer apenas uma diviso. Alm disso, tem a principal vantagem de
45
Tabela 3.4.2:
10
11
21
Permanncia
46
13
59
Total
56
24
80
Resoluo:
Formulamos as hipteses:
H 0 : No h diferenas entre os dois grupos no que diz respeito proporo dos
46
80
80 (10)(13) (11)(46)
2
2 =
= 5,424
(21)(59)(56)(24)
A
p<
probabilidade
de
ocorrncia,
sob
H0 ,
de
2 5,424
com
gl = 1
1
(0,02) = 0,01 . Como este valor inferior a = 0,05 , a deciso rejeitar H 0 . Conclui2
se, pois, que os estudantes bem dotados cuja escolha de currculo foi considerando positiva
acusam maior frequncia de permanncia na universidade do que os estudantes bem dotados
cuja escolha foi considerada negativa.
No SPSS temos o seguinte Output:
Output 3.4.1:
47
Qualquer um dos trs casos chega deciso de rejeitar a hiptese nula. Assim
conclumos, que a percentagem de permanncia na faculdade maior que os estudantes cuja a
escolha do currculo foi considerada positiva. Note-se que qualquer dos valores
semelhante.
Sendo assim o Mathematica est em clara vantagem em relao utilizao da tabela
ou mesmo do SPSS.
Considerando
Se
se
H2 =
N 3D2
( A + B)(C + D)( A + C )( B + D)
48
CAPTULO 4: CASO DE K
AMOSTRAS RELACIONADAS
O objectivo principal dos testes que iro ser apresentados, comprovar a hiptese de
que as k amostras tenham sido extradas da mesma populao ou de populaes idnticas.
H dois planos bsicos para comprovar k grupos. No primeiro deles, as k amostras de
igual tamanho so postas em correspondncia de acordo com determinado(s) critrio(s) que
pode(m) afectar os valores das observaes. Ou ento cada um dos N grupos pode ser
mensurado sob todas as k condies. Em tais planos, devem-se usar os testes estatsticos aqui
apresentados.
(4.1.1)
i =1
50
Tabela 4.1.1:
Fs
Jogos
Totais
Totais
14
51
Resoluo:
As hipteses so as seguintes:
H 0 : Cada f tem um sistema de igual efeito para antever os resultados dos jogos de
futebol.
H 1 : Existe diferenas nos efeitos dos sistemas criados pelos fs.
Primeiro dispomos os resultados de novo numa tabela, que ser apenas uma
modificao da tabela 4.1.1:
Tabela 4.1.2:
Fs
Jogos
Li
Li 2
Gj
14
36
Gj2
16
36
62
Ento, aps o clculo dos somatrios temos, com o auxlio da frmula 4.4.1:
Q=
3 4 62 (14)
= 7,8
4 14 36
2
Assim, como 0,02 p 0,05 e = 0,05 , rejeitamos a hiptese, concluindo que existe
diferenas nos efeitos dos sistemas criados pelos fs.
52
Output 4.1.2:
De facto, p est entre 0,01 e 0,05, mas teremos maior certeza de rejeitar a hiptese nula
se activssemos a opo de fazer um teste com maior preciso como consta no Output 4.1.2.
No Mathematica, utilizaremos a funo npmCochransQTest:
resultados = 1, 1, 0, 0 , 1, 1, 1, 0 , 1, 1, 1, 0 , 0, 1, 1, 0 , 0, 1,
0, 0 , 1, 1, 0, 1
rpmCochransQTest resultados , mthdapprox
Title: Cochran Q Test
Test Statistic: 7.8
Column Totals: 4, 6, 3, 1
Distribution: Chi Square
PValue: 0.0503311
Column Totals: 4, 6, 3, 1
Distribution: Exact
PValue: 0.0481771
Foi introduzida a tabela na lista resultados. Com a opo para approx, obtemos um
valor aproximado de p = 0,053311 , baseado na distribuio da Qui-Quadrado com trs graus
de liberdade, com este valor aceitava-se a hiptese nula o que seria um erro. Porm,
rejeitvamos (com = 0,05) se escolhssemos o mtodo exacto.
53
Para concluir, o Mathematica , de facto, o mais indicado para os clculos, porque dnos os valores com maior preciso, embora os dois resultados originassem respostas
diferentes. Cabe ao investigador escolher.
2r =
k
12
(R j )2 3N (k + 1)
Nk (k + 1) j =1
(4.2.1)
54
Exemplo 4.2.1:
A fim de avaliar se houve progresso na aprendizagem, um professor reteve as mdias
de um grupo de 4 alunos no final de cada trimestre:
Tabela 4.2.1:
Alunos
1 Trimestre
15
11
2 Trimestre
14
17
13
10
3 Trimestre
15
17
14
12
Resoluo:
Hipteses:
H 0 : No houve progresso na aprendizagem ao longo do ano escolar;
H 1 : Houve progresso ao longo do ano escolar.
Tabela 4.2.2:
3 Trimestre
2.5
2.5
Rj
8.5
11.5
16
72.25
132.25
Rj
Assim, fica:
N = 4 e k = 3 ento r =
2
12
[16 + 72,25 + 132,25] 3 4 (3 + 1) = 7,125
4 3 4
55
Output 4.2.1:
56
CAPTULO 5: CASO DE K
AMOSTRAS INDEPENDENTES
Na anlise de dados de pesquisa, o pesquisador frequentemente precisa decidir se
diversas variveis independentes devem ser consideradas como proveniente da mesma
populao. Os valores amostrais quase sempre so um tanto diferentes, e o problema
determinar se as diferenas amostrais observadas sugerem realmente diferenas entre as
populaes ou se so apenas variaes casuais que podem ser esperadas entre amostras
aleatrias da mesma populao.
k R
12
j
H=
3( N + 1)
N ( N + 1) j =1 n j
onde: k = nmero de amostras;
(5.1.1)
57
H=
k R
12
j
3( N + 1)
N ( N + 1) j =1 n j
(5.1.2)
N3 N
onde: T = t 3 t (sendo o nmero de observaes empatadas num grupo de valores
empatados);
4. O mtodo para determinar a significncia do valor observado de H depende do
tamanho de k e do tamanho dos grupos:
i. Se k = 3 e n1 , n2 , n3 5 , pode-se utilizar a tabela O para determinar a
probabilidade associada, sob H 0 , de um H to grande quanto o observado;
ii. Em outros casos, a significncia de um valor to grande quanto o valor
observado de H pode ser determinado mediante referncia tabela C, com
gl = k 1 ;
5. Se a probabilidade associada ao valor observado de H no superar o nvel de
significncia previamente fixado, rejeitar H 0 em favor de H 1 .
