T e x t o : E st a t s t ic a N o P a ra m t r ic a
SUMRIO
1. INTRODUO ................................................................................................................................................................... 5
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 2
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
5.1. O TESTE DE F RIEDMAN (ANLISE DE VARINCIA DE DUPLA CLASSIFICAO POR POSTOS) ......................................... 37
5.1.1. Funo ................................................................................................................................................................. 37
5.1.2. Fundamentos lgicos do mtodo......................................................................................................................... 37
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 3
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
8. EXERCCIOS.................................................................................................................................................................... 63
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 4
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
ESTATSTICA NO PARAMTRICA
1. INTRODUO
1.1. GENERALIDADES
Um dos principais assuntos da Estatstica moderna a inferncia estatstica. A inferncia
estatstica dividida em dois grandes tpicos: a estimao de parmetros de uma populao e os testes
de hipteses.
So menos exigentes do que os paramtricos. Dispensam, por exemplo, a normalidade dos dados.
So, em geral, de mais fcil aplicao e exigem, quase sempre, menor volume de clculos.
Existem testes no-paramtricos que nos permitem trabalhar com dados de diferentes populaes, o
que no possvel com os paramtricos.
So teis nos casos em que difcil estabelecer uma escala de valores quantitativos para os dados. o
pesquisador pode apenas dizer que um dado tem mais ou menos da caracterstica que est sendo
analisada, sem poder precisar ou quantificar as diferenas. Os dados se encontram numa certa
ordem de classificao: mais ou menos; melhor ou pior; maior ou menor; etc.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 5
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Quando todas as exigncias do modelo estatstico esto satisfeitas, o teste paramtrico tem mais
poder. Para se obter a mesma eficincia com um teste no-paramtrico necessrio um amostra
maior.
Em, geral, no permitem testar interaes, exceto a aditividade em condies especiais. Isto
restringe a sua aplicao aos modelos mais simples.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 6
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
1.5. MENSURAO
O processo de selecionar um modelo matemtico ou estatstico a ser utilizado com uma dada
tcnica de pesquisa envolve algumas decises importantes. A escolha do modelo a ser aplicado
precedida pela mensurao do fenmeno envolvido. E a primeira dificuldade surge j na necessidade
de definirmos o que mensurao. Se ela se referir somente queles tipos de medidas comumente
utilizados em cincias tais como a Fsica (por exemplo: medidas de comprimento, massa ou tempo)
no haver muitos problemas na escolha do sistema matemtico. Agora se o conceito de medida for
ampla o suficiente para incluir certos procedimentos de categorizao, normalmente utilizados em
Cincias Sociais, ento o problema torna-se mais complexo. Pode-se distinguir diversos nveis de
mensurao e, para cada um, existem diferentes modelos estatsticos apropriados. As operaes
possveis em um determinado conjunto numrico dependem do nvel de mensurao atingido.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 7
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
As estatsticas possveis de serem calculadas quando se tem uma escala nominal so: a moda e
a contagem de freqncias. Sob certas condies, pode-se comprovar hipteses utilizando-se o teste 2
(qui-quadrado). A medida de associao mais comum para dados nominais o coeficiente de
contingncia C.
Nvel ordinal. O nvel (ou escala) ordinal o tipo (ou escala) nominal em que se pode
ordenar as categorias. A nica diferena entre os dois nveis a relao de ordem que se pode
estabelecer entre as categorias. No entanto, no possvel afirmar o quanto uma categoria maior do
que a anterior, isto , no se pode afirmar o quanto uma categoria possui da caracterstica. A avaliao
do desempenho escolar, atravs de conceitos, um exemplo de escala ordinal. No entanto, com este
tipo de medida, no se pode afirmar que quem tirou A ou teve um nmero de acertos duas vezes
maior que quem tirou C. A nica coisa que se sabe que tem A acertou mais questes do quem tem B
e este de quem tem C e assim por diante.
A estatstica mais adequada para a descrio da tendncia central dos valores em uma escala
ordinal a mediana, pois ela no afetada por modificaes de quaisquer valores acima ou abaixo
dela, desde que o nmero de observaes acima ou abaixo permanea o mesmo. Numa escala ordinal
pode ser utilizado qualquer teste que envolva ordenaes ou postos. So adequados os coeficientes
de correlao baseados em postos, como por exemplo: o coeficiente rs de Spearman. A tabela 1.2
apresenta um exemplo deste tipo de medida.
Nvel intervalar. A escala de medida intervalar uma escala nominal em que a distncia
entre as categorias ao contrrio da ordinal sempre a mesma. Ou seja ela possui todas as
caractersticas da escala ordinal mais o fator de que a distncia entre as diversas categorias (ou valores)
sempre constante. As escalas de medir temperaturas como a Fahrenheit e a Centgrada so exemplos
de escalas de intervalo. No entanto, no se pode afirmar que uma temperatura de 40 graus duas vezes
mais quente que uma de 20 graus, embora se possa dizer que a diferena entre 20 graus e 40 graus a
mesma que entre 75 graus e 95 graus. Isto porque este
Tabela 1.2 - Exemplo de uma varivel tipo de escala no possui um zero absoluto .Ou seja o
ordinal
valor zero na escala apenas um ponto de referncia e
Conceitos Nmero de alunos
no significa a ausncia de calor.
A 4
B 6 A escala de intervalo a primeira
C 14
D 3 verdadeiramente qualitativa encontrada at agora.
E 2 Todas as estatsticas paramtricas comuns como:
Total 30
mdias, desvios-padro, correlao de Pearson, etc. so
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 8
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
aplicveis a dados nesta escala, assim como os testes paramtricos comuns como o t e o F.
Nvel de razo. Este o mais alto nvel de medida. caracterizado por apresentar todas as
propriedades da escala intervalar mais um zero absoluto. Isto , aqui o zero pode e deve ser entendido
como a ausncia da caracterstica e as comparaes de valor (razo) tem sentido. Um exemplo de
varivel deste tipo o peso. Um valor igual a zero significa ausncia de peso e um valor de 20 kg o
duas vezes mais pesado que um de 10 kg. Os valores de uma escala de razo so nmeros verdadeiros
e com um zero verdadeiro (absoluto), ento qualquer estatstica aplicvel a este tipo de escala.
H0: = 0
Tendo formulado a hiptese nula conveniente determinar qual ser a hiptese aceita caso a
hiptese nula seja rejeitada, isto , convm explicitar a hiptese alternativa. A hiptese alternativa vai
depender de cada situao mas de forma geral tem-se:
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 9
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
suficiente para rejeitar a hiptese. A estatstica utilizada deve ser definida e sua distribuio terica
determinada.
3. Fixar o nvel de significncia do teste. Fixar a probabilidade de ser cometer erro do tipo I, isto ,
estabelecer o nvel de significncia do teste. Fixado o erro do tipo I, possvel determinar o valor
crtico, que um valor lido na distribuio amostral da estatstica considerada (tabela). Este valor vai
separar a regio de crtica (de rejeio) da regio de aceitao.
4. Calcular a estatstica teste (a estimativa). Atravs da amostra obtida calcular a estimativa que
servir para aceitar ou rejeitar a hiptese nula. Dependendo do tipo de hiptese alternativa este valor
servir para aceitar ou rejeitar H0.
5. Tomar a deciso. Se o valor da estatstica observada na amostra estiver na regio crtica rejeitar Ho,
caso contrrio aceitar H0.
Uma amostra
Duas amostras emparelhadas (dependentes)
Duas amostras independentes
Vrias amostras emparelhadas (dependentes)
Vrias amostras independentes
Abaixo segue um resumo dos principais testes estatsticos no-paramtricos classificados de
acordo com o nvel de medida utilizado e de acordo com o(s) tipo(s) de amostra utilizados.
Alguns destes testes sero vistos na disciplina. Para os demais recomenda-se o livro do Siegel citado
na bibliografia.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 10
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
2.1.1. F UNO
A prova de uma amostra aplicada quando o pesquisador est interessado no nmero de
indivduos, objetos ou respostas que se enquadram em vrias categorias que podem ser duas ou mais.
Usa-se a tcnica do tipo de prova de aderncia, ou seja, deve comprovar se existe diferena
significativa entre o nmero observado de indivduos, ou de respostas, em determinada categoria, e o
respectivo nmero esperado, baseado na hiptese de nulidade.
2.1.2. M T ODO
O mtodo usado o da comparao, ou seja, comparar um grupo observado com um grupo
esperado de freqncias. Mas antes deve-se determinar as freqncias esperadas. Para isso, usa-se a
hiptese de nulidade, que dar a proporo de indivduos, ou objetos, que se enquadram em cada uma
das diferentes categorias em que a populao est presumidamente classificada. A hiptese de nulidade
pode ser testada por:
k ( )2
2 = Oi Ei , onde:
i=1 Ei
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 11
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Exemplo:
Em corridas de cavalos ponto de vista comum entre os apostadores que, em uma pista
circular, as chances so mais favorveis a cavalos em determinadas posies (raias. A raia 1 a mais
prxima do lado interno da pista, e a 8 o mais afastada (numa corrida com 8 cavalos). Pode-se
comprovar os efeitos das raias, analisando-se os resultados das corridas, dados em funo das raias. No
exemplo, coletou-se os resultados do primeiro ms da temporada de 1955 (conforme o New York Post,
Ago. 30, 1955, pg. 42) em uma pista circular.
Posto
1 2 3 4 5 6 7 8 Total
Nmero de vitrias 29 19 18 25 17 10 15 11 144
1. Hipteses: Ho: No h diferena entre o nmero esperado de ganhadores em relao a
cada posto. H1: Existe diferena entre o nmero de ganhadores de cada posto.
