Como já sabemos como são efetuado os cálculos, vamos utilizar uma função pronta do R.
d1 = matrix(c(28,45,1485,1406),ncol=2)
teste = chisq.test(d1,correct=F)
teste
##
## Pearson's Chi-squared test
##
## data: d1
## X-squared = 4.8229, df = 1, p-value = 0.02808
# conferindo na unha!
E = teste$expected
E
## [,1] [,2]
## [1,] 37.2635 1475.737
## [2,] 35.7365 1415.263
O = teste$observed
O
## [,1] [,2]
## [1,] 28 1485
## [2,] 45 1406
OmE = O - E
OmE
## [,1] [,2]
## [1,] -9.263495 9.263495
## [2,] 9.263495 -9.263495
OmE2 = OmE^2
OmE2
## [,1] [,2]
## [1,] 85.81234 85.81234
## [2,] 85.81234 85.81234
Omm = OmE2/E
Omm
## [,1] [,2]
## [1,] 2.302853 0.05814883
## [2,] 2.401252 0.06063348
qui = sum(Omm)
qui
## [1] 4.822887
pvalor = pchisq(qui,1,lower.tail=FALSE)
pvalor
## [1] 0.02808427
Como o p-valor é menor do que \(\alpha\), rejeita-se \(H_0\).
dad = matrix(c(11,70,538,464),ncol=2)
teste = chisq.test(dad,correct=F)
teste
##
## Pearson's Chi-squared test
##
## data: dad
## X-squared = 48.242, df = 1, p-value = 3.768e-12
Como o p-valor é menor do que \(\alpha\), rejeita-se \(H_0\).
Existe uma evidência significativa a favor da suspeita em vista dos resultados da amostra?