Exemplo 5.1.1:
Em 1996 nas semifinais da corrida de obstculos a cavalo femininos de 400 metros os
tempos foram os seguintes:
Tabela 5.1.1:
Atleta 1
Atleta 2
Atleta 3
Utilize o teste de Kruskal-Wallis, com = 0,05 , para testar se existe diferenas entre as
atletas.
Resoluo:
As hipteses a testar so:
H 0 : No h diferenas entre as atletas;
H 1 : H diferenas entre as atletas.
58
Tabela 5.1.2:
54.88
Atleta 1
Posto
Atleta 2
Posto
Atleta 3
Posto
54.96
3
54.67
55.91
5
54.87
1
55.66
7
54.95
2
56.46
55.99
8
56.27
4
56.74
10
56.67
11
58.33
9
57.86
12
57.29
13
81.99
15
58.90
14
18
59.56
16
17
R1 = 47
R2 = 49
R3 = 75
H=
47 2 49 2 75 2
12
+
+
3(18 + 1) = 2,854
(18)(18 + 1) 6
6
6
A partir da tabela C, observamos que o valor de p est entre 0,3 e 0,2, concluindo, a um
nvel de significncia de 0,05, que no h diferenas entre as atletas.
No SPSS temos o mesmo resultado mas com maior rigor e rapidez, pois sabemos agora
que p = 0,24 :
Output 5.1.1:
59
Aluno:
Matemtica:
10
Msica:
10
Aluno:
Matemtica:
10
Msica:
10
O que queremos saber uma medida de correspondncia entre estas duas variveis, ou
medir a intensidade da correlao dos postos. esta medida (que ser um coeficiente que
designamos por ) deve ter as seguintes propriedades:
Se a correspondncia entre os postos for perfeita, por exemplo, se todos os indivduos
tiverem o mesmo posto nas duas disciplinas, deve ser +1, indicando uma correlao
perfeita positiva;
Se houver uma discordncia perfeita, por exemplo, se um dos postos for o inverso do
60
Consideremos qualquer par de alunos da tabela 6.1.1, por exemplo, o par AB. Os seus
postos, 7 e 4, ocorrem em ordem inversa (a ordem natural 1,...,10 a ordem directa) e
consequentemente atribumos o valor a este par 1. Se o par estivesse em ordem directa,
deveramos atribuir +1. Na segunda varivel (msica) no par AB os postos esto em ordem
directa, deste modo, atribumos +1.
Agora, multiplicamos os dois valores do par que d (-1)(+1)=-1. evidente que para
cada par os valores seria +1 e 1, que significaria que ambas as variveis estavam (+1) ou no
(-1) iguais em termos de ordem.
O mesmo procedimento feito para todos os 45 pares.
O total de resultados positivos so P = 21 e os negativos so Q = 24 . Adicionando
O valor prximo de zero indica que existe uma correlao muito pequena entre as duas
variveis.
Consideremos o caso geral. Se tivermos duas variveis com n valores para comparar. O
n 1
nmero de pares para comparar = n(n 1) . Este o nmero mximo de resultados
2 2
possveis. Se S a soma dos resultados obtidos, ento definimos o coeficiente de correlao
como:
2S
n(n 1)
(6.1.1)
61
P = 2 + 1 + 5 + 1 + 3 + 4 + 2 + 2 + 1 = 21 consequentemente,
n
S = 2 P
2
(6.1.2)
Mtodo:
1. Atribuir postos de 1 a n varivel X. Atribuir tambm varivel Y postos de 1 a n.
Note-se que na tabela 6.1.1 os postos j foram atribudos;
2. Ordenar os n indivduos de maneira que os postos de X se apresentam na ordem
natural. No exemplo acima referido ser a tabela 6.1.2;
3. Observar a ocorrncia dos postos de Y quando os postos de X se acham na ordem
natural. Determinar o valor de S (soma dos resultados de todos os pares) pelo
processo acima descrito;
4. Se no h empates, aplicar a frmula 6.1.1.
Em caso de haver observaes empatadas, atribumos s observaes empatadas a mdia
dos postos que lhe caberiam se no houvesse empate.
O efeito dos empates consiste em modificar o denominador da frmula 6.1.1. Neste
caso temos:
S
=
(6.1.3)
1
1
n(n 1) Tx
n(n 1) T y
2
2
onde: Tx = 12 t (t 1) , t sendo o nmero de observaes empatadas em cada grupo
de empates na varivel X.
Ty =
1
2
empates na varivel Y.
Se os n indivduos constituem uma amostra aleatria de alguma populao, pode-se
comprovar se o valor observado de indica existncia de associao entre as variveis X e Y
na populao. O mtodo depende do tamanho de n:
1. Para n 10. a tabela Q d a probabilidade associada (unilateral) a um valor to
grande quanto um S observado;
2. Para n>10, pode-se calcular o valor de z associado a pela frmula:
62
z=
2(n + 5)
9n(n 1)
(6.1.4)
Output 6.1.1:
O coeficiente ( ) dado com maior preciso e, claro, com rapidez. O SPSS tambm
d-nos o valor da probabilidade associada, assim podemos comprovar se o coeficiente indica
existncia ou no de associao entre as variveis. Neste caso, p > , sendo ele de 0.05,
podemos concluir que o coeficiente indica existncia de associao.
O Mathematica, com a funo KendallRankCorrelation, d-nos apenas o coeficiente,
mas neste software que consegue-se maior preciso
N KendallRankCorrelation 7, 4, 3, 10, 6, 2, 9, 8, 1, 5, 5, 7, 3, 10,
1, 9, 6, 2, 8, 4
- 0.0666667
63
Aluno:
Matemtica:
10
Msica:
10
di
-3
-7
-7
di 2
25
49
36
49
O somatrio das diferenas d i deve dar zero (serve como ferramenta de verificao),
porque a soma das diferenas de duas quantidades que cada uma delas vai de 1 a 10.
