diff --git a/Aulas/BE-testes-2medias-cap23-25.pdf b/Aulas/BE-testes-2medias-cap23-25.pdf
index 0928c22..b29f714 100644
Binary files a/Aulas/BE-testes-2medias-cap23-25.pdf and b/Aulas/BE-testes-2medias-cap23-25.pdf differ
diff --git a/Aulas/BE-testes-2medias-cap23-25.tex b/Aulas/BE-testes-2medias-cap23-25.tex
index 52104c1..98af8d9 100644
--- a/Aulas/BE-testes-2medias-cap23-25.tex
+++ b/Aulas/BE-testes-2medias-cap23-25.tex
@@ -174,11 +174,12 @@ \subsection{Revisão}
     \end{center}
 
     \bigskip
-    \small
+    \footnotesize
     O objetivo do estudo é providenciar evidências suficientes para rejeitar esta hipótese, ``provando'' assim a eficácia do tratamento.
   \end{block}
+  \bigskip
   \begin{exampleblock}{Exemplo}
-    \footnotesize
+    \scriptsize
     {\bf Hipótese do estudo:} um certo tratamento de fisioterapia diminui o tempo de recuperação após uma artroplastia total do joelho.
 
     \bigskip
@@ -188,11 +189,15 @@ \subsection{Revisão}
 
 \begin{frame}{\scriptsize Revisão: p-valor}
   \begin{block}{Conceito do p-valor}
+    \footnotesize
     Assumindo que não há efeito real (hipótese nula), e você observou uma aparente diferença...
 
     \bigskip
     \begin{block}{}
-      ... qual é a probabilidade de você ter observado essa diferença ao acaso?
+    \footnotesize
+    ... qual é a probabilidade de você ter observado essa diferença
+
+    {\bf ao acaso}?
     \end{block}
   \end{block}
 \end{frame}
@@ -200,7 +205,7 @@ \subsection{Revisão}
 \begin{frame}{\scriptsize Revisão: p-valor}
 \begin{block}{Interpretação do p-valor}
   \begin{itemize}
-    \footnotesize
+    \scriptsize
   \item Um valor pequeno para o p-valor (tipicamente $p \le 0.05$)
     representa forte evidência para rejeitar a hipótese nula, então
     deve-se rejeitá-la.
@@ -215,8 +220,9 @@ \subsection{Revisão}
   \begin{block}{}
     \small
     \begin{center}
-      Sempre apresente seu p-valor para que o leitor possa tirar suas
-      próprias conclusões.
+      Sempre apresente seu p-valor para que o leitor possa
+
+      tirar suas próprias conclusões.
     \end{center}
   \end{block}
 \end{block}
@@ -224,49 +230,94 @@ \subsection{Revisão}
 {\hfill \scriptsize Fonte: Rumsey, D. (Statistics for Dummies, 2nd ed.)}
 \end{frame}
 