2. Prova Estatstica. Como se est comparando os dados de uma populao presumida, usa-
se uma prova unilateral. Emprega-se a prova 2 porque a hiptese em estudo se refere comparao de
freqncias observadas e esperadas em categorias discretas. (As categorias so os oito postos).
5. Deciso. A amostra de 144 ganhadores forneceu os dados exibidos na tabela 2.2 acima. O
clculo do valor observado do qui-quadrado dado por:
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 12
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
k ( )2
2 = Oi Ei = 16,30
i=1 Ei
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 13
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
provavelmente serem considerados como oriundos de uma populao com uma suposta distribuio
terica.
A prova utiliza as distribuies acumuladas, isto , ela compara a distribuio de freqncias
acumulada que deveria ocorrer sob a suposta distribuio (sob H0) com a distribuio de freqncias
acumuladas dos valores observados (amostrais). A estatstica teste o ponto de maior diferena (em
valor absoluto) entre as duas distribuies.
2.2.2. M T ODO
A distribuio terica acumulada (sob H0) representada por F0(x) e a distribuio de
freqncias dos valores amostrais por Sn(x). Como H0 supe que a amostra tenha sido obtida da
distribuio F0(x) razovel esperar que, para cada valor de x, Sn(x) esteja prximo de F0(x), isto ,
sob H0, espera-se que as diferenas entre Sn(x) e F0(x) sejam pequenas. O teste K-S toma a maior
destas diferenas em mdulo que denominada de desvio mximo e anotada por D.
Assim:
D = |F0(x) - Sn(x)|
A distribuio amostral de D, sob H0, conhecida e se encontra tabelada (tabela E, Siegel, pg.
282) em funo de n.
Exemplo:
Suponha que um dado jogado 150 vezes e que o nmero obtido de cada face seja anotado e
forneam os resultados apresentados na tabela 2.3. Testar ao nvel de 1% de significncia a hiptese de
que o dado equilibrado.
Faces
1 2 3 4 5 6
Nmero de vezes que a face apareceu 29 19 19 27 26 30
Distribuio amostral. A tabela E (Siegel, pg. 282) apresenta vrios valores crticos de D
(valores da distribuio amostral) com as respectivas probabilidades de ocorrncia sob H0.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 14
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Neste caso, F0(x) a distribuio acumulada terica, sob H0, onde H0 a hiptese de que cada
uma das cinco cpias tenha precisamente 1 / 6 = 16,67% das preferncias. S10(x) a distribuio
acumulada das freqncias observadas dos 150 lanamentos realizados. A ltima linha da tabela 2.4
fornece o valor absoluto do desvio de cada valor amostral em relao ao correspondente valor terico.
Faces
1 2 3 4 5 6
Nmero de vezes 29 19 19 27 26 30
F0(x) 1/6 2/6 3/6 4/6 5/6 1
S10(x) 29/150 48/150 67/150 94/150 120/150 1
|F0(x) - S10(x)| 0,0267 0,0133 0,0533 0,0400 0,0333 0
Observando-se a ltima linha da tabela 2.4, tem-se que D = 0,053. Observando-se a tabela E
(Siegel, pg. 282), a = 1%, verifica-se que o valor de D 1,630/ 150 = 0,133. Como o D calculado
no maior que o valor tabelado a concluso : aceitar H0 ao nvel de significncia de 1%, isto , no
se pode afirmar que o dado desequilibrado.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 15
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
3.1.1. F UNO
O teste de McNemar para a significncia de mudanas particularmente aplicvel aos
experimentos do tipo "antes e depois" em que cada sujeito utilizado como seu prprio controle e a
medida efetuada em escala nominal ou ordinal.
- +
Antes + A B
- C D
Note-se que aqueles casos que mostram mudanas entre a primeira e a segunda resposta
aparecem nas clulas A e D. Um sujeito contado na clula A se ele muda de + para - e contado na
D se ele muda de - para +. Se nenhuma mudana ocorre ele contado nas clulas A (resposta + antes
e depois) e C (resposta - antes e depois).
Como A + D representa o nmero total de elementos que acusaram alguma modificao, a
expectativa, sob a hiptese de nulidade, de que 1/2 (A + D) acuse modificaes em um sentido e 1/2
(A + D) no outro sentido.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 16
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
A +D 2 A +D 2
k ( ) 2 (A ) (D )
2 = Oi Ei = 2 + 2 . Simplificando, vem:
i=1 Ei A +D A+D
2 2
( A D ) 2
2 = com grau de liberdade (isto , linha da tabela) igual a 1.
A+D
(| A D|1)2
2 =
A +D
Exemplo
Um psiclogo infantil est interessado em observar a iniciao de contatos sociais em
crianas. Ele observou que crianas que so novas em uma escola maternal estabelecem contatos
interpessoais com adultos ao invs de com outras crianas. Ele prev que medida que se familiarizam
com o ambiente as crianas estabelecem contatos interpessoais com outras crianas ao invs de com
adultos. Para testar esta hiptese ele observa 25 crianas nos seus primeiros dias em uma escola
maternal e ento categoriza suas primeiras iniciaes de contatos sociais em: se foi dirigido a um
adulto ou se foi dirigido a outra criana. Ele, ento, observa cada uma das 25 crianas depois de elas
estarem na escola por um ms, fazendo a mesma classificao. Os dados esto colocados na tabela 3.2
abaixo.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 17
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Hipteses: Ho: Para aquelas crianas que mudam a probabilidade de que uma criana mude o
seu objeto de iniciao de um adulto para criana (isto , PA) igual a probabilidade que ela mude seu
objeto de iniciao de criana para adulto (isto , PB) e igual a 50%, ou seja: PA = PB = 1/2.
H1: PA > PB
Prova Estatstica. Prova de McNemar para a significncia de mudanas porque o estudo
utiliza duas amostras relacionadas e utiliza mensurao nominal.
Regio de Rejeio. Consiste de todos os valores da distribuio 2 obtidos dos dados tal que
a probabilidade de ocorrncia de um valor mais extremo menor que 0,05.
Deciso. Os dados hipotticos do exemplo esto mostrados na tabela 3.2 acima. De acordo
com eles o valor de qui-quadrado calculado :
Uma consulta tabela mostra que o valor da distribuio qui-quadrado com um grau de
liberdade e com probabilidade de 5% 3,84. Como o valor calculado maior do que o valor tabelado
rejeita-se H0, isto , pode-se afirmar que as crianas apresentam tendncia significativa para mudar o
objeto de seu interesse, de adulto para outra criana, aps 30 dias de freqncia escola maternal.
3.2.1. F UNO
O teste de Wilcoxon o mais poderoso para o pesquisador do comportamento. Com dados
comportamentais no de todo incomum que o pesquisador possa: (a) dizer qual membro do par
maior, isto , determinar o sentido da diferena dentro do par e (b) ordenar estas diferenas no
sentido de seu valor absoluto.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 18
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
A cada posto deve-se atribuir o sinal da diferena, isto , indique quais postos decorrem de
diferenas negativas e quais de diferenas positivas.
3.2.3. E MPAT E S
Eventualmente os escores de dois pares sero iguais. Neste caso eles so excludos da anlise.
o mesmo procedimento adotado no teste dos sinais. Da mesma forma o valor de n ser reduzido na
mesma quantidade de valores em que a diferena for nula.
Pode ocorrer, ainda, um outro tipo de empate. Duas ou mais diferenas podem ter o mesmo
valor absoluto. Neste caso, atribu-se o mesmo posto aos empates. Este posto a mdia dos postos que
teriam sido atribudos se as diferenas fossem diferentes. Por exemplo, se trs pares acusam as
diferenas: -1, -1 e +1, a cada par ser atribudo o posto 2, que a mdia entre 1, 2 e 3. O prximo
valor, pela ordem, receberia o valor 4, porque j teriam sido utilizados os postos 1, 2 e 3.
Exemplo
Suponha-se que um psiclogo est interessado em testar se a freqncia a uma escola
maternal tem algum efeito sobre os escores de perceptividade social das crianas. Oito pares de
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 19
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
gmeos so os objetos da sua observao. Um dos gmeos freqentar a escola por um perodo e o
outro permanecer em casa. Ele classifica a percepo atravs da atitude da criana em relao a um
conjunto de figuras que ilustram uma diversidade de situaes sociais, formulando um grupo padro de
perguntas sobre cada figura. Assim ele pode obter um escore entre 0 e 100 para cada criana. Ao
fim do perodo escolar, as 16 crianas so submetidas ao teste de perceptividade social.
Hiptese de nulidade: H0: No h diferena entre os graus de perceptividade das crianas
que ficaram em casa e das que freqentaram a escola, ou seja, a soma dos postos negativos igual a
soma dos postos positivos.
H1: Os graus de perceptividade social dos dois grupos de crianas so diferentes, isto , a
soma dos postos negativos diferente da soma dos postos positivos.
Prova Estatstica: Escolhe-se a prova de Wilcoxon, pois um caso de duas amostras
relacionadas e proporciona escores de diferenas que podem ser ordenados segundo seus valores
absolutos.
Nvel de significncia: Sejam = 0,05 e n = nmero de pares (8) menos o nmero em que
eventualmente se tenha d = 0.
Regio de rejeio. bilateral, pois no se prev o sentido da diferena. A regio de rejeio
consiste de todos os valores de T to pequenos que a probabilidade de ocorrncia, sob Ho, no seja
superior a = 0,05 para uma prova bilateral. .
