Campos H 1983 - Estat Nao Param

E S T A T
S T ICA
EXPERIMENTAL
N O - P A R A M T R I C A
4.a
edio
Professor Titular
ampos
Departamento de Matemtica e Estatstica

E.S.A. "Luiz de Queiroz" - USP
PIRACICABA
Eitado
de So Paulo - Brasil
1 P 83
IX.
PREFCIO DA 1? EDIO
O p r e s e n t e t r a b a l h o o e l a b o r a d o
de s e r v i r
como um g u i a p a r a o l e c i o n a m e n t o
tes Nao-Parametricos",
com
finalidade
da d i s c i p l i n a " T e s -
no C u r s o de Ps-Graduaao de " E x p e r i -
mentao e Estatstica", o f e r e c i d o p e l o Departamento de Mate

mtica e Estatstica d a E s c o l a S u p e r i o r de A g r i c u l t u r a
"Luiz
de Q u e i r o z " , U n i v e r s i d a d e de Sao P a u l o , em P i r a c i c a b a ,
Esta-
do de so P a u l o .
A e s c a s s a b i b l i o g r a f i a em Portugus,sobre a Estatst i c a Nao-Paramtrica e n c o r a j o u - n o s
a t r a z e r a t e o nosso
estu-
dante ou o n o s s o p e s q u i s a d o r uma orientao p a r a a aplicao

de a l g u n s , d e n t r e os inmeros t e s t e s nao-paramtricos, v i s a n do com i s s o , nica e e x c l u s i v a m e n t e ^ a m p l i a r um pouco m a i s a
utilizao d e s s e ramo d a Estatstica em n o s s o meio.
T a l t r a b a l h o e f r u t o de uma l a b o r i o s a reviso b i b l i o
grfica e de c u r s o s f r e q u e n t a d o s
n a "Ohio S t a t e U n i v e r s i t y " ,
em Columbus, Ohio, E.U.A. Contamos p a r a i s s o , c o m a p r e c i o s a ,

s e g u r a e indispensvel orientao do P r o f . Douglas A. W o l f e ,
membro do Corpo D o c e n t e do Departamento de Estatstica daquel a Universidade e co-autor
S t a t i s t i c a l Methodsy
da e x c e l e n t e obra
de onde
muitos
conceitos
s o b r e a l g u n s dos t e s t e s p o r nos a p r e s e n t a d o s
Nonpavametric
fundamentais
foram
extra-
dos.
Assim
sendo,
e s t e t r a b a l h o e, em p a r t e , uma comple-
mentao da o b r a de HOLLANDER e WOLFE e f o i e s c r i t o

v i d a autorizao
da E d i t o r a
quem e x p r e s s a m o s os n o s s o s
com a d e -
"John W i l e y and Sons I n c . " ,
sinceros
agradecimentos.
xi.
X.
Procuramos dar aos t e s t e s um cunho mais

que
ao.
prtico
t e r i c o , tentando a s s i m , f a c i l i t a r a sua imediata
do
aplica
PREFACIO DA 2? EDIO
Os exemplos apresentados sao todos r e f e r e n t e s as nossas
condies e foram, tanto quanto possvel extrados de resu]^

tados de pesquisas r e a l i z a d a s em nosso meio.
Finalmente, somos imensamente gratos
amigo Douglas A. Wolfe,
ao Professor e
p e l a excelente a c o l h i d a e e f i c i e n t e
orientao que sempre nos dispensou durante a nossa estada na

Universidade de Ohio.
_
^
a . ~
Devido a boa aceitao em nosso meio da 1. edio de
"Teates No Paramtricos", ficamos encorajados para proceder
a uma cuidadosa reviso daquele trabalho,
procurando melho-
ra-lo e ampli-lo.
Dois novos captulos sobre as Analises de Varincia,
Humberto
de Campos
alam de novos testes nos captulos j existentes,

eluldos. Foram tambm inseridas,
no f i n a l ,
foram i n -
as tabelas para
intarpretao dos t e s t e s .
Encaramos este trabalho, nao como um substituto dos
nItodOB paramtricos, mas apenas como uma ferramenta a mais
pata o Estatstico, na analise e interpretao dos resultadOi da experimentos.
Julgamos interessante a mudana do nome para
"Esta-
Ctltlca Experimental No-Paramtrica", por ach-lo mais coniaanta com o contedo do trabalho.
Piracicaba, maro de 1976.
Hwnhevto de Campos
X l l l .
PREFACIO DA 3? EDIAO
Aproveitando a maior experincia adquirida no
lecio-
namento, a nvel de p s ~ g r a d u a o , da d i s c i p l i n a "Testes

- P a r a m t r i c o s " , no Curso de " E x p e r i m e n t a o e E s t a t s t i c a "
ESALQ, f o i f e i t a uma
Naoda
nova r e v i s o e a m p l i a o do trabalho d i -
vulgado nas edies a n t e r i o r e s .

Nos
ram includos os t e s t e s de Jonckheere
e de Page,
relativos a
Mtodos Nao-Parara-
trcos na a n a l i s e e interpretao de resultados de experimenque
este
nosso
trabalho se tornasse
mais difundido, principalmente no meio a g r o n m i c o .

A presente edio se c a r a c t e r i z a por uma
reviso
dadosa da a n t e r i o r , sem, e n t r e t a n t o , apresentar qualquer
os tratamentos ordenados.
Procuramos dar um formato mais adequado,
visando
mais fcil manipulao do trabalho e, t a m b m , aproximando-se

mais da edio de um
A maior m o t i v a o para o uso de
t a o , c o n t r i b u i u para
captulos r e f e r e n t e s as a n a l i s e s de v a r i n c i a f o -
hipteses a l t e r n a t i v a s com
PREFACIO DA 4? EDIAO
l i v r o propriamente d i t o .
cuiam-
pliao do t e x t o .
Queremos externar
os
nossos s i n c e r o s agradecimentos
S r t a . Maria I z a l i n a F e r r e i r a A l v e s , S e c r e t a r i a do Departaincentivaram a
mento de M a t e m t i c a e Estatstica da ESALQ, pelo excelente e
prosseguir na t a r e f a de oferecer aos usurios da Estatstica
cuidadoso servio de d a t i l o g r a f i a , e pelo auxlio na reviso
Nao-Paramtrica uma
f i n a l deste t r a b a l h o .
Somos gratos a todos aqueles que
nos
obra, em nossa l n g u a , e que rena um nu-
mero considervel de exemplos i l u s t r a t i v o s ,
condizentes
com
P i r a c i c a b a , a b r i l de
1983.
as nossas c o n d i e s .
P i r a c i c a b a , j a n e i r o de
Humberto
de Campos
1979.
Humberto
de Campos
XV.
T N D I C E
Pagina
1. INTRODUO
1.1 - G e n e r a l i d a d e s
1.2 - Algumas Razes P a r a o S e u Uso
1.3 - Algumas Restries ao S e u Uso
1.4 - Definies e Notaes Estatsticas Bsicas
1.4.1 - Amostra c a s u a l i z a d a
1.4.2 - Varivel i n d i c a d o r a de um e v e n t o A
1.4.3 - L i m i t e s s u p e r i o r e i n f e r i o r
1.4.4 - Parmetro
1.4.5 - Estimador
1 . 4 . 6 - C o e f i c i e n t e de confiana
1.4.7 - Hiptese de n u l i d a d e (//Q)
1 . 4 . 8 - Hiptese a l t e r n a t i v a C ^ )
1 . 4 . 9 - T e s t e de hiptese
1 . 4 . 1 0 - Regio crtica
1 . 4 . 1 1 - T e s t e simtrico
1 . 4 . 1 2 - E r r o s t i p o I e t i p o I T - Poder
do
teste
1 . 4 . 1 3 - Consistncia de um t e s t e
1.4.14 - Testes equivalentes
1 . 4 . 1 5 - Estatsticas de ordem ("Order S t a tistics")
1 . 4 . 1 6 - Ordem ou p o s t o ( " r a n k " )
1 . 4 . 1 7 - Distribuio n u l a
1 . 4 . 1 8 - Distribuio l i v r e
1 . 4 . 1 9 - Distribuio simtrica
1 . 4 . 2 0 - Distribuio assinttica
1 . 4 . 2 1 - Distribuio u n i f o r m e
1 . 4 . 2 2 - Funo emprica de distribuio
..
1 . 4 . 2 3 - Eficincia r e l a t i v a
1 . 4 . 2 4 - T e n t a t i v a de B e r n o u l l i
1 . 4 . 2 5 - T e n t a t i v a s ou p r o v a s r e p e t i d a s e i n
d e p e n d e n t e s de B e r n o u l l i
1 . 4 . 2 6 - E s c a l a s de medidas
a ) Nominal
b) O r d i n a l
c ) I n t e r v a l o de m e d i d a
d ) Relao de medidas
1
1
2
3
3
4
4
4
5
5
5
6
6
6
6
7
8
12
12
12
13
13
15
15
16
16
17
17
18
18
18
19
19
19
20
xvii.
XV i ,
Pagina
Pagina
2, TESTES APLICVEIS A UMA AMOSTRA

2.1 - T e s t e
2.1.1
2.1.2
2.1.3
2.1.4
2.1.5
2.1.6
2.1.7
2.1.8
2.1.9
2.1.10
2.1.11
21
Binomial
- Generalidades
- Pressuposies
- Mtodo
- A p r o x i m a o normal
- Uso d a s t a b e l a s
- D i s t r i b u i o n u l a de B
- Consistncia
- E s t i m a t i v a s de p
- I n t e r v a l o de c o n f i a n a p a r a p
- Exemplos
- Exerccios propostos
21
21
21
21
22
23
26
28
28
28
30
36
2.2 - T e s t e de
2.2.1 - Algumas a p l i c a e s
2.2.2 - R e s t r i e s ao u s o do t e s t e
38
38
38
2.3 - T e s t e
2.3.1
2.3.2
2.3.3
2.3.4
2.3.5
2.3.6
39
39
40
de K o l m o g o r o v - S m r n o v
- Generalidades
- Mtodo
- D e t e r m i n a o dos supremos D, D
- F a i x a de c o n f i a n a
- Exemplos
eD
42
44
47
2.4 - T e s t e de L i l l i e f o r s
55
2.5 - T e s t e de C r a m r - v o n M i s e s
59
3. TESTES APROPRIADOS A DADOS PAREADOS

3.1 - T e s t e
3.1.1
3.1.2
3.1.3
3.1.4
3.1.5
3.1.6
3.1.7
do S i n a l
- Generalidades
- Pressuposies
- Mtodo
- Empates
- E s t i m a t i v a dc 9
- I n t e r v a l o de c o n f i a n a p a r a
63
....
65
65
65
66
67
68
69
69
3.1.8 - Algumas c o m p l e m e n t a e s
3.1.9 - Exemplos
3.1.10 - E x e r c c i o s p r o p o s t o s
70
71
76
3.2 - T e s t e de Cox e S t u a r t p a r a T e n d n c i a s ( " T r e n d " ) 79

3.3 - T e s t e de Mc Nemar
3.4 - T e s t e d a s Ordens A s s i n a l a d a s ("Signed
Test")
3.4.1 - G e n e r a l i d a d e s
3.4.2 - P r e s s u p o s i e s
3.4.3 - M t o d o
3.4.4 - A p r o x i m a o normal
3.4.5 - Empates
3.4.6 - D i s t r i b u i o n u l a de T
3.4.7 - E s t i m a t i v a de 6
3.4.8 - I n t e r v a l o de c o n f i a n a p a r a 0
3.4.9 - Algumas c o m p l e m e n t a e s
3.4.10 - Exemplos
85
Rank
90
90
91
91
94
94
96
98
98
102
103
109
TESTES DE POSIO APLICVEIS A DUAS AMOSTRAS INDE

PENDENTES
4.1 - T e s t e
4.1.1
4.1.2
4.1.3
4.1.4
4.1.5
4.1.6
4.1.7
4.1.8
4.1.9
4.1.10
d a Soma d a s Ordens ( W i l c o x o n )
- Generalidades
- Pressuposies
- Mtodo
- Empates
- D i s t r i b u i o n u l a de W .;
- E s t i m a t i v a de A
- I n t e r v a l o de c o n f i a n a p a r a A
- Exemplos
4.2 " T e s t e
4.2.1
4.2.2
4.2.3
4.2.4
de Mann-Whitney
- Generalidades
- Pressuposies
- Hipteses
- Mtodo
113
113
113
113
113
116
118
120
122
. . . . 123
125
131
134
134
135
135
135
XIX .
XVlll.
pgina
Pagina
4.2.5 - Empates
4.2.6 - A p r o x i m a o n o r m a l
4.2.7 - E s t i m a t i v a do e f e i t o de t r a t a m e n t o e
s e u i n t e r v a l o de c o n f i a n a
4.3 - T e s t e
4.3.1
4.3.2
4.3.3
4.3.4
4.3.5
4.3.6
4.3.7
de Kolmogorov-Smirnov
- Generalidades
- Pressuposies
- Hipteses
- Mtodo
^
- D i s t r i b u i e s n u l a s de D , D ^ D ..
- P r o c e s s o g r f i c o de d e t e r m i n a o dos
supremos
D e D
4.3.8 - Exemplo
4.4 - T e s t e
4.4-1
4.4.2
4.4.3
4.4.4
4.4.5
4.4.6
E x a t o de F i s h e r
- Generalidades
- Pressuposies
- Hipteses
- Mtodo
- Exemplo
5. TESTES DE DISPERSO A P L I C V E I S A DUAS AMOSTRAS IN

DEPENDENTES
7
5.1 - T e s t e
5.1.1
5.1.2
5-1.3
5.1.4
5.1.5
5.1.6
5.1.7
5.1.8
5.1.9
5,1.10
de A n s a r i - B r a d l e y
- Generalidades
- Pressuposies
- Hipteses
- Mtodo
" Empates
- D i s t r i b u i o n u l a de W
- D e r i v a t i v o s do t e s t e
- Exemplos
138
138
139
139
139
140
140
140
142
144
145
146
148
149
149
150
150
150
154
156
157
157
157
157
157
158
160
161
163
165
166
169
5.2 - T e s t e
5.2.1
5.2.2
5.2.3
de Moses
- Generalidades
171
- Mtodo
- E s t i m a t i v a e i n t e r v a l o de c o n f i a n a
de
172
5.2.4 - C o m p l e m e n t a e s s o b r e o t e s t e
. . . . 173
5.2.5 - Exemplo
1^3
6. TESIES DE CORRELAO
6.1 - T e s t e
6.1.1
6.1.2
6.1.3
6.1.4
6.1.5
de K e n d a l l
- Mtodo
- D i s t r i b u i o n u l a de K
- Empates
- E s t i m a t i v a de t e s e u i n t e r v a l o
confiana
6.1.6 - Exemplo
6.2 - T e s t e
6.2.1
6.2.2
6.2.3
6.2.4
6.2.5
de Spearman
- Mtodo
,
- Empates
- D i s t r i b u i o n u l a de v
- Exemplo
7. ANALISE DE VARINCIA - CLASSIFICAO SIMPLES

(k amostras independentes)
7.1 - T e s t e
7.1.1
7.1.2
7.1.3
7.1.4
7.1.5
7.1.6
7.1.7
de K r u s k a l - W a l l i s
- Generalidades
- Pressuposies
- Hipteses
- Mtodo
- Empates
- Exemplos
- E x e r c c i o s propostos
7.2 - T e s t e de J o n c k b e e r e
7.2.1 - G e n e r a l i d a d e s
"^77
178
178
1^0
181
1^3
de
1^7
1^8
191
192
192
194
195
196
198
201
202
202
203
203
203
^05
206
209
211
211
P-Ixx .
NKi
Pagina
Pagina
7.2.2
7.2.3
7.2.4
7.2.5
7.2.6
Hipteses
Mtodo
Aproximao normal
Empates
Exemplos
212
212
213
214
215
8.3.2 - Comparaes mltiplas: t r a t a m e n t o s

vs testemunha
*
8.3.2.1 - Caso de pequenas amostras
8.3.2.2 - Caso de grandes amostras
9. BIBLIOGRAFIA
252
252
257
0C1
7.3 - Comparaes Mltiplas

,
7.3.1 - Comparaes envolvendo todos os pares de t r a t a m e n t o s
7.3.2 - Comparaes mltiplas: t r a t a m e n t o s
vs testemunha
8. ANALISE DE VARINCIA - CLASSIFICAO DUPLA
8.1 - Teste
8.1.1
8.1.2
8.1.3
8.1.4
8.1.5
8.1.6
8.1.7
218
219
219
223
226
233
de Friedman (x^ de Friedman)

- Generalidades
- Pressuposies
- Hipteses
- Mtodo
- Empates
- Exemplos
- Exerccios p r o p o s t o s
234
234
234
235
235
236
238
242
de Page
- Generalidades
- Hipteses
- Mtodo
- Empates
- Aproximao normal
- Associao com o t e s t e de
o de Spearman
8.2.7 - Exemplos
244
244
244
244
245
245
8.2 - Teste
8.2.1
8.2.2
8.2.3
8.2.4
8.2.5
8.2.6
correla-

8.3.1 - Comparaes envolvendo todos os pares de t r a t a m e n t o s
246
247
249
249
249
251
1. INTRODUO
1.1 - Generalidades
A Estatstica Nao-Parametrica tao r e c e n t e ,
aparecimento dos primeiros t e s t e s nesta rea data
do s c u l o .
do
que
incio
O seu verdadeiro impulso deu-se nos ltimos qua-
r e n t a anos.
Embora ainda apenas uma pequena p a r c e l a
da
extensa
l i t e r a t u r a estatstica s e j a dedicada ao campo nao-parametrico, e s t e toma impulso d i a a d i a , constatando-se,
atualmente,
um crescendo muito grande de citaes de aplicaes de mtodos nao-paramtricos nos trabalhos de pesquisa.
Seu emprego, desde que nao abusivo, constitu uma valiosssima ferramenta
de trabalho ao e s t a t s t i c o ,
devido
sua grande s i m p l i c i d a d e e v e r s a t i l i d a d e .
Um t e s t e nao-parametrico aquele cujo modelo nao esp e c i f i c a condies sobre os parmetros da populao
a amostra f o i o b t i d a . Mesmo quando existem c e r t a s
da
qual
pressupo-
s i e s , e s t a s sao mais brandas do que aquelas associadas aos

testes paramtricos.
a.
Atualmente a d i v e r s i d a d e desses t e s t e s t a o grande
que, p o r razoes o b v i a s , apresentaremos apenas aqueles
quejul
gamos serem mais i n t e r e s s a n t e s para cada caso abordado.
7) so mais e f i c i e n t e s do que os p a r a m t r i c o s ,
dados da populao nao tm distribuio normal. K, quando a populao e normalmente d i s t r i b u d a , sua eficinc i a , em alguns casos,
1.2 - Algumas Razes Para o Seu Uso
quando os
i levemente i n f e r i o r a dos seus
competidores.
o uso f r e q u e n t e dos t e s t e s no-paramitricos
permiti-
r ao pesquisador e s t a b e l e c e r o u t r a s v a n t a g e n s , alm das c i tadas a s e g u i r :
1.3 - Algumas Restries ao Seu Uso

1) Era g e r a l n o levam em considerao a magnitude dos da-
1) Sao menos e x i g e n t e s do que os p a r a m t r i c o s . Dispensam,

por exemplo, a normalidade dos dados.
r a simples ordens ou s i n a i s . Em m u i t o s casos
2) Em g e r a l , as p r o b a b i l i d a d e s das a f i r m a t i v a s o b t i d a s da
m a i o r i a dos t e s t e s n o - p a r a m e t r i c o s ,
dos, fi m u i t o comum t r a n s f o r m a r os dados, de v a l o r e s pa-
sao p r o b a b i l i d a -
isso
se
t r a d u z num desperdcio de i n f o r m a e s .
2) Quando todas as exigncias do modelo
estatstico
so
des exatas,,salvo quando se usam aproximaes para gran
s a t i s f e i t a s , o t e s t e paramtrico mais poderoso. Para
des
se o b t e r a mesma eficincia,necessrio se f a z um maior
amostras.
3) Independem da forma da populao da q u a l a amostra f o i

obtida.
so,
tamanho de amostra para o n a o - p a r a r a e t r i c o .

3) Em g e r a l , n o nos p e r m i t e t e s t a r i n t e r a e s , s a l v o sob
em g e r a l , de mais fcil aplicao e exigem, quase
sempre, menor volume de c l c u l o s ,
Isso
restringe
o seu uso em modelos mais c o m p l i c a d o s .
5) E x i s t e m t e s t e s nao-pacamtricos que nos permitem t r a b a l h a r com dados de d i f e r e n t e s p o p u l a e s ,
condies e s p e c i a i s sobre a d i t i v i d a d e .
que nao
4) A o b t e n o , utilizao e interpretao das t a b e l a s sao,

em g e r a l , mais complexas.
p o s s v e l com os p a r a m t r i c o s ,
6) so teis nos casos em que e difcil e s t a b e l e c e r uma es
c a l a de v a l o r e s q u a n t i t a t i v o s para os dados. O p e s q u i sador pode apenas d i z e r que um dado tem mai-s ou
da caracterstica que e s t a sendo a n a l i s a d a ,
menos
sem poder
p r e c i s a r ou q u a n t i f i c a r as d i f e r e n a s . Os dados se encontram numa c e r t a ordem de classificao: ma-is ou menos; melhor
ou pior;
maior
ou menor, e t c .
1.4 - Definies e Notaes Estatsticas Bsicas

Algumas definies e notaes sao necessrias para a
boa compreenso do t e x t o . E n t r e t a n t o ,
de
uma
plnalra s u c i n t a , uma vez que n o c o n s t i t u e m o p r i n c i p a l
ob-
J t t t v o deste
trabalho.
sero f e i t a s
A.
1.4.4 - Parmetro
1.4.1 - Amostra casualizada
t
Dizemos que X^, X^,
sualizada
(Random
Scmple)
ma distribuio e s e e l e s
c o n s t i t u e m uma
de g r a n d e z a
amostra c a -
s e cada X tem a mes-
um v a l o r d e s c o n h e c i d o ,
Por exemplo,
dia
a s s o c i a d o a uma
n a distribuio normal
populao.
os parmetros s a o a me-
e a varincia,
so i n d e p e n d e n t e s .
1.4.5 - Estimador
1.4.2 - Varivel indicadora de um evento A

uma r e g r a de deciso que, b a s e a d a n a s observaes,
uma varivel que assume o v a l o r
1 (um) quando A o-
e s t i m a o v a l o r de um parmetro 9.
c o r r e , e o v a l o r O ( z e r o ) quando A no o c o r r e .
A s s i m , quando c o n s i d e r a r m o s uma a m o s t r a de tamanho n
1.4.3 - Limites superior e inferior
de uma populao com distribuio n o r m a l ,
os e s t i m a d o r e s da
media e da varincia so, r e s p e c t i v a m e n t e :

Seja
uma varivel aleatria
U i z - s e que A^ um
l-imite
inferior
( d i s c r e t a ou contnua).
p a r a a distribuio
de
n
1
se
X .
m =
P(X<A j = a
a
Analogamente,
um
limite
P(X>B^)
= B
Na grande m a i o r i a dos t e s t e s
.
Bupeviov
se
n
Z
(X -m)^
^
^= 1
n-\
tomamos a=B
Dizemos que um e s t i m a d o r c o n s i s t e n t e quando a e s t i ^

nativa
e tende p a r a 0 , i medida que aumentamos
amostra
(l i m
n
e -
tamanho da
1.4,6 - Coeficiente de confiana

F i g u r a 1.1 - L i m i t e s i n f e r i o r (A^) e s u p e r i o r
da distribuio de X.
(B )
^
o c o e f i c i e n t e de confiana de um i n t e r v a l o
fiana de um parmetro 9 a p r o b a b i l i d a d e na q u a l
de
con-
este i n -
t e r v a l o est e s t r u t u r a d o .
A s s i m , dizemos o interval-o
iioe-ficiente
de. aonfiana
H-aJ
...
de nonfiana
de
6,
a im
1.4.7 - Hiptese de nulidade (H^)

E s p e c i f i c a que a distribuio bsica e um membro de
uma c e r t a c l a s s e de distribuio. De um modo g e r a l r e f e r i da atravs do v a l o r do parmetro.
Se t e s t a r m o s , p o r exemplo, duas medias, podemos t e r :
1.4.8 - Hiptese alternativa (H }

a
F i g u r a 1.2 - Regio crtica para ura t e s t e de hiptese u n i l a t e r a l .
uma hiptese de que a populao bsica nao
satis-
f a z f^, ou s e j a , e uma hiptese que c o n t r a r i a H^, Para o caso das duas Tndias, a n t e r i o r m e n t e c i t a d o , poderamos t e r :
1.4.11 - Teste simtrico

Consideremos um t e s t e b i l a t e r a l , num nvel de
ficncia a. Suponhamos que e l e s e j a baseado num
signi-
v a l o r S,
que r e j e i t a H^ se
Neste caso, R
e B
sao u n i l a t e r a i s e
e bilateral.
1.4.9 - Teste de hiptese

uma r e g r a d e c i s i v a , que, com base nas observaes,
a c e i t a ou r e j e i t a
H^.
5 > s,
ou
S <Q
1
2
Ento, e l e e simtrico se s a t i s f a z p r o p r i e d a d e
P('5>s ) = P(Ss ) =
^
O t e s t e tf p o r exemplo, quando c o n s i d e r a d o b i l a t e r a l -
Poderamos t e r , por exemplo:

tMTite, i simtrico*
1.4.10 - Regio critica

A regio crtica para um t e s t e de hiptese
que
nos l e v a rejeio de Ji^.
F i g u r a 1.3 - Regies crticas num t e s t e simtrico.
8.
1.4.12 - Erros t i p o I e t i p o I I - Poder do t e s t e

o erro tipo I e c a r a c t e r i z a d o pelo
mos //g quando e s t a e v e r d a d e i r a .
mente r e p r e s e n t a d a
f a t o de r e j e i t a r -
Sua p r o b a b i l i d a d e
p o r a e denominada
o esquema s e g u i n t e
nvel
escolha
s i n t e t i z a as probabilidades
decisiva.
geral-
d?
cigntfinan-
cia.
mos //^, quando e s t a e f a l s a .

representada
fato
Sua p r o b a b i l i d a d e
de
aceitar-
Deciso
e f a l s a . Facilmente
geralmente
dc r e j e i t a r m o s Z/^, quando e s -
v e r i f i c a m o s que
Poder
Ura s i m p l e s exemplo
posto a n t e r i o r m e n t e .
t a l v e z p o s s a melhor i l u s t r a r
o e3<
Suponhamos uma a m o s t r a de M = 23 elemen
t o s , e x t r a d a de uma p o p u l a o P fl /1/Cp;l).
= 1 - 3
Qm t e s t e de h i p t e s e ; 11^: \} = 1 3 , 0 0 ,
Suponhamos que uma p o p u l a o s e j a c a r a c t e r i z a d a

um p a r m e t r o
1 - B
por S .
a l t e r n a t i v a , a probabilidade
valores:
falsa
0
1
11^: e
Poder de um t e s t e , f r e n t e a uma d e t e r m i n a d a h i p t e s e
ta
verdadeira
1 - a
O erro tipo I I se c a r a c t e r i z a pelo
numa
6 e admitamos que es t e p o s s a a s s u m i r um dos
por
( a " 0 0 5 ) de p r o b a b i l i d a d e , r e j e i t a r i a
dois
dadeira) s e :
e ou O,. Quando O = G , admitimos 1/ e , quando fi =
= 6 ^ , admitimos H^. O p r o b l e m a de t e s t a r m o s
versus
Isji
&(X}
de e s c o l h e r m o s uma e n t r e ambas, b a s e a d o s numa a m o s t r a c a s u a -
LlJllt^
ao n v e l de 5%
(quando e s s a e v e r -
> 1,645
> 15,33
J _
l i z a d a , t i r a d a de uma p o p u l a o .
Um t e s t e d e t e r m i n a d o p e l a e s p e c i f i c a a o
c r t i c a no e s p a o a m o s t r a i ,
i s t o e,
da
regio
onde
p e l o s pontos d e s t e que
1
Icvam-nos a r e j e i o de ff .
9, 1645 o v a l o r d a t a b e l a da d i s t r i b u i o normal
d a , ao n v e l <x = 0,Q5.
A s s i m , r e j e i t a r a m o s H^ se X > 1 5 ^ 3 3 .
F i g u r a 1.4 - R e p r e s e n t a o de um e s p a o amos t r a i com
sua r e g i o c r t i c a .
reduzi-
11.
10.
15,00
15,33
15,33
15,50
Figura 1.5 - Regio do erro Tipo I (a = 0,05).

Figura 1.6 - Erro Tipo I I (3 = 0,1977)
Por outro lado, admitamos que a verdadeira media sej a u = 15,50, i s t o , que H^: \ = 15,00 seja f a l s a . Ento,
Assim, temos:
= 0,1977
Probabilidade do erro t i p o I I :
- "-^Q
N(o,i)
Poder do t e s t e :
De conformidade com o teste admitido,

babilidade do erro t i p o I I ,
= 0,8023
Podemos representar graficamente
/25
a c e i t a para valores abaixo de 15,33.
= 15,00
Qual ento, a pro-
i s t o , a c e i t a r
quando ela e
falsa?
Neste caso temos:
15,00
^ ^ 1 5 , 3 3 - 15,50 _
^^33
15,33
15,50
6 = 0,1977
Figura 1.7 - Erros t i p o I (a) e t i p o XI (3)
/25
e, pela Tabela 1 obtemos;
P [- < Z < - 0,85] = P(X < 15,33) = 0,1977
Observamos qvie diminuindo a, aumentamos 8 e,

quentemente diminumos o poder do t e s t e .
conse-
1.4.13 - Consistncia de um
1.4.16 - Ordem ou posto ("rank")
teste
Dizemos que um t e s t e e c o n s i s t e n t e para uma
determi-
Quando c l a s s i f i c a m o s um grupo de v a r i v e i s , de
nada a l t e r n a t i v a , se o seu poder tende para 1 (um), quando o
formidade com
tamanho da amostra tende para
respondentes as suas posies na classificao
infinito.
seus v a l o r e s , e atribumos a e l a s nmeros cor-
grupo, cada numero denominado oTdem

1.4.14 - Testes equivalentes
po-
d e r , i s t o , um r e j e i t a H^, quando o outro r e j e i t a , e, a c e i ta quando o outro a c e i t a .

o t e s t e de Wilcoxon e o de
Mann-Whitney, sao e q u i v a l e n t e s .
, X^,
o b s e r v a e s , constituindo
os postos sero os i n t e i r o s 1, 2,
variveis empatadas uma
A/.
ordem m d i a , que e obtida consideran-
amostra. Os v a l o r e s X, , . X.
(l)
(2)*
X^ , obtidos das
uma
obser-
12
2.5
12
2,5
15
= 41
16
X = 10
16
16
18
as
estatsticas de ordem.
Tomemos, por exemplo:
= 23
Z =15
Ordem
10
(n)
v a o e s , quando r e a r r a n j a d a s em ordem crescente,constituem
se nao ocorresse o
empate. Temos, por exemplo:
^3=
Usualmente
Para um grupo de /l? observaes de v a l o r e s d i s t i n t o s ,
do a media das ordens que e l a s receberiam
1.4.15 - E s t a t T s t i c a s de ordem ("Order S t a t i s t i c s " )
do
Quando ocorre empate na c l a s s i f i c a o , atribumos as
Assim, conforme veremos,
(posto).
conjunta
c l a s s i f i c a m o s numa ordem c r e s c e n t e .
Dois t e s t e s sao equivalentes quando tem o mesmo
Sejam
con-
as estatsticas de ordem sao:
1.4.17 - Distribuio nula

l a distribuio de uma
Consequentemente, temos:
(]) -
(2) -
estatstica quando
ver-
dadeira.
-
(n)
Admitamos, por exemplo, duas populaes (P
e P ) re-
IA.
15.
presentadas,
e Y^,
r e s p e c t i v a m e n t e , p e l a s a m o s t r a s X^^ X^, ...3 X^
...j
y ^ . Se c o n s i d e r a r m o s como Hî
= P^,
de
s e e s p e r a r , numa c l a s s i f i c a o c o n j u n t a d a s o b s e r v a e s X> e
Y q u e
e l a s s e d i s t r i b u a m c a s u a l m e n t e , nao havendo
t i z a o de p o s i o e n t r e
sistema-
elas.
1.4.18 - Distribuio livre

Uma e s t a t s t i c a
possveis arranjos na classificao
teremos o s s e g u i n t e s
conjunta
d a s q u a t r o ob-
servaes:
d i s t r i b u i o n u l a nao depende da p o p u l a o
Assim,
a d i s t r i b u i o da e s t a t s t i c a
sua
Wy
do exemplo
livre,pois
ela in-
X e Y.
Ura t e s t e e s t a t s t i c o , de n v e l de s i g n i f i c n c i a a ,
liVre
quando a p r o b a b i l i d a d e
X X Y Y
/ip, a d m i t i d a v e r d a d e i r a , e i g u a l a a ,
X Y X Y
populao
X Y Y X
se
bsica.
depende d a d i s t r i b u i o b s i c a d a s o b s e r v a e s
de distribuio
livre
c i t a d o no i t e m 1 . 4 . 1 7 , e uma d i s t r i b u i o
A s s i m , s e a d m i t i r m o s m=2 e n'"2,
de r e j e i o de
independentemente
da
bsica.
1.4.19 - Distribuio simtrica
X X Y
A d i s t r i b u i o de uma e s t a t s t i c a
Y X Y X
tds e l e s igualmente provveis
com p r o b a b i l i d a d e
uma e s t a t s t i c a
p " l / 6 pa-
correspondente
a soma d a s o r d e n s a t r i b u d a s a Y em c a d a um d o s a r r a n j o s , obteremos a s e g u i n t e d i s t r i b u i o n u l a p a r a
e s i m t r i c a em
r e l a o a um ponto a s e :
Y Y X X
r a c a d a um. Se d e f i n i r m o s
T tem distribuio
P(T
+ x ) ~ P(T < a - x) .
A s s i m , p o r e x e m p l o , a d i s t r i b u i o normal e s i m t r i c a em r e l a o s u a m e d i a .
W,
1/6
1/6
5/6
1/3
4/6
1/6
2/6
1/6
1/6
m-x
m+x
F i g u r a 1.8 - D i s t r i b u i o s i m S c r i c a em r e l a o a med i a (m): V(X > m + x) = P(X < m - x).
16.
1.4.20 - Distribuio
1.4.22 - Funo emprica de distribuio
assintotica
T
A distribuio de uma estatstica
Se
assintotica,
X^, ..
X
m
quando o tamanho da amostra e i n f i n i t o . As distribuies a s sntticas sao tericas; na prtica ocorrem apenas as
ximadamente
assintticas.
Esta aproximao cresce
apvo-
a medida
populao,
e uma amostra c a s u a l i z a d a de uma
a funo emprica de distribuio ( f . e . d ) ,
para
um dado v a l o r X, e:
S(x) =
que o tamanho da amostra c r e s c e .
1.4.21 - Distribuio uniforme
onde k o nmero de observaes X^ <_ x.
E d e f i n i d a p e l a funo de densidade:
f(^)
, 1 P"^ o <
1.4.23 - Eficincia
< 1
relativa
Suponhamos d o i s t e s t e s i4 e S , com o mesmo
o f o r a do i n t e r v a l o
0; 1
significncia a e com a mesma H

t i v a do t e s t e B,
Seu grfico :
nvel
de
6 = 6 ^ . A eficincia r e l a -
em relao ao t e s t e
e dada p e l a relao:
y
"2
onde:
= tamanho da amostra r e l a t i v a ao t e s t e 4,
para uma
dada a l t e r n a t i v a ;
= tamanho r e q u e r i d o da amostra r e l a t i v a ao t e s t e B,
o
para se alcanar o mesmo poder o b t i d o com o t e s t e
A p a r a a dada a l t e r n a t i v a .
F i g u r a 1 . 9 - Representao g r S f i c a
da
distribuio
uniforme.
Assim, se temos, p o r exemplo,
para um mesmo nvel a
de significncia;
E s t a distribuio tambm denominada
vetangulav
dist-pibui-o
H^:
e i mais genericamente d e f i n i d a como S segue:
Teste A
f(x)
b-a
H : e = 8,
= 40
para a < x < b

Teste B
f o r a do i n t e r v a l o
a; b
ento, a eficincia
relativa
- 100
de B para A ser de 40% e, e v i -
dentemente de A para f, ser de 250%.
18.
1.4.24 - Tentativa de B e r n o u l l i
a) Nominal
Usa nmeros apenas como um meio de d i s t i n g u i r elemen-
uma t e n t a t i v a com apenas dois possveis r e s u l t a d o s :
tos ou suas propriedades
sucesso ou f a l h a . Assim, podemos c a r a c t e r i z a - l a por:
em d i f e r e n t e s c l a s s e s ou categori as.
Se tomamos, por exemplo,
A - realizao do acontecimento f a v o r v e l , com probabi-
uma varivel indicadora de
um evento:
lidade p;
B - realizao do acontecimento c o n t r r i o , com probabi-
q ~ \.
1 se y > X
^ I O se y < X
lidade q.
evidente que: y
estamos u t i l i z a n d o uma e s c a l a nominal.

Quando numeramos c a t e g o r i a s , por exemplo, C^, C^...^
1.4.25 - T e n t a t i v a s ou provas repetidas e independentes de Bernoul1i
C^, estamos u t i l i z a n d o uma e s c a l a nominal, pois os nmeros apenas distinguem c l a s s e s .
Descrevem um experimento onde sao r e a l i z a d a s n tenta,

b) Ordinal
t i v a s , sob as seguintes condies:

a) Cada t e n t a t i v a
ou
tem dois possveis r e s u l t a d o s :
Os nimeros so u t i l i z a d o s somente para c l a s s i f i c a r os
sucesso
elementos, numa ordem c r e s c e n t e ou decrescente
falha;
b) A probabilidade de sucesso permanece a mesma para cada
(podendo e v i -
dentemente ocorrer empates).

Quando c l a s s i f i c a m o s os alunos de uma c l a s s e , de acor-
tentativa;
c) As n t e n t a t i v a s sao independentes.
do com as notas o b t i d a s , estamos usando uma e s c a l a o r d i n a l .

Tambm u t i l i z a m o s uma e s c a l a o r d i n a l quando c l a s s i f i -
Cumpre observar que essas t e n t a t i v a s tm d i s t r i b u i -
camos: maior do que; igual
a; menor do que.
o b i n o m i a l , ou s e j a :
c ) I n t e r v a l o de medida
m = np
Envolve uma unidade de medida e contem um ponto con-
o"^ = n p q
vencional de r e f e r n c i a , que o zero.

1.4.26 - E s c a l a s de medidas
Nos
tes e s c a l a s :
t e s t e s nao-parametricos sao empregadas as seguin-
A grandeza entre duas
medidas pode ser expressa como um mialtiplo ou submltiplo da

unidade
considerada.
Um exemplo clssico e o da medida de temperaturas.
20.
21.
d) Relao de medidas
Leva em c o n t a a ordem, o i n t e r v a l o e a relao e n t r e
duas medidas.
Se dizemos que e s t a q u a n t i d a d e e trs Vezes
aquela,
estamos u t i l i z a n d o uma e s c a l a de relao de medidas.

E s t a e s c a l a tem tambm uma unidade de medida e o pon't o de referncia
zero,
mas e s t e nao e c o n v e n c i o n a l ; e uma
medida n a t u r a l .
Talvez s e j a e s t a a mais u s u a l das e s c a l a s . Seu empre^
2. TESTES APLICVEIS A UMA AMOSTRA
go se v e r i f i c a em medidas de: peso, a l t u r a , r e n d i m e n t o s , e t c .
2.1 - Teste Binomial

2.1.1 - General idades
o t e s t e b i n o m i a l e a p l i c a d o a amostras p r o v e n i e n t e s
de populaes c o n s i s t i n d o de somente duas classes (dados d i cotmicos), como p o r exemplo: sim^ nao; ferte^s^
teis;
nao fr-
machos, fmeas, e t c .
Observa-se, p o i s , que os dados c o n s t i t u e m o r e s u l t a ,
do de p t e n t a t i v a s r e p e t i d a s de B e r n o u l l i , com propores
e
= 1 - p, para as duas c l a s s e s r e s p e c t i v a m e n t e ,
2.1.2 - Pressuposies
a) O r e s u l t a d o de cada t e n t a t i v a e c l a s s i f i c a d o como 8uaesso
ou como
falha;
b ) A p r o b a b i l i d a d e p de euoesso permanece
t e n t a t i v a para t e n t a t i v a ;
c) As n t e n t a t i v a s so independentes.
2.1.3 - Mtodo
Consideremos:
i n a l t e r a d a de
23.
22.
B = numero de s u c e s s o s n a s n
- n P,
tentativas.
E s t a varivel tem distribuio b i n o m i a l , com parmet r o s n e p.
v e r d a d e i r a , B* fl 71/(0.1),
Se H
p
= v a l o r conhecido,
onde O <
P a r a t e s t a r m o s , ao nvel a de
a ) H^: p =
vs
H^: p > p^
r e j e i t a m o s ff^, s e S ^
N e s t e c a s o , os t e s t e s , ao nvel a de significncia,
< 1 ,
so:
significncia:
a ) H^: p = p^
rejeitamos
onde:
vs
H^: p > p^
s e B* >^ s ^ , onde
P
e bfoL^
riy
e um l i m i t e
s u p e r i o r da distribuio
Po
vs
rejeitamos
H^: p <
p^} e um l i m i t e
rejeitamos
i n f e r i o r da distribuio b i n o m i a l ,
^0-' P ^ Po
r e j e i t a m o s H^^
respectivamente
vs
H^: p ^
cr'
B^.
H^: p^p^
s e B* >_ s ^ y ^
ou
,
^ atra-
2.1.5 - Uso das t a b e l a s

,
A T a b e l a 2 nos d ^ ^ ( ^
se B >_ b ou B <_ c, sendo os nveis p a r a h e c
> com n v a r i a n d o de 1 a 20
e p v a r i a n d o de 0,05 a 0,50. P a r a v a l o r e s de n s u p e r i o r e s
20, u t i l i z a m o s a aproximao n o r m a l j r e f e r i d a
e a^.
Neste caso, consideramos a =

a^J* a^t d e v i d o
H^: p < p^
se B* <_ vs
[ B * > 3 ~| - a
O ^
Observamos que os l i m i t e s z s a o d e t e r m i n a d o s
^
a
vs da T a b e l a 1 p a r a a distribuio n o r m a l .
ao nvel a de p r o b a b i l i d a d e .
O
vs
c ) H^: p = p^
r e j e i t a m o s H^, se B <_ a, onde:
e cfay
b ) H^: p=p^
binomial,
ao nvel a de p r o b a b i l i d a d e .
b) ô-- P -
p^
(S)
a s s i m e t r i a da distribuio.
e,
em
geral,
anteriormen-
te.
Suponhamos, a ttulo de ilustrao, n 5 e p
=0,25
A T a b e l a 2 nos d:
2.1.4
- Aproximao normal
Quando n e grande
definimos:
0,2373
0,6328
0,8965
0,9844
0,9990
1,0000
24.
25.
Assim, nas condies apresentadas

P
isto
t e m o s , por exemplo:
(B < l) = 0,6328
Cumpre o b s e r v a r
, a p r o b a b i l i d a d e de o b t e n o de no m x i m o
um
sucesso
em c i n c o t e n t a t i v a s , e 0 , 6 3 2 8 .
N e s t e c a s o , c?(0,6328
ferior,
a distribuio binomial
ou
; 5 ; 0 , 2 5 ) = 1, e o l i m i t e i n -
q u e , p a r a o c a s o e s p e c i a l depQ = 0 , 5 0 ,
s i m t r i c a em r e l a o a
t e r m i n a o do l i m i t e s u p e r i o r , usamos a s e g u i n t e
p a r a a de-
b(aj
n, p^) = ed-a,
A t t u l o de i l u s t r a o , c o n s i d e r e m o s
< 3J = 0,9844
n = 8
o [ ( 1 - a ) , n,
= 3
(1)
lado,
> ^} ' P CB > 3) "= 1 - P . B < 3 ; = 1 - ( l - a ; = a
0
o
e ento,
n,
- 4
(2)
De ( 1 ) e C2) c o n c l u m o s :
b(o.y
n, p^) = l
A f i m de i l u s t r a r
t e r a l , admitamos:
o emprego
= 0,0156 e
exemplo que
= 0,5 .
< 0 ; = p^{B ^8)
= 0,0039
P^(B
< 1 ; = PQ(B ^7)
= 0,0352
PQB
<_2)
= 0,1445
P^(B
< 3J = p ^ r s > 5 ; = 0,3633
= PQ(B
^6)
= PQ^^ -
" 0,6367
A s s i m , p o r e x e m p l o , p a r a a = 0 , 0 3 5 2 , temos:
cCa^,
Q ( l - a ) , n , p^
P^(B
Po(^
b(a,
se segue:
donde;
P^(B
n , p^} + 1
= n - a(a, n, p^)
PQ ~
temos:
outro
media
e , consequentemente:
tcnica: s u -
ponhamos a = 0 , 0 1 5 6 , e n t o 1 - ot = 0 , 9 8 4 4 . P a r a n = 5 e
F^(B
sua
< o) = P (B > n - o)
~
o
PJB
e , a = 0,6328 i o n v e l de s i g n i f i c n c i a .
Por
^ ^ ^
n/2, e ento:
Quando nao dispomos de t a b e l a s a p r o p r i a d a s
0,25,
S = O
p^) = c ( 0 , 0 3 5 2
; 8 ; 0,5) = 1 ,
e, consequentemente:
d a t a b e l a no t e s t e
bila-
i>(<^y 3 Pn^= fo(0,0352 ; 8 ; 0,5) = 7
0 , 2 3 7 3 . P e l a t a b e l a ob-
temos :
P^(B
< 0 ; = 0,2373 - cij
P^(B
> 4^ = 0.0156 =
L o g o , p a r a ?i = 5 e
= 0,25, r e j e i t a m o s
Ao i n v s de f i x a r m o s
c n c i a , mais i n f o r m a t i v o
.
se
B encontrado, o
nivet
"a p r i o r i "
o n v e l a de s i g n i f i
estabelecermos,
mtyvLmo
b a s e a d o s no v a l o r
de s-igni-ficncCa
(n.m.s.)
no
26.
27.
p^(B = .) = <p>r"
q u a l r e j e i t a r a m o s /Q, em f a v o r de H^.
Suponhamos e n t o , que p a r a
t e s t a r m o s , por exemplo, B
= 10 temos B = 2,
Para
P a r a o c a s o , p o r exemplo, de n = 2 e
= 0,40 v s H^: p < 0 , 4 0 , de con

=
f o r m i d a d e com o n o s s o r e s u l t a d o , o n.m.s. e a = 0,1673, ou se^

ja:
(0,4)'' (0,6)2 X
Se a d m i t i r m o s a v a r i v e l :
n.m.s. = P^CB ^ 2) = 0,1673
e,
= 0 , 4 , temos
1
a. = .
u
0
i
generalizando:
n.m.s.
^ v a l o r observado) =
s e a t e n t a t i v a um
s e a t e n t a t i v a uma falha
para o s 2^ p o s s v e i s r e s u l t a d o s de ( a ^ ; f ^ ^ ) ,
teremos:
P a r a o t e s t e u n i l a t e r a l : H : p > v^. temos:

n.m.s.
= PQ(^ >_ v a l o r o b s e r v a d o ) =
(aj
.
Se a d m i t i r m o s , como no exemplo a n t e r i o r , n = 1 0 , B = 8
e
= 0 , 4 0 , temos:
n.m.s. = P^(B > s; = 1 - P^(B <
(0 ; 0 )
0,36
(0 ; 1 )
0,24
(1 ; 0 )
0,24
(1 ; 1 )
0,16
= 1 - P^(B < 1)
= 1 - 0,9877 = 0,0123
.
D a i obtemos a d i s t r i b u i o
No c a s o do t e s t e b i l a t e r a l , B^: p
nula:
p ^ , temos a p r o x i ^
madaniente:
P^(B
n.m.s. = 2 min
mtrica
(a ; a )
\' 2
= x)
P^{B
^x)
(B > x)
0,36
0,36
1,00
E s t e r e s u l t a d o s 5 e x a t o quando a d i s t r i b u i o s i
0,48
0,84
0,64
(p^ - 0 , 5 ) .
0,16
1,00
0,16
2.1.6 - Distribuio nula de B

A d i s t r i b u i o n u l a de B pode s e r o b t i d a a t r a v s
termo g e r a l d a d i s t r i b u i o
binomial.
do
Observamos que x o n m e r o de
sucessos.
29.
28.
2.1.7 - Consistncia
B -h (n-B+l)
O teste binomial consistente para todas as alterna
,
/ n ,
-n
ct/zsln-B-f-i} ;2B
tivas
P >
<<
Vjn^B)
Po
- 1 - Pjn^
n~B)
onde: n = numero de tentativas;
2.1.8 - Estimativas de p
Uma estimativa consistente de p e:
B = numero de sucessos;
â/2-2(n'~B+\)
p - B/n
'2B
" ^
tabela, ao nvel a/2 e com

2(n-S +1) e 2B graus de liberda
de.
com um erro padro:
Assim, o intervalo de confiana f i c a :

n
P^(a)
Uma outra estimativa, introduzida por Hodges e Lehmann, citados por HOLLANBER e WOLFE (1973) :
p
P ^ ^
-h
/n +
2,1.9 - Intervalo de confiana para p
mtricos em relao a p.
Valores de P^(ci) e
= extremo superior do intervalo ,
Pj(a}
- extremo inferior do intervalo ,
onde, a um nvel a de probabilidade, temos:
podem ser encontrados na Ta-
Um simples exemplo, como

w = 8 e
ilustrao:
consideremos
= 6, temos:
P - 6/8 = 0,75
coeficiente de confiana (1-a), podem ser encontrados em t a -
PcrTaJ
o
PQ(^)
bela 3.
Os extremos do intervalo de confiana para p, com um

belas. Estas tabelas nos dao:
PQ(^)
Observamos que, em geral, esses intervalos so a s s i -
1/2
1/2
< p <
e, pela Tabela 3:
B
6
p^ra;
a
0,10
0,4003
0,9536
0,05
0.3491
0,9681
0,01
0,2578
0,9863
30.
31,
Se tomarmos, por
confiana
e x e m p l o , a = 0,05,
o intervalo
de
P^(H
Se f i x s s e m o s
No
c a s o de u t l 2 a r m o s
confiana
s e r a dado
m o l s t i a nao
a a p r o x i m a o normal, o
inter-
Num
s e r i a mais
a c e i t a r a m o s //^,
mo
e n s a i o de d e g u s t a o de
mote
e a s t r s r e s t a n t e s , de
d l a t i n g u e m o c a f mole
Exemplo 1
car
o g r a u de
ram
tomadas ao
apresentava
c u l t u r a de a l g o d o p a r a s e
i n f e s t a o de uma
acaso
dez
c e r t a m o l s t i a de
plantas e constatado
que
uma
a b a i x o de
f i q u e a p o s s i b i l i d a d e de
30%
que
delas
b e b i d a mote
cl
U^:
^j^;
Ento
(f! : p >
realmente
p^).
de uma
escolha casual
da
Desde que
p = 0,10
n = 8 e
n.m.s. = P^(B
0,30
0,10
10
fica:
vs
H^^: p
= 3,
> 3;
> 0,10
teremos:
= 1 - P^{B
< 3}
' 1 - P^(B
< 2)
= 1 - 0,9619
p = 0,30
vs
H^:
p < 0,30
= 0,0381
.
A s s i m , o n v e l m n i m o de
vir:
taramos
n.Ti.o.
F(B
_<
i ;
em
2, obtemos:
s i g n i f i c n c i a no
f a v o r de //^ e a = 0 , 0 3 8 1 , ou
seja,
qual
rejei-
3,81%.
Se t i v s s e m o s
Pela Tabela
demais
p = -J^ = J - =
Temos
B ^
degusta
para
se e f e t i v a r o c o n t r o l e .
10
co-
e:
a molstia controlvel, v e r i -
n =
caf tido
os degu s t a d o r e s
Neste c a s o , a p r o b a b i l i d a d e
Nosso t e s t e
Nosso t e s t e
dos
cons-
Soluo
razes,fo-
os s i n t o m a s da m o l s t i a . A d m i t i n d o - s e
infestao
verifi-
e l e s , trs c l a s s i f i c a r a m cor
r e t a m e n t e . T e s t e a hipote.se de que
Exarainando-se uma
c a f e , c a d a mesa e r a
c a f e de r o t i n a . O i t o
d o r e s foram u t i l i z a d o s e , d e n t r e
2.1.10 - Exemplos
i s to ,
controlvel.
t i t u d a de c i n c o a m o s t r a s , sendo duas d e l a s de
P(l-P)
CL/2^
a = 0,05,
Exemplo 2
por:
p z
uma
sera:
0,3491 < p < 0,9681
v a l o de
< I) = 0,1493 - 0,15
f i x a d o , por
exemplo, a = 0,1869, r e j e i -
32.
33.
taramos
se B ^2^(0,1869
b(a
; 8 ; 0,10)
, n , p^)
= cl-a
e , conforme v i m o s :
, n
, p^}
+ l
quenteraente,
b)
Se B
para 5 = 1 ,
= 8, p e l a T a b e l a
logo
fc(0,1869
; 8
; 0,10)
= (3(0,8131
; 8 ; 0,10)
aceitamos
2
H^,
vira:
P^B
< 8J = 0,9999
P^B
^S)
+ 1
= 1 + 1
= 2
e , d e s d e que
5=3,
rejeitaramos
PQ(B
<
S)
PQ(B7)
= 0,0016 .
exemplo
a ) t e s t e Hî
1:
Ento,
p = 0,30
( a ^ = 0,0106 e
v s H^:
tiva H
: p j
p ^ 0,30,
ao n v e l a = 0 , 0 3 8 8
n.m.s,
= 0,0282).
b) admitindo-se 5 = 8 ,
d e t e r m i n e o n.m.s.
para a
alterna-
Suponhamos no
80
a ) Desde que
= 0,0282, p e l a Tabela
2, p a r a n = 1 0 , t e -
mos
P^(B
Logo, o l i m i t e
outro
^ 2 mt:n(0,0016 ; 0,9999) = 0,0032 .
Exemplo 4
0,30.
Soluo
Por
= 1 - 0.9984
H^.
Exemplo 3
No
< o ; = 0,0282
inferior
c? =
razes e constatadas
p = 0,30
vs
H^:
p ^
0,30
b) H^:
p = 0,30
vs
H^:
p >
0,30
o uso da a p r o x i m a o n o r m a l e r e c o m e n d v e l ,
0.
distribuio binomial
n
; p)
= c(0,9894
; 10
+ l
; 0,30)
que,
+ 1
para
c o n t a a i n e x i s t n c i a de
p a r a n = 80.
xima da n o r m a l . E n t o p a r a
n = 80
B = 32
A s s i m , r e j e i t a m o s //
se S
> 7 ou
se B = O
e,
conse-
Po
ttmos:
Cumpre
0,30
princi-
tabelas
tambm
grandes amostras, a d i s t r i b u i o binomial
= 6 + 1
- 7
examinadas
32 d o e n t e s . T e s t e :
a ) H^:
p a l m e n t e s e l e v a r m o s em
= o i l - a^;
tivessem sido
Soluo
lado:
b
exemplo 1 que
da
observar
se
apro-
34.
35.
^ "
"
Se
bela
Po
fixarmos,
32 - 8 0 ( 0 , 3 0 )
^0
Da
^^g^ ^
3, para
>^80(0,30)(0,70)
por exemplo, a = 0,05, teremos, p e l a
n = 1 0 ,
f=lea=0,05,
P^(0,05)
P_(0,05)
= 0,4450
temos:
0,0025
Ta
1:
a
e ento, rejeitamos
Desde
b)
Tabela
Para
s e B*
q u e B*
o teste
Assim, o intervalo
>^ 1,96
ou S
= 1,95, a c e i t a m o s
confiana
para
0,0025
H^.
< p
< 0,4450
Exemplo 6
No
H^: p > 0 , 3 0
vs
confiana
temos
exemplo
para
a =
4, estime
e "determine
seu
0,05.
Soluo
Temos:
(0,05)
e ento, rejeitamos
Desde
q u e B*
Observamos
f i c n c i a , no
s e S*
qual
>^ 1 , 6 4 5 .
= 1,95, r e j e i t a m o s
que, neste
caso,
rejeitaramos
em
o nvel
favor
mnimo
de
de
H^.
signi-
80
32
=1,96
0025
seria:
Ento:
n.m.s,
= P^(B
>_l,95)
A n a l o g a m e n t e , no b i l a t e r a l ,
n.m.s.
= 0,0256
.
P
teramos:
PQCBÎ,95)
= 0,0512
e determine
seu intervalo
i 08
extremos
do
= = - = 0 , 4 0
n
80
intervalo
de c o n f i a n a
sao:
Exemplo 5
No
confiana
exemplo
para
a =
1, e s t i m e
p z
de
a/z ^
0,05.
OU
Soluo
p
e:
< -1,96.
unilateral:
H^: p = 0 , 3 0
de
= - ^ ^ - ^ = 0 . 1 0
n
10
leja
0.40
196 ^
(0,40)(0,60)
80
donde:
intervalo
de
37.
36.
P^(0,05) - 0.40 - 0,11 = 0,29
PA0,05)
CATEGORIAS
= 0.40 + 0,11 = 0,51 .
RiSTICA
2.^.^^ - Exerccios propostos

1) Adraitindo-se a proporo 3:1 em F^, da Lei de Mendel, para 80 observaes, obteve-se o seguinte resultado:
Dominante: 54
Recessivo:
26
Verifique pelo teste binomial se os dados
seguem
aquela
lei.
timo
Bom
Aparnaia
Aroma
Sabor
Textum.
Hazovel
Aceitvel
Baseados nos resultados, como poderamos c l a s s i f i c a r o pro

duto quanto a cada um dos quatro itens considerados?
2) Certo melhoramento s e r i a introduzido num bairro,se no m -
4) Numa rea cultivada com algodo foi observado que, dentre
nimo 80% da sua populao se manifestasse favorvel ao mes^
20 maas examinadas, 8 apresentavam-se atacadas pela l a -
mo. Numa consulta a 100 moradores,
garta rosada.
76 se pronunciaram a
Admitndo-se que para uma infestao acima
favor e 24 contrrios.
de 25% se deva fazer o controle qumico, verifique
a) Deveria o melhoramento ser introduzido?
cultura apresenta um estgio em que o referido controle se
b) Estime a proporo dos manifestantes favorveis
e seu
I.C. (a = 0.05).
c) Dentre os 100 moradores, ao nvel de significncia de
5%, qual o numero mnimo de votoa favorveis para a sua
introduo?
3) Numa pesquisa realizada por ANDRADE (1975) , sobre a aceitao do mandi defumado e enlatado em molho de tomate,foram feitas anlises s e n s o r i a i s , utilizando-se 10 degusta-
se a
faz necessrio.
5) Admita n = 10,f= 7 e
p > 0,40. Confronte as conclu-
ses obtidas atravs do teste binomial com aquelas
obti-
das pelo emprego da aproximao normal.

6) Apresente um exemplo em que apenas a pressuposio
2 do
teste binomial no esteja s a t i s f e i t a .

7) No problema 5, estime p e determine o seu intervalo de con-
dores, obtendo-se os seguintes resultados quanto a aparen
fiana Ca = 0,05): a) aplicando diretamente a tabela apro-
c i a , aroma, sabor e textura.
priada; b) pelo emprego da aproximao normal.