-\begin{frame}{\scriptsize Revisão: Roteiro}
+\begin{frame}{\scriptsize Roteiro}
   \begin{enumerate}
-    \footnotesize
+    \scriptsize
   \item Cada teste usa uma distribuição de probabilidades
-    \medskip
+    \bigskip
   \item A região crítica é escolhida (bilateral ou unilateral?)
-    \medskip
+    \bigskip
   \item As estatísticas sumárias são calculadas a partir da amostra
-    \medskip
-  \item Estas são usadas para calcular uma estatística de teste
-    \medskip
-  \item A estatística de teste é o critério de decisão:
-    \begin{itemize}
+    \bigskip
+  \item Estas são usadas para calcular uma {estatística de teste}
+    \bigskip
+  \end{enumerate}
+  \begin{block}{\scriptsize Estatística de teste = critério de decisão}
+    \begin{center}
       \footnotesize
+      Comparada com um valor crítico da distribuição do teste
+
       \medskip
-    \item Ela é comparada com um valor crítico da distribuição do teste
-      \begin{center}
-        OU
-      \end{center}
-    \item {\bf Ela é usada para o cálculo do p-valor}
-    \end{itemize}
-  \end{enumerate}
+      OU
+
+      \medskip
+      {\bf Usada para o cálculo do p-valor}
+    \end{center}
+  \end{block}
+\end{frame}
+
+\begin{frame}{\scriptsize Estatística crítica vs estatística de teste}
+  \begin{itemize}
+    \footnotesize
+  \item A estatística crítica: quão extremo o valor observado é?
+
+    \smallskip
+    {\tiny Determinada pela formulação das hipóteses nula e alternativa}
+
+    \bigskip
+  \item A estatística de teste: qual é o valor observado a ser testado?
+
+    \smallskip
+    {\tiny Determinada pela amostra de estudo}
+  \end{itemize}
+\end{frame}
+
+\begin{frame}{\scriptsize Região crítica}
+  \begin{center}
+    \includegraphics[width=.8\textwidth]{Cap23-25/s-3-1_ex_two_tail}
+  \end{center}
+  % https://onlinecourses.science.psu.edu/statprogram/book/export/html/528
+
+  \begin{itemize}
+    \tiny
+%  \item $\alpha = 0.05$ (dividido em cada cauda da distribuição)
+  \item t crítico: $t^{*} = \pm 2.14479$ (bicaudal)
+  \item região crítica: $t < -2.14479$ ou $t > 2.14479$
+  % \item definidos pelas hipóteses nula e alternativa
+  \end{itemize}
 \end{frame}
 
 \section{Testes paramétricos para médias}
 
 \begin{frame}{\scriptsize Testes paramétricos}
   \begin{itemize}
-    \footnotesize
-  \item Existe uma infinidade de testes estatísticos (cada qual com sua hipótese nula)
+    \scriptsize
+  \item Existe uma infinidade de testes estatísticos
+
+    {\tiny (cada qual com sua hipótese nula)}
   \item São divididos em dois grandes grupos: paramétricos e não paramétricos
-  \item Os testes paramétricos assumem que a amostra vem de uma \alert{distribuição Normal}
-  \item Os testes não-paramétricos não presumem nenhuma forma para a distribuição dos dados
+    \bigskip
+  \item Os testes paramétricos assumem que a amostra
+
+    vem de uma \alert{distribuição Normal}
+  \item Os testes não-paramétricos não presumem nenhuma forma
+
+    para a distribuição dos dados
   \end{itemize}
+  \bigskip
   \begin{block}{Atenção}
-    Esta é uma escolha metodológica fundamental na análise, como veremos no futuro.
+    \footnotesize
+    Esta é uma escolha metodológica fundamental para a análise,
+
+    como veremos mais adiante.
   \end{block}
 \end{frame}
 
 \begin{frame}{\scriptsize Testes paramétricos}
   \begin{itemize}
     \footnotesize
-  \item Os testes paramétricos assumem que a amostra vem de uma \alert{distribuição Normal} \footnote{nunca é demais frisar}
+  \item Os testes paramétricos assumem que a amostra vem de uma \alert{distribuição Normal} \footnote{\tiny nunca é demais frisar}
+    \bigskip
   \item Hoje veremos o {\bf teste t} (de Student), aplicado em duas formas/contextos
   % \item Ele pode ser usado para um ou dois grupos de medições.
   \end{itemize}
@@ -295,6 +346,7 @@ \section{Testes paramétricos para médias}
     \large
     Já vimos o teste t para uma amostra.
 
