Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.)

Transcrição

1 Testes χ 2 de ajustameto, homogeeidade e idepedêcia Testes χ 2 (cot.) Os testes χ 2 cosiderados este último poto do programa surgem associados a dados de cotagem. Mais cocretamete, dados que cotam o úmero de observações que recaem em várias categorias (defiidas a partir de um ou mais factores). Pode pesar-se que se tem uma (ou mais) variável resposta categórica (factor), e que os dados são a frequêcia com que se observa cada um dos íveis desse factor. O objectivo dos testes que agora se estudam é comparar essas cotages observadas com as cotages que seriam esperadas ao abrigo de alguma hipótese. A maior ou meor proximidade global etre cotages observadas e esperadas serve para testar a hipótese subjacete aos valores esperados. Apesar de terem um fudo comum, os testes agora estudados aplicam-se em cotextos diferetes. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Testes χ 2 para k categorias Testes χ 2 para k categorias (cot.) Cosiderem-se observações idepedetes que podem recair uma de k categorias. Seja O i o úmero de observações a categoria i. : Cosidere-se uma avaliação da qualidade duma liha de produção de embalages de 6 latas de cerveja. Para cada embalagem, cosidere-se o úmero de latas que ão passam o cotrolo de qualidade. Temos k = 7 categorias, associadas ao úmero de latas impróprias. Em = 200 embalages, cota-se o úmero O i de embalages com i (i {0,1,2,3,4,5,6}) latas que ão passam o cotrolo. Foram obtidos os seguites valores: No. latas impróprias No. embalages Cosidere-se uma hipótese que associa a cada uma das k categorias uma probabilidade p i. Ao abrigo dessa hipótese, o úmero esperado de observações a categoria i seria E i = p i. : No cotexto do exemplo aterior, cosidere-se a hipótese de que o úmero de latas impróprias em cada embalagem segue uma distribuição Biomial, de parâmetros B(6, 0.04) J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Testes χ 2 para k categorias (cot.) Ao abrigo desta hipótese, e tedo em cota que a probabilidade de haver i latas impróprias uma embalagem de 6 latas será dada por: ( ) 6 p i = 0.04 i i, i tem-se E i = 200 p i e: i p i E i comparado-se com os valores observados: O i A distribuição observada é compatível com a distribuição esperada? A estatística de Pearso No cotexto agora descrito, Pearso mostrou que a estatística X 2 = k (O i E i ) 2 E i=1 i segue assitoticamete uma distribuição χ 2 k 1. NOTA: a subtracção de um grau de liberdade vem de existir uma restrição ao úmero de observações em cada categoria, uma vez que a sua soma tem de ser. Logo, há apeas k 1 valores observados livres. Defiido a hipótese ula como a hipótese que gerou os valores esperados E i tem-se uma Região Crítica uilateral direita, ou seja: Rejeita-se H 0 (hipótese subjacete aos E i ) se X 2 calc > χ2 γ;k 1. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429

2 A estatística de Pearso (cot.) Assitoticamete sigifica para grades amostras, mas há critérios diferetes para quado se cosidera a aproximação adequada. Um critério, sugerido por Cochra, é: ehum E i iferior a 1; ão mais do que 20% dos E i s iferiores a 5. Caso estas codições ão se verifiquem, podem-se agrupar classes de forma a satisfazer o critério. Seguido o critério de Cochra, o exemplo aterior será ecessário agrupar as classes correspodetes a 2 ou mais latas impróprias, obtedo-se a ova tabela: i p i E i O i A estatística de Pearso calculada tem valor: X 2 = Numa distribuição χ3 1 2 o limiar da região crítica ao ível γ = 0.05 é 5.991, pelo que se rejeita a hipótese de a distribuição subjacete ser a referida. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Pearso com a estimação de parâmetros Caso o cálculo dos valores esperados ao abrigo da hipótese de referêcia exija a estimação de um ou mais parâmetros (ou seja, a hipótese ula está icompletamete especificada), é ecessário retirar um grau de liberdade à distribuição χ 2 por cada parâmetro estimado. : No caso que tem vido a ser cosiderado, admita-se que o úmero de latas impróprias por embalagem segue uma distribuição Biomial B(6, q), mas com parâmetro q descohecido. Só é possível calcular os valores esperados E i admitido um valor para a probabilidade de êxito uma lata (q). Uma forma de o fazer será recordar que X B(m,q) E[X] = mq, e usar a média amostral para estimar q. Com base os dados, o úmero médio de latas impróprias por embalagem, as 200 embalages, é Como m = 6, tem-se ˆq = 0.36/6 = J. Cadima (ISA) Estatística e Delieameto / 429 Agora, a probabilidade estimada de haver i latas impróprias uma embalagem de 6 latas será dada por: ( ) 6 ˆp i = 0.06 i i, i e tem-se Êi = 200 ˆp i. Recostruido a tabela para uma Biomial B(6, 0.06), tem-se: i p i Ê i comparado-se com os (mesmos) valores observados: O i J. Cadima (ISA) Estatística e Delieameto / 429 Pearso com estimação de parâmetros (cot.) Sedo ecessário estimar r parâmetros, a estatística X 2 = k (O i Êi) 2 i=1 Ê i segue assitoticamete uma distribuição χ 2 k 1 r. Defiido a hipótese ula como hipótese que (após a estimação de parâmetros) gerou os valores esperados estimados Êi Defie-se uma Região Crítica uilateral direita, ou seja: Rejeita-se H 0 (hipótese subjacete aos Êi) se X 2 calc > χ2 γ;k 1 r (cot.) De ovo, utilizado o critério de Cochra para garatir a qualidade da aproximação assitótica à distribuição χ 2, tem-se: i p i Ê i O i A estatística de Pearso calculada tem valor: X 2 = Numa distribuição χ o limiar duma região crítica ao ível γ = 0.05 é 3.841, pelo que ão se rejeita a hipótese de a distribuição subjacete ser Biomial (em particular, B(6, 0.06)). J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429