8) Formule um exemplo em que se aplica o teste binomial. Estruture o t e s t e , estime p e determine seu intervalo de con
fiana.
39.
38.
b) Se : > 2 , o t e s t e x^ n o deve s e r usado s e m a i s de 20%
2,2 - Teste de
das
2.2.1
- Algumas aplicaes
mente m o s t r a r algumas de s u a s
forem a b a i x o
s e q u a l q u e r uma d e l a s f o r i n f e r i o r a 1
P o r m o t i v o s b v i o s d e i x a r e m o s de a p r e s e n t a r a e s t r u t u r a p r o p r i a m e n t e d i t a do t e s t e de x^>
frequncias esperadas
Procuraremos t a o s o -
a p l i c a e s ao c a s o de uma amos-
Em a l g u n s
pando C\B.SSQS
esperada
c a s o s podemos c o n t o r n a r
adjacentes e, assim,
de 5 ( c i n c o ) ou
(um).
e s s e problema,grua
frequncia
E s t e t e s t e f o i i n t r o d u z i d o p o r KOLMOGOROV
(1933) pa-
em c a d a n o v a
aumentando
classe,
t r a , d i s p o s t a sob a forma de t a b e l a s kxl. I s s o s e t o r n a v i vel
s e as f r e q u n c i a s esperadas
d a s , como n o s c a s o s
2.3 - Teste de Kolmogorov-Smirnov
forem previamente e s t a b e l e c i ^
seguintes:
2.3.1
- Generalidades
a ) P r o p o r e s r e g i d a s p e l a s L e i s de Mendel;
b) Suponhamos que N e s t u d a n t e s
devam o p t a r c a d a
um
por 1
d e n t r e n d i s c i p l i n a s o f e r e c i d a s . Podemos, n e s t e c a s o , estabe^
ra
l e c e r H^: No h preferencia
ViX)
fereaias.
por qualquer
E n t o , a frequncia esperada
das disciplinas
o-
s e r i a N/n p a r a
cada
a d a p t a o de uma e s p e c f i c a
, a dados p r o v e n i e n t e s
V e r i f i c a s s e que
(.n~-'^). g r a u s
pode s e r t e s t a d a p o r um
x^
com
F(X)
, Uma a m o s t r a
Uma a p l i c a o m u i t o comum s e v e r i f i c a n o s t e s t e s de a -
d e r n c i a , ou s e j a , no a j u s t a m e n t o de uma c o n h e c i d a
e espec-
f i c a f u n o de d i s t r i b u i o a uma a m o s t r a de dados
provenien-
de uma d i s t r i b u i o que nos e d e s c o n h e c i d a
fitl.'
de uma d i s t r i b u i o
desconhecida
(gooness
of
T a l e o c a s o , p o r exemplo, d a a p l i c a o do t e s t e de n o
m a l i d a d e a uma a m o s t r a de dados de o b s e r v a o .
2.2.2
e r e t i r a d a de alguma popu-
= 2,
a frequncia
cpm F f X i p a r a v e r i f i c a r
d a r 03 dados a t r a v s d e s t a ,
admitida
a o de d i s t r i b u i o da a m o s t r a
Sua vantagem s o b r e
estabelecendo-
se razovel
como a v e r d a d e i r a f u n -
casualizada.
o t e s t e de
e que e l e pode s e r
a p l i c a d o , sem r e s t r i o , p a r a pequenas a m o s t r a s . Alem

le
estu-
disso,
t r a t a dados i n d i v i d u a l m e n t e , nao perdendo i n f o r m a e s d e -
Na m a i o r i a dos c a s o s e l e e m a i s poderoso do que o t e s t e de x^ p r i n c i p a l m e n t e
Algumas r e s t r i e s s e i m p e m ao s e u u s o :
m n i m a deve s e r ^ 5;
, ...
v i d o a a g r u p a m e n t o s , como o c o r r e no t e s t e de x^*
- Restries ao uso do teste
a) Se o n m e r o de c l a s s e s
e s p e c i f i c a alguma d i s t r i b u i o
lao cuja distribuio ^ g W desconhecida,
de l i b e r d a d e .
-se o confronto
tes
distribuio
A h i p t e s e de n u l i d a d e
classe.
c)
e bem c o n h e c i d a
esperada
no c a s o de pequenas a m o s t r a s .
40.
41.
2.3.2
- Mtodo
c)f^: F - F^ vs H^: F < F^, p a r a p e l o menos um v a l o r de X,
Consideremos:
rejeitamos
F(.X}
= proporo de v a l o r e s e s p e r a d o s
S(X)
= proporo de v a l o r e s o b s e r v a d o s <_X;
FQ(X)
<^ X\
2.3.3
- Uso das tabelas
As t a b e l a s nos dao os l i m i t e s p a r a os t e s t e s
= v e r d a d e i r a funo de distribuio de X e que nos

ral
desconhecida.
se D
bilate-
e unilaterais.
A ttulo de ilustrao, c o n s i d e r e m o s n = 3; a T a b e l a
Observemos que S(X)

buio e um e s t i m a d o r
e uma funo emprica de
de
distri-
5 nos d:
FQX).
Definimos
- Sup \ F ( X )
- S(X)
0,20
0,10
0,05
0,02
0,01
0.565
0,636
0,708
0,784
0,829
= Sup
IF(X}-
S{X}
Os nveis de significncia r e f e r e m - s e ao t e s t e
D~ = Sup [SX) - FX)]
teral;
p a r a os t e s t e s u n i l a t e r a i s ,
bila-
devemos d i v i d i - l o s por 2
(dois).
P a r a t e s t a r m o s , ao nvel a de significncia:
A s s i m , por exemplo, p a r a a = 0,05, r e j e i t a m o s Bî

a ) H Q I F = F^ VB H^: F t'F^, p a r a p e l o menos um v a l o r
X, r e j e i t a m o s
de
se D > d.
Os v a l o r e s de d s a o e n c o n t r a d o s
bilateral:
s e Z? >_ 0,708
unilateral:
se
{ D ~ ) >_0,636 .
n a T a b e l a 5, e temos
P a r a v a l o r e s de n a c i m a de 1 0 0 , podemos c o n s i d e r a r os
limites
b) H^: F = F^ vs H^: F > F ^ , p a r a p e l o menos um v a l o r

X, r e j e i t a m o s
Os v a l o r e s de
de
dos
a p r o x i m a d o s : d = k/y/n,
onde os v a l o r e s de k so d a -
pela tabela seguinte:
s e D*" >^ d^.

podem s e r o b t i d o s da T a b e l a 5, e t e -
mos :
FQ(D^
> ^; = a .
0.20
0.10
0,05
0,02
0,01
1,06
1,21
1,35
1.51
1.62
43.
42.
2.3.4 - Determinao dos supremos D, D*" e D"

Suponhamos uma amostra c a s u a l i z a d a de tamanho
- 5,
com os v a l o r e s ordenados:
= 0,28
X^ = 0,63
- 0,47
X . = 0.68
X3 =
0,54
Admitamos para c o n f r o n t o ,
funo de distribuio
uniforme:
0
para
X < 0
para
0 < X ^ 1
para
X > 1
F i g u r a 2.1 - Representao grfica de F(X)

dos extremos D, D*' e D .
Pelo grfico acima, podemos o b s e r v a r que,

SCX).
= k/5
onde k = numero de observaes X. < X
nhanas de cada ponto X , ,
S(X)
considerada
p e l o f a t o de s e r uma distribuio
c o n t i n u a , temos duas d i s t a n c i a s v e r t i c a i s
FCX.)
1
a) Processo grfico
CONOVER (1971) apresenta-nos o s e g u i n t e processo: r ^
FCXl
e SCIL
- SCX.)
1
D mxima d i s t a n c i a v e r t i c a l e n t r e FXl
e SCX);
>
v~\
) .
F(X).
Assim, no exemplo c o n s i d e r a d o , temos;
e n t r e FCX) e SCX).
Para f i n s de determinao dos supremos, em cada pononde
SCX);
= mxima distncia v e r t i c a l e n t r e FCX) e SCX) y

SCX)
- S(X,
O processo analtico permite-nos d e t e r m i n a r com maior
- mxima d i s t a n c i a v e r t i c a l e n t r e F(.X)_ e S(Xl,

>
F(X.)
1
num mesmo s i s t e m a de e i x o s coordenapreciso as d i s t a n c i a s v e r t i c a i s
a considerar, cor-
b) Processo analtico
dos e consideramos:
FiX)
nas v i z i -
respondentes, respectivamente, a
contnua,
presentamos
e SCX) 'e
to X . , consideramos
FCX.)
onde
a maior das duas diferenas:

- SCX.)
No nosso exemplo, temos:
FCX.)
- SCX.
^-\
45
44.
te de confiana (1-a) de probabilidade, devem r e c a i r os pon.
F(X.)-S{X
X.
%
F(X.)-S(X.)
tos da funo de distribuio que esta sendo pesquisada.
0.28
0,47
0,54
0,63
0,68
Para isso procedemos:

0,08
0,07
-0,06
-0.17
-0,32
0,28
0.27
0,14
0,03
-0,12
0,20
0,40
0,60
0,80
1,00
0.28
0,47
0,54
0,63
0,68
a) Determinamos, na tabela, o l i m i t e b i l a t e r a l d :
a
b) Obtemos, para cada ponto X.. os extremos:

B(XJ
= S(X.) + d
= 1.0
SXJ
+ d
se
S(XJ
+ >1
a
Dal obtemos:
D
se
= S(X.)
A(XJ
Sup
F.X)
S(X)
= 0,32
'F(X)
S(X)\
= 0,28
[S(X)
FCX
~ d
- O
se
SCX.)
se
Sup
e assim, para cada ponto X . y teremos:
- d
> O
a
S(X.) - d
<O
^
a
T
< l
X
TT -
Sup
<FAX.)
duas diferenas. Assim, por exemplo, na determinao do J) ,

consideramos em cada ponto a maior das duas diferenas. Para
o Z>~, a menor delas e. para o D. a maior em v a l o r absoluto.
Se a distribuio f o r d i s c r e t a , consideramos em cada
A ttulo de ilustrao, admitamos que. a um nvel

a = 0.05 queiramos determinar a f a i x a de confiana da verdad e i r a funo de distribuio dos seguintes dados de observaao:
X, - 23,4
1
ponto X. apenas a diferena;
2.3.5
depende da especificao de um funo F(X).
bastante considerar em cada ponto X,, apenas uma das
FiX-)
< B{X.)] = 1 - a
interessante observar que a f a i x a de confiana i n -
Observamos que, na p r a t i c a , para a construo do quadro,
[AX.)
= 0,32 .
- S(X.)
X, - 65,6
b
X^ - 29,0
X^ - 71.3
^3 "
- 45.2
^8 " ' ^
Xg - 81.2
- Faixa de confiana
As tabelas permitem-nos determinar, a. um certo nvel
A tabela 5 nos dS, para n * 10,
ct, uma f a i x a de confiana para a desconhecida funo de dis-^

tribuiao, i s t o , uma f a i x a dentro da qual, a um c o e f i c i e n -
^^(0.05)=
Ento, a f a i x a de confiana de FfX), obtida atravs dos extremos;
46.
47.
A(X.)
= S(X.) ~ 0,409
=0
no i n t e r v a l o
2.3.5 - Exemplos
[O ; 1
a esquerda do i n t e r v a l o
Exemplo 1
No caso i l u s t r a d o para a determinao dos v a l o r e s ?,
e D , se considerarmos a = 0,05, para o t e s t e u n i l a t e r a l
B(X.)
= saj
+ 0,409
=1
no i n t e r v a l o
[O ; 1
d i r e i t a do i n t e r v a l o
p a r a cada ponto X^ c o n s i d e r a d o .
rejeitamos
Graficamente temos;
se D*' >_ 0,509.
Desde que D
= 0,280, nao r e j e i t a m o s H^, i s t o , ad-
m i t i m o s que os nossos dados podem ser estudados
atravs
da
distrihuiao u n i f o r m e , dada p e l a funo de densidade:

fCx)
para
O <_ a; < 1
para
x ^
Se aplicssemos o t e s t e
H : F =
rejeitaramos
S i X ) + 0,409
0 ; 1
bilateral
vs
B^: F i F^
se D >_ 0,563,
P o r t a n t o , tambm n e s t e caso, desde que D = 0,320, no

rejeitaramos- H^,
O n,m,8. no q u a l rejeitaramos B^, s e r i a a > 0,20,
J-^ S i X )
Observamos que o t e s t e de
no se a p l i c a a ura caso
como e s t e , d e v i d o s restries j a apresentadas.
Exemplo 2
^ S i X ) - 0.409
Num e n s a i o com b a n a n e i r a s ,
r e a l i z a d o p e l o Dr, J a i r o
R i b e i r o de M a t t o s , da E,S,A. " L u i z de Q u e i r o z " , em

ba, SP, foram o b t i d o s os s e g u i n t e s pesos mdios
F i g u r a 2.2 - Representao grfica da f a i x a de confiana de
'^JX).
cacho:
Piracica-
Cera k g )
de
48.
49.
22,2
22,7
22,8
23,2
23.3
21.1
21,3
21,7
21,9
22,0
18,9
19,4
19,8
20.2
20,6
13,9
17,7
17,9
18,3
18,5
23,4
23.8
24,4
24,4
24,9
S e r i a r a z o S v e l estudar os dados atravs de uma d i s t r i ^

buiao normal de mdia m = 20,0 e varincia
= 5,25?
Soluo
Admitimos a priori
que
rX
FX)
onde f(x}
f(x)
x ~ F(x
<_ X)
e a funo de densidade da distribuio normal:

(x-20,Q)
10,50
fixl
5.74
Por outro lado.
F(X}
S(X}
13,9
17.7
17.9
18,3
18,5
18,9
19,4
19,8
20,2
20,6
21.1
21,3
21,7
21.9
22.0
22,2
22.7
22,8
23,2
23,3
23,4
23,8
24,4
24,9
0,004
0,169
0.179
0,230
0,256
0,316
0,398
0,465
0,536
0,602
0,684
0,715
0,770
0,794
0.808
0,831
0,881
0,889
0,919
0,925
0,930
0.952
0,972
0,984
0.040
0,080
0,120
0.160
0,200
0.240
0,280
0.320
0.360
0.400
0,440
0,480
0,520
0,560
0,600
0,640
0,680
0.720
0.760
0,800
0.840
0,880
0,960
1,000
F(X)~S(X)
0,036
0,129
0.099
0,110
0.096
0.116
0,158
0.185
0,216
0,242
0,284
0,275
0,290
0,274
0,248
0,231
0,241
0,209
0,199
0,165
0.130
0.112
0.092
0,016
D = 0.290
S(J).
25
onde ?c o nGmero de observaes
Com n 25 e a = 0,05, a Tabela 5 nos d para o t e s -
X.
Admitindo ^Q(-X} a v e r d a d e i r a funo de distribuio.
te
bilateral:
o nosso t e s t e f i c a ;
B :F =F
0
^0^^ - 0.0264) - 0,05

0
vs
H :F ^F
a
i s t o . d = 0,264.
No nosso caso, tivemos D - 0,290;
Assim, podemos organizar a seguinte t a b e l a :
rejeitamos fiou
seja:
consequentemente,
nao e razovel para os nossos dados
admitir
X. n /l?(20.0 ; 5.25) .
tf
51.
Graficamente temos:
Exemplos de Aplicao em Distribuio de Frequncias

Embora no t e s t e de Kolmogorov-Smrnov
se considerem
os dados i n d i v i d u a l m e n t e , podemos a i n d a apIic-lo
quando as
observaes esto e s t r u t u r a d a s numa distribuio de frequnc i a s . D i s t i n g u i m o s d o i s casos, conforme i l u s t r a d o a s e g u i r .

I caso: cada c l a s s e i formada p o r um v a l o r bem determi^
nado, com frequncia
T r a t a s s e de um caso u s u a l , onde a funo emprica de
distribuio $(.X) e dada p o r :
S(X.)t
e "k r e p r e s e n t a a somatria das frequncias a t e a c l a s s e i ! .
Exemplo 3
V e r i f i c a r se os dados que se seguem podem s e r e s t u d a
dos atravs da distribuio de P o i s s o n , com media m - 1,2.
X.
0
1
2
3
4
5
15
25
IQ
5
4
1
Na distribuio de P o i s s o n , de mdia
temos;
X
fix} = e
Cc-0.1,2,3....)
e ainda:
53.
52.
Exemplo 4
A'
CAMPOS (1967) apresenta as produes de 50 experimen

tos f a t o r i a i s 3^ de adubao em milho,
Estruturamos a seguinte tabela:
ro Preto, Estado de So Paulo,
realizados em Ribei-
pelo Dr. Hermano Vaz de Ar-
ruda, Pesquisador-Chefe do Instituto Biolgico do Estado
5V
X..
-l
0
1
2
3
4
5
15
25
10
5
4
1
0,3012
0,6626
0,8794
0,9661
0,9921
0,9983
Sao Paulo, e que foram reunidos em cinco grupos de dez expe-
x-
0,0512
0,0041
0,0461
0,0494
0,0088
0,0017
0,2500
0,6667
0,8333
0,9167
0,9833
1,0000
rimentos cada.
' = 0,0512
O teste e o b i l a t e r a l , cu seja:
Pela Tabela 5 , para n = 60 observamos:

n.m,s.
- P(Z) ^ 0 , 0 5 1 2 ) > 0,20
Logo, nao rejeitamos
tiisto
e,
os dados podem-ser
estudados atravs da distribuio de Poisson.

29 caso: cada classe i e representada por
Neste caso, consideramos o ponto mdio
um
intervalo.
como representativo
da classe e recamos no caso anterior.

Em virtude de considerarmos os pontos mdios de clas_
se, o teste e apenas aproximado, isto e, nao tem a mesma pre^
ciso de quando tomamos os dados individualmente.
de
As
produes
medias em cada grupo foram as
que se seguem:
Grupo 1
Grupo 2
Grupo 3
Grupo 4
Grupo 5
3.725
4.032
4.300
4.096
4.635
4.304
4.085
4.723
4.416
4.421
4.674
4.508
4.656
5.278
4.960
5.044
5.040
4.826
4.912
5.188
5.026
5.321
5.533
5.625
5.480
5.526
5.176
3.698
3.400
3.962
4.376
4.286
3.748
4.386
4.152
4.084
4.856
5.016
4.722
5.238
4.757
5.056
5,458
5.498
5.220
5,432
5,252
4.928
5.682
5.239
5.373
5,863
5.435
5.846
3.825
4.261
4.092
3,794
4.367
4.448
3.548
4.170
4.918
4.855
5.130
5.293
4.888
5.170
5.136
5.012
5.648
5.239
5.158
5.274
5.505
5.246
5.532
5.584
5.615
5.827
5.625
4.118
4.268
4.375
4.665
4.558
4.568
4.350
4.892
4.828
5.042
5.078
5.068
4,745
5.110
5.165
5.378
5.258
5.208
5.600
5.358
6.058
4.975
6.148
5,960
5.272
6.055
5,728
2.990
3.268
3.361
3.658
3.640
3.314
3.580
3.701
3.588
4.488
4.440
4.454
4.432
4.517
4,456
4.650
4.738
4.975
4.672
5.010
4.926
4.782
5.070
4.956
5.167
5.090
5.540
55.
54.
Para n = 135. e considerando o t e s t e b i l a t e r a l , a Ta
V e r i f i q u e , p e l o t e s t e de K o l m o g o r o v - S m i r n o v , s e r a z o v e l e n q u a d r a r os dados numa d i s t r i b u i o n o r m a l ,
d i a m " 4.000 e v a r i n c i a
com
me-
b e l a 5 nos da:
= 5.400.000.
Soluo
d
Organizemos uma d i s t r i b u i o
c l a s s e s , considerando
Consideremos
de f r e q u n c i a
com
0.10
0.05
0.02
0,01
Q,091
0.104
0,116
0,130
0,139
12
Portanto,
o ponto m d i o da c l a s s e i .
ainda:
n.w.s. < 0,01

X.
F(X.)
1
0.20
fix)
= P(X < X.) =

^
C o n c l u m o s , p o i s , p e l a n o a d e r n c i a dos dados 3 d i s -
t r i b u i o normal p r o p o s t a .
onde fix) i a f u n o de d e n s i d a d e da d i s t r i b u i o
Se a p l i c s s e m o s o x'^ o b t e r a m o s :
normal:
- 245,4
e
1
a
S(X.}
/27
n.m.8. < 0,005
135
onde fe o numero de o b s e r v a e s
2.4 - Teste de Lil]iefors
X^.
O t e s t e de Kolmogorov-Smirnov a d m i t e uma
A s s i m , organizamos a t a b e l a :
distribuio
X.
CLASSES
(2.700
(3.000
(3.300
(3.600
0.900
(4.200
(4.500
(4.800
(5.100
(5.400
(.5.700
(6.000
; 3.ooca
; 3.3001
; 3.6001
; 3.900]
4.200}
4.500]
, 4.800}
, 5.100]
; 5.400]
; 5.700]
; 6.000]
; 6.300]
1
1
6
8
9
18
16
26
25
17
5
3
2.850
3.150
3.450
3,750
4.050
4.350
4.650
4.950
5.250
5.550
5.850
6.150
F(X.)
SiX.)
0,310
0,356
0,405
0,456
0,508
0,556
0.610
0,659
0,705
0,749
0,788
0,822
0,007
0,015
0,059
0.119
0,185
0,318
0.437
0,630
0.815
0,941
0,978
1.000
D = 0,397
fa)-s{x)
0,310
0,349
0,390
0,397
0,389
0,371
0,292
0,222
0.110
0.192
0.190
0.178
funo
de
e s p e c f i c a , com media e v a r i n c i a c o n h e c i d a s .
Para s e t e s t a r normalidade, L I L L I E F O R S (1967)
intro-
d u z i u uma m o d i f i c a o no t e s t e de Kolmogorov-Smirnov a m p l i a n
do o s e u u s o a o s c a s o s
em que a m e d i a e a v a r i n c i a
previamente e s p e c i f i c a d a s , mas, s i m ,
estimadas
dados da a m o s t r a , ou s e j a ;
n
n
n
l
(x. ~ m}^
n o so
a t r a v s dos
57
56.
Soluo
e obtemos a varival r a d u z i d a
X. - m
^
8
Preliminarmente calculamos:
'
Eatruturamos o t e s t e , analogamente
-^=1,2,...,^
.
= 5 2 8 ^ ^ 21,13
n
ao de Kolmogorov-
25
-Stnlrnov, a p a r t i r dos Z., ao invs da varivel o r i g i n a l .

l
Cumpre o b s e r v a r que, m u i t a s vezes a amostra, s a b i d a -
(x. - m)^
s2 ^
mente nao tem distribuio n o r m a l , mas pode-se v e r i f i c a r , a-
_ 6.8856
n ' l
Craves do t e s t e de n o r m a l i d a d e , se s e r i a razovel e s t u d a r os
s ^ 2,624
dados atravs da distribuio n o r m a l , a d m i t i d a como nao d i s c r e p a n t e da v e r d a d e i r a distribuio que nos

i s t o ,
desconhecida;
as diferenas e n t r e a funo de distribuio normal
e ainda:
e a v e r d a d e i r a funo de distribuio sao i n s i g n i f i c a n t e s e,

consequentemente,
nao detectveis.
Em o u t r a s p a l a v r a s ,
a aceitao de
X. - 21,13
__i
'
Z.
2,624
no s i g n i f i c a
que a distribuio padro s e j a n o r m a l , mas apenas nos i n d i c a

que e s t a e uma razovel aproximao da distribuio desconhe^
Os v a l o r e s de F(Z.} so o b t i d o s da Tabela 1 . Por outro
l a d o , temos:
cida.
Desde que a media e a varincia nao foram e s p e c i f i c a ^
das, mas s i m , estimadas atravs da amostra, os l i m i t e s super i o r e s da distribuio de D ( b i l a t e r a l ) do t e s t e de KolmogorovSmirnov no so a p r o p r i a d o s . A Tabela 6 nos da os l i m i tes
de
s u p e r i o r e s aproximados
( o b t i d o s empiricamente)
do
teste
Lilliefors.
Exemplo
A p l i q u e o t e s t e de L i l l i e f o r s aos dados do exemplo 2
do t e s t e de
Kolmogorov-Smirnov.
S(Z.)
k
t
25
Podemos, assim, o r g a n i z a r a s e g u i n t e t a b e l a :
58.
59.
N
Z
F(Z.)
S(Z .)
0,040
0,080
0,037
0.120
0,160
0,200
0,029
0,020
0,041
13,9
17,7
-2,76
0,003
-1.31
0,095
17,9
-1,23
-1,08
-1,00
0,109
0.140
18,3
18,5
jeitamos
0,055
18.9
19,4
-0,85
0.159
0,198
-0.66
0,255
0,240
0.280
0,042
0,025
19,8
20,2
-0,51
-0,35
0.305
0,363
0,320
0.360
20,6
-0.20
0,00
0,06
0.421
0.500
0,524
0,400
0,025
0,043
0,061
0.22
0,587
0.614
21.1
21.3
21.7
0.440
0.480
0,520
0.100
0,084
0,107
0,094
21,9
22,0
22,2
0,29
0,33
22,7
22,8
0.60
0,64
0,629
0.659
0.726
0,739
23,2
0.79
0.83
0,785
0.797
0,86
1,02
0,805
0,846
0,800
0,840
0,880
1.25
1,44
0,894
0.960
0,034
0,066
0,925
1,000
0.075
0.41
23,3
23,4
23.8
24,4
24,9
0,560
0,600
0.640
0,069
0,059
0,680
0,720
0,086
0,059
0,760
0,065
0,037
da
nosso
E^y
ou
caso
seja:
d-istrihuiao
d = 8up
O nosso
teste
E^
Com
\F(Z)
- S(Z}I
o
psitos
teste
do
vs
ternativa
bilateral
(D > 0 . 1 7 3 J
ser
estudados
daquele
teste.
distribuio
ordem
....
Admitindo-se
contnua
X^y
associados
d e s c o n h e c i d a F^^{X)y
/^>.
apresenta
atravs
o s mesmos
de K o l m o g o r o v - S m i r n o v ;
D a d o s X_^y X^y
obtemos
uma
uma
F ( X )y as nossas
e uma a l -
funo
de
as estatsticas
de
especfica
hipteses
i F^
funo
de
distribuio
so
y para
algum v a l o r
de
12n
2i - l
l
t=i
^ a m e d i a de 5
(i-i)
e S
, ou
seja;
In
^
0.107
Para
- 1 ^
i ^ _ 2i - 1
testarmos,
ao n v e l
In
a de
significncia:
6 nos d :
= 0.05
X.
Definimos:
rejeitamos
pro-
H^:
onde
E :
n = 25 e a = 0 , 0 5 , a T a b e l a
podem
de C r a m r - v o n M i s e s
teste
e:
F
dados
nao r e -
2.5 - Teste de Cramer-vor Mises
0,035
obtemos;
os
sendo,
norfnal.
Da
temos D - 0 , 1 0 7 . A s s i m
se D. > d , o n d e
1
a
=
60.
61.
Os l i m i t e s aproximados, da distribuio de
d,
. = 0,241
d,
. = 0,347
d,
> = 0,461
cf,
, - 0,743
so*.
Podemos organizar a seguinte t a b e l a :
(0,20)
2 i - l
(0,10)
li
In
(u,Ol)
d.
. = 1,168
Assim, por exemplo, ao nvel a ^ 0,05, rejeitamos H

se Z?j >_ 0,461.
Exemplo
-1,3
0,4
0.8
1.7
2.8
3.3
4,2
5,6
0
0,028
0,072
0,230
0,532
0,710
1
1
- 1
2n
0,063
0,188
0,313
0,438
0,563
0,688
0,813
0,938
-0.063
-0,160
-0.241
-0,208
-0.031
0,022
0.187
0,062
so dados
1.7
X, = - 1 ,
0,4
3,3
0,8
5,6
2.8
4,2
0 nosso t e s t e :
Do quadro a n t e r i o r obtemos:
V e r i f i q u e , atravs do t e s t e de Cramr-von M i s e s ,
e l e s podem s e r estudados atravs da distribuio
dada p e l
12(8)
seguinte funo de densidade:

para
f(x)
16
jeitamos ff se D, > 0,461.

Desde que
A correspondente funo de d i s t r i b u i o e;
O
i=i
P e l a t a b e l a , ao nvel de significncia a - 0,05, r e -
^(^)
2< - l
- 0,181
O 1 3: <_ 4
10
Xt-.
para
J: < O
para
O 1 ^ 1 *
20
1
para
x > 4
- 0.181.
n o rejeitamos H^,
i s t o e, i
razovel estudar os dados atravs da distribuio proposta.
Exerccios Propostos
1 - Dados:
X^ = 0.8
- 2.3
X^ = 1.8
X^ - 1.7
62.
63.
^5 = 3.3
^6
X,
= 5,5
= 5,6
X , = 4,8
V e r i f i q u e , p e l o s t e s t e s de Kolmogorov-Smirnov e
Cramr-von Mises, ao nvel a = 0,05,
se
de
os dados podem s e r
estudados atravs da distribuio dada p e l a s e g u i n t e
funo
de densidade:
1/5
fCx)
para
x e
3 . TESTES APROPRIADOS A DADOS RAREADOS
[l ; 6
Determine, ao nvel a = 0,05, a f a i x a de confiana de

de acordo com e l a , o i n t e r v a l o de confiana de^Q(3,3).
Frequentemente deparamos com casos onde
pretendemos
e s t a b e l e c e r comparaes e n t r e d o i s t r a t a m e n t o s . Nessa s i t u a o, duas a l t e r n a t i v a s devem s e r c o n s i d e r a d a s , ou sejam:
2 - Os dados s e g u i n t e s referem-se a pesos de indivduos, em

kg:
a) Os indivduos sao tomados ao acaso,

constituindo
64,5
78,3
62,5
102,8
71,8
91,8
73,4
96,5
83,0
74,0
76,7
77,8
57,0
85,5
55,1
80,4
68,0
87,0
60,0
63,2
a) Podemos a d m i t i r que X.
t r a s , e cada uma d e l a s recebe um determinado t r a t a m e n t o .

Em q u a l q u e r das duas a l t e r n a t i v a s ,
amostras independentes,
considerando
as
uma grande disperso de dados pode-
r comprometer seriamente a v a l i d a d e das concluses o b t i d a s .

A f i m de c o n t o r n a r o problema, e recomendvel, nestes casos,
Lil-
liefors .
3 - A p l i q u e o t e s t e de L i l l i e f o r s aos dados do Exemplo
do t e s t e de Kolmogorov-Smirnov.
contvol&.
b) Os indivduos sao s u b d i v i d i d o s ao acaso, em duas amos-
l il'{70,0 ; 30,0)?
b) Estude a normalidade dos dados p e l o t e s t e de
uma d e l a s um grupo
em duas amostras,
v i s a n d o i reduo da h e t e r o g e n e i d a d e ,
estruturar
os
dados
em p a r e s , onde cada elemento r e c e b e r a um dos t r a t a m e n t o s .

4
Independentemente da heterogeneidade dos dados, a pr^

p r i a n a t u r e z a do problema poder e x i g i r o seu pareamento.
O caso mais comum de pareamento o c o r r e
quando
cada
indivduo e tomado como seu prprio c o n t r o l e , c o n s t i t u i n d o o

que denominamos de py e ps t r a t a m e n t o s .
64.
65.
Em c e r t o s c a s o s , o pareamento e n a t u r a l , como quando
c o n s i d e r a m o s grupos de g m e o s , ou e n t o ,
ram
orgaos pareados
Um o u t r o
(ouvidos, pes, braos, olhos, e t c ) .
c a s o de a p l i c a o s e v e r i f i c a quando
3.1.1
preten
demos e s t a b e l e c e r um e s t u d o c o m p a r a t i v o e n t r e d o i s grupos d i s
t i n t o s de i n d i v d u o s , p a r e a d o s de c o n f o r m i d a d e com s u a s
n i d a d e s . D e n t r o de c a d a p a r o s t r a t a m e n t o s
E s t e processo
3.1 - Teste do Sinal
quando s e c o n s i d e -
afi-
so casualizados.
o T e s t e do S i n a l
Em q u a l q u e r d e s t e s c a s o s , p o d e r a m o s p e n s a r
na a p l i -
c a o do t e s t e t s d i f e r e n a s de r e s u l t a d o s de c a d a p a r . E n
t r e t a n t o , i s s o e x i g i r i a que f o s s e m s a t i s f e i t a s
d a q u e l e t e s t e , o que nem sempre o c o r r e . S I E G E L
o m a i s a n t i g o de todos o s
testes
n o - p a r a m e t r i c o s . Seu a p a r e c i m e n t o a n t e c e d e 1.710. Na r e a l i d a d e , t r a t a - s e de um t e s t e b i n o m i a l
cora
= 1/2, mas s u a v e
s a t i l i d a d e t o grande que raerece um c e r t o d e s t a q u e .
de pareamento p e r r a i t e - n o s e v i t a r q u a l q u e r i n -
f l u n c i a de f a t o r e s c o l a t e r a i s nos r e s u l t a d o s d a p e s q u i s a .
- Generalidades
Os dados c o n s i s t e m
de n p a r e s de o b s e r v a e s
(X-^YJ^
onde X. r e p r e s e n t a uma s i t u a o pr e Y. uma s i t u a o
postou
e n t o , (X .;y .) s a o p a r e a d o s de a c o r d o com s u a s a f i n i d a d e s
os o b j e t v o s d a p e s q u i s a .
as e x i g n c i a s
3.1.2
(1956) c i t a a l
guns c a s o s onde o t e s t e t nao a p l i c v e l . D e n t r e e l e s
desta
a ) Os p a r e s
camos:
- Pressuposies
(X.;Y-),
i = 1, 2,
M , s o mutuamente i n -
dependentes;
a) a s e x i g n c i a s do t e s t e nao s e coadunam com o s dados d a
b ) Tomamos como modelo
pesquisa;
b5 a s d i f e r e n a s e n t r e o s dados p a r e a d o s aao apenas
nais, isto
podemos a p e n a s a s s i n a l a r q u a l membro
p a r ma-ioT do que,
mas
de
ordionde 6 i o e f e i t o do t r a t a m e n t o ;
cada
n o podemos e s p e c i f i c a r o quanto e
c ) Os . s o mutuamente
maior;
c ) o s dados s o q u a l i t a t i v o s , e n o q u a n t i t a t i v o s .
e mais
independentes;
d) Cada e p r o v m de uma d i s t r i b u i o c o n t n u a
sariamente
N e s s e s c a s o s a a p l i c a o de um adequado t e s t e nao^-pa
rametrico
Z . a d i f e r e n a Y-~
a mesma), c u j a mediana e z e r o , i s t o
V
eficiente.
(no
ie . > 0) = V ie . < Q) ^ Xfl

t
^ 1
Podemos s u b s t i t u i r a p r e s s u p o s i o
(d),
necese,
por
outra
m a i s b r a n d a , ou s e j a :
d*)
D e n t r o de c a d a p a r , a e s c a l a de medida i ao menos o r dinal .
66.
67.
Esta pressuposio t o r n a o t e s t e mais flexvel e es-
3.1,4 - Aproximao normal
tende o seu campo de aplicao a dados q u a l i t a t i v o s .
Para grandes amostras, d e f i n i m o s :
3.1.3 - Mtodo
B -
E.(B)
Preliminarmente definimos o indicador:

,1
rz -
se
>
o;
onde, sob
4. =
O
se
7.
<
X.
e para
S * fl ^ ( 0 , 1 ) .
Desde que
Tomamos:
n
1
A.
temos:
onde S , sob ^^x 9 * 0 ,
tem distribuio b i n o m i a l com p^=
Para testarmos ao n v e l a de significncia
1/2
6=0,
^7
M/k
versus:
a)
> O
: 9
Desta f o r m a , os nossos t e s t e s f i c a m baseados na d i s -
r e j e i t a m o s U^ se B >_ n - cCa
tribuio normal e
, n ^ l/l) ,
onde cia , > l / 2 i e o l i m i t e i n f e r i o r da distribuio b i n

raiai,
ao nvel a de s i g n i f i c n c i a , com n p a r e s , e
se B <_ 0(0. ^ n , 1/2}
se B* > z
OL
significSncia,
b) /^.* 6 = ?
ou
+
rejeitamos
a de
r e j e i t a m o s F^ se 5 > n - c(a^
onde
; e > O ,
onde 3 ^ e o l i m i t e s u p e r i o r da distribuio n o r m a l , ao n v e l
1/2.
e = CJ vs
b) F : 6 < O
rejeitamos
a)
teremos:
1/2;
, n ,
< <'(a^ , n ,
= a e, geralmente,
1/2J
=
VB
rejeitamos H
ff : e < O ,
O
de B* < -z
c) FQ.- e - vs ff^: e y O ,
~ Q'/2.
r e j e i t a m o s H^ se B* > z ,
O
ou
B*
a/2
< -s
,
a/?
68.
69.
3.1.5
- Empates
onde:
Quando o c o r r e m e m p a t e s , i s t o
pares
onde
Y. = X.^
temos duas a l t e r n a t i v a s a c o n s i d e r a r :
p o r um
dos
t r a t a m e n t o s , nao h a v e n d o , c o n s e q u e n t e m e n t e , c o n t r i b u i o
dos
empates p a r a uma tomada de d e c i s o .

Suponhamos, p o r e x e m p l o , um e s t u d o c o m p a r a t i v o
de c a n a - d e - a u c a r . O s
- Estimativa de 9
Podemos e s t i m a r o e f e i t o do t r a t a m e n t o ( 6 ) , o r d e n a n do
os Z-, ou s e j a , c o n s i d e r a n d o a s e s t a t s t i c a s de ordem:
talhes
sem
d e s c a r t a r os e m p a t e s .
A e s t i m a t i v a de e i :
final.
6 = mediana d o s Z. .
N e s t e s c a s o s , devemos d e s c a r t a r o s empates e r e d e f i nir
em que Y- - X.
sobre
onde e l a s a p r e s e n t a r a m i g u a l comportamento nao i n f l u e m na e_

ciso
e o numero de p a r e s
3.1.6
1) A n a t u r e z a do p r o b l e m a e x i g e que nos d e f i n a m o s
o desempenho de duas c o l h e d o r a a
^ o numero de p a r e s em que Y. > X.;
n como s e n d o o n m e r o de p a r e s
onde Y. ^ X..
2) A c o m p a r a o e n t r e o s d o i s t r a t a m e n t o s
de
E n t o , para n par, i s t o
natureza
n - 2k, temos:
. Jk--i)
t a l , que o s empates i n t e r f e r e m na tomada de d e c i s o .

Nas
analises
s e n s o r i a i s , f r e q u e n t e m e n t e deparamos com
c a s o s ein que o s empates s o de i n t e r e s s e e devem, c o n s e q u e n temente, s e r considerados
e, p a r a n i m p a r :
n a e s t r u t u r a o do t e s t e .
A f i m de s e l e v a r em c o n t a o s , e m p a t e s , r e d e f i n i m o s
3.1.7
v a r i v e l A conforme s e s e g u e :
1
se
1/2
se
y. >
t
y. =
X
se
Y. <
Assim, a estatstica B f i c a :
X.
^
X.
- Intervalo de confiana para e
Um i n t e r v a l o de c o n f i a n a p a r a 6 , com um c o e f i c i e n t e
de c o n f i a n a
(1
a i , pode s e r o b t i d o
como s e s e g u e :
X.
a ) D e t e r m i n a m o s , a t r a v s d a T a b e l a 2:
-
o(aj2
, n , 1/2; + 1
h ) Obtemos o s e x t r e m o s do i n t e r v a l o :
2
CC }
fn+i-C ;
71.
70.
Para grandes amostras, podemos obter uma aproximao
Isto nos leva possibilidade de estruturar de diferentes maneiras o mesmo problema, chegando-se obviamente s
para C atravs da formula
mesmas concluses.
C
onde 2
a/2
c) Quando nos for mais conveniente, podemos considerar
ura limite superior da distribuio normal.

e estruturar o teste como usualmente.
3.1.8 - Algumas complementaes

HOLLANDER e WOLFE (1973) chamam-nos a ateno para;
a) A fim de testar a hiptese H : 6 = 6^, onde 9Q
O, de-
d) Este teste nao leva era considerao a magnitude das ob

servaes em cada par, mas apenas o sinal das diferenas
Z ..
terminamos
e prosseguimos com o mtodo usual empregando 2 ^ ao i n

vs de
3.1.9 - Exemplos
i:=l,2.....n
z r = z, -
Z ..
Exemplo 1
Para se testar a eficincia de um novo herbicida, no
controle de ervas daninhas, foi feito um ensaio, consideran-
Observamos que a substituio de
Z ^ por Z ^ implica
na transferencia da hiptese H^: 9 = Q para U^: 9 = 0.

Devemos entretanto alertar que, na obteno da e s t i -
do-^se dez parcelas. Em cada parcela, metade foi tratada e a

outra metade deixada
como controle, O resultado obtido f o i
o que se segue:
mativa de 6 e seu intervalo de confiana, trabalhamos com os

valores originais de Z . .
PARCELAS
PESO (g) DE ERVAS DANINHAS

Controle CX)
Tratada CY)
Ir
b) O valor B define o numero de Z . positivos. Analogamenbastante

considerarmos:
t e , podemos
definir B = numero de Z ^ < 0. Para isso e
Al =
^
y. < X.
se
se
e verificamos que
a) A'. = 1 - A.
^
b) B
- n -
1
2
3
5
6
7
8
9
10
115,4
121,0
112,3
78,7
65.6
213,5
157,5
80,7
142,8
100,3
98,4
73,6
65,9
42,1
77,2
104,0
82,8
59,4
102,6
53.7
a) V e r i f i q u e se o t r a t a m e n t o f o i e f i c i e n t e
( a = 0,0547).
b) Estime o e f e i t o do t r a t a m e n t o e seu r e s p e c t i v o i n t e r v a ^
l o de confiana ( a = 0,0214).
Observaes
1) Poderamos t e r u t i l i z a d o B , desde que tivssemos cons i d e r a d o A*. = 1 - A . .
Soluo
a) Para v e r i f i c a r a eficincia do t r a t a m e n t o , c o n s i d e r a -
Neste caso teramos r e i e i t a d o Hr.:
em f a v o r de H : 6 < O se
a
B~ >_n ' o((x , n ^ 1/1) = 10 - 2 = 8 .
mos :
= 9 e rejeitaramos H ao nvel
Assim, obteramos B
^,'6 = 0
vs
^ ; e < O
O
a
Assim, organizamos a t a b e l a que se segue.
de significncia a = 0,0547. Da mesma forma que no caso a n t e

r i o r , o n.m.s. s e r i a
> 9 ; = 0,0107
PQ{B~
PARCELAS
1
2
3
4
5
6
7
8
9
10
A.
2) Se tivssemos c o n s i d e r a d o Z. = X, - Y. poderamos t e s -
-17,0
-47,4
-46,4
-36,6
11,6
-109,5
-74,7
-21,3
-40,2
-46,6
tar:
0
0
0
1
0
0
0
0
0
e - O
Ha : 6 > 0
vs
e chegaramos a mesma concluso a n t e r i o r .

b) Com n = 10 a e s t i m a t i v a de 6 :
A T a b e l a 2 nos dS: 0(0,0547 ; 10 ; 0,50) = 2.
7(5)
(6)
(i)
Logo,
Considerando as estatsticas de ordem Z
ao nvel a " 0,0547,
-109,5
r e j e i t a m o s f^ se
<^ 2 .
No nosso exemplo, J5 = 1 e assim,

servamos que o n.m.a. no q u a l rejeitaramos
e r e j e i t a d a . Obem
favor
de
-40.2
z<^>
-74,7
z^>
z('>
-47,4
-21.3
z<'*>
-46,6
-17,0
z(^>
-46,4
z^^>
- -36,6
11.6
s e r i a a = 0,0107. Conclumos, p o i s , que o h e r b i c i d a f o i eficiente.
0=0
e ento:
-46,4 * (-40,2) _ _^3^3
2
temos:
74.
P a r a a d e t e r m i n a o do i n t e r v a l o de c o n f i a n a ,
culamos
cal-
preliminarmente,
- a(a/2 , n
a ) T e s t e // ; e = 22 v s
; 8 > 22.
O
a
b) E s t i m e 0 e s e u i n t e r v a l o de c o n f i a n a
Soluo
, 1/2) + 1
- G(0,0107 , 10 , 1/2) + 1
a) De a c o r d o com o t e s t e , r e j e i t a m o s E^: 6 - 22 s e
= 1+ 1 = 2 .
A s s i m , os e x t r e m o s do i n t e r v a l o de c o n f i a n a s a o :
= Z^^^ = -74,7
Verificamos
= Z^^^
CO em r e l a o a e s t i m a t i v a de 6.
Exemplo 2
de c a n a - d e - a c a r ,
d i o do t e r c e i r o i n t e r n d i o
tor
o comprimento m -
e de 22 cm. A d m i t i n d o e s t e como fa.
c a r a c t e r s t i c o , e querendo a v e r i g u a r s e a c a n a de um de-
terminado t a l h o pertence
v e a m o s t r a s de s e i s
a e s t a v a r i e d a d e , foram tomadas no-
colmos c a d a , o b t e n d o - s e o s s e g u i n t e s
p r i m e n t o s m d i o s do t e r c e i r o
AMOSTRAS
1
2
lj2) .
Temos:
Z.
AMOSTRAS
1
2
3
4
5
6
7
8
9
4
5
6
22,7
8
9
22,8
23,0
23,3
22,4
21,1
22,6
22,2
23,5
22,7
22,8
23.0
A Tabela
COMPRIMENTO MEDIO
Z \ = Z .
22
1.3
0,4
-0,9
0.6
0,2
1.5
0,7
0,8
1,0
A ,
1
1
0
1
1
1
1
1
1
=8
com-
internSdio.
23,3
22,4
21.1
22,6
22,2
23,5
>_n - o(a ^ n
= -17,0 .
que o i n t e r v a l o de c o n f i a n a a s s i m e t r i ^
Numa v a r i e d a d e
(a = 0,039).
2 nos d a :
(?C0,0195 ; 9 ; X/2) = 1 .
Consequentemente:
n.ffi.a. = V^(B > S; - P^CB < l i 0,0195
Poderamos
c o n c l u i r que h uma f o r t e e v i d e n c i a de que
a c a n a em q u e s t o n o d a v a r i e d a d e
considerada.
b) P a r a n = 9 . a e s t i m a t i v a de 6 dada p o r :
6=/
Por
=2
=22,7 c m .
o u t r o l a d o , ao n v e l a = 0 , 0 3 9 ,
76.
- '.'(0,0195 ; 9 ; 1/2) + 1 = 1 + 1 = 2 .
do
E n t o , os e x t r e m o s do i n t e r v a l o de c o n f i a n a s a o :
= Z^^^ = 22,2 cm
a um maior
9^ = Z^^^ = 23,3 cm .
(bilateral),
q u e , quando
os l i m i t e s
ou
n/2 - /n
supe-
seja,
rejeitamos
12 a n i m a i s
B <^n/2 - /n
leiteiras
l i z a n d o - s e duas f o n t e s d i s t i n t a s
selecionados
18
15
19
23
12
16
18
17
24
14
22
28
16
20
20
18
a ) Deve o novo m t o d o s u b s t i t u i r o a n t i g o ?
b) E s t i m e
foram p r o d u z i d a s u t i -
{A e B) de p r o t e n a .
o aumento de p r o d u o p o r empregado e o s e u
i n t e r v a l o de c o n f i a n a
Foram
q u e , c o l o c a d o s em b a i a s s e p a r a d a s , t i _
ceber
consumos d u r a n t e 30 d i a s d a s duas r a e s .
to f o r n e c e d o r ,
O resultado f o i o
seguinte:
( a = 0,0704),
4) Uma u s i n a de a c a r admite o b r i x a c i m a de 1 8 , p a r a r e
nham a s u a d i s p o n i b i l i d a d e a s duas r a e s . Foram a n o t a d o s o s
a c a n a dos f o r n e c e d o r e s ,
p a r a moagem. Da c a n a de um c e r
foram c o l e t a d a s s e t e a m o s t r a s que a p r e s e n t a r a m
os s e g u i n t e s r e s u l t a d o s ;
7 animais
consumiram m a i o r q u a n t i d a d e de r a o ;
3 animais
consumiram m a i o r q u a n t i d a d e de r a o B;
2 animais
consumiram i g u a i s q u a n t i d a d e s d a s r a e s A e
B.
E
Novo
se B >_ n/2 + /n
ou
2) Duas r a e s p a r a v a c a s
Antigo
1
2
3
4
5
6
7
8
r i o r e i n f e r i o r s a o aproximadamente
+ y/n
M T O D O S
EMPREGADO
s e u s a a a p r o x i m a o n o r m a l , com a = 0 , 0 5 ,
n/2
O r e s u l t a d o em n m e r o
m d i o d i r i o de p e a s p r o d u z i d a s f o i o que s e s e g u e :
3.1.10 - Exerccios propostos

1) Comprove, no t e s t e do s i n a l
r e n d i m e n t o na p r o d u o .
a r a o A e s t a t i s t i c a m e n t e m a i s a c e i t v e l do que
rao B I
3) Uma f i r m a submeteu o i t o de s e u s empregados a um t r e i n a mento i n t e n s i v o s o b r e um novo m t o d o a s e r i m p l a n t a d o , v i s a n -
AMOSTRA
BRIX
1
2
3
4
5
6
7
18,3
16,3
18,2
18,6
17.8
18,5
18,1
79.
78.
a) Pode este fornecedor i n i c i a r o corte de sua cana?
b) Estime 9 e seu intervalo de confiana ao nvel a =
= 0,0156.
Exemplifique com o exerccio 3.

8) Foram considerados doze casos de irmos gmeos
a fim
de v e r i f i c a r se e valido admitir que o primeiro a nascer de-
5) Vinte e quatro pacientes foram submetidos a uma
dieta
senvolve-se mais no primeiro mes. Em cada caso f o i anotado o

ganho de peso, em kg, aos 30 dias de idade, obtendo-se os se
para emagrecimento, com os seguintes resultados (kg):
guintes resultados:
PACIENTE
1
2
3
4
5
6
7
8
9
10
11
12
ANTES
DEPOIS
(X)
(Y)
83,5
95,4
80,0
90,7
87,6
91,4
103.8
88,2
75,4
86,2
93,5
110,0
80,0
95,0
81,5
90,0
83,0
85.6
90,4
86.0
77.2
82,5
90,0
104,5
PACIENTE
13
14
15
16
17
18
19
20
21
22
23
24
ANTES
DEPOIS
(X)
(Y)
70.4
75,6
85,2
84,0
96,0
81,0
77,3
108,5
97,5
89,0
93,0
95,0
72.0
71,8
80,0
84.3
91,5
76,0
80,0
96.0
95,0
82,3
88.0
92,0
a) Foi a dieta eficiente?

b) Estime 6 e seu intervalo de confiana (a = 0,05).
CASOS
19 GMEO
29 GMEO
1
2
3
4
5
6
7
8
9
10
11
12
0,72
0,47
0.51
0,59
0,97
0,87
0,36
0,72
0,65
0,48
0,93
0.87
0,43
0,33
0,49
0,59
0,85
0,80
0,40
0,74
0,62
0,46
0,70
0,78
a) Teste a hiptese de interesse,

b) Estime 6 e seu intervalo de confiana (a = 0,0386).
6) No exerccio 3, substitua um valor X- ou Y.:

a l sem alterar a concluso f i n a l ;
3.2 - Teste de Cox e Stuart para Tendncias ("Trend")
b) alterando a concluso f i n a l .
7) O que acontece com 6 quando:
a) adicionamos tres unidades a cada Z.;
b) multiplicamos cada Z. por tres;
c) descartamos os dois maiores e os dois menores valores de Z ..
COX e STUART (.1955) adaptaram o teste do sinal ao es_

tudo de tendncia ("trend") numa sequencia de dados de obser
vao.
Admitimos que uma sequencia de dados
apresenta
uma
tendncia crescente (decrescente) quando, considerados na o

dem natural em que sao observados, os ltimos tendem
a ser
81.
80.
maiores
( m e n o r e s ) do que o s p r i m e i r o s .
C o n s i d e r e m o s uma s e q u n c i a X^,
'^n
v e i s a l e a t r i a s . Procedemos a uma p a r t i o , t o m a n d o um
ANO
varivalor
1
2
3
4
5
6
7
8
9
10
k t a l que:
k - n/2
se
epar.
,
n + 1
fi -
se
- *
e impar
Formamos a s s i m , o s p a r e s
se n e m p a r , a o b s e r v a o
se
(mm)
ANO
Precipitao
11
12
13
14
15
16
17
18
19
20
125,35
127,46
118,77
98,26
126.37
148,25
112,37
156,28
96,18
162,32
(mm)
117,05
90,72
127,20
100,72
118,63
132,45
118,43
135,14
108.80
126,48
o b s e r v a n d o que
central descartada.
Definimos a v a r i v e l
A. =
(X^ ^ X-^^J^
Precipitao
V e r i f i q u e se a precipitao
indicadora:
e s t a tendendo a aumentar
ou d i m i n u i r .
a. > OJ
X^^. > X.
Tomamos: k = - y - =
res
e p r o s s e g u i m o s com o t e s t e do s i n a l , como u s u a l m e n t e .
e - O
vs
Q > Q
X,
^
a r e j e i o de
n o s l e v a r a a c o n c l u s o de que h uma t e n d e n
c i a c r e s c e n t e n a s e q u n c i a de dados
considerados.
Exemplo 1
As p r e c i p i t a e s
de j a n e i r o , nos l t i m o s v i n t e
numa d e t e r m i n a d a r e g i o , foram a s s e g u i n t e s :
. ) . Podemos e n t o o r g a n i z a r a t a b e l a que s e s e -
gue:
S e , por exemplo, o nosso t e s t e f o r :

H^:
(X.j X
= lo , e a s s i m formamos o s pa
anos,
125,35
127,46
118,77
98,26
126,37
148,25
112.37
156,28
96.18
162,32
X
lO+^
117.05
90,72
127,20
100.72
118,63
132,45
118,43
135,14
108,80
126,48
Z .=X
.-X.
-8,30
-36.74
8.43
2,46
-7,74
-15.80
6.06
-21.14
12,62
-35,84
A.
0
0
1
1
0
Q
1
0
1
0
S 4
82.
83.
Aplicando o teste
e O
O
a Tabela
2 nos
bilateral:
vs
b) E s t i m e
H
: Q ^ O
i n t e r v a l o de
c o n f i a n a ao n -
v e l a = 0,0704.
c ) Admita que
d:
e a s s i m , o n.m.s.
6 e determine seu
nos
ltimos cinco anos,
da v e r b a
destinada
a q u e l e s e t o r , 20%
f o i s u b v e n c i o n a d a p e l o Governo do
1 - PQ^^
= 0,3770
tado e apenas 80%
pelo M u n i c p i o . Frente a e s t a
"^2 '
= ^
d a d e , r e t i f i q u e ou r a t i f i q u e s u a
no
1 -' = 0,8281
qual rejeitaramos
em
f a v o r de
se
quanto d o t a o e x c l u s i v a m e n t e
vo
ria:
a = 2 ( 0 , 3 7 7 0 ) = 0,7540
9 e s e u i n t e r v a l o de
a) Neste caso
n o a p r e s e n t a m t e n d n c i a de
crescimento
ou de
reali-
anterior,
municipal. Estime
confiana
(*^/2
o no^
= 0,0352).
Soluo
C o n s e q u e n t e m e n t e , n o r e j e i t a m o s H^,
concluso
Es
i s t o e,os
dados
decrescimento.
temos
= 17 e , c o n s e q u e n t e m e n t e , k = 9.
demos e n t o o r s a n i z a r os p a r e s
^
^
t a b e l a que s e s e g u e :
(X. : X .)
% '
3+^
Po
obter
Exemplo 2
Os dados s e g u i n t e s r e p r e s e n t a m as p o r c e n t a g e n s do
a m e n t o de um
ltimos
17
ANO
1
2
3
4
5
6
7
8
9
M u n i c p i o , a p l i c a d a s no
S e t o r de E d u c a o ,
or
nos
anos:
ANO
16,4
17,3
18,6
15,6
18,4
21,6
18,4
22,3
23,0
10
11
12
13
14
15
16
17
%
21,4
19,3
17,4
22,0
21,6
25,4
24,2
26,2
X .
9+^
do melhor amparado no
perodo
considerado.
. -
A .
1
1
0
1
1
1
1
1
B 1
ser:
0
2,
~X
5,0
2,0
-1,2
6,4
3,2
3,8
5,8
3,9
0 nosso t e s t e
P
esta
21,4
19,3
17,4
22,0
21,6
25,4
24,2
26,2
16,4
17,3
18.6
15,6
18,4
21,6
18,4
22,3
A Tabela
a) V e r i f i q u e s e o S e t o r de E d u c a o do M u n i c p i o
vs
= 8 e
para
(B > 1) = PJB
6 > 0
a
Pa
'
1/2,
nos
1 I J = 0,0352
d:
.
sen
A s s i m , o n.m.s.
no
qual rejeitamos B e m
f a v o r de H
85.
84.
Neste caso temos:
a = 0,0352. Conclumos que o Setor est sendo melhor amparado nos ltimos anos.
n.m.s. = 0,6367
b) Ordenando os Z . temos:
5 = -0,05 ,
-1,2 ; 2,0 ; 3,2 ; 3,8 ; 3,9 ; 5,0 ; 5,8 ; 6,4
6^ = -1,3
A e s t i m a t i v a de 6 e dada por:
= 2,0
Conclumos que o Municpio nao e s t a
.
aumentando sua
dotao ao Setor de E d u c a o .
9 = mediana dos 2 . ^
3.3 - Teste de Mc Nemar
o t e s t e de Mc Nemar aplicado a casos onde cada e l
= 3,85
mento e tomado como seu prprio c o n t r o l e , d i s t i n g u i n d o - s e pojr

Por outro l a d o ,
C = ?(0,0352 , 8 , 1/2) + 1 = 1 + 1 = 2 .
a
t a n t o , duas situaes: antes
E n t o , os extremos do i n t e r v a l o de confiana sao:
s e s ) o c o r r i d a s em razo da aplicao de um determinado t r a t a
= Z^^^ - 2,0
= Z^^^ = 5,8
e d&poi-s.
S u t i l i z a d o para t e s t a r mudanas de c a t e g o r i a s ( c i a s
mento aos dados da amostra.

Consideramos duas c l a s s e s e duas situaes que podem
c) Considerando a verba especificamente do M u n i c p i o , o r ganizamos a nova t a b e l a , j com as porcentagens c o r r i -
ser resumidas numa t a b e l a de contingncia 2 x 2 , como se s e gue:
gidas Tios ltimos cinco anos:
X.
^
16,4
17,3
18,6
15,6
18,4
21,6
18,4
22,3
.
g+.
21,4
19,3
X7,4
17,6
17,3
20,3
19,4
21,0
Z.=X
.'X.
5,0
2,0
-1,2
2,0
-1,1
-1,3
1,0
-1.3
A.
^
1
1
0
1
0
0
1
0
B =4
DEPOIS
ANTES
(X.)
1
a +b
a +d
a + a
b +d
86.
87.
o b s e r v a d a h, ou s e j a : B = b.
D e s s a f o r m a , temos:
b
= t o t a l de i n d i v d u o s que mudaram de A p a r a B;
= t o t a l de i n d i v d u o s que mudaram de B p a r a
Verificamos
do
A.
(X-
pois,
constitudos
de
y ) onde X, r e p r e s e n t a a s i t u a o pr e Y, a
pSs.
Assim p o s s v e l obter
(A ,
pares
e s t e nada m a i s
(A , B) como p o s i t i v o s
(+) e o s p a r e s
gativos ( - ) .
2? CASO:
, (A , B), (B , A) e (B ,
= i + e > 20
N e s t e c a s o u t i l i z a m o s o t e s t e de
de
Como p r e s s u p o s i e s devemos a d m i t i r :
(X. ^ I . ) s o mutuamente
b) A e s c a l a de medida u t i l i z a d a
(B , A) como n e -
situao
B).
a) Os p a r e s
que um " T e s t e do S i n a l " , c o n d i c i o n a l , s e c o n s i d e r a r m o s o s
pares
N o s s o s dados s o ,
que n e s t a s c o n d i e s ,
, com 1 (um) g r a u
l i b e r d a d e , conforme s e s e g u e :
independentes;
(b
nominal.
- ^ ^ ) ^
v2 ^
(o ^
^ (h ~ a)^
A.
A h i p t e s e de n u l i d a d e
lementos que mudaram de c l a s s e
(H^) a d m i t e que o numero de eseja
mesmo n a s duas
h + c
Ainda n e s t e caso recamos na a p r o x i m a o
,
mudanas
X,
h i p t e s e s podem s e r e s t r u t u r a -
B - E (B)
B* =
O
^
das:
H^: P , B) = PB
, A)
normal
do
T e s t e do S i n a l , ou s e j a :
2
Dessa forma, as nossas
h + o
dire-
e s . A s s i m s e n d o , e e s p e r a d o em c a d a d i r e o
b + s
h + e
^ '
b + o
^ ~ ~
2
b + c
,
b - c
^
e
H
a
Desde que S* fl V(0 , 1 ) , (B^)^
: P(A , B) < P(B , A)

com
s e d i s t r i b u i como x^,
1 (um) g r a u de l i b e r d a d e . E n t o ,
> P(B , A)
^
P(B ^ A) .
Podemos c o n s i d e r a r d o i s c a s o s
b + a
distintos:
19 CASO: n' = b + c <^20

Neste caso
empregamos o t e s t e b i n o m i a l
(1)
CONOVER (1971) a f i r m a q u e , p a r a a s h i p t e s e s
cora
= 1/^,
i d e n t i f i c a n d o a e s t a t s t i c a B d a q u e l e t e s t e com a f r e q u n c i a
r a s , e mais p r a t i c o u t i l i z a r m o s d i r e t a m e n t e
n a l , com a a p r o x i m a o
normal.
unlate
T e s t e do S i -
88.
89.
Exemplo 1
Dois
midores
A s s i m , o n.m.s.
supermercados d i s p u t a m a p r e f e r e n c i a dos consu-
de uma c i d a d e . Um d e l e s (A), p a r a a u m e n t a r o s e u n u -
mero d e f r e g u e s e s , l a n a uma campanha p u b l i c i t r i a ,
atravs
Podemos e n t o c o n c l u i r , a o n v e l d e 1,06Z de
tomada ao
a c a s o com 100 c o n s u m i d o r e s :
Numa campanha p o l t i c a , um d e t e r m i n a d o
c o u uma s r i e d e a r t i g o s a p o i a n d o
mando o c a n d i d a t o d o o u t r o
DEPOIS DA CAMPANHA
foram observadas
numero de e l e i t o r e s
jornal
um d o s p a r t i d o s
publi-
(A) e d i f a
(B). Numa a m o s t r a d e 2 0 0 e l e i t o -
as s e g u i n t e s m u d a n a s , com r e l a o ao
entrevistados.
37
13
47
F o i a campanha
probabilidade,
Exemplo 2
res,
,^^^
.
ANTES DA
CAMPANHA
a = 0,0106.
que a campanha f o i e f i c i e n t e .
de c o n c u r s o s , com v r i o s b r i n d e s . O r e s u l t a d o no f i n a l d o c o n
c u r s o a p r e s e n t o u a s e g u i n t e s i t u a o , numa a m o s t r a
no q u a l r e j e i t a r a m o s
DEPOIS DOS ARTIGOS
ANTES DOS
ARTIGOS
eficiente?
83
47
18
52
Soluo
A t a b e l a d e c o n t i n g n c i a n o s a p o n t a ' = 13 + 3 = 16
m u d a n a s , p o r t a n t o empregaremos o t e s t e b i n o m i a l ( T e s t e do Si^
nal).
Soluo
Neste caso
Consideremos para aquele

vemos
Os a r t i g o s i n f l u e n c i a r a m o s e l e i t o r e s ?
t e s t e , B fc = 3 . E n t o , de_
teioos K ' - 47 + 18 6 5 ,
O nosso t e s t e
ser:
testar
H^: P(A , B) = P(B , A)
n^: P(A , B) = F(B , A)
vs
vs
H^: P(A , B) / P(B , A} .
H^: P(A , B) < P(B , A).

