%==========================================================================================
% Estatística Computacional I                                         www.leg.ufpr.br/ce083
% Curso de Estatística - 2013/1
%                                                                      Prof. Walmes Zeviani
%                                                                         LEG - DEST - UFPR
%
% Aula 23                                                                      (09/07/2013)
%    * Edição de documentos em LaTex;
%==========================================================================================

\documentclass[12pt]{article} % classe do documento
\usepackage[brazilian,brazil]{babel} % definições de idioma
%\usepackage[utf8]{inputenc}  % para Linux
\usepackage[latin1]{inputenc} % para Windows
\usepackage[T1]{fontenc} % para usar o \hyphenation{}
\usepackage{amsmath}  % texto matemático
\usepackage{graphicx} % incluir figuras
\usepackage{mathpazo} % tipo de fonte
%\usepackage{times}
%\usepackage[top=2.5cm, left=2.5cm, right=2.5cm, bottom=2.5cm]{geometry} % tamanho das margens


\title{Teste $\chi^2$ de aderência}
\author{Chuck Norris\footnote{Acadêmico do Curso de Estatística, grr: 12345678.}
\and Arnold Schwarzenegger\footnote{Acadêmico do Curso de Estatística, grr: 87654321.}}

\hyphenation{dis-tri-bu-i-\c{c}\~{a}o va-ri-\'{a}-vel}

\begin{document}
\maketitle

\begin{abstract}
 O teste $\chi^2$ de aderência é considerado para testar a hipótese de que uma distribuição de
probabilidades as frequências de ocorrência de uma variável aleatória. O procedimento de aplicação
do teste será descrito e uma aplicação será apresentada.
\end{abstract}

\section{Motivação do teste}

Um tipo de problema frequentemente encontrado é o de não se conhecer a distribuição de
probabilidades de uma variável aleatória $X$. No entanto, uma vez observada essa variável aleatória
deseja-se testar a hipótese de que uma particular distribuição de probabilidades explica
satisfatoriamente a sua ocorrência. Em outras palavras, quer-se testar a adesão de uma distribuição
de probabilidades aos valores observados de uma variável aleatória.

\section{Procedimento de teste}

O procedimento para o teste requer que seja observada uma amostra aleatória de tamanho $n$ da
variável aleatória $X$. Essas observações são agrupadas em classes. Caso $X$ seja uma v.a.
qualitativa, os níveis observados são as classes. No caso de $X$ ser quantitativa pode-se agrupar
os dados em classe tal como se faz para construir um histograma.

Seja $O_i$ a frequência absoluta observada em cada uma das classes, $i=1,\ldots,k,$ em que $k$ é
o número total de classes. A partir da distribuição de probabilidade considerada no teste, ou
seja, aquela definida na hipótese nula ($H_0$: $X$ tem distribuição tal) aquela para qual
vamos aplicar o teste, calcula-se as frequências esperadas da v.a. $X$, $E_i$.

A estatística do teste é
\begin{equation}
 X_0^2 = \sum_{i=1}^{k} \frac{(O_i-E_i)^2}{E_i}.
\end{equation}
No caso de $H_0$ ser verdadeira, $X_0^2$ tem distribuição $\chi^2$ com $k-1-p$ graus de liberdade.
O número de parâmetros estimados sob $H_0$ é representado por $p$. A distribuição da estatística
sob $H_0$ é cada mais parecida com a de referência a medida que o tamanho da amostra aumenta.
Rejeita-se $H_0$ quando o valor calculado da estatística for superior ao valor crítico
$\chi^2_\alpha$ para um nível de significância nominal pré-estabelecido $\alpha$.

Sugere-se que classes com frequência esperada, $E_i$, menor ou igual a 5 sejam combinadas com
classes adjacentes de forma que, após serem combinadas, tenham $E_i>5$.

\section{Aplicação do teste}

Para se demonstrar a aplicação do teste serão considerados dados sobre o número de defeitos
em placas de circuíto impresso. Existe uma forte sustentação teórica relacionada ao processo
gerador dos dados que indica que a distribuição do número de defeitos seja Poisson sob certas
circustâncias. Deseja-se testar a aderência da distribuição Poisson. A frequência absoluta
observada de defeitos está na tabela abaixo onde o número de classes é $k=4$.

\begin{center}
\begin{tabular}{cc}
\hline
Número de defeitos ($x_i$) & Frequência observada ($O_i$)\\
\hline
0  & 32\\
1  & 15\\
2  & 9\\
3  & 4\\
\hline
\end{tabular}
\end{center}