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 20
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Apenas 2 pares apresentam diferena no sentido de maior perceptividade das crianas que
ficaram em casa. E estas diferenas de escore esto entre os menores. e sua soma T = 1 + 3 = 4. A
tabela G (Siegel, pg. 285) mostra que para n = 8 um valor de T igual a 4 permite rejeitar a hiptese ao
nvel de significncia de 5% para um teste bilateral. Desta forma, pode-se concluir que a escola
maternal afeta a perceptividade social das crianas.
n(n + 1)(2n + 1)
Mdia = T = n(n + 1) / 4 e desvio padro T =
24
n(n + 1)
T T T
Desta forma, Z = = 4 aproximadamente N(0, 1).
T n(n + 1)(2n + 1)
24
Para mostrar que a aproximao excelente, mesmo para pequenas amostras, considere o
caso anterior em que n = 8 e T = 4. Colocando estes valores na expresso acima tem-se:
8.9
4
z= 4 = -1,96
8.917
.
24
Pela tabela da normal, pode-se verificar que a significncia deste valor p = 5% para um teste
bilateral. Este mesmo valor encontrada na tabela G (Siegel, pg. 285).
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 21
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
4.1.1. F UNO
Utiliza-se esta prova quando os dados da pesquisa se apresentam sob forma de freqncias em
categorias discretas. Pode aplicar a prova 2 para determinar a significncia de diferenas entre dois
grupos independentes e consequentemente, com respeito a freqncias relativas com que os
componentes do grupo se enquadram nas diversas categorias.
4.1.2. M T ODO
A hiptese da nulidade pode ser testada mediante:
r k (Oij Eij)2
2 = onde:
i=1 j=1 Eij
r k
indica somatrio sobre todas as r linhas e todas as k colunas.
i=1 j=1
Para obter a freqncia esperada Eij em cada clula, multiplicam-se os totais marginais
comuns a uma determinada clula e divide-se produto por n = total de casos.
Exemplo
Pode-se ilustrar o mtodo mediante um exemplo simples, com dados fictcios. Suponha-se
que se deseje comprovar se existe diferena de qualidade de liderana entre pessoas altas e pessoas
baixas. A tabela 4.6 mostra os resultados da classificao de 95 pessoas, que foram divididos entre
altos e baixos de um lado e por outro lado como lderes, liderados e no-classificveis. A
hiptese de nulidade de que a altura independente da classificao como lder ou liderado, isto , a
proporo de lderes altos e a mesma que a de lderes baixos e o mesmo se verificando entre os
liderados.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 22
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
gl = (r - 1)(k - 1)
A tabela 4.7 ilustra o clculo das freqncias esperadas para os dados da tabela 4.6. Assim,
por exemplo, a freqncia esperada para a clula 3x2, isto , E32 : (52.15) / 95 = 8,2.
r k (Oij Eij)2
=
2
= (12 - 19,9)2 / 19,9 + (32 - 24,1)2 / 24,1 + (22 - 16,3)2 / 16,6 + (14 - 19,7)2
i=1 j=1 Eij
/ 19,7 + (9 - 6,8)2 / 6,8 + (6 - 8,2)2 / 8,2 = 3,14 + 2,59 + 1,99 + 1,65 + 0,71 + 0,59 = 10,67
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 23
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Esta expresso um pouco mais simples de aplicar do que a frmula anterior, pois requer
apenas uma diviso. Tem ainda a vantagem de incorporar uma correo de continuidade que melhora
sensivelmente a aproximao do 2 calculado pela distribuio qui-quadrado.
Exemplo
Adams estudou a relao entre os interesses vocacionais e a escolha do currculo com a taxa
de desistncia do curso universitrio por parte de estudantes superdotados. Os indivduos observados
eram estudantes classificados no percentil 90 nos teste de admisso e que haviam resolvido mudar de
carreira aps a matrcula. O pesquisador comparou os estudantes destacados cuja escolha curricular se
manteve na linha considerada desejvel vista do resultado obtido no teste vocacional de Strong (tais
casos sendo considerados como "positivos") com os estudantes destacados cuja escolha curricular se
processou em sentido diverso do indicado pelo T teste de interesses. A hiptese do pesquisador e que
os estudantes cuja escolha foi considerada "positiva" acusam maior freqncia de permanncia na
faculdade ou curso universitrio inicialmente escolhido.
Hipteses: Ho: No h diferena entre os dois grupos (escolha "positiva" e escolha
"negativa" de currculo) no que diz respeito a proporo dos estudantes que permanecem na faculdade.
Prova Estatstica. Escolhe-se a prova 2 para duas amostras independentes porque os dois
grupos considerados "positivo" e "negativo" so independentes e porque os escores que esto sendo
estudados consistem de freqncias em categorias discretas (permanncia na faculdade ou afastamento
dela).
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 24
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Distribuio Amostral. 2 tal como calculado pela frmula do exemplo tem distribuio
amostral aproximadamente qui-quadrado com gl = 1. A tabela 3 d os valores crticos do qui-
quadrado.
Deciso. A tabela d os resultados obtidos por Adams. Por ali se v que de 56 estudantes
superdotados que fizeram escolha "positiva", 10 se afastaram da universidade, e 46 permaneceram
nela. Dos 24, que fizeram escolha "negativa", 11 se afastaram da universidade e 13 permaneceram
nela.
A probabilidade de ocorrncia, sob Ho, de 2 = 5,42 com gl = 1 menor que 5%. Como este
valor superior ao valor tabelado, a deciso rejeitar Ho em favor de H1. Conclui-se , pois que os
estudantes superdotados cuja a escolha de currculo foi considerado "positiva" acusam maior
freqncia de permanncia na universidade do que estudantes superdotados cuja escolha foi
considerada "negativa".
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 25
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Quando 20 n 40 a prova pode ser aplicada desde que nenhuma das freqncias
esperadas seja inferior a 5. Se a menor freqncia esperada for inferior a 5, utilizar a prova
de Fisher (SIE56).
Quando gl > 1 a prova 2 insensvel ao efeito de ordem. Por isso, quando determinada
hiptese leva em conta a ordem, a prova qui-quadrado pode no ser a melhor opo.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 26
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
populao B, ento a hiptese alternativa que P(a > b) > 1/2. Se a evidncia apoia H1, isto implica
que o grosso da populao A superior ao grosso da populao B. Para uma prova bilateral, H1
seria que P(a > b) 1/2.
4.2.2. M T ODO
Seja n1 = nmero de casos no menor dos dois grupos independentes e n2 = nmero de casos
no maior grupo. Para aplicar o teste U, primeiramente combinam-se as observaes ou escores de
ambos os grupos, relacionando-os por ordem ascendente. Nessa ordenao ascendente, consideram-se
os valores algbricos, isto , os postos mais baixos so atribudos aos maiores nmeros negativos (se
houver).
Focaliza-se agora um dos grupos, seja o grupo que apresentar n1 casos. O valor de U (a
estatstica utilizada na prova) obtido pelo nmero de vezes que um escore no grupo com n2 casos
precede um escore no grupo com n1 casos no grupo ordenado crescentemente.
Por exemplo, suponha-se um grupo experimental com 3 casos e um grupo de controle com 4
casos. Aqui n1 = 3 e n2 = 4. Admita-se que os escores sejam os seguintes:
Escores E 9 11 15
Escores C 6 8 10 13
6 8 9 10 11 13 15
C C E C E C E
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 27
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Exemplo
Solomon e Coles1 estudaram se os ratos seriam capazes de generalizar uma imitao
aprendida, quando colocados sob nova impulso (drive) e em nova situao. Cinco ratos foram
treinados para imitar ratos lderes em um labirinto T. Foram treinados para seguir seus lderes quando
estivessem com fome, a fim de atingir o alimento. Em seguida, os cinco ratos foram transferidos para
uma nova situao de esquiva ao choque eltrico. Seu comportamento na situao de esquiva ao
choque foi ento comparado ao de quatro controles que no tinham nenhum treinamento prvio para
seguir seus lderes. A hiptese era de que os 5 ratos que j tinham sido treinados para imitar seus
lderes transfeririam este treinamento para a nova situao e, assim, aprenderiam a evitar o choque
mais depressa do que os 4 ratos de controle. A comparao se fez em termos de quantas tentativas
foram precisas para cada rato atingir um critrio de 10 respostas corretas em 10 tentativas.
Hipteses: Ho: O nmero de tentativas para atingir o critrio desejado na situao de esquiva
ao choque o mesmo tanto para os ratos previamente treinados a seguir um lder na busca do
alimento, quanto para os ratos sem nenhum treinamento prvio. H1: Os ratos com treinamento prvio
1
SOLOMON, R. L., COLES, M. R. A case of failure of generalization of imitation across drives and across situations. J. Abnorm. Soc.
Psychol., 49, 7-13, 1954.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 28
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
para seguir um lder na busca de alimento atingiro o critrio desejado na nova situao de esquiva ao
choque mais rapidamente que os ratos no treinados.
Prova Estatstica. Escolhe-se a prova U de Mann-Whitney porque o estudo utiliza duas
amostras independentes, pequenas e mensurao (nmero de tentativas para atingir o critrio desejado
como ndice de velocidade de aprendizagem) provavelmente em escala ordinal, na melhor das
hipteses.
Ratos E 78 64 75 45 82
Ratos C 110 70 53 51
45 51 53 64 70 75 78 82 110
E C C E C E E E C
Obtm-se o valor de U, contando o nmero de escores E que precedem cada escore C. Assim:
U= 1+ 1+ 2+ 5= 9
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 29
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
0,01, 0,025 e 0,05 para um teste unilateral. Para um teste bilateral, os nveis de significncia so dados
por: 0,002, 0,02, 0,05 e 0,10. Note-se que este conjunto de tabelas fornece valores crticos de U e no
probabilidades exatas (como as tabelas J). Isto , se um valor observado de U, para um dado n1 20 e
n2 entre 9 e 20, no supera o valor dado na tabela, pode-se rejeitar H0, a um dos nveis de significncia
indicados no cabealho da tabela.
onde R1 = soma dos postos atribudos ao grupo cujo tamanho de amostra n1,
R2 = soma dos postos atribudos ao grupo cujo tamanho de amostra n2.
