Qui Quadrado

(Leitura complementar ao capítulo 3)

Sumário:
Como calcular
Como usar a tabela
Correção de Yates (continuidade)
Definição
Em tabelas de contingência
Heterogeneidade de amostras
Modelos "simplificados"
Teste exato de Fisher

Definição

Qui Quadrado, simbolizado por , é um teste de hipóteses que se destina a encontrar um valor da
dispersão para duas variáveis nominais, avaliando a associação existente entre variáveis qualitativas.

É um teste não paramétrico, ou seja, não depende dos parâmetros populacionais,

como média e variância.

O princípio básico deste método é comparar proporções, isto é, as possíveis divergências entre as
freqüências observadas e esperadas para um certo evento.

Evidentemente, pode-se dizer que dois grupos se comportam de forma semelhante se as diferenças
entre as freqüências observadas e as esperadas em cada categoria forem muito pequenas, próximas a
zero.

Portanto, o teste é utilizado para:

Verificar se a freqüência com que um determinado acontecimento observado em uma amostra se

desvia significativamente ou não da freqüência com que ele é esperado.

Comparar a distribuição de diversos acontecimentos em diferentes amostras, a fim de avaliar se as

proporções observadas destes eventos mostram ou não diferenças significativas ou se as amostras
diferem significativamente quanto às proporções desses acontecimentos.

Condições necessárias

Para aplicar o teste as seguintes proposições precisam ser satisfeitas:

Os grupos são independentes,

Os itens de cada grupo são selecionados aleatoriamente,

As observações devem ser freqüências ou contagens,

Cada observação pertence a uma e somente uma categoria e

A amostra deve ser relativamente grande (pelo menos 5 observações em cada célula e, no caso de
poucos grupos - pelo menos 10 - Exemplo: em tabelas 2x 2).

Como calcular

Karl Pearson propôs a seguinte fórmula para medir as possíveis discrepâncias entre proporções
observadas e esperadas:
= [(o - e)2 /e]
em que

o = freqüência observada para cada classe,

e = freqüência esperada para aquela classe.
Note-se que (o - e) = desvio (d), portanto a fórmula também pode ser escrita como
= (d2 /e)
Percebe-se que as freqüências observadas são obtidas diretamente dos dados das amostras, enquanto
que as freqüências esperadas são calculadas a partir destas
É importante notar que (o - e) é a diferença entre a freqüência observada e a esperada em uma classe.
Quando as freqüências observadas são muito próximas às esperadas, o valor de é pequeno. Mas,
quando as divergências são grandes (o - e) passa a ser também grande e, conseqüentemente,
assume valores altos.

Hipóteses a serem testadas

O pesquisador trabalha com duas hipóteses:

Hipótese nula: As freqüências observadas não são diferentes das freqüências esperadas. Não existe diferença entre as
freqüências (contagens) dos grupos.
Portanto, não há associação entre os grupos

Hipótese alternativa: As freqüências observadas são diferentes da freqüências esperadas, portanto existe diferença entre as
freqüências.
Portanto, há associação entre os grupos.

Procedimento
É necessário obter duas estatísticas denominadas calculado e tabelado. (Para ver a tabela de , clique aqui).

As freqüências observadas são obtidas diretamente dos dados das amostras, enquanto que as freqüências esperadas são
calculadas a partir destas.
Assim, o calculado é obtido a partir dos dados experimentais, levando-se em consideração os valores observados e os
esperados, tendo em vista a hipótese.
Já o tabelado depende do número de graus de liberdade e do nível de significância adotado.

A tomada de decisão é feita comparando-se os dois valores de :

Se calculado > ou = tabelado: Rejeita-se Ho.
Se calculado < tabelado: Aceita-se Ho.
Quando se consulta a tabela de observa-se que é determinada uma probabilidade de ocorrência daquele acontecimento.

Portanto, rejeita-se uma hipótese quando a máxima probabilidade de erro ao rejeitar aquela hipótese for baixa (alfa baixo). Ou,
quando a probabilidade dos desvios terem ocorrido pelo simples acaso é baixa.

O nível de significância (alfa) representa a máxima probabilidade de erro que se tem ao rejeitar uma hipótese.