+    \bigskip
     \bigskip
 
     Hoje veremos como usá-lo para duas amostras.
@@ -305,11 +357,14 @@ \subsection{Dois grupos independentes}
 
 \begin{frame}{\scriptsize Premissas}
   \begin{itemize}
-    \footnotesize
-  \item Os dois grupos foram coletados independentemente (inter-grupo)
-  \item Todas as observações em cada grupo são independentes entre si (intra-grupo)
+    \scriptsize
+  \item Os dois grupos foram coletados independentemente (intergrupo)
+    \bigskip
+  \item Todas as observações em cada grupo são independentes entre si (intragrupo)
+    \bigskip
   \item Todos os dados foram amostrados de populações Normalmente distribuídas (aprox.)
-  \item O DP das duas populações são idênticos \footnote{uma violação desta premissa não é grave - buscar aproximação de Welch.}
+    \bigskip
+  \item O DP das duas populações são idênticos \footnote{\tiny uma violação desta premissa não é grave -- buscar aproximação de Welch.}
   \end{itemize}
 \end{frame}
 
@@ -321,19 +376,18 @@ \subsection{Dois grupos independentes}
 
 \begin{frame}{\scriptsize Exemplo 1}
   \begin{exampleblock}{Exemplo 23.2}
-    \footnotesize
+    \scriptsize
     Motulsky, {\em et al.} (1983) investigaram se pessoas com hipertensão tem alteração nos níveis de receptores adrenérgicos $\alpha_2$ em suas plaquetas.
 
     \bigskip
-    {\footnotesize
-      Selecionaram 18 homens hipertensos, e 17 controles da mesma faixa etária.
-      Os resultados estão descritos como média $\pm$ SEM.
-    }
+    Selecionaram 18 homens hipertensos, e 17 controles da mesma faixa etária.
+    Os resultados estão descritos como média $\pm$ SEM.
 
     \begin{exampleblock}{}
       \footnotesize
       As plaquetas dos hipertensos tiveram 257 $\pm$ 14 receptores por plaqueta.
 
+      \smallskip
       As plaquetas dos controles tiveram 263 $\pm$ 21 receptores por plaqueta.
     \end{exampleblock}
     \bigskip
@@ -343,7 +397,7 @@ \subsection{Dois grupos independentes}
 
 \begin{frame}[fragile]{\scriptsize Saída típica de um programa}
   \begin{exampleblock}{Teste t, amostras independentes}
-    \scriptsize
+    \tiny
 \begin{verbatim}
 P value and statistical significance: 
   The two-tailed P value equals 0.8116 
@@ -375,6 +429,7 @@ \subsection{Dois grupos independentes}
     \begin{itemize}
     \footnotesize
     \item Grupo Hipertensos: contínua (mensuração)
+    \smallskip
     \item Grupo Controle: contínua (mensuração)
     \end{itemize}
   \end{block}
@@ -388,6 +443,7 @@ \subsection{Dois grupos independentes}
   \begin{itemize}
     \footnotesize
   \item Dependente: níveis de receptores (contínua)
+    \smallskip
   \item Independente: grupo (categórica binária)
   \end{itemize}
   \vfill
@@ -431,7 +487,7 @@ \subsection{Dois grupos pareados}
   \begin{itemize}
     \footnotesize
   \item Os pares amostrados aleatoriamente de uma mesma população (ou representativa)
-  \item Os participantes são pareados - o primeiro do grupo A com o primeiro do grupo B, etc.
+  \item Os participantes são pareados -- o primeiro do grupo A com o primeiro do grupo B, etc.
   \item Cada par é independente de todos os outros
   \item A distribuição das diferenças, na população, é Normalmente distribuída (aprox.)
   \end{itemize}
@@ -447,7 +503,7 @@ \subsection{Dois grupos pareados}
 
 \begin{frame}[fragile]{\scriptsize Saída típica de um programa}
   \begin{exampleblock}{Teste t, amostras pareadas}
-    \scriptsize
+    \tiny
 \begin{verbatim}
 	Paired t-test
 
@@ -506,9 +562,9 @@ \subsection{Exercício}
   \hfill {\footnotesize Fonte: Khan Academy}
 \end{frame}
 