Por exemplo, poder-se-ia Tabela 4.12 - Tentativas dos ratos para atingir o critrio
ter utilizado este processo para desejado
O menor dos dois valores de U aquele cuja distribuio amostral constitu a base da tabela K
(Siegel, pg. 305-08).
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 30
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
n1 n2 (n1 + n2 + 1)
Mdia = U = (n1n2) / 2 e desvio padro U = , isto , quando n2 > 20, o valor
12
n n
U U U 1 2
de: Z = = 2 tem distribuio aproximadamente N(0, 1).
U n1n2 (n1 + n2 + 1)
12
4.2.6. E MPAT E S
A prova de Mann-Whitney supe que os escores representem uma distribuio basicamente
contnua. Numa distribuio contnua a probabilidade de um empate zero. Todavia, como a
mensurao tem uma preciso limitada, os empates podem ocorrer. Admite-se que as observaes que
estejam empatadas, tenham, na realidade, escores diferentes, e que esta diferena muita pequena para
ser detectada pelo instrumento de medida.
Quando ocorrem empatem atribu-se a cada um dos valores empatados a mdia dos postos
que lhes seriam atribudas se no houvesse empate.
Se os empates ocorrem entre dois ou mais valores do mesmo grupo, o valor de U no
afetado. Mas se os empates ocorrem entre duas ou mais observaes envolvendo os dois grupos, ento
o valor de U afetado. Embora, os efeitos prticos dos empates sejam desprezveis existe uma
correo para empares que deve ser utilizada com a aproximao normal para grandes amostras. O
efeito dos postos empatados modifica a variabilidade do conjunto de postos. Assim, a correo deve
ser aplicada ao desvio padro da distribuio amostral de U. Com esta correo o desvio padro dado
por:
n1 n2 n3 n
U = T , onde n = n1 + n2 e T = (t3 - t) / 12 (t = nmero de escores
n(n 1) 12
valores da populao que originou a outra amostra, por exemplo, para testar a hiptese de que os
escores de um grupo experimental sero melhores do que os escores do grupo de controle.
Tal como a prova de K-S para uma amostra (item 2.3) o teste utiliza as distribuies
acumuladas. A prova de uma amostra se refere a concordncia entre a distribuio de um conjunto de
valores amostrais e determinada distribuio terica. A prova de duas amostras visa a concordncia
entre dois conjuntos de valores amostrais.
4.3.2. M T ODO
Para aplicar a prova de Kolmogorov-Smirnov de duas amostras, constri-se a distribuio das
freqncias acumuladas relativas de cada uma das amostras, utilizando os mesmos intervalos
(amplitude de classes) para cada uma delas. Em cada intervalo subtra-se uma funo da outra. A prova
utiliza como estatstica o maior destas diferenas.
Sejam Sn1(x) = funo acumulada observada para a primeira amostra, isto , Sn1(x) = k / n1,
onde k = nmero de escores no superiores a x. Seja Sn2(x) = funo acumulada observada da segunda
amostra, isto , Sn2(x) = k / n2. O teste K-S toma a maior destas diferenas em mdulo que
denominada de desvio mximo e anotada por D. Assim:
D = [Sn1(x) - Sn2(x)] para uma prova bilateral e D = |Sn1(x) - Sn2(x)| para uma prova
unilateral.
A distribuio amostral de D, sob H0, para uma prova bilateral conhecida (Smirnov, 1948,
Massey, 1951) e se encontra tabelada.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 32
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Exemplo:
Lepley2 comparou o aprendizado serial de 10 Tabela 4.14 - Percentagem de erros
alunos da stimo grau com o aprendizado serial de 10 totais
alunos do dcimo primeiro grau, para comprovar a Alunos do 7 grau Alunos do 11 grau
hiptese de que o efeito de primazia menos 39,1 35,2
predominante no aprendizado de estudantes mais 41,2 39,2
jovens. O efeito de primazia a tendncia para reter a 45,2 40,9
46,2 38,1
matria aprendida no comeo de determinada srie
48,4 34,4
mais facilmente do que a matria aprendida no fim
48,7 29,1
daquela srie. Lepley comprovou sua hiptese 55,0 41,8
comparando a percentagem de erros cometidos pelos 40,6 24,3
dois grupos na primeira metade da srie, prevendo que 52,1 32,4
o grupo mais velho (alunos do dcimo primeiro grau) 47,2 32,6
cometeria relativamente menos erros do que o grupo mais jovem, ao evocar a primeira metade da srie.
Hipteses: Ho: No h diferena na proporo de erros cometidos ao evocar a primeira
metade da srie, entre os alunos dos dois graus.
H1: Os alunos do dcimo primeiro grau cometem relativamente menos erros do que os de
stimo grau ao evocarem a primeira metade da srie.
Prova Estatstica. Emprega-se a prova K-S porque o pesquisador deseja comparar duas
amostras pequenas e independentes, de mesmo tamanho.
Distribuio amostral. A tabela L (Siegel, pg. 309) apresenta vrios valores crticos de kD
para n1 = n2 quando n1 e n2 so inferiores a 40.
Deciso. A tabela 4.14 fornece a percentagem dos erros cometidos por cada aluno ao evocar a
primeira metade da srie. Para anlise pela prova K-S os dados foram dispostos em duas distribuies
de freqncias acumuladas, apresentadas na tabela 4.15.
LEPLEY, W. M., Serial reactions considered as considered as reactions. Psychol. Monogr., 46, n. 205, 1934
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 33
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Note-se que a maior diferena entre as duas sries 7/10. Assim kD = 7, que o numerador
desta diferena mxima. Utilizando a tabela L, para n = 10, v-se que este valor significativo ao nvel
= 1% para uma prova unilateral. A deciso , portanto, rejeitar H0 em favor de H1. Conclu-se que os
alunos do dcimo primeiro grau comentem proporcionalmente menos erros do que os do stimo grau,
ao evocar a primeira metade da srie.
n1 + n2 55 + 60
136
, = 136
, = 0,254
n1 n2 ( 55)( 60 )
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 34
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
2 = 4 D2 n1 n2
n1 + n2
Goodman (1954) mostrou que esta expresso tem uma distribuio amostral
aproximadamente qui-quadrado com gl = 2. Ou seja, pode-se determinar a significncia de um valor
observado D, tal como calculado pela expresso de D acima, aplicando esta expresso em relao aos
valores observados de D, n1 e n2 e recorrendo a tabela do qui-quadrado, ao invs da tabela L ou M.
Exemplo
Em um estudo dos correlatos
Tabela 4.16 - N de fotos identificadas por 98
da estrutura da personalidade universitrias
autoritria3 formulou-se a hiptese de
N de fotos identificadas Escores baixos Escores altos
que as pessoas com alto grau de 0-2 11 1
autoritarismo apresentariam maior 3-5 7 3
tendncia para possuir esteretipos 6-8 8 6
sobre membros de diversos grupos 9 - 11 3 12
12 - 14 5 12
nacionais e tnicos, do que pessoas
15 - 17 5 14
com baixo grau de autoritarismo. A
18 - 20 5 6
hiptese foi comprovada em um
grupo de 98 estudantes universitrias selecionadas ao acaso. Cada uma recebeu 20 fotografias e foi
solicitada a identificar aquelas cuja nacionalidade reconhecia, casando a fotografia apropriada com
o nome do grupo nacional. No havia restrio quanto ao nmero de fotos que pudessem identificar
pelo processo descrito. Acontece que (sem que as estudantes soubessem) todas as fotos eram de
pessoas de nacionalidade mexicana - ou candidatos legislatura mexicana ou vencedoras de um
concurso de beleza mexicana; e como a lista de 20 nacionalidades no inclua a nacionalidade
mexicana, o nmero de fotos que cada um identificasse constituiria um ndice de sua tendncia
estereotipia. O grau de autoritarismo, medido pela escala F (de Adorno et al., 1950), foi classificado
como alto ou baixo. Escores considerados altos foram os situados acima da mediana e baixos os
situados abaixo da mediana.
Hipteses: Ho: As universitrias com baixo grau de autoritarismo identificariam tantos fotos
quanto as universitrias com alto grau de autoritarismo.
3
SIEGEL, S. Certain determinants and correlates of authoritarianism. Genet. Psychol. Monogr., 49, 187-229, 1954.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 35
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
H1: As universitrias com alto grau de autoritarismo identificariam maior nmero de fotos do
que as universitrias com baixo grau.
Prova Estatstica. Como a prova envolve amostras independentes foi escolhida o teste K-S.
Deciso. Para aplicar a prova K-S os dados so reagrupados nas distribuies de freqncias
acumuladas conforme tabela 4.17. A maior das diferenas que se pode verificar 0,41 (coluna 4), isto
, D = 0,41.
