Como realizar um teste de ajuste do qui quadrado no excel

Um teste de ajuste qui-quadrado é usado para determinar se uma variável categórica segue ou não uma distribuição hipotética.

Este tutorial explica como realizar um teste de adequação do qui-quadrado no Excel.

Exemplo: teste de ajuste qui-quadrado no Excel

O dono de uma loja diz que um número igual de clientes vem à sua loja todos os dias da semana. Para testar esta hipótese, um investigador independente regista o número de clientes que entram na loja numa determinada semana e descobre o seguinte:

• Segunda-feira: 50 clientes
• Terça-feira: 60 clientes
• Quarta-feira: 40 clientes
• Quinta-feira: 47 clientes
• Sexta-feira: 53 clientes

Usaremos as etapas a seguir para realizar um teste de adequação do qui-quadrado para determinar se os dados são consistentes com a afirmação do proprietário da loja.

Passo 1: Insira os dados.

Primeiro, inseriremos os valores dos dados para o número esperado de clientes por dia em uma coluna e o número observado de clientes por dia em outra coluna:

Nota: Havia 250 clientes no total. Portanto, se o dono da loja espera que um número igual de clientes entre na loja todos os dias, ele esperaria ter 50 clientes por dia.

Etapa 2: Encontre a diferença entre os valores observados e esperados.

A estatística do teste qui-quadrado para o teste de adequação é X ² = Σ(OE) ² / E.

Ouro:

• Σ: é um símbolo sofisticado que significa “soma”
• O: valor observado
• E: valor esperado

A fórmula a seguir mostra como calcular (OE) ² /E para cada linha:

Etapa 3: Calcule a estatística do teste qui-quadrado e o valor p correspondente.

Por fim, calcularemos a estatística do teste Qui-quadrado, bem como o valor p correspondente usando as seguintes fórmulas:

Nota: A função Excel CHISQ.DIST.RT(x, deg_freedom) retorna a probabilidade correta da distribuição qui-quadrado associada a uma estatística de teste x e um certo grau de liberdade. Os graus de liberdade são calculados como n-1. Neste caso, graus_liberdade = 5 – 1 = 4.

Etapa 4: interprete os resultados.

A estatística de teste ^X2 para o teste é 4,36 e o valor p correspondente é 0,3595 . Como esse valor p não é inferior a 0,05, não rejeitamos a hipótese nula. Isso significa que não temos evidências suficientes para afirmar que a verdadeira distribuição dos clientes é diferente daquela relatada pelo lojista.