-\begin{frame}[fragile]{\scriptsize Tabulação dos dados\footnote{Organizar os dados desta forma, permite usar os filtros do Excel.}}
+\begin{frame}[fragile]{\scriptsize Tabulação dos dados\footnote{\tiny Organizar os dados desta forma, permite usar os filtros do Excel.}}
   \begin{block}{Tabela de dados brutos}
-    \scriptsize
+    \tiny
 \begin{verbatim}
       Grupo     Perda
   1: Grupo1 12.184783
@@ -550,7 +606,7 @@ \subsection{Exercício}
   \end{enumerate}
 \end{frame}
 
-\begin{frame}{\scriptsize EDA\footnote{\scriptsize \url{https://en.wikipedia.org/wiki/Exploratory_data_analysis}}}
+\begin{frame}{\scriptsize EDA\footnote{\tiny \url{https://en.wikipedia.org/wiki/Exploratory_data_analysis}}}
   \begin{block}{Análise Exploratória de Dados (EDA)}
     \footnotesize
     Precisamos decidir a melhor metodologia a partir da análise descritiva.
@@ -607,8 +663,8 @@ \subsection{Exercício}
 
 \begin{frame}[fragile, label=t-indep]{\scriptsize Saída típica de um programa}
   \begin{block}{Teste t, amostras independentes}
-    \scriptsize
-    \begin{verbatim}
+    \tiny
+\begin{verbatim}
 	Two Sample t-test
 
 data:  Perda by Grupo
@@ -626,7 +682,7 @@ \subsection{Exercício}
 
 \begin{frame}[fragile]{\scriptsize Saída típica de um programa}
   \begin{block}{Teste t, amostras pareadas}
-    \scriptsize
+    \tiny
     \begin{verbatim}
 	Paired t-test
 
@@ -682,7 +738,7 @@ \subsection{Exercício}
 
 \begin{frame}[fragile]{\scriptsize Saída típica de um programa}
   \begin{block}{Teste t, amostras independentes, com correção de Welch}
-    \scriptsize
+    \tiny
 \begin{verbatim}
 	Welch Two Sample t-test
 
@@ -730,9 +786,9 @@ \subsection{Resumo}
   \begin{itemize}
     \footnotesize
   \item Testes paramétricos ({\footnotesize requer dados Normalmente distribuídos})
-  \item Para dois grupos independentes assume independência inter- e intra-grupo, e DPs semelhantes
+  \item Para dois grupos independentes assume independência inter e intragrupo, e DPs semelhantes
   \item Para dois grupos pareados assume independência entre os pares
-  \item Esta decisão \alert{não deve} ser tomada após a coleta dos dados\footnote{\scriptsize As comparações dos testes que fizemos aqui foram meramente didáticas. A EDA real terminaria nas visualizações e tabelas.}.
+  \item Esta decisão \alert{não deve} ser tomada após a coleta dos dados\footnote{\tiny As comparações dos testes que fizemos aqui foram meramente didáticas. A EDA real terminaria nas visualizações e tabelas.}.
   \item Variáveis:
     \begin{itemize}
       \scriptsize
diff --git a/Aulas/BE-testes-2medias-cap23-25_4em1.pdf b/Aulas/BE-testes-2medias-cap23-25_4em1.pdf
index b97c917..47d630c 100644
Binary files a/Aulas/BE-testes-2medias-cap23-25_4em1.pdf and b/Aulas/BE-testes-2medias-cap23-25_4em1.pdf differ
diff --git a/Aulas/BE-testes-2prop-cap26-27.pdf b/Aulas/BE-testes-2prop-cap26-27.pdf
index 26a877b..9b8c00a 100644
Binary files a/Aulas/BE-testes-2prop-cap26-27.pdf and b/Aulas/BE-testes-2prop-cap26-27.pdf differ
diff --git a/Aulas/BE-testes-2prop-cap26-27.tex b/Aulas/BE-testes-2prop-cap26-27.tex
index a9782e3..373b6e7 100644
--- a/Aulas/BE-testes-2prop-cap26-27.tex
+++ b/Aulas/BE-testes-2prop-cap26-27.tex
@@ -163,29 +163,31 @@
   \end{block}
 \end{frame}
 