Tabela 4.17 - Dados da tabela 4.16 dispostos para aplicao da prova K-S
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 36
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
5.1.1. F UNO
Quando os dados de k amostras correspondentes se apresentam pelo menos em escala ordinal,
a prova de Friedman til para comprovar a hiptese de nulidade, de que as k amostras tenham sido
extradas da mesma populao. Como as k amostras esto em correspondncia, o nmero de casos o
mesmo para cada uma delas. A correspondncia pode ser estabelecida, quando se estuda o mesmo
grupo de indivduos sob cada uma das k condies. Ou pode-se obter vrios conjuntos, cada um deles
com k indivduos em correspondncia, associado-se, em seguida, aleatoriamente, um indivduo em
cada conjunto primeira condio, um indivduo em cada conjunto segunda condio, etc. Por
exemplo, desejando estudar as diferenas no aprendizado sob quatro mtodos de ensino, pode-se obter
n conjuntos de k = 4 alunos, cada conjunto constitudo de alunos que se correspondem segundo
variveis relevantes (idade, aprendizado prvio, inteligncia, situao scio-econmica, etc.)
associando-se em seguida, aleatoriamente, um aluno de cada um dos n conjuntos ao mtodo de ensino
A, outro de cada conjunto ao mtodo B, outro ao mtodo C e o quarto ao mtodo D.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 37
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Condies
I II III IV
Grupo A 9 4 1 7
Grupo B 6 5 2 8
Grupo C 9 1 2 6
Para aplicar a prova de Friedam a estes dados, primeiro atribu-se postos aos escores em cada
linha. Ao mais baixo escore em cada linha pode-se atribuir o posto 1, ao seguinte em cada linha o
posto 2, etc. Obtm-se assim os dados mostrados na tabela 5.2. Note-se que os postos em cada linha da
tabela vo de 1 a k = 4.
Condies
I II III IV
Grupo A 4 2 1 3
Grupo B 3 2 1 4
Grupo C 4 1 2 3
Ri 11 5 4 10
12 k
2 = R2j 3n(k + 1) , onde
nk (k + 1) i=1
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 38
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
n = nmero de linhas,
k = nmero de colunas,
Rj = soma dos postos da coluna j
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 39
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 40
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Note-se que a soma dos postos para o grupo RR 39,5, a soma dos postos para o grupo RU
42,5 e a soma dos postos para o grupo UR 26,0. Um posto baixo indica elevado nmero de erros na
transferncia , isto , forte fixao do aprendizado original. Pode-se calcular 2 substituindo os valores
observados na expresso:
[ ]
12 k 12
2 = R2j 3n(k + 1) = 39,52 + 42,52 + 262 3.18.(3 + 1) = 8,40
nk (k + 1) i=1 18.3(4 + 1)
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 41
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
6.1.1. F UNO
Quando os dados de um levantamento consistem de freqncias em categorias discretas
(nominais e ordinais), pode-se usar a prova 2 para determinar a significncia das diferenas entre k
grupos independentes. A prova 2 para k amostras independentes uma extenso direta da prova qui-
quadrado para duas amostras independentes. Em geral, o teste o mesmo, tanto para duas, como para
k amostras independentes.
6.1.2. M T ODO
Dispem-se as freqncias em uma tabela kxr. A hiptese de nulidade que as k amostras de
freqncia ou propores provenham da mesma populao ou de populaes idnticas. Esta hiptese,
de que as k amostras no difiram entre si, pode ser comprovada aplicando-se a seguinte expresso:
(Oij Eij)
2
r k
= 2
, onde:
i=1 j=1 Eij
Sob H0, pode-se mostrar que a distribuio amostral de 2, tem distribuio aproximadamente
qui-quadrado com gl = (k - 1)(r - 1), onde k = nmero de colunas e r = nmero de linhas. Assim, a
probabilidade associada ocorrncia de valores to grandes quanto um valor observado de 2 igual a,
ou maior do que, o valor dado na tabela do qui-quadrado, para determinado nvel de significncia e gl
= (k - 1)(r - 1), ento H0, pode ser rejeitada quele nvel.
Exemplo
Em uma investigao da natureza e conseqncias da estratificao social em uma pequena
comunidade do Oeste Mdio americano,4 Hollingshead constatou que os membros da comunidade se
dividiam entre si em cinco classes sociais, I, II, III, IV e V. Sua pesquisa centrou-se nos correlatos
dessa estratificao entre os jovens da comunidade. Uma de suas predies era que os adolescentes de
diferentes classes sociais se matriculariam em diferentes cursos (preparatrio para a universidade,
4
HOLLINGSHEAD, A. B. Elmtowns youth: The impact of social classes on adolescents. New York: Willey, 1949.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 42
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
comercial ou geral) no ensino de segundo grau de Elmtown. Hollingshead testou sua hiptese
identificando a classe social de 390 alunos e determinando o curso em cada um se havia matriculado.
Hipteses: Ho: A proporo de estudantes matriculados nos trs diferentes a mesma em
todas as classes sociais. H1: A proporo de estudantes matriculados nos cursos distintos difere de
classe para classe.
Prova estatstica: Como os grupos em estudo so independentes e em nmero superior a 2,
emprega-se uma prova estatstica para k amostras independentes. E como os dados se apresentam em
categorias discretas, a prova 2 a prova arqueada.
Deciso: A tabela 6.1 fornece as matrculas por curso dos 390 alunos de Elmtown estudados
por Hollingshead. As classes sociais I e II foram agrupadas em razo do pequeno nmero de
componentes de cada uma delas, particularmente na classe I. A tabela 6.1 fornece, tambm, em itlico,
o nmero de jovens cuja matrcula em cada um dos trs cursos era esperada sob H0, ou seja, as
matrculas esperadas se no houvesse realmente diferena nas preferncias entre as diversas classes
sociais. Por exemplo, enquanto que a matrcula efetiva no curso preparatrio para a universidade, nas
classes I e II, foi de 23, a matrcula esperada seria de apenas 7,3.
Classe
Curso I e II III IV V Total
Preparatrio para a universidade 23 40 16 2 81
7,2692 30,2330 38,0076 5,4000
Geral 11 75 107 14 207
18,5769 77,4923 97,1307 13,8000
Comercial 1 31 60 10 102
9,1538 38,1846 47,8615 6,8000
Total 35 146 183 26 390
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 43
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
(Oij Eij)
2
r k
=
2
= 33,8 + 3,1 + 12,7 + 2, 1+ 3,1 + 0,08 + 1,0 + 0,003 + 7,3 + 1,4 + 3,1 + 1,5
i=1 j=1 Eij
= 69,2
Verificando uma tabela do qui-quadrado, pode-se constatar que este valor significativo
muito alm do nvel de 0,005. Como p < 0,005 inferior ao nvel de significncia estabelecido (de 1%)
a deciso rejeitar H0. Conclu-se, pois que a escolha da matrcula pelos alunos de Elmtown no
independente das respectivas classes sociais.
6.2.1. F UNO
O teste de Kruskal-Wallis, uma prova til para decidir se k amostras independentes provm
de populaes diferentes. Os valores amostrais quase que invariavelmente diferem entre si e o
problema decidir se essas diferenas entre as amostras significam diferenas efetivas entre as
populaes, ou se representam apenas variaes casuais, que podem ser esperadas entre amostras
aleatrias de uma mesma populao. O teste supe que a varivel em estudo tenha distribuio
contnua e exige mensurao no mnimo ao nvel ordinal.
6.2.2. M T ODO
No clculo da prova de Kruskal-Wallis cada uma das n observaes substituda por um
posto. Isto , todos os escores de todas as k amostras combinadas so dispostos em uma nica srie de
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 44
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
postos. Ao menor escore atribu-se o posto 1, ao seguinte o posto 2 e assim sucessivamente at o maior
posto que n, onde n = nmero total de observaes independentes nas k amostras.
Feito isso, determina-se a soma dos postos em cada amostra (coluna). A prova ento testa se
estas somas so to diferentes entre si que no seja provvel que tenham sido todas retiradas de uma
mesma populao.
Pode-se mostrar que se as k amostras forem efetivamente retiradas de uma mesma populao,
isto , se H0 verdadeira, ento H (estatstica de Kruskal-Wallis calculada abaixo) tem uma
distribuio qui-quadrado com gl = k - 1, desde que os tamanhos das k amostras no sejam muito
pequenos. Isto :
2
12 k Rj
H= 3(n + 1) , onde
n(n + 1) i=1 n j
k = nmero de amostras,
nj = nmero de elementos na amostra j,
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 45
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Se estes dados forem colocados em postos e estes postos ordenados de forma crescente ento
se ter a tabela 6.3. Estes postos so somados e os resultados (R i) esto no final da tabela.
5
Apresentada em: ADORNO, T. W. et al. The authoritarian personality. New York, Harper, 1950.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 46
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
6.2.3. E MPAT E S
Quando ocorrem empates entre dois ou mais escores, cada escore recebe a mdia dos postos
que deveriam receber se no houvesse empate. Como o valor de H afetado pelos empates, uma
correo deve ser feita na expresso do clculo de H, que consiste em dividi-la pelo fator:
1- T
3
, onde T = t3 - t (onde t o nmero de valores empatados) e n = nj.
n n
Deste modo, a expresso geral para o clculo de H, com a correo para empates dada por:
2
12 k R j
3(n + 1)
n(n + 1) i=1 n j
H=
1 -
T
3 n
n
O efeito da correo para empates aumentar o valor de H e assim tornar o resultado mais
significativo do que seria se a correo no fosse realizada. Em muitas casos esta correo to
pequena que pode ser desprezada. Se no mais do que 25% das observaes estiverem empatadas, a
probabilidade associada com um H calculado sem correo para empates raramente alterada em mais
de 10% por cento do que quando calculada com a corrigida.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 47
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
7.1.1. F UNO
O coeficiente de contingncia C uma medida correlao entre dois conjuntos de atributos.
til quando se dispem apenas de dados apresentados em escala nominal em um ou nos dois conjuntos
de atributos. Para determinar esta medida no necessrio dispor as variveis em uma determinada
maneira. No importa quem seja linha e quem seja coluna, o valor obtido ser o mesmo.
7.1.2. M T ODO
Para calcular o coeficiente de contingncia C os dados devem ser apresentados em uma de
contingncia como a ilustrada em 7.1. Os dados podem ser divididos em qualquer nmero de
categorias, isto , a tabela pode ser do tipo Kr, onde k = nmero de colunas e r = nmero de linhas.