U t i l i z a r e m o s o t e s t e de x^ ou s e j a ;
Pelo t e s t e b i n o m i a l , rejeitamos
B
se
<_c(a , n ' ^ 1/2)
Como F = 3 e n ' = 1 6 , a T a b e l a
P^(B
2 nos d :
1 3 ) = 0,0106
A Tabela
-i-
= ml
. 12.93 .
65
4 n o s dS:
PX^
> 1 2 , 9 3 ; < 0,005
90.
91.
C o n s e q u e n t e m e n t e , n.m.s.
0,005.
3.4.2
Nestas condies ,
c o n c l u m o s que os a r t i g o s i n f l u e n c i a r a m o e l e i t o r a d o , p r e j u -
- Pressuposies
a ) Os p a r e s
(X. ^ Y .) s a o mutuamente i n d e p e n d e n t e s .
^
^
^
b) Tomamos como modelo
d i c a n d o o p a r t i d o A'
Exerccio
D . = 6 + e .
^-l,2....,n ;
No i n c i o d a campanha p r i m p l a n t a o do d i v o r c i o no
c)
B r a s i l , foram e n t r e v i s t a d o s , numa i n d u s t r i a , 400 f u n c i o n r i o s ,

c h e f e s de f a m l i a s .
Nas v s p e r a s
da v o t a o do P r o j e t o
C o n g r e s s o , a q u e l e s mesmos f u n c i o n r i o s
e uma v a r i v e l
contnua,
d) Os
tem a mesma m e d i a n a .
e ) A e s c a l a de medida e , ao menos, i n t e r v a l o de m e d i d a .
foram:
3.4.3
- Mtodo
2? ENTREVISTA
if
ENTREVISTA
Consideremos os v a l o r e s a b s o l u t o s
Pr
Contra
116
Contra
PrS
ou
24
140
48
212
260
seja:
ly
S e j a O . a ordem de
Houve uma c o n s c i e n t i z a a o
D.
A.
3.4 - Teste
3.4.1
das Ordens Assinaladas {"Signed Rank Test'M
se
Y.
> X.
se
Y.
< X.
considerados
n pares
de
por WILCOXON
de
observaes
^ e o teste se b a s e i a exclusivamente
dens d a s d i f e r e n a s
(D.>0)
(D.<0)
^
positivas
D. = Y. - X. .
t
i
l
.
o. A,
(1945).
(X. , y J .
das d i -
2 . , como no T e s t e do S i n a l , i n t r o d u z i m o s o c o n c e i t o
ordem (rank)
N e s t e c a s o , ao i n v s de t r a b a l h a r m o s com o s " s i n a i s "

ferenas
D e f i n i m o s a e s t a t s t i c a T;
- General idades
teste f o i introduzido
indicadora:
1
=
Este
em o r
dem c r e s c e n t e .
dos f u n c i o n r i o s , c o n t r a o
divorcio?
das d i f e r e n a s D
n
quando c l a s s i f i c a d o s
Consideremos a v a r i v e l
Sao
com d i s t r i b u i o . s i -
mtrica.
pelo
foram novamente entre^
v i s t a d o s . Os r e s u l t a d o s d a s e n t r e v i s t a s
Cada
nas o r -
Observamos que T r e p r e s e n t a a soma d a s o r d e n s d a s d i

ferenas p o s i t i v a s
D^,
A t t u l o de i l u s t r a o v e j a m o s a t a b e l a
seguinte:
92.
93.
onde:
%
12
10
8
10
13
D.
V
3
2
5
6
12
D.
1
y.
J,
3
-2
5
-6
12
15
8
13
4
25
A.
0.
0.
7-
1
0
1
0
1
2
1
3
4
5
A.
^* g e r a l m e n t e
Quando ^ v e r d a d e i r a ,
2
0
3
0
5
- j -
t r i c a era relao a media
E s t a propriedade
te-nos
se c o n s i d e r a
^^2.
a distribuio de T e sim1''
.
nos e muito i m p o r t a n t e ,
a s s o c i a r os l i m i t e s
~ 2 ~
pois
permi-
i n f e r i o r e s aos s u p e r i o r e s , c o n f o r
me s e s e g u e :
T
As hipteses a serem c o n s i d e r a d a s s a o :
H :
e = O
H :
a
n(n
-h 1)
1 -a
Q > O
6 < O
e, c o n s e q u e n t e m e n t e :
a ) H^:
e = O v s H^:
rejeitamos
O
E s q u e m a t i c a m e n t e , podemos
6 > O
ilustrar:
se T > T
1-a
onde;
P
b)
(T > T
e O v s ff :
Cl
e < O
se
T < T
rejeitamos
1-a
} = a
1-a
onde:
P^(T
< T ) = a
c ) H^:
e = O v s ff^: 9
r e j e i t a m o s ff se
-*
(T } e s u p e r i o r (T
)
a
*^
1-a
da distribuio da estatstica T.
F i g u r a 3.1 - L i m i t e s i n f e r i o r
O
A T a b e l a 7 nos d o s l i m i t e s T
T >
1-a
ou r < T
do de 1 a 20 e c o b r i n d o
e T
para n v a r i a n
a
1-a
o i n t e r v a l o a = 0,005 at a = 0,125.
94.
95.
3.4,4 - Aproximao normal

A.
P a r a grandes amostras
rr
se
1/2
se
y.
se
y.
( n > 20) podemos tomar:
/7 (T)
O
Em c a s o s m a i s r i g o r o s o s ,
n(n + l)(2n + 1)
>
^
^
<
X.
t
X.
t
X.
^
determinao d a e s t i m a t i v a de 8 e s e u i n t e r v a l o de confiana,
conforme veremos m a i s a d i a n t e , c o n s i d e r a m o s todos os v a l o r e s
poderamos a p l i c a r
a "cor-
considerando:
(T \)
=
d e s c a r t e so f e i t o
24
reo de c o n t i n u i d a d e " ,
D..
b)
Se o c o r r e r empate e n t r e v a l o r e s a b s o l u t o s de C ,
mos p a r a c a d a
- E (T)
D.\,
a mdia d a s
ordens
toma-
que
s e r i a m atribudas a e l e s c a s o no o c o r r e s s e o empate.
/7Q(T)
Vejamos um exemplo:
onde o s i n a l p o s i t i v o p r e v a l e c e p a r a o l i m i t e
inferior
negativo para o l i m i t e superior.

Comprova-se que s e n ^ >, sob H^, T* (1 N(0 , 1 ) . N e
t a s condies, o s n o s s o s
testes
se baseiam
na
6 > O, ao nvel a de significncia
onde z
se
T"^ > z
D.
^
-5
5
5
7
10
-13
13
15
distribuio
n o r m a l . A s s i m , p a r a t e s t a r m o s , por exemplo, H^: Q = O vs H^:
rejeitamos
D.
_l
O.
5
5
5
7
10
13
13
15
2
2
2
4
5
6.5
6,5
8
1+2+3
= 2
6+7
6,5
um l i m i t e s u p e r i o r d a distribuio n o r m a l ,
a
3.4.5 - Empates
Devemos c o n s i d e r a r d o i s c a s o s
No c a s o de u t i l i z a r m o s a aproximao n o r m a l ,
ser descartados
para os q u a i s
namos T usando a s m e d i a s d a s o r d e n s e substitumos ^^(T) p o r :
distintos:
a ) Quando o c o r r e m p a r e s , n o s q u a i s X. = y . ,
estes
devem
e r e d e f i n i m o s ^T- como o numero de p a r e s

^ Y^,
E n t r e t a n t o , s e o numero de empates g r a n d e , podemos

redefinir
a varivel
i n d i c a d o r a como s e s e g u e :
determi
V(T)
n(n + i ; ( Z n + i ; 24
l
2
onde: k = numero de grupos de empates;

. = tamanho do grupo j de empates.
t .(t , ~ l) (t .
J O
3
1)
97.
96.
Assim, a t i t u l o
de i l u s t r a o , c a l c u l e m o s
VCl') no e-
(0^,
x e m p l o d a d o , p a r a os e m p a t e s . Temos
Q^, .... 0^)
k = 2
1
1
^ 1 = 1
^ 1 = 2
^1=3
^1 = ^
y(T)
= J1 _
24
{8(9)(17) -
1224
2
2
2
2
2
2
[3(2)(4) + 2(1)(3)]}
1209
- 15
24
24
50,375 .
(Ou
(Oi,
(Ou
(Ou
A d i s t r i b u i o n u l a de T e o b t i d a a t r a v s d a e q u a o
4
J
1
r a o a r r a n j o C?^. 0^,
...
. 0^),
(Ou
os 2 ^ p o s s v e i s r e s u l t a d o s pa
s o b H^,
^2 , ? 3 ; =
0 2 . '^3'' =
0 2> 0^) =
=
02 ,
( 1 , 2)
( 1 , 3)
( 1 , 4)
( 2 , 3)
( 2 , 4)
(1,
(1,
(1,
(2,
2,
2,
3,
3,
3)
4)
4)
4)
}^; - ( 1 , 2 , 3 . 4 )
02. 0 3 ,
0^,...,
O^J
1/16
1/16
1/16
1/16
1/1^
1
2
3
^
1/16
1/16
1/16
1/16
1/16
3
4
5
5
6
1/16
1/16
1/16
1/16
6
7
8
9
1/16
10
A d i s t r i b u i o n u l a de T s e r :
O.
. == nourmdeermo de
o n d e : OI
d e D.D ^-p o s i t i v o s ;
Ir
A s s i m , se considerarmos
0^) =
0^} =
C? ; =
O ) =
0 1=
(0
(0
(0
(0
(0
3
3
3
3
3.4.6 - Distribuio nula de T
T =
P^(0^,
cada grupamento
r e r com a p r o b a b i l i d a d e
A t t u l o d e i l u s t r a o , a d m i t a m o s r = 4 e v i r a :
ocor
0
1
2
3
4
5
6
7
8
9
10
(T = X)
0,0625
0,0625
0,0625
0,1250
0.1250
0,1250
0,1250
0,1250
0,0625
0,0625
0,0625
P'CT
0
> X)
1,0000
0.9375
0,8750
0.8125
0,6875
0.5625
0,4375
0,3125
0.1875
0,1250
0,0625
P^(T
X)
0.0625
0.1250
0,1875
0.3125
0,4375
0,5625
0.6875
0,8125
0,8750
0,9375
1.0000
99.
98.
Observamos que, p e L a p r o p r i e d a d e
T >
de
a) Processo analtico
simetria.
HILJLAI
Determinamos, p e l a T a b e l a
_ X
^0
3.4.7 - Estimativa de e
Neste
Para a sua determinao u t i l i z a m o s o seguinte
< T <
a
7, um v a l o r
^ ^' - C
proces^
= 1 + r
P a r a g r a n d e s a m o s t r a s , em
(C Rj^
medias:
o normal, o v a l o r
2
D. -h D ,
]^^ - JL
^
'2-
de
2) C o n s i d e r a m o s a s e s t a t s t i c a s de
w^''^
3) A e s t i m a t i v a de e e dada
t<^' = l , 2 , . . . , n
nn
Os
Watsh.
nn
+ IJ
se u t i l i z a a aproximapela expresso:
+ l)(2n
)
"
E s t e p r o c e s s o , d e s c r i t o por MOSES ( 1 9 6 5 ) ,
embora a s
v e z e s menos p r e c i s o , de m a i s f c i l e x e c u o , porque dispen^
W.
s a o c a l c u l o das A m e d i a s de Walsh que,
quase sempre, e
de-
masiadamente l a b o r i o s o .
Ento,
Sua m a r c h a a que
(n p a r ;
2
= W^^^'^^
(M^l-C
6^ ^ v'
sao:
b) Processo grfico
por:
= K
+ 1)
24
i n t e r v a l o de c o n f i a n a
(C )
= W^^<^^
1) R e p r e s e n t a m o s num
(n impar; n=2fe+lj
analtica e graficamente
se segue:
n=2k)
e i x o v e r t i c a l os v a l o r e s D.;
2) Determinamos o ponto mfidio
(C)
e n t r e o maior
(Al
menor (B) dos v a l o r e s B .\
3.4,8 - Intervalo de confiana para 0

Podemos d e t e r m i n a r
que
pode s e r o b t i d o
extremos do
ordem:
Q = mediana dos
,
a/2
onde os f/- s o denominados medi-as
^('\
= 1 - a
caso.
so:
1) Calculamos M =
t a l que
inter-
v a l o de c o n f i a n a p a r a 6 , a ura c o e f i c i e n t e de c o n f i a n a ( 1 - a )
3) A p a r t i r de C,
t r a a m o s uma
l i n h a h o r i z o n t a l de
quer comprimento e demarcamos n e l a ,

ponto ! ) %
qual-
arbitrariamente,um
101.
100.
4) Traamos o t r i a n g u l o
5) A p a r t i r
e,
ABD;
(corresponden-
e , . = h'*'^^ = 4,0
Determinao grfica:
s M m e d i a s ) ;
Conforme podemos o b s e r v a r p e l a F i g u r a 3.2,
6) O extremo s u p e r i o r do i n t e r v a l o
contadas
de c a d a ponto Z?., traamos p a r a l e l a s aos l a -
dos AD e BD obtendo a s s i m M interseoes

tes
= i^^^' = -1,4
ser a
interseao,
h o r i z o n t a l m e n t e de cima p a r a b a i x o ;
7) O extremo i n f e r i o r
do i n t e r v a l o ser a C
c o n t a d a s h o r i z o n t a l m e n t e de b a i x o p a r a
8) P a r a d e t e r m i n a r
tante r e f e r i - l a s
Vejamos um exemplo i l u s t r a t i v o .
o b t e r g r a f i c a m e n t e a e s t i m a t i v a de e; b a s t a l o c a l i z a r m o s
interseao,
cima;
interseao c o r r e s p o n d e n t e a m e d i a n a dos W., Na n o s s a i l u s .

(8)
^
_
traao, s e r i a a W
, ou s e j a ,
a o i t a v a interseao de c i m a
p a r a b a i x o , e, n e s t e c a s o p a r t i c u l a r , c o i n c i d i r i a
os v a l o r e s d e s s a s interseoes,
escala vertical
vel
poss-
bas-
to
com o pon-
Cy O U s e j a :
considerada.
C o n s i d e r e m o s as d i f e
renas
D^: -3.4 ; -2,2 ; 0,8
; 2,4
; 4,0
A n a l i t i c a m e n t e , obtemos as M = 15 m e d i a s W-,
que j
ordenadas sao:
-3.4
-0,5
1,6
-2,8
0.1
2,4
-2,2
0,3
2,4
-1,3
0,8
3,2
-0,7
0,9
4,0
Por o u t r o l a d o , obtemos:
?
e a i n d a , admitindo
C = l
ot
= W^^^ = 0,3
a = 0,062
+ T . = l
a/2
+ T
=1
+ 0 = 1
0.031
donde:
Figura
3.2 - Determinao grfica do i n t e r v a l o de con

fiana de 8, r e f e r e n t e ao T e s t e das Ordens A s s i n a l a d a s .
102.
103.
3.4.9
a) Para
3.4.10 - Exemplos
- Algumas complementaes
testarmos
onde
a hiptese H : 6 =
^ 0> con-
Exemplo 1
NQUER ( 1 9 6 6 ) , e s t u d a n d o a p r e v a l n c i a de o^^l-uso nor
sideramos
D'. =r D. - 9^
^
t
O
(i
=1,2,...,n)
e p r o s s e g u i m o s com o m t o d o u s u a l , empregando
ao i n v s de
mal
segundo a i d a d e e o s e x o , com e s c o l a r e s do Grupo B a r o do
R i o B r a n d o , em P i r a c i c a b a , S P ,
o b t e v e os s e g u i n t e s
resulta-
dos :
D.,
Entretanto, para a determinao
da e s t i m a t i v a de 9 e
s e u i n t e r v a l o de c o n f i a n a , u t i l i z a m o s os D. o r i g i n a i s .
b) E s t e t e s t e i n s e n s v e l
v a d o s , p o i s l e v a em c o n t a
renas
m a g n i t u d e dos v a l o r e s
somente o s i n a l
IDADE
Masculino
obser-
e a ordem d a s d i f e ^
7,0
7.5
8.0
8,5
9,0
9.5
10.0
10.5
11.0
11.5
12.0
D^.
c ) Podemos e s t r u t u r a r a e s t a t s t i c a T , d e s d e que d e f i n a mos
pu
se
D. < O
se
Z), > O
PORCENTAGEM DE O C L U S O NORMAL
^
(X)
8,7
18,6
8,0
12,9
10,9
13.4
11,9
14.3
20,0
14.4
F e m i n i n o (Y)
7,7
9,6
' 16,0
13,4
9,6
13,0
23,7
6,2
9,6
13,8
15.1
6.6
seja:
a) V e r i f i q u e s e h a i n f l u e n c i a de s e x o n a
Desta forma, T
v e r i f i c a m o s que:
de
o c o r r n c i a de o c l u s o n o r m a l ;
r e p r e s e n t a a soma d a s o r d e n s c o r r e s -
b) Estime
p o n d e n t e s s d i f e r e n a s n e g a t i v a s Z?^ .
Facilmente
porcentagem
6 e s e u i n t e r v a l o de c o n f i a n a
= 0,054).
Soluo
a) O nosso t e s t e
ser:
H^: 9 = 0
vs
H^: 9 ? O
O r g a n i z a n d o c o n v e n i e n t e m e n t e os d a d o s , temos a t a b e la
seguinte:
104.
IDADE
105.
7,0
7,5
8,0
8,5
9,0
9.5
10,0
10,5
11,0
11,5
12,0
1,0
9,0
8,0
0,5
1.3
0>A
11,8
8,1
10,4
0,6
8,5
-1,0
-9,0
8,0
0,5
-1.3
-O.A
11,8
-8.1
-10,4
-0,6
8,5
Isto nos d um indriu de que, na prtica,
0. A.
A.
0.
).
4
9
6
2
5
1
11
7
10
3
8
0
0
1
1
0
0
1
0
0
0
1
0
0
6
2
0
0
11
0
0
0
8
possvel quantificar aS diferenas pra cada par de observa-
d, o Teste das Ordens Assinaladas e mais recomendvel. As^

siiB.
T = 27
Pela Tabela 7 , para n - 1 1 , temos

P y f T < 2 0 ; - 0,139
Desde que no nosso exemplo 7 - 2 7 , conclunros;
KOS
aconselhvel o uso do teste do S i n a l , quando conhecesomente 08 sinais d a s diferenas no os seus valores.

Por outro lado, as medias de Ualsb, j ordenadas so*.
10,40
-9,70
-9,25
-9,00
-8,55
-8,10
-5,85
-5,70
-5,50
-5,40
-5,15
-5,00
-4,95
-4,80
-4,70
-4,70
-4.55
-4,35
-4,25
-4.25
-3,80
-1,30
-0,40
-0,40
-0,25
-0,25
-0,05
-0,05
0,05
0,20
0,50
0,70
1,40
-1,20
-1.15
-1,00
-0,95
-0,95
-0,85
-0,80
-0,70
-0.60
-0,50
-0,50
4,50
5,25
5,40
5,60
5.70
6,15
8,00
8,25
8,50
10,15
11,80
1,65
1,85
3,35
3,50
3,60
3,70
3,75
3,80
3,95
4,05
4.25
o que prmlte-nos obter a seguinte estimativa de 8 :
n . m . s . > 2(0,139) - 0,278 .
Nestas condies, aceitainos H^^, ou s e j a , a porcenta-
5 - y
gem de ocluso normal no sofre influencia do sexo.

Se, ao invs, tivssemos aplicado o
quando e
. -0,50
Teste do S i n a l ,
- -0,45
(-0,40)
2
teramos
Pela Tabela
7:
n - 11
B =
, = T
- 11 .
/2
G, 02 7
Consequentemente
e, pela Tabela 2:
P^(B
< 4 ; - 0,2744
donde obteramos:
n.m.s.
= 2 ( 0 , 2 7 4 4 ) = 0,5488
- l * T ,
- 1 + 1 1 - 1 2
ento
. V
(12)
^^^^^
e 65 - ^
(M*l'C }
- 4.
107.
106.
Exemplo 2
Trabalhando-se com duas variedades de cana-de-acar,
constatou-se que a variedade B produzia acima de 15X a maia
do que a variedade A, Para a comprovao de t a l resultado,fo
ram consideradas as mdias de produo (t/ha) das duas varie
dades, em dez locais d i s t i n t o s , conforme se segue:
LOCAIS
VARIEDADE -4
1
2
3
4
5
6
7
8
9
10
VARIEDADE B
75.8
84.3
78.4
81.5
85,6
68,7
70,4
79,7
78.3
83,5
93,5
100.2
95.4
98,6
102.5
80,5
73.6
93,5
94,6
105.1
1.15
AX^)
87,2
B(Y
.)
1-
D'.
^
93,5
100,2
96,9
90.2
95,4
98.6
102,5
94,9
98,4
79,0
80.5
73,5
93,5
94,6
105,1
80,1
91,6
90,0
96,0
O.A.
6,3
3,3
5,2
3,7
4,1
1,5
-5.5
6.3
3.3
5,2
3
7
3,7
4
5
1
1
1
1,9
4,6
^,1
1,5
6,5
1,9
4,6
9,1
9,1
1
9
2
6
10
1
0
1
1
1
8
3
7
4
5
T = 46
1
0
2
6
10
A Tabela 7 nos d:
PQT
>_
kb)
Portanto, o n.m,s. e a
= 0,032
Rejeitamos ^, isto
= 0,032,
e, confirmamos a maior produo da variedade B.

Chegaramos aos mesmos resultados se tivssemos
Cnfirraa-se a maior produo (15%) da
variedade Bt
Estime 6 e seu intervalo de confiana, ao nvel a 0.048.
de-
terminado, para cada l o c a l , a porcentagem da diferena em re^

laao produo A. ou s e j a :
Soluo
100
Podemos considerar as produes da variedade A acres

cidas de 15% e testar com B. Neste caso, o nosso teste f i c a :
u
e = 0
vs
Pelo mtodo usual temos:
H : e > 0
a
Neste caso, o nosso teste s e r i a :

f.:
0-15
vs
: e>
15
e tomaramos
Z) - D. - 15
^
Para a estimativa de 6 e seu intervalo de confiana,

consideramos os dados o r i g i n a i s , e obtemos os D. - 7- - X.^
109.
108.
Observamos ainda que as produes mdias das duas va
ou s e j a :
17,7
11,8
15,9
3,2
17,0
13,8
17,1
16,3
16,9
21,9
r i e d a d e s foram:
r^ 78,6 t / h a ,
?77
t/ha
17.4
17,4
17,7
17,7
18,8
19,0
19,2
19,3
19.4
19,6
21.6
O i n t e r v a l o de confiana, em termos p e r c e n t u a i s , com

plementa:
6^
= 10,4
= 17,7
13,2%
=-
22,5%

1) Um grupo de o i t o indivduos se submete a um estmulo. A
nea, em milmetros de Hg. antes e depois do estmulo. Suportam estes dados, a hiptese de que os estmulos
Para a determinao dos extremos do i n t e r v a l o de con

fiana, com a = 0,048, obtemos da T a b e l a 7:
T
j
= T
Q/2
0,02t
=8
nvel a = 0,054.
,
PACIENTE
= I + T / =9
a/2
1
2
3
4
donde,
y^^^ = 10,4
= A'
"
W^^'^ - 17,7
aumentam
presso sangunea? Estime 9 e seu i n t e r v a l o de confiana, ao
Antes
Depois
PACIENTE
e, p o r t a n t o ,
estimativa
t a b e l a que se segue, a p r e s e n t a as medidas de presso sangu-
S - / ^ ^ ^ - 16,3 .
= ft^ "
Pela
de 9 , constatamos uma vantagem de 20,7% para B,
A e s t i m a t i v a de 0 :
p r o d u z i u , em mdia, 18,1% a mais do que A.
16,7
16.7
16,8
16,9
17,0
17,0
17,0
17.0
17,0
17,1
17,3
15,4
15,4
15,8
15,9
16,1
16,3
16,4
16,4
16,5
16,6
16,6
12,8
13,8
13,8
14,0
14,4
14,4
14,4
14,8
14,8
15,0
15,4
92,8
V e r i f i c a - s e , p o i s , p e l a s produes observadas, que B
As mdias de Walsh, j ordenadas so:

3,2
7,5
8.5
9.6
9,8
10.0
10.1
10.2
10,4
11,8
12.4
ts
118
120
128
124
127
128
136
131
5
6
7
8
Antes
aj
130
136
128
140
Depois
135
138
125
136
111.
110.
2) Suponhamos q u e ,
v d u o s , de uma
ao
i n v s de
o i t o , fossem d e z o i t o
amostra c a s u a l i z a d a ,
s u b m e t i d o s ao
indi-
se
Y . > X.
.0
se
Y.
A .
estimulo,
<
X.
conforme t a b e l a s e g u i n t e :
comprove e i l u s t r e
ENTE
1
2
3
4
5
6
7
8
9
Antes
(X)
Depois
(Y)
PACIENTE
Antes
(X)
10
11
12
13
14
15
16
17
18
135
120
116
110
118
128
140
109
118
125
127
128
136
111
131
109
135
138
115
118
120
128
103
124
102
130
136
com
um
exemplo
Depois
(Y)
137
122
118
112
117
125
136
105
113
4) A d m i t i n d o
= -2,3
a) Estime
= 0,05
; 0,7
; 1,4
(ou o m a i s p r x i m o
b) Mudando D.
= 1,8
p a r a D.
e s e u i n t e r v a l o de
caso a n t e r i o r , se o estmulo
menta a p r e s s o s a n g u n e a . E s t i m e
9 e determine
i n t e r v a l o de c o n f i a n a , ao n v e l a =
b) Aplique
a " c o r r e o de c o n t i n u i d a d e "
o do r * .
5) O que
seu
a c o n t e c e r com
a menor e a m a i o r das
determina-
6) A p l i q u e
blema
3) C o n s i d e r a n d o
e 1,8
c o n f i a n a , ao n v e l a =
deste).
= 18,0,
quais
as
implica-
9? D e t e r m i n e a nova e s t i m a t i v a
confiana.
a e s t i m a t i v a de
diferenas
o T e s t e das
6 se descartarmos
D^.
Ordens A s s i n a l a d a s aos dados do pro
5 de 3.1.10.
7) C o n f r o n t e a s c o n c l u s e s o b t i d a s no p r o b l e m a 8 de
com
n
l
0.
A-
as o b t i d a s p e l a a p l i c a o
nao
T
n
l
O .(l 1
do
3.1.10
T e s t e das Ordens A s s i n a l a -
das.
8) Comprove que,
A.)
no T e s t e das Ordens A s s i n a l a d a s , quando
h e m p a t e s , o n m e r o de m e d i a s de U a l s h p o s i t i v a s , c o i n -
c i d e com
a estatstica
9) Dado
onde
; -0,3
au-
0,05.
na
; 3,6
8 e s e u i n t e r v a l o de
c o e s na e s t i m a o de
a ) V e r i f i q u e , como no
que
que
T.
m.
112.
(A. OJ
t
^
= ?(-J-) + ( ) =
2
2
d e t e r m i n e E (T) e VJT),
para o uso na a p r o x i m a o
normal.
4. TESTES DE POSIO APLICVEIS A DUAS AMOSTRAS INDEPENDENTES

4.1 - Teste da Soma das Ordens (Wilcoxon)
4.1.1
- General idades
Comumente, ao c o n f r o n t a r m o s d o i s t r a t a m e n t o s ,
so i n t e r e s s e m a i o r o de a v e r i g u a r
de um s o b r e
o outro
se existe
quanto a n a t u r e z a
superioridade
dos dados
levantados.
P a r a e s t e f i m , s o empregados os t e s t e s de post-aOy
do duas p o p u l a e s
o nos-
envolven
(Xe Y ) .
No c a s o de p o p u l a e s i n d e p e n d e n t e s ,
destaca-se
no
campo n o - p a r a m i t r i c o , p e l o s e u poder,o t e s t e de W i l c o x o n , i n
troduzido
por e s t e autor
t e d a Soma d a s O r d e n s "
em 1 9 4 5 ,
(Rank
Sim
com a d e n o m i n a o de " T e s Test).
a ) s duas a m o s t r a s s a o c a s u a l i z a d a s e i n d e p e n d e n t e s ;
b ) As v a r i v e i s
4.1.3
(X. e X .) s a o c o n t n u a s .
^
7
- Mtodo
C o n s i d e r a m o s a s a m o s t r a s X^, X^,
Y^, (m >
^2*"*
e , segundo HOLLANDER e WOLFE ( 1 9 7 3 ) , admiti^
115.
114.
c)
mo s os modelos:
: A - O vs
O
rejeitamos H
; A ? O
a
se W > W
- l-aj
ou W < W
I . = , + e
(3=1,1,,
..,n),
onde
Os l i m i t e s W
onde A r e p r e s e n t a o e f e i t o do
tratamento.
= a e, geralmente,
a
= a2 - a / 2 .
se considera
e W
sao encontrados
i-a
A aplicao dos t e s t e s
n a T a b e l a 8.
unilaterais
recomendvel
Procedemos a classificao c o n j u n t a d a s N = m + n db_

quando j a , a pri-or-, esperamos um comportamento
unidirecio-
servaes, em ordem c r e s c e n t e .
n a l de um dos, t r a t a m e n t o s
em relao ao o u t r o . Na grande maio
Definimos:
r i a dos c a s o s , nao temos prvio c o n h e c i m e n t o de q u a l dos t r a .
y-
tamentos e s p e r a d o
0.
s e r m e l h o r ou p i o r , e, c o n s e q u e n t e m e n t e ,
devemos a p l i c a r o t e s t e
onde O . r e p r e s e n t a a ordem de Y . n a
das
classificao
conjunta
Embora empregando o t e s t e b i l a t e r a l p a r a o c o n f r o n t o
de d o i s t r a t a m e n t o s A e B,
= m + n observaes.
As n o s s a s hipteses s a o
decidimos:
a) A s u p e r i o r a B, ae W. > W
H : = O
H ; A > O
h) A i n f e r i o r a
^ O
A > O
A ~
< O
a ) H^: A = O v s H^:
bilateral.
s e v' <_ i' ;

dg
c ) A no d i f e r e de B s e /
< W. < W
A l g u n s comentrios s e fazem necessrios:

1) Os v a l o r e s mnimo e mximo de W so o b t i d o s quando a v a
rivel Y- ocupa r e s p e c t i v a m e n t e as n p r i m e i r a s e a s n ltt-
r e j e i t a m o s f^ se W >_ W_^_^
J
mas posies n classificao c o n j u n t a das N observaes. T a i s
onde
v a l o r e s correspondem p o r t a n t o aos a r r a n j o s :
o
l-a
"min
yy
... :XX
... X
b) H^: A = O v s f^; A < O
"n^
rejeitamos H
se W <^W^
... A r y y ...
116.
117 .
e, consequentemente, teremos:
W . =
_ mm
j = "lIL^-H
lv'A
:=
^!
+ n + l)
1
m n(m + n +
(l)
1)
12
W
max
.
.
^ ,
= "f^"'
^ "
tem distribuio n o r m a l , com mdia zero e varincia um, ou se^
ja:
2) A media (mediana) dos possveis v a l o r e s de
_ n(m
sob
P o r t a n t o , para grandes amostras (jn e n grandes) u t i -
-t- n -h \)
me
lizamos
a aproximao n o r m a l , atravs da estatstica W*. As-
sim, para as hipteses:

3) A a m p l i t u d e do i n t e r v a l o , onde v a r i a
e:
H : = O
A , ~ W
w
max
W . = m n
tmn
rejeitamos
4) A estatstica W uma varivel d i s c r e t a .
onde z
5) Consideramos n, como o tamanho da menor amostra.
a de significncia.
6) A distribuio de V, sob ff^, e s i n ^ t r i c a em relao a

sua mdia. E s t a p r o p r i e d a d e
vs
periite-nos c o n c l u i r que:
n(m
-h n + V
- W
.'
V* > s
a
o l i m i t e s u p e r i o r da distribuio normal ao
Em casos de maior preciso recomendvel
nvel
aplicarmos
a "correo de c o n t i n u i d a d e " , atravs da f o r m u l a :

..
(W
/
se
H : > O
a
ft^ =
nm + n
2f
-f-
l)
21
In n(m + n + l)
o s e j a :
F
(W < W )
[w < n(m + n + \)
4.1.4 - Aproximao normal
12
onde o s i n a l p o s i t i v o se a p l i c a aos l i m i t e s i n f e r i o r e s
s i n a l n e g a t i v o aos l i m i t e s s u p e r i o r e s . I s t o se j u s t i f i c a adQuando m e. n tendem a i n f i n i t o , podemos comprovar que

a varivel
m i t i n d o que cada v a l o r W assumido p e l a varivel d i s c r e t a sej a o ponto mdio do i n t e r v a l o (W - ~ ; W + ^)

A ttulo de ilustrao, admitamos i 7 = 8 , >i = 4 e l v ' = '
35. O l i m i t e s u p e r i o r p e l a t a b e l a exata : i = 0,077. Pro-
US.
119.
No c a s o da a p r o x i m a o n o r m a l , alem de tomarmos a m_
cedendo-se a a p r o x i m a o n o r m a l , sem a c o r r e a o , teremos a =

= 0,063. A p l i c a n d o a c o r r e a o de c o n t i n u i d a d e
teramos
a =
d i a d a s o r d e n s dos v a l o r e s empatados, s u b s t i t u m o s V (W) p o r :
= 0,075.
P a r a a l t o s v a l o r e s de m e M a c o r r e a o
m n
V(W)
dispensvel.
N(N^ - i ; -
12/1/r/v - l)
k
I. t .(t . ~ l) (t . + l )
^=l
4.1.5 - Empates
onde:
Quando o c o r r e m empates
e n t r e v a l o r e s de
e de 7, u t i
l i z a m o s , p a r a o b t e n o do /, a media d a s o r d e n s
dos
= m + n;
'k ~ n m e r o de grupos com empates;
valores
t . = n m e r o de o b s e r v a e s no grupo '.
empatados e , como no c a s o u s u a l , tomamos

Comprovamos de i m e d i a t o q u e , quando nao o c o r r e m empa
n
tes,
W =
0.
No exemplo
Se t i v s s e m o s , por exemplo:
anteriormente
c i t a d o , s e fossemos
aplicar
a aproximao normal, teramos:

2.3
3.2
3.8
k =
1,8
2.3
2,3
3,2
e
obteramos o arranjo:
2.3
2,3
2,3
3,2
3.2
3.8
4,5
*1 = 3
m = 4
*2 = 2
n =4
portanto:
y(j^}
1.8
=-J*^
[ 8 ( 6 4 - 1 ) - (24 - 6 ) ] = 11,29 ,
12(8)(7)
e ento:
12,5 -
[i^ = 1 + 3 + 3 + 5,5 = 12 .5
Observamos que empates
= -1.64 .
e n t r e v a l o r e s de X ou e n t r e v a
l o r e s de 1 somente, nao a f e t a m o c a l c u l o da e s t a t s t i c a
bora afete a sua distribuio
nula.
4(4 + 4 + 1 )
V, em
*'ll,29
121.
120.
4.1.6 - Distribuio nula de

A f i m de i l u s t r a r
a distribuio nula de
remos m = 4 e 2. I s s o nos da
tos,
conforme se v e r i f i c a
h)
^
conside-
(w -> w )
'W < n(m
- W
c ) A distribuio de v'^ simtrica em torno da media:
= 15 possveis grupamen-
n(m
a seguir:
GRUPAMENTOS
+ n -h l )
+ n +
1)
No caso de observaes empatadas, a distribuio nu-
GRUPAMENTOS
l a de W se a l t e r a e, consequentemente, os nveis de s i g n i f i Y
Y
Y X X X X
X Y X X X
3
4
5
6
7
5
6
7
Y X X Y X X
Y X X X Y X
Y X X X X Y
X Y Y X X X
X Y X Y X X
X Y X X Y X
X Y X X X Y
X X Y Y X X
X X Y X Y X
X X Y X X Y
X X X Y Y X
X X X Y X Y
X X X X Y Y
8
7
8
9
9
10
11
cncia das tabelas u s u a i s , sem empates, sao apenas aproximados .

A ttulo de ilustrao, admitamos m = 3, n = 2, com
a
a
a 3. e a 4. estatsticas de ordem empatadas. Teremos, na s e quncia das ordens: 1 ; 2 ; 3.5 ; 3,5 ; 5. Os a r r a n j o s e os
v a l o r e s assumidos por W sao:
p
donde obtemos a distribuio:

ARRANJOS
Y Y X X X
Y X Y X X
^0
0,067
0,067
0,133
0,133
0,200
0.133
0,133
0,067
0.067
3
4
5
6
7
8
9
10
11
1.000
0.933
0,867
0,733
0,600
0.400
0,267
0,133
0.067
0,067
0.133
0,267
0,400
0,600
0,733
0,867
0.933
1.000
Na distribuio evidenciamos:
a) PQ(^
= PQ
[W = nrn
e conforme j referimos:
-f- n +
l)
Y X X Y X
Y X X X Y
X Y Y X X
ARRANJOS
X Y X Y X
3
4,5
4.5
6
5,5
X Y X X Y
X X Y Y X
X X Y X Y
X X X Y Y
5.5
7
7
8,5
8,5
A distribuio nula f i c a :
3
4.5
5,5
6
7
8.5
0,10
0.20
0,20
0.10
0,20
0.20
1.00
0.90
0.70
0,50
0.40
0.20
123.
122.
4.1.8
A s s i m , p o r e x e m p l o , s e i^ = 8,5 t e r e m o s :
P^(W
Pela Tabela
> 8,5J = 0,20
- I n t e r v a l o de confiana para A
a) Processo analtico
P a r a d e t e r m i n a r o i n t e r v a l o de c o n f i a n a p a r a A , com
8, teramos:
o c o e f i c i e n t e de c o n f i a n a 1 - a, MOSES ( 1 9 6 5 ) a p r e s e n t a a se^
PQ^^
t.
= P(W ^ 9 ; = 0,10 .
g u i n t e marcha:
Observamos q u e , s e f o s s e m o u t r a s duas e s t a t s t i c a s d e
ordem empatadas, a d i s t r i b u i o n u l a j s o f r e r i a
demonstrando assim, c l a r a m e n t e , a complexidade
alteraes,
1) D e t e r m i n a m o s
do problema.
2
l-ra/2j
a/2
4.1.7 - E s t i m a t i v a de A
2) Os e x t r e m o s
Baseados n o s m o d e l o s :
(C )
rt=i,2,...,m;
y . = A -f e
referidos
s o , e n t o , da-
dos p o r :
=
do i n t e r v a l o de c o n f i a n a
(3=1.2..
(mn+i-C
. . ,n)
Ag - U
m+3
em 4.1.3, HODGES e LEHMANN ( 1 9 5 0 ) a p r e s e n t a r a m ase_
Quando u t i l i z a m o s
a aproximao normal
tomamos:
g u i n t e m e t o d o l o g i a para e s t i m a r A, ou s e j a :
a ) D e t e r m i n a m o s as m n d i f e r e n a s d o t i p o
^
c l a s s i f i c a n d o - a s em o r d e m c r e s c e n t e ;
b ) Obtemos a s s i m , as e s t a t s t i c a s
de o r d e m :
m n(m + n
V.. = Y . - X
t3
3
1)
12
b) Processo grfico
R e p r e s e n t a m o s , num s i s t e m a d e e i x o s c o o r d e n a d o s ,
pares
c ) A e s t i m a t i v a de A :
A = m e d i a n a d o s U^'^^
(X^ , Y^).
Com uma i n c l i n a o de 4 5 t r a a m o s duas r e t a s
tais
os
q u e , a c i m a d e , o u s o b r e L ^ , se s i t u e m
pontos
ei^
e , aba^
xo d e , o u s o b r e L ^ , t a m b m se s i t u e m C p o n t o s . s i n t e r s e c 2
a ^
c o e s d e s s a s r e t a s com o e i x o v e r t i c a l ,
do i n t e r v a l o
de c o n f i a n a p a r a A-
nos do os
extremos
12A.
125.
A ttulo de ilustrao tomemos as amostras:

= 3,0
= 2,5
\ 3,8
= 3,5
^3 = 5,0
os y., atravs da adio de constantes, de modo que todos os

v a l o r e s se tomem p o s i t i v o s . I s s o f a c i l i t a a interpretao do
= 5,4
\ 5.6
Como norma g e r a l , conveniente transformar os ^. e

i
= 7.8
grfico, sem a l t e r a r as concluses.

No nosso caso temos:
e determinamos o i n t e r v a l o de confiana ao nvel a = 0,058.
y - 2*
Pr e1iminarmente obtemos as diferenas U.. - Y. - X.

Preliminarmente,
que, j ordenadas, sao:
-3,1
-2.5
-2.1
-1.5
-1.3
-0.5
-0.3
-0.2
0.4
0.5
1,6
2.2
2,4
2.8
4.0
4.8
lado. a t a b e l a nos da:

'^1-U,029 "
Ento:
C
, "(^2^ ^ " ^ 1^ _ y
+ 1
2
1-0.029
=26-25+1-2
Pelo processo analtico temos os extremos:

/<^^ - -2,5
F i g u r a 4.1 - Determinao grfica do i n t e r v a l o de con
fiana para A, no t e s t e de Wilcoxon.
~
e
=
U^''^
= 4.0 .
4.1.9 - Exemplos
Para a aplicao do processo grfico podemos, sem af e t a r o r e s u l t a d o , s u b t r a i r , por exemplo,
observado, apenas para r e d u z i r o grfico.
2.0 de cada v a l o r
Exemplo 1
Um l o t e de sementes de milho f o i tratado com um determinado produto qumico coni o o b j e t i v o de aumentar o v i g o r
127.
126.
dos
" s e e d l i n g s " . Aps o t r a t a m e n t o foram
teiros
com sementes
oito
nao t r a t a d a s e c i n c o com sementes
d a s . Duas semanas aps a germinao f o r a m

50 p l a n t a s de c a d a c a n t e i r o ,
d a s . Os p e s o s
semeados
Dai obtemos:
cantrata-
W = 51 .
tomadas, ao a c a s o .
O nosso
que f o r a m p o s t e r i o r m e n t e p e s a -
t e s t e :
H : = O
(em gramas) o b t i d o s foram os que s e seguem.
vs
; A > O
NO TRATADAS (X)
O
A T a b e l a 8 nos d a :
TRATADAS (Y)
P^(W > 5 i ; = 0,009 .

103,7
88,5
75.4
97,8
93,2
81,4
78,1
105,4
98,7
112,4
117,3
102,5
114,3
A s s i m , o n.m.s. no q u a l rejeitaramos ff^ a = 0,01,

ou s e j a ,
1%.
Podemos ento a f i r m a r que o t r a t a m e n t o f o i e f i
ciente.
A f i m de e s t i m a r o e f e i t o do t r a t a m e n t o e d e t e r m i n a r
o s e u i n t e r v a l o de confiana, organizamos
a t a b e l a das d i f e -
a ) T e s t e a eficincia do t r a t a m e n t o ;
renas
b ) E s t i m e o e f e i t o do t r a t a m e n t o e d e t e r m i n e
l o de confiana
seu interva-
U. . = Y . - X .
( a = 0,05).
Soluo
que,
As observaes permitem-nos e s t a b e l e c e r
seguinte
-6,7
-5,0
-2,9
-1,2
0,9
a r r a n j o:
xxxxxxixxxyyy
ou a i n d a
75,4
78.1
81.4
88.5
93.2
97,8
4.7
5.5
7.0
8.7
8.9
9,3
10,2
10,6
11,9
13,6
14,0
14,6
16,5
17,3
19,2
19,5
20,6
21,1
21,1
23,1
23,3
23,9
24,4
25,8
27,1
28,8
31,0
32,9
34,3
35,9
36,2
37,0
38,9
39,2
41,9
Y
102,5
Desde que m n = 4 0 , obtemos a s e g u i n t e e s t i m a t i v a do

e f e i t o de t r a t a m e n t o ;
103,7
105,4
112,4
114,3
117,3
98,7
j em ordem c r e s c e n t e , so:
.
2
19.2 . 19.5 . ,,^33 ^

2
i s t o , o t r a t a m e n t o produz um aumento de 19,35 g no p e s o de
129.
128.
V e r i f i q u e , ao nvel de significncia a = 0,052 se as
50 p l a n t a s .
Para a determinao do i n t e r v a l o de c o n f i a n a , tomamos
da Tabela
duas regies diferem quanto ao teor de fsforo.

Soluo
8:
W
1-0,029
O nosso t e s t e e o b i l a t e r a l :
= 49 .
A = O
Logo,
vs
ff
O
r
"^(^^ ^ n ^ D
; A ^ O
Procedendo a classificao conjunta das v i n t e observaes temos:
= 55 - 49 + 1 = 7
.
X
Assim, o i n t e r v a l o de confiana (ct = 0,046) temos ex

0,18
t remos:
- y
* /
0,21
0,21
0,21
^ = 5,5
= U^'^^
0,28
0.28
0,33
0,29
0.24
= 34.3
0,33
0,35
0,31
0,31
0,37
0,38
0,39
0,35
0,37
0,41
0,42
Assim temos:
Exemplo
- 85
Num
estudo sobre a determinao do teor de fsforo em
duas r e g i e s , A e B,
foram coletadas em cada uma
delas,
Ao nvel de significncia a = 0,52, a Tabela 8 nos dS:
dez
amostras de solo e procedida a determinao daquele elemento.

Os r e s u l t a d o s (e.mg/100 g de s o l o ) foram:
REGIO A
\026
REGIO B
- "
Nestas c o n d i o e , rejeitamos
0,24
0,37
0.33
0,35
0,18
0,29
0,42
0,37
0,39
0,38
0,21
0,35
0,41
0,28
0,21
0,31
0,21
0,31
0,28
0,33
W >_ 131
ou
V < 79
se
130.
131.
No n o s s o c a s o , v' = 85 e p o r t a n t o
i s t o , a s duas r e g i e s nao d i f e r e m
ro.
nao r e j e i t a m o s
H^,
Logo,
quanto ao t e o r de f s f o -
O n.m.s. no q u a l r e j e i t a r a m o s
e s t a r i a entre
a/2 = 0,0643
a^=0,106
e, c o n s e q u e n t e m e n t e , a = 0,129.
e a2=0,190.
O rum.s,
Se t i v s s e m o s u t i l i z a d o a a p r o x i m a o n o r m a l , t e r a -
ticamente
mos :
i d n t i c o ao o b t i d o
s e r i a a = 0,129, pra,
com a a p l i c a o d r e t a do t e s t e .
A p l i c a n d o a c o r r e a o de c o n t i n u i d a d e , e n c o n t r a r a m o s :
- E^W)
no q u a l r e j e i t a r a m o s
/vTwT
W = -1,48
onde:
a/2 = 0,0694
donde v i r i a
a = 0,1388.

NN^
11N(N
- l) -
k
l
t.(t. - l)(t. + I J
- l)
q u e , no n o s s o c a s o
1) E s t r u t u r e a d i s t r i b u i o n u l a de W, p a r a m = 4 e n = 3 ,
com a 4 . , 5 . e 6 . e s t a t s t i c a s de ordem e m p a t a d a s . C o n f r o n t e
com a t a b e l a u s u a l .
fica:
2) Foram f e i t a s d e t e r m i n a e s de B r i x p a r a duas
]/(^) =
. [20(400-1)
- (2A+6+6+6+6)] = 173,95
12(20)(19)
varieda-
des ( e B) de c a n a - d e - a c a r , tomando~se, p a r a c a d a uma del a s , o i t o colmos d i s t i n t o s . Os r e s u l t a d o s p e r m i t i r a m
Ento:
se-
guinte a r r a n j o :
X X X Y X X y Y X X X Y Y Y Y Y
/173,95
onde: X ~ v a r i e d a d e ^ ;
P a r a o t e s t e b i l a t e r a l r e j e i t a r a m o s // s e
A Tabela
<_ -1,52; = 0,0643
" variedade
B.
V e r i f i q u e s e a s duas v a r i e d a d e s
a/2
Brix.
1 nos d i
P^W*
diferem
quanto
ao
132.
133.
3) Dois grupos de cirurgies discutiam sobre o grau de di^
5) Dez rapazes e cinco moas se submeteram a um teste
de
ficuldade das operaes de apndice e das cezarianas. Um dos
aptido para a execuo de uma determinada funo.Foram a t r i
grupos afirmava que as cezarianas eram mais demoradas e o ou
budas notas de zero a dez a cada p a r t i c i p a n t e do t e s t e , com
t r o afirmava o contrrio- Foram ento tomados os tempos, em
os seguintes resultados:
minutos, gastos nos dois t i p o s de operao, com os seguintes

resultados:
RAPAZES (X)
Apndice:
MOAS (Y)
70 ; 62 ; 76
6,3
8,8
7,2
4,5
6,0
Cezariana: 70 ; 122 ; 122 ; 70 ; 137 ; 100

a) Baseado nos dados, a que grupo daria razo?
b) Calcule a estatstica V! pela aproximao normal.
7,2
9,0
6,1
7,0
5,0
7,0
9,5
9,6
9.3
9,8
c) Obtenha a estimativa de A e seu i n t e r v a l o de c o n f i ana, ao nvel 1 - a = 0,834.
Se o poder de deciso seu, com qual grupo voc t r a
4) Num estudo sobre variaes de a l t u r a de f i l h o s , em r e lao a l t u r a dos pais, foram consideradas duas classes:
balharia?
6) Uma pesquisa f o i realizada no sentido de se v e r i f i c a r
A: a l t u r a de f i l h o s descendentes de pais baixos;
a lgica dos jogos da l o t e r i a esportiva. Para t a l f i m , foram
B: a l t u r a de f i l h o s descendentes de pais a l t o s .
considerados quinze apostadores tidos como conhecedores de f u
Os resultados obtidos para as a l t u r a s (em metro) com

dez indivduos da classe A e o i t o da classe 5, foram os se-
tebol e sempre a par dos noticirios esportivos, e dez que j o

gam na l o t e c a , mas com um completo desconhecimento
esportivo.
guintes :
Foram computadas as medias de pontos f e i t o s , com
a aposta mnima, em dez semanas seguidas,

CLASSE A
1,45
1,82
1,60
1,67
1,37
(X)
1,52
1,63
1,44
1,44
1.75
CLASSE B
CYX
1,63
1,86
1,98
1,37
1,75
1,63
1,71
1,79
Sao os indivduos da classe B mais a l t o s do que os da

classe 4?
do mundo
r e l a t i v a s a cada
apostador. O resultado f o i o seguinte:
ENTENDIDOS (X)
8,7
9,3
11,0
7,0
9,6
8.0
9,8
10,0
9,5
9,9
10,2
10,8
10,3
9,6
11,5
NO ENTENDIDOS (J}
6.5
11,2
9,0
M
7.8
9,0
4.2
6.1
7.9
8,6
134.
135.
a) Os e n t e n d i d o s levam vantagem?
r a a v e r i g u a r s e duas a m o s t r a s i n d e p e n d e n t e s
b ) K s t i i n e A e s e u i n t e r v a l o de c o n f i a n a , ao n v e l a =
venientes
= 0,05.
7) D o i s grupos
de uma mesma p o p u l a o .
4.2.2
{A e B) de 50 sementes de m i l h o foram c\as_
b) As v a r i v e i s
C A T E G 0 R I A S
Altamente
Precoces
precoces
- Hipteses
Se c o n s i d e r a r m o s a s v e r d a d e i r a s
Altamente
Medianas T a r d i a s
tardias
TOTAL
e s de d i s t r i b u i o de X e de Y,
P^(x)
15
16
50
10
12
14
50
14
15
27
22
22
100
TOTAL
{X. e Y.) s o c o n t n u a s .
a seguir:
4.2.3
GRUPOS
- Pressuposies
a ) As duas a m o s t r a s s a o c a s u a l i z a d a s e i n d e p e n d e n t e s ;
s i f i a d o s de a c o r d o com o tempo de " g e r m i n a o " , em 5 catego^

r i a s , conforme s e v e r i f i c a
(X e Y ) s a o p r o -
Entretanto, t a lidentidade
respectivamente
i m p l i c a , embora a r e c i p r o
c a nao s e j a v e r d a d e i r a , em
Tomando o numero t o t a l de sementes em c a d a c a t e g o r i a

teste
fun-
y podemos e s t a b e l e c e r a h i p t e s e de n u l i d a d e :
P^(X
como o tamanho do grupo e m p a t a d c , v e r i f i q u e , p e l o
e desconhecidas
< Y) = 1/2
Podemos e n t o e s t a b e l e c e r :
de
W i l c o x o n , s e h a d i f e r e n a de comportamento e n t r e os d o i s gru.
pos .
D i s c u t a a c o n v e n i n c i a d a a p l i c a o do t e s t e de x
: PJX
O
< Y) > 1/2

< 1/2
e s s e t i p o de t a b e l a de d a d o s .
1/2
4.2 - Teste de Mann-Whitney

4.2.1 - Generalidades
4.2.4
- Mtodo
Consideramos as amostras
Procedemos c l a s s i f i c a o
c o n j u n t a d a s Il = m + n oh
o t e s t e de Mann-Whitney f o i i n t r o d u z i d o por e s t e s au
t o r e s , em 1 9 4 7 .
Analogamente ao t e s t e de W i l c o x o n , e l e s e p r e s t a p a -
e r v a o e s , em ordem c r e s c e n t e .
136.
137.
M n n e Whitney
definiram:
; -
Desde que as duas e s t a t s t i c a s d i f e r e m apenas p o r uma

a..
c o n s t a n t e , os d o i s t e s t e s sao p e r f e i t a m e n t e
V e j a m o s um e x e m p l o : suponhamos as
onde* p a r a c a d a p a r (X^ j
equivalentes.
amostras
temos:
se
= l , 2 , . , . ,f7J
se
J=1.2,...,
a.. =
E n t o V r e p r e s e n t a o numero de p a r e s
(X. , ^ ) ,
tais
X.
Y.
5,5
6,3
7,5
7,8
6,0
7,6
8.4
8,8
que,
X. <
Y.
Na c l a s s i f i c a a o c o n j u n t a
Cumpre o b s e r v a r , e n t r e t a n t o , que a e s t a t s t i c a
do
t e s t e de Mann-tAtitney e s t a i n t i m a m e n t e r e l a c i o n a d a com a e s t a t s t i c a y do t e s t e de V i l c o x o n , s e n o
X.
i'
5,5
vejamos:
n
2
n
Z
O .=
{numero de Jf < Y . + nilmero de I < Y -)
Y.
O.
i
1
2
3
4
6.3
7,5
Cnuraero d e X < Y.) +
n
L
(nimero d e Y < Y..)
7,8
8,4
8.8
+ 3 + 4 + 4 - 1 2
e
/ - 2 + 5
U +
n
1
e , conforme
= U -h
+l)
+ 7 + 8 - 2 2
j exposto:
^ ^ y ^
n(n
Y.
Q_
7,6
e ento:
/=l
n
=
E
J-1
X.
s2
6.0
(numero de ^ < Y,)

3
y =
obtemos:
n(n ^ \) = 12 +
- 22
O.
5
6
7
8
138,
139.
4.2.5 - Empates
4.2.7 - Estimativa do efeito de tratamento e seu iri

tervalo de confiana
Quando ocorrem empates e n t r e v a l o r e s
de ^ e de Y, r e
A m e t o d o l o g i a empregada para o t e s t e de
definimos:
Wilcoxon
tambm v a l i d a para o de Mann-Whitney.

l
se
1/2
se
< y.
4.3 - Teste de Kolmogorov-Smirnov
X.
se
d
X. > y.
1
Em casos de duas amostras i n d e p e n d e n t e s , nem sempre
e obtemos, como no caso comum.
as observaes se posicionara
U =
numa ordem c r e s c e n t e , a p o n t o de
a..
se n o t a r uma c e r t a distino de ura dos t r a t a m e n t o s era
rela-
o ao o u t r o . Quando e s t a distino notria, ou se f a z p r e

s e n t e , um caso tpico de aplicao do t e s t e de W i l c o x o n . Se

os dados observados se p o s i c i o n a m de uma maneira mais
Para grandes amostras im e n grandes) d e f i n i m o s :
disper^
sa, quando ordenados em ordem c r e s c e n t e , mais recomendvel

U ~
(U)
m n
a aplicao do t e s t e de Kolmogorov-Smirnov,
Este t e s t e l e v a em c o n t a a "posio" e a "disperso"
m n(m + n -h 1}
dos dados, embora sua f i n a l i d a d e s e j a a mesma
12
do
teste
de
W i l c o x o n , ou s e j a , e l e nos m o s t r a a posio r e l a t i v a de d o i s
onde, para m e n
, U \ , 1) .
t r a t a m e n t o s , atravs dos dados observados.
F a c i l m e n t e se comprova que U* = W*, Assim sendo,
em
caso de empates e uso da aproximao n o r m a l , tambm no t e s t e

de Mann-Whitney,
alm da redefinio de a..,
substitumos
Admitimos as amostras X. . X.
1*2*
X e J, , Y^, ....
m
1* 2*
**
y ^ independentes e, como no caso j a p r e s e n t a d o , de uma nica amostra, trabalhamos com a funo emprica de
distribui-
o, ou s e j a , com as frequncias r e l a t i v a s acumuladas.

V(U)
m n
12N{N - 1}
Seu d i r e t o competidor no campo paramtrico e

NfN^ ~ 1} -
o tes-
t . ( t . - l}(t. -h l)
t e t. Mas, embora menos e f i c i e n t e , o t e s t e de Kolmogorov-Smir^
nov mais verstil, p o i s nos p o s s i b i l i t a
trabalhar
apenas
com as ordens das variveis, sem nos preocuparmos cora a magn i t u d e das mesmas.
Por o u t r o l a d o ,
e l e e n v o l v e m u i t o menos
141.
no.
D - sup
clculos e no tem a s restries do t e s t e
t.
a ) As a m o s t r a s
= sup
sao c a s u a l i z a d a s e
S^(x)
S^(x)
S^(x)
S^(x)
S^(x)_
S^Cx)
independentes;
b ) As variveis X e Y s a o contnuas. No c a s o de s e r e m d i s ^
c r e t a s , o t e s t e apenas
aproximado.
~ sup
X
4.3.3 - Hipteses
Os n o s s o s
Admitamos que F^(x)
e F^(x}
representem
de X e de
c i d a s funes de distribuio, r e s p e c t i v a m e n t e
t e s t e s , ao nvel a de significncia s a o
as desconheY,
a ) H^:
F^x)
= F^(x)
F^(x)
F^(x)
p a r a p e l o menos um v a l o r de Xy
Assim, teremos:
H^:
F^(x)
se D >
rejeitamos
F^(x)
onde
e
H : F (x) >
a
\
P^(D
F^(x)
b) H
(< .
p a r a ao menos um v a l o r de a: e - < a; <
Preliminarmente
: F Cxi ^ F
1
(x) v s H : F, (x) > F^ Cx)

a
i
2
se
reieitamos
ordenamos AS E = m + n observaes,
^ ^2'
seja:
S^(x)
onde: k
> D'
p
^ ^2* ^ ^ ^ P ^ ^ ^ ^ ^ ^ ^ ^ ^ ^
x,
onde:
em o r d a n c r e s c e n t e .
C o n s i d e r a m o s os e s t i m a d o r e s
> D ) = a
p a r a p e l o menos um v a l o r de
4.3.4 - Mtodo
de
v s E^:
Observatnos
que F^
(D
> Z?'j = a .
> F^
i m p l i c a em d i z e r que a popula,
o X s e s i t u a numa f a i x a m a i s b a i x a do que a populao 7,ou

=
m
= numero de observaes X.
fc^ = nmero de observaes Y^
S^(x)
<^JT;
<_x.
e j a , p a r a um v a l o r X q u a l q u e r ,
P^fX.
O
c ) E^:
F^Cx)
= F^(x}
< x)
n a classificao
> PJY.
<
O J
v s H^:
F^(x)
p a r a p e l o menos um v a l o r de x^
Definimos:
rejeitamos
-*
se D
> D' .
<
X)
F^(x)
conjunta:
143.
142.
4.3.5 - Uso das tabelas
P a r a f a c i l i d a d e de estruturao, f o i c o n s i d e r a d o ova,
lor:
a) B i l a t e r a l
HOLLANDER e WOLFE ( 1 9 7 3 ) c o n s i d e r a r a m
X = n D*
a
estatstica
Se, por exemplo, temos m=n=6eD^=
ao invs de D. E n t r e t a n t o , m o s t r a r a m que
2/3 c o n s u l t a
mos a T a b e l a 10, com

^
X = n
onde o mximo d i v i s o r comum e n t r e m e n.

A T a b e l a 9 nos d os l i m i t e s b i l a t e r a i s
P
(D > D ) = a
a
= (6) (2/3) = 4
e e l a nos d a = 0,072, i s t o :
D
tais
que:
P^(D^
> D'} = 0,072 .
No c a s o de m 7^ n, podemos u t i l i z a r
E n t r e t a n t o , p a r a f a c i l i d a d e de estruturao, f o i c o n
a T a b e l a 9, c o n s i ^
derando:
siderado o valor:
P,JD^
x='^
i s t o , o nvel a de significncia,
S e , por exemplo, p a r a m = 4 e n = 6, encontramos D =
> D )
_ 4 . 6
X .
e aproximadamente m e t a -
de do o b t i d o p e l a T a b e l a 9. A s s i m , p a r a m = 3 e n = 5
~ 4/5, tomamos p a r a c o n s u l t a a q u e l a
a T a b e l a 9 com:
= 10
tabela;
,
1
PJD
. D
d
= 5/6, c o n s u l t a r e m o s
> D')
6
e obtemos: a = 0,143, ou s e j a ;
e e l a nos d a r S , a = 0,048, ou s e j a :
P^(D
>
) = 0,048 .
b) U n i l a t e r a l
- 0,143 .
Assim sendo,
A T a b e l a 10 nos da os l i m i t e s
u n i l a t e r a i s D', comm =
p (jf
= n, t a i s
(D > )
- 5
que:
"
P^D^
O
> D') = P^(D~

a
O
> D*) = a .
a
^ - i - p
>
5
(j) > JL.)
2
=^ 0.072 .
= J _ CO,143)
2
V ~
145.
144.
As distribuies n u l a s sero:
Observaes
1) No caso de m =^ n admitimos para e f e i t o de c o n s u l t a s
t a b e l a s , m como o menor dos d o i s v a l o r e s .
2) Para v a l o r e s de. m e de n nao t a b e l a d o s , podemos usar a

aproximao s u g e r i d a p o r CONOVER (1971), ou s e j a :
a
1/4
1/2
3/4
1
1
2
3
4
D'
a
P (D ^'^^ >D')
0
a
0
1/4
1/2
3/4
1
0
1
2
3
4
1,000
0,800
0,533
0,200
0,067
(D > D )
1,000
0,933
0,400
0,133
m n
onde k assume os s e g u i n t e s v a l o r e s :
a
Unilateral
Bilateral
D, 10
0,20
0,05
0,10
0,025
0,05
0,01
0,02
0,005
0,01
1,07
1,22
1,36
1,52
1,63
4.3.7 - Processo grHfi^co de determinao dos supremos

D
e D
GIBBONS (1971) e CONOVER (1971) apresentam processos
distintos
grficos.
4.3.6 - Distribuies nulas de Z? j
de determinao dos supremos f ,
e D , atravs de
Apresentaremos apenas o processo de Conover,
uma
vez que os d o i s tem a mesma eficincia.