-\section[1 amostra]{Observação x expectativa (1 amostra)}
+\section[1 amostra]{Observação x expectativa (1 proporção)}
 
 \subsection{Objetivo da aula}
 
-\begin{frame}{\scriptsize Dados categóricos}
-  \begin{itemize}
-    \footnotesize
-  \item Vamos analisar contagens de dados categóricos (ou nominais)
-  \item Para estas variáveis qualitativas não existe ordenação interente
-  \item Observamos apenas as contagens e frequências destes dados em
-    uma amostra.
-  \end{itemize}
-  \begin{exampleblock}{Exemplo}
-    \footnotesize
-    doente/sadio, fumante/não fumante, masculino/feminino, olhos
-    castanhos/olhos azuis/olhos verdes, etc.
-  \end{exampleblock}
-\end{frame}
+% \begin{frame}{\scriptsize Dados categóricos}
+%   \begin{itemize}
+%     \footnotesize
+%   \item Vamos analisar contagens de dados categóricos (ou nominais)
+%   \item Para estas variáveis qualitativas não existe ordenação interente
+%   \item Observamos apenas as contagens e frequências destes dados em
+%     uma amostra.
+%   \end{itemize}
+%   \begin{exampleblock}{Exemplo}
+%     \footnotesize
+%     doente/sadio, fumante/não fumante, masculino/feminino, olhos
+%     castanhos/olhos azuis/olhos verdes, etc.
+%   \end{exampleblock}
+% \end{frame}
 
-\begin{frame}{\scriptsize Objetivo}
-  \small
-  Considere a seguinte tabela:
-  \begin{exampleblock}{Exemplo}
+\begin{frame}{\scriptsize Objetivo da aula}
+  \footnotesize
+  Considere a seguinte tabela de contingência:
+
+  \bigskip
+  \begin{block}{}
     \footnotesize
     \begin{tabular}{c|c|c}
                  & Lesão & Não tem lesão\\
@@ -196,15 +198,20 @@ \subsection{Objetivo da aula}
     \end{tabular}
 
     \bigskip
-    {\hfill \scriptsize (Fonte: Larson \& Farber 2013)}
-  \end{exampleblock}
+    {\hfill \tiny Fonte: Larson \& Farber 2013}
+  \end{block}
+  \begin{itemize}
+    \tiny
+  \item 4\% dos que se alongaram tiveram lesão
+  \item 48\% dos que não se alongaram tiveram lesão
+  \end{itemize}
   \vfill
   \begin{block}{Pergunta}
     Como determinar se existe alguma relação entre as variáveis?
 
     \bigskip
     \small
-    Isto é: o desfecho é independente da exposição?
+    Isto é: {\bf o desfecho é independente da exposição?}
   \end{block}
 \end{frame}
 
@@ -228,25 +235,21 @@ \subsection{Objetivo da aula}
   \end{center}
 \end{frame}
 
-\subsection{Analisando dados de contagens}
+\subsection{Teste qui-quadrado para 1 proporção}
 
-\begin{frame}{\scriptsize Exemplo}
-  \begin{exampleblock}{Exemplo}
+\begin{frame}{\scriptsize Exemplo 1}
+  \begin{exampleblock}{Exemplo 1}
     \footnotesize
     Considere que 10\% dos pacientes morrem após uma operação
     arriscada. Em uma amostra de 75 pacientes, observou-se que 16
     pacientes morreram após a operação.
 
+    \bigskip
     Como comparar o número de óbitos osbervado e o número esperado?
 