A1 A2 ... kA Total
B1 A1B1 A2B1 ... AkB1
B2 A1B2 A2B2 ... AkB2
... ... ... ... ... ...
Br A1Br A2Br ... AkBr
Total ... n
(Oij Eij)
2
2 r k
C= , onde 2 = e o qui-quadrado calculado, conforme j visto.
n + 2 i=1 j=1 Eij
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 48
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Exemplo
Considere-se os valores apresentados na prova do qui-quadrado para k amostras
independentes, onde foi testado se os cursos universitrios escolhidos pelos jovens de Elmtown
dependiam das classes sociais a que estes jovens pertenciam. Aqui, se tem uma associao entre uma
varivel nominal (curso) e uma varivel ordinal (classe social). Os dados so repetidos na tabela 7.2.
Classe
Curso I e II III IV V Total
Preparatrio para a universidade 23 40 16 2 81
Geral 11 75 107 14 207
Comercial 1 31 60 10 102
Total 35 146 183 26 390
2 69,2
C= = = 0,39
n+ 2 390 + 69,2
Logo a correlao entre a escolha do curso de nvel e a classe social entre os jovens de
Elmtown de 0,39.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 49
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Embora, muitas estatsticas de associao possam ser determinadas por este mtodo o
coeficiente de contingncia C, constitui um caso especial. Uma das razes por que no se pode utilizar
a distribuio amostral de C para testar um determinado valor observado, reside na considervel
complexidade matemtica de tal procedimento. Outra razo que no desenvolvimento do clculo de C,
j se calcula de forma intermediria uma estatstica que constitu uma indicao simples e adequada da
significncia de C. Tal estatstica o 2. Pode-se determinar se um valor de C difere significativamente
de um valor causal simplesmente determinando se um valor de 2 significativo.
Exemplo
No exemplo acima foi mostrado que o coeficiente de correlao C entre as variveis: classe
social e opo curricular C = 0,39. Para chegar a este valor foi utilizado o valor 2 = 69,20. este
valor que vai ser usado para testar a significncia de C. Verificando uma tabela qui-quadrado v-se que
2 69,20 com gl = (4 - 1)(3 - 1) = 6 tem probabilidade de ocorrncia, sob H0, inferior a 0,001. Pode-
se, assim, rejeitar a hiptese de nulidade, ao nvel de 0,001 e concluir que o estatus social e a opo
curricular acusam relacionamento na populao da qual o grupo de Elmtown constitui uma amostra.
Isto , conclu-se que C = 0,39 significativamente diferente de zero.
Em geral, pode-se dizer que os coeficientes de correlao devem apresentar pelo menos as
seguintes caractersticas:
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 50
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
O coeficiente C tem a primeira destas caractersticas, mas no a segunda. Ele zero quando
no existe associao, mas no atinge o valor um, quando a correlao perfeita, sendo esta a primeira
limitao do coeficiente de contingncia C.
Por exemplo, o limite superior de C para uma tabela 2x2 1 = 0,71. Para uma tabela 3x3,
2
o mximo que C pode atingir 2 = 0,82. O fato de o valor mximo de C, depender de k e r constitu
3
uma segunda limitao de C, pois dois coeficientes de contingncia s sero comparveis se provierem
de tabelas com o mesmo nmero de linhas e colunas.
Uma terceira limitao de C que os dados devem se prestar para o clculo do 2 antes que C
possa ser convenientemente utilizado, isto , o clculo de C sofre das mesmas limitaes do clculo do
qui-quadrado.
Uma ltima limitao de C e que ele no diretamente comparvel com nenhuma outra
medida de correlao, como por exemplo, o coeficiente de Pearson ou o de Spearman.
A despeito destas limitaes o coeficiente de contingncia uma medida til pela sua larga
aplicabilidade, pois no exige suposies sobre a forma da populao de escores, no exige
continuidade da varivel em estudo e requer apenas mensurao nominal. Isto faz do C uma medida
que pode ser aplicada em situaes em que nenhuma outra possa ser aplicada.
2
V= , onde:
n.(k 1)
Exemplo:
Consumo de lcool
Consumo de drogas Alto Moderado Baixo Total
Alto 5 7 20 32
Moderado 10 8 15 33
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 51
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Baixo 15 6 14 35
Total 30 21 49 n = 100
Considerando a tabela acima que cruza o consumo de lcool com o consumo de drogas,
determine o coeficiente V (de Cramer).
Consumo de lcool
Consumo de drogas Alto Moderado Baixo Total
Alto 9,60 6,72 15,68 30,00
Moderado 9,90 6,93 16,17 33,00
Baixo 10,50 7,35 17,15 35,00
Total 30,00 21,00 49,00 100,00
7.3.1. F UNO
Dentre todas as estatsticas com base em postos, o coeficiente de correlao por postos de
Spearman foi a que surgiu primeiro e talvez a mais conhecida hoje. Esta estatstica, por vezes
designada rho (), representada, aqui por rs. uma medida de associao que exige que as duas
variveis tenham mensurao a nvel pelo menos ordinal, para que se possa ordenar, isto , determinar
seus postos.
X1, X2, ..., Xn, e os escores da classificao escolar ao fim do primeiro ano por:
Y1, Y2, ..., Yn, pode-se utilizar uma medida de correlao por postos para determinar o
relacionamento entre as duas variveis.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 52
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
r= xy , onde x = X - X ey=Y- Y
x2 y2
Como x = ( X X ) = X 2 ( ) vem:
2
2 X
n
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 53
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
2 2 2
rs = x + y d . Substituindo x2 e y2
2 x2 y 2
Tabela 7.3 - Escores de autoritarismo e
pelos seus valores em termos de postos e fazendo as aspirao de estatus social
simplificaes necessrias vem: Escore
6 d2 Estudante Autoritarismo Aspirao
rs = 1 - , que a expresso mais
n3 n A 82 42
conveniente para o clculo do coeficiente rs de B 98 46
Spearman. C 87 39
D 40 37
Exemplo E 116 65
F 113 88
Em um estudo sobre o efeito das presses
G 111 86
grupais sobre um indivduo para uma atitude H 83 56
conformista em uma situao que envolva risco I 85 62
monetrio, os pesquisadores6 aplicaram a 12 J 126 92
estudantes universitrios a escala F (medida de K 106 54
autoritarismo) e uma escala destinada a medir as L 117 81
aspiraes de estatus social. Desejava-se uma informao sobre a correlao entre os escores relativos
ao autoritarismo e os escores referentes s aspiraes de estatus social. (Tais aspiraes foram
definidas de acordo com os pontos de vista O indivduo no deve casar-se com pessoa de nvel social
inferior ao seu, ou Para um encontro, melhor uma demonstrao eqestre do que um jogo de
baseball, ou ainda, interessante verificar sua genealogia. A tabela 7.3 fornece os escores de cada
um dos 12 estudantes nas duas escalas.
Para calcular o coeficiente de correlao por postos, de Spearman, para estes dois conjuntos
de valores necessrio coloc-los, inicialmente em duas sries de postos. Estes postos so
apresentados na tabela 7.4, juntamente com as diferenas entre eles e as diferenas ao quadrado.
Atravs destes dados ento, pode-se calcular o coeficiente de correlao rs, atravs da
expresso mostrada acima. Assim:
d2
rs = 1 - 6 6.52
3
=1- = 0,82.
n n 123 12
6
SIEGEL, S., FAGAN, Joen. The Asch effect under conditions of risk. Dados extrados de um estudo piloto, no publicado.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 54
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Escore
Estudante Autoritarismo (Posto) Aspirao (Posto) di di2
A 2 3 -1 1
B 6 4 2 4
C 5 2 3 9
D 1 1 0 0
E 10 8 2 4
F 9 11 -2 4
G 8 10 -2 4
H 3 6 -3 9
I 4 7 -3 9
J 12 12 0 0
K 7 5 2 4
L 11 9 2 4
di2 = 52
t3 t
T= , onde t = nmero de observaes empatadas em determinado posto.
12
n3 n
x2 = - T, onde a soma de T, indica o somatrio sobre os vrios valores de T para
12
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 55
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
2 2 2 n3 n n3 n
rs = x + y d , onde x2 = - Tx e y2 = - Ty.
12 12
2 x2 y 2
A cada uma das possveis ordenaes de Y est associado um valor de rs. A probabilidade de
ocorrncia, sob H0, de qualquer valor particular de rs assim, proporcional ao nmero de permutaes
que originam aquele valor.
A tabela P (Siegel, pg. 315) fornece os valores crticos de rs, obtidos por este mtodo. Para n
variando de 4 a 30, a tabela fornece o valor de rs com probabilidade associada, sob H0, p = 0,05, e o
valor de rs com probabilidade associada, sob H0, p = 0,01. A tabela unilateral.
Exemplo
No exemplo anterior o coeficiente de correlao foi determinado como sendo igual a rs = 0,82,
para um valor de n = 12. Pela tabela P v-se que um valor to grande quanto este significativo ao
nvel p < 0,01 (teste unilateral). Se poderia ento rejeitar a hiptese ao nvel de 1% de significncia,
concluindo que, na populao estudada, o autoritarismo e as aspiraes de estatus social esto
associados.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 56
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
n 2
t = rs
1 r 2s
Quer dizer, que para n grande, o valor de rs, tem distribuio t com gl = n -2.
rsav = (kW - 1) / (k - 1)
Outro processo consiste em imaginar como se apresentariam os dados caso no houvesse
concordncia alguma entre os conjuntos de postos, e em seguida, como se apresentariam se houvesse
concordncia perfeita. O coeficiente de concordncia seria ento um ndice de divergncia entre a
concordncia efetiva acusada pelos dados e a concordncia mxima possvel (perfeita). De modo
aproximado, W um coeficiente desta natureza.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 57
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Suponha-se que trs chefes de pessoal sejam encarregados de entrevistar seis candidatos a
emprego e de classific-los em postos, separadamente, segundo a capacidade de cada um para
preencher a vaga. A tabela 7.9 fornece os 3 conjuntos independentes de postos atribudos pelos chefes
X, Y, Z aos candidatos de a a f. A ltima linha da tabela d as somas (R j) dos postos atribudos a
cada candidato.