Consideremos,
a ttulo de ilustrao, m = 2 e n = 4.
A t a b e l a s e g u i n t e nos d todos os possveis a r r a n j o s e os res^
Representemos,
num mesmo sistema de e i x o s coordena-
dos, os grficos de S^(x)
e S.^x) e consideremos:
p e c t i v o s v a l o r e s de D , Z?^, D,
D
ARRANJOS
X
X
X
X
X
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
X Y Y yY
Y X Y YY
Y Y X YY
Y Y Y XY
Y Y Y YX
X X Y YY
X Y X YY
X Y Y XY
X Y Y YX
Y X X YY
Y X YXY
Y X Y YX
Y Y X KY
y Y X YX
Y Y Y XX
0
0
0
1/4
1/2
1/4
1/4
1/4
1/2
1/2
1/2
1/2
3/4
3/4
1
D"
1
3/4
1/2
1/2
1/2
3/4
1/2
1/4
1/4
1/2
1/4
0
1/4
0
0
1
3/4
1/2
1/2
1/2
3/4
1/2
1/4
1/2
1/2
1/2
1/2
3/4
3/4
1
- mxima d i s t a n c i a v e r t i c a l e n t r e S^(x) e S^ârJjpara t o

dos os pontos observados;
D*^ = mxima d i s t a n c i a v e r t i c a l e n t r e S^(x) e S^(x}ypar3.

pontos onde S^(x) >
D
os
S^(x)\
= mxima d i s t a n c i a v e r t i c a l e n t r e S-^(x) e S^(x),-paxs os

pontos onde S^(x) <
S^(x),
Tomemos, como ilustrao, as amostras:

X^ = 3,2
y j - 4,0
-^2 =
Y^ - 6,0
^3 = 5,8
^
= 6,4
7,3
146.
149.
O grfico nos d i
V e r i f i q u e se as v a r i e d a d e s e B d i f e r e m em p r o d u t i vidade .
2) E s t r u t u r e a distribuio n u l a de D para o caso de m = 3
e n = 5.
4.4 - Teste Exato de Fisher

4.4.1 - General idades
D = D
Embora o t e s t e de
s e j a o mais u s u a l dos t e s t e s nao-
- p a r a m e t r i c o s aplicveis ao caso de duas amostras
independen
t e s , e l e nao e a p r o p r i a d o para casos de pequenas amostras. Se

admitirmos uma t a b e l a de contingncia 2x2, com os t o t a i s mar
ginais fixos,
1
F i g u r a 4.2 - Processo
tremos
grfico_de determinao dos ex

D e D .
de
e com o t o t a l g e r a l (N) m u i t o b a i x o ,
o teste
se a p l i c a d e v i d o s suas restries.
Era casos dessa n a t u r e z a , recomenda-se a aplicao do
Teste
Exato
de Fisher,
que
c o n s i s t e em d e t e r m i n a r a e x a t a
p r o b a b i l i d a d e de ocorrncia de uma frequncia observada,

Neste caso, temos:
de v a l o r e s a i n d a mais
extremos.
Sao consideradas duas amostras

4
12
ou
(A e
, representati
vas de duas populaes. Para ambas as amostras,
sao tomadas
duas c l a s s e s ( J e I I ) , c o n s t i t u i n d o , assim, a t a b e l a de con3
tingncia.
12
4.3,8 - Exemplo
Dois t i p o s de soluo qumica, 4 e J5, foram
II
ensaia-
da soluo).
a + b =
As a n a l i s e s de dez amostras de cada soluo esto a p r e s e n t a -
dos para a determinao do pH
das na t a b e l a que se segue.
( g r a u de a c i d e z
h + d
-t-
d = 19^
N
150.
A)
A probabilidade
A S amostras sao c a s u a i s e
b) As
s e r v a e s na c l a s s e
independentes;
de o c o r r n c i a , por e x e m p l o , de
(B^ I T ) dada p o r :
duas classes s o outuamente exclusivas

4.3.3 - Hipteses
Para estabelecemos
nla adaltanos:
P(a::=d) =:
H^^
consideremos uraa das c l a s s e s
(a
_
P(A) probabilidade de ura elemento pertencer a populao
+ a) : (b -h d) !
(a + b)!
(c + d)!
" probabilidade de um elemento pertencer a populao

representada p e l a amostra H.
De c o n f o r m i d a d e com a h i p t e s e a l t e r n a t i v a ,
distinguir
Nestas c o n d i e s , temos:
B^:
R
*
d),
vs
A exata probabilidade
^ PCB)
frequncias
(a^ b,
o,
estruturamos:
n^: V(A) = PCB)
: P(A) > P(B)

CL
P(A) < P(B)
podemos
t r s c a s o s , ou s e j a m :
a ) A d m i t i n d o d como a menor d a s
P(A) = P(B)
P(A)
(a + o)', (b + d)!
N! a! b: o! d!
representada p e l a amostra A;
P(B)
ob-
H^: Vi A)
> P(B)
de o c o r r n c i a de um v a l o r i g u a l
ou m a i s extremo do que d :
4.4.4 - Mtodo
^
P =
Musa t a b e l a de c o n t i n g n c i a 2x2, con os t o t a i s nsrgi^
n a i s f i x o s , as frequncias observadas
tem d i s t r i b u i o h i p e r
onde:
geMi t r i c a .
^
^ P,-
Coosidereaos a t a b e l a :
Pi =
I
I I
a + h
a + d
a + G
b + d
jD+d-i
i
7^
O n v e l de s i g n i f i c n c i a
a = p.
= 1
b) H : P(A) - P(B} v s H : P(A)
O
a
^"2
< P(B)
A d m i t e - s e , " a p r i o r i " , b < d. A e x a t a

de
probabilidade
o c o r r n c i a de um v a l o r i g u a l ou m a i s extremo do que d :
153.
152.
./ = 2
M
A
onde
tem a mesma definio dada a n t e r i o r m e n t e e

M
= min
li
12
18
[N^ ^ b + d\
d = l
O nvel de significncia e tambm a - p,
II
12
18
= O
c ) H^: P(A) - P(B} vs H^: P(A) ^ V(B).
O t e s t e b i l a t e r a l a p l i c a d o quando nao se tem, "a

p r i o r i " , i d e i a da direo a ser t e s t a d a , admite-se apenas:
P(A)
II
12
18
^ P(B)
como hiptese a l t e r n a t i v a .
Ento vir:
Pelas frequncias observadas, calculamos p atravs de

um dos d o i s casos a n t e r i o r e s .
neste
O nvel de significncia ser
C2 . C7
caso:
= _
12 ^ Q^2443
18
a = 2p
Consideremos,
^6 '
a ttulo de ilustrao. o s e g u i n t e ca-
= 0,0610
so:
16
TI
Po =
12
^18
p =
9
18
= 2, temos
t p . - 0,3098 = 0,31
i=0
Neste caso,
Tomando-se como referncia a frequncia
\ 0.0045
seria:
L54.
155.
Observaes
1)
P o d e r a m o s , sem a l t e r a r
como r e f e r n c i a ,
o u o v a l o r d e p, t e r t o m a d o
= 7 e, neste
caso,
Acima da
Abaixo da
Mdia
Media
viria:
^ = 0,2443
Escolas
Particulares
(A)
12
Escolas
Publicas
(B)
10
12
15
24
cr
18
e,
Soluo
analogamente
p
= 0,0610
= 0,0045
Como n a o t e m o s
.
r
2)
Se n o s b a s e s s e m o s
na classe
J, a hiptese
: P()
< P(B)
as probabilidades
seriam
a s mesmas. A s s i m , s e n o s r e f e -
as frequncias
P(A)
= P(B)
vs
H^: P(A) ^ P(B)
T o m a n d o - s e como r e f e r n c i a
a , teramos:
P
,
^
V
^
^
V
^
=
teste se
bilateral:
H^:
rssemos
informaes, o nosso
alternativa
seria:
mas,
previas
= _L2
i5 = 2 , t e m o s :
11 = 0 , 0 4 0 0
Li = 0 . 0 0 4 5
2h
0,2443
.
p
= - l i
^24
=
0,0610
= 0,0045
4 . 4 . 5 - Exemplo
Numa c l a s s e
de v e r i f i c a r
Po -
d e 24 a l u n o s ,
s e os estudantes
f o ifeito
provenientes
culares
t i n h a m o mesmo a p r o v e i t a m e n t o
blicas.
Para
classe.
O resultado
isso
f o i tomada
obtido
um e s t u d o
afim
das escolas
parti
- 0,0002
donde:
que os d a s e s c o l a s pu-
como r e f e r n c i a
p :r 0 . 0 4 4 7
a z: 2 p - 0 , 0 8 9 4
a nota media da
Assim, rejeitamos
f o i o que s e s e g u e :
-
ao n v e l
de
significncia
a =
0,0894.
Se,
os a l u n o s
por qualquer
razo, j pudssemos
das escolas pbicas
sao melhores,
pressupor
que
aplicaramos
156.
157.
teste u n i l a t e r a l
H^: p(A) = P(B)
vs
H^: P{A) > P(B)
e, nestas c o n d i e s , o nvel de significncia

a = p = 0,0447
4.4.6
seria
1) Num estudo sobre fecundidade de duas raas bovinas f o ram f e i t o s acasalamentos, obtendo-se os seguintes r e s u l t a d o s :
ACASALAMENTOS
Fecundos
Nao Fecundos
5, TESTES DE DISPERSO APLICVEIS A DUAS AMOSTRAS INDEPENDENTES

5.1 - Teste de Ansari-Bradley
Raa A
10
Raa B
5.1.1
- Generalidades
E s t e t e s t e f o i introduzido por FREUND e ANSARI (1957)

e reestruturado por ANSARI e BRADLEY (1960). um competidor
V e r i f i q u e se as duas raas diferem quanto a f e c u n d -
do t e s t e F no campo n a o - p a r a m t r i c o , embora
sua e f i c i n c i a ,
em comparao com aquele, para dados com distribuio normal,
dade.
s e j a da ordem de 0,61.
2) Numa pesquisa sobre d e s q u i t e s , r e a l i z a d a entre as clas^
ses a l t a e m d i a , foram obtidos os seguintes r e s u l t a d o s :
devido a sua grande v e r s a t i l i d a d e , sua
aplicao i muito grande.
NOMERO DE DESQUITES
Amigveis
Entretanto,
Nao Amigveis
a) As duas amostras s o c a s u a i s e independentes.
Classe Alta
10
CLassa Media
10
b) As duas populaes representadas

dianas
conhecidas.
5.1.3 - Hipteses
a ) a.mi.ss.ve\r que a proporo de d e s q u i t e s ami^
gveis maior na c l a s s e a l t a ?
b) Comprove, atravs deste exemplo,que a concluso nao mu
da se nos basearmos em qualquer das quatro frequncias
observadas.
Admitindo
pelas amostras tem me
159
158.
onde o e
sao a s v a r i n c i a s das v a r i v e i s a l e a t r i a s
Y. r e s p e c t i v a m e n t e ,
E b v i o q u e , s e iv assume v a l o r e s b a i x o s , a s v a r i v e i s
X. e
X. s o m a i s d i s p e r s a s do que as Y e v i c e - v e r s a .
podemos l a n a r as h i p t e s e s :
ANSARI e B8ADIEY ( 1 9 6 0 )
tica
definiram tambm a estats-
a s s o c i a d a cora W e que pode s e r o b t i d a ordenando a s vi
r i a v e i s numa c l a s s i f i c a o c o n j u n t a , do c e n t r o p a r a a s e x t r e ^
mldades e conforme s e s e g u e .
P a r a A * m + n , p a r :
^1
ap
N/2,
N/2
P a r a tf = T? + n , m p a r ;
5.1.4 - Mtodo
Admitamos a s a m o s t r a s
Y
2, 1, 1, 2. 3 ,
.... 3.
^ ~
2
^ -^^
, s u p o s t a m e n t e com medianas 1 J e M , r e s p e c t i v a m e n t e .
Preliminarmente c l a s s i f i c a m o s as v a r i v e i s
m e n t e , dando ordem 1 (um) a m a i o r e a menor d e l a s ;
conjuntaordem
( d o i s ) s duas e x t r e m a s s e g u i n t e s e a s s i m por d i a n t e .
N ~ l
Em ambos o s c a s o s ,
Obte-
m
l
O.
mos, a s s i m , a s o r d e n s :
onde O* a ordem de X . n a c l a s s i f i c a o
1) p a r a M = m + n , p a r
Facilmente
1, 2 , 3
N/2, N/2,
W* -
!LL1
s e comprova que
3, 2. 1
2) p a r a N ^ m + n. Impar
conjunta.
m(m + n) -h m - y
{N p a r )
1
W* -
m(m * n + l ) - W
(ff m p a r )
Definimos a e s t a t s t i c a
P a r a t e s t a r m o s , ao n v e l a de s i g n i f i c n c i a ;
m
a)
onde 0. r e p r e s e n t a a ordem da v a r i v e l
X..
1 v s H^: y'^ > 1
rejeitamos
se^ W >^ w.
160.
161.
onde:
Comprova-se q u e , p a r a m e n =^
, f/* fl N(0 , 1) .
P (W > W) = a
u
Os l i m i t e s
Nestas
^ l vs H^:
rejeitamos
ficam:
d e W so e n c o n t r a d o s n a T a b e l a 1 1 .
a ) ff :
b ) H^:
condies, o s t e s t e s
<l
= 1 v s ff :
> 1
r e i e i t a m o s ff se W* > z
-*
u
- a
se W <_w^
b ) ff^: Y^ = 1 v s H^: y^ < 1
onde:
r e i e i t a m o s ff s e v'* < ~z
Os l i m i t e s
de
c)
s a o e n c o n t r a d o s n a T a b e l a 11.A.
Y^ = 1 v s H^: y^ l
r e j e i t a m o s ff s e | W*
c ) H^:
- a/2
= 1 v s H^: y^ 4 1
Os l i m i t e s
rejeitamos E
s e 1/
s a o os da T a b e l a 1 .
5.1.6 - Empates
o u / ^ w ^
o n d e : u e tomado ao nvel
de s
e i ^ ^ , ao nvel
e,
Quando n a classificao c o n j u n t a
c o r r e m empates e n t r e v a l o r e s
observao d e n t r o
Quando m e n s a o g r a n d e s ,
consideramos
d a s N observaes o-
de X e de J , tomamos, p a r a
do g r u p o e m p a t a d o ,
cada
m e d i a d a s o r d e n s que
s e r i a m atribudas a e l a s , c a s o n a o o c o r r e s s e e m p a t e , e computamos o v a l o r d e W d a m a n e i r a
No c a s o
usual.
d a aproximao n o r m a l ,
u t i l i z a m o s as
ordens
u
mdias e substitumos
V^Q^W)
por
onde, p a r a E p a r :
m(fi + 2)
m n
16
t. 0^. - N(N + 2}^
V(W} =
(N p a r ) ,
N(N - 2)
WN
- V
ou
e, p a r a itf mpar:
m(N +
m n
V(W) VJW)
m n(N + \)f1 + N^)
I6iv
: t. 0^. - (N + i}"*
(N m p a r ) ,
163.
162.
onde: k = nmero de grupos
empatados;
3(5)
t. = nmero de observaes no grupo i-;
[16(59,4)
Y(W) =
0. = mdia das ordens atribudas s observaes do g r u -
- 8(10)2
_
_
16(8)(7)
= 0,1678 ,
po i.
Cumpre o b s e r v a r que a s observaes nao empatadas sao
7,67 -
tambm computadas, consderando-se, n e s t e caso, t - = 1.
3(10)
Cf
= 0,41
Exemplo ilustrativo
/0,1678
Consideremos
5.1.7 - Distribuio nula de 17
X
3,5
4,0
4,3
3.7
4,3
4,3
4.9
5,8
A f i m de i l u s t r a r a distribuio n u l a de W considere^
mos d o i s casos:
a) JV p a r : m = 2 e n = 4, dando-nos C
= 15 possveis a r -
ranjos;
b) N mpar: m = 3 e I = 4, num t o t a l de
A classificao c o n j u n t a f i c a :
= 35 possveis
arranjos.
3.5
3.7
4.0
4.3
4.3
4,3
4,9
5,8
(4)
(4)
(3)
Para cada a r r a n j o determinamos:

m
(O . a ordem de X.)
3,67
3,67
3,67
19 Caso:
e assim,
m = 2 ;n = 4
W =
i=l
O . = 1 + 3 +
3,67 = 7,67 .
Se fossemos u t i l i z a r a aproximao n o r m a l ,
teramos
ainda:
6
t. 0^. = 1 ( 1 ) 2 ^ 1 ( 2 ) ^ + 1 ( 3 ) 2 + 3 ( 3 ^ 6 7 ) 2
- 59,4
ARRANJOS
ARRANJOS
+ 1(2)2 + i^^yl
X
X
X
X
X
X
Y
Y
Y
Y
Y
X
Y
Y
Y
Y
Y
X
Y
Y
Y
Y
Y
X
Y
Y
Y
Y
Y
X
3
4
4
3
2
Y
Y
Y
Y
Y
X
X
X
X
Y
X
Y
Y
Y
X
Y
X
r
Y
X
Y
Y
X
Y
Y
donde obtemos a distribuio:
ARRANJOS
Y
Y
Y
X
Y
5
5
4
3
6
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
X
X
Y
Y
Y
Y
Y
X
X
Y
X
Y
X
Y
X
Y
X
Y
X
X
5
4
5
4
3
165.
164,
^0
2
3
4
5
6
3)
0,067
0,333
0,666
0.933
1,000
1,000
0,933
0,666
0,333
0,067
0,067
0,267
0.333
0,267
0.067
P ( y < x ) = P ( W < x - l ) = l - O i ~ l
[)
donde
4)
29 Caso: m = 3 ; n = 4
Os d o i s c a s o s i l u s t r a d o s
- ^-^ "
" -^0
- ^
^'^ *
Podemos sempre t o m a r m como o tamanho da menor
se // f o r
a
(W > W )
- u
evidenciam
>x )
amostra,
d e s d e que i n t e r p r e t e m o s d e v i d a m e n t e as h i p t e s e s
temos:
0.057
0,171
0,428
0.657
0,857
0,971
1.000
1,000
0,943
0,829
0,572
0.343
0,143
0,029
0,057
0,114
0,257
0,229
0,200
0,114
0,029
4
5
6
7
8
9
10
- PJW
conclumos:
n a t i v a s . No c a s o i l u s t r a d o
W
Se V^(y >_x) - a , temos
^0*"^
A n a l o g a m e n t e ao c a s o a n t e r i o r
as s e g u i n t e s p r o
alter
(T? = 2 e n = 4) s e a h i p o t e
> l , referindo-nos
X. e l a s e c o n v e r t e r a &n H : y
as o r d e n s
< \e
nos
da
varivel
referirmos
as o r d e n s de Y.
5,1.8 - Derivativos do teste

(1960)
a ) ANSARI e BRADLEY
nos a f i r m a m
q u e , q u a n d o as d u a s
populaes
d i f e r e m em " p o s i o " , as a m o s t r a s podem s e r a j u s -
tadas para
terem
da
iguais
seguinte forma:
"posies". Este ajustamento
sejam
pectivamente, Subtraimos
feito
e y^. as m e d i a n a s de Z e de 7 , r e s ^
de c a d a o b s e r v a o
X,
diferena
priedades:
1) A e s t a t s t i c a
terpolao
uma v a r i v e l - d i s c r e t a
para v a l o r e s
2) Quando N i p a r ,
(nao admite i n
X' = X ' (v^ ' \^Y^ ~
fracionrios).
a distribuio
n u l a d e /Q i
Observamos q u e
simtrica
b a s t a que c o n h e a m o s
em t o r n o d e
Uma v e z f e i t o
m(m + ti -h 2)
4
isto
e.
com
X* e. Y.
~ ^ '
no precisam ser
conhecidas,
6
o a j u s t e , procedemos
como
usualmente
166.
167.
b) Para testarmos
H^:
^ ^' para populaes cora me
1 O
d i a n a P Q determinamos:
W =
X'. = X. -
T. 0 . - 3 8
(ordens dos Z.)
A Tabela 11.A nos da:

Por o u t r o l a d o ,
^
Y
1
e procedemos como usualmente, com X ' e Y'.
PQTV' >
38;
1 -
F^(W
~ i - p^(w
5.1.9 - Exemplos
<
38)
<_ 3 7 ;
~ 1 - 0,003
Exemplo 1
- 0,997 .
Num ensaio de laboratrio foram provados d o i s mtodos

Assim, p e l a p r o p r i e d a d e
de s i m e t r i a , o n.m.s.no
qual
de determinao do t e o r de cafena em c a f i solvel. Foram f e i _

t a s , numa mesma amostra, dez determinaes com
cada
mtodo,
rejeitamos
e:
0 = 2 m-Cn (a^ , a^) ^ 2 x 0,005 = 0,010 .
obtendo-se a classificao s e g u i n t e :
Podemos, p o i s , c o n c l u i r , ao nvel a = 0,01,
X X X I X Y Y I X Y Y Y I X Y X Y X X X
que os m
todos d i f e r e m , e, p e l a n a t u r e z a dos r e s u l t a d o s , conclumos que

V e r i f i c a r , atravs do t e s t e de A n s a r i - B r a d l e y , a acia
o mtodo Y e mais p r e c i s o .
r a c i d a d e dos mtodos.
Exemplo 2
Soluo
Pretendendo-se s e l e c i o n a r s e i s provadores de v i n h o pa
O nosso t e s t e :
r a se proceder
F
= 1
H : y'^ ^ l
vs
grupos: um de rapazes e o u t r o de moas, e com eles 01 r e a l i zado um pr-teste p a r a a seleo.
Pelo a r r a n j o , as ordens sao:

X
a um ensaio de degustao, foram formados d o i s
c i n c o clices,
Numa mesa
eram
colocados
sendo t r e s do v i n h o em questo e d o i s
de o u -
t r o s v i n h o s , O parecer de cada degustador e r a o b t i d o p e l a m1 2 3 4 5 - 6 7 8 9

donde obtemos:
10 10
d i a das notas
(de O a 10) atribudas aos trs clices.
sultado f o i o seguinte:
O re-
168,
169.
Logo
MOAS ('^^
RAPAZES (Y)
7,5
8,3
7,7
8,0
6,7
8,5
5,8
6.5
8.3
6.3
9,0
9.7
n.rn..
no
qual rejeitaramos
seria
a =
= 0,015, i s t o , podemos a f i r m a r , ao nvel de 1,50% de p r o b a b i l i d a d e , que as moas tem um critrio mais
uniforme
de
j ulgamento.

1) Foram f e i t a s determinaes de B r i x em duas v a r i e d a d e s
(A e B) de cana-de-acar, tomando-se de cada uma d e l a s o i t o
Se a seleo se baseou na menor disperso dos r e s u l -
colmos. Os r e s u l t a d o s p e r m i t i r a m o s e g u i n t e a r r a n j o :
tados d e n t r o de cada g r u p o , q u a l d e l e s f o i e s c o l h i d o ?
X X X Y X X Y Y X X X Y Y Y Y Y
onde X = v a r i e d a d e ^4;
Soluo
y = v a r i e d a d e B.
p r i m e i r a v i s t a , as moas apresentaram maior unifo

midade de critrio. E n t r e t a n t o , e s t a t i s t i c a m e n t e devemos tes^
V e r i f i q u e se ha menor disperso do B r i x na v a r i e d a d e
A.
tar:
= 1
H^:
vs
ff^:
l'^ ^ 4^"
> 1
i s t o , v e r i f i c a r m o s se e s t a t i s t i c a m e n t e a disperso e n t r e os
rapazes e maior do que a e n t r e as moas.
C l a s s i f i c a n d o conjuntamente as mdias, temos:
5,8
6.3
6,5
6,7
7.5
7,7
X
8,0
X
8,3
X
8.3
Y
8,5
9.0
2) Num estudo sobre variaes de a l t u r a de f i l h o s em r e l a

ao a l t u r a dos p a i s , foram consideradas duas c l a s s e s :
A: a l t u r a s de f i l h o s descendentes
de p a i s b a i x o s ;
B: a l t u r a s de f i l h o s descendentes
de p a i s a l t o s .
Os r e s u l t a d o s o b t i d o s para as a l t u r a s
9,7
(em m e t r o ) com
dez indivduos da c l a s s e A e o i t o da c l a s s e B foram os que se

seguem:
ordens:
1
4.5
4,5
e ento:
6
W =
0 . = 28,5
Pela Tabela 1 1 , temos:

p
28,5) = 0 , 0 1 5 .
CLASSE A (X)
CLASSE B (Y)
1,45
1,82
1.60
1.67
1.37
1,63
1,86
1,98
1,37
1,52
1,63
1,44
1,44
1.75
1,75
1,63
1,71
1,79
171.
170.
c ) A p l i q u e a aproximao normal
Frente aos r e s u l t a d o s , t e s t e a h i p t e s e : H maior va

riao
na altura
entre
os -indivduos
da classe
aos dados e c o n f r o n t e
a concluso o b t i d a com a do i t e m a n t e r i o r ;
A.
d) Reaplique a aproximao n o r m a l , com a "correao de
3) No caso de emprego da aproximao n o r m a l , quando ocor-
c o n t i n u i d a d e , e c o n f r o n t e com os d o i s i t e n s
rem empates, para ii/ par temos:
ante-
riores .
m n
5.2 - Teste de Moses
V(W} =
ieN(-N
- 1)
5.2.1
Comprove que se no ocorrerem empates e s t a f o r m u l a se
- Generalidades
Analogamente ao t e s t e de A n s a r i - B r a d l e y , o t e s t e de
reduz a u s u a l , ou s e j a :
Moses tambm se p r e s t a para o estudo comparativo das d i s p e r ses de duas amostras. Ele nao e x i g e que as populaes tenham
48r/i/ - i ;
a mesma mediana, i s t o , sua aplicao v i v e l em casos on4) Dois mtodos
(^4 e B) de avaliao do a p r o v e i t a m e n t o de
de as populaes d i f e r e m em " p o s i o " (medianas d i f e r e n t e s ) .
alunos foram u t i l i z a d o s . O mtodo A r e p r e s e n t a n d o o t r a d i c i o

n a l e o m t o d o B, a avaliao atravs de questionrios e ent r e v i s t a s p e s s o a i s . Foram tomadas amostras de dez alunos pa-
O t e s t e de Moses nada mais do que uma aplicao do

t e s t e de W i l c o x o n s varincias dos dados o r i g i n a i s ,
grupados
quando
convenientemente.
r a cada m t o d o , obtendo-se os s e g u i n t e s t o t a i s de p o n t o s :
5.2.2 - Mtodo
METODO A (X)
91
90
93
97
98
102
95
96
104
101
Consideremos as amostras X^, X^^ X^ e Y^, Y^,.,
MTODO l
3 (Y)
105
103
108
94
107
106
112
99
110
109
Tomamos um v a l o r arbitrrio k > 2 Q s u b d i v i d i m o s asm

observaes X em
grupos aleatrios de k elementos cada um,
desprezando a s o b r a , se h o u v e r .
as observaes J obtendo
a soma dos quadrados dos
d e s v i o s , ou s e j a :
mtodos;
perso dos d o i s m t o d o s ;
grupos.
Para cada grupo calculamos
a) V e r i f i q u e , p e l o t e s t e de W i l c o x o n , a eficincia dos
b) E s t u d e , atravs do t e s t e de A n s a r i - B r a d l e y ,
Procedemos analogamente cora
a disC.=
,
k
l
(X. -X.}^=
,
k
l
k
( 1
X^, -
X.
zr
,
(i=l^2,...,m.)
172.
173.
5.2.4 - Complementaes sobre o teste

a ) P a r a um mesmo n v e l
D.=
fy. - 7 J 2 -
y^- -
. (3=1,2,.
,71-^)
a de s i g n i f i c n c i a ,
f i n a i s podem v a r i a r dependendo de:

1) numero de grupos formados
Os v a l o r e s
e Dj r e p r e s e n t a m a s v a r i n c i a s
pectivos i e j grupos, m u l t i p l i c a d o s pelo
dos res^
f a t o r k ~ 1, ou s ^
C. = (k - 1) V.fX)
Dessa forma,
para
D. = (k - 1) VJY)
t e s t a r as v a r i n c i a s , apliamos o
5.2.3 - Estimativa e intervalo de confiana de

estimar
a n a , procedemos
s o , os
possveis
n
1
^ d e t e r m i n a r s e u i n t e r v a l o de c o n f i -
t a m b m como no t e s t e de W i l c o x o n . N e s t e c a -
v a l o r e s V . . sao obtidos
i
atravs
^J
grupos d i s t i n t o s ,
as observaes
respectivamente
X e. Y.
b) Nao e l c i t o t e n t a r d i v e r s o s k ou d i v e r s a s e s t r u t u r a e s de g r u p o s , a t que s e obtenha a c o n c l u s o
desejada.
5.2.5 - Exemplo
t e s t e de W i l c o x o n a o s v a l o r e s C. e D.,
^
3
Para
{k e a r b i t r r i o ) ;
2) e s t r u t u r a dos s u b g r u p o s . P a r a um mesmo v a l o r , s o
com
ja:
as concluses
das r e l a e s
^
P r e t e n d e n d o - s e d e t e r m i n a r o n m e r o m d i o de h s p e d e s
em duas c a t e g o r i a s de b o t e i s ,
h o t i s de uma d a s c a t e g o r i a s
um p e r o d o de t r s m e s e s .
dois casos
foram tomadas a s m d i a s de 16
(A) e 8 da o u t r a
TSJ,
cobrindo
As medias d i r i a s de h o s p e d e s nos
foram a s s e g u i n t e s :
.D .
C.
A e s t i m a t i v a de y ^ dada p o r :
quando
n^^ = 2p + 1 e m p a r , e
Y2 = 4 7 p ^ ~ r 7 p ^
quando
CATEGORIA A
18,3
14.7
18,8
15.3
10,6
13,2
14,8
15,5
15,0
16,4
17,2
19,4
17.5
18,3
15.4
16,3
CATEGORIA B
11,6
7,5
13,4
13,2
18,3
10,5
8.2
11,4
7.3
I ^ = 2p e p a r .
dando-nos, p o r t a n t o , o n m e r o d i r i o de hospedes p o r c a t e g o r i a , ou s e j a :
175.
174.
Dai
C a t e g o r i a 4 = 16,0 h o s p e d e s / d i a
temos:
C a t e g o r i a B = 11,3 h o s p e d e s / d i a .
Comprove, p e l o
t e s t e de Moses,
C j = 27,37
maior
da media dos h o t i s d a c a t e g o r i a A. E s t i m e
= 13,74
acuracidade
e seu interva-
l o de c o n f i a n a ao n v e l a = 0 , 1 3 3 .
C,
Soluo
= 73,05
7,61
Z)^ = 18,65
= 12,72
D e t e r m i n a n d o a e s t a t s t i c a W do t e s t e de W i l c o x o n t e
O t e s t e de Moses
pois o fator
s e q u a l i f i c a m u i t o bem n e s t e
caso,
mos
em q u e s t o a v a r i n c i a dos dados em c a d a amos
10
tra.
Pela Tabela
Tomamos:
H
= 1
vs
H :
PQ(W
> l .
CATEGORIA A
os g r u p o s :
veis
tradicionais
de s i g n i f i c n c i a
( a = 0,05 e a = 0 . 0 1 ) ,
c l u m o s que a s duas c a t e g o r i a s nao d i f e r e m
4)
Para
GRUPO 2
10,6
17,5
15,3
16,3
18.3
13,2
15,4
14,7
GRUPO 3
GRUPO 4
18,3
17,2
15,5
14,8
15,0
16,4
19,4
18,8
estimar:
4
determinamos o s
valores
D.
O
( n ^ = 2)
C.
GRUPO 1
GRUPO 2
7,5
18.3
8,2
11.4
11,6
13,2
10,5
7,3
ou
con-
quanto a c u r a c i -
dade d a s m e d i a s .
GRUPO 1
CATEGORIA B
> lo; = 0,133 .
D e s s a f o r m a , o n.m.s. a = 0 . 1 3 3 . Se adotarmos os n
P a r a a a p l i c a o do t e s t e , e s c o l h a m o s k = ^ e formemos a l e a t o r i a m e n t e
8 obtemos:
sejam:
0,68
1,47
2,67
5,74
1,36
2.45
5.32
9,60
177.
176.
e,
desde
que
= 8 , t emos:
(1+)
r
Estimamos
(5)
,
^ =: / 6 5 4 1 5
^ .
ento:
a2
Para
lizaremos
- 2.56
a determinao
2.56
a = 0,133 e, p e l a
Tabela
,
de c o n f i a n a ,
uti-
8:
6. TESTES DE CORRELAO
, , = 11
.
Os
Ento,
tes
C
11 + 1 -
11 = 1
l - y
de
de
testes
Independnni-at
dependncia
l-(a/2)
observaes
tes
d e uma
_ ^.(9)
=
' = 9,60
< a; ;
x
de
grau
Y.
provenien-
bivariada.
anterior
P^(X
x)
<^y)
PQ(Y
e verdadeira,
a s duas
dois
Teste
de
Kendall;
b)
Teste
de
Spearman.
uma
SIEGEL
distribuies
ou
grande
(teste
as vari-
uma
aleatrias
relao
Z e
Y.
sejam:
eficincia
de P e a r s o n )
(1956), esta
essa
quando
, e l a traduz
variveis
testes,
com o s e u c o m p e t i d o r
certas
, Y )
y)
Tes-
i n d e p e n d e n t e s de
tomamos como M^:
Ambos a p r e s e n t a m
ra
(X
X e
dos t e s t e s ,
a)
Segundo
verificar
de n pares
, Y ) ^
continua,
entre
Abordaremos
mtrico.
para
aleatrias
X e. Y s a o i n d e p e n d e n t e s , i s t o
independncia
tados
amostra
denominados
e. y.
A expresso
veis
se prestam
(X
sao tambm
variveis
uma
aplicao
quaisquer
duas
, 7
populao
P^X
..;(^> = 0 . 6 8
para
entre
(X
Para
,2 =- V
pois
Consideremos
Logo,
^ 2 . /
de c o r r e l a o
quando
confron
do campo
para-
eficincia
eficincia
acima
de
de
0,91.Pa
1,0.
178.
179.
6.1-
/y ; T > O
Teste de Kendal I
< O
F(M. . >
?t O
P(M- . > OJ ?i
6.1.1 - Mtodo
C o n s i d e r e m o s os n p a r e s
(X^
i j
^^f^ 3
de
observaes
* provenientes
(X^ ,
"
p r o d u t o s do
'
Levando em c o n t a os
de uma p o p u l a o con
p r o d u t o s M.
= numero de p a r e s
~ 'i-)
Para
2
a)
(X . ~ X JY
1/2
1/2
definimos
a es-
tatistica
tipo:
M. . =
<
^r'j
t n u a , b i v a r i a d a . Podemos, e n t o , f o r m a r
^2 -
Pft. . > 0 ; > 1 / 2
ou
t e s t a r m o s , ao n v e l a de s i g n i f i c n c i a
=0
v s H^:
rejeitamos H
- t ^ ~ l , 2 , . . .-n-l
, - Y J
H^:
concordantes.
>
se
Convencionamos:
) A. . > O ; o p a r i
aonaordante;
b) ^ . . < O ; o p a r
di-scovante;
c ) M. . = O ; o p a r e
neutro.
Sob
onde:
^0
k(a , n)
-PA
'^('^ >
= a .
devemos t e r :
Os v a l o r e s de k(a , n) sao e n c o n t r a d o s n a T a b e l a 12,
p r M . . > oj =
Por
outro
lado, definimos
T
1 / 2
..
b) ff,;
O
o ooefioiente
de
= O
< O
r e j e i t a m o s ff_ s e
K
c ) ff,;
O
= O v s ff ;
a
< k(a , n)
O
r e j e i t a m o s ff^ s e
truturamos as h i p t e s e s :
T
= O vs
= 2P(M. . > 0} - l
devemos t e r T = 0 . ,Desta m a n e i r a , e s -
e e o b v i o q u e , sob
J7;
O
Kendall:
ou
prw. ,>
0 ;
1 / 2
< k((x^
, n)
~
^ \)
,jlâ^
,
^
^J
ou s e
^
> n(n
180.
181.
onde ctj +
= a e, geralmente, se toma
= a/2.
6.1.3
- Distribuio nula de K

Para uma amostra de n pares (X. , y J podemos e s t r u Quando n grande definimos:
t u r a r n/ d i f e r e n t e s grupamentos com as variveis X Q y , e, em

cada erupamento, teremos
K - E^(K)
^
(K)
O
K*=
p r o d u t o s M.. = (X . - X .) (Y . - Y .) .
A fira de i l u s t r a r a distribuio n u l a de Ky c o n s i d e remos n = 5, o que p o s s i b i i i t a - n o s grupar de 5 l = 120 maneiras
onde
d i f e r e n t e s as variveis X e
7, r e s u l t a n d o , e v i d e n t e m e n t e ,
em cada um d e l e s , um v a l o r p a r a a estatstica K.
os grupamentos sob
Como todos
sao igualmente p r o v v e i s , cada um oco_r
re com a p r o b a b i l i d a d e
n(n
~ \)(2n + 5)
1
72
p =
.
120
Portanto:
A obteno da estatstica K em cada grupamento

}( _
~i ^
f a c i l i t a d a se ordenarmos uma das variveis em ordem

te.
X* =
n(n
- \)(In + 5J
evesr.en-
A t i t u l o de i l u s t r a o , admitamos os pares:
X.
3,5
4,7
2,8
6,3
3,8
Y.
4,0
6,0
8.0
3,6
5,4
72
Comprova-se que para n =^' , K* fl ^<0 , 1) e assim,
reagrupando os p a r e s , em ordem c r e s c e n t e para X temos:
os nossos t e s t e s ficam:
a) H^: T = O v s ff^; T > O
rejeitamos
se
>_ 3 ^
b ) H^: T = O vs ff^; T < O
r e j e i t a m o s ff^ se K* <^ - 2 ^
c) ff ; T - O vs ff ; T
O
a
rejeitamos
s e /* ^ s ^ ^ ^
X^
2,8
3,5
3,8
4,7
6,3
Y-
8,0
4,0
5,4
6,0
3,6
Para cada
computamos:
K. = nmero de pares onde y . < Y. ,
fica
C^<J^
182.
183.
Um p r o c e s s o m a i s rpido i m p l i c a r i a
nas
as ordens
em c o n s i d e r a r ape
d a s variveis, quando c l a s s i f i c a d a s
e aasim
temos:
independeu
temente, ou s e j a :
X.:
y^;
6.1.4 - Empates
Os empates c o r r e s p o n d e m aos c a s o s em que
produto
e ento:
M^j = O e, e v i d e n t e m e n t e o c o r r e m quando s e v e r i f i c a
K. = numero de p a r e s onde 0. < O.
O- < i) ,
nos
uma d a s duas situaes s e a u i n t e s : X. = X. ou Y- = Y.. Nes
^
e, 0. e 0. s a o , r e s p e c t i v a m e n t e , a s o r d e n s
d a s variveis
^ 3
Y.
t e s c a s o s , atribumos a c a d a
ordens
No c a s o de n = 5, sob H^, obtemos a s e g u i n t e
p e l o me-
observao empatada a media d a s
que a e l a s s e r i a m atribudas c a s o nao o c o r r e s s e o em-
distripate .
buio n u l a de K;
Observamos que a cada ocorrncia de empates
corres-
ponde uma distribuio especfica da estatstica Kô que t o r
0
I
2
3
4
5
6
7
8
9
10
na
fi
1
4
9
15
20
22
20
15
9
4
1
n:
0,008
0,033
0,075
0,125
0.167
0,183
0,167
0,125
0,075
0,033
0,008
invivel a tabulao de todos
os c a s o s possveis. Podemos
no e n t a n t o , sem i n c o r r e r em e r r o s g r o s s e i r o s , a p r o x i m a r os ni^
0,008
0,042
0,117
0,242
0,408
0,592
0,758
0,883
0,958
0,992
1,000
1,000
0,992
0,958
0,883
0,758
0,592
0,408
0,242
0,117
0,042
0,008
veis
e x a t o s de significncia, atravs dos v a l o r e s de
encontrados
tstica
n a T a b e l a 12. P a r a e s t e f i m , r e d e f i n i m o s a e s t a conforme s e s e g u e :
onde:
e K
o nmero de p a r e s
O
aonordantes;
o numero de p a r e s
neutvos*
Admitamos, a t i t u l o de ilustrao, um c a s o com n = 5,

com empates
ite
n a 3. e 4. observaes A' e n a 2. e 3. observaes
y, i s t o :
Observamos que a distribuio de K e simtrica em t o r
X:
1.
y;
2,5
. 3,5 , 3.5 ,
, 2.5 .
no de
n{n - 1 '
k{a,n)
184.
e de 7 , r e s u l t a n d o a s e g u i n t e
grupamentos de
s:
= 5 , so possveis
Conforme v i m o s , p a r a
Na obteno da estatstica
= 120
=9+
distribuio
nula:
10 + 6 + 5 + 6 + 6 + 4 + 2 = 48
2 + 1 + 2+1
= 2+
(*)
0
1
2
2
3
3
4
4
5
6
7
8
9
8
7
7
6
6
5
5
4
3
2
1
1
0
Exata
4
8
2
12
4
16
2
24
20
16
8
2
2
2
2
1
2
1
2
1
2
2
2
2
1
1
9
8
7.5
7
6,3
6
5,5
5
4
3
2
1,5
0,5
+ 1
= 9
3 + 1 + 3 + 1
ij^ = 1 +
(K < x)
computamos:
= 9
e ento.
Aproximada
(**)
1,000
0,967
0,900
0,883
0,783
0,750
0,617
0,600
0,400
0,233
0,100
0,033
0,017
0,992
0.958
Admitindo o t e s t e :
H :T - O
o
0,883
vs
// :
a
obtemos:
0,758
0,592
0,408
0,242
0,117
n.m.s, = P^(K > 5 2 , 5 ; = P^(K < 66 - 52

= P^(K < 13,5;
e, p e l a Tabela 12 conclumos:
0 , 0 0 3 < n.m.s. < 0 , 0 0 4
(*)
KQ- n9 de pares n e u t r o s ;
: n9 de pares c o n c o r d a n t e s ;
: n9 de pares d i s c o r d a n t e s .
(**) O b t i d a p e l a Tabela u s u a l (Tabela 1 2 ) , onde nao ocorrem
os empates.
I l u s t r a n d o o uso da Tabela 12 nos casos de
ocorrn-
= 10
= 30
= 5
com o t e s t e :
= O
vs
H :
obtemos:
c i a de empates, admitamos d o i s exemplos, ou sejam:

K
19 Exemplo: Consideremos o a r r a n j o :
K ^ ^ \ K ^
12,5
1
7,5 7,5
7:
1 5 , 5 7
4 5 , 5 1 1 9
10
11,5
11,5
11
11
ZQ Exemplo: admitamos n = 10 e
H :
X:
^ O
n.m.s. - P^(K < 12,5;

Pela Tabela 12 obtemos:
< O
186.
187
0 , 0 3 6 ^ J.m.fi.
No
da
caso
de a p r o x i m a o
estatstica
0,054
normal,
substitumos
alm
y(^)
da
redefinio
u.(u.~\)(2u,+5)
J
^ 12(U)(29)
- 102 - 84 ^
72
6(6)
36(12)(11)(10)
a VQ^K) p o r
10(8)
n(n-l)
V(K)
- 1 t .(t - l ) (2t .+5) ~ Z
(2n-t-5)
8C12)(11)
72
1
t.(t-l)(t.~2)
l
j
u .(u -l)(u . - 2 J
.1 J
3
50,6598
Finalmente
36nrn-l)(n-2)
Y.
t.(t.-l)
K
K*
Z u.(u .'D
,
'
obtemos:
n(n-l}
5 2 5 - 33
2i2
^
= 2,74 .
50.6598
'
8n('n-lJ
onde;
t . e o tamanho
do g r u p o
da v a r i v e l
X;
u.Q
3
do g r u p o j d e e m p a t e , d a v a r i v e l
Y.
o tamanho
Ilustrando
i de empate,
com o s d a d o s
do 19 e x e m p l o ,
.1.5 - E s t i m a t i v a de r e seu i n t e r v a l o de confian

a
Conforme
j vimos:
temos:
T
= 2
"2
t
e,
Assim
2P
rA. . > OJ - 1
^3
sendo, sua estimativa
e:
= 3
T
= 2
2P
(M.
0) - 1
. >
t3
portanto:
K_
= 2
t.(t.'l)(2t,+5)
- 102
5: u .Cu .~\)(2u
t.(t.'l)(t.-2)
t.(t.-V
10
Y. u.(u ~ \
( u
- 2 )
3
3
3
1
u
. ( u .-l)
J
J
Assim
.+5)
-1
n (n~l)
= 84
Em c a s o
-1
--
de o c o r r n c i a
de empates
fica:
8
T
n{n-l)
obtemos:
HOLLANDER
cha
um
para
e WOLFE
a determinao
coeficiente
(1973)
apresentam
de c o n f i a n a
(1-a):
a seguinte
de c o n f i a n a
mar
para T ,
188.
189.
1) Determine:
y = Densidade bsica mdia ao nvel

t r a n s v e r s a i s do t r o n c o ) .
n
n
E C| -
. h
- = 1
n
Z C.
=i
do D,A.P. (seces
-_
Os dados s e g u i n t e s c o n s t i t u e m p a r t e dos seus r e s u l t a

~
3
dos e sao r e f e r i d o s em g/cm .
nTi-lJ
onde C i o nmero de pares concordantes com o par (X-, ^y-^*

2)
Calcule:
n{n-\)
0,602
0,619
0,592
0 , 6 3 6
0.620
0,625
0.664
0,594
0.622
0,604
0,620
0,641
0 . 6 5 2
0,626
0,606
0 , 5 4 8
0,538
0.606
0,579
0 , 5 9 0
0,616
0,502
0,501
Y
0,501
0,588
0.590
onde 3 , um l i m i t e s u p e r i o r da distribuio n o r m a l .
a/2
3)
a) V e r i f i q u e se as densidades o b t i d a s p e l o s d o i s processos
Os extremos do i n t e r v a l o de confiana sao:
sao p o s i t i v a m e n t e c o r r e l a c i o n a d a s ;
T
b) Estime
ou s e j a :
e seu i n t e r v a l o de confiana ao nvel a
Soluo
= 0 , 0 5 ,
^
O nosso t e s t e :
Aqueles a u t o r e s a l e r t a m ' p a r a o f a t o de que,
princiH^: T
O
palmente em pequenas amostras, poder o c o r r e r v a l o r e s o neg a t i v o s , i m p o s s i b i l i t a n d o consequentemente
de X obtemos:
- Exemplo
FERREIRA
de Ruoalyptus
(1970)
grandis
> O .
A r r a n j a n d o os pares de acordo com as ordens crescentes
a estruturao do
i n t e r v a l o de confiana.
6.1.6
O v s ff ;
a
X:
10
I X
r:
11
9 . 5
13
K J *
12
13
9 . 5
12
estudando a densidade bsica mdia
H i l l ex Maiden, c o n s i d e r o u ;
X = Densidade bsica media ao nvel
do D.A.P,, amostras
P r e s s l e r (Volume determinado atravs de paqumetros e

do dimetro da sonda de P r e s s l e r de 0 , 5 cm);
191.
190.
Portanto,
n.m.s. = P (K >_ 60,5; = P^fK <
2 ( U , 0 4 ) ( 1 , 9 6 ) ^Q^^3
Mi^l _ 50.
2
13(12)
= P^K < 17,5)
Os extremos do i n t e r v a l o de confiana sao:

T
Pela Tabela 12, p a r a n = 13 obtemos:

0,003 < n.m,s. < 0,005 .
= 0,55 0,28
i s t o ,
0,27 1
Assim, o nvel mnimo de significncia no q u a l r e j e ^

tamos HQ, esta
0,83
compreendido e n t r e 0,3% e 0,5%. H, p o i s , uma
f o r t e evidncia de que os dados sejam p o s i t i v a m e n t e c o r r e l a -
1) Numa Faculdade
cionados .
meiro semestre dos doze p r i m e i r o s alunos
A e s t i m a t i v a de T e dada por
? = !!L1^ - 1
=i<6o^ -1 =
n(n-l)
12
ou s e j a :
=
= 10
7
^8=
11
9
^9 ==6
^6
nos
13(12)
um
c o e f i c i e n t e de confiana ( 1 - a) = 0,95, p r e l i m i n a r m e n t e de-
= 1 12
2
classificados
exames v e s t i b u l a r e s e c u j o s r e s u l t a d o s foram:
0,55 .
Para a determinao do i n t e r v a l o de confiana, a
terminamos os C ,
tomaram-se as mdias de aprovao no p r i ^
11
<^12'
Cj3= 11
VESTIBULAR
19
29
39
49
59
69
aluno
aluno
aluno
aluno
aluno
aluno
MDIA DE
APROVAO
9,5
8,7
9,0
8,6
9,3
9,3
VESTIBULAR
79
89
99
109
119
129
aluno
aluno
aluno
aluno
aluno
aluno
MDIA DE
APROVAO
8,4
8,8
8.5
7,0
7,3
7.0
V e r i f i q u e se as notas de aprovao na
e ento.
Faculdade es-
to c o r r e l a c i o n a d a s com a classificao no v e s t i b u l a r .
13
C. - 120
= 1.152
2) CUSTODIO ( 1 9 6 9 ) , no seu estudo sobre "Seleao de Matr i a Prima D e s t i n a d a a Formao de Populaes Bsicas para
= 121,85
3
. = a
C/2
0^02 5
= 11,04
- 1,96
Melhoramento de G a l i n h a s " , o b t e v e , d e n t r e o u t r o s , os s e g u i n tes dados:
192.
193
PLANTEL
PESO DO
CORPO COM
200 DIAS
(kg)
PESO DO
OVO COM
210 DIAS
(g)
1,615
1,809
1,677
1,684
1,651
1.784
1,569
1,457
53,13
52,90
52,85
53,58
52,40
52,46
49,60
52,27
1
2
3
4
5
6
7
8
PLANTEL
9
10
11
12
13
14
15
PESO DO
CORPO COM
200 DIAS
(kg)
PESO DO
OVO COM
210 DIAS
(g)
2.411
2,272
2,513
2,394
2,043
2,309
2,201
49,43
51,49
51,26
51,20
53.25
50,11
47,82
n
Z
(1)
n
n
1*1
onde:
n
R =
a) V e r i f i q u e se o peso do ovo est correlacionado
com
peso do corpo da ave;
S -
b) Confronte as concluses obtidas atravs
do
Kendall com as obtidas pelo c o e f i c i e n t e de
teste
n
Z S.
-! * _ + 1
de
correlao
Facilmente se demonstra que:
de Pearson.
6.2 - Teste de Spearman
r - 12
O t e s t e de correlao de Spearman se equivale

Pearson, desde que substituamos
suas ordens
os v a l o r e s observados
R. S. - Mn
ao de
pelas
l)
(2)
nCn2 - i ;
ou ainda:
(rank).
n
f> 1
6.2.1 - Mtodo
r = 1 Consideremos, como no t e s t e de K e n d a l l , os n pares de
observaes
(B. ' R)(S. - S)
(X. , Y J provenientes de uma populao contnua
b i v a r i a d a , e sejam ff- e S., respectivamente,

servaoes X. e 7-. EnCao definimos
as ordens das ob
o coeficiente
fl
(R. - 5 J 2
(3)
n(n^
- i ;
Desde que no h a j a empates entre v a l o r e s de X ou de

as formulas
( 1 ) , (2) e (3) so e q u i v a l e n t e s .
195.
194.
As n o s s a s
e , p a r a n =*
hipteses sao:
ff^: X G Y s o i n d e p e n d e n t e s
H : X e Y s o positivamente
a
n i7(o , 1) .
-0);
correlacionadas
( r > O);
X e Y s o negativamente c o r r e l a c i o n a d a s
(2* <0 ) ;
X e Y s o dependentes ( r
Para
a)
testarmos
Assim, para
t e s t a r m o s , p o r exemplo;
a n v e l a de s i g n i f i c n c i a , r e j e i t a m o s ff s e r * > s , ,
0) .
6.2.3 - Empates
ao n v e l a de s i g n i f i c n c i a :
O v s ff ; r > O
rejeitamos
Quando o c o r r e m empates e n t r e v a l o r e s de X e de J p r o
cedemos como u s u a l m e n t e . P a r a empates e n t r e v a l o r e s s o de
se r >_ ria ^ n)
onde
ou s de y , c o n s i d e r a m o s a media das o r d e n s que seria^m
atrir
b u d a s q u e l e s v a l o r e s , c a s o nao h o u v e s s e o empate,
A l m de c o n s i d e r a r a m d i a das o r d e n s , s u b s t i t u m o s
Os l i m i t e s rCa , n) s a o e n c o n t r a d o s n a T a b e l a 1 3 .
h)
dado em ( 2 ) p o r :
H : r = O vs H : r < O
O
a
n
12
r e j e i t a m o s A'^ s e 2^ <_ -râ ^ n)

^1
c)
UO
r - O v s ff ; r * O
a
ou s e r <_ "'^(^2
S. - 3n(n + l ) ^
nCn^
r e j e i t a m o s ff^ s e r >^ v(a^ j
B-
- 1} - t ' ] \n(n^ - l ) - w '
pnde:
'^'^
t.(t^.
onde
a e, geralmente,
- 1)
- a/2.

u' =
P a r a a l t o s v a l o r e s de n d e f i n i m o s :
*
e,
h
Z
3=1
u .t -IJ
' '
numero de grupos de empates e n t r e os X;
numero de grupos de empates e n t r e os Y;

.
,
~
.esimo
V
numero de o b s e r v a e s no 1
grupo X;
,
,
~
.esimo
V
numero de o b s e r v a e s no j
grupo Y;
197.
196.
e para a ap^roxlmaao normal, ainda temos:

i
GIBB(S!lS (1971) nos afirma que, s e ocorrem poucos emp a t e s , podemos d i s p e n s a r ,
(Y
4
T. (R.-S-)^
i=l
^ ^
=A
n{n^
-i;
sem i n c o r r e r em e r r o s g r o s s e i r o s ,
as correea t' e u', oa deCermnao do c o e f i c i e n t e de c o r -
1
1
relao r .
3
3
4
2
1
1
4
4
4
2
4
2
2
2
1
1
3
3
6.2.4 - Distribuio nula de i*
0
2
2
6
6
8
0.00
0,20
0,20
0,60
0.60
0,80
1,00
0,80
0,80
0,40
0,40
0,20
0,20
0,40
0,60
1,20
1,00
1,40
0,80
0,60
0,40
-0,20
0.00
-0,40
Embora os l i m i t e s da T a b e l a 13 sejam aproximados, po

demos c a l c u l a r a s probabilidades exatas na
distribuio
do
c o e f i c i e n t e r , baseando-nos na formula:
n
6 Z
2
2
2
(R. ' S J ^
r - 1 "
n(n^
l)
Se admitirmos, a t!tulo de ilustrao, n - 4 e f i x a r

mos as ordens dos X em:
i?j - 1 ; i?2 - 2 ; i?3 - 3 ; i?^ - 4
teremos n/ 4' * 24 possveis a r r a n j o s para a s
correspondentes
4
4
3
3
3
3
3
3
4
4
4
4
4
4
1
1
2
2
2
2
4
4
2
4
6
12
10
14
2
4
1
4
1
2
4
2
4
1
2
1
6
10
8
14
16
18
0,60
1,00
0,80
1,40
1,60
1,80
0,40
0,00
0,20
-0,40
-0,60
-0.80
12
14
14
18
18
20
1,20
1,40
1.40
1,80
1.80
2,00
-0,20
-0,40
-0,40
-0.80
-0,80
-1,00
4
1
4
1
3
4
1
,
ordens
dos
Y e assim podemos obter a seguinte t a b e l a :
3
3
3
1
2
3
1
2
1
donde obtemos:
199.
198.
Dai temos;
13
I
-1.00
-0,80
-0,60
-0.40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
I
3
1
4
2
2
2
4
1
3
1
0,042
0,125
0,042
0,167
0,083
0,083
0,083
0,167
0,042
0,125
0,042
0,042
0,167
0,208
0,375
0,458
0,542
0,625
0.792
0,833
0,958
1,000
1,000
0,958
0,833
0,792
0.625
0,542
0,458
0,375
0,208
0,167
0,042
12
n(n^
ff.
n
l
= 761
R. S. - 3n(n +
- 1)
n (n^
- l)
12(761) - 3 ( 1 3 ) ( 1 4 ) ^
l)^
' u
= 0,682 .
[13(168)] [13(168) - b
A Tabela 13 nos d:
Observamos que a distribuio e simtrica
em
torno
>_ 0,643; = 0,010
de zero , i s t o :
e -p^(v > 0,698; = 0,005 .
Ento, o n.m.s. no qual rejeitaramos

6.2.5
a =^ 0,006 .
- Exemplo
Se o nosso t e s t e f o s s e o b i l a t e r a l , o n.m.s. s e r i a
Consideremos o exemplo d i s c u t i d o em 6.1.6

Neste caso, o nosso t e s t e :
a ^ 0,012 .
i' - 0
vs
H ; r > 0
0
a
Organizando os dados p e l a s ordens v i r a ;
R.
7
12
8
2
4
S.
R.
S.
B.
5
10
13
9
5
13
12
3
1
3
6
U
8
9,5
9.5
2
7
S.
4
11
6
201.
_7. ANALISE DE VARINCIA - CLASSIFICAO SIMPLES

{k amostras independentes)
A E s t a t s t i c a Nao-Parametrica permite-nos e s t r u t u r a r
c e r t o s t e s t e s que,
trabalhando
servaes, constituem
de v a r i n c i a do
Nao
m t i c o dos
com
os d i r e t o s
as ordens
(rank)
competidores
das
das
ob-
analises
campo p a r a m t r i c o .
m u i t o r a r o , d e v i d o i s e x i g n c i a s do modelo mated e l i n e a m e n t o s e s t a t s t i c o s no
( n o r m a l i d a d e dos
paramtrico
d a d o s , homogeneidade das v a r i n c i a s de
tamentos, e t c ) , seus
permitindo,
campo
competidores apresentam
n e s t e s c a s o s , a o b t e n o de
maior
tra-
poder,
c o n c l u s e s mais
acu-
radas .
Alem da m a i o r v e r s a t i l i d a d e d e s s e s
t r i c s , devemos l e v a r em
carretando
de
nao-param
c o n t a a s u a grande s i m p l i c i d a d e , a-
c o n s e q u e n t e m e n t e um menor e menos complexo volume
clculos.
Como s u b s t i t u t o s do
a n a l i s e s dos
m e r a r , no
que
testes
ensaios
t e s t e F e s e u s c o m p l e m e n t a r e s naa
inteiramente
campo n o - p a r a r a t r i c o ,
s e complementam:
c a s u a l i z a d o s , podemos enuo s e g u i n t e grupo de
testes
203.
202.
Quando se consideram apenas duas amostras independen
a) Teste de K r u s k a l - W a l l i s ;
tes {k = 2) e l e corresponde ao t e s t e b i l a t e r a l
b) Teste de Jonckheere;
mos
independentes,constituindo,poi
k tratamentos, conforme esquema seguinte:

1
Wilcoxon,
j r e f e r i d o em 4.1. Para mais de duas amostras {k > 2) pode-
c) Comparaes Miltiplas,
Admitimos k amostras
de
Admitindo k tratamentos,
o t e s t e permite-nos a v e r i -
t e s t e de " p o s i o " para k amostras independentes.
7.1.2
hl
^2 2
extenso daquele t e s t e .
guar se h diferena entre pelo menos dois d e l e s ; e, pois,um

k
consider-lo como uma
- Pressuposies
KRUSKAL e WALLIS (1952) apresentam apenas pressuposi^
coes g e r a i s a r e s p e i t o do t i p o de distribuio
das
observa-
e s , ou sejam:
X
' - 2
a) As observaes sao todas independentes;

b) Dentro de uma
Nessa e s t r u t u r a , substitumos os dados o r i g i n a i s , p

l a s suas ordens (vank)
todas
as
observaes sao
provenientes da mesma populao;
numa classificao conjunta das

li = l
dada amostra,
c ) As k populaes sao aproximadamente da mesma
n.
forma
continuas.
7.1.3 - Hipteses
observaes.
De acordo com a e s t r u t u r a do t e s t e , podemos conside-
7.1 - Teste de Kruskal-Wallis