O número de graus de liberdade, nesse caso é assim calculado:

G.L. = número de classes - 1
E, evidentemente, quanto maior for o valor do mais significante é a relação entre a variável dependente e a variável
independente.

Exemplo 1:

Se uma moeda não viciada for jogada 100 vezes, espera-se obter 50 caras e 50 coroas, já que a probabilidade de cair cara (p)
é = ½ e a de cair coroa (q) também é = ½. Entretanto, na prática, é muito difícil obter valores observados, idênticos aos
esperados, sendo comum encontrar valores que se desviam dos teóricos.
Supondo que uma moeda foi jogada 100 vezes e se obteve 60 caras e 40 coroas.
a. Qual será o valor de ?
b. Como se pode interpretar esse valor?

Resolvendo:
As freqüências esperadas em cada classe são calculadas por: p.N. Portanto:
E(cara) = ½ .100 e E(coroa) = ½ .100
Assim, os valores esperados são: cara: 50 e coroa: 50 e os observados são: cara: 60 e coroa: 40.
= [(60 – 50)2 / 50] + [(40 – 50)2 / 50]
a. Valor de =2+2=4
O que significa esse número? Ou seja, como se analisa um teste de ?

Supondo que em vez de lançarmos 100 moedas uma única vez, tivéssemos
feito inúmeros lançamentos de 100 moedas. Se calcularmos o a cada 100
lançamentos, e, depois, colocarmos todos os resultados em um gráfico, teria
sido obtida a figura ao lado.
Nota-se que os valores pequenos de ocorrem mais freqüentemente queos
grandes, pois se um experimento puder ser representado pelo modelo
teórico proposto, pequenos desvios casuais entre proporções esperadas e
observadas ocorrerão em maior número do que grandes desvios.
Tomando a área total sob a curva como 100%, sabe-se que o valor 3,841
delimita 5% dela. Este é o valor crítico de qui quadrado conhecido como .
Portanto, espera-se em experimentos semelhantes, que valores de
menores que 3,841 tenham 95% de probabilidade de ocorrência.
Sempre que o valor de for menor que 3,841 aceita-se a hipótese de
igualdade estatística entre os números de observados e de esperados (H0).
Ou seja, admite-se que os desvios não são significativos.

b. Como se pode interpretar esse valor?

No exemplo dado, como o valor de Qui Quadrado obtido ( 4 ) para 2 classes foi maior que o esperado ao acaso
(3,841), aceita-se a hipótese alternativa e admite-se que a moeda seja viciada.

Como usar a tabela

Entretanto, é importante notar que esse raciocínio e decisão só são válidos quando há 2 classes possíveis de eventos. (Como
no exemplo dado, em que o lançamento da moeda pode resultar em 2 acontecimentos: cara ou coroa).
Mas, se tivéssemos lançado um dado seriam 6 classes possíveis. Como faríamos, então?
Deve-se consultar uma tabela de e lembrar que, nesse caso:
G.L. = número de classes - 1
A tabela de Qui Quadrado mostra o número de Graus de liberdade nas linhas e o valor da Probabilidade nas colunas.
Na coluna referente a 5% de probabilidade encontra-se o valor crítico de qui quadrado ( ), com o qual deve ser comparado o
valor calculado de .

GL \ P 0,99 0,95 0,90 0,80 ... 0,05 0,02 0,01

1 0,0002 0,004 0,016 0,064 ... 3,841 5,412 6,635
2 0,020 0,103 0,211 0,446 ... 5,991 7,824 9,210
3 0,115 0,352 0,584 1,005 ... 7,815 9,837 11,345
4 0,297 0,711 1,064 1,649 ... 9,488 11,668 13,277
5 0,554 1,145 1,610 2,343 ... 11,070 13,388 15,080
...
Aceita-se a hipótese de igualdade estatística Rejeita-se H0 e aceita-se H1.
entre os números de observados e de esperados (H0). Os números de obs e esp são
.
. estatisticamente diferentes.
Os desvios não são significativos. Os desvios são significativos.

Exemplo 2:

Se um dado não viciado for jogado 6 vezes, espera-se obter 1 vez cada face (1, 2, 3, 4, 5 e 6) já que a
probabilidade de cair qualquer face é 1/6.