Tambm na tabela mostra o quadrado das diferenas. Denotando o somatrio destas
n
diferenas por
d
i =0
2
i
rs = 1
6 d i
i =0
n3 n
Da qual, aplicada ao exemplo, fica
rS = 1
(6.2.1)
6(4 + 9 + 0 + 0 + 25 + 49 + 9 + 36 + 49 + 1)
= 0,103
10 3 10
Mtodo:
1. Dispor em postos a varivel X, de 1 a n. O mesmo para a varivel Y;
2. Determinar o valor das diferenas de cada indivduo e elev-lo ao quadrado (Como
mostrado na tabela 6.2.1);
3. Calcular rS aplicando a frmula (6.2.1).
64
t3 t
, onde t o nmero de
12
rS =
x2 + y 2 di
x y
n3 n
x = 12 Tx e
2
onde:
em que
(6.2.2)
i =1
x ou y
n3 n
y = 12 Ty
2
observaes empatadas.
Se os indivduos constituem uma amostra aleatrio de uma populao, pode-se
comprovar se o valor observado de rS indica a existncia de associao entre as variveis X e
Y na populao. O mtodo depende do tamanho de n:
65
Rj
n
j =1
S = Rj
n
j =1
W =
S
1 2 3
k ( n n)
12
(6.3.1)
(6.3.2)
66
Se houver observaes empatadas, atribui-se a elas a mdia dos postos que lhes
caberiam se no houvesse empates. Introduz-se um factor correctivo na frmula.
(t
T=
(6.3.3)
12
onde t o nmero de observaes empatadas em relao a um dado posto e ser a soma
W =
(6.3.4)
1 2 3
k ( n n) k T
12
T
onde T o somatrio sobre todos os valores de T para todos os k conjuntos de postos.
T
2 =
(6.3.5)
com gl = n 1
1
kn(n + 1)
12
Se o valor do 2 igual ou superior ao valor exibido na tabela C para um dado nvel
de significncia e com n-1 graus de liberdade, ento H 0 (de que no h relacionamento entre
os k conjuntos de postos) pode ser rejeitada.
Exemplo 6.3.1:
Sete empresas foram avaliadas em trs critrios (P - Produtividade, Q - Qualidade do
servio e M Motivao dos colaboradores) para anlise das suas performances no mercado
onde esto inseridas. A tabela seguinte apresenta os resultados obtidos:
67
Tabela 6.3.1:
Empresa
Critrios
P
65
52
80
48
92
77
68
58
45
76
58
88
88
55
70
56
83
61
75
70
70
Tabela 6.3.2:
Empresa
Critrios
P
3.5
3.5
6.5
6.5
Rj
10,5
18
10
R
j =1
Portanto o valor de S
S = (10,5 12) 2 + (4 12) 2 + (18 12) 2 + (6,5 12) 2 + (19,5 12) 2 + (15,5 12) 2 +
+ (10 12) 2 = 205
De seguida calculamos os valores para os empates:
Sendo TQ =
(2 3 2) + (2 3 2)
(33 3)
= 1 e TM =
= 2 ento
12
12
T = 1 + 2 = 3
T
68
W=
205
1
(3) 2 (7 3 7) 3(3)
12
= 0.844
Conclumos, assim, que existe uma forte correlao entre as diversas empresas.
No SPSS, era muito mais fcil, pois, no teramos que efectuar muitos clculos com a
vantagem de no haver erros desnecessrios.
Output 6.3.1:
69
Concluso
CONCLUSO
Aps esta explanao, dos vrios mtodos para a estatstica no paramtrica, com abordagem
de dois softwares de aplicao nos vrios mtodos, podemos tirar vrias concluses.
Estas concluses so apresentadas de seguida em formato de quadro resumo. Cada quadro ir
conter os diferentes mtodos nas linhas e os mtodos de resoluo, quer do mtodo tradicional
(Tabelas), quer a utilizao do computador, nas colunas. O quadro ir conter as principais
caractersticas para cada mtodo em particular.
Quadro 1: Caso de uma amostra
Processo de
Resoluo:
Tabelas
Teste da Binomial
Nem sempre
possvel determinar
o valor exacto de p;
Apenas para
pequenas amostras;
Recorre-se tabela
A.
Qui-Quadrado
para uma
amostra
KolmogorovSmirnov para
uma amostra
Iteraes para
uma amostra
No calculamos o
valor de p, apenas
temos um intervalo;
Utiliza-se a tabela C.
No calculamos o
valor de p, apenas
temos um intervalo;
Utiliza-se a tabela
E;
No calculamos o
valor de p, apenas
temos um intervalo
das iteraes;
Utiliza-se a tabela
F.
SPSS
Mathematica
Valor de p com
preciso e rapidez
Fornece dados em
relao amostra.
Pode-se utilizar
para grandes
amostras;
O valor de p
apresentado com
maior n. de casas
decimais.
Calcula um valor
assimpttico;
D-nos algumas
informaes do teste
(ex.: valor esperado,
graus de liberdade).
D-nos a dimenso
da amostra, as
diferenas mximas;
Calcula o valor de p
assimpttico.
D-nos o valor de r,
e da probabilidade
assimpttica.
D o valor de p
com exactido.
No foi possvel
conseguir um
procedimento que
fizesse o teste.
Aps a converso
para zeros e uns,
calcula a
probabilidade e o
nmero de iteraes.
70
Concluso
Processo de
Resoluo:
Tabelas
Nem sempre
possvel determinar
o valor exacto de p;
S para dimenses
menores que 25;
Recorre-se tabela
D.
Teste de
McNemar
Teste de
Wilcoxon
empregue a
frmula 2.2.1 que
d-nos o resultado
que, posteriormente,
comparado com
valores da tabela C;
No temos o clculo
de p.
No calculamos o
valor de p, apenas
comparamos o valor
de T calculado com
os tabelados na
tabela G;
SPSS
Utiliza a
distribuio Binomial
para o clculo da
probabilidade
Fornece dados em
relao ao teste:
empates, sinais
positivos e negativos.
