Probabilidade e estatística · Teste do qui-quadrado

Teste do qui-quadrado

O teste do qui-quadrado verifica se as frequências de ensaios independentes se afastam demasiado das previstas por uma hipótese. Soma (O − E)²/E nas k categorias e compara o total X² com uma distribuição do qui-quadrado com k − 1 graus de liberdade.

O teste do qui-quadrado neste gráfico

Lance um dado de kk faces NN vezes, sendo cada lançamento independente dos restantes. Conte quantas vezes sai cada face para obter as frequências observadas O1,…,OkO_1, \dots, O_k. Se o dado for equilibrado, a frequência esperada por face é E=N/kE = N/k. A estatística do qui-quadrado X2=∑(O−E)2/EX^2 = \sum (O - E)^2/E soma, para cada face, o quadrado do desvio em relação a EE dividido por EE. Se o dado for equilibrado e houver lançamentos suficientes, X2X^2 segue aproximadamente uma distribuição do qui-quadrado com k−1k - 1 graus de liberdade. O valor p é a área sob a curva à direita do X2X^2 observado. As barras amarelas mostram as frequências; o traço escuro marca EE. A curva aparece por baixo.

Por que se divide cada parcela por E

Uma frequência observada que ultrapasse a esperada em 9 é surpreendente quando E=10E = 10 e quase impercetível quando E=1000E = 1000. A amplitude da variação aleatória cresce com a frequência. Num dado equilibrado, a variância de cada frequência é E(1−1/k)E(1 - 1/k), próxima de EE. Dividir o quadrado do desvio por EE põe todas as faces na mesma escala. Uma parcela próxima de 1 representa uma flutuação normal. Elevar ao quadrado dá muito peso a uma face com um grande desvio: no exemplo de seis faces, os dezanove seis contribuem com 8.1 para o total X2=11.2X^2 = 11.2.

Porquê k − 1 graus de liberdade?

As frequências têm de somar NN, pelo que os desvios O−EO - E somam sempre 0: conhecendo k−1k - 1 deles, o último fica determinado. Num dado equilibrado, a média de X2X^2 é exatamente k−1k - 1. Assim, o mesmo X2X^2 é menos invulgar quando há mais faces: 11.2 ultrapassa o valor crítico a 5% para seis faces (p ≈ 0.048), mas é comum para doze (p ≈ 0.43). A interpretação do valor p é explicada em Testes de hipóteses e valores p.

Quando é fiável a curva?

Com um dado equilibrado, X2X^2 só pode assumir certos valores. A sua distribuição real é, pois, um conjunto de picos separados; a curva do qui-quadrado é a forma suave da qual se aproximam à medida que NN aumenta. Repetir a série com um dado equilibrado permite estimar diretamente a verdadeira probabilidade da cauda. Com frequência esperada 10 por face, a estimativa aproxima-se da curva; com apenas 6 lançamentos, já não. Uma regra prática habitual sugere frequências esperadas de pelo menos cerca de 5. Por outro lado, multiplicar cada frequência por dez multiplica X2X^2 por dez: com lançamentos independentes suficientes, até um pequeno desvio se torna estatisticamente significativo. X2X^2 mede a evidência contra o equilíbrio do dado, não o grau de desequilíbrio. Um valor p grande indica apenas que estas frequências não bastam para demonstrar um desequilíbrio.

Aspetos a observar

  • Se a hipótese atribuir às categorias probabilidades diferentes pip_i, as frequências esperadas são Ei=NpiE_i = N p_i e o restante procedimento é o mesmo.

Controlos

  • Prima ou arraste acima de uma face para definir a sua frequência. Se premir o número sob o eixo, apenas seleciona a face.

Temas relacionados