Supondo que um dado foi jogado 186 vezes e se obteve:

Face 1 Face 2 Face 3 Face 4 Face 5 Face 6

34 29 30 32 28 33

a. Qual será o valor de ?

b. Como se pode interpretar esse valor?

Resolvendo:

As freqüências esperadas em cada classe são calculadas por: p.N. Portanto:

E(face 1) = E(face 2) = E(face 3) = E(face 4) = E(face 5) = E(face 6) = p.N = 1 / 6 .186 = 31

a. Qual será o valor de ?

Assim, os valores parciais são somados: e chega-se ao valor de :

observado 34 29 30 32 28 33
esperado 31 31 31 31 31 31

parcial 0,2903 0,1290 0,0322 0,0322 0,2903 0,1290

= ( 0,2903 + 0,1290 + 0,0322 + 0,0322 + 0,2903 + 0,1290) = 0,903

b. Como se pode interpretar esse valor?

Lembrando que G.L. = número de classes -1, como há há 6 classes, G.L. = 5.

Verificando-se a tabela de na linha em G.L. = 5 encontra-se igual a 11,070. Como o valor de Qui
Quadrado obtido ( 0,903 ) foi menor que o esperado ao acaso ( 11,070) admite-se que o dado seja
honesto.
Para facilitar os cálculos para certas proporções utilize uma planilha especial:

Qui Quadrado, com até 4 classes, havendo proporções esperadas

Copie a planilha comprimida em formato xls ou em ods

Em tabelas de contingência

Até aqui foram analisadas situações em que havia uma hipótese baseada em alguma teoria, gerando
proporções esperadas. Por exemplo, efetuar um experimento semelhante ao de Mendel e verificar se a
distribuição de uma certa variável obedece a proporção 3 :1.

Entretanto, o teste de pode ser aplicado em casos em que não se dispõe de uma teoria que permita
efetuar o cálculo de classes esperadas.

Por exemplo, supondo que se deseja verificar se uma característica se distribui igualmente entre os
sexos, ou em classes sociais, ou em diferentes grupos raciais, ou em grupos etários, ou em localizações
geográficas ou...

Note-se que não existe um modo de calcular os esperados. Nesses casos constrói-se uma tabela de
contingência.

Hipóteses a serem testadas

Hipótese nula, H0: Não há associação entre os grupos, ou seja, as variáveis são independentes.

Hipótese alternativa, Ha: Há associação entre os grupos, ou seja, as variáveis são dependentes.

Cálculo dos esperados:

A freqüência esperada em cada classe é calculada pela multiplicação do total de sua coluna, pelo total de
sua linha, dividindo-se o produto pelo total geral da tabela (N).

E = total marginal da linha x total marginal da coluna / total (N)

O número de graus de liberdade, quando os dados estão em tabela de contingência é assim calculado:
G.L. = número de linhas - 1 x número de colunas - 1

Procedimento

É necessário obter duas estatísticas denominadas calculado e tabelado. (Para ver a tabela de ,
clique aqui).

A tomada de decisão é feita comparando-se os dois valores de : Se calculado > ou =

tabelado: Rejeita-se Ho.
Critério:
Se calculado < tabelado: Aceita-se Ho.

Exemplo:
Os resultados abaixo provém de um teste sorológico aplicado a indivíduos pertencentes a 3 amostras
compostas por indivíduos de provenientes de diferentes faixas etárias (crianças, adolescentes e adultos).
Por à prova a hipótese de que a proporção de indivíduos com reação positiva não difere
significativamente nas 3 amostras contra a hipótese de que isso não é verdadeiro.

AMOSTRA Reação + Reação - Total

Crianças 25 45 70
Jovens 15 25 40
Adultos 10 30 40
Total 50 100 150

Para calcular os esperados multiplica-se os totais parciais relativos a cada casela e divide-se pelo total geral (N).
Por exemplo, na casela crianças + = 50 x 70 / 150 = 23,3333
Depois calcula-se os qui quadrados parciais.
Por exemplo, na casela crianças + = (o-e)2 /e = [(25 - 23,3333)2 / 23,3333)] = 0,1190.
Depois, calcula-se a parcela de referente a cada casela.
Ao final, soma-se as parcelas e obtém-se o .