Sob a hipótese $H_0$ dos dados terem distribuição Poisson tem-se que calcular as frequências
esperadas, $E_i$. No entanto, precisa-se estimar o parâmetro $\lambda$, com isso $p=1$.
A estimativa de $\lambda$ é obtida por
\begin{equation}
 \hat{\lambda} = \frac{\sum_{i=1}^{k} x_i\cdot O_i}{\sum_{i=1}^{k} O_i} = 0.75.
\end{equation}
Assim, os valores esperados são calculados por meio da função de probabilidades da distribuição
Poisson. Assim
\begin{align*}
 E_1 &= n \Pr(X=0) = 60\cdot \frac{\exp\{-0.75\}\, 0.75^0}{0!} = 28.32\\
 E_2 &= n \Pr(X=1) = 60\cdot \frac{\exp\{-0.75\}\, 0.75^1}{1!} = 21.24\\
 E_3 &= n \Pr(X=2) = 60\cdot \frac{\exp\{-0.75\}\, 0.75^2}{2!} = 7.98\\
 E_4 &= n \Pr(X\geq 3) = 60 (1-\Pr(0)-\Pr(1)-\Pr(2)) = 2.46
\end{align*}

A figura \ref{fig:freqs} representa as frequências observadas e esperadas para o número de defeitos
em placas de circuíto impresso.

\begin{figure}[!p]
 \centering
 \includegraphics{./frequencias.pdf}
 \caption{Frequências observadas e esperadas para o número de defeitos em placas de circuíto
impresso.}
 \label{fig:freqs}
\end{figure}

\begin{figure}[!p]
 \centering
 \includegraphics{./curvateste.pdf}
 \caption{Função densidade da distribuição qui-quadrado com 1 grau de liberdade. Linhas verticais
representam o valor crítico e da estatística calculada do teste.}
 \label{fig:curvas}
\end{figure}

Como o número esperado da quarta classe foi menor que 5, está será combinada com a terceira classe.
Então temos a seguinte tabela com frequências observadas e esperadas.

\begin{center}
\begin{tabular}{ccc}
\hline
$x_i$ & $O_i$ & $E_i$\\
\hline
0  & 32 & 28.32\\
1  & 15 & 21.24\\
2+  & 9  & 10.44\\
\hline
\end{tabular}
\end{center}

A estatística do teste é calculada por
\begin{equation}
 X_0^2 = \frac{(32-28.32)^2}{28.32}+\cdots+\frac{(13-10.44)^2}{10.44} = 2.94.
\end{equation}
O grau de liberdade é $k-1-p = 1$ e o valor correspondente para $\alpha = 0.05$ é $\chi_{1}^2
=3.84$. Uma vez que $X_0^2 \leq \chi_1^2$ não rejeitamos $H_0$ de que a distribuição do número de
defeitos em placas de circuíto impresso seja Poisson. A figura \ref{fig:curvas} ilustra a
distribuição de referência com a posição do valor crítico e da estatística calculada do teste.

\pagebreak
\section{Sistematização do procedimento}

A seguir a sequência de etapas de descreve de forma objetiva (ou procedural) a aplicação do teste
$\chi^2$ de aderência.

\begin{enumerate}
 \item Defina um nível nominal de significância $0<\alpha<1$;
 \item Defina uma distribuição de probabilidade em $H_0$ para $X$;
 \item Observe uma amostra aleatória de tamanho $n$ de $X$;
 \item Classifique os valores observados em $k$ classes e obtenha as frequências observadas $O_i$;
 \item Sob $H_0$ obtenha as frequências esperadas $E_i$. Combine classes adjacentes de forma que
$E_i>5\; \forall\; i$. Denote por $p$ o número de parâmetros estimados para obter $E_i$.
 \item Encontre o valor crítico, $\chi_\alpha^2$, correspondente à $\alpha$ na distribuição
qui-quadrado com $k-1-p$ graus de liberdade;
 \item Calcule a estística do teste
 $$  X_0^2 = \sum_{i=1}^{k} \frac{(O_i-E_i)^2}{E_i}; $$
 \item Rejeite $H_0$ se $X_0^2 > \chi_\alpha^2$, caso contrário aceite.
\end{enumerate}

\section{Considerações finais}

Para um bom desempenho do teste, ou seja, operar com o nível nominal de significância estabelecido,
supoe-se que a amostra seja grande e que os valores esperados sejam maiores que 5. No \textsf{R}
pode-se usar a função \texttt{chisq.test()} para aplicar esse teste.

\begin{thebibliography}{99}

\bibitem{mont} Montgomey, D. C. \textbf{Estatística aplicada e probabilidade para engenheiros}. 4
ed., LTC, 2007, 493 p.

\end{thebibliography}

  
\end{document}