Calcula um valor
assimpttico,
utilizando a
distribuio Binomial.
O clculo do valor
assimpttico de p
baseado nos nmeros
negativos.
Mathematica
Utiliza tambm a
distribuio binomial
para o clculo de p;
O valor de p o mais
preciso com maior
n. de casas decimais.
O calculo de p
feito atravs de
procedimento
npmBinomialPValue
[], o mesmo da
Binomial.
No foi possvel
conseguir um
procedimento.
71
Concluso
Processo de Resoluo:
Teste de WaldWolfowitz
Teste U de
Mann-Whitney
Tabelas
Recorre-se tabela
F, caso as dimenses
no superar 20, neste
caso no se calcula o
valor da
probabilidade,
apenas compara-se o
nmero de iteraes.
Caso contrrio,
recorre-se tabela
A.
Calculamos o valor
de U recorrendo
frmula 3.2.1, que,
posteriormente,
comparado com os
valores apresentados
na tabela K e J.
No preciso tabelas,
apenas recorre-se
frmula 3.3.2 para o
clculo de p;
Qui-Quadrado duas
amostras
independentes
No calculamos o
valor de p, apenas
temos um intervalo;
Utiliza-se a tabela C.
SPSS
Mathematica
Fornece o nmero
mnimo de iteraes e
o nmero mximo,
calculando para cada
um deles a
probabilidade
associada.
No foi possvel
conseguir um
procedimento que
fizesse o teste.
Calcula o valor de
U e o valor de p, quer
assimpttico, quer
exacto.
Calcula o valor
aproximado da
probabilidade com
maior nmero de
casas decimais.
D-nos a dimenso
da amostra, as
diferenas mximas;
Calcula o valor de p
assimpttico.
Calcula o valor
aproximado da
probabilidade
associada.
O processo o
mesmo do manual,
mas com a vantagem
de no haver erros;
Mais rpido.
Calcula o valor de
p de trs modos:
1. Sem correco;
2. Correco de
Yates;
3. Correco de
Haber.
Mas, s para tabela
2x2.
72
Concluso
Processo de
Resoluo:
Teste Q de Cochran
(Amostras
relacionadas)
Teste Friedman
(Amostras
relacionadas)
Teste de KruskalWallis
(Amostras
independentes)
Tabelas
Recorre-se tabela
C, para o clculo da
probabilidade de
ocorrncia de Q.
Calculamos um
intervalo para a
probabilidade com o
auxlio da tabela N.
Recorre-se
Tabela O para o
clculo da
probabilidade;
as amostras s
podem ser no
mximo dimenso
no superior a cinco.
SPSS
Mathematica
Podemos escolher
entre um teste exacto e Igual ao SPSS, mas
um teste assimpttico;
com maior preciso.
Calcula o valor de Q
Calcula o valor de p
Do mesmo modo
recorrendo Quique o SPSS, mas
Quadrado com k-1
com maior preciso.
graus de liberdade.
Calcula um valor
aproximado da
probabilidade,
recorrendo QuiQuadrado com k-1
graus de liberdade.
SPSS
Mathematica
Processo de
Resoluo:
Coeficiente de
correlao por postos
de Kendall:
Coeficiente de
correlao por postos
de Spearman ( rS )
Coeficiente de
concordncia de
Kendall (W)
Tabelas
Recorre-se tabela
O, estando limitado a Calcula o coeficiente e
dimenses no
tambm a
superiores a 10;
probabilidade
associada sob a
Para o clculo do
hiptese nula.
coeficiente pode
haver erro.
Calcula o
Recorre-se tabela P
coeficiente, como
para os valores
tambm a sua
crticos de rS .
probabilidade
associada.
Calcula o
Fcil cometer erros
coeficiente e a
probabilidade
no calculo do
associada;
coeficiente,
principalmente em
Apresenta a mdia
caso de empate.
dos postos para cada
amostra;
Apenas d o
coeficiente;
O coeficiente
apresentado com
maior nmero de
casas decimais.
Apenas d o
coeficiente.
No foi possvel
apresentar um
procedimento que
calcula-se o
coeficiente.
73
Concluso
O SPSS mais fcil de trabalhar, pois apresenta um ambiente de fcil utilizao, tornandose uma ferramenta popular. O output de cada teste tem a vantagem de poder ser
formatado ao gosto do utilizador. Este trabalho desenvolvido, apenas uma nfima parte do
que o SPSS pode fazer no campo da Estatstica.
O Mathematica uma ferramenta preciosa na Matemtica e em particular para a Estatstica
No Paramtrica, pois poder-se- desenvolver funo para testar hipteses utilizando os
diferentes mtodos da Estatstica.
Os procedimentos, aqui utilizados, apresentam resultados com mais preciso do que o
SPSS, podendo escolher o nmero de casas decimais com a funo N[]. A programao
destes procedimentos encontra-se em anexo.
74
Bibliografia
BIBLIOGRAFIA
Kendall, Maurice e Gibbons, Jean Dickinson, (1990) Rank Correlation Methods, Fifth
Edition, Oxford University Press, Estados Unidos da Amrica;
Abell, Martha L., Braselton, James P. e Rafter, John A., (1999) Statistic with
Mathematica, Academic Press, Estados Unidos da Amrica;
No-Parametrica
para
as
cincias
do
75
Bibliografia
ANEXOS
Estatstica
No Paramtrica
Testes de Hipteses e Medidas de Associao
75
Anexo 0
Anexo 0
No SPSS preciso pesar os dados para que se possa aplicar alguns dos mtodos. Estes
so:
Teste da Qui-Quadrado, quer para uma amostra, quer para duas amostras independentes,
Teste de Kolmogorov-Smirnov;
Teste de McNemar.