Amostra Reação + Reação - Total

Crianças 25 45 70
Esp 23,3333 46,6667
2
(o-e) /e 0,1190 0,0595

Jovens 15 25 40
Esp 13,3333 26,6667
2
(o-e) /e 0,2083 0,1042

Adultos 10 30 40
Esp 13,3333 26,6667
2
(o-e) /e 0,8333 0,4167

Total 50 100 150

= 0,1190 + 0,0595 + 0,2083 + 0,1042 + 0,8333 + 0,4167. Portanto, = 1,7410

O número de GL em tabelas é assim calculado:

GL = (número de linhas -1) x (número de colunas -1).

Portanto:
GL = (2 - 1) x (3 - 1) = 2

Depois, consulta-se a tabela de Qui quadrado e verifica-se que = 5,991.

Como o valor de obtido é menor que o conclui-se que os desvios não são significativos.
Portanto, os indivíduos pertencentes às 3 amostras ( crianças, adolescentes e adultos ) reagem do mesmo modo ao teste
sorológico, não havendo influência das diferentes faixas etárias sobre o resultado do teste. Assim sendo, o resultado
sorológicoindepende dos grupos etários.

Para facilitar os cálculos utilize uma planilha especial:

Qui Quadrado, em tabelas de contingência, com ordem até 5 x 5

Copie a planilha comprimida em formato xls ou como ods

Correção de Yates (ou Correção de continuidade)

Ao aplicar o teste de supõe-se que o tamanho das amostras seja "grande".

Mas em situações práticas, o valor de calculado é aproximado, pois

- utiliza-se amostras de tamanho finito,

- o valor da freqüência observada só assumir os valores de números inteiros, ou seja nunca haverá por
exemplo 2,73 indivíduos observados.

Quando se obtém um valor de significativo mas nota-se que a amostra é pequena e/ou que
a freqüência esperada em uma das classes é pequena (tipicamente, quando for menor que 5) a fórmula
de obtenção de poderá produzir um valor maior que o real.

Alguns autores, entre eles Ronald Fisher, recomendam que se observe a seguinte restrição:

O teste de pode ser usado se o número de observações em cada casela da tabela for maior ou igual a
5 e a menor freqüência esperada for maior ou igual a 5.

Em caso contrário, em cada classe deve ser utilizada a correção de Yates:

= [( | o -e | - 0,5)2/ e ]
Evidentemente, não é preciso usar a correção de Yates se o valor de obtido for menor que , pois o
novo valor será menor que o primeiro, continuando a não ser significativo.

Apesar do assunto ser controverso, de modo geral, usa-se a correção de Yates quando:

- o valor de Qui Quadrado obtido é maior que o crítico e

- o valor de N é menor que 40 ou
- há pelo menos uma classe com número de esperados menor que 5.
Exemplo
Supondo uma coleção de irmandades, com N = 16, filhos de casais com um cônjuge afetado por uma anomalia endógena. 4
dentre os filhos também apresentam a doença. A característica obedece o padrão de transmissão autossômico, dominante e
monogênico?

A genealogia seria:

Em 16 filhos espera-se 8 normais e 8 anormais. Mas foram observados 12 normais e 4 anormais.

Obtém-se o valor de Qui quadrado:

= [(12 - 8)2 / 8 + (4 - 8)2 / 8] = 2 + 2 = 4
Simplesmente analisando o valor de concluiria-se que como é maior que (3,841) os desvios não são devidos ao acaso.
Portanto, conclui-se que a doença não obedece o padrão de transmissão autossômico, dominante e monogênico.

Entretanto, deve-se reparar que:

N é menor que 20 e

o valor de Qui Quadrado obtido é maior que o crítico

Portanto, deve-se aplicar a correção de Yates:

= [ (| o1 - e1 | - 0,5)2 / e1 + (| o2 - e2 | - 0,5)2 / e2)]
= [( | 12 - 8 | - 0,5)2 / 8 + ( | 4 -8 | - 0,5)2 / 8)] = 1,51313 + 1,51313 = 3,062

É importante notar que agora, após ter sido aplicada a correção, < , ou seja será alterada a decisão
do teste.

