O que é necessário fazer com dados de uma distribuição contínua antes de aplicar o teste qui‑quadrado de aderência?

Agregá‑los em classes e calcular as frequências observadas e esperadas (com cada E_i ≥ 5).

Explicação completa:
O teste compara contagens por classe usando \( \chi^2=\sum_{i=1}^k\frac{(O_i-E_i)^2}{E_i}\).
Para que a aproximação pela qui‑quadrado seja válida, define‑se k intervalos, calcula‑se \(O_i\) e \(E_i\) pela distribuição teórica e pelo tamanho da amostra, garantindo \(E_i\ge5\); se necessário, combina‑se classes adjacentes.
Os graus de liberdade são \(k-1-p\), onde \(p\) é o número de parâmetros estimados.

Exemplo:
Suponha n=120 e teste de ajustamento a uma distribuição com parâmetros conhecidos, dividindo em k=4 classes com probabilidades esperadas iguais (0,25). Então \(E_i=120\times0{,}25=30\) para cada classe (≥5).
Se as frequências observadas forem \(O=(28,34,32,26)\), então
\( \chi^2=\dfrac{(28-30)^2+(34-30)^2+(32-30)^2+(26-30)^2}{30}=\dfrac{4+16+4+16}{30}=\dfrac{40}{30}\approx1{,}33.\)
Graus de liberdade: \(k-1-p=4-1-0=3\).
Se algum \(E_i<5\), combine classes antes de calcular \( \chi^2\).