76
Mathematica
OffGeneralspell1;
<< Statistics`DiscreteDistributions`
77
SPSS
78
Mathematica
<<Statistics ContinuousDistributions,
QuiQuadrada1Amostra
Function Amostra;
Modulei, Ei,
i=1;
x=0;
Ei=NSumAmostraj, j, 1, LengtAmostra
LengtAmostra
Whilei <= LengtAmostra
x=x+Amostrai-Ei^2 Ei;
i = i+1
gl = LengtAmostra1;
Print PValue, 1-CDFChiSquareDistribution gl, x
79
Mathematica
OffGeneral spell1;
<< Statistics`NormalDistribution`
<< Statistics`DataManipulation`
80
81
Passo (*)
Mathematica
OffGeneralspell1;
<< Statistics`DiscreteDistributions`
82
Clean spmSignTestFrequencies
npmSignTestFrequencies f1, f2, opts := Modules, n, tail,
s=f1;
n=f1+f2;
tail=sided opts
Option spmSignTestFrequencies
If s <= n 2,
pval = N CDFBinomialDistribution 1, 2, s,
pval = 1-N CDFBinomialDistribution 1, 2, s;
Iftail == 2, pval = 2*pval;
Print TitleSignTest;
Print Distribution BinominalDistribution, n, , 1 2 ;
Print tail sided p-value -> , pval;
Passo (*)
83
Passo (*)
84
85
Passo (**)
Na pgina seguinte:
86
Passo (**)
Na pgina seguinte:
87
Passo (**)
88
89
90
91
Passo (***)
Passo (***)
92
93
94
95
96
97
TABELAS
Estatstica
No Paramtrica
Testes de Hipteses e Medidas de Associao
75
Tabelas
Tabela A
Probabilidades associadas a valores to extremos quanto os valores observados de z na Distribuio Normal
O corpo da tabela d as probabilidades unilaterais de z sob H0. A coluna da margem esquerda d os valores de z
com uma dcima, e a linha superior d os valores com duas dcimas. Assim, por exemplo, a probabilidade
unilateral p de z 0,11 ou 0,11 p = 0,4562
z
0,0
0,1
0,2
0,3
0,4
0,00
0,5000
0,4602
0,4207
0,3821
0,3446
0,01
0,4960
0,4562
0,4168
0,3783
0,3409
0,02
0,4920
0,4522
0,4129
0,3745
0,3372
0,03
0,4880
0,4483
0,4090
0,3707
0,3336
0,04
0,4840
0,4443
0,4052
0,3669
0,3300
0,05
0,4801
0,4404
0,4013
0,3632
0,3264
0,06
0,4761
0,4364
0,3974
0,3594
0,3228
0,07
0,4721
0,4325
0,3936
0,3557
0,3192
0,08
0,4681
0,4286
0,3897
0,3520
0,3156
0,09
0,4641
0,4247
0,3859
0,3483
0,3121
0,5
0,6
0,7
0,8
0,9
0,3085
0,2743
0,2420
0,2119
0,1841
0,3050
0,2709
0,2389
0,2090
0,1814
0,3015
0,2676
0,2358
0,2061
0,1788
0,2981
0,2643
0,2327
0,2033
0,1762
0,2946
0,2611
0,2296
0,2005
0,1736
0,2912
0,2578
0,2266
0,1977
0,1711
0,2877
0,2546
0,2236
0,1949
0,1685
0,2843
0,2514
0,2206
0,1922
0,1660
0,2810
0,2483
0,2177
0,1894
0,1635
0,2776
0,2451
0,2148
0,1867
0,1611
1,0
1,1
1,2
1,3
1,4
0,1587
0,1357
0,1151
0,0968
0,0808
0,1562
0,1335
0,1131
0,0951
0,0793
0,1539
0,1314
0,1112
0,0934
0,0778
0,1515
0,1292
0,1093
0,0918
0,0764
0,1492
0,1271
0,1075
0,0901
0,0749
0,1469
0,1251
0,1056
0,0885
0,0735
0,1446
0,1230
0,1038
0,0869
0,0721
0,1423
0,1210
0,1020
0,0853
0,0708
0,1401
0,1190
0,1003
0,0838
0,0694
0,1379
0,1170
0,0985
0,0823
0,0681
1,5
1,6
1,7
1,8
1,9
0,0668
0,0548
0,0446
0,0359
0,0287
0,0655
0,0537
0,0436
0,0351
0,0281
0,0643
0,0526
0,0427
0,0344
0,0274
0,0630
0,0516
0,0418
0,0336
0,0268
0,0618
0,0505
0,0409
0,0329
0,0262
0,0606
0,0495
0,0401
0,0322
0,0256
0,0594
0,0485
0,0392
0,0314
0,0250
0,0582
0,0475
0,0384
0,0307
0,0244
0,0571
0,0465
0,0375
0,0301
0,0239
0,0559
0,0455
0,0367
0,0294
0,0233
2,0
2,1
2,2
2,3
2,4
0,0228
0,0179
0,0139
0,0107
0,0082
0,0222
0,0174
0,0136
0,0104
0,0080
0,0217
0,0170
0,0132
0,0102
0,0078
0,0212
0,0166
0,0129
0,0099
0,0075
0,0207
0,0162
0,0125
0,0096
0,0073
0,0202
0,0158
0,0122
0,0094
0,0071
0,0197
0,0154
0,0119
0,0091
0,0069
0,0192
0,0150
0,0116
0,0089
0,0068
0,0188
0,0146
0,0113
0,0087
0,0066
0,0183
0,0143
0,0110
0,0084
0,0064
2,5
2,6
2,7
2,8
2,9
0,0062
0,0047
0,0035
0,0026
0,0019
0,0060
0,0045
0,0034
0,0025
0,0018
0,0059
0,0044
0,0033
0,0024
0,0018
0,0057
0,0043
0,0032
0,0023
0,0017
0,0055
0,0041
0,0031
0,0023
0,0016
0,0054
0,0040
0,0030
0,0022
0,0016
0,0052
0,0039
0,0029
0,0021
0,0015
0,0051
0,0038
0,0028
0,0021
0,0015
0,0049
0,0037
0,0027
0,0020
0,0014
0,0048
0,0036
0,0026
0,0019
0,0014
3,0
3,1
3,2
3,3
3,4
0,0013
0,0010
0,0007
0,0005
0,0003
0,0013
0,0009
0,0013
0,0009
0,0012
0,0009
0,0012
0,0008
0,0011
0,0008
0,0011
0,0008
0,0011
0,0008
0,0010
0,0007
0,0010
0,0007
3,5
3,6
3,7
3,8
3,9
0,00023
0,00016
0,00011
0,00007
0,00005
4,0
0,00003
76
Tabelas
Tabela B
Valores crticos de t.