-    Fonte: Motulsky, 1995
+    \bigskip
+    {\hfill \tiny Fonte: Motulsky, 1995}
   \end{exampleblock}
-  \begin{itemize}
-    \footnotesize
-  \item O número observado de óbitos em 75 pacientes foi 16.
-  \item O número esperado seria $75 \times 10\% = 7.5$
-  \item A discrepância nos óbitos foi $16-7.5 = 8.5$
-  \end{itemize}
 \end{frame}
 
 \begin{frame}{\scriptsize Quais são as variáveis?}
@@ -263,6 +266,43 @@ \subsection{Analisando dados de contagens}
   \end{block}
 \end{frame}
 
+\begin{frame}{Exemplo 1}
+  \begin{exampleblock}{Exemplo 1}
+    \footnotesize
+
+    Considere que 10\% dos pacientes morrem após uma operação
+    arriscada.
+
+    Em uma amostra de 75 pacientes, observou-se que 16 pacientes
+    morreram após a operação.
+  \end{exampleblock}
+  \bigskip
+  \begin{itemize}
+    \footnotesize
+  \item<1-> O número observado de óbitos em 75 pacientes foi 16.
+  \item<2-> O número esperado seria $75 \times 10\% = 7.5$
+  \item<3-> A discrepância nos óbitos foi $16-7.5 = 8.5$
+  \end{itemize}
+\end{frame}
+
+\begin{frame}{\small Expectativa x Realidade}
+  \begin{block}{Observação}
+    \scriptsize
+    Se as frequências observadas forem iguais:
+    \bigskip
+    \begin{itemize}
+    \footnotesize
+    \item diferença entre ambas (discrepância) $= 0$
+    \item% diferença $^2$ = 0
+    \item% $\chi^2 = 0$
+    \end{itemize}
+    \bigskip
+    \uncover<0>{\begin{block}{}
+      Quanto maior o valor de de $\chi^2$, maior a discrepância
+    \end{block}}
+  \end{block}
+\end{frame}
+
 \begin{frame}{\scriptsize Questões}
   \begin{itemize}
     \footnotesize
@@ -293,8 +333,33 @@ \subsection{Analisando dados de contagens}
   \end{block}
 \end{frame}
 
+\begin{frame}{\small Expectativa x Realidade}
+  \begin{center}
+    \small
+    A razão $\frac{\text{observado}}{\text{esperado}}$ é um princípio {\bf central} na Estatística\footnote{\scriptsize Usada para comparação de valores quadráticos, incluindo variâncias}
+  \end{center}
+\end{frame}
+
+\begin{frame}{\small Expectativa x Realidade}
+  \begin{block}{Observação}
+    \scriptsize
+    Se as frequências observadas forem iguais:
+    \bigskip
+    \begin{itemize}
+    \footnotesize
+    \item diferença entre ambas (discrepância) $= 0$
+    \item diferença $^2$ = 0
+    \item $\chi^2 = 0$
+    \end{itemize}
+    \bigskip
+    \uncover<2>{\begin{block}{}
+      Quanto maior o valor de de $\chi^2$, maior a discrepância
+    \end{block}}
+  \end{block}
+\end{frame}
+
 \begin{frame}{\scriptsize Tabela de frequências}
-  \begin{exampleblock}{Exemplo}
+  \begin{exampleblock}{Exemplo 1}
     \footnotesize
     \begin{tabular}{c|c|c}
       & Observado & Esperado\\
@@ -307,7 +372,8 @@ \subsection{Analisando dados de contagens}
     \end{tabular}
   \end{exampleblock}
 
-Estatística de teste:
+  Estatística de teste:
+  \small
   \begin{displaymath}
     \chi^2 = \frac{(16 - 7.5)^2}{7.5} + \frac{(59 - 67.5)^2}{67.5} =
   \end{displaymath}
@@ -325,34 +391,42 @@ \subsection{Analisando dados de contagens}
   % \item Como $p=0.0011 < 0.05$, decidimos \alert{rejeitar} $H_0$.
   \end{itemize}
   \bigskip
-  \begin{block}{Resultado}
+  \begin{exampleblock}{Resultado}
     \small
     (...) a mortalidade observada foi diferente de 10\% ($p=0.0011$).
-  \end{block}
+  \end{exampleblock}
 \end{frame}
 