Tabela 7.6 - Postos atribudos a seis candidatos a emprego por trs chefes de
pessoal.
Candidato
a b c d e f
Chefe X 1 6 3 2 5 4
Chefe Y 1 5 6 4 2 3
Chefe Z 6 3 2 5 4 1
Rj 8 14 11 11 11 8
Na tabela acima, percebe-se que no houve concordncia perfeita entre os trs chefes, v-se
que o grau de concordncia entre os k julgadores refletido pelo grau de varincia entre as n somas de
postos.
7.4.3. M T ODO
Para determinar W, determina-se a soma dos postos, Rj, em cada coluna de uma tabela kxn.
Em seguida, soma-se os Rj e divide-se a soma por n, obtendo a mdia dos Rj. Cada Rj, pode ento
ser expresso como um desvio a contar da mdia (quanto maior for este desvio, maior a associao
entre os k conjuntos de postos). Por fim, determina-se a soma dos quadrados desses desvios.
Conhecidos estes valores, pode-se calcular W, como sendo:
s
W= , onde
1 2 3
k (n n)
12
s = soma dos quadrados dos desvios observados a contar da mdia dos Rj, isto , s =
2
R j
R j
n
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 58
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
n = tamanho da amostra
1 2 3
k (n n) = valor mximo da soma dos quadrados dos desvios, isto , o valor de s que
12
W = 0,16 exprime o grau de concordncia entre os trs chefes ao atriburem postos aos seis
candidatos a emprego.
7.4.4. E MPAT E S
Quando ocorrem empates atribui-se a cada valor empatado a mdia dos postos que lhes
caberia se no houvesse empates. o tratamento usual que se d aos escores empatados em postos. O
efeito dos empates reduzir o valor de W. Se a proporo de empates pequena, o efeito pode ser
desprezado. Se, no entanto, esta proporo for grande, deve-se utilizar uma correo que aumenta o
valor de W. A correo utilizada a mesma utilizada no coeficiente de correlao de Spearmann:
T =
(
t3 t ), onde: t= numero de valores empatados em um grupo em relao a um
12
determinado posto.
Com a correo de empates a expresso para o clculo de W fica:
s
W= , onde: T indica somatrio sobre todos os valores de T para todos os
1 2 3
k (n n) k T T
12 T
k conjuntos de postos.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 59
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Varivel Objeto
a b c d e f g h i j
X 1 4,5 2 4,5 3 7,5 6 9 7,5 10
Y 2,5 1 2,5 4,5 4,5 8 9 6,5 10 6,5
Z 2 1 4,5 4,5 4,5 4,5 8 8 8 10
Rj 5,5 6,5 9 13,5 12 20 23 23,5 22,5 26,5
A mdia dos Rj 16,5. Para obter s, somam-se os quadrados dos desvios de cada Rj em
relao a mdia:
s = (5,5-16,5) + (6,5-16,5) + (9-16,5) + ... + (26,5-16,5) = 591.
Como a proporo de empates nos postos grande, deve-se introduzir a correo para
empates no clculo de W. Nos postos de X existem dois conjuntos de empates: 2 objetos acham-se
empatados em 4,5 e dois em 7,5. Para os dois grupos, t = nmero de valores empatados em um dado
posto = 2. Desta forma:
TX =
(
t3 t ) = (23 2) ( 23 3)
+ =1
12 12 12
Nos postos de Y, existem trs conjuntos de empates e cada conjunto contm duas
observaes. Aqui t = 2 em cada caso e:
TY =
(
t3 t ) = (23 2) ( 23 3) (23 3)
+ + = 1,5
12 12 12 12
Nos postos de Z, existem dois conjuntos de empates. Um deles empatado em 4,5, consiste de
4 valores e t = 4. O outro, empatado no posto 8, consiste de 3 valores e t = 3. Assim:
TZ =
(
t3 t ) = (4 3 2) (323 3 )
+ =7
12 12 12
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 60
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Pode-se, ento, utilizar esta expresso para determinar a probabilidade associada ocorrncia
sob H0, de qualquer valor to grande quanto um W observado, que muito mais simples de calcular.
7.4.6. I NT E RP RE TAO DE W
Um valor elevado ou significativo de W pode ser interpretado como indicando que os
observadores ou juizes esto aplicando essencialmente os mesmos padres ao atriburem postos aos n
elementos em estudo. No entanto, isto no significa dizer que as ordenaes feitas sejam corretas. Na
realidade, elas podem ser todas incorretas em relao a algum critrio externo. possvel que diversos
julgadores concordem quanto a ordenao ou classificao de indivduos porque todos empregam o
mesmo critrio errado. Em tal caso, um valor alto de W significaria concordncia na escolha do
critrio errado.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 61
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
7.5. CONCLUSO
Foram apresentadas trs tcnicas no-paramtricas para medir o grau de correlao entre
variveis amostrais. E para cada uma delas foi apresentado o respectivo teste de significncia da
associao observada.
Para o caso bivariado foi apresentado o coeficiente rs de Spearman. Este coeficiente simples
de calcular e tem a vantagem de estar linearmente relacionado com o coeficiente de concordncia W.
O coeficiente de concordncia de Kendall, W, mede a extenso da associao entre vrios (k)
conjuntos de postos de N entidades. til para determinar a concordncia entre diversos julgamentos a
respeito de associao entre trs ou mais variveis. Tem aplicao especial como mtodo-padro de
ordenao de elementos de acordo com o consenso, quando no se dispe de uma ordem objetiva dos
mesmos. A tabela 7.8 mostra uma matriz relacionando os coeficientes de correlao e a escala de
medida apropriada para as variveis X e Y.
Varivel X
Nominal Ordinal Intervalar/Raz
o
Nominal (1) a. Phi () b. (4) (6)
Coeficiente C
c. V de Kramer d. e V
Varivel Ordinal (4) Biserial por postos (2) a. Tetrachoric (5)
Y b. de Spearman
Intervalar/ (6) Biserial por ponto (5) Biserial (3) r de
Razo Pearson
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 62
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
8. EXERCCIOS
(01) Suponha que uma moeda lanada 800 vezes fornecendo 432 caras. Verifique se a moeda pode
ser considerada viciada ao nvel de 5% de significncia. Realize o teste paramtrico correspondente
para verificar se a mesma concluso poder ser obtida.
(02) De acordo com o modelo gentico a proporo de pessoas possuindo os quatro tipos de sangue: O,
A, B e AB deve obedecer a proporo:
Jan. Fev. Maro Abril Maio Junho Julho Agosto Set. Out. Nov. Dez.
18 6 8 12 21 7 16 24 13 9 8 14
(04) Uma equipe mdica determinou, por experimentao, que a contagem de plaquetas no sangue de
homens normal com mdia 235 000 por mm3 e desvio padro de 44 600 por mm3. A contagem do
nmero de plaquetas em 25 pacientes homens com cncer de pulmo (em unidades de 1000 mm3) est
listada abaixo:
173 189 196 207 215 237 275 282 293 300 305 316 346
382 395 399 401 437 480 504 524 634 682 882 999
Utilize o teste K-S para decidir, a 1%, se estas contagens podem ser consideradas provenientes de
uma populao de homens saudveis.
(05) Use o teste K-S, a 10%, para verificar a hiptese de que X tem uma distribuio binomial com n =
4 e p = 1/2 com base nos seguintes valores:
x 0 1 2 3 4
f 6 38 58 47 11
(06) Seguindo o modelo desenvolvido pela Liga pelo voto das mulheres, uma escola de segundo grau
local fez um levantamento entre 50 estudantes selecionados ao acaso. Foi realizado um frum sobre
um assunto especfico e ento foi perguntado a cada estudante selecionado sobre sua inteno de voto,
antes e aps ter assistido ao frum. Utilizando os dados abaixo, obtidos na amostra, use o teste de
McNemar, para a significncia (a 5%) de mudana.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 63
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Aps o Frum
Sim No
Antes do Sim 16 11
Frum No 17 6
(07) Uma pesquisa realizada entre donos de automveis sobre a necessidade do uso do cinto de
segurana foi realizada antes e depois de um filme sobre acidentes, onde era enfocado os benefcios do
uso do cinto. Dos 80 motoristas entrevistados 20 eram a favor do uso do cinto antes e continuaram
aps, 30 eram contra antes e ficaram a favor aps, 15 eram contra antes e continuaram contra aps e 5
eram a favor e ficaram contra aps. Teste, ao nvel de 5%, a significncia das mudanas.
(08) O diretor de uma escola para deficientes quer medir o impacto de atividades ao ar livre na
autoconfiana de jovens mentalmente retardados. Dois grupos de 12 membros cada so selecionados
para participarem. Os pares so ajustados dois a dois e um membro do par far parte do grupo de
tratamento e o outro membro do grupo de controle. O ndice de autoconfiana (ver tabela)
supostamente uma medida ordinal. Utilize o teste de Wilcoxon a 1% de significncia para testar o
efeito das atividades ao ar livre na autoconfiana.