0,2
1
2
3
4
5
3,078
1,886
1,638
1,533
1,476
6,314
2,920
2,353
2,132
2,015
12,706
4,303
3,182
2,776
2,571
31,821
6,965
4,541
3,747
3,365
63,656
9,925
5,841
4,604
4,032
636,578
31,600
12,924
8,610
6,869
6
7
8
9
10
1,440
1,415
1,397
1,383
1,372
1,943
1,895
1,860
1,833
1,812
2,447
2,365
2,306
2,262
2,228
3,143
2,998
2,896
2,821
2,764
3,707
3,499
3,355
3,250
3,169
5,959
5,408
5,041
4,781
4,587
11
12
13
14
15
1,363
1,356
1,350
1,345
1,341
1,796
1,782
1,771
1,761
1,753
2,201
2,179
2,160
2,145
2,131
2,718
2,681
2,650
2,624
2,602
3,106
3,055
3,012
2,977
2,947
4,437
4,318
4,221
4,140
4,073
16
17
18
19
20
1,337
1,333
1,330
1,328
1,325
1,746
1,740
1,734
1,729
1,725
2,120
2,110
2,101
2,093
2,086
2,583
2,567
2,552
2,539
2,528
2,921
2,898
2,878
2,861
2,845
4,015
3,965
3,922
3,883
3,850
21
22
23
24
25
1,323
1,321
1,319
1,318
1,316
1,721
1,717
1,714
1,711
1,708
2,080
2,074
2,069
2,064
2,060
2,518
2,508
2,500
2,492
2,485
2,831
2,819
2,807
2,797
2,787
3,819
3,792
3,768
3,745
3,725
26
27
28
29
30
1,315
1,314
1,313
1,311
1,310
1,706
1,703
1,701
1,699
1,697
2,056
2,052
2,048
2,045
2,042
2,479
2,473
2,467
2,462
2,457
2,779
2,771
2,763
2,756
2,750
3,707
3,689
3,674
3,660
3,646
40
60
120
1,303
1,296
1,289
1,282
1,684
1,671
1,658
1,645
2,021
2,000
1,980
1,960
2,423
2,390
2,358
2,326
2,704
2,660
2,617
2,576
3,551
3,460
3,373
3,290
gl
0,1
0,0005
0,001
77
Tabelas
Tabela C
Valores crticos de Qui-Quadrado
gl
0,99
1
2
3
4
5
0,98
0,95
0,90
0,80
0,70
0,50
0,30
0,20
0,10
0,05
0,02
0,01
0,001
0,00016
0,02
0,11
0,30
0,55
0,00063
0,04
0,18
0,43
0,75
0,0039
0,10
0,35
0,71
1,15
0,016
0,21
0,58
1,06
1,61
0,064
0,45
1,01
1,65
2,34
0,15
0,71
1,42
2,19
3,00
0,45
1,39
2,37
3,36
4,35
1,07
2,41
3,66
4,88
6,06
1,64
3,22
4,64
5,99
7,29
2,71
4,61
6,25
7,78
9,24
3,84
5,99
7,81
9,49
11,07
5,41
7,82
9,84
11,67
13,39
6,63
9,21
11,34
13,28
15,09
10,83
13,82
16,27
18,47
20,51
6
7
8
9
10
0,87
1,24
1,65
2,09
2,56
1,13
1,56
2,03
2,53
3,06
1,64
2,17
2,73
3,33
3,94
2,20
2,83
3,49
4,17
4,87
3,07
3,82
4,59
5,38
6,18
3,83
4,67
5,53
6,39
7,27
5,35
6,35
7,34
8,34
9,34
7,23
8,38
9,52
10,66
11,78
8,56
9,80
11,03
12,24
13,44
10,64
12,02
13,36
14,68
15,99
12,59
14,07
15,51
16,92
18,31
15,03
16,62
18,17
19,68
21,16
16,81
18,48
20,09
21,67
23,21
22,46
24,32
26,12
27,88
29,59
11
12
13
14
15
3,05
3,57
4,11
4,66
5,23
3,61
4,18
4,77
5,37
5,98
4,57
5,23
5,89
6,57
7,26
5,58
6,30
7,04
7,79
8,55
6,99
7,81
8,63
9,47
10,31
8,15
9,03
9,93
10,82
11,72
10,34
11,34
12,34
13,34
14,34
12,90
14,01
15,12
16,22
17,32
14,63
15,81
16,98
18,15
19,31
17,28
18,55
19,81
21,06
22,31
19,68
21,03
22,36
23,68
25,00
22,62
24,05
25,47
26,87
28,26
24,73
26,22
27,69
29,14
30,58
31,26
32,91
34,53
36,12
37,70
16
17
18
19
20
5,81
6,41
7,01
7,63
8,26
6,61
7,25
7,91
8,57
9,24
7,96
8,67
9,39
10,12
10,85
9,31
10,09
10,86
11,65
12,44
11,15
12,00
12,86
13,72
14,58
12,62
13,53
14,44
15,35
16,27
15,34
16,34
17,34
18,34
19,34
18,42
19,51
20,60
21,69
22,77
20,47
21,61
22,76
23,90
25,04
23,54
24,77
25,99
27,20
28,41
26,30
27,59
28,87
30,14
31,41
29,63
31,00
32,35
33,69
35,02
32,00
33,41
34,81
36,19
37,57
39,25
40,79
42,31
43,82
45,31
21
22
23
24
25
8,90
9,54
10,20
10,86
11,52
9,91
10,60
11,29
11,99
12,70
11,59
12,34
13,09
13,85
14,61
13,24
14,04
14,85
15,66
16,47
15,44
16,31
17,19
18,06
18,94
17,18
18,10
19,02
19,94
20,87
20,34
21,34
22,34
23,34
24,34
23,86
24,94
26,02
27,10
28,17
26,17
27,30
28,43
29,55
30,68
29,62
30,81
32,01
33,20
34,38
32,67
33,92
35,17
36,42
37,65
36,34
37,66
38,97
40,27
41,57
38,93
40,29
41,64
42,98
44,31
46,80
48,27
49,73
51,18
52,62
26
27
28
29
30
12,20
12,88
13,56
14,26
14,95
13,41
14,13
14,85
15,57
16,31
15,38
16,15
16,93
17,71
18,49
17,29
18,11
18,94
19,77
20,60
19,82
20,70
21,59
22,48
23,36
21,79
22,72
23,65
24,58
25,51
25,34
26,34
27,34
28,34
29,34
29,25
30,32
31,39
32,46
33,53
31,79
32,91
34,03
35,14
36,25
35,56
36,74
37,92
39,09
40,26
38,89
40,11
41,34
42,56
43,77
42,86
44,14
45,42
46,69
47,96
45,64
46,96
48,28
49,59
50,89
54,05
55,48
56,89
58,30
59,70
78
Tabelas
Tabela D
Probabilidades associadas a valores to pequenas quanto os valores observados de x no Teste Binomial.