-\section[2 amostras]{Testes para 2 amostras}
+\section[2 amostras]{Testes de independência para 2 proporções}
 
 \subsection{Tabelas 2x2}
 
 \begin{frame}{\scriptsize Tabelas de Contingência}
   \begin{block}{Definição}
+    \footnotesize
     Uma \alert{tabela de contingência} mostra as frequências
     observadas para duas variáveis categóricas.
   \end{block}
+  \bigskip
   \begin{itemize}
     \footnotesize
-  \item Podemos calcular as frequências esperadas, baseado no tamanho
-    das amostras
-  \item Comparamos assim a frequência observada com a frequência
-    esperada
-  \item Obs: a tabela do exemplo anterior (óbitos) \alert{não é} uma
-    tabela de contingência! (Por que?)
+  \item Podemos calcular as frequências esperadas, baseado
+    \begin{itemize}
+      \scriptsize
+    \item no tamanho das amostras
+    \item na $H_0$
+    \end{itemize}
+  \item Comparação: frequência observada $\times$ frequência esperada
   \end{itemize}
+  \bigskip
+  \begin{block}{}
+    \footnotesize
+    A tabela do exemplo 1 (óbitos) \alert{não é} uma tabela de contingência! (Por que?)
+  \end{block}
 \end{frame}
 
-\begin{frame}[label=exemplo8.1]{\scriptsize Tabelas de Contingência 2x2}
-  \begin{exampleblock}{Exemplo}
+\begin{frame}[label=exemplo8.1]{\scriptsize Exemplo 2 (8.1)}
+  \begin{exampleblock}{Exemplo 8.1}
     \footnotesize
     Frequências observadas:
     \begin{tabular}{c|c|c}
@@ -363,6 +437,7 @@ \subsection{Tabelas 2x2}
       Placebo & 129 & 332 \\
     \end{tabular}
   \end{exampleblock}
+  \vfill
   \begin{itemize}
     \footnotesize
   \item Existe relação entre o uso do AZT e a progressão da doença?
@@ -385,7 +460,7 @@ \subsection{Tabelas 2x2}
   \end{block}
 \end{frame}
 
-\begin{frame}{\scriptsize Tabelas de contingência 2x2}
+\begin{frame}{\scriptsize Exemplo 8.1}
   \begin{itemize}
     \footnotesize
   \item $H_0$: o AZT não é mais eficaz que o placebo
@@ -403,7 +478,7 @@ \subsection{Tabelas 2x2}
 \end{frame}
 
 \begin{frame}{\scriptsize Tabelas de contingência 2x2}
-  \begin{exampleblock}{Exemplo}
+  \begin{exampleblock}{Exemplo 8.1}
     \footnotesize
     Frequências observadas:
     \begin{tabular}{c|c|c|c}
@@ -447,7 +522,7 @@ \subsection{Tabelas 2x2}
 \end{frame}
 
 \begin{frame}{\scriptsize Tabelas de contingência 2x2}
-  \begin{exampleblock}{Exemplo}
+  \begin{exampleblock}{Exemplo 8.1}
     \footnotesize
     Frequências observadas:
     \begin{tabular}{c|c|c|c}
@@ -470,9 +545,9 @@ \subsection{Tabelas 2x2}
   \end{itemize}
 \end{frame}
 
-\begin{frame}{\scriptsize Tabelas de contingência 2x2}
+\begin{frame}{\scriptsize Observação}
 Colocando os valores em uma tabela semelhante:
-  \begin{exampleblock}{Exemplo}
+  \begin{exampleblock}{Exemplo 8.1}
     \footnotesize
     Frequências esperadas:
     \begin{tabular}{c|c|c|c}
@@ -485,6 +560,8 @@ \subsection{Tabelas 2x2}
       total & 205.0 & 731.0 & 936.0\\
     \end{tabular}
   \end{exampleblock}
+  \vfill
+  \small
 Observe que os totais esperados devem ser iguais aos observados!
 \end{frame}
 