3 O teste χ 2 como teste de ajustameto Os exemplos que acabámos de cosiderar mostram como o teste χ 2, baseado a estatística de Pearso, pode ser usado como um teste de ajustameto duma amostra a uma dada distribuição de probabilidades. No exemplo cosiderado, tratava-se duma distribuição discreta (a Biomial). Para outras distribuições discretas (Poisso, Geométrica, Biomial Negativa) pode proceder-se de forma aáloga. No caso de distribuições cotíuas, o teste pode aida ser utilizado, mas tora-se ecessário defiir classes de valores para a distribuição, cotado-se o úmero de observações da variável que recaem em cada classe. Teste χ 2 de homogeeidade Admita-se agora uma geeralização da questão discutida ates: classificam-se observações em várias categorias, mas repete-se o procedimeto para amostras extraídas de várias populações. Admita-se que: há a populações, que costituem os íveis de um factor A; as observações de cada população são classificadas em uma de b categorias, que defiem os íveis dum factor B. No caso de se preteder testar a Normalidade, é preferível utilizar outro teste, já estudado a disciplia de Estatística do primeiro ciclo: o teste de Shapiro-Wilks. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Nos solos duma dada região foi assialada a preseça de larvas de 4 espécies de isectos que afectam as pricipais culturas da região. Pretede-se ivestigar se as frequêcias relativas das espécies são ou ão iguais cosoate o tipo de solos. Classificaram-se os solos em três tipos: areosos, limosos e argilosos (Factor A, com a=3 íveis). Em cada tipo de solos foram recolhidas 100 larvas, e classificadas de acordo com a respectiva espécie (Factor B, com b=4 íveis). (cot.) Feita a classificação das larvas, obtiveram-se os seguites resultados: Espécie de larva Total Tipos Areosos de Limosos solos Argilosos Total A liha fial, com as frequêcias absolutas.j de cada tipo de larva, represeta uma base para estimar o que serão as probabilidades de cada tipo de larva, caso haja uma úica distribuição pelas espécies, comum aos três tipos de solo. A probabilidade estimada da espécie j será ˆp.j =.j, ou seja: ˆp.1 = = 0.20 ˆp.2= = 0.31 ˆp.3= = 0.19 ˆp.4= = 0.30 J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 (cot.) Uma vez que em cada tipo de solo há i. = 100 observações, o úmero esperado de observações a célula (i,j) é dado por Ê ij = i. ˆp.j = i..j A tabela com os valores esperados estimados etre pareteses: Espécie de larva Total Tipos Areosos 27 (20) 24 (31) 23 (19) 26 (30) 100 de Limosos 20 (20) 32 (31) 18 (19) 30 (30) 100 solos Argilosos 13 (20) 37 (31) 16 (19) 34 (30) 100 Total Etre as observações de célula O ij e os correspodetes valores esperados estimados (Êij), existe cocordâcia suficiete para admitir que as distribuições de frequêcias de espécies são aálogas os três tipos de solos? J. Cadima (ISA) Estatística e Delieameto / 429 Tabelas de cotigêcia Geeralizado, sejam dadas observações que são classificadas de acordo com dois diferetes factores. Chama-se tabela de cotigêcia a uma tabela com o úmero O ij de observações em cada célula (i,j) (ível i do factor A e j do factor B): Níveis do Níveis do Factor B Margial Factor A b de A 1 O 11 O 12 O 13 O 1,b 1 2 O 21 O 22 O 23 O 2,b 2 3 O 31 O 32 O 33 O 3,b 3... a O a1 O a2 O a3 O a,b a Margial de B b J. Cadima (ISA) Estatística e Delieameto / 429