O corpo da tabela d as probabilidades unilaterais de z, sob H 0 , do teste binomial, quando P = Q = .
Omitiram-se as vrgulas decimais nos ps.
x
0
10
11
12
13
14
15
031
016
008
004
002
001
188
109
062
035
020
011
006
003
002
001
500
344
227
145
090
055
033
019
011
006
004
002
001
001
812
656
500
363
254
172
113
073
046
029
018
011
006
004
002
001
001
969
891
773
637
500
377
274
194
133
090
059
038
025
015
010
006
004
002
001
001
*
984
938
855
746
623
500
387
291
212
151
105
072
048
032
021
013
008
005
003
002
*
992
965
910
828
726
613
500
395
304
227
166
119
084
058
039
026
017
011
007
*
996
980
945
887
806
709
605
500
402
315
240
180
132
095
067
047
032
022
*
998
989
967
927
867
788
696
598
500
407
324
252
192
143
105
076
054
*
999
994
981
954
910
849
773
685
593
500
412
332
262
202
154
115
*
*
997
989
971
941
895
834
760
676
588
500
416
339
271
212
*
*
998
994
982
962
928
881
820
748
668
584
500
419
345
*
*
999
996
989
975
952
916
868
808
738
661
581
500
*
*
*
998
994
985
968
942
905
857
798
729
655
*
*
*
999
996
990
979
961
933
895
846
788
*
*
*
999
998
994
987
974
953
924
885
N
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
79
Tabelas
10
11
12
13
14
15
031
016
008
004
002
001
188
109
062
035
020
011
006
003
002
001
500
344
227
145
090
055
033
019
011
006
004
002
001
001
812
656
500
363
254
172
113
073
046
029
018
011
006
004
002
001
001
969
891
773
637
500
377
274
194
133
090
059
038
025
015
010
006
004
002
001
001
*
984
938
855
746
623
500
387
291
212
151
105
072
048
032
021
013
008
005
003
002
*
992
965
910
828
726
613
500
395
304
227
166
119
084
058
039
026
017
011
007
*
996
980
945
887
806
709
605
500
402
315
240
180
132
095
067
047
032
022
*
998
989
967
927
867
788
696
598
500
407
324
252
192
143
105
076
054
*
999
994
981
954
910
849
773
685
593
500
412
332
262
202
154
115
*
*
997
989
971
941
895
834
760
676
588
500
416
339
271
212
*
*
998
994
982
962
928
881
820
748
668
584
500
419
345
*
*
999
996
989
975
952
916
868
808
738
661
581
500
*
*
*
998
994
985
968
942
905
857
798
729
655
*
*
*
999
996
990
979
961
933
895
846
788
*
*
*
999
998
994
987
974
953
924
885
N
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
80
Tabelas
Tabela E
Valores crticos de D no Teste de Kolmogorov-Smirnov para uma amostra.
D = mx F0 ( X ) S N ( X )
0,20
0,15
0,10
0,05
0,01
1
2
3
4
5
0,900
0,684
0,565
0,494
0,446
0,925
0,726
0,597
0,525
0,474
0,950
0,776
0,642
0,564
0,510
0,975
0,842
0,708
0,624
0,565
0,995
0,929
0,828
0,733
0,669
6
7
8
9
10
0,410
0,381
0,358
0,339
0,332
0,436
0,405
0,381
0,360
0,342
0,470
0,438
0,411
0,388
0,368
0,521
0,486
0,457
0,432
0,410
0,618
0,577
0,543
0,514
0,490
11
12
13
14
15
0,307
0,295
0,284
0,274
0,266
0,326
0,313
0,302
0,292
0,283
0,352
0,338
0,325
0,314
0,304
0,391
0,375
0,361
0,349
0,338
0,468
0,450
0,433
0,418
0,404
16
17
18
19
20
0,258
0,250
0,244
0,237
0,231
0,274
0,266
0,259
0,252
0,246
0,295
0,286
0,278
0,272
0,264
0,328
0,318
0,309
0,301
0,294
0,392
0,381
0,371
0,363
0,356
25
30
35
0,21
0,19
0,18
0,22
0,20
0,19
0,24
0,22
0,21
0,27
0,24
0,23
0,32
0,29
0,27
Mais de 35
1, 07
N
1,14
N
1, 22
N
1, 36
N
0 , 63
N
81
Tabelas
Tabela F
Valores crticos de r no teste de Iteraes
O corpo das tabelas FI e FII contm diversos valores crticos de r para vrios valores de n1 e n2. Para o teste de
iteraes de uma amostra, qualquer valor de r no superior ao exibido na tabela FI ou no inferior ao exibido na
tabela FII significativo ao nvel 0,05. Para o teste de iteraes de Wald-Wolfowitz qualquer valor de r no
superior ao exibido na tbua FI significativo ao nvel 0,05.