7.1.1
rar
- Generalidades
O t e s t e de K r u s k a l - W a l l i s f o i introduzido por
este
autores em 1952, como um competidor ou um s u b s t i t u t o do Tes

te F dp campo p a r a m t r i c o .
Sua f i n a l i d a d e e s t a b e l e c e r confronto entre k amos
t r a s independentes,
H : pelo menos dois tratamentos

a
7.1.4
diferem e n t r e s i .
- Mtodo
k
Procedemos classificao conjunta das iV = I n . ob^
1 ^
s e r v a o e s , dando ordem 1 a menor e ordem N a maior d e l a s .
205.
204.
d) A T a b e l a 1 4 est o r g a n i z a d a
Dsflnimos a estatstica:
para
<
t'.ntre-
t a n t o , como a ordem das a m o s t r a s nao i n t e r f e r e no r e H
i
E
N(N + l ) i=\
-STA^ + I J
s u l t a d o da estatstica f, podemos sempre tom-las n a -
q u e l a ordem.
onde i ? . a soma das o r d e n s atribudas ao t r a t a m e n t o
7.1.5
^.
- Empates
1.
P a r a t e s t a r m o s , ao nvel a de significncia,
rejeitamos
H^vsH^y
No c a s o de o c o r r e r empate e n t r e duas ou m a i s
es , procedemos ao desempate, c o n s i d e r a n d o ,
se H >_ h
observa-
p a r a cada
obser
vaao no grupo empatado, a mdia das ordens que s e r i a m
atri-
onde
budas a e l a s s e nao h o u v e s s e o empate. O v a l o r e H a f e t a
P^(H
>_h} = a
do da s e g u i n t e correo:
A T a b e l a 14 nos d os l i m i t e s de h p a r a
^ 6 e / =
9
Z T.
= 3.
Cumpre o b s e r v a r que:
a ) P a r a k = 2, empregamos o t e s t e b i l a t e r a l
de W i l c o x o n ;
onde: g = nmero de grupos de empates;
b ) X medida que os n. c r e s c e m ,
t e n d e a distribuio de
a distribuio n u l a
com
de
(k - 1) g r a u s de l i b e r ^
t . = numero de observaes empatadas no grupo
dade.
A T a b e l a 14, a p r o p r i a d a ao t e s t e ,
apenas p a r a ?c = 3 e n . < 6. A s s i m , p a r a
esta
estruturada
> 3 ou p a r a ,
menos um n. > 6, u t i l i z a m o s a T a b e l a de x^ com
(fe-1)
pelo
l T.
^
- N
1
(1952) recomendam a i n d a a s a p r o x i m a
es p e l a s distribuies V (gama) e B ( b e t a ) i n c o m p l e t a s . E n
t r e t a n t o , e s t a s , a l e m de m a i s c o m p l i c a d a s ,
somente em poucos
c a s o s l e v a m l i g e i r a v a n t a g e m s o b r e o x^ razo p e l a q u a l nao
e aconselhvel o s e u u s o .
l - ~ SN -t- l)
_ N(N + l) i
H
- ~
graus
de l i b e r d a d e .
KRUSKAL e WALLIS
Cumpre o b s e r v a r que, o b t i d o ff^, procedemos como u s u a l

mente, ou
seja:
a) P a r a grandes amostras,
ou p a r a k > 3,
distribuio aproximada de
dade;
tambm tem uma
com k - l g r a u s de lber
207.
206.
b) P a r a
fe=3en.^6os
n v e i s de s i g n i f i c n c i a d a Tabe
l a 1 4 , quando a p l i c a d o s a H^, s a o apenas
aproximados.
7.1.6 - Exemplos
: p e l o menos d o i s
^
tratamentos diferem
Procedendo c l a s s i f i c a o
Exemplo 1
conjunta
e s e , desde que nao houve e m p a t e s ,
Numa p e s q u i s a
r e a l i z a d a p e l o D r . Aldo D u v i l i o Ometto,
do Departamento de E n g e n h a r i a
a 14 d a menor p a r a
= 28 cm
observa-
a t r i b u i n d o o r d e n s de 1
33
^1 = 5^
^3
= 1
e , consequentemente;
ram p r o v a d o s t r e s d i m e t r o s d i s t i n t o s , ou s e j a m :
= 26 cm
d a s 14
a m a i o r , obtemos:
R u r a l d a E.S.A. " L u i z de Q u e i -
r o z " , s o b r e a " I n f l u e n c i a do Tamanho do D i s c o n a A r a a o " , f o
entre s i .
^g = 30 cm .
12
H =
(54)
(18)
(33)
- 3(15)
14(15)
Os r e s u l t a d o s p a r c i a i s de " e s f o r o de t r a a o " , em k g f ,
p a r a um s o l o a r g i l o s o
= 5.400 .
foram:
Considerando
^1
^2
2.212,8
2.025.3
1.989,0
2.232,8
2.027,8
li^
(13)
(9)
(8)
(14)
(10)
54
la
^3
2.195,2 ( 1 2 )
2.031,5 ( 1 1 )
1.876,5 ( 7 )
1.750,3 ( 2 )
1.060,3 ( 1 )
1.770,3
1.800,0
1.852,8
1.769,0
(4)
(5)
(6)
(3)
=4;
= n. = 5 e a = 0 , 0 5 ,
14 n o s d : h = 5 , 6 4 3 . Desde que o b t i v e m o s H = 5 , 4 0 0 , a c e i _
tamos
diferem
isto
, os tratamentos,
entre s i .
ao n v e l c o n s i d e r a d o , nao
O n.m.s. s e r i a a = 0 , 0 7 5 .
Exemplo 2
PIMENTEL GOMES (1978) a p r e s e n t a
i?2 "
^3 "
perimento
um exemplo de um e x -
( f i c t c i o ) de a l i m e n t a o de p o r c o s ,
ram q u a t r o r a e s
Houve d i f e r e n a de comportamento dos tamanhos dos d i ^
(-4,
C e D) ,
em que s e u s a
c a d a uma f o r n e c i d a a c i n c o
a n i m a i s , e s c o l h i d o s ao a c a s o . Os aumentos de peso o b s e r v a d o s ,
em k g , foram:
c o s , quanto a o e s f o r o de t r a a o ?
Soluo
B
A p l i c a m o s o t e s t e de K r u s k a l - W a l l i s com a s s e g u i n t e s
h i p t e s e s .*
H : t = t =t
0
1
2
3
a Tabe-
35 ( 1 4 , 5 )
19 ( 4 )
31 ( 1 2 )
15 ( 3 )
30 ( 1 0 , 5 )
40 ( 1 7 )
35 ( 1 4 . 5 )
46 ( 2 0 )
41 ( 1 8 )
33 ( 1 3 )
39
27
20
29
45
(16)
(6.5)
(5)
(9)
(19)
27 ( 6 . 5 )
12 ( 1 )
13 ( 2 )
28 ( 8 )
30 ( 1 0 , 5 )
209.
208.
s i g n i f i c a t i v o ao n v e l de 5% de p r o b a b i -
Assim,
Houve d i f e r e n a no comportamento d a s q u a t r o
raes,
l i d a d e . O n.m.s. no q u a l
quanto ao ganho de peso dos a n i m a i s ?
Por
Soluo
bem
Os n m e r o s e n t r e p a r n t e s e s r e p r e s e n t a m as o r d e n s d a s
observaes na classificao conjunta. Ento

ifj
= 44,0
= 82.5
= 55.5
( 4 4 , 0 ) ^ ^ ( 8 2 . 5 ) ^ ^ (55,5)2 ^ (28,0):
12
20(21)
a u t o r e n c o n t r o u F - 3.993, tam
de aproximadamente 4 % .
O b s e r v a - s e uma e x c e l e n t e c o n c o r d n c i a
= 28,0
pelos dois
ExercTcios propostos
1) Num e x p e r i m e n t o
-
3(21)
feijoeiro,
(em
de r e s u l t a d o s
testes.
7.1.7
H =
l a d o , aquele
s e r i a a - 0,03.
s i g n i f i c a t i v o ao n v e l de 5% de p r o b a b i l i d a d e . N e s t e c a -
s o , o n.m.s.
temos:
;
outro
rejeitaramos
s o b r e a e f i c i n c i a de
inseticidas
no
foram o b t i d o s os s e g u i n t e s r e s u l t a d o s de p r o d u o
kg/ha):
9,037 .
Como houve e m p a t e s ,
procedemos ao c a l c u l o d a c o r r e -
a o C , ou s e j a :
= t f - j = 6
*3 = '
7 = 1 -
ZT
1 -
- N
18
= 0,9977
7.980
*i
Testemunha
Ekatin
*3
Diazinon
1451
1534
1493
1285
5763
1441
1451
1575
1534
1493
6053
1513
1368
1534
1534
1534
5970
1492
fcrenas entre os
t e s t e de K r u s k a l - W a l l s , s e houve d i
tratamentos.
2) Numa p e s q u i s a s o b r e
H. =-
^.= 1 ^ =
C
0,9977
9,058
1534
1658
1700
1700
6592
1648
.
V e r i f i q u e , pelo
Logo,
EPN
" I n f l u n c i a do Peso d a Muda de R i -
zoma de B a n a n e i r a , no C i c l o , D e s e n v o l v i m e n t o
Bananal",
r e a l i z a d a p e l o D r . J a i r o R, de M a t t o s ,
" L u i z de Q u e i r o z " ,
P r o d u o do
da
E.S.A.
foram o b t i d o s o s s e g u i n t e s r e s u l t a d o s p a r
c i a i s , r e l a t i v o s ao numero m d i o de p e n c a s p o r c a c h o :
210.
211.
4) Numa pesquisa realizada a fim de v e r i f i c a r a eficincia
TPATAMENTOS
i f Rep.
2f Rep.
3! Rep.
4^ Rep.
1
2
3
7,2
8,4
9,0
8,4
8,8
9,3
8,2
8.6
9,0
8,4
9,7
9,9
5^ Rep.
7,8
9,2
10.1
de quatro panelas de presso, no cozimento de feijo, foram

registradas as consistencias do produto, aps 25 minutos de
cozimento, obtendo-se os seguintes resultados.
Tratamento 1: Rizoma de 1 kg;
18
19
21
18
20
Tratamento 2: Rizoma de 2 kg;

Tratamento 3: Rizoma de 3 kga) Verifique, pelo teste de Kruskal-Wallis, se o peso
^2
^3
16
14
17
15
16
21
20
22
19
22
19
17
18
20
19
do rizoma i n f l u i no nmero mdio de pencas;

b) Aplique o teste F e comente o resultado
Aplique o teste de Kruskal-Wallis, aos dados.
frente ao
encontrado no teste de Kruskal-Wallis.
7.2 - Teste de Jonckheere
3) Num ensaio sobre: "Amostragem da Cana-de-Acar para De

terminaes Agro-Xndustriais",
7.2.1
realizado no Departamento de
- Generalidades
Rural da E.S.A. 'Luiz de Queiroz *, foram obtidos
o teste de Jonckheere, embora as vezes utilizado co-
os seguintes resultados, com relaao porcentagem de Acar

Provvel.
mo um complementar do teste de Kruskal-Wallis, e completameii
Tecnologia
te independente daquele.
Seu objetivo e v e r i f i c a r se os tratamentos, conveni-
TALHES
Rep.l
Rep. 2
Rep. 3
Rep. 4
Rep. 5
Rep. 6
1
2
3
4
5
6
7
8
9
13,03
11,66
13,86
12,22
14,16
14,69
15,67
15,91
15.68
13,22
11,54
13,08
14,07
14,23
14,98
16,59
16,38
15,74
13,30
12,08
13,22
13,51
14,26
14,95
15,19
17,07
15,95
13.20
10,86
13,34
13,09
15,22
14,69
15,63
16,58
16,54
13.19
13,05
13,93
13,13
13,84
14,75
15,48
16,82
16.12
12,70
11,95
12,82
13,27
14,39
14,54
15,42
15,77
16,02
Aplique o teste de Kruska-Wallis aos resultados.
entemente arranjados, se dispem numa ordem nao decrescente.

Pode s e r , pois, considerado um teste de "posio" para k amostras independentes.
Suas exigncias (pressuposies) sao as mesmas do tes^
te de Kruskal-Wallis.
Podemos tambm consider-lo como uma extenso dos tes^
tes de Wlcoxon (Mann-Whitney) , para o caso de ? > 2. Para
= 2, ele corresponde ao teste unilateral (A > 0) de Wilcoxon.
213.
212.
rejeitamos
7.2.2 - Hipteses
Considerando k tratamentos,
podemos e s t a b e l e c e r as hi^
se J ^ j
a ; k ; (n^^
onde
poteses:
} ^ a .
Os l i m i t e s de j I a ;
o b t i d o s na T a b e l a
f^:
Cumpre o b s e r v a r
t r u t u r a d a p a r a n^<^n^<
S 1*2
l - - -
o n d e , ao menos uma d e s i g u a l d a d e
'
determinamos
os
tivermos
p a r a f i n s de c o n s u l t a a t a b e
A s s i m , por e x e m p l o , s e t i v e r m o s
grupos de d i f e r e n a s , do t i p o /^^, e n t r e
se
l a , c o n s i d e r a r os tamanhos d a s a m o s t r a s , em ordem c r e s c e n t e .
prevalece.
A p a r t i r dos k t r a t a m e n t o s ,
que a T a b e l a e s t a e s -
< n-^. E n t r e t a n t o ,
o u t r a ordem, podemos, meramente
7.2.3 - Mtodo
V,
15,
n j ...^ n,j]podem s e r
tratamentos u e
= 5 ;
= 4 e
demos e n t r a r na t a b e l a como s e t i v s s e m o s :
= 2 , po^
= 2 ;
~ ^ ^
= 5 . O b s e r v a m o s , no e n t a n t o , que i s t o nao i m p l i c a numa per^

muta da ordem dos
ou s e j a , d e f i n i m o s
tratamentos.
O u t r a o b s e r v a o que s e f a z n e c e s s r i a q u e , p a r a ai=l,2,..,,i^^
^=1.2,...,fc-l
v=u+l,...,fc
p l i c a a o do t e s t e , podemos sempre r e o r g a n i z a r os t r a t a m e n t o s
de modo a t e r sempre n a h i p t e s e
^ 1
e fazemos:
*2
alternativa:
i s t o , os n d i c e s em ordem c r e s c e n t e .
f(X
.; X

Quando a s a m o s t r a s s a o g r a n d e s {n. - - ) ,
e ento:
mos:
U
- Z
N
A e s t a t s t i c a do t e s t e e:
J
li<V
Para
t e s t a r m o s , ao n v e l a de s i g n i f i c n c i a
v s H^,
E^(J}
j -
l
^=l
considera"
215.
214.
onde:
comprova-se que J* l AÔ ; 1) .

Dessa forma, para t e s t a r m o s , ao nvel a de s i g n i f i -
/ = n9 de grupos empatados;
t . = n9 de observaes empatadas no grupo j .
cncia: H^ vs H ,
reeitamos H
onde z
se J* > 3
O
a
7.2.6 - Exemplos
& um l i m i t e s u p e r i o r da distribuio n o r m a l ,
*
Exemplo 1
7.2.5 - Empates
A p l i q u e o t e s t e de Jonckheere ao exemplo n9 1 , a p r e -
Quando ocorrem empates e n t r e observaes de trataraen

tos d i s t i n t o s
(X . e X ,). r e d e f i n i m o s
1
F(X
.; X
*1 = ^3
se X . < X .,
se X . > X
e procedemos como usualmente. Neste caso, os l i m i t e s o b t i d o s

p e l a Tabela 15 so apenas aproximados.
No caso de aproximao n o r m a l , alem da redefinio de
^2^^2^
^3^^l^
1770,3
1800,0
1852,8
1769,0
2195,2
2031,5
1876,5
1750,3
1060,3
2212,8
2025,3
1989,0
2232,8
2027,8
n.(n.-l)(2n.'/'5)
t .(t .-1) {2t .+5)
Determinamos:
72
n .(n .-1}(n
-1)
*3 = ^ 1 '
t^(D^)
ou s e j a :
. : X . J , substitumos a V^(J) p o r :
N(N-l)(2N+5)
V(J}
1/2 se X . ^ X
F(X
sentado no t e s t e de K r u s k a l - W a l l i s , a d m i t i n d o
h
Z
= 3 + 3 + 3 + 3
=12
/j 3 = 5 + 5 + 5 + 5
=20
= 2 + 2 + 5 + 5 + 5
t,Ct.-l}(t.-2}
-19
23
e ento.
36N(N-l)(N-2}
h
E
t.(t.-l)
J ~
I. U
= 12 + 20 + 19 - 51 .
uv
u<v
A Tabela nos d:
ô''^ 1 ^^-^ = 0,0508
8N(N-l)
P^(J > 52J = 0,0116
217.
216.
Exemplo 2
Portanto,
A p l i q u e o t e s t e de J o n c k h e e r e
0,0116 < n.m.a. < 0,0508
ao exerccio 1 de 7.1.7,
,
considerando,
Conclumos, p o i s , que os r e s u l t a d o s dos "esforos
p a r a a hiptese
alternativa:
de
= Testemunha
traao" c r e s c e m medida que o dimetro d e c r e s c e .

= Diazinon
C o n f r o n t a n d o os r e s u l t a d o s o b t i d o s p e l o s
testes
de
=
Kruskal-Wallis
(a
= 0,061) e de J o n c k h e e r e
t,
f i c a - s e que r e a l m e n t e
tre s i .
sao t e s t e s
totalmente independentes
s e j a s e tem uma
Be acordo
ideia preliminar
^12
a r e s p e i t o do comportamento dos t r a t a m e n t o s , que n o s p e r m i t a

pr-estipular uma ordem dos mesmos, m a i s recomendvel
plicao do t e s t e de
a a-
classificao c o n j u n t a . A s s i m ,
no n o s s o
o b t i d a s na
+ 2,5 +
= 23,5
5,5 + 2,5 + A,5 +
= 25,5
+ 5.5 +
= 30,5
+ 2,5 + 2,5 + 2,5 +
- 19,5
+ 5,5 + 5,5 + 5.5 +
= 29,5
^3. =
= 29,5
^2.
exemplo, temos:
com os dados temos:
Jonckheere.
Podemos d e t e r m i n a r J , a p a r t i r d a s o r d e n s
= EPN
en
A aplicao de um ou de o u t r o , depende dos o b j e t i v o s
que s e tem em m i r a . A s s i m ,
Ekatin
( a <0,0508) v e r i ^
+ 5,5 +
donde obtemos:
J =
12
11
7
2
1
13
9
8
14
10
= 158 .
u<v
A T a b e l a 15 nos d a :
P^(J
Assim,
e, c o n s e q u e n t e m e n t e :
=
^12 = 12
/^^ = 20
158; = 0,0048
n.m.s. no q u a l rejeitaramos H^:
= t^^, em f a v o r de H^:
<^
1 ^3 1 *4 V^^^
ao nenos
uma d e s i g u a l d a d e v a l i d a , a 0,0048.
= ^
<r = 51
Conclumos, ento, que ao menos um dos i n s e t i c i d a s

m a i s e f i c i e n t e do que a t e s t e m u n h a .
218.
219.
E v i d e n t e m e n t e , quando r e j e i t a m o s H^,
Exemplo 3
==
"3
do
10,
que,
estamos
admitn
p e l o menos d o i s t r a t a m e n t o s d i f e r e m e n t r e s i .
Assim,
a f i n a l i d a d e do m t o d o e l o c a l i z a r quando e x i s t e m , a s
tados:
12
80
85
65
"2 3
r e n a s s i g n i f i c a t i v a s e n t r e p a r e s de
Os
es m l t i p l a s ,
a c o r d o com
t e s t e de
Jonckheere
os r e s u l t a d o s temos:
J
Pela aproximao
As
tratamentos.
no-parametricos
empregados n a s
que
os
do campo p a r a m t r i c o .
t a b e l a s : u t i l i z a d a s s a o , n a m a i o r i a dos
f i c i e n t e s , d e v i d o a s u a c o m p l e x i d a d e de
Abordaremos os s e g u i n t e s
230
compara^
q u a s e sempre s o menos e f i c i e n t e s do
seus concorrentes
A p l i q u e a a p r o x i m a o normal do
De
processos
dife-
casos,
de-
estruturao.
casos:
a ) C o m p a r a e s m l t i p l a s e n v o l v e n d o todos os p a r e s de t r ^
normal:
tamentos;
230
b) C o m p a r a e s m l t i p l a s
900(63) -
3,042
testemunha v s
26,3
3(100)(23)
cessos apropriados
contrastes:
tratamento.
P a r a ambos os c a s o s
72
e n v o l v e n d o apenas os
s e r o e s t r u t u r a d o s a i n d a os
pro-
a grandes amostras.
donde:
7.3.1
n.m.8. = 0,0012
e,
portanto,
rejeitamos
f^:
'
^2
^3'
favor
de
H^:
<_t^ <_ t g , a o n v e l a = 0,0012.

7.3
- Comparaes
- Comparaes envolvendo todos os pares de tra^

tamentos
P a r a c a d a p a r i e j e
ser
encarado
lis,
...
e m p r e g o do
como uma
onde h a v a m o s
-
t,.
mtodo
das
comparaes
complementao
considerado
determinamos
diferena:
Mltiplas
^
o
tratamentos,
do
teste
a hiptese
Hî
mltiplas
de
tj ~
pode
_ ^ I
^
(t-1.2
fc-1)
(j-t+l,...,:)
Kruskal-Wal^
=
...
onde F.
e H . r e p r e s e n t a m a s somas das
tratamentos i e j respectivamente,
das
u observaes
r e f e r e n t e s aos
ordens a t r i b u d a s
na c l a s s i f i c a o
tratamentos.
aos
conjunta
220.
221.
Se houver empates, u t i l i z a m o s a s o r d e n s
A diferena mnima s i g n i f i c a t i v a
(expervmentbuise
x a de e r r o e x p e r i m e n t a l "
gundo a q u a l admitimos
a) P a r a
?^
(d.m.s.)
error
Exemplo 1
medias.
a uma " t a -
vate)
a,
se-
e:
dos
tres
vou
doze a m o s t r a s
t i p o s , por c i n c o d e g u s t a d o r e s .
prova-
Cada d e g u s t a d o r
pro-
( q u a t r o de cada t i p o ) e a t r i b u i u a cada uma
pelos cinco degustadores
atribudas
a c a d a uma d a s amostras
foram:
= A
>nde:
TIPO 1
^
q u a l i d a d e de v i n h o , foram
d e l a s uma n o t a de z e r o a d e z . As medias d a s n o t a s
= - - = '^j^ = "
d.m.s.
Numa p e s q u i s a s o b r e
5,0
6.7
7,0
6.8
A T a b e l a 16 n o s d o s v a l o r e s de A.
b) P a r a o c a s o de d i f e r e n t e s nmeros de repeties
TIPO 2
entre
TIPO 3
8,3
9,3
8,6
9,0
9,2
8,7
7,3
8.2
os fe t r a t a m e n t o s
V e r i f i q u e s e ha p r e f e r e n c i a dos d e g u s t a d o r e s
d.m.s, --
N(N
+ 1)
^ 1
^ _J_j
n.
12
por a l -
gum dos t i p o s de v i n h o .
n,
Soluo
onde: h o l i m i t e dado p e l a T a b e l a 14 do t e s t e de K r u s k a l -
Se a p l i c a r m o s o t e s t e de K r u s k a l - W a l l i s , t e r e m o s :
-Wallis;
n. e n.
e j
so os nmeros de repeties dos t r a t a m e n t o s
i?j = 10
Pela Tabela
N e s t e c a s o c o n s i d e r a m o s a s diferenas:
=
R.
3
nos
'
-Q
14, o n.m.s.
no q u a l
outro
l a d o , o r g a n i z a m o s a s diferenas:
|7?j -
= |10 - 37| 27
ffj=
l i o - 31] - 21
i?2 - /?3l = |37 - 3X1 =

P a r a melhor ilustrao dos d o i s casos vejamos o s s e
exemplos:
rejeitaramos
diferem entre s i .
|ffj -
guintes
i ? ^ 31
N^:
e a = 0,007. Podemos ento a f i r m a r que p e l o me-
dois tratamentos
Por
onde:
= 37
c o n s e q u e n t e m e n t e : B 7,731.
respectivamente.
H. ' ^
223.
222.
A Tabela
A = 27, o u a i n -
16 n o s d , t a x a a " 0 , 0 1 1 ,
c ) n. e n
da:
v a r i v e i s c o n f o r m e o p a r (i , j ) c o n s i d e r a d o .
Os r e s u l t a d o s e s t o r e s u m i d o s
i 27
seguinte:
0,011.
Conclulmoti pois, que t a x a a = 0 , 0 1 1 ,

to Sp 01 daguitadorea p r e f e r e m o t i p o
na t a b e l a
^ t^, i s -
" 2 " ao t i p o " 1 " .
ao
1 ^^ . 3-
,j)
(.1 , 2 )
( 1 . 3)
(2 , 3)
Extmplo 2
A p l i q u e o m t o d o das c o m p a r a e s m l t i p l a s
R.\
d.m.s.
4,2
6,3
6,28
6,67
6,67
2,1
Exem-
p l o 1 do t e s t e d e K r u s k a l - W a l l i s .
Conclumos
ento que:
Soluo
Ja
vimos que:
= 54
/?3 = 18
?2 = 33
e ainda:
*1
~ '^2
*1
= *3
*2
= *3
ou
*1
= *2 = *3
A uma t a x a a um p o u c o m a i s e l e v a d a ,
"2
teramos
Observamos que n a o h e q u i v a l n c i a e n t r e e s t e
= 5
"3
'
proces
so e o t e s t e de K r u s k a l - W a l l i s .
Consequentemente:

ffj - 10,8
=-6,6
= 4,5 .
D e t e r m i n a m o s as d i f e r e n a s
N e s t e c a s o , como os t r a t a m e n t o s n a o s a o i g u a l m e n t e r
a , as d.m.s, s e g u n d o as q u a i s
R. - R.
e, a
uma
t j sao:
petidos, estruturamos:
a) P a r a n
d.m.8.
12
n .
^
"2
k(kn
n.
3
+ 1)
12
k{N
+ l)
12
A d m i t i n d o a t a x a a = 0,05 t e m o s :
A Tabela
a)
17 n o s d o s v a l o r e s de Q.
h = 5,643
b ) No c a s o de t r a t a m e n t o s n a o i g u a l m e n t e
b)
17,5
12
repetidos:
taxa
224.
225.
a/\k{k-\)
um
onde z
C o n c l u m o s que a s r a e s
limite
12
n .
n.
superior da distribuio
2 e 4 d i f e r e m quanto ao ga-
nho de p e s o , a t a x a de 5 % . Observamos que t a m b m e s t e

normal.
resul-
tado c o n c o r d a n t e com o o b t i d o por PIMENTEL GOMES ( 1 9 7 8 ) , no

campo p a r a m t r i c o ,
Exemplo 3
E s t a b e l e a a s c o m p a r a e s m l t i p l a s no exemplo
teste
do
Exemplo 4
Num
de K r u s k a l - W a l l i s .
e x p e r i m e n t o de c o m p e t i o de v a r i e d a d e s
de c a n a -
- d e - a c a r , foram r e g i s t r a d o s os r e n d i m e n t o s , em k g , de a -
Soluo
car
Naquele
exemplo h a v a m o s
Co 413
R
82,5
28,0
R.
116,1
114,4
113,6
101.6
112.7
A s s i m , obtemos:
R , =
por t o n e l a d a de c a n a , o b t e n d o - s e
8,8
16,5
os s e g u i n t e s r e s u l t a d o s :
encontrado
i?3 = 11.1
\
(10)
(9)
(8)
(3)
(7)
Co 421
Co 419
105,3 (6)
99,9 (1)
104,8 (4)
105,1 (5)
100,2 ( 2 )
121,6
122,0
124,9
123,3
Co 678
(12)
(13)
(17)
(15)
5.6
Podemos f o r m a r a s s e g u i n t e s
diferenas:
i?2 - ^3
Es tabelea as comparaes m l t i p l a s entre

5,4
IH3 -
Os n m e r o s e n t r e p a r n t e s e s r e p r e s e n t a m a s o r d e n s n a
Tabela
classificao
c o n j u n t a d a s 17 o b s e r v a e s .
A s s i m ternos:
17 nos d :
.
Logo,
.m.s.
R^ = 3 7
R^ '
7,40
R^ = 1 8
^2 *
3,60
i?3 - 57
R^ ^ 14,25
R, = 4 1
= 3,633
12
trata-
Soluo
5.5
C o n s i d e r a n d o a t a x a a = 0 , 0 5 , e p a r a : 4 , a
os
mentos .
10,9
2,3
Q - 3,633
123.8 ( 1 6 )
122.9 ( 1 4 )
118,5 ( 1 1 )
ff
13.67
226.
227.
Utilizamos, neste
caso, o processo
t r a s , com os t r a t a m e n t o s nao i g u a l m e n t e
d a s g r a n d e s amos-
repetidos.
Podemos e s t a b e l e c e r c o m p a r a e s u n i e b i l a t e r a i s . Ad
mitimos d o i s c a s o s , a saber:
Se a d m i t i r m o s , p o r e x e m p l o , a = 0,06 t e r e m o s :
a) Tratamentos igualmente
1)
e a d.m.s^ s e r dada p o r :
= 3 e < 6:
A Tabela
18 nos da a d.m.s.
comparaes u n i l a t e r a i s ,
d.m.s. = 2,58
17(18)
^ 1
12
Podemos e s t a b e l e c e r a s e g u i n t e
n .
repetidos
( ) a uma t a x a a , p a r a a s
ou s e j a :
1 ^
n .
3
t.
t a b e l a de r e s u l t a d o s
>
se
<
se
>
R^ ~ ^ i L ^
P a r a a s c o m p a r a e s b i l a t e r a i s , a d.m.s.
(i
> ,j)
(1
(1
(1
(2
(2
(3
,
,
,
,
,
,
R. T-
R.
3
3,80
6,85
6,27
10,65
10,07
0,58
2)
3)
A)
3)
4)
4)
t a x a a , dada p e l a T a b e l a
d.m.s.
2)
se
t ^ , ou s e j a , a v a r i e d a d e
as variedades
7.3.2
d i f e r e de
Co 419 deu menor r e n d i m e n t o
\B. -
> 3 ou p a r a g r a n d e s a m o s t r a s
>_S^
(n > 6 ) :
P r e l i m i n a r m e n t e determinamos a s d i f e r e n a s :
R.
C o n c l u m o s q u e , a t a x a de 6 Z ,
a uma
19. Assim:
t. ^
8,24
8,74
9,51
8,74
9,51
9,95
( i 5 ^ ) ,
e
do
de
- R,
onde
que
Co 421 e Co 6 7 8 .
- Comparaes mltiplas: tratamentos vs testemunha
Para as comparaes u n i l a t e r a i s ,
m.s.
P a r a f a c i l i d a d e de e s t r u t u r a o , d e s i g n a r e m o s a
temunha por t ^ . Se a d m i t i r m o s k t r a t a m e n t o s ,
{k
- 1) c o m p a r a e s r e f e r e n t e s a s d i f e r e n a s
(i
= 2 , 3,
k ) .
podemos
a uma t a x a a ,
tesfazer
do t i p o / i ' ^ . -
d.m.s. - q
N(N
+ 1)
6n
Os v a l o r e s de q s a o e n c o n t r a d o s n a T a b e l a
20.
a d.
229.
228.
Para as comparaes b i l a t e r a i s
^2 - /?! = 53 - 27 = 26
temos:
- f^ = 91 - 27 = 64
^1 >
Pela Tabela 18 temos:
Sn
a = 0,049
= ^
6 = 36
e aatim,
a = 0,001
se
' ^
1 ^1
= 56
N(N -h l)
1
Conclumos que, t a x a a = 0,001,
> t^.
6n
Por o u t r o l a d o , se usssemos o t e s t e b i l a t e r a l
Os v a l o r e s de
sao encontrados na Tabela 2 1 .
mos, p e l a Tabela 19:
Exemplo 5
a = 0,048
Num e n s a i o sobre adubao n i t r o g e n a d a de m i l h o , f o ram empregadas as doses O, 50 e 100 kg/ha de N, na forma

S u l f a t o de Amnia. As produes,
teria
de
a = 0,001
6 ^ = 41
^ = 58
a concluso s e r i a idntica a n t e r i o r .
em kg/ha, foram as s e g u i n -
tes :
=s-
Neste exemplo, p e l a prpria n a t u r e z a do problema,
comparao mais adequada a u n i l a t e r a l , ou ainda, o t e s t e de

Jonckheere.
Testemunha
2.300
2.550
2.420
2.700
2.850
2.780
(1)
(3)
(2)
(6)
(8)
(7)
Dose 1
3.100
2.640
3.230
2.660
3.180
3.370
(9)
(4)
(11)
(5)
(10)
(14)
Dose 2
3.420
3.330
3.380
3.240
3.450
3.470
(1-6)
(13)
(15)
(12)
(17)
(.18)
Exemplo 6
No exemplo 2 do t e s t e de K r u s k a l - W a l l i s , a d m i t i n d o a
rao D como " c o n t r o l e " , c o n f r o n t e - a com as demais.
Soluo
Aplicaremos as comparaes b i l a t e r a i s .
= 27
^2 = 53
i?3 = 91
= 0,05, a Tabela 21 nos d:

' 2.35
Estabelea o c o n f r o n t o e n t r e a testemunha e cada uma

das doses ( 1 e 2 ) .
Soluo
e,
consequentemente:
d.m.8. = 2,35
Calculamos:
= 8,8 .
6(5)
Fixando
a =
231.
230.
Conforme
vimos
7.3.1.2,
em
-
R,
- \
Iff, - J
Conclumos
b)
Tratamentos
ento
nao
que,
as
diferenas
sao
Trs
3,2
o
10,9
p a d r o , ou
novos
mtodos
= 0,05,
=^
de
Mtodo
1:
padro
Mtodo
2:
circuito
Mtodo
3:
ensino
Mtodo
4:
remessa
t^,
repetidos
Admitimos
O
se
se
N(N
^
2)
t .
a/(k-i)
+ l) . 1
12
^ _1_,
1
numero de
<
ndice
participantes
Ndn
+ i)
12
_^
nos
de
questionrios
10 p a r t i c i p a n t e s
Mtodo
2:
6 participantes
Mtodo
3:
4 participantes
Mtodo
4:
4 participantes
aproveitamento
ao
dos
que
rifique
seguinte
pelo
R^
25
i?
/?
13
96
A//i^ +
3
12
i ; ^ 1
n o r m a que
deles
devero
sero
forem
ser
t .
^
se
a cada
que
um
dos
<
introduzidos
inferiores
introduzidos.
Admitimos
t+
Soluo
se
foi
resultado:
= 166
e s t a t i s t i c a m e n t e nao
quais
atribudo
R^
t. ^
>
programado
1:
conduziu
Tomando p o r
TV
Mtodo
ainda:
de
p a r t i c i p a n t e s era t a l p e s q u i s a
de
n.
1
3)
com
segue:
se
foram confrontados
Correio.
t. >
1)
ensino
sejam:
5,5
taxa
igualmente
Exemplo 7
ao
os
mto-
padro,
ve-
233.
232.
N(N + IJ ^ 1
1
% a/(fe-l) >
I,
n.
12
Se f i x a r m o s a 0,05, teremos
â/(?c-i)
^(0,0167)
= 2,13
Por o u t r o l a d o , temos
^3 =
R^ = 16,60
= 16,00
e ainda:
6,25
8. ANALISE DE VARINCIA - CLASSIFICAO DUPLA
R. = 3,25
'
J vimos o caso de duas amostras com dados pareados,

u t i l i z a n d o o Teste do S i n a l . O p r e s e n t e caso pode s e r aborda-
A? = 2A
do como uma generalizao do pareamento, para
amostras, d i s
= 10
postas em b l o c o s , ou s e j a , na mesma configurao de um d e l i =
n,, =
neamento em b l o c o s c a s u a l i z a d o s . Assim, podemos a d m i t i r o se
Organizamos o s e g u i n t e quadro:
R, - R.
(1
(1 . 2)
(1 . 3)
( 1 , 4)
g u i n t e esquema;
d^m.s, - 2,13 ^ 50 ( + )
10
n.
0,60
10,35
13,35
7,78
3,91
8,91
TRATAMENTO
k
Conclumos, para a = 0,05,
BLOCO 1
11
21
31
BLOCO 2
X
X
X
12
22
32
BLOCO 3
BLOCO n
X ^
13
23
33
\n
2n
X
zn
\2
Admitimos, como no caso da Estatstica Paramtrica,

que d e n t r o de cada b l o c o osfetratamentos esto s u j e i t o s s
mesmas condies a m b i e n t a i s .
O mtodo da TV ser i n t r o d u z i d o .
234.
235.
E v i d e n t e m e n t e , os t e s t e s a serem a b o r d a d o s r e p r e s e n tam os c o m p e t i d o r e s do t e s t e F e seus

mos, n o e n t a n t o , s a l i e n t a r q u e ,
se
complementares.
paramtricos s a o g e r a l m e n t e menos p o d e r o s o s .
a p r e s e n t a m uma m a i o r v e r s a t i l i d a d e ,
uma
dos
t e e apenas
os t e s t e s
mesma
forma e
aproximado.
8.1.3 - Hipteses
Entretanto,
Consideramos
v e z que n a o e x i g e m
n o r m a l i d a d e d o s d a d o s e nem a h o m o g e n e i d a d e
da
contnuas. No c a s o de populaes n a o c o n t i n u a s , o t e s -
a s exigncias do m o d e l o
matemtico n o campo paramtrico f o r e m s a t i s f e i t a s ,

nao
b ) As k populaes s a o a p r o x i m a d a m e n t e
Deve-
das
varincias
t r a t a m e n t o s . Alm d i s s o , podem s e r a p l i c a d o s ,
com m a i o r
eficincia, n o c a s o de p e q u e n a s a m o s t r a s , o n d e , as v e z e s , em
b o r a o modelo e s t e j a s a t i s f e i t o ,
a aplicao do t e s t e
H^,*pelo menos d o i s t r a t a m e n t o s d i f e r e m e n t r e s i .
F nao
m u i t o c o n v e n i e n t e o u recomendvel.
8.1.4 - Mtodo
D e n t r o de c a d a b l o c o p r o c e d e m o s a classificao
8.1 - Teste de Friedman (x^ de Friedman)
j u n t a d a s k observaes, dando o r d e m 1 menor
O t e s t e de F r i e d m a n
maior
Definimos:
observaes d e n t r o de ca.
12
da
ordem k a
delas.
tambm p o d e s e r c o n s i d e r a d o como
um t e s t e F a p l i c a d o as o r d e n s d a s
con-
bloco.
nkCk
Podemos consider-lo como uma extenso do t e s t e
bil
t e r a l do S i n a l , j d i s c u t i d o p a r a o c a s o de duas a m o s t r a s com
onde
dados p a r e a d o s . N e s t e c a s o , o pareamento
t o - t , nos n b l o c o s .
pode s e r p r o v e n i e n -
t e de um mesmo g r u p o de n indivduos, c o n s i d e r a d o s em
+ l )
^
i
i?J . 2n(k + i ; ,
i=i ^
& a. soma das o r d e n s atribudas aos dados do t r a t a m e n
P a r a t e s t a r m o s , ao nvel a de significncia H
situa,
Q
es d i s t i n t a s , o u poder s e r p r o v e n i e n t e de n g r u p o s
de
indivduos a f i n s em c a d a g r u p o ,
r e j e i t a m o s //_ s e
vs H :
a
>
onde
a) Os n g r u p o s de k observaes so
independentes
entre
Os v a l o r e s de
, p a r a k < 5 so o b t i d o s
da
Tabela
si;
22. P a r a
> 5 ou p a r a um numero de b l o c o s no p r e v i s t o n a Ta
bla, devemos u t i l i z a r
a aproximao p a r a g r a n d e s
amostras.
237.
236.
Comprova-se que sob H^^ para grandes amostras,

uma distribuio de
, com k - 1 graus de l i b e r d a d e .
,2
8 . 1 . 5 - Empates
12
nk(k
No caso de empates entre observaes de um mesmo b i o

CO, u t i l i z a m o s a media das ordens. Alm d i s s o ,
v a l o r de
Calculamos preliminarmente:
tem
aplicamos ao
+ l)
12
( 8 , 5 2 + 12,02 + 9,02 + 1 1 , 5 2 + 4,0^) - 3 ( 3 ) ( 6 )
3(5)(6)
a seguinte correao:
= 5,40
T.
C = 1 -
e ainda, como ocorreram empates:
^
nk(k^
- U
*ii
= 3
= 1
onde: T , - t^. . - k
3
^
*31
t^^
= 1
= ^
32
= nmero de observaes empatadas no grupo i do bio

CO
= 1,
*12
= 2
\2
j .
*13
"
*23
S3
\z
^53
A nova expresso de x ^ f i c a :
L?
nk(k
Z f2 -
+ l)
e, ainda:
T
3n(k + l)
,^ 1 tl
= 33 + l 3 + l 3 _ 5
= 24
^ 1
i
l
1 -
T.
= S t?^ -
= l 3 + l 3 + l 3 + 23 - 5 =
^
nk(k^
- l)
T. ' l t\
3
. 13
Suponhamos:
= l 3 + l 3 + i 3 + x3 - 5 =
Portanto:
BLOCOS
^1
Tratam. 1
Tratam. 2
Tratam. 3
Tratam. 4
Tratam. 5
C -
2,5 (2,0)
4,2 (4,5)
3,5 (2,0)
= 8,5
3,7 (5,0)
3,8 (2,0)
3,9 (5,0)
= 12,0
2.5 (2,0)
4,0 (3,0)
3,7 (4,0)
3,0 (4,0)
4,2 (4,5)
3,6 (3,0)
^ 3 ==
9,0
= 11,5
2,5.(2,0)
3,5 (1,0)
3,2 (1,0)
= 4,0
1 -
l T
nk(k^
- l)
1 -
30
= 0.917 ,
3(5)(24)
X ^ ' - - ^ - - ^ - 5 , 8 9
C
0,917
238.
239.
Observaes
V e r i f i q u e , pelo t e s t e de Friedman, se houve r e s p o s t a

adubao
1) No caso de nao ocorrerem empates dentro de um bloco

teremos J". = O, conforme v e r i f i c a m o s no exemplo dado.
2) Quando todas as observaes esto empatadas dentro
Soluo
de
As nossas hipteses sao:
um b l o c o , podemos, para e f e i t o de c a l c u l o , sem a l t e r a r
n : t = t = t =t
X^', e l i m i n a r o bloco e redimensionar n. I s t o se v e r i f i c a mesmo que nos blocos r e s t a n t e s nao ocorram
nitrogenada.
empa-
tes
E : pelo menos dois tratamentos diferem entre s i .
8.1.6 - Exemplos
Determinamos:
Exemplo 1
12
Num ensaio sobre adubao nitrogenada

lzado pelo P r o f . Salim S i m o ,
foram considerados
de a l f a c e , r e a
da E.S.A. " L u i z de Queiroz",
os seguintes
(52 + 92 + 142 + 3^22) - 3(4) (5)
4(4) (5)
= 6,90 .
tratamentos:
Se considerarmos o nvel de significncia a = 0,05,
Tratamento 1: Testemunha
a Tabela 22 nos d:
5 g de s a l i t r e / 1 0 l i t r o s
d'gua
Tratamento 3: 10 g de s a l i t r e / 1 0 l i t r o s
d'gua
Tratamento 2:
X^=7,50
Tratamento A: 20 g de s a l i t r e / 1 0 l i t r o s dîgua
A adubao bsica f o i NPK e a
adubao
Verificamos ento que, ao nvel a = 0,05,
nitrogenada
f^,
aceitamos
i s t o , os tratamentos nao diferem entre s i .

Por outro lado, observamos, ainda p e l a Tabela 22,que:
r e f e r i d a f o i f e i t a em cobertura.
Os resultados de produo (peso de 12 p s , em gramas)
foram os que se seguem.
BLOCOS
0,052 < n.m.s. <
0,094
i s t o -, o nvel m n i m o de significncia no qual
Tratam. 1
Tratam. 2
Tratam. 3
Tratam. 4
3.640
4.890
4.800
4.460
4.200
4.550
5.320
5.500
4.700
6.020
5.250
5.580
5.300
5.900
5.150
5.560
mos
rejeitara-
e s t a entre 5,2 e 9,4%.

E s t a concluso nao muito discrepante daquela que se^
I
II
III
IV
(1)
(2)
(1)
(1)
= 5
1
(2)
(1)
(4)
(.2)
= 9
(3)
(4)
(3)
(4)
= 14
(4)
(3)
(2)
(3)
/?, = 12
4
r i a obtida p e l a aplicao do t e s t e F .
240.
241.
Exemplo 2
Numa pesquisa sobre "Aproveitamento
Tecnolgico
do
DEGUSTADORES
Tratam.
Mand-Dfuinao F r i a " , r e a l i z a d a no Departamento de Tecnolog i a Rural da E.S.A. " L u i z de Q u e i r o z " ,
pelos
Dr. M a r l i a Oetterer de Andrade e P r o f . U r g e l de Almeida L i ma, foram r e a l i z a d a s a n a l i s e s s e n s o r i a i s com sopas p r o v e n i e n

tes de mandis aos 7 ( s e t e ) d i a s de armazenamento, consideran,
do-se os s e g u i n t e s t r a t a m e n t o s :
t ^ : Amostra com
3% de s a l , por
tî
Amostra com
3% de s a l , por 10 h o r a s ;
tî
Amostra com
: Amostra com
10% de s a l , por
D,
^8
5 horas;
^1
5 horas;
classificaram
21,0
^2
s a t i s f a t o r i a m e n t e p e l o t e s t e de
as sopas numa e s c a l a o r d i n a l :
(1,5)
(3,0)
(3,5)
0
0
R
0
R
N
0
B
B
N
(1,0)
(1,0)
(3,5)
(1,0)
(2,0)
(4,0)
(2,0)
=
22,5
0
0
B
0
B
0
0
0
B
0
(1,0)
24,0
(3,5)
(3,0)
(2,0)
(3,5)
(3,0)
(3,5)
(3,5)
(4,0)
(2,5)
(4,0)
=
32,5
podem ser a n a l i d a d o s
Friedman.
as
ordens,
obedecendo-se a e s c a l a de classificao d e n t r o de cada b l o c o .

Determinamos
: razovel;
B : boa ;
xl
O : otima .
Os r e s u l t a d o s o b t i d o s , quanto ao s a b o r , foram os
Tratam.
(3,5)
(3,0)
(1,0)
(3,5)
(2,0)
(1,0)
(3,5)
(3,0)
(2,5)
Os nmeros e n t r e parnteses representam
li : nao a c e i t v e l ;
se seguem:
B
0
0
N
N
0
R
R
0
R
Tratam. 3
Os dados, embora q u a l i t a t i v o s ,
Foram u t i l i z a d o s dez degustadores que
(1,5)(1,0)
0 (3,5)
R (2,0)
0 (4,0)
E (2,0)
B (2,0)
N (1,0)
B (1,0)
B (3.0)
i?
^3
^4
^5
10% de s a l , por 10 h o r a s .
Tratara. 2
^1
^2
pesquisadores
(21,02 + 22.52 + 24,02 ^ 32,52) _ 3 ( 1 0 ) ( 5 )

10(4) (5)
que
= 4,80
Em decorrncia dos empates

^1
t
21
= 2
= 2
12
22
= 1
= 3
13
23
S3
*15
*26
*36
= 1
= 2
17
*2 7
*37
= 1
= 1
= 2
consideramos:
= 1
*1.
= 1
*2. = 1
*3. = 2
= 2
t
= 1
19
^29
*39
= 1
= 2
= l
242.
243.
Os b l o c o s
5, 8 e 10 nao
n a o da c o r r e o , por
Da
nao
foram c o n s i d e r a d o s
apresentarem
onde:
empates.
Vî
V^:
12
^6
24
^7
= 6
nk(k^
b) C o n f r o n t e a s c o n c l u s e s com
o do T e s t e
= 5,39
de
liberdade. A Tabela
10(4)(15)
4 nos
= 7,82
C o n c l u m o s que,
sentam d i f e r e n a s
8.1.7
1) Num
x^ *ôm
k-l
= 3
0,05:
neste cado, a >
quanto ao s a b o r , a s sopas nao
apre-
- a u c a r , foram o b t i d o s
c o m p e t i o de v a r i e d a d e s
de
41-76
resultados
obtidos.
as o b t i d a s p e l a
aplica-
F.
exemplo a n t e r i o r uma q u i n t a v a r i e d a d e
; 140,2
; 130,3
; 138,7
p a r a os b l o c o s
de
F r i e d m a n p a r a as c i n c o v a r i e d a d e s
(7^:
; 146,0
149,8
I a V I , refaa o teste
em
de
questo:
3) A d m i t i n d o os r e s u l t a d o s s e g u i n t e s :
os s e g u i n t e s r e s u l t a d o s de
BLOCOS
Tratam. 1
I
II
III
IV
Tratam. 2
10,2
9,6
8,4
10,3
11,6
10,4
9.7
10,3
produo,
a) C a l c u l e
pelo processo
p a t e s no b l o c o
b) E l i m i n e o b l o c o
^1
CB
Tratam. 3
Tratam. 4
13,8
11,3
9,5
10,3
13,2
13,6
8,8
10,3
cana-de-
t/ha.
VARIEDADES
41-70
significativas.
e n s a i o sobre
CB
as p r o d u e s :
respectivamente,
d , ao n v e l a =
O n v e l m n i m o de s i g n i f i c n c i a ,
> O,10.
4 0 - 1 9 ) com
128,6
N e s t e c a s o , c o n s u l t a m o s a t a b e l a de
graus
CB
66
1
- i ;
421
= 6
I T
Co
Vî
V^:
o t e s t e de F r i e d m a n aos
2) I n c l u i n d o no
419
a) Aplique
finalmente:
Co
= 6
4,80
em
determi-
temos:
^9
e,
na
Bloco
I
Bloco
II
Bloco
III
Bloco
IV
Bloco
V
Bloco
VI
110,6
116,7
140,3
143,4
119,5
128,4
150,0
153,8
120,1
131,5
150,9
151,5
105,3
114,8
144,7
144,1
130,8
146.8
153,9
154,6
138,1
155,5
156,9
159,3
le
u s u a l , c o n s i d e r a n d o os
em-
IV;
I V , redimensione o ensaio e
recalcu-
x^;
c ) D i s c u t a a s c o n c l u s e s o b t i d a s nos
dois
casos.
245.
244.
rejeitamos
s e L >_
8.2 - Teste de Page

onde
8.2.1
- Generalidades
o t e s t e de Page m a i s a p r o p r i a d o
man
em c a s o s em que os t r a t a m e n t o s ,
P.
O
do que o de F r i e d -
pela sua prpria
Os
nature-
p o i s , tambm considerado
de uma c e r t a ordem c r e s c e n t e . ,
ura t e s t e de " p o s i o " p a r a
l i m i t e s de
QJ - a
podem s e r e n c o n t r a d o s n a T a b e l a 2 3 .
Como no t e s t e de J o n c k h e e r e , podemos r e o r g a n i z a r
z a , j i t m uma c e r t a o r d e n a o , ou s e j a , a r e s p o s t a dos t r a tamentos s e v e r i f i c a d e n t r o
L > L
tratamentos,
os
de modo a t e r sempre n a h i p t e s e a l t e r n a t i v a :
amos-
tras.
8.2.4 - Empates
Suas e x i g n c i a s s o a s mesmas do t e s t e de F r i e d m a n e ,
no
c a s o p a r t i c u l a r de duas a m o s t r a s
Quando o c o r r e m empates e n t r e a s o b s e r v a e s de um mes
(?; = 2) , e l e e q u i v a l e u
mo b l o c o , usamos a m e d i a d a s o r d e n s empatadas.
t e ao t e s t e u n i l a t e r a l do S i n a l .
8.2.2 - Hipteses
As h i p t e s e s a p r o p r i a d a s
ao t e s t e s a o :
No c a s o de g r a n d e s a m o s t r a s ,
L*
, onde ao menos uma
prevalece.
H : t < t < ... <

^
^
^
n(k^ - - k}^
^
Comprova-se que,
u^(k - i ;
quando n *
=^
L* fl ^(.0 , 1 ) .
A a p r o x i m a o normal deve s e r u t i l i z a d a quando
Definimos:
L =
k
H
k, ou ambos, assumem v a l o r e s m a i o r e s do que os p r e v i s t o s

i R.
onde R-, conforme j i d e f i n i d o , a soma d a s o r d e n s do t r a t a -
iao
na
a a p r o x i m a o n o r m a l , os n v e i s de s i g n i f i c n c i a
apenas a p r o x i m a d o s .
mento i n o s n b l o c o s .
t e s t a r m o s , ao n v e l a de s i g n i f i c n c i a ,
n ou
t a b e l a e x a t a . Devemos s a l i e n t a r , no e n t a n t o , que, no c a s o de
ae u t i l i z a r
O b v i a m e n t e , p a r a t e s t a r m o s , ao n v e l a de s i g n i f i c n
cia:
O
^0 ^ 'a
desigualdade
8.2.3 - Mtodo
E n t o , para
definimos
vs H
a
rejeitamos H
s e L* > z, ,
- (a)
246.
247.
8.2.6 - Associao com o teste de correlao de

Spearman
Al
temos:
L = R
HOLLANDER e WOLFE
(1973) chamam-nos a a t e n o p a r a o
f a t o de que a e s t a t s t i c a L , quando nao o c o r r e m e m p a t e s , e s t a a s s o c i a d a ao c o e f i c i e n t e de c o r r e l a o de Spearman,

forme s e v e r i f i c a
con-
r,
a seguir.
0,8
a hiptese alternativa: *|
Assim, considerando
Por
outro
r - ^
- 0,5333
"
^ 2 8 3 L _ 3(51 ^ ,^3333
3(4)(15)
ainda:
lado,
*2 ' * *
8.2.7 - Exemplos
a) r . = c o e f i c i e n t e de c o r r e l a o de Spearman no b l o c o
J
n
Exemplo 1
A p l i q u e o t e s t e de Page aos dados do Exemplo 1 do tes_
te de F r i e d m a n .
^ ;
Soluo
n
teremos:
12L
3(k + 1)
,
nk(k^
- l )
As n o s s a s
hipteses sao:
^1 5. *2
U '
*U onde ao menos uma d e s i g u a l d a d e p r e

valece.
k - i
BLOCOS
h
*1
1
2
3
l r.
= 0.4
5..: ordem e s p e r a d a do t r a t a m e n t o i no b l o c o j , a d m i t i n d o
3/f + 4ff = 83 ,
3
t
=0,4
ordem o b s e r v a d a p a r a o t r a t a m e n t o i- no b l o c o j :
b) ; = t
+ IR
e a i n d a , p e l o t e s t e de Spearman:
Consideremos:
R..:
Conforme j v i m o s :
Suponhamos:
1.3 ( 1 )
1,7 ( 1 )
1,8 ( 3 )
1,8 ( 3 )
2,3 ( 4 )
1.5 ( 1 )
1,6 ( 2 )
1,9 ( 2 )
1,7 ( 2 )
2,3 ( 4 )
2,1 ( 3 )
1,9 ( 4 )
R, = 5
^2 = 8
^3 - 6
R^ = 11
i?j - 5
t,
R^ ' 9
i ? ^ - 14
i ? ^ - 12 ,
portanto:
L
A Tabela
^ R^ + IR^ + 3i?3 + 4i?i^ = 113 .

23 nos d a :
248.
249.
^0 =
P e l a t a b e l a da distribuio normal:
Portanto, rejeitamos H^, ao nvel a = 0,05 e conclu^
2/
. = 1,97
(0,021.4)
mos que pelo menos um tratamento superior aos demais.
e assim, n.m.s. = 0,0244, ou ainda:
Exemplo 2
0,01
Aplique o t e s t e de Page ao Exemplo 2 do t e s t e de Fried_

man.
< n.m.s. < 0,05
concluso anloga obtida pelo processo
Soluo
,
exato.

Tambm neste caso temos:
A f i n a l i d a d e das comparaes mltiplas ecomplementar
1
H^: "^j^
^2 ^3
U *
^14.-
os r e s u l t a d o s ou as concluses obtidas pelo
Teste de F r i e d -
o^^de ao menos uma desigualdade pre
man, quanto n e l e se r e j e i t a H^; procurando com i s s o ,
valece,
zar as possveis diferenas entre pares de tratamentos.
locali-
Obviamente, os recursos dessas comparaes sao l i m i -
Do exemplo temos:
tados, pois e l a s permitem-nos apenas confrontar os tratamen' 21,0
= 22,5
= 24,0
i?^ = 32,5
e ento:
tos dois a d o i s , nao sendo p o s s v e l ,

entre grupos de
L = 21,0 + 2(22,5) + 3(24,0) + 4(32,5) = 268
8.3.1
portanto, a comparao
tratamentos.
- Comparaes envolvendo todos

tratamentos
os pares
de
e, p e l a Tabela 2 3 , v i r a :

L = 266 .
Assim, rejeitamos ff^, ao
nvel a = 0,05
Consideramos os
e podemos
k(k
ainda c o n c l u i r :
- l )
2
0,01
< n.m.s. <
0,05
.
pares de tratamentos e determinamos,
Se usssemos a aproximao normal, v i r i a :
\R. - R.
= 1,97
10(3.600)
UA(k
- D
rena
- lQt^><^^>
^ _ nk(k + l)^
144(3)
para cada p a r , a d i f e -
'7;=i,2,...,fc-i;
.
onde R. e R. representam as somas das ordens atribudas
aos
250.
tratamentos t- e j respectivamente, nos n b l o c o s .

A uma taxa de erro experimental a , admitimos
R. - R.
^
3
i s t o e, a diferena mnima s i g n i f i c a t i v a (d.m.s,),
^
ou o numero de tratamen-
t o s , ou ambos ultrapassam os v a l o r e s p r e v i s t o s na Tabela 24
se
Quando o numero de b l o c o s ,
a uma t a -
obtemos a d.m.a. como se segue:
xa a, :
d.m.s. =
nk(k
+ 1}
12
d.m.3. - A.
ou s e j a ,
Os v a l o r e s de Q sao dados p e l a Tabela 17.

P
{ R. ' R .] > /\J = a
Exemplo 2
Os v a l o r e s de
sao obtidos da Tabela 24.
Admitamos um caso onde A: = 5 e M = 16, com

?j = 28
R^ = 45
Exemplo 1
Aplique o m t o d o das comparaes mltiplas aos resul^
^ 59
R^ = 41
3
tados apresentados no Exemplo 1 do t e s t e de Friedman.
^5
Como n o dispomos de t a b e l a de A ^ , para n = 16, c a l
Soluo
culamos a d,me.
Neste caso temos:
pelo mtodo apropriado s grandes amostras
Se admitirmos, por exemplo, a = 0 0 5 , a Tabela 17 nos d a r :
^1 = 5
3 = 14
Q = 3,858
e , consequentemente:
e ento.
^1
-2
= 4
- ^3
= 5
d.m.e. = 3,858
= 3
= 9
^1
= 2
i?
= 7
3
1
A Tabela 24, para = 4 e n = 4, com a = 0,026, nos
-\
di:
C o n c l u m o s , a s s i m , que, taxa a = 0,026
12
Por outro l a d o , temos:
1
= 10.
^ 6 ( 5 ) ( 6 ) _ 24^4 .
-^2
- 17
- 14
i?2
- 13
-ffs
- 22
nao foram
= 31
- 18
constatadas diferenas s i g n i f i c a t i v a s entre os pares de t r a -
= 39
- 26
tamentos .
ff..
252.
253.
Conclumos que, a t a x a a = 0,05: t
t ; t
i-
*3
"
^
1
e
'
+ 1}
* h8,3.2 - Comparaes mltiplas: tratamentos

munha
Analogamente a 7.3.2, a d m i t i r e m o s
nha".
nk(k
d.m.s. - q
Logo, s e temos k t r a t a m e n t o s ,
como
vs teste
"testemu-
No exemplo 1 do t e s t e de F r i e d m a n , c o n f r o n t e cada a~
dubaao com a t e s t e m u n h a .
Soluo
(T:=2,3,. . . ,k)
na T a b e l a 21.
Exemplo 3
podemos e s t a b e l e c e r (fc-1)
comparaes r e f e r e n t e s a s diferenas do t i p o
R. - R
Os v a l o r e s de q^ s a o e n c o n t r a d o s
D a q u e l e exemplo temos:

A T a b e l a 25 nos d a a d.m.s. (A) a uma t a x a a p a r a a s
comparaes u n i l a t e r a i s ,
R^=
12
ou s e j a :
da obtemos:
t. > t
^
l
t . < t,
^
se
R. - R
se
> \
~ R. > X
l
^
i?3 -
= 9
A T a b e l a 26 n o s d a d.m.s. ( X ^ ) a uma t a x a a p a r a a s
coTDparaoes b i l a t e r a i s ,
i s t o :
Estabelecendo
25, p a r a ^ = 4 e n = 4 ,
a s comparaes u n i l a t e r a i s ,
> t^.
Se considerssemos a s comparaes b i l a t e r a i s , n a s mes

mas condies, p e l a T a b e l a 26, i t a x a a = 0,041,
u t i l i z a m o s a aproximao
obteramos
para
Xj = 9. Concluiramos, ento, que
grandes
Tabela
a uma t a x a a = 0,048, nos d X = 8.
Conclumos que, a t a x a a = 0,048,
No c a s o de k > 4, ou p a r a um nmero n de b l o c o s , nao

p r e v i s t o nas tabelas exatas,
^ t^.
amostras.
P a r a a s comparaes u n i l a t e r a i s ,
d.m.s. - q
nkfk
a uma t a x a a , temos
Exemplo 4
Ntim e n s a i o s o b r e competio de v a r i e d a d e s de c a n a - d e -
+ 1}
-aucar, foram o b t i d o s o s s e g u i n t e s r e s u l t a d o s de produo,em

t/ha.
Os v a l o r e s de q s a o o b t i d o s na T a b e l a 20.
P a r a a s comparaes b i l a t e r a i s u t i l i z a m o s :
255.
254.
6 ( 5 ) (6)
d,m,s. = 2,160
BLOCOS
Varied.1
Varied.2
Varied.3
Varied.4
Var i ed.5
I
II
III
IV
V
VI
110,6
119,5
120,1
105,3
130,8
138,1
116,7
128,4
131,5
114,8
146,8
155,5
128,7
140,2
130,3
138,7
146,0
149,8
140,3
150,0
150,9
144,7
153,9
156,9
143,4
153,8
151,5
144,1
154,6
159,3
6
= 11,83 ,
Admitimos V. > V
t
se i ? . 1
> 11,83 .
1 -
Conclumos, t a x a de 5%,
que as v a r i e d a d e s
e 7_
sao mais p r o d u t i v a s do que V^.