Portanto, aceita-se que os desvios são devidos ao acaso. Assim, conclui-se que a doença obedece o
padrão de transmissão autossômico, dominante e monogênico.

Para facilitar os cálculos utilize uma planilha especial:

Qui Quadrado, em tabelas de contingência,

com ordem até 2 x 2, com correção de Yates
Copie a planilha comprimida em formato xls ou em ods

Teste exato de Fisher

Em amostras pequenas o erro do valor de Qui quadrado é alto e, portanto, o teste não é recomendável.

Ronald Fisher apresentou outro teste que permite calcular a probabilidade de associação das
características que estão em análise, ou seja, a probabilidade de tais características serem
independentes, quando o número total de dados é pequeno .
Assim, em amostras pequenas deve-se executar esse teste, pois produz erro menor que o teste de Qui
Quadrado.

Apesar do assunto ser um pouco controverso, de modo geral usa-se o Teste exato de Fisher quando:

o valor de N < 20 ou

20 < N < 40 e a menor freqüência esperada for menor que 5.

A análise do teste de Fisher é feita como a de

P
GL / P 0,99 0,95 0,90 0,80 ... 0,05 0,02 0,01
1 . . . . . . . ..
2 . . . . . . . ..
... . . . ..
Os desvios não são significativos. Os desvios são significativos.
. As variáveis estudadas são independentes. As variáveis não são independentes. A asso
A associação entre as variáveis é devida ao acaso. as variáveis estudadasnão é devida ao acas

A probabilidade calculada será igual ao produto dos fatoriais dos totais marginais pelo fatorial do total
geral multiplicado pelo inverso do produto dos fatorais dos valores observados em cada classe.

Para facilitar, identifiquemos as células por letras.

A probabilidade de dependência das duas amostras será definida por:

P = [( G! H! E! F! ) / I! ] x [1 / ( a! c! b! d! )]

1. Se houver célula com o valor zero

Exemplo
Supondo a presença de uma determinada enzima em pessoas submetidas a uma reação sorológica:
Reação Enzima Total
Presente Ausente
+ 5a 1c 6G
- 0b 3d 3H
Total 5E 4F 9I

P = [( G! H! E! F! ) / I! ] x [1 / ( a! c! b! d! )]
P = [(6! 3! 5! 4!) / 9! ] x [1 / (5! 1! 0! 3!)] = 0,0476 = 4,76%

Como esse valor é menor que 5% a hipótese das características serem independentes é rejeitada, dizendo-se que a sua
associação não é casual.

2. Se não houver célula com o valor zero

Deve-se:

a. calcular a probabilidade identicamente ao escrito acima

b. construir outra tabela 2x2, subtraindo-se uma unidade dos valores da diagonal que contiver o menor número de casos
e adicionando essa unidade aos valores das caselas da outra diagonal
c. calcular novamente a probabilidade
d. esse processo continuará até que se atinja o valor 0
e. somar todas as probabilidades calculadas

Exemplo
Supondo que os valores obtidos sejam:

Reação Enzima Total

Presente Ausente
+ 5 3 8
- 2 5 7
Total 7 8 15

Calcularíamos
Total
 5 3 8 P = (8! 7! 7! 8! / 15!) (1 / 5! 3! 2! 5!)
2 5 7 P = 0,1828
Total 7 8 15
.
6 2 8 P = (8! 7! 7! 8! / 15!) (1 / 6! 2! 1! 6!)
1 6 7 P = 0,0305
Total 7 8 15
.
7 1 8 P = (8! 7! 7! 8! / 15!) (1 / 0! 7! 1! 7!)
0 7 7 P = 0,0012
Total 7 8 15

P = 0,1828 + 0,0305 + 0,0012 = 0,2145 = 21,45 %

Nesse caso, como o valor encontrado de P é maior que 5%, a hipótese das características serem independentes é aceita,
dizendo-se que a sua associação é casual.
Observação: Em tabelas com mais de 2 colunas ou 2 linhas, ou seja, quando G.L. > 1, pode-se utilizar o teste de se o
número de caselas com freqüência esperada inferior a 5 é menor que 20% do total de caselas e nenhuma freqüência
esperada for zero.