Controle 10 13 8 10 13 14 10 11 10 13 6 9
Experimental 17 11 18 9 16 10 22 20 23 24 14 23
(09) Numa pesquisa sobre divrcio, realizada entre as classes mdia e alta, foram obtidos os seguintes
resultados:
(10) Um psiclogo quer investigar o impacto do feedback do instrutor no aprendizado de uma tarefa
complexa. Quatro grupos de 10 estudantes so selecionados para participar. Um grupo recebe somente
feedback positivo, outro somente negativo. Um terceiro grupo recebe ambos: positivo e negativo e o
quarto grupo no recebe feedback. Use o teste 2 para testar a homogeneidade ao nvel de 5% de
significncia.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 64
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Sucesso Fracasso
Positivo 6 4
Negativo 4 6
Ambos 8 2
Nenhum 3 7
(11) Amostras independentes de estudantes de escolas de segunda grau pblicas e particulares de uma
determinada comunidade foram selecionadas. Os estudantes foram classificadas em 5 classes scio-
econmicas de acordo com a ocupao dos pais. Dos 30 estudantes das escolas particulares obteve-se:
2 pais com ocupao de diretoria, 0 com ocupao de gerncia, 12 funcionrios qualificados, 14 semi-
qualificados e 2 sem qualificao. Dos 60 estudantes das escolas pblicas, obteve-se: 4 com ocupao
de diretoria, 9 de gerncia, 18 funcionrios qualificados, 22 semi-qualificados e 7 sem qualificao.
Construa uma tabela de freqncias bivariadas para os dados e teste a hiptese de independncia ao
nvel de 0,05.
TA 12 19 8 25
TB 10 14 15 9 18
(13) (Caso 2) Uma classe de 26 alunos foi dividida ao acaso em n1 = 10 alunos (Grupo A) e n2 = 16
alunos (Grupo B). O grupo A estudou regular e diariamente determinado assunto at as vsperas da
prova. O grupo B ocupou-se de outras atividades e s estudou para a prova na vspera. A tabela
contm as notas que cada aluno tirou na prova. Testar a 5% de significncia, se existe diferena entre
os dois mtodos de estudo.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 65
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
(14) (Caso 3) Certo professor aplicou o seguinte procedimento a uma classe de 30 elementos: 21
alunos foram por ele chamados pelos prprios nomes, durante o semestre, contingentemente
apresentao das lies de casa; os 9 restantes, por igual perodos foram chamados de voc,
contingentemente apresentao das lies de casa. O professor admitia que, estimulado pelo prprio
nome, o aluno era capaz de melhorar seu desempenho acadmico - desempenho que foi mensurado em
termos de notas escolares. Com = 5% , ser possvel afirmar que era correta a hiptese desse
professor. A tabela 5 apresenta as notas dos 30 alunos no fim do semestre em que se realizou o
experimento.
Grupo A 6,5 8,0 8,5 10,0 8,5 4,0 7,0 6,0 5,5
Grupo B 6,5 3,5 6,0 7,5 6,0 3,0 7,0 5,5 6,5 6,0 6,5 5,0 5,0 6,0 3,5 6,5 10,0 8,0 7,5 4,0 5,0
(15) Dadas as duas amostras independentes abaixo, que foram obtidas pore experimentao e onde os
indivduos foram classificados de acordo com os seguintes escores:
Amostra I 38 39 44 47 50 51 52 59 60 61 73 74 78 84 90
Amostra 42 43 54 62 67 69 70 75 80 81 86 89 91 97 98
II
Use o teste U de Mann-Whitney para determinar se existe uma diferena sifnificativa entre os
escores das duas amostras.
Paciente 1 2 3 4 5 6 7 8 9
0 horas (X) 33 17 30 25 36 25 31 20 18
24 horas (Y) 21 17 22 13 33 20 19 13 9
(17) Um experimento utilizando crianas da stima srie foi realizado para comparar o desempenho de
leitores normais e maus leitores em uma tarefa complexa. Os escores esto mostrados na tabela abaixo.
Estes dados fornecem evidncia suficiente para indicar que os maus leitores obtm escores menores do
que os leitores normais na realizao de uma tarefa complexa? Usa o teste de Mann-Whitney ao nvel
de 5%.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 66
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
Maus Leitores 67 55 51 40 25 18 34 44 52 59 54 53
Leitores 95 87 77 73 44 64 68 70 55 59 67 88 89 90 52
normais
(18) Um psiclogo infantil quer investigar o relacionamento entre o sexo de uma criana e o nvel de
resposta a sinais de comunicao no-verbais (cues). O psiclogo acredita que as meninas acertaro
mais e desta forma tero um escore menor, levando em considerao tanto a acurcia quanto a
profundidade da interpretao. Os resultados abaixo foram obtidos testando dez meninos e dez
meninas. Use o teste U, a 5% de significncia, para comprovar a hiptese do pesquisador.
Criana 1 2 3 4 5 6 7 8 9 10
Menino 10 13 15 16 19 21 22 33 25 26
Menina 7 8 9 11 12 14 17 18 20 24
(19) Dois tipos de solues qumicas, A e B, foram ensaiadas para a determinao do pH (grau de
acidez da soluo). As anlises das dez amostras de cada soluo esto apresentadas na tabela que
segue:
Soluo A Soluo B
7,49 7,37 7,28 7,48
7,35 7,51 7,35 7,31
7,54 7,50 7,52 7,22
7,48 7,52 7,50 7,41
7,48 7,46 7,38 7,45
Verifique atravs do teste K-S, se existe diferena significativa entre os pHs dos dois tipos de
solues.
(20) Uma amostra de 14 crianas, constituintes do grupo harmonia e identificao foi mensurada em
dois momentos distintos: antes e depois de sua participao em uma tarefa de classe cujo objetivo era
tornar os alunos mais dependentes uns dos outros na realizao de uma promoo curricular. Os
resultados obtidos (escores mais altos indicando maior harmonia grupal esto tabulados abaixo:
Aluno 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Antes 62 51 60 43 49 45 73 66 57 63 43 46 67 61
Depois 75 53 62 51 52 46 62 68 55 69 45 45 68 67
Aplicando a dupla anlise de varincia de Friedman, determine se h uma diferena significativa,
a 5%, entre os resultados obtidos antes e depois.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 67
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
(21) Aplicando a dupla anlise de varincia de Friedman, determine se h uma diferena significativa,
a 5%, entre os escores produzidos por uma amostra de 11 respondentes em trs momentos distintos:
T1, T2, e T3.
Respondente 1 2 3 4 5 6 7 8 9 10 11
T1 60 53 59 65 55 71 57 77 63 54 63
T2 62 54 65 66 63 74 58 76 65 59 62
T3 64 50 71 68 61 76 63 79 70 62 65
(22) Na tabela esto indicados os nmeros de estudantes aprovados e reprovados por 3 professores.
Testar ao nvel de significncia de 5% a hiptese de as propores de estudantes reprovados pelos 3
professores serem iguais.
(23) Os dados seguintes foram obtidos em um estudo projetado para examinar o relacionamento entre
o estado civil e a preferncia por diverso. Execute um teste de homogeneidade, utizando uma
significncia de 5%.
(24) Um socilogo quer estudar a relao entre orientao poltica e mtodos de educao dos
filhos. Para tanto obteve os resultados da tabela.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 68
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
que os resultados so por natureza ordinais e que devem ser ordenados. Utilize a anlise de varincia
de um fator (Kruskal-Wallis) a 5% para analisar os dados.
Em casa com os pais Em casa com bab Jardim de infncia Em casa com amigos ou parentes
42 37 47 31
35 40 49 44
39 32 34 38
50 33 46
45 41
48 43
36
(27) Em um concurso para professor auxiliar da UFRGS os oito candidatos inscritos obtiveram as
seguintes notas na prova didtica avaliadas por um prof. assistente, um adjunto e um titular.
Determinar o coeficiente de concordncia entre os 3 avaliadores.
(28) Um levantamento feito entre crianas de diversas classes sociais foi efetuado para verificar o
tempo gasto assistindo TV. Os resultados esto tabelados abaixo. Determinar o coeficiente de
correlao entre as duas variveis. Teste a significncia do valor encontrado.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 69
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 70
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
(28) rs = +0,88
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 71
SRIE: Exatas
T e x t o : E st a t s t ic a N o P a ra m t r ic a
[BLA72] BLALOCK, Hubert M.Jr. Social Statistics. Tokio: McGraw-Hill Kogakusha, 1972.
[GIB71] GIBBONS, Jean Dickinson. Nonparametric Statistical Inference. New York: McGraw-Hill
Book Company, 1971.
[GIB73] GIBRA, Isaac N. Probability and Statistical Inference for Scientists and Engineers.
Englewood Cliffs, New Jersey: Prentice-Hall, Inc. 1973..
[HIN88] HINKLE, Dennis E., WIERSMA, William, JURS, Stephen G. Applied Statistics for the
Behavioral Sciences. Boston: Hougthon Mifflin, 1988..
[LEV85] LEVIN, Jack Estatstica Aplicada a Cincias Humanas. So Paulo: Harbra, Harper & Row
do Brasil, 1985.
[NOE76] NOETHER, Gottfried E. Introduction to Statistics: A Nonparametric Approach. Boston:
Houghton Mifflin Company, 1976.
[ROS75] ROSCOE, John T. Fundamental Research Statistics for the Behavioral Sciences. New York:
Holt, Rinehart and Wiston, 1975.
[SIE56] SIEGEL, Sidney. Nonparametric Statistics for the Behavioral Sciences. New York: McGraw-
Hill Book Company, 1956.
[WEL82] WELKOWITZ, Joan, EWEN, Robert B., COHEN, Jacob. Introductory Statistics for the
Behavioral Sciences. Orlando, Florida: Harcourt Brace Jovanovich Publishers, 1982.
P r o f . L o r V ia l i , D r . - v i a l i@ p u c r s . b r - h t t p : / / w w w . ma t . p u c r s . b r / f a ma t / v i a l i / 72