Se a v a r i e d a d e padro f o s s e , p o r exemplo, 7^, tera-
Admitindo
uma v a r i e d a d e padro,
confronte-a
com
mos :
as demais.
^1
Soluo
-i?2
R
Neste caso obtemos:
= 14
-^2
5
As comparaes b i l a t e r a i s s e r i a m mais a p r o p r i a d a s e,
R
= 15
K =
= 10
k
25
5 = 29
a taxa a = 0,05, com k - 5, p e l a Tabela 2 1 , teramos:
^3 == 15
= 2.44
e ainda:
nk(k
d.m.s. =
+ l)
1 >
- 19
i?5 - fll = 23
Considerando as comparaes u n i l a t e r a i s ,
= 0,05 e
para
= 2,44
a =
6(5)(6)
= 5, obtemos da Tabela 20:

q = 2,160 .
- 13,36 .
Assim, admitiramos que apenas

de V .
2
d i f e r e em produo
257.
9. BIBLIOGRAFIA
ANDRADE, M.O.,
1975. P r e p a r o , Seleao, Armazenamento e E s t u
dos Qumicos e S e n s o r i a i s de C o n s e r v a s de Mandi, P-imetodus alarias^
BLOCH, F a c u l d a d e de Cincias Farmacuticas
da USE, Sao P a u l o , SP.
(Dissertao de M e s t r a d o ) .
ANSARI, A.R. e R.A. BRADLEY, 1960. Rank-Sum T e s t s
persions.
Ann. Math. S t a t i s t . ^ 31: 1174-89.
CONOVER, W.J., 1971. Practical
Nonparametria
va York.
John W i l e y & Sons.
for D i s -
Statistias.
COX, D.R. e A. STUART, 1 9 5 5 . Some Q u i c k T e s t s f o r T r e n d

L o c a t i o n and D i s p e r s i o n ,
Biometrika^
42: 80.95.
No
in
CUSTODIO, R.W.S,, 1969. Seleao d a Matria P r i m a Destinada

Formao de Populaes Bsicas p a r a o Melhoramento de Galinhas.
E.S.A. " L u i z de Q u e i r o z " , P i r a c i c a b a , SP.
(Dissertao de M e s t r a d o ) .
DIXON, W.J,
e F . J . MASSEY J r . , 1969.
Introducton to
Sta~
a
t i s t i a a l Analyss.
3. e d . Nova Y o r k , M c G r a w - H i l l Book Com
pany.
DUNNET, C.W.,
1964. New T a b l e s f o r M u l t i p l e Comparisons w i t h
a Control.
Biometvics,
20: 482-91.
258.
259.
FERREIRA, M., 1970. E s t u d o da Variao da D e n s i d a d e Bsica

da M a d e i r a de Povoamentos de Euaaliptus
gvandis
Hill
ex
Maiden. E.S.A. " L u i z de Q u e i r o z " ,
P i r a c i c a b a , SP. ( T e s e
de L i v r e - D o c i n c i a ) .
FREUND, J . E . e A.R. ANSARI, 1957. Two-Way Rank-Sun T e s t s f o r
Variances.
Tech. Rept.,
34, Department o S t a t i s t i c s . V
ginia Polytechnic Institute,
GIBBONS, J.D., 1971. Nonparcsnetrio
Statistiaal
v a Y o r k . M c G r a w - H i l l Book Company.
Inference.
Ann.Math.Sta-
MOSES, L . E . , 1965. C o n f i d e n c e L i m i t s From Rank T e s t s .

nometvios,
?: 257-60.
Teoh-
NOUER, D.F., 1966. Das Malocluses e A l g u n s dos Seus F a t o r e s Etiolgicos. F a c u l d a d e de O d o n t o l o g i a de P i r a c i c a b a .

P i r a c i c a b a , SP. ( T e s e de D o u t o r a m e n t o ) .
N
OWEN, D.B., 1 9 6 2 . Handbook of S t a t i s t i a a l Tables.
Reading,
Massachussets.
A d d i s o n Wesley P u b l i s h i n g Company.
GUPTA, S.S., 1963. P r o b a b i l i t y I n t e g r a i s o f M u l t i v a r i a t e Nor

mal and M u l t i v a r i a t e t . Ann, Math. S t a t i s t , ^ 34: 792-828.
HARTER, H.L., 1960. T a b l e s o f Range and S t u d e n t i z e d Range.
Ann, Math. S t a t i s t . ^ 31: 1122-47.
HODGES J r . , J . L . e E . L . LEHMANN, 1950. Some Problems i n Minimax P o i n t E s t i m a t i o n . Ann, Math. S t a t i s t . , 21: 182-97.
HOLLANDER, M. e D.A. WOLFE. 1973, NonparametTcal S t a t i s t i aal Methods.
Nova Y o r k ,
John W i l e y & Sons.
KENDALL, M.G., 1938. A Neu Measure o f Rank C o r r e l a t i o n . Bio_
metrika,
30: 81-93.
KRUSKAL, W.H. e W,A. WALLIS, 1952. Use o f Ranks i n O n e - C r i terion Variance Analysis.
J. Amer. S t a t i s t . Ass., 47: 5 8 3 -621.
LEHMANN, E . L . , 1 9 7 5 ^ Nonparametrics
S t a t i s t i c a t Methods
sed on Eanks.
Sao F r a n c i s c o , Holden-Day, I n c .
MOSES, L . E . , 1963. Rank T e s t s o f D i s p e r s i o n ,

t i s t , , 64: 973-83.
Ba-
L I I X I E F O R S , H.W., 1967. On t h e Kolmogorov-Smirnov T e s t f o r

N o r m a l i t y w i t h Mean and V a r i a n c e Unknown.
J.Amer.Statist.
Aes.,
62: 399-402.
HANN, H.B. e D.R. WTITNEY, 1947. On a T e s t o f Whether One
of Two Randon V a r i a b l e s i s S t o c h a s t i c a l l y L a r g e r t h a n t h e
O t h e r . "nn. Math. S t a t i s t . , IS: 50-60.
PIMENTEL GOMES, F . , 1978. CUT-S de Estattstiaa

Experimental.
8. e d . , E.S.A. " L u i z de Q u e i r o z " , P i r a c i c a b a , SP.
S I E G E L , S,, 1956. Nonparametric
S t a t i s t i o s for the
Behaviorat Saiences.
Nova Y o r k , M c G r a w - H i l l Book Company.
T S A I . W.S.; B.S. DURAN e T.O. LEWIS, 1975. S m a l l - S a m p l e B e h a v i o r o f Some M u l t i s a m p l e Nonparametrc T e s t s f o r S c a l e .
J. Amer. S t a t i s t . Ass., 70: 791-6.
WILCOXON, F . , 1945. I n d i v i d u a l
ds.
Biometrias,
1: 8 0 - 3 .
C o m p a r i s o n s by R a n k i n g Metho-
261.
10.
TABELAS
263.
Tsbala 1 - Limitas supariorss da distribuio normal reduzida

P , [ Z > ] = a
0,00
0.01
0.Q2
0.03
0.04
0.05
0.06
0,07
Q.08
0,0
0.1
0.2
0,3
0.4
0,5000
0,4602
0,4207
0,3821
0,3448
Q,49S0
0.4S62
0.4168
0.3783
0,3409
0,4920
0,4522
0,4129
0,3745
0,3382
0.4080
0,4483
0,4090
0,3707
0,3336
0,4840
0,4443
0,4052
0,3669
0,3300
0.4601
0.4404
0.4013
0.3632
0,3264
0.4761
0.4364
0.3974
0,3594
0.3228
0.4721
0.4325
0.3936
0.3557
0.3192
0.4681
0,4286
0.3897
0.3520
0.3156
0,4641
O.4247
0.3859
0.343
0.3121
0.5
0,6
0.7
0,8
o.g
0.3085
0,2743
0,2420
0.2119
0.1S41
0,3050
0,2709
0,2389
0.2090
0.1814
0,3015
0.2676
0,2358
0,2061
0,17S8
0,2981
0,2643
0,2327
0,2033
0,1762
0,2946
0,2611
0,2238
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
0.1B60
0,2810
0,2463
0.2177
0.1894
0.1635
0,2776
0,2451
0.2146
0.1867
0.1611
1.0
1.1
1.2
1.3
1.4
0.1587
0.1357
0,1151
0,0968
0,0606
0.1562
0.1335
0.1131
0,0951
0,0795
0.1539
0.1314
0.1112
0,0934
0.0778
O.ISIS
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
0,0669
0.0721
0,1423
0,1210
0,1020
0,0653
0.0706
0,1401
0,1190
0,1003
o,ua38
0.0694
0,1379
0,1170
0.0985
0,0823
0.0681
1-S
1.6
1.7
1.9
0.0666
0.0548
0,0446
0,0359
0,0267
0,0655
0,0537
0,0436
0.0351
0,0261
0,0643
0,0526
0,0427
0,0344
0,0274
0,0630
0,0516
0,0416
0,0336
0,0268
0,0618
0,0505
0,0409
0,0329
0,0292
0.0G06
0.0495
0.0401
0.0322
0.0256
0.0594
0,0465
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
0.0226
0,0X79
0,0139
0.0107
0.CH162
0,0222
0.0174
0.0136
0.0104
0,0060
0.0217
0,0170
0,0132
0,0102
0,0076
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
0.0066
0.0168
0,0146
0.0113
0,0087
0,0066
0,0183
0.0143
0.0110
0.0084
0.0064
2.S
2.6
2.7
2.6
2,9
0,0062
0,0047
0.0035
0.0026
0.0019
0.0060
0.0045
0,0034
0.0025
0,0018
0.0059 0,0057
0.0044 0.0043
0.0033 0,0032
0.0024 0,0023
0,0018 \0,017
0.0055
0,0041
0.0031
0,0023
0,0016
0.0054
0.OO4Q
0.0030
0.0022
0.0016
0,0052,
0,0039
0,0029
0,0021
0.0015
0,0051
0,0Q3S
0,0028
0,0021
0.0015
0.0049
0.0037
0.0027
0,0020
0,0014
0,0048
0,0036
0.0026
3,0
3.1
3,2
3,3
3,4
0,0013
0,0010
0.0007
0,0005
0.0003
0,0013
0.0009
0,0007
0,0005
0,0003
0,0013
0,0009
0,0006
0,0005
0.0003
0,0012
0.0009
0.0012
0.0011
0,0004
0,0003
0,0004
0.0003
0,0011
0.0008
0,0008
0,0004
0,0003
0,0011
0,0006
0,0005
0,0004
0,0003
0,0010
0,0007
0.0005
0.0004
0.0003
0.0010
0,0007
0,0005
0,0003
0,0002
O.OOOB 0,0003
O.OODS 0.0006
0.0006
0,0004
,0003
0.09
O.QOig
0.0014
264.
265.
Tab9la 2 - Limitas Infsrioraa da dlatrlbuia binomial
0,05
0,10
0,15
0.20
0.25
0,30
0,35
0,40
0,45
0.50
0,9500
1,0000
0.9000
1,0000
0.8500
1.0000
0,6000
1,0000
0,7500
1,0000
0,7000
1,0000
0.6500
1.0000
0,8000
1,0000
0.5500
1.0000
0,5000
1.0000
0,9025
0,9975
1.0000
0,8100
Q.SSOO
l.OQOO
0.7225
0.9775
1.0000
0,6400
0.9600
1,0000
0,5625
0,9375
1,0000
0.4900
0,9100
1.0000
0,4225
0,8775
1,0000
0,3600
0.8400
1.0000
0.3025
0.7975
1.0000
0,2500
0.7500
1.0000
0,8574
0.9928
0.0999
1,0000
0,7290
0.9720
0,9990
l.OQOO
0,6141
0,9392
0.9966
1,0000
O.5120
0,5960
0.9920
l.OODD
0,4219 0.3430
0.8436 0,7840
0 . 9844 0.9730
1 . QODO 1,0000
0,2746
0,71B2
0,9571
1,0000
0.2160
0.6480
0.9360
1.0000
0,1664
0,5748
0,9089
1,0000
0,1250
0,5000
0,6750
1.0000
0,6145
0,8561
0,5220
0.S9OS
0.0880
0,9935
1,0000
0,4096
0,S132
0.9728
0,9984
1.0000
0,3164
0,7383
0,9492
0.9961
1,0000
0,2401
0,6517
0,9163
0,9919
1,0000
0.1785
0,5630
0.8735
0.9850
1.0000
0,1296
0,4752
0,8208
0.9743
1,0000
0,C915
0,3910
0.75B5
0,9590
1,0000
0.Q625
0,3125
0.6675
0.3375
1.0000
0,4437
0,8352
0,9734
0,9978
0,9999
1,OOQO
0,3277
0,7373
0,9421
0,9933
0 . 9997
1. QODO
0.2373
0,6328
0,8965
0,9944
0,9990
l.OQOO
0,1681
0.5282
0,8369
0,9692
0.9976
l.OODO
0.1160
0.4284
0,7648
0.9460
0,9947
1.0000
0,0778
0,3370
0,6826
0.9130
1,0000
0.0503
0,2562
0,5931
0,8688
0.9815
1,0000
0.0312
0,1875
0,5000
0,8125
0 . 9686
1. QOOO
o,9aeo 0,9477
Tabela 2 - continuao
0,9995
1,0000
0,9963
0,9999
1,0000
0,7738
0,8774
0,9988
1.0000
0.5905
0.915
0.9914
0,9995
1,0000
o.gaoa
0,7351
0,9672
0,9978
0,9909
1,0000
0,5314
0,8857
0,9842
0,9987
0,9999
1,0000
0.3771
0,7765
0,9527
0.9941
0,9996
1.0000
0.2821
0.6554
0,9011
0,9830
0,9984
0,9999
1,0000
0.17BO
0,5339
0,8306
0,9624
0,3954
0,9998
1,0000
0,1176
0.4202
0,7443
0,9295
0.9891
0,9993
1.0000
0.0754
0,3191
0.6471
0,8826
0,9777
0,9982
1,0000
0,0467
0,2333
0,5443
0,9208
0,9590
0,9959
1.0000
0,0277
0,1636
0,4415
0.7447
0.3306
0.9917
1.0000
0,0156
0.1094
0.3438
0.6562
0,8906
0,9844
1,0000
O
1
0.6983
0.9556
0,9962
0,9998
l.OOOQ
0,4763
0.9503
0.9743
0,3973
0.9998
1,0000
0.3208
0,7166
0,9262
0,9879
0,99SS
0,9999
1,0000
0,2037
0,5767
0,8520
0,9667
0,9953
0,9996
1,0000
0,1335
0.4449
0,7504
0.9294
0,9671
0,9997
0,9999
1.0000
0,0824
0,3294
0,6471
0.8740
0,9812
0,9962
0,9998
1,OOOQ
0.0490
0.2336
0.5323
,8002
0,9444
0,9910
0,9994
1,0000
0.0280
0.1596
0.4199
0.7102
0,9037
0,9912
0.9964
1,OOOO
0,0152
0.1024
0,3164
0,6083
0,8471
0,9643
0.9963
1,0000
0,0078
0,0625
0.2266
0.5000
0.7734
0.9375
0,9922
1.0000
0,05
0,10
0.15
0,20
0.25
0,30
0.35
0.40
0.45
0,50
0,6634
0.9428
0,9942
0,9996
1.0000
0,4305
0,8131
0,9519
0,9950
0,9996
1,0000
0,2725
0.6572
0,6948
0.9786
0,9971
0.9998
1,0000
0,1678
0,5033
0,7389
0,9437
0,9898
0,9966
0,9339
1.0000
0.1001
0,3671
0.S785
0,8862
0,9727
0.9958
0.9396
1.0000
0,0576
0,2553
0,551B
0,8059
0,9420
0,9687
0,9987
0,9999
1,0000
0,0319
0,1691
0,4278
0.7064
0.6939
0,9747
0.9964
0.9988
1.0000
0.01S8
0.1064
0,3154
0,5941
0,8283
0,9502
0,9915
0,9993
1,0000
0.0084
0,0632
0.2201
0,4770
0,7396
0,9115
0,9619
0,9983
1.0000
0,0039
0,0352
0,1445
0,3633
0,6367
0,8555
0,9646
0,9961
1,0000
0,5302
0.9289
0,9916
0.9994
1,0000
0,3874
0,7748
0,9470
0,9917
0.9991
0,9939
1.0000
0,2316
0.5395
0,9591
0.9561
0.9944
0,9994
1.0000
0,1342
0,4362
0,7382
0,9144
0,9604
0,9369
0,9997
1.0000
0,0751
0,3003
0,6007
0,8343
0,9512
0,9900
0.9997
0,9999
1,0000
0,0404
0.1960
0,4628
0,7297
0,9012
0,9747
0,9957
0,9996
1,0000
0,0207
0,1211
0,3373
0,6069
0,8283
0,9464
0.9898
0,9966
0.9999
1.0000
0,0101
0,0705
0,2318
0.4626
0.7334
0.900S
0,9750
0,9962
0.9997
1,0000
0,0046
0,0365
0.1495
0,3614
0,62J4
0.9342
0,9502
0,9909
0.9992
1,0000
0.0020
0,0195
0,0898
0,2539
0,5000
0,7461
0,9102
0,9805
0,9960
1,0000
10
0,5987
0,8139
0,9S05
0,9990
0,9999
1,0000
0,3487
0,7351
0,9298
0,9972
0,9984
0,9999
1,0000
0.1969
0.5443
0.8202
0.9300
0,9901
0.9988
0,9999
1,0000
0,1074
0,3758
0.8778
0,6791
0,9672
0,9936
0.9091
0,9999
1,0000
0,0563
0,2440
0,5256
0,7759
0,9219
0.9803
0.9965
0,9996
1.0000
0,0282
0.1493
0.3828
0,6496
0,8497
0,9527
0,9894
0,9384
0,9999
1.0000
0,0135
0.0860
0,2616
0,5138
0,7515
0,9051
0.9740
0,9952
0,9995
1,0000
0,0060 0,0025
0,0464 0,0233
O,1673 0,9996
0,3823 0,2660
0,6331 0.5044
0,9338 0,7384
0,9452 0,8960
0,9677 0,9726
0,9983 0,9955
0,9999 0,9997
1.0000
1,0000
0.0010
0.0107
0,0547
0,1719
0,3770
0,6230
0,8261
0.9453
0,9893
0,9990
1,0000
11
0,5688
0,5981
0,9646
0,0984
0,9999
1,0000
0,3139
0,6374
0,9104
0.9S15
0.9S72
0,9997
1.0000
0.1673
0.4922
0,7798
0,9306
0,9841
0,9973
0,9997
1,0000
0,0859
0,3221
0,6174
0,8389
0,9496
0,9663
0.9900
0.9996
1,0000
0.0422
0,1971
0,4552
0,7133
0,6654
0.9657
0,9924
0,9968
0.9999
1.0000
0,0198
0.1130
0,3127
0,5896
0,7697
0,9218
0,9784
0.9957
0.9994
1,0000
0.0088
0,0608
0,2001
0.4256
0,6683
0.6513
0,9499
0.9978
0.9980
0,9998
1,0000
0.0036
0.0302
0,0014
0,0139
0.0652
0,1911
0.3971
0,6331
0.8262
0,9390
0.9652
0,9976
0,9996
1,0000
0,0005
0,0059
0.0327
0.1133
0.2744
0,5000
0,7256
0,6667
0,9673
0.9941
0,9S3S
l.OOOQ
o.iiag
0,2963
0,5326
0,7535
0,9006
0,9707
0.9941
0,9993
1,0000
264.
265.
Tabila 2 - Limitai tnfarlsr da dlitrlbulgo binomial
n a
1
0.09
D
1
0.10
O,IS
Tabelo 2 continuao
0,20
0.2^
0,30
0.35
0,40
0,45
0,50
O.BOOO
1,0000
0,7500
1,0000
0,7QQO
1,OODO
D.B5D0
1,0000
O.BOOO
1,0000
0,5500
1,0000
0,5000
1,0000
O.QSOO
1,0000
0,9000 O.flSOO
1,0000 1,0000
0.902S
0,9975
1,0000
O.SlOO
0.8574
0.992B
0,9999
1,0000
0,7290
0,9720
0,9990
1,0000
0,6141
0,9392
0,3966
1,0000
0.5120
0,69E0
0.9920
1.0000
0.4219
0,6435
0.9344
l.OODO
0.3430
0,7940
0,9730
1.0000
0.2746
0,7182
0.9571
1.0000
0.2160
0,6480
0,9360
l.OOOQ
0,1B64
0.5748
0. 3089
1. Qoaa
0.1250
O.SODO
0,8750
1,0000
0,SI45
0,9S60
0,9995
1,0000
0,6561 0.5220
0.9477 D.BSDS
0,9963 0,9880
0,9999 0.9995
1.0000 1.0000
,*096
l.OODO
0.3184
0,7383
0,9492
.9961
1,0000
0,2401
0.6537
D.9163
0.9919
l.OODO
0,1785
0,5630
0.8735
0. 9850
1. DOQD
0,1296
0,4752
0,820a
0,9743
1,0000
0,r915
0,3910
0,7585
0,9590
1,0000
0.0625
0,3125
0,6875
0,9375
1,0000
0,7730
0,9774
0,9988
1,0000
0,5905
0.91S5
0,9914
0,9955
1.0000
0,3277
0,7373
0,9421
0,9333
0.9997
1,0000
0.2373
0.632S
0.6965
0.9844
0,9990
1,0000
0,1681
0.5282
0,8369
0,9692
0,9976
1,0000
0.1160
0,4284
0,7646
0,9460
0.9947
1,0000
0,0778
0,3370
0,6826
0,9130
0.9698
1.0000
0,0503
0,2562
0.5931
0.8688
0,S815
1,0000
0.0312
0.1675
Q,50DO
0.8125
0.96B8
1.0000
0,7351
0,9672
0,9978
0,9999
1,0000
0,3771 0.2621 0.1780 0,1176 0.0754

0,7765 0.6554 0,5339 0,4202 0,3191
0,9842 0,9527 0,9011 0.8306 0,7443 0.6471
0,9987 0,9941 0,9830 0,9624 0.9295 0.8826
0,9399 0,9996 0.9984 0.9954 0,9691 0,9777
1,0000 1,0000 0,9999 0.9996 0,9993 0.9982
1.0000 1.0000 1,0000 l.OODO
0,0487
0.2333
0,5443
0,9208
0,3590
0.9959
1,OODO
0.0277
0,1636
0,4415
0,7447
Q,33QB
0. 9917
1. DODO
0,0156
0,1094
0,3438
Q,B562
Q.agoB
0,9844
1.0000
0.6933
0,4783
0,B503
0,9743
,9973
.9998
.0000
0,9556
0,9962
0,9996
1,0000
0,7225 0,6400 0.5625 0.4900 0.4225 0,3600 0,3025 0.2S0D

0,977S 0. 9600 fl.9375 0.9100 0.8775 0. 6400 0,7975 Q,75Q0
1,OOOQ 1.0000 1. DODO 1.0000 1.0000 l.OOOQ 1. DOOO 1,0000 1,0000
0,9900
0,4437
0,8352
0,9734
0.9978
0.9999
1,0000
D,3192
0,9728
0,9964
0,5314
0.aS57
0.3206
0,7186
0,9262
0,9879
0,9986
0,9999
1.0000
0.1335
0,5767 0.4449
0,8520 0,7564
0,9687 0,9294
0,9953 0,9871
0. 9996 0,9987
1. DOOO 0.9999
1.0000
0.2037
0.0824 0.0490 0.0280

0.3294 0.2338 0,1586
0,6471 0.5323 0,4199
0.8740 0.8002 0.7102
0,9812 0,9444 0.9D37
0,9962 0.9910 0,9812
D.999 0,9994 0,9984
1,0000 l.ODOO 1,0000
0152 0.0078
1024 0,OB25
3164 0.2266
6083 0,5000
847J 0,7734
9643 0,9375
9963 0,9922
0000 1,0000
10
O
1
2
O
1
2
3
4
5
8
7
6
9
10
11
O
2
2
3
s
9
10
11
0.25
0,30
0,35
0,40
0,45
0,50
0,1001
0,3671
0.8785
0.&B62
0.9727
0.9958
0.9996
1,0000
0.0576
0,2553
0,55ie
0,6059
0,9420
0,9887
0.9987
0,9999
1,0000
0,0319
0,1691
0.4278
0,7064
.8939
D,9747
0,9964
0.9986
1.0000
O.OIBB
0,1064
0,3154
0.5941
0,8263
0,9502
0,9915
0,9993
l.OOQD
0,0084
0,0632
0,2201
D,4770
0,7396
0,9116
0,9819
0.9983
1,0000
0,0039
0,0352
0,1445
0.3B33
0.6367
D,B555
0,9646
,9961
1.0000
0,2316 0,1342 0,0751

0.5935 0,4362 0,3003
0.8591 0,7362 0,6D07
0.9661 0.9144 0.B343
0.9944 0,9804 0.9511
0.9994 0.9969 0.9900
1. DOOO 1.0000 0,9997 0,9987
l.OOQD 0,9999
1,0000
0,0404
0.196Q
0.4628
0,7297
0,9012
0,9747
0.9957
0,9996
1,0000
0,0207
0,1211
0,3373
0,5069
0.B2B3
0,9464
,9688
0,9966
0,9999
0,0101
o.0705
0.2316
0,4826
0,7334
0.9006
0,9750
0,3962
0.9997
1.0000
i.ooao
0,0046
0,0385
0,1495
0.3614
0,6214
0,8342
0,9502
0.9909
0,9992
1,0000
O.OOZO
0,0195
0,0898
0,2535
0,5000
0,7461
0,9102
0,9805
0.9980
1,0000
0,0135
O.OfiSO
0,2616
0.5138
0,7515
0,9051
0.9740
0,9952
0.9995
0.0060
0.0464
0,1673
0,3823
0,6331
0,8336
0,9452
0,9877
0,9983
0.9999
0,0025
0,0233
0,9996
0,2860
0,5044
D,7384
0.8960
0.9726
0,9955
0.9997
l.OOOQ 1,0000
0.0010
0.0107
0,05
0,10
0,15
0,6634
0,9428
0.9942
0.9996
1.0000
0,4305
0,8131
0,3619
0,9950
0,9996
1,0000
0,2725
0,6572
0.8949
0.9786
0.9971
0. 9998
0.20
0,1678
0,5033
0,7969
0,9437
0.9896
0,9988
1. GDOO 0,9999
1,0000
0,6302 0.3874
0,9268 0,7748
0,9916 0,9470
0,9994 0,9917
l.OODO 0,9991
0. 9999
0.5967 Q,34B7
0,9138 0,7361
0.9865 0,3298
0,9990 0.9872
0,9999 0,9984
1,0000 0,9999
0,1969
O.5443
0,8202
0.9900
0,9901
0,9986
1,0000 0,9999
1,0000
0,5688
o.assi
0,9646
0,9964
0,9909
1,0000
0,3138
0,8974
0,9104
0,9815
0,9972
0,9997
1.0000
0.1673
0.4922
0,7788
0,9306
0,9841
0,9973
0,9997
1,0000
0,1074
0.3758
0,B778
0,8791
0,9672
0,9936
0,9991
0.9999
1.0000
0,0659
0.3221
0.6174
0.8389
0.9496
0,9883
0,0563 0.0282
0,2440 D.1493
0.5256 0,3828
0,7759 0,6496
0,9219 0,8497
0,9003 0,9527
0.9965 0,9894
0.9998 0,9984
1.0000 0,9999
1.0000
0,0198
0,1130
0,3127
0,569B
0,7B97
0,9218
0,9784
0,9957
0,9994
l.OOOQ 1,0000
0,0422
0.1971
0,4552
0,7133
0.68S4
0.9657
o . a a a o 0,9924
0,9996 0,9968
1,0000 0,9999
l.OQOO
,00&B 0.003S
O,oeofl 0.0302
O,2Q0l 0.1169
0,4256 0,2963
0,6883 0,5326
0,8513 0.7535
0,9499 0,9006
0.9876 0,9707
0,9960 0,9941
0.9996 0,9993
1,0000 1,0000
0.0547
0.1719
0,3770
0.6230
0,8281
0,9453
0,9693
0.9990
1.0000
0,0014 0.0005
0,0139 0.0059
0,0652 0,0327
0,1911 0,1133
0.3971 0,2744
0.6331 0,5000
0.6262 0,7256
0.9390 0,8697
0.9652 0,9873
0,9978 0.9941
0,9396 0,9995
1,0000 1,0000
267.
266.
T a b a l a 2 - cantlnusqci
T a b e l a 2 - continuao
12
D.Q5
a.lD
0,15
0.20
0
1
2
3
4
0.5404
o.aeis
0,9604
Q,99?&
1,0000
0.2824
0.6590
o,es9i
0,9?44
0,9957
0,9995
0.9399
l.OOOD
0,1422
0,4435
0,7358
0.9078
0,9;61
0.99S4
0,9993
0,9999
1,0000
0.0687
0.2743
0.55B3
0.7946
0.9274
0,9606
0,9961
0,9994
0,9999
1,0000
D.ggsB
8
9
10
11
IZ
13
0
1
2
3
4
S
0,5133
0,6649
0,9755
0,9969
0.9997
1.0000
6
7
0,2542
0,6213
0,6661
0,9656
0,9935
0,9991
0,9999
1.0000
a
B
O,1209 TI.OSSO
0.3963 0,2336
0,7296 0,5017
0,9033 0,7473
0.9740 O.gOD
0,9947 0.9700
0,9387 0.9930
0,9398 0,99BS
1,0000 0,9998
1,0000
10
11
12
13
14
1
2
3
4
6
7
a
a
10
11
12
13
14
0.4Q77
0,S47Q
0,9699
0.9958
0,9996
1,0000
0,2288
0,5646
0,8416
0,9559
0,9906
Q,995
0,9996
1,0000
0,1028
0.3567
0,6479
0.8535
0,9533
0,9685
0.9976
0,9997
1,0000
0.0440
0,1979
0.4481
0,6982
0,8702
0,5561
0,9864
0.9976
0.9996
1.0000
0,35
0,40
0,45
0,0138
0.08S0
0,2528
0,4925
0,7237
0,8822
Q,9B14
0.9905
0,9983
0.9996
1,0000
0,0057
0.0424
0,1513
0,3467
0,5633
0,7673
0,3154
0,3745
0,9944
0,9992
0.9999
1.0000
0,0D22
0,0424
0,0034
0,2253
0,4382
0.6652
0,8418
0,9427
0,9847
0.9972
0.9997
1.0000
0,0088
0,0083
0,D421
0,1345
0,3044
0.5269
Q,;393
0,8883
0,9644
0.9921
0,9989
0,9399
1.0000
0,0002
0,0032
0,0193
0,0730
0.1938
0,3672
0,6128
0,a062
0,9270
0,9807
0,93eH
0.9336
1,0000
a;o2'3a- 0.0097
0,1267 0.0637
0,3326 0.2025
0,5843 0.4206
0,7940 0,6543
0,9199 0.8346
0.9757 Q.937S
0,9944 0.9818
0,9990 0,9360
0,9999 0,9993
1,0000 0.9999
1,0000
0.0037
0.0296
0.1132
0.2783
0.5005
0.7159
0.8705
0.9538
0.9874
0.9975
0,9997
1,0000
0.0013
0,0126
0,0579
0,1666
0,3530
0,5744
0.7712
0,9023
0,9676
0.9922
0,9967
0,9939
1,0000
0,0004
0,0049
0,0269
0.0929
0.2279
0,4266
D.6437
D,BZ12
0,9302
0.9797
0.9953
0.9995
1,0000
0,0001
0,0017
0.0112
0,0461
0.1334
0,2905
0.5000
0,7095
0,6666
0,9539
Q,9BBa
0,9963
0,9999
1.0000
0,25
0,0317
0,1584
0,3907
0,6438
0,8424
0.3456
0.9657
0,9972
0,9996
1.0000
0.0176
0,1010
0,2811
0,5213
0,7415
0,8883
0,9617
0,9897
0,9978
0,9997
1,0000
0.30
0,0024
0.0205
0,0839
0,2205
0,4227
0.64Q5
0,8164
0,9247
0.9757
0,9940
0. 9998 0.9969
0,9999
1. DODO
1,0000
0,0068
0.0475
0.1608
0,3552
0,5842
0,7805
0,9067
0.9665
0.9917
Q,99B3
o.oDoa
o.ooai
0,0396
0,1243
0,2793
0,4859
0,6925
0.B499
0,3417
D.9625
0.9961
0.9994
0,9999
l.OOQO
0.0002
0,PD29
0.0170
0,0632
0,1672
0.3373
0.5461
0,7414
0,8811
0,9574
0.9886
0,9978
0.9997
1.0000
0,50
0,0000
0,0009
0,0065
0,0287
0,0698
0.2120
0,3953
0,6047
0,7680
0,9102
0,9713
0,9935
0.9991
0,9999
1,0000
0,05
0,10
0.4633
0,a290
0.9638
O,8945
0 . 9994
a,3993
15
0,2059
0.5490
0,8159
0,9444
0,9873
0,9978
1. QOOO 0,9997
1,0000
0.15
0,20
0,25
0.0874
0.3166
0.BQ42
0.6227
0.9383
Q,9fl32
0,9964
0.9994
0,9999
1,0000
0,0352
0.1671
0,3960
0,6462
0,6358
0,9369
0.9619
0,9956
0,9992
0,9999
1,0000
0,0134
0,0802
0,2361
0,4613
0.6865
0.6516
0,9434
0,9627
0,9958
0,9992
0,9999
1,0000
0,30
0,35
0,0047
0.0353
0,1268
0,2969
0.5155
0,721S
0.8689
0,9500
0,9648
0,9963
0,3993
0,9999
1,0000
0.0016
0.0142
0.0617
0.1727
0.3519
0.5643
0.7548
0,8866
0,9576
0.9676
0.9972
0.9995
0,9999
1,0000
0,40
0,45
0.0005
0,0052
0,0271
0,0905
0,2173
O.4032
0,6096
0,7669
0,9050
0,9662
0,9907
D.99B1
0.9997
1,0000
0.0001
0,0017
0,0107
0,0424
0.1204
0,26D8
0,4522
0,6535
0.6182
0.9231
0.9745
0.9937
0.9969
0,50
0.0000
0.0QQ5
0.0037
0.0176
0.0592
0,1509
0,3036
0,5000
0,6964
0,8491
0,9408
0,9824
0.9963
0.9995
0. 9999 1,0000
1. QOOO
IS
O
1
2
3
4
S
6
7
a
a
10
11
12
13
15
18
D.4401
Q.aioe
0,9571
0.9930
0.9991
0 . 9999
0,1853
0,5147
0,7892
0,9316
0,9830
0,9967
1 . QOOO 0.9995
0,9999
1,0000
0.0743
D.2S39
0,5614
0,7839
0,9209
0.9765
0.9944
0,9969
0.9998
1,0000
0,0281
0,1407
0,3518
0,5981
0,7982
0.9183
0.9733
0.9930
0.9995
0.9998
l.OOQO
0,0100
0.0635
0,1971
0,4050
0,6302
0.9103
0.9204
0.9729
0,9925
0,9984
0,939?
1,0000
0,0033
0,0261
0,0994
0,2459
0,4499
0,6596
0,9247
0,9256
0,3743
0,9929
0,9984
0,9997
1,0000
0,0010
0.0036
0,0451
0,1339
0,2692
0,4900
0.6681
0,8406
0,9329
0.9771
0.9936
0,9987
0,9998
l.OOOD
0,0003
0,0033
,0183
0,0651
0.1666
0,3286
0.5272
0,7161
0.6577
0,9417
0.9609
0,9951
0.9991
0,9999
1,0000
0.0001
0.0010
0.0066
0,0281
0,0853
0,1976
0,3660
0,5629
0.7441
0,B759
0,9514
0,9851
0,9965
0,9994
0,9999
1,0000
0,0000
0,0003
0,0021
0,0106
0,0384
0,1051
0,2272
0,4018
0,5982
0.7226
0.6949
O,9616
0,9694
0.9979
0.9987
1,0000
CM
00
m a
1/^
C"
CD n o
^ IN
O O t J O O O O O O O Q - "
- w m m r a t n t n o j t j i o
D
m f*j nCT>o
ai ^ a ui
Q o a a o a
a r-. tsi
o o o o r H w ^ f c / ^ f ^ ^ o i m a J o i o i o
N
N.
ca
n
o o a o o !-
i n a> F4 m n
n 1 ^ m n O)
N. ^ a <9 m
rs. n O) O) 01
o
Q
o
o
o
o o a a o o a o < - i
O O O O O O O O Q i -
O O O O O D O O O O O r H
o o O D O D O O o a a o r *
D'>t'>0'Hf^tDÊ001Di0
O O O O O O O O O O O O O M
ooo.-((înrs.n30)((J>o>D>0
O O O D O O O O O O O O O Q ' ^
o o o o o o o o o o o o o o o ^ H
oooootvûirsWCnoJnWO
oi-icD(si<T"0*njuir>J0>5;Smg
o a a o o o a a c O O O o o o < 3 > - '
OfOLno*HPv.<Ou^^^Df^^*.*HOO>0
r>jf^.-if-î/i<-'rvi^r>itO'-'inoio>o
O O O D O O O O O O O O O O O O O r ^
0 ^ 0
IO
QDaaooocsO'--
'-i>-<iDrv^<Dior<.a>o]0
r-i tJ> fv
I300C100O00OOC30OOOOa>i
o
o
o
o
o a o o o o o o o a o o o o o o o o
PH
O O O
ooaoaocicraooerooooopH*
o o o a o
N
N n a>
N o> 1 ^ A [
m ^ 01 o A
w o
o> o>
IC
o o o o o a o o o o o o o a a o a - - <
cF>[jJCno
O O O O D D a O O O O O O O O O . - l
QoacjiiMûjWtnoJCn
Orf^(nairîOr-.-i<iiai{ni7ici
P-* ^
oaoaQoaaDooaaO'-'
rN o o
o a o o o o o o o a o c D a
O p O O O O O O O O O r j
.-1
O D O O O O D O O O - - *
o o o o a o
0 O C 3 O C 3 O O C I C l C i a D D O 0 a - H
cNj ^ i/> m Dl o
a Q C i o o a o D O O O c i a a a ' - i
ODi-tWINlOV^DOlDttJtn^mO
a* a
O O O O O O O O O O O O O ' - *
o i ^ c o u ^ r ^ c o d ^ ^ ^ ^ 0 ) O
O O O O O O O O O O O D i - l
O D O O O O O O O O O t
FlND)inr-f0r-l00OlO
D O O O O O D O O > - I
r-f
a>
f*4
^
o o o o o o a o r - i
270.
271.
Tabela 3 - ExtrsmoB Pja) a ê^<^^
Intsrvalo da confiana na dlstrlbiilo binomial.
B ~ O
n
PgtCl
1*
0.10
0,05
0,01
0,0000
0,0000
0,0000
0.9500
0.9750
0.9950
0,10
0,0S
0,01
o.oooo
0,10
Q.DS
0,01
0.0000
0.0000
B ^ 1
PjCo)
Pga
11
0.3B44
0,4128
0,5066
0.9747
0,9874
0,9975
12
0.10
0,05
0,01
0,0043
0,0021
0,0004
0.3387
0,3848
0,4770
0.0170
0,0064
0.0017
0.6647
0.9057
0,9566
13
0,10
0,05
0,01
0.0039
0,0019
0.0004
0,3163
0.3603
0,4490
0,10
0,05
0,01
0,0127
"0,O0B3~
0,0013
0,7514
0,80530,SB91
14*
0,10
0,05
0,01
0,0037
0,0018
0,0004
0,2967
0,3387
0,4240
0,10
0.05
0.01
,0102
0,0051
0,0010
0.6574
0,7164
0.8149
15*
0,10
0,05
0,01
0,0034
0,0017
0,0003
0,2794
0.3195
0,4016
0.1709
0,2062
0,2824
0,10
0.05
0,01
0.0065
0.0042
0,0008
0,5618
0.6412
0,7460
16
0,10
0,05
0.01
0.0032
O.OQIB
0,0003
Q.2G40
0,3023
0,3614
0,0000
0,0000
0,0000
0.1618
0.1954
0,2685
0,10
0,05
0,01
0,0073
0,0036
0,0007
0,5207
0,5787
0,6849
17*
0.10
0,05
0.01
0,0030
0,0015
0,0003
0.2504
0.2673
0.3637
0,10
0.05
0.01
0.0000
0,0000
o.oooo
0.1536
0,1856
0.2556
0,10
0,05
0,01
0.0064
0,0032
0,0006
0,4707
0,5265
0,6315
la*
0.10
0,05
0,01
0,0028
0,0014
0,0003
0,2361
0,2735
0,3473
0,10
0,05
0,01
0,0000
0,0000
Q,0000
0,1460
0,1767
0,2438
0,10
0,05
0,01
0,0057
19*
0,0006
0,4291
0,4825
0,5650
0,10
0,05
0,01
0,0027
0.0013
0.0003
0,Z2S8
0.2BQ6
0,3320
0,10
0.05
0,01
0,0000
0,0000
0.1391
0.1684
0,2327
10
0,10
0.05
O.OI
0,0051
0,0025
0,0005
0,3942
0,4450
0,5443
20*
0.10
0,05
0,01
0,0028
0,0013
0.0002
0.2163
0.2491
0,3177
11
0.2384
0,2849
0.3822
1*
0,10
0,05
0,01
0,D500
0,0250
D,0050
1.0000
1,0000
1,0000
D,77B4
0.8419
0.9293
12
0.10
0,05
0,01
0,0000
0.0000
0,0000
0,2209
Q.2E46
0.3S69
0,10
0.05
0,01
0,0253
0,0126
0,D025
13*
o.oooo
0.6316
0.7076
0,B290
0.10
0,05
0.01
0.0000
0,0000
0,0000
0.2058
0.2470
0.3347
0,10
0,05
0,01
0,10
0,D5
0,01
0,0000
TI.DOOO
0.0000
0,5271
-a.B024
0,7341
14*
0,10
0.05
0.01
0,0000
0,0000
0,0000
0,1926
0.2316
0.3151
0,10
O.QS
0,01
0,0000
0,0000
D.OOOD
0,4507
0,5218
0,6534
15
0,10
0,05
0.01
0,0000
0,0000
o.oooo
,1610
0,2180
0,2976
0,10
0.05
0,01
0.0000
0,0000
0,0000
0.3930
0,4593
0.58B5
16*
0.10
0,05
0.01
0,0000
0,0000
0,0000
0.10
0,05
0,01
0,0000
0,0000
0,0000
0,3482
0,4096
0,5309
17*
0.10
0,05
0.01
0,10
0,05
0,01
0.0000
0,0000
0,0000
0.3123
0.3694
0,4843
18*
0.10
o.oooo
0.2B3I
0,3363
0.4450
19*
0.10
0,0000
0.0000
0,10
0,05
0,01
0,0000
0.0000
0,0000
0,2589
0,3005
0.4113
20
o,os
0.0000
0,0000
0,0047
0,0023
0,0005
O.OOOO
0.0000
0,0000
10
0.10
0,05
0,01
0.10
0.05
0.01
o.oooo
a,oo2s
272.
273.
Tabala 3 - Continuao
Tabslfl 3 - continuao
Bat
n
2*
d
a.10
0.Z23S
0,01
0,0707
o.os
0,10
O.Oft
O.Ol
0,10
o.os
0.01
0.10
0,05
0,01 "
10
11
0,10
0.05
0,01
0,10
o.os
0.01
0.10
0,05
0,D1
0.10
0,05
0,01
0.10
O.OS
0.01
0.10
0.05
0.01
B = 3
n
o.isai
0.1353
0,OS43
0,0414
0.0975
0.0075
0.0294
0,0764
0,0527
0.02?9
0,0629
0.0433
0,0187
0,0534
0.0367
0,0156
0.0464
0,0319
0,0137
0,0410
0,0261
0,0121
0.0366
0,02S2
0,0109
0,0333
0,0220
0.009Q
1,0000
1,0000
1,0000
0,9630
0.9916
0.9963
0,9024
0,9324
0,97DB
0,6107
0,8534
0.972
0,7287
0.7772
0.6564
0.6587
0.7096
0.7970
0.S997
0,6509
0,7422
0,5496
0.6001
0.6926
0.5069
0.5561
0.6462
0,4701
0.5176
0,6065
12
13
14
15*
16*
17
16*
19*
20*
a
0,10
0,05
0,01
0,10
0,05
0,01
0,10
0,05
0.01
0,10
0,05
0,01
0,10
0,05
0,01
0,10
0,05
0,01
0,10
0,05
0,01
0,10
0,05
0,01
0,10
0,05
0,01
0,0305
0.0209
0,0090
0.0261
0,0192
0.0063
0,02GD
0.0176
0,0076
0,0242
0,0186
0,0071
0,0227
0,0155
0,0066
0,0213
0,0146
0,0063
0,0201
0.0137
0.0059
0,0190
0.0130
0,0056
0.0161
0.0123
0,0053
Pg(a)
0.10
0,05
0,01
0.36B4
0.2924
0.1710
1,0000
i.oooa
1.0000
12
0,10
0,05
0,01
0,2466
0,1941
0,1109
0.9673
0,9937
0,9967
0.10
0,05
0.01
0,1983
0,1466
0,0826
0.10
0.05
0,01
PgCa]
0,10
0,05
0,01
0,0719
0,0549
0,0303
0,5273
0,5719
0.6552
13
0,10
0,05
0,01
0.0661
0,0504
0,0278
0,4947
0,5381
0,6206
0,923B
0.9473
0.9771
14
0.10
0.05
0.01
0.0611
0,04B6
0,0257
0.4657
0.5080
0.5892
071532
0.U81
0.0663
O", 6466
0,6819
0,9337
15
0,10
0,05
0,01
0,0566
0,0433
0.0239
0.4398
0,4609
0.5605
O.ID
0,05
0.01
0,1268
0,0990
0,0553
0,7747
0.6159
0,6623
16*
0,10
0,05
0,01
0,0531
0,0404
0,0223
0.4165
0,4564
0.5344
0,10
0,05
0,01
O.llU
0.0852
0.0475
0,7108
0,7551
0,8303
17*
0,10
0,05
0,01
0,0499
0,0360
0,0209
0.3956
0,4343
0.5104
0,10
0,05
0,01
0.0978
0,0749
0,0416
0,6551
0.7007
0,7609
16
0,10
0,05
0,01
0.0470
0,0356
0,0197
0,3797
0,4142
0,4864
10
0,10
0,05
0,01
0,0673
0,0667
0.0370
0,6066
0,6525
0,7351
19*
0,10
0,05
0,01
0,0444
0,0336
0,0166
0,3599
0,3964
0,469J
11
0,10
0,05
0,01
0,0786
0,0602
0,0333
0,5644
0,8097
0,B933
20*
0,10
o.os
0,01
0,0421
0,0320
0,0176
0,3443
0,3798
0,4508
0,4101
0,4545
0,5410
0,3854
0,4261
0,5123
0,3B34
0.4046
0,4663
0,3438
0,3835
0,4628
0,3262
0.3B44
0,4413
0,3107
0.3476
0,4225
0,2964
0,3321
0.4046
0,2631
0,3177
0,36B2
Pjta)
PjCa)
0.4361
0,4841
0,5729
274-
275.
Tabftla 3 - continuao
Tafaala 3 - continuao
B = 4
B = 6
Pgla]
4*
0.10
0.05
0,01
0,4729
0,3976
0,2659
i.ooao
1.aooQ
13
0,10
0,05
0,01
0,1127
,909
0,0571
0.5726
0.6143
0.6913
0,10
0,05
0.01
0,3426
0,2638
0.1651
0.9696
0,9949
0,9990
14
0,10
0,05
0,01
0.1041
0,0539
O,0526
0,5400
0,56)0
0,5579
0,10
0.05
0,01
0,2713
0,222S
0,1436
0,9372
0.9567
0,9813
15
0,10
0,05
0,01
0,0967
0.0779
0,0486
0,5106
0,5510
D.B273
0,10
0,05
0,01
0,2253
0,1841
0,1177
0,6712
0,9010
0,9447
0,10
0,05
0,01
0.0903
0,0727
0.0455
0,4644
0,5238
0.5991
1,0000
17*
0,10
0,05
0,01
0,0846
0.0681
0,0425
0,4B05
0.4990
0,5732
0,7486
0.7880
0,8533
16*
0,10
0.05
0,01
0.0797
0.0641
0.0400
0.4369
0,4764
0.5492
0,1500
0.1216
0,0768
0.6965
0',737G
0,6091
19
0.10
0.05
0,01
0,0753
0.0605
0,0378
0.4191
0,4557
0,5271
0,10
0,05
0,01
0,1351
0,1093
0,0666
0.6502
0,6921
0.7668
20*
0,10
0.05
0,01
0,0713
0,0573
0,0357
0,4015
0.4353
0.S076
0,10
0,05
0,01
0,1229
0,0993
0,0624
0,6091
0,6511
0,7275
o,10
0,05
0.01
0,1929
0,157D
0.0999
0,6071
0.6430
O.9001
0,10
D,D5
0.01
0,1687
0.1370
0,0668
10
0,10
0,05
0,01
11
12
16
0.10
0.05
0,01
0,5403
0.4782
0,3466
1.0000
l.OOQO
1,0000
13
0,10
0,05
0,10
0,1657
0,1366
0,QS42
0.6452
0.6B42
0.7546
0,10
0.05
0,01
0,4182
,3588
,2540
0,9915
0,9958
0,9932
14
0.10
0,05
0.01
0.1527
0.1276
0.0866
0.6096
0.6486
0,7201
0.10
0,9468
0.3633
11,9842
15
0,01
.3413
0,2904
0r,2030
0.10
0,05
0,01
0.1417
0,1162
0,0801
0,5774
0,6162
0,6662
0.10
0,05
0,01
0.2692
0,2449
0,1697
0,6669
0.9146
0.9525
16
,10
0,05
0.01
0,1321
0.1102
0.0745
0.5483
0,5666
0,BSB5
0,10
0.05
0,01
0,2514
0,2120
0,1461
0,S313
0,8630
0,9132
17
0,10
0,05
0,01
0.1236
0.1031
0,0697
0,5219
0.5596
0,6310
10
0,10
0.05
0,01
0,2224
0,1871
0,1263
0.7776
0,8129
0,8717
18*
0,10
O.OS
0,01
0,1164
0,0969
0.O6S4
0.4976
0,5346
0.605S
11
0,10
0,05
0,01
0,1996
0.1675
0.1145
0.7267
0,7662
0.6307
IS*
0.10
O.OS
0.1099
0.0915
0.0617
0,5120
a,S6l8
12
0,10
0.05
0,01
0,1610
0,1517
O,1034
0,6846
0.7233
0,7915
20
0,1041
0,0866
0.0583
0,4556
fl.4910
0,5596
o.os
0,01
0.10
O.OS
0,01
0,47Se
277.
276.
Tabala 3 - continuao
6*
10
D, 10
0,05
0,01
0,6070
0.5407
0,4135
1,0000
1,0000
1,0000
0,10
0,05
0,01
0.4793
Q.4213
0,3151
0.9927
0.3964
0,9933
0,10
O.QS
0,01
0,4003
0,3491
0,2576
0.9536
0,9681
0,9653
0,10
0,05
0.01
0.3449
0.2993
0,2191
0.9022
0,9251
0,9584
0,10
0,05
0,01
0,3035
0,2624
0,1909
0,8500
0.8?fl4
0.9232
0.2713
0,2338
0,1693
0,6004
0,8325
0,8855
0,01
0,Z453
0,2110
0,1522
0,7547
D.7B90
0,8476
0,10
0,05
0,01
0,2240
0,1923
0.1383
0.7129
0.7486
0.8113
o.os
0,10
11
0.01
0,10
12
13
Q.QS
H -
= e
14
0,10
0.05
0.01
Pjtal
0,2061
0,1766
0,1267
0,8749
0,7114
0,7765
15
0,10
0,05
0,01
0,1909
0,1170
0,6404
0,6771
0,7438
16
0.10
0,05
0.01
0,1778
0,1520
0,1086
0,6089
0,6456
0,7132
17
0.10
0,05
0,01
0,1664
0,1421
0,1014
0,5802
0,6167
0,6845
18
0,10
0,5
0,01
0.1564
0.1334
0.0951
0,5540
0,5900
0,6578
n . 1G
O.IS
o , 01
19*
0,10
0,05
0,01
0,1474
0,1257
0.0894
0,5299
0,5654
0,6326
0,10
0,05
0.01
0,1396
0,1183
0,0846
0,5078
0,5427
0,6095
20*
n.iD
7*
0,6510
n,<in9i
0,10
0.D5
0,01
0.1736
o.^f;*!";
.moo
0,10
1
i.pnno
1 ,!nino
o,13916
0,9968
D.?3nn
(i.ni
o.in
15
o,m
n.ni
0.3999
O , ^l!;4
0,9179
D,glZ7
0,9333
0,g630
17
D,34TB
0,3ri79
0,233^
O ,6849
(!, fi!107
Q,n..n7
IP
0,10
0,0b
0.01
0.315?
D,?7B7
O.JORS
11,0483
1"
0.10
0,2671
G.D5
0,25)1
o.;7fin
0.fl07 7
20*
i.lQ
0,34/5
n.oi
13
D,9719
r.i5fla
tl.05
0,01
0,?267
0,197
0,1471
0,Sffi5
0,7l?
0,'P'
0.10
n,n5
n.oi
0,2119
D.lfl44
0,1371
a,C-3'i''
c,r)Mi7
0.10
a, 1 5 ? n
0,01
0 . 1 73'
n , i;i*4
0,10
0,0!.
n.o)
0.1PI75
D.t6?g
o,IZ07
0,5B13
0,61f4
0,BOR
0,10
0,1772
,5580
0,D5
O,J53B
0.5923
a, in
11.10
n,2i:ie
O.Oi
n . 7 3-*
279.
278.
Tabsla 3 - continuao
B = 3
n
B*
10
11
12
13
14
0.10
0,05
0,01
0.6877
0,6306
0.5157
I.OOOO
l.OODO
1,0000
0,10
0,05
0,01
0,5709
0,5175
0,4150
0.9943
0,9972
0,9994
0,10
0,05
0,01
0,4931
0.4439
o,35ia
0,9632
0,974S
""0.9891
0.10
0.05
0,01
0.4356
0.3903
0.3067
0.9212
0.9396
0,9667
0.10
0,05
0.01
0,3009
0.3489
0.2725
0,8771
0,9007
0.9376
0,10
0.05
0,01
0,3548
0,3158
0,2454
0,8343
0,8614
0,9058
0,10
0.05
0.01
B ~ 9
0,3251
0.2886
0,2235
0.7939
0.6234
0,6733
15
16
17
19
20
0,10
0,05
0,01
0,3000
0,2659
0,2052
0,75B2
0,7873
0,8412
0,10
0,05
0,01
0,27B6
0,2466
0,1897
0.7214
0,7534
0.8103
0.10
0,05
0,01
0,2601
0.2298
0.1764
0,6891
0,72ia
0,7807
0,10
0.05
0,01
0.2440
0,2153
0,1650
0.6593
0.6924
0,7526
0.10
0,05
0.01
0.2297
0,2025
0.1549
o,B3ia
0,B649
0,7259
0.10
0,05
0,01
0,2171
0.1912
0.1460
0,6063
0.6394
0.7008
Pj(Ct)
Pj(a)
0,10
0,05
0,01
a,71B9
D.B637
0.5550
1,0000
1,0000
l.ODOO
15
0,10
Q.OS
0,01
0,3596
0,3229
0,2562
0.6901
0,8366
0,8630
10
0.10
0.05
0.01
0,6058
0,5550
0,4557
0,9949
0,9975
0.9995
IB
0.10
0,05
0.01
0,3334
0,29&B
0,2363
0.7733
0,8025
0.6529
11
0,10
0.05
0.01
0.5299
0.4822
0.3915
0,9667
0.9772
0,9902
17
0,10
0.05
0,01
0,3109
0,2782
D.2193
0,7399
0.7702
0,6236
12
0,10
0,05
0,01
0.4727
0,4261
0,3448
0.9281
0.9451
0.9697
IS
0,10
0,05
0,01
0.2912
0,2602
0,2047
0,7088
0,7398
0.7953
13
0,1D
0.05
0,01
0.4274
0.3857
0,3087
0.8873
0.9091
0,9429
19
0,10
0,05
0,01
0,2740
0,2445
0,1919
0,6793
0,7114
0,7684
0,10
0,05
0.3904
0,3514
0.2799
0,6473
0,8724
0,9134
20
0,10
0,05
0,01
0,25SB
0,23DB
0.1806
0.6531
D,B647
0,742B
9*
14
S = 10
n
Pj(a)
Pj(o)
10
0,10
0.05
0.01
0,7411
0,6915
0,5887
1.0000
1.0000
1.0000
16
0.10
0,05
0.01
0,3911
0,3544
0,2868
0.8223
0.8481
0.6915
11
0,10
0.05
0,01
0.635E
0,5872
0,4914
0,9953
0.3977
0,9995
17
0.10
0,05
0,01
0,3638
0,3290
0,2653
0,7662
0,8157
0,8630
12
0,10
0.05
0.01
0,5619
0,5159
0.4270
0,9695
0,9791
0,9910
18
0,1D
0,05
0,01
0,3407
0,3076
0,2474
0,7582
0.7B48
0,8352
13
0,10
0,05
0,01
0.5053
0.4619
0.3794
0,9338
0,9486
0,9722
19
0,10
0.05
0.01
0,3201
0,2866
0,2316
0.7262
0,7557
Q,BDS3
14
0,10
0.05
0,01
0.4600
0,4190
0.3420
0,8960
0.9162
0.9474
20
0,10
0.05
0,01
0.3016
0,2718
0.2201
0,BS62
0.7263
0,7825
15
0,10
0,05
0.01
0.4226
0,3638
0.3118
0,8564
0,6619
0,9199
280.
281.
Tatwla 3 - oontlnuaco
Tsbls 3 - continuao
3=^12
Pjta)
B = 13
n
11
O.ID
0,05
0,01
0,7616
0,7151
0.8178
.1.0000
l.OQOO
1,0000
16
0.10
0,05
0.01
0,4517
0,4134
0,3415
0,8679
O.BflSS
0,9255
12
0,10
0,05
0.01
Q,BB13
0,B152
0.S230
0,9957
0,9979
0,9996
17
0,10
0,05
0,01
0,4198
0,3833
0,3154
0,8336
0.8579
0,8998
0.10
0.05
0.01
0,5899
0,5455
0.4590
0,9719
0,9808
a.9917
16
0,10
0,05
0,01
0.3920
0,3572
0,2929
0,6010
0,8270
0.8716
13
14
0,10
0,05
0,01
0.5343
0,4920
0,4108
0.9389
0.9534
0.9743
19
0,10
Q.OS
0.01
0,3682
0,3351
0,2740
0.7703
0,7975
0,8451
15
0,10
0.05
0,01
0^,4892
0,4490
0.3727
0,9033
,922"l
0,9512
20
0.10
0.05
0.01
0.3469
0.3153
0.2572
0.7414
0.7694
0.8194
PgCj
13
0,10
0,05
0.01
0.7942
0,7529
0.6653
1,0000
1.0000
1.0000
17
0,10
0,05
0,10
0,5394
0,5010
0,4268
0.9154
0.9319
0.9575
14
0,10
0.05
0,01
0,7033
0,B613
0,5780
0,9963
0,9982
0,9996
16
0.10
0.05
0.01
0,5022
0,4652
0.3945
0.6866
0.9031
0,9346
15
0,10
0,05
0,01
0,6366
0,5954
0.5137
0.9741
0,9634
0.9929
19
0.10
0,05
0.01
0.4701
0.434B
0.3672
0,8526
0,8743
0,910B
16
0,10
- 0.050.01
0.5834
0.5453
0,4656
0.9469
.J3.9595
0,9777
0,10
0,05
0,01
0,4418
0,4076
0,3431
0,8228
0,6462
0.88B2
8 = l
n
PjCa)
0,10
0,05
0,01
0,7791
0.7354
0,6430
1,0000
1,0000
1,0000
17
0.10
0.05
0,01
0,4761
0,4404
0,3690
0,6763
0,8969
0.9304
13
0.10
0,05
0,01
0,SB3S
0.6397
0.5510
0,99B1
0.9900
0,9996
16
0.10
0,05
0,01
0,4460
0.4100
0.34Z2
0,8438
0.86B7
0,9050
0,10
0.05
0,01
0.B148
0,5719
0,4B77
0,9740
0.9822
0.9924
IS
0.10
0,01
0.4179
0,3833
0,3188
0,8126
0,8372
0,8794
o.io
0.9432
0.BSS7
0,97BI
Q.IO
0.05
0,01
0,393B
0,3606
0.2S92
0.7831
0,05
0,01
Q.M02
0.5191
0,4395
0.10
0,05
0,01
O.SISB
0,4762
0,4009
0,9098
0,9274
0,9546
IS
IB
20
B = 14
Pgtd
12
14
Pgla]
20
o.os
Pga)
Cl
Pj(al
Pgta)
14
0.10
0,05
0.01
0,8074
0,7684
0,6849
1,0000
1,0000
1.0000
18
0,10
0,05
0,01
0,5611
0,5236
0,4506
0,9203
0.9359
0.9600
15
0,10
0.05
0,01
0,7206
0.6605
0,5984
0,9966
0.9963
0,9997
19
0.10
0,05
0,01
0.5242
0,4880
0,4182
0,8901
0,9085
0,9383
16
0,10
0,05
0,01
0,6562
0,6165
Q,S372
0,9773
0.9845
0,9930
20
0.10
O.DS
0.01
0,4922
0,4573
0.3004
0,8604
0,B611
0,0154
17
0.10
0.05
0,01
0,8044
0,5657
0,4696
0.9501
0.9620
0,9791
o,ao9o
0,8542
282.
Tabala 3 -
Tabela 3 -
continuao
continuao
B = IS
n
15
16
17
a
a,10
0,05
0,01
0.10
0,05
0,01
D. 10
0,05
0,01
0,8190
0,7820
0,7024
0,7360
0,6977
0,6186
0,6738
0.6356
0,5587
1.0000
1.0000
1.0000
18
0.996B
0,9961
0,9937
13
0,9767
0,9654
0.9937
20
B =
n
IB
17
18
B = 17
n
0,10
0,05
0.01
0,10
0,05
0,01
0,10
0,05
0,01
Pjtal
Pgta]
0,6233
0,565B
0.5116
,aS3D
0,9642
0,9603
0,5809
0,5443
0,4729
0,5444
0.5090
0,4402
Pj(a)
Pg(a]
0,10
0,05
0.01
0,8290
0.7936
0,7176
1,0000
1.0000
1.0000
19
0.10
0,05
0,01
0.7496
0,7127
0,6363
0,9970
0,9965
0,9997
20
0,10
0.05
0,01
0,6693
0,6524
0,5775
0,9793
0.9862
0.9941
Pg(a)
0,10
0,05
0,01
0,8362
0,8046
0.7315
1.0000
1,0000
1,0000
19
0.10
0,05
0.01
0,7036
0,6679
0,5951
0,9810
0,9870
0,9944
IB
0,10
0.05
O.Ql
0,7619
0,7265
0,6527
0,9972
0.9986
0,3997
20
0,10
0,05
0.01
0.6557
0,6202
0.5492
0,9578
0.9680
0,9924
0,9247
0,939S
0,9623
0,6960
0,9135
0.9417
8
a
Pj(aJ
17
le
n
Pga)
0,10
0,05
0,01
0,6401
0,6036
0,5309
0,9556
0,9662
0,9814
O.IO
0.05
0.01
0,5964
0,5627
0,4924
0.9287
0.9427
0,9630
Pj(a)
Pga)
18
0,10
0.05
0.01
0,8464
0,6144
0,7444
1,0000
1.0000
1,0000
19
0.10
0,05
0,01
0,7732
0,7386
0,6680
0.9973
0,9967
0,9997
IS
20
0,10
0,05
0,01
Pj(a)
Pgta]
0,7169
0,6623
0.6118
0,9619
0,9676
0,9947
284.
Tabvla 3 - contlnuaga
Tabela 4 - Limites da distribuio de X
B = 19
G.L.
P_(a)
s
19
0,10
0,05
0,01
0.S540
0,6233
0,7562
l,00aa
l.QOOa
1,0000
20
O.IO
0,05
0,01
0.783S
0,7SQ9
0.fi23
0.9974
0.99B7
0.9997
B = 20
n
20
0,10
0,05
0,01
Pjto)
0,8609
0,8316
0.7673
0,900
,7SD
a, 500
0.250
0.100
0,050
0,025
0,010
0,005
1
2
3
4
5
_^
0.10
0,35
0,71
1,15
0,02
0,21
0.58
1,06
1.61
O.IO
0,58
1,21
1.92
2,67
0,45
1.39
2,37
3.36
4.35
1,32
2.77
4,11
5,39
6.63
2.71
4,61
6,25
7.78
9,24
3.84
5.99
7,61
9,49
11,07
5,02
7,38
9,35
U.14
12.83
6,63
9.21
11.34
13.26
15.09
7,H8
10,60
12,84
14.86
16,75
6
7
a
9
IQ
1,64
2,17
2.73
3,33
3,94
2,20
2.83
3.49
4.17
4.87
3,45
4,25
5,07
5.90
6,74
5.35
6,35
7.34
8,34
9,34
7.84
9,04
10,22
11.39
12.55
10, S4
12,02
13,36
14.68
15.99
2.S9
14,07
15.51
16.92
18.31
14.45
18,01
17.53
19,02
20,46
18,ai
16,48
20.09
21.67
23,21
18.55
20.26
21.96
23.59
25,19
11
12
13
14
15
4.57
5.23
5,69
6.67
7.26
5,58
6,30
7,04
7,79
6,55
7,55
10.34
. 8,44 _il,34
9,30
12.34
10,17
13,34
11,04
14,34
13,70
14.85.
15.98
17.12
18.25
17.28
18.55
19.81
21,06
22.31
19.68
21,03
22,36
23.66
25,00
21,92
23,34
24.74
26,12
27,49
24.72
2B.22
27,69
29.14
30,56
26.76
28.30
29.82
31.32
32,80
IB
17
18
19
20
7.96
8,67
9,39
10.12
10,85
9,31
10,09
10,86
11.65
12.44
11,91
12.79
13.66
14.56
15.45
15,34
16.34
17.34
18,34
19,34
19,37
20.49
21.60
22.72
23,63
23,54
24.77
25,99
27,20
28.41
26.30
27,59
28.87
30,14
31,41
26.85
30.19
31.53
32.85
34.17
32,00
33,41
34,81
36,19
37,57
34.27
35,72
37.16
38.56
40.00
21
22
23
24
25
11,59
12.34
13.09
13,85
14.61
13,24
14.04
14,85
15,66
16,47
16,34
17,24
18,14
19,04
19,94
20,34
21,34
22,34
23.34
24.34
24,93
26.04
27,14
28.24
29.34
29.62
30.81
32,01
33.20
34.38
32.67
33,92
35,17
36.42
37.B5
35,48
36,78
38,08
39.36
40,65
38.93
40,29
41,64
42.98
44.31
41.40
42,80
44,18
45.56
46.93
2B
27
28
29
30
15,38
16,15
16.93
17.71
18,49
17,29
18.11
18,94
19,77
20.60
20.84
21.75
22,66
23,57
24,48
25.34
26,34
27,34
28,34
29.34
30.43
31,53
32.62
33,71
34,80
35,56
36,74
37,92
39,09
40.28
38.89
40.11
41,34
42,56
43,77
41.92
43.19
44,46
45,72
46.98
45.64
46.96
48,26
49,59
50.69
46,29
49,64
50,99
52.34
53.67
40
50
60
70
60
90
100
26,51
34,76
43,19
51,74
60,39
69.13
77,93
29.05
37.69
46.46
55,33
64,28
73.29
62,36
33,66
42,94
52,29
61,70
71,14
80.62
90,13
39,34
49,33
59,33
69,33
79.33
89,33
99.33
6Q.9B
77,58
88,13
98.64
109.14
74,40
85.53
96.56
107.66
118.60
79.08
83.30
90.53
95,02
Pgtal
1,0000
1,0000
1,0000
Parta dasta tabela foi adaptada de:

OUEN, O.B.. 1962. Handbook of Statistiaal TableB. Raading, (IsasachuBseta. Addlson-Wesley PubllsMng Co., Inc.
Para os n com asteriscos e para S > ll7 oa extremos Fjfa^ e
. foram calcu
lados pelo autor. Os valores de F utilizados no clculo, quando Interpolados, foram ob^
tidos por Interpolao linear.
0.350
101,88
113,14
124,34
108,63
118.14
129.56
88,38 9 1 . 9 5
100.42 1 0 4 , 2 2
112.33
124.12
13S.81
118.32
126,30
140.17
Tabela adaptada ds: SNF.DEC0R. G.W. e U.G. CaCHRAN. 1973. Statintioal Mtthoa,
8? ed.. Ames. lowa, The lowa State Univaratty Preei.
286.
287
T o b B l a 5 - L i m i t a s e d a
n o t a a t a de K o l m o g o r o v , p a r a o c a a g da uma a m o s t r a
D*(D~}
>
d.
a/S
0.20
0,10
0.05
0,02
0,01
0,900
0,6B4
0.56S
0,493
0.447
0,950
0,778
0.630
0.565
0.509
0,975
0,642
0,708
0,BZ4
0.563
0.990
0,900
0,704
0,069
0.627
0.995
0.92S
0.829
0.734
0.606
S
7
8
B
10
0.410
0,361
0.35Q
0.339
0,323
0,466
0,43B
0,410
0.387
0.369
0,519
0,463
D , 454
0,430
0,409
0.577
0,538
0,506
0.480
0.457
0.617
0.576
0.54Z
0,513
0.469
11
12
13
14
15
0,308
0.352
0.285
0.275
0.260
D. 325
0,314
0,304
0,391
0,375
0,301
0.349
0,338
0,437
0,410
0,404
0,390
0,377
0,408
0,449
0,432
0,413
0,404
16
17
18
19
20
0.258
0,250
0.244
0.237
0.232
0.295
0.266
0.276
0.271
0,2S5
0,327
0,310
0.309
0.301
0.294
0.3S6
0,355
0,346
0.337
0,329
0,392
0,381
0.371
0.361
0,352
21
22
23
24
2S
0.226
0.221
0,215
0,212
0,208
0.2S6
0.253
0.247
0,242
0.23B
0,267
0,201
0.275
0,209
0,204
0.321
0,314
0,307
0,301
0.295
0.344
0,337
Q,33Q
0,323
0,316
26
27
26
29
30
0.204
0,200
0.197
0,193
0.190
0.233
0,229
0.225
0.221
0.218
0,259
0,254
0.250
0.246
0.242
0,290
0,264
0,279
0.275
0.270
0.311
0.305
0.300
0,295
0.290
31
32
33
34
35
0.187
0.184
0.162
0.179
0,176
0.214
0.211
0,208
0,205
0,202
0,238
0.234
0,231
0,227
0,224
0,286
0,252
0.256
0.254
0,251
0,285
0.281
0,277
0,273
0,209
0,29a.
0,20
0,10
Q,Q5
0.02
0,01
36
37
36
39
40
0.174
0.172
0.170
0,168
0,165
0.193
0.19B
0,194
0.191
0.109
^,221
'o.218
0,215
0,213
0,210
0.247
0,244
0.241
0.238
0,235
0.265
0.262
0,258
0,255
0,252
41
42
43
44
45
0.163
0.162
0,160
0,158
0.150
0,187
0,105
0.103
0,100
0.176
0.208
0,206
0.203
0,200
0.198
0,232
0,229
0,227
0.224
0,222
0.249
0,246
0,243
0.241
0.238
46
47
46
49
50
0.154
0.153
0.151
0.150
0,148
a.lTT"
0,175
0,173
0,171
0,170
0.196
0.194
0.192
0.190
0,188
0,219
0.217
0.215
0.213
0,211
0,235
0,233
0,231
0,228
D.228
51
52
53
54
55
0,147
0.146
0,144
0,143
0,142
0,106
D.lBfi
0.165
0.163
0.162
0,186
0,185
0.183
0.181
0,180
0.209
0.207
0.205
0,203
0.201
0.224
0,222
0.220
0,216
0,216
56
57
58
59
60
0.140
0.139
0,136
0,137
0,136
0,160
0,159
0,158
0,156
0.15S
0.176
0,177
0,175
0,174
0,172
0,199
0.196
0.196
0.194
0,193
0,214
0.212
0.210
0.208
0,207
61
62
63
64
65
0,135
0,134
0.133
0,132
0,131
0,154
0.153
0.151
O.ISQ
0,149
0,171
0,170
0,166
0,187
0,1B6
0.191
0.190
0,188
0.167
0.165
0,205
0,203
0,202
0,200
0,199
88
67
68
69
70
0.130
0,129
0,126
0,127
0,126
0.148
0,147
0.146
Q.14S
0.144
0.164
0.183
0.162
0,161
0,160
0.184
0,1S2
0,161
0.160
0,179
0,197
0,196
0,194
0,193
0.192
CO
CO
00
N
Ul
o >
(n O
-1
I P FH
^
^ n Cl
o oDD o
n <H o ( 0
n i tv N
oooo o
rt
in
(s i-i cn
OJ 1^ to *
M N (V tv
ri. )
1 ^ in ^
"p
l/l
N
[V
o ui A m
r n
I/ *
CV N
O O
F4 F4
P4
r-. fo
- o rsi
n
1
W M
a l/l
o D
oo o o
o
o o o o
o o o o
Cl
o Q o o o
a o o a o
i H --H
nj
IM (M
o o o o o
a o o r s
* mrtrt
i H W <-l
o o o o Cl
r H I-*
CO
tn
N
o o o o o
o o o
o N -
<o
n
>-i l i - 1
O)
O Cl a O
o o
o o o o o
o o o o
<-l
O O O a O
i-i
O Ol
w a O O
o oooo
O O O O O
-I
M
V cn r-i N
4 1-4 --1 i - I i - l
M
^ r-1 M
iD
I-H
r 4 .-1
<-l
l
O O O O O
lO
ir>
o o
o o
o oooo
o ooo o
o oo a a
a a o a
<D
o e o O o
rv
< I / I ^
r4
( 0 r v tL. t D
o n
o o o o cT
S (V N
K "!v a<vo
Q m
fs.
PI N r H D
fl N (V (N(
O qf o' C3*
Q o o o o
I 09 I N
S w *v A c(Vv
CS)
m
PI
tV
a
o
n
tN
o n o n
o a CA
>H i H -
1-1 r>4
oooo o
fS n
VI
1
Q o o o D
^ r- M iM *
^
o m
rJ
tV iH
(V
o o o o o
m
O)
r4
o a o o o
4N (>J M
o o o o o
a o o o o
( Oi
o oooo
m m
o o o o o
o o o o o
C3
oa o o
C3
a O D O
o oo
C3 o o
o o o o o
o o D o o
o o o D o
O O O
O o O o Cl
f i j * in
O l O) d
290.
291.
Tabsla 7 - H m l t s s
Infsrlor
(T^)
e superior
.^^J
d a d i s t r i b u i o de T no t a a t e
daa
Tabela 7 -
continuao
Ordena A a a l n a l a d a a
T
a
T
l-O
_ 1
T
O
1
2
3
4
5
B
7
8
9
10
11
12
44
43
42
41
40
39
38
37
3B
35
34
33
0,004
0,006
0,010
0,014
0,020
0,027
0,037
0,049
0,0B4
0,002
0,102
0,125
3
4
5
6
7
B
9
10
11
12
13
14
15
Ifi
52
51
50
43
4B
47
4B
45
44
43
42
41
40
39
0.005
0,007
0,010
0,014
0.019
0.024
0,032
0,042
0,053
0,OB5
5
B
7
9
10
11
12
13
14
15
16
17
10
19
20
61
60
59
56
57
56
55
54
53
52
51
50
4S
46
47
4B
0,005
0.0O7
0,009
0.012
0.016
0,021
0.027
0.034
0,042
0,051
0,062
0.074
0,067
0,103
0.12D
0.139
0,500
0,250
0,125
D
1
10
9
0,DS2
0,125
0
1
2
3
15
14
13
12
0,031
0.082
0,094
D,15B
0
1
2
3
4
5
21
20
19
IS
17
18
0,016
0,031
0.047
0,076
0,109
0,156
0
1
2
3
4
5
G
7
2Q
27
26
25
24
23
22
21
0,0OQ
0,016
0,023
0,033
0,055
0.076
0,109
Q.14S
0
1
2
3
4
S
6
7
B
g
36
35
34
33
32
31
30
29
2a
27
0,004
o.ooa
0,012
0,020
0,027
0,039
0.055
0.074
0.D96
0,125
10
11
o,oao
0,097
0,116
0.138
7
6
9
10
11
12
13
14
15
18
17
18
19
20
21
22
23
24
71
70
69
68
67
66
85
64
63
62
61
60
59
5S
57
56
55
54
0,010
0,013
0,017
0,021
0,026
0,032
0,039
0,046
0,055
0.065
0,076
0,OB
0,102
0,117
0,133
9
10
11
12
13
14
15
18
17
18
19
20
21
22
23
24
2S
26
27
28
29
B2
BI
BO
?B
7fl
77
76
75
74
73
72
71
70
89
66
67
66
65
64
63
62
0.004
0,005
0.007
0,009
0,011
0,013
0,016
0,020
0.024
0.023
0.034
0.040
0.047
0,055
0,064
0,073
0,064
0,095
0,108
0,122
0,137
12
13
14
15
93
92
91
90
0.0Q4
0,005
0.007
0,008
0,005
0,006
14
16
17
IB
19
20
21
22
23
24
25
26
27
26
29
30
31
32
33
34
89
68
67
66
65
84
63
82
61
80
79
7fl
77
76
75
74
73
72
71
0,010
0,012
0,015
0,016
0,021
0,025
0,029
0,034
0,039
0,045
0,052
0.059
0,066
0.077
0.086
0,097
0,108
0.121
0.134
15
15
16
17
18
19
20
21
22
23
24
25
28
27
26
29
30
31
32
33
34
35
38
37
3B
39
105
104
103
102
101
100
99
96
97
96
95
94
93
92
91
90
89
86
67
66
65
64
83
82
61
0,004
0.005
0,006
0,008
0,009
0,011
0,013
O.DIS
0.016
0.021
0,024
0,028
0,032
0,036
0.042
0.047
0,053
0,060
0,068
0,078
0,084
0,094
0,104
0,115
0,126
o.ooa
mificorvnoiciF-ir^PiiriiaaiafN^-t^mtNuiiDi-iuiointvniDr^r^Namr-tnuiif)
a o o e o o o o D o o o o o o a a a o o o o o o o D o a o o o o o F ^ f - i r H i H
o o o o o D o o o o D a o o o a D C l O O O o o o c i o a a a a o a a o a o
rvr^rNrs.ta<C(O(oeDU)(Di0U)csi/iuiminknu*iuiur>tfiifi^^YVV'4'^-irnmn)
ogoooo^Mi-ir-<>-(i-iNwr^(viPimmwr'-ini/iiou3iSirsi(i>0)Ort(MCM
o o o o o o o o o o a o a o o o o o o o o a a a O Q o a a a o o o o D
(OP^(Oi/>''niv>-<c3Ci>(irs.(oi/i'(or4r-ioatiorvcainviONr-4acnair^(Din^
uiuiLnu-ikf>inirii/iin4-v'<r'-îi-^*)'nir)(r)nnnnmmm(sir4r4NNN
IO
(O 4
OaOOdrHi-lr-lr-lrHMOJtNINOO^
o o i D d O o a o a o o o o o a c j o
o o o o o o o a o o o D O O o o o
nuimuitfimuiiitirin
o a o o o o o o o a o o o a o o o o o o o o o o o a a o o o a o o
m(ncnnc>nnc)V4'V4'V^4'it'^ûitnminm(n(nuitniniDa4DtfiiO(Dui
o o o o o o o o o o o o o
Oi-*(vnvui(or^(0(nc]f-ir4
oooiôoooociaoooooooooaooafHi-iF-i.H
O O O O D D O O O O d O D D O O O O O O O O O O D C I D O
294.
295,
T a b a l a a - L i m i t e s i n f e r i o r (W^)
Soma das Ordens
e superior < ^ d a
d i s t r i b u i o d e U na
Testa
da
(Wtlcoxon)
P (\i < W ) = a
PJW
n
1
2
3
a
1
i-ci
3
4
> W
a
0,333
) = a
Tabela B - continuao
n
2
m
6
a
3
4
0,250
i-a
15
14
13
12
a
0.036
0,071
0.143
0,214
m
5
"a
6
7
a
9
10
0,200
0,167
XO
8
7
1
2
10
0.143
0.125
0,250
O.Ill
0,222
11
10
0,091
0,162
,167
0,100
0.200
3
4
5
6
7
3
4
5
8
7
a
O.lOO
0,200
1
2
3
4
5
6
10
3
4
3
4
3
4
11
10
3
4
S
13
12
11
la
17
16
15
21
20
19
la
17
16
O.OIB
0.036
0^073
0.109
0.164
0.216
6
7
6
0,015
0.030
0.061
0.091
0.136
0.182
6
7
8
15
14
13
0.050
0.100
0.200
6
7
la
le
15
0,026
0,057
0.114
0.200
0,067
0.133
0.047
0,095
0.190
0,022
0,044
0,069
0.133
0.200
17
6
7
a
9
10
11
6
7
9
10
11
12
3
3
3
2
19
0.028
0,056
0,111
0,167
23
22
21
20
19
18
5
2
17
16
15
14
10
i-a
a
O.QlB
0,036
0,071
0.125
0,196
24
23
22
21
20
19
0.012
0,024
0,046
0,083
0,131
0,190
27
26
25
24
23
22
21
o.Qoa
4
0,017
0,033
,058
0,092
Q.133
0.192
29
2B
27
26
25
24
23
0,012
0,024
0,042
0,087
0.Q97
0.139
G
7
33
32
31
29
za
0,005
0,009
O.QI
0,050
0.073
0.105
0.141
7
8
9
10
11
12
13
14
15
21
20
19
16
17
7
8
g
10
11
12
13
10
11
12
13
14
27
26
25
36
35
34
33
32
31
3Q
29
2a
27
m
4
0.143
0.185
-a
12
13
14
10
11
12
13
14
15
16
30
29
28
27
26
2S
24
,0OB
O.OIB
0,032
0.056
0.095
0,143
0.206
10
11
12
13
14
34
33
32
31
30
20
0,005
0,010
0,019
0,033
0,057
0,066
0,129
0,176
16
17
2a
10
11
12
13
14
IS
18
17
18
19
3a
10
12
42
40
14
15
38
IB
17
18
19
20
0.014
0,029
0,057
0,100
0,171
15
26
25
24
23
22
0,186
o.iod
10
11
o.ias
0,003
0.007
0.014
0.024
0.036
0,056
O.QBO
10
13
15
16
27
37
36
35
34
33
32
31
30
29
37
36
35
34
33
32
46
43
41
40
0.003
0.006
0,012
0,021
0,036
0,055
0,082
0,115
,15a
0,208
0,002
0,008
0,024
0,036
0,055
0.077
0,107
0,141
0.184
0.001
0,010
0.025
0.038
T a b a l B & - continuao
Ttbala S - cantlniiaio
17
19
20
21
22
10
lu
13
14
16
17
la
20
21
22
23
S
15
16
0,001
0.007
0,012
40
39
38
37
0,004
0,038
0,053
0.094
0,120
0,152
0,187
0.002
0,009
0.015
C,Q2S
0.041
0,063
22
23
24
3a
o.oas
37
0,123
0,165
15
50
47
46
45
44
43
21
IB
19
20
21
22
23
24
25
26
36
42
41
40
39
15
19
20
21
23
24
25
26
27
2a
5
O.OOB
45
43
42
41
40
39
15
17
55
51
50
49
47
46
45
44
43
42
0,001
0.009
0,015
0,023
0.047
0.064
0,085
0,1U
0.142
0,177
0,02B
35
34
33
le
50
4?
46
44
43
42
40
39
36
37
36
13
20
0.053
0,099
0.130
0.1B5
0.207
19
21
22
5
39
37
3a
35
34
2a
la
tt
a
a
0.016
0.026
0.D4B
0,075
0,111
0.155
17
0,001
0.009
0,015
0,024
0,037
0,053
0.074
0,101
0.134
0,172
10
16
20
21
22
24
25
27
28
29
30
59
D,D01
55
54
53
51
50
48
47
46
45
0,009
16
21
24
26
26
29
31
32
64
59
56
54
52
51
43
48
0,001
0,010
0.D2S
0,050
0.082
0,103
0.155
0,185
0,014
Q.021
0.041
0,056
0,095
0.120
0,143
0,182
10
B
21
24
25
26
28
2S
30
31
32
33
e
22
25
26
2B
57
54
53
52
50
49
4B
47
48
45
62
59
58
56
0.001
0,006
0,013
0.021
0,047
0,066
D.09D
0,120
0,155
0.187
0.001
0,007
0,011
0,026
u
30
32
33
3S
M
M
23
27
2>
31
32
34
>S
30
37
17
3
il
59
St
H
M
53
0.001
0,010
O.OZl
0,041
0.054
0.091
0,114
0.141
0,172
24
29
29
31
33
34
3
37
33
30
40
73
88
7
85
83
83
80
59
58
57
Si
0,001
0.009
0,013
0.025
0.044
0.057
0.091
0,112
0,138
0,184
0.104
25
29
30
33
30
33
30
40
41
42
77
73
72
09
07
83
4
2
1
80
0,001
0.008
o.oxx
0.028
0.047
0.059
0,090
0.133
0,157
0.184
30
34
35
37
39
40
41
75
71
70
88
88
55
54
0,001
0.009
o.ois
0,027
0.049
0.064
Q.Q82
SO
0,037
0,051
0,090
0,117
0,147
0,183
42
43
44
45
03
82
81
ao
0.104
0.230
O.ISO
O.lffl
31
81
70
73
71
70
86
87
08
S
0,001
0.010
0.037
0,047
0,080
0,005
0,118
0,140
0,188
04
O.lOO
32
37
38
41
43
44
40
47
48
49
50
87
82
81
76
76
75
73
72
71
70
09
0,001
Q.008
0.011
0.037
0.045
0,057
0,067
0,105
0.128
0.150
0,175
34
33
40
43
45
40
40
SO
51
53
82
07
86
63
81
80
77
79
75
73
0.001
0,009
0.012
0.020
0,044
0,0$4
0.007
0,1X5
Q.13S
0,103
41
48
49
51
52
55
se
57
OS
0,001
0,010
0,025
0,041
0.052
0,087
0,117
0,139
36
39
41
42
44
45
40
47
48
10
00
87
65
64
61
60
79
298.
299.
TaUeJfl
- LlmitQ:. d e D
n o teate; bllatrircil d e f^r>lmuiioriiu-Sinli-nou, nnivj duas
lnrlr!pGndfln1,cs
Tabala B - continuao
P{D
j;
n
fli
se
59
10
42
46
SI
54
55
5Q
60
61
82
43
50
58
57
60
61
63
64
65
53
59
60
63
86
S7
78
77
0,164
0,191
102
96
93
0,001
0,010
0.023
0,046
0,057
0,100
0,138
0,161
0,185
go
89
86
84
83
82
109
102
9896
95
92
91
69
88
87
118
IIZ
111
108
105
104
0.001
0.010
0.027
0.042
0.051
0,086
0,102
0,137
0,158
0,1BQ
0,001
0,009
0,012
0.025
0.047
0.057
10
10
10
70
71
73
75
i-a
101
100
98
96
d ~ mximo divisor nomiim nritr! m o M .

0,095
0.111
0,149
0,193
125
119
118
114
111
110
107
106
104
103
101
0.001
0,009
0,011
0,027
0,047
0.056
0,091
0.106
0,139
0,158
0.200
87
74
75
79
82
63
87
88
143
136
135
131
126
127
123
122
120
119
118
117
0.001
0.009
0.012
0.026
0.045
0.053
0.095
0,109
0,140
0,157
0.176
0,197
ao
, p
55
61
62
66
69
70
73
74
78
77
79
91
92
93
> D } = a
T a b a l a a d a p t a d a d s : D I X O N , W . J , a M A S S E Y J r . . F . J . , 1 9 6 9 , Introduction
to Sta
t-iaticl
AnalyaiB. 3* a d . . N o v a Y o r h , f l c G r a w - H l U B o o K
Co.
0,333
16
18
0,109
0,03fi
C.?00
30
D.133
9
10
fl,lR?
0,09]
0,030
8
10
0,286
0,095
5
6
0,?14
0,071
la
20
22
0,151
0,077
0,026
12
7
12
14
0,167
0,056
10
11
12^
0.132
0,066
0,022
7
8
0,133
0,044
13
22
24
26
0,114
0,057
0,019
0,100
10
12
0,229
0,057
21
24
27
30
0,140
0.070
0,020
0,007
12
15
0.143
0,036
11
5
6
0,095
0,024
24
27
30
33
0,110
0,055
0,022
0,006
15
le
21
0,167
0,067
0,017
O.OflB
0,044
0.016
0,004
la
21
24
0,121
0,048
0,01?
14
12
13
14
0,100
0.050
0,017
15
24
26
26
30
0,147
o.Dfin
0,014
0.015
]3
]4
15
16
0.131
0.078
0.039
0,0]3
17
26
30
32
34
0.117
0,070
0,035
0,012
14
36
39
42
0.029
0,029
0,003
15
11
12
13
14
35
o,oeb
0,049
0,021
0,010
G,D02
16
33
36
39
42
45
48
0,136
0.072
0.041
0,021
0,006
0,002
17
33
36
39
42
45
4B
51
0,119
0,09B
0,061
0,D3S
0,018
0,00?
0,002
m = 2
16
IB
15
16
17
18
0.105
U.0D3
0,032
0.010
19
30
32
34
36
30
0.143
0,095
0,057
0.02
o.nio
20
16
17
16
19
20
o,]3a
0,067
0,052
0,025
0,009
IB
12
13
14
15
16
17
IS
0,141
0,004
0,053
0,030
0,015
0,006
0,002
19
39
42
45
46
51
54
57
0,109
0,073
0,046
0,026
0,013
0,005
0,001
20
39
42
45
48
51
54
57
60
0,111
m = S
12
7
8
0,091
0.036
0.OU3
10
11
12
13
14
30
33
36
39
0,125
0,071
0,036
0.014
0,004
30
33
0,103
0,059
27
O.OSS
0,OG3
0,040
0.023
0,011
0,004
0,001
Tabela 9 - conLlnuao
Tabela 9 - r.onl.lnuao
10
13
)1
ir.
0,12G
0.004
0,040
0,030
0.010
0.002
m = S
m = 4
0,029
IS
16
20
<i
10
12
7
20
0,143
0,079
Q.oas
0,016
0,010
21
24
2(1
0,1?]
0,DG7
0,030
O.OOK
5
6
7
a
0,222
O.OHS
0,020
0,004
la
11
12
13
9
21
27
26
32
3G
0,115
0,0R2
0,042
0,034
0,003
23
32
33
30
14
44
o,oga
0,0&3
0,035
0,022
0,007
0,002
8
9
10
11
12
0.112
0.046
0.016
0.006
0.001
37
35
30
39
40
44
46
52
0,133
. 0,089
0.066
0,038
0,020
0,013
0.004
0,001
27
30
31
35
3G
40
45
0,119
0,066
0,0S6
D,02fl
0,014
0,006
0,001
17
6
7
tt
9
]0
0,166
0,061
0,019
0,004
0,001
13
34
3'.
3n
44
li
5',
0,100
0,074
0,014
0,02f)
0,010
0,011)
15
16
17
JB
19
20
21
22
24
2fl
0,1QB
0,072
0.052
0,030
0,023
0,010
0,001
37
40
41
41
46
4fl
52
60
0,117
0,080
0.059
0,042
0,024
o.nifl
0,008
0,001
10
11
12
13
14
15
0,128
0,070
C,tl34
0,014
0,000
0,002
43
44
47
0,107
0,0B5
0,058
17
18
19
20
48
52
56
60
64
t),046
,023
0,01?
0,005
0,002
22
23
25
27
30
34
0,1^0
o.noft
L,ri4<J
0,023
0,010
0,0!)J
4B
49
52
53
56
60
G4
72
0,102
0,077
0,059
0,041
0.037
0.010
0,008
c.oai
12
13
14
15
16
17
19
0,13H
0,0ft7
0,050
0,020
0,013
0,007
0,001
50
55
66
65
0,030
D,0)2
0,000
0,001
g
10
11
12
14
0,110
0.052
0,023
0,009
0.001
4S
46
50
54
55
60
64
75
0,117
O.OBB
o,nno
0,011
o.o-tu
0,014
0.00?
0,00]
17
U,079
0,006
20
24
25
30
o.ion
0,040
0,026
0,004
23
25
20
3U
35
O.llB
0,0t6
0,030
0,0]S
D,0U2
10
2S
?7
30
32
35
4[i
0,120
0,071:1
11
n.n'\2
0.07D
o.Oin
0,002
3S
36
40
43
45
48
55
0.131
0.096
0,054
0,033
0,021
D.DIO
0,002
39
40
42
45
47
50
52
BO
0,101
0,097
0,0G1
0,040
0,025
0,015
0,006
0,001
41
47
4'
0,108
O.D?l
O.OB/
Ar.
14
15
16
U,120
0,094
0,064
0,04f!
0,024
0,011
0.005
0,00]
10
4
5
B
D.143
0,026
0,002
10
24
?B
2i
30
35
3G
0,147
0,091
fl,0G0
0,036
0,015
0.006
0,001
tz
50
52
57
60
67
70
D.124
0,099
0.052
D,03[l
n.02?
0,01?
0,008
fio
o.oai
17
Ifl
1!1
20
22
21
D.12E,
O.liJ?
D,OCO
0,012
D.019
D.005
0,002
i2
2y
IJ
0,126
0,092
20
11
12
13
14
15
16
10
0.144
0,085
0,047
0,025
U,0]2
0,0(15
0,00)
11
23
21
26
17
62
67
73
Q5
0,010
0,021
0,010
O.QDl
26
30
32
3G
0,113
D.OfO
ii,o:.3
0,037
0,026
0,011
0,006
0,001
18
10
0,134
10
11
12
13
15
0,)01
0,053
0.Q75
0,011
0,0117
19
60
64
66
70
72
78
83
95
96
0,10]
0,06?
0,056
0,043
0.076
0,014
0,006
0,001
0.001
20
32
35
38
39
42
44
50
0,100
0,057
0,045
0,022
0,011
0,007
0,Q01
10
49
&3
63
0,023
0,010
0,001
11
42
44
48
52
56
0,105
0.083
0,049
0,024
0.011
2?
17
18
19
20
22
26
o.nnn
0,1110
0,020
0,010
0,001
9
10
11
0,115
0,01(5
0.015
0,001
D.003
42
4G
46
53
59
50
72
0,315
0.086
0,051
0,020
0,011
0,D07
0,001
26
27
23
30
32
34
36
40
42
0.105
0.086
0,051
0.042
0,021
0,012
55
56
Gl
0,10C
U,0B4
0,054
45
4?
49
56
0,021
0,015
0,000
0,001
39
40
43
46
0,116
0.007
0,054
0,036
0,176
0,D9S
0,061
D , 028
D.D14
0,006
0,003
4
5
6
7
0,212
0.053
0,008
0,001
41
42
4B
49
0,02')
D,013
0,005
0.002
33
34
35
40
0.118
0.007
0,056
0.033
35
36
40
42
0.127
0,090
0,055
0,034
12
13
0,10?
n.082
n,0'^7
0,013
0,022
0,010
0,001
D.04B
0.021
0.013
0,006
D,001
10
11
12
13
14
15
16
55
5B
60
61
66
71
85
D.OIyl
0.139
0,093
0,061
0,043
0,023
0,009
0,005
Q.QOl
19
36
42
43
46
49
54
60
14
15
16
17
18
20
21
24
m = 5
4B
50
53
55
BO
65
68
60
15
16
17
0,001
0.001
m = 7
10
)C
302.
303.
TabEla 9 - continuao
14
0,176
0,063
0,033
Gl
101
0,001
67
69
74
76
6]
BB
91
105
107
0,105
n,i86
0,054
,044
0,025
O.OJl
5
8
7
0
0,126
0,034
0,006
0.001
10
71
72
70
79
65
92
93
112
0,101
0,065
0,054
0,043
0,027"
45
50
52
63
60
62
63
72
0,106
0,004
0,060
0,045
0,021
0,01?
0,007
0,001
50
52
57
61
66
70
61
0,113
0,069
70
77
9]
0,025
0.010
0,001
16
19
6G
61
6?
E8
74
61
64
95
0,119
0,099
0.053
D, 046
0,026
0.011
0,007
0,00]
IB
o.
12
21
22
24
25
26
0,041
0,026
0,012
0,007
0,001
13
56
59
64
65
72
77
78
91
0,115
0,098
0,05B
0,042
0,07?
0,012
0,008
0,001
62
63
67
70
75
BI
84
96
0,101
0,002
0,056
0.046
0,026
0,011
0,006
0,001
m - ?
59
66
0,006
D.ODl
44
4B
51
58
60
72
0,12G
0,098
O.DSO
0,024
0,010
0,001
49
50
52
66
50
64
65
77
78
fl
9
10
12
15
0,111
0,094
0,054
0,046
0,025
0,01?
0,007
Ifi
0,001
0,001
55
56
El
G2
BH
70
75
90
0,10]
D,07L)
57
53
63
64
0,107
u.ose
0.047
0,024
0,014
0,000
0.067
0,019
0,003
11
39
40
45
46
46
54
55
63
0.109
0,079
0,056
0,047
0,020
0,01!
0,OOB
0,001
12
13
21
22
24
27
2fl
30
35
47
46
50
53
56
61
0.120
0,095
0,050
0,021
0.012
0,007
0,001
0,101
0,062
0,065
0,047
0.07B
0,013
le
0,060
0,046
64
77
77
r?z
0,007
37
36
45
0,013
0,009
0,001
59
GO
66
67
73
61
96
0,104
0,086
0,054
0,042
0,020
0,010
0,001
6
9
10
11
13
0,126
64
66
72
77
60
87
BO
104
111
0,114
0,097
0,054
0,044
0,024
0,013
0,009
0,001
0,150
0,091
0.056
0,032
0,016
0.O09
0,001
15
52
54
59
62
65
70
72
B3
0,110
0,059
0,053
0,039
0.022
0,012
IB
O,ouy
17
26
29
31
32
34
0,110
o,nyi
0,05G
o,04r.
0,030
0,111
0.095
0.056
0,046
0,028
0,012
0,008
14
n,ooi
D.OUl
0,)01
63
65
70
72
77
64
67
o.onn
0,0111
o,noi
11
o.oi;;
0,003
0,001
12
13
14
15
IB
17
20
flfl
14
20
0,094
5
B
7
17
0,001
15
22
23
24
25
27
29
34
0,101
0,073
0.059
0,042
0.022
0,010
0,001
18
6
9
10
11
12
14
0,172
0.065
0,041
0,017
0,007
0,001
19
16
67
69
76
70
65
92
106
0,119
0,100
0,054
0,043
0,072
0.010
0,001
79
60
68
89
97
106
107
125
0,107
0,092
0,055
0,046
0,026
0,012
0,009
0,001
17
73
74
l
62
65
90
93
99
110
117
0,105
0.091
0,055
0,049
0,026
0,024
0,012
0,009
0,001
0,001
20
82
04
91
93
100
111
131
0.1050.095
0.053
0,049
0,024
0,010
0,001
16
37
38
41
4Z
45
49
50
59
0,102
0.066
0.053
0.044
0,024
0,012
0,006
0,001
10
46
49
54
63
6fi
0,047
0,026
0.010
0,001
0,001
19
7G
79
66
69
93
103
106
123
126
0,114
0,097
0,054
0,044
0,028
0,011
0,008
0,001
0,001
84
05
93
94
103
112
113
132
0,102
0,089
0,057
0,048
0.024
D.012
0,009
0,001
20
40
41
45
0,117
0,099
0,055
9
10
11
12
13
15
0,12?
0,062
0,029
0,012
0,005
0.001
m - S
o,ni?
0,001
16
19
0.034
0,009
0.001
0,001
0,104
0,006
0,051
0,04)
0.024
0,010
0,001
0,001
72
0,110
0,097
0,057
TS
so
G.osa
o,oni
36
36
39
40
43
47
54
5G
20
62
90
98
114
117
0.04a
19
20
2J
22
24
25
26
30
O.llB
0,067
0,DB2
0,044
0,021
0,014
0,009
0,001
0,02fl
0,011
0,007
0,001
12
18
19
20
0,114
0,078
0,0D1
10
5
6
7
6
0,168
0.052
0,032
O.O02
11
56
57
59
60
66
70
77
66
0.106
0,092
0,05B
0,043
0,024
0,011
0,008
0,001
29
30
32
33
36
39
45
40
0,111
0,023
0,010
0,001
0,001
12
14
o.ino
0,093
0,062
0,049
0,023
0,010
0,001
0,001
13
14
15
61
64
68
70
77
64
100
PI
0,114
0,094
0,059
0,049
0,024
O.OIO
0,001
33
34
37
40
44
45
53
0,107
0,091
0,050
0,025
0,011
14
15
16
17
19
23
0,118
0,077
0,050
0,030
0,010
0,001
tn
17
o,ooa
0,001
16
304.
305.
T a b s l o g - nontlnuan
Cl
16
17
9B
106
106
127
0.072
0.012
0,009
0,001
19
62
B5
92
93
102
130
133
0,105
0.092
0,055
0.040
0,024
IJ,U30
0,001
91
92
100
102
111
123
122
143
, 104
0,034
0,056
0,049
0.024
O.DJl
0,009
0,001
88
88
90
97
107
115
136
140
0,108
O.OliO
0,057
0,040
0.024
0,010
0,001
0.001
94
96
105
107
llE
127
149
1S4
D. 109
0,096
0,054
0,046
0,024
O.OIO
0,001
0,001,
2G
26
29
33
0,074
0,012
0.008
0,001
68
90
96
100
107
117
119
139
O.IOB
0,0B3
0.054
0,046
0,026
0,012
0,009
0,001
15
16
17
18
0,136
0.094
0.063
0,042
))
12
13
5
6
7
0,212
0,075
a
9
0,004
0,QD1
63
B4
72
7D
05
&B
9D
D.lOB
0,091
0,050
0,024
0.012
0,009
0,001
66
67
73
75
6?
BH
Ql
1D8
0,111
O.IDD
O.DBD
0,D4i
n,D2B
,11
0.008
0,001
B
7
6
3
0,100
0.031
0,006
0,002
14
7C
71
flO
81
84
84
9i
IDO
0,108
0,091
0,057
0,049
0,024
0,013
0,009
,01
15
36
0,102
0,087
0,0S2
14
o,n?i
15
16
18
97
99
110
120
131
354
0,110
,096
0,050
,024
.010
4?
46
52
53
58
62
63
75
0,105
0.093
0,056
0,040
0,024
0,011
0.009
0,001
96
100
109
111
120
131
0,101
0.096
0.053
0,048
0.027
0,012
133
ISO
162
0,003
0,001
0,001
0,106
0.030
0,051
0,041
0,024
0,013
0,000
75
7G
83
84
91
99
120
0,104
O.DSS
D,D5G
0.046
0,028
0,010
0,001
79
80
68
89
0,100
0,086
0,054
0,049
43
46
51
59
0,044
D,D2f)
0,010
0,001
16
27
26
30
31
33
3B
42
0,101
0.078
0.051
0.040
0.022
0,010
0.003
17
21
22
23
24
.113
0,004
o,noi
0,001
18
20
17
18
ID
)4
42
Ifi
o,oe3
0,04?
20
,19
21
?5
U7
108
118
130
152
150
104
IIC
127
140
163
0.100
0.050
0,025
0,030
0,001
18
36
37
0.109
0,096
17
126
143
173
14
6
7
ICl
77
7B
0,126
0,044
0,013
0,001
14
88
B9
1D4
128
0,037
0,059
0,025
0,010
0,003
8r.
0,1112
jno
57
58
63
64
69
76
0,11]
o.oy?
19
103
104
113
114
125
138
158
164
37
10
25
26
26
20
31
34
40
o.o^^.o
0,025
0,010
0,001
,0D1
0.115
0,091
0,056
0,043
0,025
0.010
.001
15
87
04
96
10?
113
13U
137
O.OftB
0,054
0,047
0,076
0,010
n.UDl
o.nni
IG
89
91
99
103
100
33H
r/i
34[i
0,101
0,089
0.051
0,047
0,027
0.U31
0,000
0,003
0,101
0,091
0,050
,025
0,030
0.001
0,001
0,103
,096
0,057
,045
0,025
0,010
0,001
,01
20
107
108
117
120
129
142
143
166
0.104
0,099
0,052
0,049
0,07G
0,011
0,U09
0,001
134
154
159
0,009
0,001
0,001
19
51
52
57
58
63
69
81
B3
0,110
0,100
0,055
0,046
0,025
0,010
0,001
0,001
120
12)
330
J44
168
176
0,053
,47
,77
,0!0
0,001
0.003
20
19
107
110
0,103
0,095
56
57
62
63
69
?B
76
69
0.306
0,095
0.055
0,049
0,023
0.011
0,009
0,001
16
40
41
44
49
47
0,056
0,046
0.027
0,010
0.001
19
150
153
179
o.oy)
20
19
IIZ
114
126
127
136
0,109
0,100
0,054
0,046
0,026
24
25
28
27
29
32
3B
0.102
D,079
0.061
0.046
0,026
0.030
0,001
0.025
0.010
O.ODl
18
77
19
93
0,009
0,001
0,001
180
186
190
0.009
0,001
0,001
0.102
0.093
0,054
0,046
0.026
0,031
19
119
170
13Z
133
145
158
0,106
0,096
0,054
0,046
0.025
0,011
20
31
32
34
35
3B
42
49
0,108
0,069
O.DOO
0,049
0,025
0.010
0,001
.]
E
7
6
9
10
,355
0,059
0,01)
0,005
0,003
91
92
97
96
109
122
139
0 , 307
0.300
0,053
0,044
0,026
0,010
0,003
6
7
6
9
10
0,184
0.076
0,026
0.006
0,002
100
101
113
314
118
3 32
0.104
0,093
0,051
0.048
D, 027
D.011
6
7
8
9
11
0,714
0,093
0,035
0,011
0.001
108
109
323
324
0,107
0,096
0,05]
0,045
17
m - J5
15
16
16
17
0.010
0,001
m = 16
16
m - 13
13
m - 14
D,D?D
0,0]0
0.00]
0.100
93
96
105
314
326
146
352
16
15
19
13
m = IS
71
73
79
82
87
93
96
110
115
m ~ I?.
12
m = 11
17
16
ea
11
B
hj
i/^CTl0^ C O
r-j U 3 q- iH o o
o o o o o
C O CO ^
<x ^
o
(M r-l o o
r-l fij
CM
CxI
o
O
o
1-1
D
C=l
.-I
o
o
O
ir C D
O O O O O O
H a a c::) a o
(
OD
CU
O
in
^
o
O
n
LD
n
1.1
a i r-1
IO
L.T C S
C D
1-1 o o o o 3 c
o a o o o o o
C M irj T in in
U l M ll p~. .-1 in m
^ C D w r,
o a
^ o o c o o o
I a tf) T if
O O l U T ^ I N - i o
O l o M (M d l C O
o o o o o o o o
O D O O O O O
-H C3 o D o o O o
Oui^riî^HOOQ
C 3 C J ) U 1 * C M 1 0 0 0
cnifirtMiHoo
H
N a:
m
ClLTfNOO
r H o o o o
O- o a o o
iO 31 o -"
UJ
Llj >i O.
o o o D o
o O c c o
n V
iC
V
<
1/1 1 0 ffl
eu
<-i O o o
o o O o o
l[
a o o IN
o o o
c O O o
n n o
O ) cn o rv.
o
N o o
01 D
o o o o o
PI
Cl o
m
o T fv o o
o o o
O O O O O
C31 (N o r-.
aj u- rH o o
o o o o o
m 0 1 o >-< (M <r
ts. O O O O O O
l<
fi
M
rs.
rH
O
1^
11
O
*^
n ui
o c o o c o
CC U l o A Q
^ r.* T
O C
O
o O O C
o5
uT
U l C D r*. --H
n rs. m
O o
r-i o o o o o
O
o i-l t M C ^ t/l
O O O O O O
o o o o o
CO n o
iH
CS C 3 M ^ o o
. _ _ E0 1
11
O)
N
01 c i-i r\ iTi
(VJ w
O) o i- M m u i
o o o o o c i
IO O l D 1-1 (V T
IS I C U 3 1/1 C D i-H
U l fv. Cn
o o
D c o o O
I D U% IH C 3 ( 3 >H
01 0 > ^
o o
o o D C o
<o os
SI o
oa
1^ IC: C C 1-1 -3ir 1>J r-1 O O

H O O O O O
O O O O O O
O 1 O [M ^
T C D PI
O O
O O O O O
O O O O O O
O O O O O O
rs.
in
r iM " T fH
(f)
o
r- o o D O o
O O O O O O
II
o o o o a o o o c
c o o o o o o o
onrsTOO-Hi-^
' ^ O O O O C O O
OufliTM'-!lOC
o o o o o o o o .
rvCSCCDCM^l/lf-.
to
in n
[3 O
o O O O
(M m
^
u ao
^ v <D
o i H (V
IV, 1 0 O ) O "-1
r-1
CO
O
c
3
fi
-P 11
10
m
E
-u
O
c
u
- B D
Q
O
II
'a
11
o t^.
T [ V .-1
T? C ^ X' -# O O
<r
c; 3 o
o o a
O a O c
tN
-1
-H
Cl c
il C*J l- ffi ro rH
o o O o
o W
o o
f- a o o o a
c
CD
o
o
o
in
O
w i~*
r>. T IN ^ o o
o G o o
-H
fn ^ u-
m "d" rv.
1 o
o
o
li
CL
c
o
w o *^ ''l
ffl
i-l
Ol o N
o o o o
[ IS, l i
(D
la n3
r- Q O
r-> Q O a O
o c
i-' o_ C
o o O
.-VJ
O a o O
I1
D o
o o o o o o
IO ^ o m r-l
fs r-. ^
o o
Q 3 CD
O O O Cl ^ a
c:) o
j: ^
ir
n --1 o D
ft O o O O o
o Q" o
a Q
C3
m )*v
<^ iji iH
iTi fs. o i - i a o
D o O a O
o" O
"
1-1
h>
rx
oi
10 rs. [Q m
O Q O O Cs"
Q = o C3
I ^ CO (N <0 ^
1/^
a
c
03 o
IN T
o o o o
- 1 IN IM 1 ^ r s . rH
CC C^' " O o
i-( o o o o o
(O os a
a fs m CM _T rH
(M (3 M >-" o o
o o o o o
I -
V in 10 tv. D
Q o o O
Q
:a 10 . 1
- 1 ic tsi c; D
IN o o C O
Ps, 0 3 03 CM
O
O O
--< O O O O
pH
O O O O O
CO
10 n r> . 1
rv iD
Cj
O O O
o O)
Do o o
o o
o o o
(O o m to
o
N o a
D c o o o
c l < D i r ^ w i-
c:; L i [, o g
- O C O O O O
rt
0 0 0 0 0 0 0
ffl
to eo o M IX
PI tN
e cn <v M o C3
ri o o c o o
o o a Q* c o
d n o CM
V N CO n *
m m ^, --i O c
iH o o o o o
o' o o o' O o
Cd rv
rH
u p% a O) o
M ^ m
wV o o
o ff o
o o D o
tN B o 31 M >-<
rs
o o o
o o o
o o o a
D B
IO fs T
Q N
O O
01
ri
a o
^1
c
a
r>h d
o' D
( rs. (D O)
cn C ^
r>. 3- o
O O
-1
L/i lo
<0
n fv
(V o
m IN [D
1.T m V o o
c o o o
.1
CO o-, c;
i-i
oi
O
O
o
CO
rs.
o o IC r
IN m
C
<-! O d a
Q o o o*
1-1
"
m D
i-H
01
^ fo
ui o
o o o c
rv o Tf CS;
i j ; --i
S3
c c
o o o Q c
o
o
ui
o o o
Q fO
r>
^
o
o c;
o a o o
fN IO
r-i o
en
o o
a
r=i a
a
rH ^
01
o s
o o o
o o
IO t> iD
rt ca M
1-1
CD rs
rs, CO
o
o
m r m (0
1-
311.
310.
T a b e l a 1 1 - L i m i t e s u i i U a t e r a J u dm D no tc.-^ta
de Aribiarl-Di-,idlcy
TatiBla 1 1 -
n,lG7
14
0.200
0.0B7
0,]79
15
16
0,036
13
14
IS
16
0,176
0,118
0,065
0,033
0,006
10
0,111
0.U22
15
16
17
le
19
10
0,091
11
0,030
10
0,1^2
0,070
0,015
11
17
12
13
. 141
12
13
0.064
11
12
13
14
0,026
O.liQ
0,110
0,OS5
0.011
16
0,146
0,073
0.030
0,006
14
15
IG
17
0,136
0,073
0,027
0,003
15
0 , 3 50
IG
0,084
17
0,042
la
0,018
19
0,004
11
16
16
17
16
19
20
17
15
19
0,142
0.095
0.053
0,076
0,005
20
0,050
0,017
22
23
24
25
0,035
IB
0.052
D,01fl
19
H.niB
0,007
20
0.006
20
21
22
23
24
25
26
0.150
0,100
0,064
0,037
0,020
0,007
0,002
18
19
20
21
22
0.121
0,061
0.028
0,010
0,002
21
22
23
24
25
26
27
28
0.155
0.107
0,071
0,044
0,025
11,012
0,005
0,001
19
20
21
22
23
24
0,154
0,092
0,049
0,024
0,008
0,U03
0.143
10
0,029
16
20
21
22
23
24
25
26
0,116
0,104
o,Dnn
17
21
0,193
0.132
0,082
0,048
0,026
0,012
0,004
0.002
22
29
o,f.i:^B
12
0,200
(t,0lJ
13
0,071
0.00^
14
0,014
24
25
26
17
0,152
16
0,094
19
0.05:^
20
21
22
10
11
22
23
24
25
26
27
28
12
13
10
11
0,107
0,036
0.171
11
12
0,143
17
13
O.IOS
13
n,oiz
14
(i.04a
15
n,oi9
18
19
20
21
22
23
0,146
0,033
0.054
0.029
0,011
0,004
0,060
14
19
20
21
0,153
O, lt07
0,063
14
15
IB
29
30
32
D.OIS
14
25
26
27
2B
29
30
31
33
0,176
0,126
0,086
0,056
0,034
0.020
0,010
fl.0G2
15
26
27
28
23
30
31
32
33
36
0,195
0,145
0,104
0,071
0,047
0,029
0,017
0,009
0,001
16
28
29
30
31
32
33
34
35
37
0.155
0,113
0,050
0,054
0.035
0,022
0,012
0,006
0,001
18
0,151
19
0,071
20
0.024
21
0.000
20
21
22
23
24
0,134
13
0,007
o,oni
0,002
0,151
0,107
0,072
0,046
0,026
0,014
0,005
0,002
23
26
12
0,143
0,082
0,044
0.016
0,006
15
27
0,100
11
13
15
0.1C4
0,105
0,061
0,029
0,012
0.200
10
0,133
14
10
17
12
13
14
0,006
14
17
9
10
0,042
0,132
0.081
0,037
0.015
16
0,139
0,056
0,083
14
15
16
17
15
14
0,150
continuao
0,135
0,048
0.016
15
0,143
16
0,067
17
0,024
18
0,005
13
23
24
25
26
27
28
30
0,030
0,014
0,005
0,001
0,142
0,093
0,057
0,033
0,016
0,008
0,001
24
0 . IBS
25
D, 1 1 5
26
0,0f9
0,030
0.011
0,002
0,076
21
0,]B7
16
0,194
27
0,047
22
0,098
17
0,106
28
0,028
23
0,050
312.
313.
Tabsla 11 - c o n t t n u a o
24
25
2G
0,023
O.OOB
0,002
23
24
25
26
27
ZB
29
0,15.1
0,032
0,051
0,025
0,011
0,004
0,001
24
25
26
27
28
29
31
0,179
0,11B
0,071
0,040
0,020
0,009
0,001
TabBlti 11 - c a n t l n u a a o
13
14
15
10
11
12
2B
27
2B
2'J
30
31
32
33
0,161
O.IOU
0,069
0,041
0,022
0,011
0,005
0,002
27
26
29
30
31
32
33
35
0,1B7
0,132
O.OBB
0,056
0,033
0,01B
0,009
0,001
29
30
31
32
33
34
35
36
3B
0,169
D.121
0,064
0,0b5
0,034
0,020
0,011
0,005
o.oni
30
31
32
33
34
35
36
37
40
0,192
0,143
0,102
0,070
0,046
0,025
0,017
30
31
32
33
34
35
0,07B
0,045
0,024
D.011
0.005
0,002
30
31
32
33
34
35
36
3Q
0,186
0,130
D.OBB
0,054
0.O31
0,017
0,008
0,001
32
33
D.IBB
0,119
34
D.oao
35
36
37
38
41
0,051
0,031
0,018
0,009
0,001
13
D.ooa
0.001
32
33
34
35
3B
37
3B
39
42
0,175
0.132
0,096
0,nE6
0,04B
0,029
D.OIB
0,010
O.ODl
33
34
35
36
37
3B
3S
40
41
44
0,196
0,152
0,114
0,053
0,056
D.D4D
0.02B
0,016
0.009
0.001
25
26
27
2B
29
30
0.134
0,074
0,037
0,015
0,005
0,001
27
26
29
30
31
33
0,141
0,065
0,040
0,024
0,010
0,001
26
29
0,166
0,125
10
11
12
13
34
35
36
37
38
39
40
41
44
D.JB8
0.123
O.OBB
0.058
0,037
0,023
0.013
0,007
0,001
36
37
38
39
40
41
42
43
46
0,155
0,114
0,081
0,056
0,036
0,023
0.O14
0,006
0.001
38
39
0.155
0,117
14
tu
li
40
41
42
43
44
45
49
G.ui^n
D.Ofil
10
39
40
41
42
43
44
45
47
48
51
0, 101.
0,145
0 , llU
0.0fi2
0,[i5i;
0,011
0.076
0,1(11
o.nuG
0,001
32
33
34
35
36
37
36
40
0,169
0,]?7
0,060
0.047
0,026
35
36
37
3B
39
40
41
43
0,14B
0,100
0,065
0.039
0,022
0.012
0,065
0,001
37
36
39
40
41
42
43
46
0,148
0,104
0,0B9
0,044
0,027
0,015
0,006
0,001
39
40
0,1B3
0,120
0,04?
0,07/
0,0] 7
0,010
0,001
20
11
12
O.OI:
0,065
0,001
13
41
42
43
44
45
4t5
19
0,DB5
0.050
0,030
0,023
0.014
0,006
0.001
44
45
46
47
4fl
49
50
51
54
0,156
0,114
0.081
0.055
41
42
43
44
45
46
47
4fl
51
0,163
0,122
0,DBB
0,062
0,042
0.027
0,01?
0,010
43
44
45
46
47
48
49
50
51
55
0.175
0,135
0 , ]01
0,074
0.053
0,036
0,024
0,015
0,009
0,001
45
4B
47
48
49
50
51
53
54
57
0.174
0,136
0,104
0,076
0,05E
0,040
0.027
0,012
0.00?
O.ODl
41
42
43
44
45
4B
47
43
50
0,175
0,1ZB
0,0B7
0,057
0,036
0,021
0,012
D , 006
0,001
o.oaii
0,022
0,613
0,617
6,001
10
46
47
40
49
50
5J
53
54
57
0,167
0,126
0,092
0,066
0.045
U.U30
0,011
0,006
0,001
11
48
49
50
52
53
55
56
57
60
0.192
0,150
0,115
0,086
0,062
0.044
0.020
0,012
0,006
0,001
O.OOl
51
12
51
52
53
55
58
57
59
60
63
0,161
0.126
0,096
0.052
0,037
0,026
0,011
0,007
0,001
51
52
53
54
55
5B
SB
59
62
O.lfiS
0,12fl
0.094
0.067
0,046
0,030
0.02?
0.007
0.001
315.
314.
Tabela 11.A - L l m i t c f . u n i l a t e r a i s de Uj na t e s t o de Ansarl-Bradley

liliela I J - contiriuino
0,167
10
61
55
56
50
60
El
BZ
6f)
. I(i3
, 12G
0.095
0,050
(1,0?3
o.no9
O.ODl
56
57
5B
59
60
El
63
65
69
10
0,146
0,134
0 , DU7
0,0ri4
0,n47
0,023
o.mrj
[1,001
10
62
63
64
65
66
67
Gfl
70
71
75
0,166
0,13]
0,101
0,076
D,U66
0,040
0,0?fl
0,150
0,083
0,042
0,006
15
0,196
0,132
0,073
0,037
0,007
0,100
0,06?
0,048
n.noo
0,001
0,179
0,036
TcihEla adapt.-,d:i de: HnLl.ANDFR e WQLrt, D.A. , 1973. Nonpavamebrio Statistical