Para facilitar os cálculos utilize uma planilha especial:

Teste Exato de Fisher em tabelas 2 x 2

Copie a planilha comprimida em formato xls ou em ods

Heterogeneidade entre amostras

Pode-se testar se amostras diferentes em uma série de experimentos semelhantes são homogêneas ou não.

Nesse caso, calcula-se o de cada amostra e o do total delas ( ).

Depois, soma-se os obtidos para cada amostra ( ) e da soma se subtrai o valor obtido para o total de qui quadrados

( ).
O valor final obtido é o de heterogeneidade.

Exemplo
Em 3 amostras de filhos de casais MN, obteve-se:

Amostras MM MN NN Total
Belém - PA 19 38 23 80
Maceió - AL 18 25 17 60
São Carlos - SP 8 23 9 40
Total 45 86 49 180
Proporções esperadas 1/4 1/2 1/4
Pergunta-se: As amostras são homogêneas?
Nesse caso, deve-se calcular o para cada amostra, a partir de proporções esperadas (MM = 1/4, MN =
1/2 e NN = 1/4), obtendo-se:

Amostras GL
Belém - PA (19-20)2 /20 + (38-40)2 /40 + (23-20)2 /20 0,600 2
Maceió - AL (18-15)2 /15 + (25-30)2 /30 + (17-15)2 /15 1,700 2
São Carlos - 0,950
( 8-10)2 /10 + (23-20)2 /20 + ( 9-10)2 /10 2
SP
Total (45-45)2 /45 + (86-90)2 /90 + (49-45)2 /45 0,534 2

Para obter a basta somar os valores de obtidos em cada classe e os seus G.L.:

0,600 + 1,700 + 0,950 = = 3,250 e GL = 2 + 2 + 2 = 6.

E, então, subtrair de
3,250 - 0,534 = 2,716 e GL = 6 - 2 = 4. Portanto, = 2,716.
Na tabela verifica-se que crítico = 9,488.
Conclui-se que como o valor de calculado é menor que o de aceita-se que os desvios são devidos ao acaso, não sendo
significativos. Portanto as amostras são homogêneas.

Teste de hipóteses e a distribuição de Poisson

Quando se quer provar se os dados de uma mostra seguem a distribuição de Poisson deve-se:

reunir em uma única classe as que tiverem valores esperados menores que 5
calcular os esperados segundo a distribuição de Poisson

Número de vezes em que o evento ocorre: 0 1 2 3 4

u u 2 u 3 u
Números esperados de amostras n/e nu/e nu /2.e nu 1/2.3.e nu41/2.3.4.eu

calcular a parcela de , ou seja [(o-e)2 /e] referente a cada classe

GL = número de classes - 2 ( o total e a média da amostra)

Exemplo
Foram observados os seguintes números de tripanossomos em 128 campos de um hemocitômetro

Tripanossomos Freq. Obs. Freq. Esp.

0 26 21,9

1 37 38,7

2 31 34,1

3 18 20,1

4 10 8,9

5 3| 3,1 |

6 3|6 0,9 | 4,3

7 0| 0,2 |

>7 0| 0,1 |

Total 128

Portanto, os dados resultaram em

Tripanossomos Freq. Obs. Freq. Esp. (o-e)2 /e

0 26 21,9 0,768

1 37 38,7 0,075

2 31 34,1 0,282

3 18 20,1 0,219

4 10 8,9 0,136

>5 6 4,3 0,672

Total 128 128,0

= 2,152

GL = 6 - 2 = 4 e crítico = 9,488.

Como o encontrado é menor que o crítico conclui-se que os desvios não são significativos.
Portanto, pode-se aceitar que o número de tripanossomos encontrado segue a distribuição de Poisson.

Métodos "simplificados" para cálculo em tabelas 2 por x

Até algumas décadas atrás, quando não se usava calculadoras ou computadores, eram utilizadas maneiras de efetuar
cálculos em alguns tipos de tabelas que facilitavam em muito a obtenção de resultados, por efetuarem menor número de
operações.

Assim, quase que só por curiosidade, alguns estão especificados aqui.