Tabela FI
2
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
2
2
2
3
3
3
3
3
3
3
3
4
4
4
4
4
10 11 12 13 14 15 16 17 18 19 20
2
2
3
3
3
3
3
4
4
4
4
4
4
4
5
5
5
2
2
3
3
3
3
4
4
4
4
5
5
5
5
5
5
6
6
2
2
3
3
3
4
4
5
5
5
5
5
6
6
6
6
6
6
2
3
3
3
4
4
5
5
5
6
6
6
6
6
7
7
7
7
2
3
3
4
4
5
5
5
6
6
6
7
7
7
7
8
8
8
2
3
3
4
5
5
5
6
6
7
7
7
7
8
8
8
8
9
2
3
4
4
5
5
6
6
7
7
7
8
8
8
9
9
9
9
2
2
3
4
4
5
6
6
7
7
7
8
8
8
9
9
9
10
10
2
2
3
4
5
5
6
6
7
7
8
8
9
9
9
10
10
10
10
2
2
3
4
5
5
6
7
7
8
8
9
9
9
10
10
10
11
11
2
3
3
4
5
6
6
7
7
8
8
9
9
10
10
11
11
11
12
2
3
4
4
5
6
6
7
8
8
9
9
10
10
11
11
11
12
12
2
3
4
4
5
6
7
7
8
9
9
10
10
11
11
11
12
12
13
2
3
4
5
5
6
7
8
8
9
9
10
10
11
11
12
12
13
13
2
3
4
5
6
6
7
8
8
9
10
10
11
11
12
12
13
13
13
2
3
4
5
6
6
7
8
9
9
10
10
11
12
12
13
13
13
14
82
Tabelas
Tabela FII
2 3 4
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
9
9 10
9 10
11
11
9
10
11
12
12
13
13
13
13
10
11
12
13
14
15
16
17
18
19
20
11
12
13
13
14
14
14
14
15
15
15
11
12
13
14
14
15
15
16
16
16
16
17
17
17
17
17
13
14
14
15
16
16
16
17
17
18
18
18
18
18
18
13
14
15
16
16
17
17
18
18
18
19
19
19
20
20
13
14
15
16
17
17
18
19
19
19
20
20
20
21
21
13
14
16
16
17
18
19
19
20
20
21
21
21
22
22
15
16
17
18
19
19
20
20
21
21
22
22
23
23
15
16
17
18
19
20
20
21
22
22
23
23
23
24
15
16
18
18
19
20
21
22
22
23
23
24
24
25
17
18
19
20
21
21
22
23
23
24
25
25
25
17
18
19
20
21
22
23
23
24
25
25
26
26
17
18
19
20
21
22
23
24
25
25
26
26
27
17
18
20
21
22
23
23
24
25
26
26
27
27
17
18
20
21
22
23
24
25
25
26
27
27
28
83
Tabelas
Tabela G
Valores crticos de T no teste de Wilcoxon
6
7
8
9
10
0
2
4
6
8
0
2
3
5
0
2
3
11
12
13
14
15
11
14
17
21
25
7
10
13
16
20
5
7
10
13
16
16
17
18
19
20
30
35
40
46
52
24
28
33
38
43
20
23
28
32
38
21
22
23
24
25
59
66
73
81
89
49
56
62
69
77
43
49
55
61
68
84
Tabelas
Tabela J
Probabilidades associadas a valores to pequenos quanto os valores observados de U no
teste de Mann-Whitney
85
Tabelas
86
Tabelas
87
Tabelas
Tabela K
Valores crticos de U no teste de Mann-Whitney
Tabela KI. Valores crticos para um teste unilateral
com =0,001 e um teste bilateral com =0,002
88
Tabelas
Tabela N
89
Tabelas
90
Tabelas
Tabela O
Probabilidades associadas a valores to grandes quanto os valores observados de H no
teste de Kruskal-Wallis.
91
Tabelas
92
Tabelas
Tabela P
Valores Crticos de rS, coeficiente de correlao de Spearman
4
5
6
7
8
9
10
12
14
16
18
20
22
24
26
28
30
Nvel de significncia
(unilateral)
0,05
0,01
1,000
0,900
0,829
0,714
0,643
0,600
0,564
0,506
0,456
0,425
0,399
0,377
0,359
0,343
0,329
0,317
0,306
1,000
0,943
0,893
0,833
0,783
0,746
0,712
0,645
0,601
0,564
0,534
0,508
0,485
0,465
0,448
0,432
93
Tabelas
Tabela Q
Probabilidades associadas a valores to grandes quanto os valores observados de S no
coeficiente de correlao de Kendall
S
4
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
36
0,625
0,375
0,167
0,042
5
0,592
0,408
0,242
0,117
0,042
0,0083
Valores de N
8
0,548
0,452
0,360
0,274
0,199
0,138
0,089
0,054
0,031
0,016
0,0071
0,0028
0,00087
0,00019
0,000025
S
9
0,540
0,460
0,381
0,306
0,238
0,179
0,130
0,090
0,060
0,038
0,022
0,012
0,0063
0,0029
0,00012
0,00043
0,000012
0,000025
0,0000028
6
1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
0,500
0,360
0,235
0,068
0,028
0,0083
0,0014
Valores de N
7
0,500
0,386
0,281
0,191
0,119
0,068
0,035
0,015
0,0054
0,0014
0,00020
10
0,500
0,431
0,364
0,300
0,242
0,190
0,146
0,108
0,078
0,054
0,036
0,023
0,014
0,0083
0,0046
0,0023
0,0011
0,00047
0,00018
0,000058
0,000015
0,0000028
0,00000028
94
Tabelas
Tabela R
Valores crticos de s no coeficiente de concordncia de Kendall
k
3*
3
4
5
6
8
10
15
20
4
5
6
Valores ao nvel de significncia de 0,05
49,5
62,6
75,7
101,7
127,8
192,9
258,0
48,1
60,0
89,8
119,7
64,4
88,4
112,3
136,1
183,7
231,2
349,8
468,5
103,9
143,3
182,4
221,4
299,0
376,7
570,5
764,4
Valores adicionais
para N=3
k
s
157,3
217,0
276,2
335,2
453,1
571,0
864,9
1 158,7
9
12
14
16
18
54,0
71,9
83,8
95,8
107,7
185,6
265,0
343,8
422,6
579,9
737,0
1 129,5
1 521,9
9
12
16
18
75,9
103,5
121,9
140,2
158,6
66,8
85,1
131,0
177,0
61,4
80,5
99,5
137,4
175,3
269,8
364,2
75,6
109,3
142,8
176,1
242,7
309,1
475,2
641,2
122,8
176,2
229,4
282,4
388,3
494,0
758,2
1 022,2
DEPARTAMENTO DE MATEMTICA
Seco de Estatstica e Investigao Operacional
Filipe Gago da Cmara
HTU
95