thods.
Nova Yori^. Juhn Wil^y & Sons.
14
He-
16
0,139
o,02e
0,111
0,022
2^
17
0,162
0,091
0,018
18
10
0.152
0,076
0,015
0,12B
0,064
0,013
0,176
0,136
0,065
0,033
0,000
0,133
0,050
0,017
0.192
0,097
0,036
0,012
0.136
0.073
0.02?
0,009
10
0,15B
0,105
0,056
0.029
0,006
0,142
0,095
0,053
0,026
O. DOS
0,182
D,1D5
0,056
0.021
0.007
0,143
0,062
0,044
0,016
0.P06
12
0,160
0,114
0,066
0,035
0,013
0,004
13
0,146
0.093
0.054
0,029
0,011
0.004
14
0,121
0.076
0,054
0,100
0,171
0.057
12
13
,1S0
D.110
0,050
0,011
0,171
0,095
0,018
0,010
0,107
0.036
0,190
0,071
0.024
316.
317
InLielj 1 1 . A - contiiiuinj
Tabelei 1 1 , A - c o n t i n u a o
0,042
D.Dlfi
D.OOI
0,ri24
o.nuj
o,nn3
15
10
g
R
7
B
4
11
10
g
6
7
6
5
4
17
11
ID
g
B
7
6
5
4
D.liO
0,100
0,(164
0,037
O,ill?0
o.nri?
(),on?
0,376
D , \2<
0,ll6'j
10
9
B
7
B
0,121
D,0B1
D,oza
0,010
0,002
11
10
9
B
7
6
0,143
0,flB4
0,042
0,02G
IZ
11
10
0,166
0.104
0,060
O,30
0,014
0,005
0.001
14
15
0.001
o.oai
o.noG
D.151
0,107
0,072
0.04R
o,07r.
D,OH
O,
10
g
e
7
6
16
11
7
6
0,185
0,123
0,07B
0,044
0,022
0,010
0,004
0,001
J3
1?
11
10
S
B
D
0,1-12
0,093
0,057
0,033
0,016
0,006
0,001
14
13
12
11
O,
13
a?
no?
10
g
o,;?o()
0,071
0,014
o.Hl
0.04(1
o.rjoo
22
D. 143
0.167
0,024
0.(105
13
10
a
I.OQ;
13
II.
i7i;
0,0C1I
ISO
log
0,071
0,044
10
9
6
7
n,02s
0,013
0,005
0,002
15
14
13
12
11
10
9
7
0,176
0,12i
O.Oflti
O,0!i6
0,034
0,020
0,010
0,002
ID
15
14
13
12
11
10
9
7
16
15
14
13
12
11
10
g
7
12
31
10
g
13
12
11
10
0.190
O, 140
O.IQU
O.OfaB
0.044
0,027
o.niD
0.006
0,00)
O,
14
33
11
0.151
0,071
0,024
o.noB
0.15B
n.niji
[1.039
o.ni3
0,004
Il,0llfl
0,050
0,073
0,008
0,002
15
14
13
12
11
ID
9
0,172
O.lOB
0.U61
0,o;ji
0,D14
D.OCi
16
15
14
13
12
11
9
0.173
O.llP
0,071
0,040
0,020
0,(103
O.DOI
17
JE
iS
14
13
12
11
9
0,1B7
0,124
D,OPCi
0,03B
0,077
0,013
0,DOG
0.001
22
21
20
la
IB
17
16
15
14
11
0,196
0,152
0,134
0,063
0,056
0,040
0,076
0,016
0,009
0,001
IS
17
16
15
14
13
12
10
0,157
0,132
0,OflO
o.or.G
0.033
o.oia
0.f![19
0.001
17
16
15
14
13
12
0,134
0,074
0,037
0,015
0,005
0,001
13
14
15
10
0,155
0,113
0.080
0,054
0,035
0,022
0.012
0,006
o,nni
12
11
10
3
12
19
10
17
36
15
14
13
12
10
0,186
0,137
0,095
0,OG;)
0,040
0,023
0,013
O.ODB
O.tiOJ
20
19
IQ
17
16
15
14
13
10
0,192
0,143
0,102
0,070
0.046
0,029
0.017
0.009
0,001
21
20
19
la
17
16
15
14
13
11
0,193
0,147
o.loa
0,076
0,052
0,034
0,02]
0,012
0,007
0,002
19
IB
17
IB
15
14
12
0,195
0,126
0,076
0,041
0,023
0,008
0,001
?0
19
16
17
16
15
14
13
21
20
il
la
17
16
15
13
10
0,125
0.070
0,0fli
0.024
0,011
0,0[l'i
o.onz
0.174
0,120
a,07fi
0,048
0,028
0,014
0,007
o.oni
2?
21
20
19
16
1?
16
13
0 , 1 RB
0,OAO
0.001
0,031
0,018
0,0OB
0,001
11
23
22
21
20
19
IB
17
16
13
0,150
0,115
O.DRO
0,Of>S
0,034
0,020
0,011
O.OOB
O.DDJ
12
24
23
22
21
20
19
16
17
14
0.15
D,ng
a.lis
O.OBl
O.OSfi
0.03Q
0,023
0,014
u,noa
0,001
r (D
r-.
en * f-> m CO rr
M
^ O O o_ IP
o o o o o o Q
rH ^ fH c o c c cs^
a? w to
n (M <-i o o
o o cj a =3
<^ <^
32 S S
0 0 0 0 0
CN 1-" o
r
o o o o (3
in
.3. !^ 13 O
f-- -'
cji
^ m M D g
a a o D o c:i
d" a C l o a Q Q
ta LP T
'-; n
tn n n fi t t m t\
1-5
o o o" O o a o" O O
a O O o"! O o" a O O o'
pirvicsottior^ p-.-j
iJ3irriOiriIMi-10D
- ^ r - t O O O C D O O O
o o o o o o o o a
i ^ o o a o o c o
o ta 1^ I V : u r-i
r>i CN O in m Si
1-. 1-1 o O O o
o c a o o o o o c
0 0 0 0 0 0
^ ^ o r ^ u " ^ i N r ^ o c
rsnof-iiiTtN100
r - . f - i r - i o o O O O O O
-HOo
D D O O O O O O B O
0 3 0
n d ^ o o o o a o o
'(0(sji->ocnK,ifl(0
o o Q o o o o o D O
o o o o o ' o o o
tDHfvVMf-lOO
" O O O O O O
o a o " o o o D a
I-1--000000
iNr-gc3ia3fs.t>^no
f H i - H a o D O O O C
iO(\S0WfM-ÔO
O O O C O O O D O
t O T - H C D L l ^ t S I i - t O O
0 0
r-ii-iaocooo
^*oc;!0'!rr-J'-"OO
-(.-HoaoccoG
^ m i - i o o o a o o o
0 * 0 0 0 0 0
o o c o o o o o o o
o o o o o c o o o
(ji-i.-Hrs.oii/iiocn'-'
)-.-imi/i(nfM'->ao
I ^ C O O O O O C .
o o o D O o a o o
321.
320.
Tabelrt 2 - t i m l t e a I n f e r l o r o a iln K rio t e s t e dti fiunUal]
PJK
> k} =
TalJBlfl 17 - c o n L i n u a a o
IQ
0.167
O , SOO
10
11
IZ
13
14
Ib
IG
17
IB
13
20
21
22
23
24
25
26
27
2B
2S
30
31
32
33
34
0,0-12
O.IG?
0,375
0,625
o.ooe
0.042
0.117
0,242
0.408
o.nol
0.S92
0.235
0.36D
0.500
0,008
D.n2fl
D,0B6
0,136
0,000
0,001
0,005
0,015
0,035
11
12
13
14
000
0.003
0,003
0.00?
O.ODD
0,001
0,066
0,119
0,191
0,281
0,3BB
0,016
0,D3l
0,054
0,0fl9
0,138
0,003
O, DOB
0,012
0,022
0.036
0,000
n,oQi
0,0D2
,005
o.ooa
O.OOD
0,001
0.002
0,500
0.199
0.274
0,360
0,452
0,548
O.OPU
0.090
0,130
0,179
0,238
0,014
0,023
0,03B
D,0S4
0,076
0,003
0,005
0,008
0,013
0,020
0,000
0,001
0,002
0,003
0,004
0,000
0.001
0.306
0,381
0,460
0.540
0,106
0,146
0,190
0,242
0.300
0,030
0,043
0,060
0,109
0,007
0,010
0,016
0,022
0,031
0.001
0.002
0,003
n.on,
0.007
ii.noo
n.ooi
n.oo)
n,0G2
0.141
0,179
0,223
0,271
0,324
0,043
0.058
0.076
0.098
0,125
0,01)
0.015
0,021
0,029
0,036
0,002
0,003
0.005
0.007
0,010
0,381
0.440
0,500
0,155
0,190
0,730
0,273
0,319
0.050
0.064
0.082
0.102
0,126
0.013
0,018
0,024
0,031
0,040
0,3B9
0,420
0,473
0,527
0.)53
0.164
0,218
0,255
0,295
D. 050
0,PE3
0.079
0,096
0.117
D.
0,364
0,431
0.500
a,DB2
13
14
15
10
2D
21
22
23
24
o.un
0,015
0.021
0,02P
0,03
0.002
0.0Q3
o.onr.
0.007
0.010
0,000
O.DQl
D,001
0,D01
0,002
0,000
25
25
27
28
29
0,050
0.061
0,082
0,102
0,126
0,013
O.OIB
0,024
0,031
0.040
0,003
0,004
0,006
O.OOB
0,010
o.oni
0,001
U.DOl
0,002
0,002
30
31
32
33
34
0.153
0,104
0,216
0,255
0,295
o,n',Q
0,063
0,079
0,[)3B
0.117
0.014
O.OIB
0,023
0,029
0.037
n,(ici3
35
36
37
30
33
0,336
0,303
0,429
0.47G
0.524
0.-140
0.165
0.194
0.225
0,259
0,040
0,057
0,070
0,084
O.IG]
40
41
42
43
44
0.295
0.334
0.374
0,415
0.457
45
46
47
4B
49
0 , 500
50
51
52
53
54
55
SB
57
5B
59
17
IB
19
20
o.non
n,ri04 0.001
,nnr. 0,001
.Ofl 0.DD2
0.010 0,DD2
0.000
0,tU3
0.016
0,021
0,026
0,032
0,003
0,004
0,005
0.007
0.009
0,001
0.001
0,001
.001
0.002
O.DOb
0,120
0,141
0,164
0,190
D,21
0,039
0,04fi
0,058
0.070
0.063
0,011
0,014
0,017
0,021
0,026
0.003
0,003
0,004
0,005
0.007
0,00]
0.001
0,001
D,001
0,002
0,248
0,279
0,313
0,349
0,385
0,097
0,114
0.133
0,153
0.175
0,032
0,038
0,046
0,054
0.064
D.009
0,011
,13
0,016
,020
0,002
0,003
D, 003
0^004
0,423
0,461
0,500
0.199
0.22S
0.253
0,282
0,313
D,n?6
0,066
0,102
0.118
0,335
0,024
0,029
0,034
0,041
0,040
0,006
0,345
D,37B
,412
0,447
0,482
0,154
0,174
0,196
0,220
0,245
0,05Q
0,017
0.021
0,025
0.029
0,034
0,066
0,076
0,088
,100
0,005
0,008
0,010
0,012
0,014
0,000
0,001
0,QD1
0,001
0,001
0,002
0,002
0,007
0,003
0,004
0.005
o,ooa
0,007
o.ooa
0,010
CM
CO
fN "J"
O CO
r-. f-1 r - f M CM
D
o
o
N.
O OOO O
o
o IV ^ M
* f >i d
c:a c c3
o o'
Q
0
01
r O)
ti3
Ui
Cl d r v N
T O)
-
ffi ^
0
C>
CD N a
1^
CO ^
ID
CO 18 IO
o' o' o" o" a
o o o
o
cn l A
1^
o
>a- r - i I O
O) (O f-v N O
o ' o" o
(O
to o
to o
i/i in
a r-i
ro
CO
N. N m
! N CD CD 1/1
N.
o
d
CD N
o o' o' o
IN. 10
in
IO
1/1
ia
ir
o o o o o
rt-v
o a (N
-H
tft ifi
<
1=1
CO
Cl
Fl
ffl
o o o o
la o
^ a
^
m Fi N i-t 1-1
I O t o CO CO rt
a o o
i n o i r cn
t o 1/1 cn ^
tv rg N
rg
rv ^ a: M
[V
ro lO r [Q in
(D
(O i / i CO i H
o
CO l / l
rt
M
Xfl T lj% t\
Cl
1/1 o
o
K l ITT m
O l CD
--I
(D (D <D
O O O O O
1/1
ry
"
o
*
n
lf7
O OOO O
r4
Cl
N
T
<s
o
T
^ CO 1^
CM o D l IO
l/l T ^
o
rs
to
o" o* o o' o
tSI (NJ
O CO CO fO
to
Cl Cl 0
(M fM
* l-
1/1
a' o' o' o" o"
o"
01
1/1 CD m
(D Ol T
PI
n
lA
l>J T m
m CD
o
1/1
1/1
(O m
O
a
1/1 1/1 ^ u~i ;D

>T P I t S rH o
T - lT
o'
EO C 1/1 N IO
1-1 c l CD I * . i n
/i 1/1 T ^
^
10
cn m N
in ^ Cl
^
o o o o [3
D r>. o
w
T M o
m
N
N N N . ( D (O
m
(c
i-H
(V
r c \
CS
O O
o
o OO
CO
Is, t o : 0
iD n ^ CT: UD
IQ CO CO Ni Ni
I D CD
CN
N CO i n
m r r y c n r - .
O
O
o o o D D
Pv N . K
01
a m o 1/1 T
CO o o l / l
n
CD CD 1/1 1/1 1/1
N.
eo
o o
CO r - . I M o i
a
i r (N - H 01 o i
^ ^ ^ CO CO
(D
o t o o 1/1 r v
J l f ) CN i H
o
(O O
<* t o
o' O o o o
1/1
C-.J p - P- 03 Ol
i - i C\1 N 1/1
Lfl l / l ^
M to
n
ID
n
O* o' O O O
iNi l O (TJ 01
cn N
d fo
^
-1
o
V -r V
1-1 CO CC IO
to
ffl
n
o o
>-i to
(O ^^
p cjJ
l/l
rH
I M CM
C3
t o < r CO CM CO
l / l i D cv m 01
o o OD O
P I i n cn (M
Cl
D
[M (M <0 <0 P I
r x PI O)
n
ij-
c) a o o o
N
CM m
>i
o o o o o
l / l IO 1/1 CO
i D 3 1 T"i ^ r v
n n ^ T
T
o o o
o' a o D
C o o o
01 s
rv ^ o I IN I T ttD ^
ij-
1/1 rsi o *r d
ic o i n
CM (M m
n
c
o
CO f^. (O ^
(O r
o o o o s
-! CM
N. N ISi
r>j
o o ' o ' o" c
i/i
0 1 t o ^ C^ CO
e (O C3 M
1 - C\M
[M n i / i c:i I O
! 0 ^. C 1-1 i T i
o Q 1-1 f - i
IV,
1/1
tsj l / l t v
o
o
o
o
m
CM CM ( \M CO
o
o o C5 o
^
r-1 t / l CD i - i
o cv;
^
cn
1-1 ^ S ^ CO
CM l / l CO
CN CN IO
O
(V
O Oa OO
Psi Pv
Cl
r1
o?
L:
~
Ul
-H
3
Q.
>
iC
-1
-j
a <
r .
a
>
1 _
C U-
_i
31
C
O
t/l
-1
c
< -1o
s
325.
324.
Tflt)c;la H
- l . l m l t B S da
rtistribulo
d c H no t e s t e de K r u s K a l - W a l l l s
(l< - 3 ) , cnm
Tcibela 14 - continuao
3,571
0,200
3,0b7
0,143
3,600
D.20D
3,524
4,286
0.200
0,100
3,1B1
n,iso
4,018 0,114
4,02]
0,057
3.333 0,190
4,200 0,095
5,D0D 0.046
5,200 0,036
3,7^0
4,200
5,000
6,250
0,15?
o.oas
0,048
0,036
3,206
4.571
5,143
0,157
0,100
0,043
3,208
4.056
5,206
5,833
0,200
0,003
0,050
0,021
3.218
4,018
4,671
4.960
6,400
0,190
0,095
0,052
0.04B
0,012
3, noo
3,267
4,0G7
4, BB7
4,967
ti,6B7
0.222
0,178
0,102
0,054
0,046
3.000
3,067
3,960
3,167
0.208
0,194
0,102
o,oaa
D.DIO
4.860
4,936
6,640
6.9S4
7.364
0.056
0,044
0.011
0,006
Q,n05
3,776
4,556
5,139
5,556
6,250
0,200
0,100
O.OCl
0,025
0,011
2,946
3,236
4,036
4,109
4,909
5,127
6,636
7,309
7,746
8.182
0,227
0,105
0,105
D,066
0,U53
0.046
3,311
3,444
4,444
4,511
5,400
5.444
6,300
6.444
7,000
0,203
0,197
0.102
0,098
-0,051
tl.OIC
0,01]
0,000
0,005
3,714
4,571
0,200
0.067
0,201
0.193
O, i n i
3,750
3.929
4,464
4,500
4,714
5,357
D,2ia
O, 161
0,105
0,0G7
0,046
0,0?9
3.386
3,414
4,494
4,651
5,10B
5,251
6,822
6,909
6,949
7.162
0.052
0,I4U
0,010
0,009
0,006
0.004
3,458
3.6&7
4.456
5.125
5,500
6,000
0,210
0,190
0,100
0,052
0,024
0,014
5,227
5,348
6,061
6,136
6,727
6,970
0,052
0,046
0,026
0,023
0,011
0,009
3.333
3,360
4.293
4.373
5,040
6,133
6,533
D,20t
n,19R
0,12?
0,030
O.Of.B
0,013
D, DOB
0.210
0,192
0,103
0,000
0,052
0,046
0,020
0,011
5,0]fl
5,345
5,527
5.745
6,545
6,654
D.OSO
D,03P
0,036
Q,0?1
0,011
0,008
3,354
3,464
4,446
4,554
5,236
5,454
6,546
6,873
7,036
7,054
3,364
4.510
4.541
5,260
0,700
0,101
0,0^10
0,051
D.un
0,009
O.0IJ5
0.007
O.ftOfi
O,no?
5,273
6,504
7,116
7,500
7,573
8,114
0,049
Q.D20
0,010
0,007
0,005
D,D01
5,263 0,050
5,340 0.043
6,109 0,025
6,166 0,024
7,212 0,011
7.340 0,010
6,746
7,000
7,316
7,436
8,016
0,010
0,006
0,004
0,002
0,001
7.641
7,906
0,446
8,503
3,116
0.007
0,005
0.002
0.001
o.mn
3,314
3,442
4,412
4,533
5.515
5,646
6,303
6,376
6,982
7.079
7,467
7,515
8,046
6,247
e.7?7
0.209
0,196
0,09?
0,051
0,049
0,026
0,020
0,031
0.009
0,008
0.005
0,002
0,001
0,001
5.604
5,610
6,500
B,53B
7,467
7,500
0.050
0.049
0.025
0.025
0,010
0,010
5,551
5,615
6,3ft5
6,436
7,192
7,410
0,051
0.050
0,025
0,02?
0,010
0,008
3,306
3,429
3.79B
4.545
4.993
6,626
5.706
6.466
6.752
6,666
7,543
7,694
8,237
e", 334
0,20]
0,195
0,150
0,102
0,099
0,051
0,049
0,025
0,020
O.DIO
0,004
0,002
0,001
9,055
9.398
0,202
0,1^5
0,152
0,100
0,075
0,0[11
D, 046
0.025
O.flZl
0.019
0.010
0,007
0,000
0,005
0,002
0.001
0,001
5.564
5.600
6,621
e.367
7,580
7,590
0,052
0,050
0,026
0,024
O.OlD
0,010
0,204
0,199
0.J50
0,103
0,099
0.075
0,060
0.025
0,020
0,010
5,600
5.B25
6.663
6.72S
7.603
7.725
0,052
0,050
0,025
0.0Z5
0,010
0,010
3,231
3,600
3,846
3,962
4.500
4.654
0,212
0,197
0,151
0.145
O.lOA
0,097
3.369
3,332
4,508
5,246
5,336
6,346
6,446
7.269
7.762
6,131
8.685
0,203
O, lOe
0,100
0,051
0,047
0,025
0,020
0,010
0,007
0,005
0,001
5,319
5,338
6,189
6,196
7,299
7,376
0,050
0,047
0,026
0,025
0,010
0,010
5,352
5,410
6,17]
B.210
7,410
7.467
0,051
O.OSO
0.026
0.024
0.010
0,010
3,467
4,622
5,GD0
5,956
e.4B9
7.200
0,196
D, IDO
3.394
3.417
3,648
4,477
4,546
5,576
5,596
6,394
6,659
7,144
7,G3B
6,227
6,909
3,391
3,036
4.700
4,709
5,727
6.154
0,196
0,150
0,101
0,092
0,050
0,025
3,3X2
3,316
3,fl31
4,523
4.549
4.339
S,631
6.410
6.676
7,445
0.050
D, 025
0,011
0,004
3 - 3
o.iim
a.950
CM
CM
(1-1
+J
o
c
-a
ta
Tl
m
1>
N-l
v i
c
.
vi
TO E
%
^
11 i |
>
a.
B
u
a
a
u
A:
A;
CD
T3
-j
D
4J
^
L'"j
a;
cu
(0
D
<r
CJ r 4 r>.
0
(D
U O IN
(-H l / l (N f - t
a
l-" o O
o
o
o
m T
11 LO
in 1
O
o
O O
a
o
m m n
<r
c \D rsi ^
O u i ^ i-t o
<-> c a o
o
o
to
IO
O
(NI
O o
CO t v
C^l
(O n
- (M m
ID IO l - t
cn M
O
V 1 o
o
o
o a
o
o o C3
a
O o
tf ID
tn m
CO
o
o
<T O a
r 4 IM
o o c s o o o o o
cr.
M r>. 1-1 r-i CN

T f v . O) tn m
<c C\ CO
li
H <-H D O a c
O O
iM
flCM
O
O
PI ifl
CM r 4 (M
o cn l E L/l o o
L i j- I M O J i H rH
iz) CU c : [::< O
O
C L/l L/l o
o
L^l Lfl (SJ N
-l
C O O C O O
o
c
o
a
D
f75
IV CIl I V CSJ
1-1 o r v t o CO CM
r v t o o (O r - i
l / l 1/1 CD U3 m
o
C O O O
COINiOCI>
cn-raiLji
o
o
O a O Q O O
o " O O O* o ' o "
cn cn CO ^
o D 1/1 T o
U1 1-1 ( N CN
m i n c o t o o a i
o
o
CN k/l O t o 0 1 T
u i j n i r i M {^j
t n CO i-H r - l
o
lE
Cu
o
s
o o to o
!ZI o o o
rv ^
L/l L/l c c
r-ii3-pCMCnO
r^CNtei-ICOC
t v t v t v t o o i c :
o o o
o c l cfl 1/1 c ; o
1/1 ^ CN [ M 1-1
c:
I V - - 1 i n I V < r L/l
( O eC OJ LD f N 0 1
c^ CD t n
v
o
C t D C I l T ^ T I D r V D d t r O C O C n C M I V O
t^CNi-iirNi-icjiiva-tftDi-iriDicicira
cnio
ccoacci/itDOivps.cOrti--(^*i:ii/i
i / i a i t s c a i v r v
o ^ O t O T O c D C O i - i c r c i i / i i n c N i - i i - i
a i / i a r v r v , j i r * i C N C N ^ C 3 O 0 0 O : ^ o
c s r H i ^ O O O O D a o c a c c D O o c
u i u i c c c o r v i v
kDiHlOQCDCO
LTltDC'", 1 / 1 C 1 P ^
toDivivrocii
o
o
.-1 o l / l 1/1 c I I J
1/1 L/h CN CN -< 1-1
CM
->
c
c o
.H ( O
f o (O
fv
c c i c
o
t o cn
C:J CN
(D v.
u i i n
r v r
. t o --1 I O <J1 IM
"l IV
o
a
a o
o a o c:: o
Q O) o o a
1-1 ^
ui t r
D o in ^ O
i-f i - i O o o
c
t n 0 1 IN i n
r i r S i n CO
m -1
ri
O
S1 rs. 0 1
(N [ N N C CO
a
r-t
CZ
O
r i "Sr-.
T
i n no i-H a
a o O o
o
1/) O ( V m cu o
" - i ->
(SI Cs
CM
O
C3 O O O
( C <B
t3 o
<^ i H
m iH
(O i-<
a
a
o
33
OD
(D
O
C3 o
IV
to
CD
i - i CN
o
oi a
o c c c c o o c c o o c ^ c c i c r
c
o a o c a a o o o a o o o c a o
trtoiOTrNajtstJCMCMOJr-JcsiiDCN
a t o i v r v a r o o c a ^ r v ^ ^ t D t f l f N
i/ii/iuitorvr(oaDaia]<scntiicnizi
c:;rteOi-iaii/iOi/i<-ncjoc3iVLninryiHi-i
c i / i ' 3 o a ] r v 4 / i t N c \ C N . - i . - i c o o o o o
t N i - i ' - i " O O C 3 C 3 Q a o o c c n o o a Q
o
-itocnofOfnfOi-Qti-jcjouHcncntotD
i - l ^ t D r s C N I N ^ I V C O - ^ C D C C C M r v ^ t D f N f N
fi!iciri/iocou)fvoiv(OCMcni/ii-icriO)
1-1 I S t n t M
--^ O o o o
o
Q 13 C C 3 o
C:J
o c o n 7 7 / l u l c o t c t a I v ^ N . m 0 c a 3 d ^
^ L/ CD t o ^ 1-1
I V i n t r CN f-1 IM
D O c a c
l / l f l - C N C V U l i - I C N i O i - i O t D T O T
r - i / i c v i - i t n t c c n d o ^ i / i c D
rtCDCDtJICOCvailfltVOCOtOCM
c n c o v m i o t / i c o t D t D r v t v r v E O E a a t o c n
o o o c a o o a o Q d O D o
( / i i / i i / i c o c o c c c o i v i v e o c a Q o i
CO CO
o o>
ou o
^
o
o
n N
C\ o
ID
c o
o o
(0
0^ t3
o
V
1/"!
O) M V e
N m n n
1*- ( 0 ( N
r y M <r
T >-l O
o
o O
o
o o
tn
LLI >
I V c n o H ( M U1 rs.
e>< N t o d n <o
+j
UJ
26
328.
329
T a b e l a 1 5 - contlnLiao
Tabela
"
26
26
30
31
34
35
0.1853
0,1093
0,0576
0,0397
0,0103
0,0032
30
33
35
36
39
41
0,1933
0,0948
0.0526
0,0379
,0117
0,0044
15 - c o n t l n u s o
"l
k = 3
2
33
36
39
43
45
,1971
D,1046
0,0472
D.Ollfl
0,0043
37
41
43
44
4B
51
0,2029
0,0935
0,058?
0,0448
0,0129
0,0039
41
45
46
49
54
56
0,2077
0,1040
0,0546
D,042B
0,0100
0,0046
36
41
44
45
49
52
0,1BB2
O.lOBl
0,0526
0,0403
0,0114
0,0034
43
46
49
50
55
56
0,l09
0,1072
0,0572
0,0452
0,0110
0,0036
48
51
55
61
64
0.1749
0,1060
0,0495
0,0107
0,0040
4S
52
55
56
62
65
0,1895
0,1003
0,0563
0,0454
0,0096
0,0036
53
58
61
0,1968
0,0947
0,n'i54
62
66
71
0,0456
0,0113
0,0047
59
64
SS
75
79
0,1925
0.0903
0,0509
0,0117
0,0040
le
20
21
22
24
25
0,194]
0.0946
0,0613
0,0369
0,0107
0,0046
22
24
25
26
26
30
0,1750
0,0931
0,0641
0.0421
0,0155
0,0043
25
26
2S
30
33
35
0,2056
0,0916
0,0662
"0,0462
0,0123
0,0039
29
32
34
36
40
0,1691
0,090B
0,0495
0,0102
0,a03B
33
36
36
42
45
0,1762
0,0699
0,0522
0.0132
0,0034
36
39
40
42
43
47
49
0,1964
0,1113
0,0891
0,0545
0,0414
0,0112
0,0050
"3
k = 3
"a
34
37
40
44
47
0,1997 .
0,1072
0,0492
0,0126
0,0034
36
42
04
45
50
52
0,2050
0,0957
0,0600
0,0464
0,0096
0.0044
42
46
49
50
5b
56
0,2095
0,1058
0,0561
0,0442
0,0108
0,0035
35
39
40
41
45
47
0,1037
0.0971
0,0582
0,0436
0,0112
0.0046
39
43
46
51
54
0,2082
0.0988
0.0469
0,0107
0.0033
44
48
51
57
60
0.1965
0.1002
0,0533
0.0)03
n,0036
49
53
56
57
63
66
0,1906
0,1014
0,0572
0,0463
0,0100
0,0038
45
49
51
52
57
60
0,1853
0,0923
0,0603
0,04BB
0,0126
0.0048
50
54
57
5B
64
B7
0,1932
0,1039
0,0593
0,0462
0,0109
0.0043
55
60
63
64
71
74
0,1996
0,0977
0,0560
0,0479
0,0095
0.0040
56
60
64
65
71
74
0,1887
0,1070
0.0537
0,0442
0,0113
0.0049
61
67
71
76
62
0,2077
0.0946
0.0492
0.0116
0,0041
68
73
7B
B6
BO
0,1929
0,1054
0,0502
0,0109
0.0042
31
33
35
36
0.1756
0.1099
0,0832
0.0463
40
42
0.0099
0.0037
35
38
39
41
46
46
0,2029
0,1105
0.0874
0,051B
0,0096
0,0040
40
43
44
46
47
51
52
54
0,1929
0,1109
0.0896
0,0565
0,0438
0,0132
0.0093
O.D043
45
4B
49
51
52
57
5B
60
0.1849
0,1112
0,0916
0,0605
0,0482
0,0125
0,0091
0,0045
49
53
54
57
63
64
66
0.2050
0,1114
0.0935
0,0522
0,0119
0,0069
0.0047
41
44
47
52
55
0,1767
0,1014
0,0506
0,0110
0,0037
46
40
50
53
59
62
0,1B75
0.1130
D.0944
0,0502
0,0099
0,0035
51
55
0.1949
0.1057
59
65
68
0.0496
0.0115
0,0046
56
61
64
65
72
75
0.2013
0.0992
0.0592
0.0491
0,0)00
0.0O43
51
56
59
60
66
69
0,2097
0,098}
0,0559
0,0455
0,0103
0.0041
57
62
66
73
76
0.2034
0.1013
0.0507
0,0107
0,0046
63
66
72
73
ao
64
0,1962
0.1040
0,0554
0.0465
0,0110
0.0039
64
69
73
BI
04
0,IBflO
0,0976
0,0515
0.0100
0.0147
70
75
BO
BO
92
0,1953
0,10B1
0,0523
0,0005
0,0047
77
83
0.1932
0.0907
0,0487
0,0102
0,0043
aa
97
101
Tabela 15 - c o n t i n u a o
Tabela 15 - c o n t l n u a i o
a
a
k - 3
5
47
50
53
54
59
62
0,174H
0,1C)4S
0,0572
0,0455
D,D12[)
0.0D44
52
56
60
67
70
0.1971
0,1076
0,0512
0,0092
0,0036
5fl
63
66
67
74
77
0.1920
0,0943
0,0563
0,0467
0,0096
0,0041
64
69
73
01
B4
0,1377
0,0973
0.0514
n.ooga
0,0046
59
B3
67
74
77
0,1612
0,1030
0.0521
0,0113
0,0050
65
70
74
62
B5
0,1B95
O.O931
0.0527
D,0105
0,0049
71
76
61
0,196fl
0,1094
0,0533
k =4
90
S3
0.0099
0,0049
72
77
62
90
94
0,1B74
0,1032
0,0498
0,0113
0,0045
76
64
69
90
99
103
0,2047
0,1066
0,0549
0.0474
0,0096
0,0041
66
92
9S
105
112
0,1934
0,1046
0,049?
0,0097
0,0043
B5
70
75
63
66 -
0,2015
0,1072
0,0400
0.0095
0,0045
72
76
82
63
91
95
0.1963
0,0972
0,0545
0,0465
0,0103
0,0041
79
65
90
99
103
D.195B
0.1010
0.0515
O.OllO
0,0047
79
86
91
100
104
0,2060
0.1081
0,0464
0,0102
0,0043
B7
93
99
103
113
0,194B
0,1057
0,0500
0,0100
0,0045
95
102
lOB
116
123
0.1936
0,0989
0,0497
0,0110
0,0044
B7
94
99
100
109
114
0,2041
0,1005
0,0540
0,0471
0,0112
0,0042
96
102
106
119
123
0,1860
0,1048
0,0524
0,0102
0.0049
104
111
117
118
129
134
0,1938
0,1039
0,0544
0,0463
0,0104
0.0044
113
120
126
140
145
0,1939
0.1065
0,U4BO
0,0093
0,0045
k =S
IB
18
19
21
23
D,1S29
0,0629
0,0484
0,0123
0,0016
34
37
39
43
45
O, 1B23
0,0907
0,0515
0,0323
0,01150
58
62
BB
73
76
0. 1910
0,1056
0,0514
0,0100
0,0041
89
94
100
110
114
0,1646
0.1003
0,0496
0,0093
0,0040
126
133
140
153
158
O,1BB3
0,1052
0,0529
0,0104
0,0048
k = 6
26
2a
29
30
33
35
0.1625
0.0878
D,0B13
0,0412
0.0094
0,002B
54
56
62
66
71
0,1982
0,1049
0,0475
0,0102
0,0039
93
100
105
115
119
0,2059
0,0991
0,0521
0,0102
0,0040
143
152
IBO
174
179
203
216
226
244
251
37
40
42
47
49
0.1871
0,0953
0,0553
0,0094
0,0038
79
85
69
98
101
0,2015
0,0969
0,0533
0,0096
0,0047
137
146
153
166
171
0,2049
0,1005
O,0506
0,0303
0,0049
0,7035
0,1039
0.0497
0,0096
0,OU47
211
223
224
233
252
259
0.2039
0,1032
0,0968
0,0515
0.0096
0.0046
0.2075
0,0984
0,0484
0,0097
0,0046
301
317
330
354
3B3
0,2007
0.0996
0,0493
0,0100
0,0049
Tabela adaptada de: HDLLANDER, H. e WDLF, O . A . , 1973. Nonparaiaetpio

Methos.
Nova YorK. John WUsy & Sons.
Statiatiaal
332.
333.
T a b e l a 1 6 - D i f e r e n a m n i m a E l g n i f i c a t l v a l A ) para aa coiip.ireBs m l t i p l a s , baGendas

n o t e a t e d e K r u s K a l - W a l l i s , a n v o l v e n i J o t o d o s o a p a r e s (i , 3) o t r a t a m e n tos B com
Tabola
17 - V a l o r e s d a a m p l i t u d e Q a a e r u s a d a n a a cciiiiparaes m l t i p l a s , c a s o d a g r a n -
= ... - rtj^ = n.
d e a a m o s t r a s , c o m n^ =
= ... = n^^ = n t (n -* )^
k " nilmsro d e a m o s t r a s .
a
k - nmero da tratamentaaj
n nmaro d e repatios p o r tratamento.
k =3
6
0,067
15
16
17
0,064
0,029
0.011
24
2S
27
0,045
33
35
39
0.046
0,031
0,009
43
51
0.049
0.011
k = B
44
4B
50
0.05G
0,033
0,010
k = 6
19
20
0,030
D.oin
35
37
39
0,055
0,024
0.009
0,011
fc = <
0,056
0.021
0.007
12
0.D29
22
23
24
0.043
0,023
D , 012
42
44
46
0,054
0,026
0,012
34
36
36
0,043
0,026
0,012
15
16
0,046
0,016
28
30
32
0,060
0,023
0,007
37
3&
39
40
41
43
0,001
2
3
4
1,812
2,424
Z,7fl4
2,326
2,902
3,240
2,772
3,314
3,633
3,643
4.120
4.4D3
4,654
5,063
5,309
0,050
0,025
0.009
S
6
7
8
9
3.037
3.232
3.369
3,520
3,632
3,478
3,661
3,806
3,931
4,037
3.658
4,030
4,170
4,286
4,386
4,603
4,757
4.882
4,987
5.078
5,464
5.819
5,730
5,023
5.DG3
0,040
0,020
O.OOfl
10
11
U
13
14
3,730
3,817
3,B95
3.956
4.030
4,129
4,211
4,2B5
4,351
4.412
4.474
4,552
4,622
4,685
4.743
5,15?
5,227
5,290
5,348
5,400
5,373
6,036
6,092
6.144
6.191
0,062
0.O33
Q.OOB
15
16
17
18
19
4.089
4.144
4,195
4,242
4.267
4,468
4 , SIS
4,568
4,612
4,654
4,796
4,645
4,891
4,934
4,974
5,446
5,493
5.535
5,574
5.GU
6,234
6.274
6,312
6,347
6.360
0,052
0,026
0.014
20
22
24
26
26
4,3ZB
4.405
4,474
4,537
4,595
4,694
4.767
4,832
4,692
4,947
5,012
5,081
5,144
5,201
5.253
5.645
5,709
5,766
5,616
5,666
6.411
6,468
6,520
6,566
6.811
0,044
0,024
0,012
3Q
32
34
36
38
4.646
4,697
4,743
4.766
4,626
4,997
5.044
5,087
5,128
5.166
5,301
5,346
5.366
5,427
5.483
5.910
5,952
5,990
6,026
6.060
6.651
6.668
6,723
6,756
6,767
0.036
0,010
40
50
BO
70
60
4,864
5,026
5,155
5,262
5.353
5,202
5,357
5,480
5.582
5.669
5.496
5.646
5.764
5,663
5,947
6,092
6,226
6.338
6,429
6.507
6.816
6.940
7.041
7.124
7.198
90
100
5,433
5,503
5.745
5.812
B.02
6.065
6.575
6,636
7.256
7,314
IS
44
45
46
k~
26
26
0,041
0,05
43
51
54
n,os5
0,029
0,010
k =
2
0,01
14
k = B
2
33
34
35
k^
2
0,05
k = IR
2
72
23
24
0,10
k - 11
0.20
k = 10
k =7
G
*.
48
49
50
JC = 2 5
52
54
k = 9
2
29
30
31
0,063
0,031
0,012
T a b e l a a d a p t a d a d e ; H Q L L A N D E R , H , e W D L F E , D . A . , 1 9 7 3 . lonpin:iinetvic
Methode.
Nova YorK. John Wlley 8 S o n s .
Statstiaal
Tabela adaptada dat HARTER. H . L . . 1960. Tablea o f Range and StudBntlied Rang*.
Armats
of Mathemat-Coai
Stati-Btioal 31: 1 1 2 2 - 4 7 .
334.
335.
liljelfl 18 ~ Valores da 6 para aa comparaSaa unilaterais: tratcmtentos va
testemunha,
baseadas no tests de KnîsKal-Wallls
Tabela 20 - Valores de q para uso nas comparass unllnteraisi tvatcmentos
A: - S,
ti nmero de repeties por tratamento)
& " diferena mnima significativa a taxa .a.
caaa de grandes amostras a com
6
7
a
0.156
0,132
0.113
0,081
0,057
0,037
0,021
0,010
0,001
,193
0,118
0.098
0,050
0.029
0.010
0,001
s
11
12
13
14
15
16
Ifl
13
16
17
20
22
25
29
la
23
21
27
28
0,188
0,101
0,DB7
0,054
0.045
31
35
42
0.026
0,010
0,001
23
29
30
3S
36
41
46
56
0,193
0,110
0.099
0.055
0.049
0,024
0.010
0,001
Tabela adaptada d e : H O L L A N Q E R , n . B W D L F E , D . A . , ia73. Nonarametria

Methoda.
Nova Y o r k . John Wllay & S o n s .
Tabela 19 - Valoree da 6^ para aa comparaes bilaterais! tvatcanentos va
teatemunha^
ik - 3i
rt - nmero de repeties por tratamentoj
6 - diferena mnima significativa taxa a .
,,a
20
22
23
25
26
27
30
0.039
0.058
0,043
0.020
0,013
0.008
0,001
37
38
43
0,012
0,009
0,001
24
27
28
31
32
34
0,174
o.loa
0.091
0,051
0,042
0,02G
7
S
0,133
0,044
12
13
14
IS
16
17
la
0,162
0,114
0,074
0,043
0,019
0.007
0,002
17
19
0,191
0,124
30
35
36
40
41
45
49
50
58
Tabela adaptada dat HDLLANDER, M . a W O L F E , D . A . , 197:5. Nanparametvia

Methos.
Nova Y o r k . John Wllsy & S o n a .
i.lO
0.05
0,025
0.01
2
3
t
S
0,675
1,014
1.169
1,308
1,282
1,577
1,735
1,838
1,645
1F916
2,064
2,160
1,960
2,212
2,350
2,442
2,326
2,556
2,085
2.772
6
7
a
9
10
1,391
1,456
1,514
1.560
1.501
1,916
1.978
2,029
2.072
2,109
2,233
2.290
2,340
2.381
2.417
2.511
2.587
2,613
2,652
2,666 "
2.837
2,839
2.933
2,970
3,002
11
12
13
!*
15
1,636
1,667
1,696
1.724
1,745
2,142
2,172
2,180
2,222
2,244 '
2.448
2.477
2.502
2.525
2.546
2,716
2,743
2.786
2.790
2,310
3,031
3,057
3,079
3.100
3.120
16
17
16
19
20
1,767
1.737
1,605
1.823
1,839
2,264
2,263
2,301
2,317
2,332
2.565
2.563
2,600
2,616
2,631
2,829
2,846
2,863
2,878
2,892
3,138
3,134
3.170
3,165
3,186
21
22
23
24
25
1.854
1.389
1.863
1.896
1.908
2,347
2.361
2.374
2,366
2,392
2.645
2.858
2,871
2.683
2.894
2,906
2,916
2,930
2,942
2.953
3.211
3.223
3,23S
3,246
3,257
26
27
26
29
30
1,S20
1.931
1,942
1.9S3
1,983
2,403
2.420
2,430
2.440
2,450
2,705
2.715
2.725
2.735
2.744
2.964
2,973
2,963
2,993
3,001
3,268
3,279
3,268
3,295
3.003
Statiatical
baseadas na testa de ^rusKal-Wallis
testemunha,
a
0.25
^^
= .., = j^ r ^ fft -> )
k - nmero de tratamentoa, Incluindo a testemunhai

n nmero ds repeties por tratanento,
0,022
n, -
0,198
D.111
0,097
0.056
0.04a
0,024
0,011
Q.OOS
0,001
Statiatical
337.
Tabela 21 - Valoras da
Tabala 20 - continuao
para uso nas compareiea bilatEriila: tratconentoa va testemu-
nha, casa de grandaa amoatraa e com
= ... ~ ftj^ = n,
()!-*"}
k = nmero de t r a t a m e n t o s . I n c l u i n d o a testemunho
H " nmero dn repeties p o r t r a t a m e n t o ,
k
0,25
0,10
O.OS
0.025
0.01
31
32
33
34
35
1.372
1.962
1,990
1,999
2.007
2,459
2,46?
2,476
2,464
2,492
2,753
2,761
2,770
2.777
2,765
3,010
3,018
3,026
3,034
3,041
3,312
3,319
3.327
3,335
3,342
3B
37
3a
39
40
41
42
43
44
45
2,D1S
2.D23
2,D31
2,03a
2,045
2,052
2,059
2,065
2.072
2,078
2.500
2,507
2.514
2,521
2.528
2.535
2.541
2,547
2.553
2.559
2./92
2,800
2,80?
2,aia
2,820
2,026
2,633
Z,B39
2,045
2,650
3,048
3,055
3,062
3,069
3,075
3,061
3,087
3.093
3,099
3.105
a = 0,05
3.349
3,355
3,362
3,3efl
3,374
3,3a0
3,386
3.392
3.396
3.403
2
3
4
5
1.96
2,21
2,35
2,44
11
12
13
14
15
2,72
2.74
2,77
Z,79
2,81
21
22
23
24
25
2.91
2,92
2,93
2,94
2,95
32
34
36
38
40
3,02
3.03
3.05
3,06
3,08
6
7
B
a
10
2,51
2.57
2.61
2,85
2.69
16
17
18
19
20
2,93
2.85
2,66
2,9
2.89
26
27
28
29
30
2,96
2,97
2,98
2,99
3,00
42
44
46
46
50
3,09
3,10
3,11
3,12
3,13
10
11
12
13
3,22
3,25
3.27
3,29
16
20
3.35
3.41
a = Q.Ol
46
47
48
49
50
2,084
2,090
2,095
2.IDl
2.1Q7
Z,5G5
2.571
2.578
2.5B2
2.587
2,858
2,861
2,667
2,872
2,877
3,110
3,115
3,120
3,126
3,131
3.4DB
3,413
3,417
3,423
3.426
Tobola adaptado dst GUPTA. S.S., 1963, P r o b a b l l l t y o f H u l t l v a i - l a t a Normal and

M u l t l v a r l a t e t . Annala of Hathematiaal Statiatiol S4:
732-828.
2
3
4
5
2,58
2,79
2,92
3,00
6
7
a
a
3.06
3,11
3,15
3.19
Eata t a b e l a , para a = 0,05 f o i adaptada a p a r t i r doa dados da Tabala 19

=
[com a
0,025).
Para a - 0,01. f a l adaptado da:
OUNNET, C.W.. 1964, New l a b l a a f o r Mltipla Comparlaons Wlth a Control.

20: 482-91.
BiaHatriam
0^
00
m
Al
: D iD r>,
o (SJ
d a
1/1
o o
o
in Q fN
o -H
01 O
fl-(M
o
i-l i-i o o o o o
O
3- t c rs. rv. O) a f^
' ^ ' 4 0 0 0 0 0 0
o o o o a o o a
11. <
IX
rvl/l-O^HOfCrH
tHHCJCiaaoo
OOOOC3CIC30
n^riiiorsacirg
nVi-u/l(DPIOfN
oo)i/i*fiji-too
H - H D O O O O O O
oaatOtfiuioi/t
oi/i^r'ajo)CMN.'-
Oîjiuiusfvmn
O D O l / l F l r - i - C a O
D T l V l C I N i - l O O
(OTlTUltDfVfClCTN
" - l a a a a o o o
O O Q Q 0 O 0 C 3
o o
CM ^ tn C] CO .-1
D M 01 n M O 3
^
M O O o a o
m (D rs. j o
ui
o
o
o
a
a cT a o' o o o
i/itniooi/tNmi-i
tDCN03l/lCN'-*00
f - I M O O O C I C I C l
TV O)
li nj ui T n ps. (sj
ts. l- (s ir n -> a
^
o o o o
Q
l/l (D
o CS a o
- p - o o o a o o
a a
kT (O r-s C l (M
oi a 01 ts. o o
rv
tn > o
--' Q a o o O
fH a
1/1 m (V
CM IO *
PI *
O
ri
AI
(SJ H oi
c-ji-o;
nr^jo
o o o
(N
(O
1^ U O
^ EM ^
O O c
li
4- r 4
^ M 01
(M in m
Cl
(D
(O
H
m
^
rv
rN
to t-i i
o
5
V a ID
in r-f o
o o o
a D a
o o
tn
in
t>j o
o o
Ul ID C
T tN O
O a
-i
Cl o
o o o
f>< n fl-
D
N
N
n n T.
r> D o
o o o
o o o
o o o
3) o tn
^ mo
o o o
[D
t
^
n
t/l m
PI O l
a> ( O
ffi
^
(O IV to 4'
* ^ m M
N CM M m
n fH
g;
n
*
cj) m n
o
o IO (O w
n
O)
^
(O
in ID
r < m ID
1/1 o> 5
[ M N rt
ir
o
(SI
rN i H o
U-l M I D in r 4
_ _ _ N < ' l i n ^ _ _
ES
w
p-i
o o o
m o
n i-H o
~ O o
a o o
o
cr
^ c; o
m
:n .-
o D
r * v a
r5Ni-i
o o o
tD t n
ri n
o a
fs.
Cl a o
--1 *^ ffl
ir rsi c
o o o
ir> (O
rjc-H
wr^j-i
a o o
in
m
H i - i ( \ i c N C i n v * i f l i / >
r - i t ^ n o i ^ o t o r r s
(D PH
n fs -
o o c
lO
^
n
o
o o o
342.
343.
Tabsla 24 - continuao
Al
AI
fc s 7
fc = ff
k = &
4i
k = 8
19
20
22
0,037
D>024
0,006
22
23
25
.39
0,026
0,008
24
25
27
0,047
0,032
0,011
20
21
23
o,o3e
0,025
0,009
23
24
26
0,043
0.030
0.012
26
27
29
0,041
0,030
0,011
11
21
22
24
0,036
0,025
0.010
10
24
26
28
0,047
0,023
0,003
27
29
3\
0,050
0,026
0,011
12
22
23
2
0,036
0,025
o.ou
11
26
27
29
0,036
0.026
,012
10
29
30
33
13
23
24
26
0,035
0,024
0,011
12
27
2B
31
0,039
0,026
0,009
11
14
24
2S
27
0,034
0,024
0,011
13
28
29
32
0,039
0,028
0,010
IS
24
26
2a
0.045
0,022
0,010
14
29
30
33
IS
30
32
34
10
k = e
10
.033
13
14
D. 030
0,00B
IS
16
17
0,047
Q.QIS
0,006
17
l
19
0,047
0.022
O.QlO
19
20
21
0.040
0.021
0,010
20
21
23
0,049
0,032
0,010
k = 9
26
27,
29
0,045
0.027
0,009
28
29
31
0,048
0.032
0,012
30
31
34
0.048
0,033
0,009
0,042
0,031
0,010
32
33
36
30
32
35
0,049
0.027
0.009
10
12
32
33
36
0,040
0,030
0.011
0.040
0.030
0,011
13
33
35
3&
0,040
0,023
0,012
14
15
k = 7
12
0.024
IS
16
0.046
0.016
18
20
0,040
0,007
20
21
22
0,052
0.028
0,014
22
23
25
AI
0,050
0.032
0.003
k = 10
23
24
26
0,064
0,034
0,008
27
26
29
0,040
0,023
0,013
29
30
33
0,058
0.038
0,008
0,043
0.032
0,010
32
33
36
0.046
0.032
0.008
34
35
38
0,040
0,031
0.010
34
35
38
0,049
0.026
0,012
11
35
37
40
0.04B
0,028
0,010
36
38
41
0,050
0,030
0.010
0,043
0,025
0,009
12
37
39
42
0,042
0,028
0,010
10
36
40
43
0,050
0,031
O.Oll
34
36
39
0,047
0.0Z8
0,011
13
33
40
44
0,039
0,030
O.DOS
11
40
42
46
0,048
0,030
0,009
38
37
41
0.038
0.030
0,009
14
40
42
45
0,042
0.027
0,012
12
42
44
48
0,046
0,029
0,009
IS
42
43
47
0,037
0,030
0.011
13
44
46
50
0,042
0,027
0,009
14
46
48
52
0.041
0.026
0.009
15
47
50
54
D,04B
0.02S
0,009
k ' 8
14
O.OIB
17
16
19
0,067
0,027
0.009
21
23
0.038
0,007
23
24
26
0,057
0,034
0,009
A = J?
2
a
15
16
20
22
0,069
0,014
.041
0.005
18
0,056
0,011
Z2
23
24
0,057
0,028
d, 010
26
27
29
,60
0.033
0.009
30
31
33
0,047
0,029
0,010
33
34
37
0,051
0,033
0,008
36
37
40
0,047
0.033
0,010
36
40
43
0,052
0,031
0,010
41
43
46
0,046
0,027
0,009
10
43
45
49
0,047
0.030
0,009
11
45
47
51
0,049
0,032
0,010
12
46
50
S4
0,040
0.027
0,009
13
50
52
58
0,039
0,026
0,009
14
52
34
5fl
0,033
0,026
0,010
17
345.
Tabela 24 - cantlnuao
n,D4S
0,026
0,010
53
56
BO
k =
13
14
19
20
0,045
D,DOG
25
27
0.038
0,007
29
30
32
0,057
0,033
0,010
33
34
37
15
10
11
12
n
k =
k = 11
fe = 1 0
15
55
b7
B2
0,D4B
0,031
0,010
11
57
60
64
0.045
,D2B
0.011
12
59
62
67
0,046
0,027
0.009
13
)t = 1 3
14
21
22
0,038
o.uoa
o,as5
0,035
D.OOfl
27
28
29
0.053
0,027
0.012
37
39
41
0,045
0,030
O.OOfl
32
33
35
0,055
0.033
O.OU
40
41
44
0.049
0,035
0,011
43
44
4S
0.046
0,035
0,009
46
47
51
0,043
0,034
0,009
48
50
54
0,047
0,031
0,009
51
53
57
0,040
0,027
0,009
S3
55
59
0,043
0.029
o,ou
10
15
m
0,043
0,029
0,011
68
61
B5
0,048
0,027
0,011
61
63
BS
0,043
0,030
0,010
63
8B
71
0.046
fiS
0,040
0,02fl
0,011
37
3a
40
40
42
45
0,042
0,027
0.011
0,059
0,028
O.OOB
5
44
46
49
0,050
0.028
0,009
47
49
52
0,050
0.030
0,011
50
52
^6
0.04a
0.032
0.010
53
55
59
0,047
0,032
n.mo
23
24
0,027
0,009
0.036
0,009
35
36
38
0,054
40
41
44
0,049
0.033
0,009
44
4B
43
0,054
0,027
0.009
52
53
57
0,04a
52
54
57
0.053
0,030
0,012
47
48
51
0.048 .
0,033
0,010
0,046
0,035
O.UIO
k = u
\
k =
a
IS
0,047
0,032
0,009
56
5a
82
0,051
0,031
O.DlD
52
53
57
0.047
0,035
0,009
11
61
63
6a
0,046
0,032
60
62
68
0,047
0,029
0,010
58
58
62
0.055
0,032
0,010
12
84
66
71
0,04S
0,032
O.OIQ
10
83
85
70
0.046
0,033
0.010
80
63
67
0.056
0,027
0,009
13
67
69
74
0,041
0,030
0,011
11
66
69
74
0,049
0,029
0,009
64
67
71
0,052
0.028
0.011
14
69
72
77
0,046
0,02
0,010
12
69
72
77
0.049
0.030
10
68
71
75
0,049
0,02B
0,011
15
72
74
0,040
0,030
13
72
75
SO
0,047
0,030
D.011
11
72
74
79
0.043
0,032
0,011
14
75
78
84
0.04S
0,028
0.009
12
75
76
83
Q.045
0.028
0.010
7a
0,043
13
BI
0,028
0,010
78
81
87
0,048
0,030
0.009
14
BI
84
90
0.048
0.030
0.010
19
84
87
94
0.043
0,02B
0.0GB
ao
0,010
0,010
k = 14
2
25
ZQ
0,027
0,005
32
33
35
0.052
0,028
38
39
41
0,053
0,034
0,013
43
45
47
0.057
0,027
0,012
48
50
53
0,050
0.D2B
0,009
0.D51
0,026
0,010
58
BO
65
10
'
0,033
0,012
0,030
0,010
0,032
0.006
30
32
4B
50
53
55
57
61
k = 13
2
k = 13
56
SB
62
fifl
73
Al
15
a?
o.Doa
0,010
k = u
2
26
27
28
0.071
0.024
0,005
35
37
0,039
0,010
41
42
45
0,053
0,035
O.OOB
T a b e l a a d a p t a d a d e i H O L L A N D f ^ , (l. a W O L F E . D . A . , 1 9 7 3 . Itotiparonetria
Methoda. N o v a Y o r k . J o h n W i l a y & S o r u .
StatUUmil
346.
TobfTj 2 5 - V a l o r e s
d o \a as cnmpfiraoa
tratamontoa
uniatnmla!
v;! tiiatamunha,
ba
s e a d a s n o t e s t e d e Frlodrniin
TabalA 25 - continuao
k n m e r o d a tratameiitoa i n c l u i n d o a t a a t e m u n h a j
n n m e r o d a r e p e t i e s p o r trateimanto)
X diferena mnima significativa taxa a.
0,058
0,148
0.009
4
5
6
0.181
0,102
0,048
0,014
0.002
A = 3
8
5
5
6
7
6
9
6
5
6
a
9
11
0,OB5
0.141
0.070
0.U34
0.013
0.003
10
6
7
6
9
10
12
O.IZZ
6
7
a
9
10
11
13
0,145
0.091
0.054
0,029
0,014
0,006
0,001
e
7
6
9
10
0.165
0,110
0,069
0,039
0,021
0,073
0,040
o.oia
0,000
0,001
6
7
a
g
10
11
12
14
11
0.I7I
0,099
0,052
0,025
0,010
0.001
11
12
14
12
a
9
10
11
12
13
15
?
fl
9
10
11
12
13
16
13
14
0,011
0,005
0,191
0,126
0.034
0,0S0
0,029
0,016
0,001
0.142
fl.OSfl
0,062
0,036
0,022
0,012
0,006
0.001
0,157
0,U1
0,073
0,046
0,026
0,016
0,009
0,001
0,171
0,064
0,055
0,035
0.021
0,012
0,006
0,001
0,184
0,136
0,095
0.064
0,042
9
10
11
15
o.ooa
14
O.OOl
9
10
11
12
13
14
17
k = 3
k = S
12
13
14
17
6
9
10
11
13
14
15
IB
16
9
10
11
12
13
14
15
IQ
17
a
9
10
11
12
13
15
le
k = 4
0,028
0,016
0,009
0,001
0.l4a
0,105
0,073
0,050
0,020
0,012
0,007
0,001
0,159
0,125
0,062
0,057
0,037
0,024
0.015
0,009
0,001
19
0,169
0,125
0,091
0,064
0,043
0,02a
0,011
0.006
0,001
8
9
10
12
14
15
16
20
0,179
0,134
0,099
0,049
0,022
0.014
0,006
0.001
JS
s
6
5
6
7
e
9
0.157
0,092
0,048
0,020
0,006
0,001
k = 4
0,094
0,021
6
7
B
O.IBB
0.X05
0.046
0,012
0,002
9
10
11
k = 4
ratisla a d a p t a d a d e : H O L L A N D E R , f. o W D L F E , . A . , 1 9 7 3 . Nonpaz^.etrio
Methods.
Nova York. John Wllay & Sons.
7
8
9
10
II
13
0,133
0,080
0,045
0,022
0,010
0,001
Statiatioal
348.
349.
Tabela 28 - V a l o r e s da
para aa comparasa b l l a t e r a l s i
tratamentaa
ws teeteminha,
ba
saadas no t e a t a ds Friadman
k " nmero da tratamentos I n c l u i n d o a tastamunhaj
n nmero da rspetles p o r t r a t a m e n t o j
X," diferena mnima a t g n l f l c a t i v a t a x a a .
Jt = 3
2
3
4
0,111
0,130
0,018
0,093
0,028
0,003
10
n
5
6
7
S
9
6
B
7
S
g
11
7
7
8
9
10
11
12
0,139
0,067
0,026
0,006
,198
0,105
0,05Q
0.020
0,001
0,148
0,080
0,037
O.OIB
0,006
0,001
12
13
8
g
10
11
12
13
15
0.167
a
9
10
11
12
13
14
IB
Q,19S
0.1Z3
0,0?5
0,044
0,023
0,012
0,006
0,001
9
10
11
12
13
14
17
0,146
0,093
0,057
0,032
0,017
0.009
0,001
7
&
3
10
11
12
13
0. 163
0,109
0,057
0,028
0,012
0,004
0,001
14
B
9
10
11
12
14
0,138
0.076
0,042
0,021
0,009
0,001
15
0,101
0.D56
0,032
12
13
14
15
IB
19
0,016
0,007
0,001
9
11
12
13
14
15
17
0,1B8
0,110
0,070
0,042
0,024
0,013
0,007
0,001
9 ,
10
11
12
13
14
15
18
0.189
0,129
0,065
0,052
0.031
0,018
0,010
0,001
10
11
k~
k = 3
10
k =S
5
6
7
8
0,146
0,099
D, 083
0,031
0,024
0.013
0,007
k = 4
5
6
0,1B6
0,042
7
8
g
0,092
0.024
0.004
7
8
S
10
11
k = 4
0.164
0,096
0.041
0.013
0,003
8
9
10
11
12
13
0.161
0.089
0.044
0.019
0,006
0.002
0,001
16
10
11
12
13
14
15
18
19
0.164
0,114
0,075
0,048
0.030
0,018
0,010
0.001
17
10
11
12
13
14
15
16
17
20
0,181
0,128
0,086
0,057
0,036
0.022
0,013
0.007
0,001
18
10
11
12
13
14
15
18
17
21
0,198
0,143
0.DS6
0.064
0,044
0.024
0.017
O.QIO
0,001
Tabela adaptada da! HOLLANDER, M. s WOLFE, D.A., 1973.

fonpafcawtria
Methoda.
Nova York. John Wllay S Son.
Statistioal

Campos H 1983 - Estat Nao Param

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Campos H 1983 - Estat Nao Param

Diunggah oleh

Hak Cipta:

Format Tersedia

E S T A T

Departamento de Matemtica e Estatstica

mentao e Estatstica", o f e r e c i d o p e l o Departamento de Mate

dante ou o n o s s o p e s q u i s a d o r uma orientao p a r a a aplicao

em Columbus, Ohio, E.U.A. Contamos p a r a i s s o , c o m a p r e c i o s a ,

mentao da o b r a de HOLLANDER e WOLFE e f o i e s c r i t o

"John W i l e y and Sons I n c . " ,

Procuramos dar aos t e s t e s um cunho mais

t e r i c o , tentando a s s i m , f a c i l i t a r a sua imediata

Os exemplos apresentados sao todos r e f e r e n t e s as nossas

condies e foram, tanto quanto possvel extrados de resu]^

orientao que sempre nos dispensou durante a nossa estada na

alam de novos testes nos captulos j existentes,

Aproveitando a maior experincia adquirida no

namento, a nvel de p s ~ g r a d u a o , da d i s c i p l i n a "Testes

vulgado nas edies a n t e r i o r e s .

ram includos os t e s t e s de Jonckheere

trcos na a n a l i s e e interpretao de resultados de experimenque

mais difundido, principalmente no meio a g r o n m i c o .

dadosa da a n t e r i o r , sem, e n t r e t a n t o , apresentar qualquer

Procuramos dar um formato mais adequado,

mais fcil manipulao do trabalho e, t a m b m , aproximando-se

A maior m o t i v a o para o uso de

mento de M a t e m t i c a e Estatstica da ESALQ, pelo excelente e

prosseguir na t a r e f a de oferecer aos usurios da Estatstica

cuidadoso servio de d a t i l o g r a f i a , e pelo auxlio na reviso

Somos gratos a todos aqueles que

obra, em nossa l n g u a , e que rena um nu-

mero considervel de exemplos i l u s t r a t i v o s ,

2, TESTES APLICVEIS A UMA AMOSTRA

3. TESTES APROPRIADOS A DADOS PAREADOS

3.2 - T e s t e de Cox e S t u a r t p a r a T e n d n c i a s ( " T r e n d " ) 79

TESTES DE POSIO APLICVEIS A DUAS AMOSTRAS INDE

5. TESTES DE DISPERSO A P L I C V E I S A DUAS AMOSTRAS IN

7. ANALISE DE VARINCIA - CLASSIFICAO SIMPLES

8.3.2 - Comparaes mltiplas: t r a t a m e n t o s

7.3 - Comparaes Mltiplas

de Friedman (x^ de Friedman)

8.3 - Comparaes Mltiplas

O seu verdadeiro impulso deu-se nos ltimos qua-

l i t e r a t u r a estatstica s e j a dedicada ao campo nao-parametrico, e s t e toma impulso d i a a d i a , constatando-se,

s i e s , e s t a s sao mais brandas do que aquelas associadas aos

gamos serem mais i n t e r e s s a n t e s para cada caso abordado.

1.2 - Algumas Razes Para o Seu Uso

i levemente i n f e r i o r a dos seus

r ao pesquisador e s t a b e l e c e r o u t r a s v a n t a g e n s , alm das c i tadas a s e g u i r :

1.3 - Algumas Restries ao Seu Uso

1) Sao menos e x i g e n t e s do que os p a r a m t r i c o s . Dispensam,

r a simples ordens ou s i n a i s . Em m u i t o s casos

dos, fi m u i t o comum t r a n s f o r m a r os dados, de v a l o r e s pa-

des exatas,,salvo quando se usam aproximaes para gran

s a t i s f e i t a s , o t e s t e paramtrico mais poderoso. Para

se o b t e r a mesma eficincia,necessrio se f a z um maior

3) Independem da forma da populao da q u a l a amostra f o i

tamanho de amostra para o n a o - p a r a r a e t r i c o .

em g e r a l , de mais fcil aplicao e exigem, quase

sempre, menor volume de c l c u l o s ,

o seu uso em modelos mais c o m p l i c a d o s .

5) E x i s t e m t e s t e s nao-pacamtricos que nos permitem t r a b a l h a r com dados de d i f e r e n t e s p o p u l a e s ,

4) A o b t e n o , utilizao e interpretao das t a b e l a s sao,

p r e c i s a r ou q u a n t i f i c a r as d i f e r e n a s . Os dados se encontram numa c e r t a ordem de classificao: ma-is ou menos; melhor

1.4 - Definies e Notaes Estatsticas Bsicas

plnalra s u c i n t a , uma vez que n o c o n s t i t u e m o p r i n c i p a l

s e cada X tem a mes-