4 Testes de homogeeidade No cotexto de testes de homogeeidade, associados ao exemplo das larvas, o úmero de observações em cada ível de um factor foi previamete fixado (o osso caso, os totais de liha, i. ). Admitido que se trata dos totais de liha (íveis do factor A), tal facto impõe a restrições. A ecessidade de estimar as probabilidades dos íveis do outro factor (o osso caso, as probabilidades de espécie, ou seja as probabilidades margiais de colua) impões mais b 1 restrições. (NOTA: Não são b restrições pois a soma dos ˆp i tem de ser 1, logo estimar b 1 probabilidades determia a última estimativa.) Assim, ao todo foram impostas a + b 1 restrições. A estatística de Pearso em testes de homogeeidade No cotexto agora descrito, a estatística de Pearso tem a forma X 2 = a b i=1 j=1 (O ij Êij) 2 e segue assitoticamete uma distribuição χ(a 1)(b 1) 2, uma vez que ab (a + b 1) = (a 1)(b 1) Defiido a hipótese ula como homogeeidade a distribuição das amostras de cada população (a hipótese que gerou os valores esperados Êi) tem-se uma Região Crítica uilateral direita, ou seja: Rejeita-se H 0 se X 2 calc > χ2 γ;(a 1)(b 1). Ê ij J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 A estatística de Pearso calculada o exemplo das larvas tem valor X 2 calc = Este valor calculado deve ser comparado com o valor que, uma distribuição χ6 2 (pois (a 1)(b 1) = 2 3 = 6), deixa à direita uma região de probabilidade γ = 0.05: χ (6) = Como X 2 calc < χ2 0.05(6) ão se rejeita H 0: admite-se a homogeeidade das distribuições de espécies de larva, os três tipos de solos. Tal como os casos ateriores, pode ser ecessário agrupar classes do factor B, caso o úmero esperado de observações algumas classes seja demasiado baixo. Neste exemplo, esse agrupameto ão foi ecessário. Testes χ 2 com totais de marges livres Nos testes de homogeeidade acabados de aalisar, uma das marges da tabela de cotigêcias tem os úmeros totais de observações fixos. Mas outros cotextos podem existir, etre os quais o de tabelas de cotigêcia ode apeas se fixa o úmero total de observações, sedo essas observações livres de recair em qualquer das ab células defiidas pelos íveis de dois factores, A e B. Como em casos ateriores, pode-se testar uma hipótese a que correspodam valores esperados de células, E ij, comparado esses valores esperados com os valores efectivamete observados em cada célula, O ij, utilizado um teste baseado a estatística χ 2 de Pearso. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Testes χ 2 de idepedêcia A mais frequete das hipóteses, o cotexto das marges de lihas e coluas duma tabela de cotigêcias serem livres, é o teste à idepedêcia etre os dois factores que defiem as marges da tabela. Recorde-se que falamos em idepedêcia quado as probabilidades cojutas são dadas pelo produto das probabilidades margiais: ode p ij = p i. p.j, i,j p ij idica a probabilidade duma observação recair a célula (i,j); p i. idica a probabilidade margial duma observação recair o ível i do factor A (seja qual fôr o ível do outro factor); p.j idica a probabilidade margial duma observação recair o ível j do factor B (seja qual fôr o ível do outro factor); J. Cadima (ISA) Estatística e Delieameto / 429 Testes χ 2 de idepedêcia (cot.) Caso se verifique a idepedêcia, o úmero esperado de observações a célula (i,j) é dado por: E ij = p ij = p i. p.j i,j. É possível estimar as probabilidades margiais a partir das frequêcias relativas margiais (como foi feito os testes de homogeeidade, para o factor B): ˆp i. = i. ˆp.j =.j, i = 1,2,...,a, j = 1,2,...,b, ode é o úmero total de observações (fixo), i. é o úmero (livre) de observações o ível i do factor A e.j é o úmero (livre) de observações o ível j do factor B. J. Cadima (ISA) Estatística e Delieameto / 429

5 Testes χ 2 de idepedêcia (cot.) Assim, caso se verifique a idepedêcia, o úmero esperado estimado de observações a célula (i,j) é: Ê ij = ˆp ij = ˆp i. ˆp.j = i. Foram estimadas:.j = i..j a 1 probabilidades margiais do factor A (a última tem de dar a soma 1); e b 1 probabilidades margiais do factor B. Jutamete com, i,j. 1 restrição imposta pelo úmero total fixo de observações (), tem-se um total de (a 1) + (b 1) + 1 = a + b 1 restrições. Testes χ 2 de idepedêcia (cot.) Estes valores esperados estimados serão comparados com os valores observados, O ij, em cada uma das ab células, com base a estatística de Pearso. NOTA: Repare-se que, embora com motivações diferetes, as expressões de cálculo dos Êij são iguais, os testes de homogeeidade e os testes de idepedêcia; e o úmero de restrições impostas é igual os dois tipos de teste. Logo, a estatística X 2 de Pearso terá uma expressão idêtica, e uma distribuição assitótica idêtica, quer os testes de homogeeidade, quer os testes de idepedêcia. Mas importa ão perder de vista que se trata de cotextos diferetes, com hipóteses de referêcia diferetes e coclusões diferetes. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Testes χ 2 de idepedêcia (cot.) No cotexto de testes de idepedêcia, a estatística de Pearso tem a forma ( ) X 2 a b (O ij = Êij) 2 a b O ij i. 2.j = Ê ij i=1 j=1 i=1 j=1 e segue assitoticamete uma distribuição χ 2 (a 1)(b 1). Defiido a hipótese ula como idepedêcia etre os dois factores tem-se uma Região Crítica uilateral direita, ou seja: Rejeita-se H 0 se X 2 calc > χ2 γ;(a 1)(b 1). i..j Um estudo de = 6800 alemães do sexo masculio aalisou a côr do cabelo e a côr dos olhos de cada idivíduo. Os resultados foram: Cabelo Olhos Louro Castaho Preto Ruivo Total Azuis Ciz./Verde Castahos Total Pretede-se testar se existe idepedêcia etre as características côr do cabelo e côr dos olhos. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Um exemplo (cot.) As frequêcias margiais de liha dão estimativas das probabilidades margiais de cada côr de olhos (ˆp i. = i. ): ˆp 1 = = ˆp 2 = = ˆp 3 = = De forma aáloga se obtêm estimativas das probabilidades margiais de côres de cabelo (ˆp.j =.j ): ˆp 1 = = ˆp 2 = = ˆp 3 = = ˆp 4 = = Os valores esperados estimados em cada célula, caso haja idepedêcia, são dados por: Ê ij = ˆp ij = ˆp i. ˆp.j = 6800 ˆp i. ˆp.j. Por exemplo, Ê11 = = J. Cadima (ISA) Estatística e Delieameto / 429 Um exemplo (cot.) A tabela com os valores esperados (estimados) etre pareteses é: Cabelo Olhos Louro Castaho Preto Ruivo Total Azuis 1768 ( ) 807 ( ) 189 (505.57) 47 (47.95) 2811 Ci./Verde 946 ( ) 1387 ( ) 746 (563.30) 53 (53.43) 3132 Castahos 115 (356.54) 438 (331.71) 288 (154.13) 16 (14.62) 857 Total A estatística de Pearso será etão: X (O ij = Êij) 2 = i=1 j=1 Ê ij ( )2 ( ) = O p-value deste valor uma distribuição χ6 2 é quase ulo (< ), pelo que, como seria de esperar, se rejeita de forma clara a hipótese de idepedêcia. J. Cadima (ISA) Estatística e Delieameto / 429

6 Aalisado as parcelas da estatística Aida o exemplo de teste de idepedêcia Em qualquer dos cotextos cosiderados, a região de rejeição é uilateral direita, isto é, são os valores grades da estatística que rejeitam a hipótese ula, um teste baseado a estatística de Pearso. Como a estatística X 2 de Pearso é uma soma de parcelas ão-egativas, ao logo de todas as categorias defiidas pelo factor (o caso dos testes de ajustametro iciais) ou pelo cruzameto dos íveis de cada factor (o caso de testes de homogeeidade e/ou idepedêcia), é possível idetificar a(s) categoria(s) que cotribuem com as parcelas de maior valor e que são, por isso mesmo, maiormete resposáveis pela rejeição de H 0. As parcelas idividuais da estatística de Pearso, o caso do teste de idepedêcia acima referido, são: Cabelo Olhos Louro Castaho Preto Ruivo Azuis Ci./Verde Castahos Uma vez que χ0.05(6) 2 = , quase todas as combiações (excepto as referetes aos ruivos) são, só por si, resposáveis pela rejeição de H 0, com destaque para as associações de olhos azuis com cabelo louro e de olhos azuis com cabelo preto. J. Cadima (ISA) Estatística e Delieameto / 429 J. Cadima (ISA) Estatística e Delieameto / 429 Aida o exemplo da idepedêcia (cot.) No etato, o setido destas duas associações é diferete: para olhos azuis/cabelo louro, tem-se 1768 = O 11 > Ê11 = Trata-se duma associação positiva. para olhos azuis/cabelo preto, tem-se 189 = O 13 < Ê13 = Trata-se duma associação egativa. J. Cadima (ISA) Estatística e Delieameto / 429