@@ -508,8 +585,7 @@ \subsection{Tabelas 2x2}
 \end{frame}
 
 \begin{frame}{\scriptsize Teste de Hipótese}
-  \begin{exampleblock}{Exemplo}
-    \footnotesize
+  \begin{exampleblock}{Exemplo 8.1}
     \begin{itemize}
       \scriptsize
     \item AZT + P = $\frac{(76 - 104.0)^2}{104.0} = \frac{28^2}{104.0}
@@ -549,10 +625,10 @@ \subsection{Tabelas 2x2}
     observados e os esperados.
   \item Resultado: devemos \alert{rejeitar} a $H_0$
   \end{itemize}
-  \begin{block}{Interpretação}
+  \begin{exampleblock}{Interpretação}
     Rejeitamos a hipótese de que o AZT não é mais eficiente que o
     placebo.
-  \end{block}
+  \end{exampleblock}
 \end{frame}
 
 \begin{frame}{\scriptsize O teste Qui-Quadrado}
@@ -581,6 +657,8 @@ \subsection{Tabelas 2x2}
     \item Quanto se tem amostras de tamanho moderado, e se tiver uma
       ferramenta computacional disponível
     \end{enumerate}
+    \bigskip
+    \bigskip
   \item Se sua amostra for enorme (milhares de dados), prefira o teste
     $\chi^2$, pois:
     \begin{enumerate}
@@ -591,9 +669,78 @@ \subsection{Tabelas 2x2}
   \end{itemize}
 \end{frame}
 
+\subsection{Na prática}
+
+\againframe{exemplo8.1}
+
+\begin{frame}[fragile]{\scriptsize Saída típica de um programa}
+  \begin{exampleblock}{Teste Qui-quadrado}
+    \scriptsize
+\begin{verbatim}
+	Pearson's Chi-squared test with Yates'
+ continuity correction
+
+data:  exemplo8.1
+X-squared = 18.944, df = 1,
+ p-value = 1.346e-05
+\end{verbatim}
+  \end{exampleblock}
+\end{frame}
+
+\begin{frame}[fragile]{\scriptsize Saída típica de um programa}
+  \begin{exampleblock}{Teste exato de Fisher}
+    \scriptsize
+\begin{verbatim}
+	Fisher's Exact Test for Count Data
+
+data:  exemplo8.1
+p-value = 9.24e-06
+alternative hypothesis: true odds ratio
+ is not equal to 1
+95 percent confidence interval:
+ 0.3512693 0.6818650
+sample estimates:
+odds ratio
+ 0.4905877
+\end{verbatim}
+  \end{exampleblock}
+\end{frame}
+
+\begin{frame}{\scriptsize Visualização - gráfico de barra}
+  \begin{center}
+    \includegraphics[height=\textheight]{Cap26-27/barplot}
+  \end{center}
+\end{frame}
+
+\begin{frame}{\scriptsize Visualização - pizza}
+  \begin{block}{Atenção}
+    NÃO use gráfico de pizza!
+  \end{block}
+  \begin{itemize}
+    \scriptsize
+  \item É uma visualização ineficiente
+  \item Nosso olho é ``bom'' para julgar distâncias/comprimentos
+  \item Nosso olho é ruim para julgar áreas
+  \item Indicado {\bf apenas} quando as categorias são muito discrepantes
+  \end{itemize}
+  \begin{block}{Cleveland (1985)}
+    \scriptsize
+    {\em ``Data that can be shown by pie charts always can be shown by a dot chart.
+
+      \bigskip
+      This means that judgements of position along a common scale can be made instead of the less accurate angle judgements.''}
+  \end{block}
+\end{frame}
+
 \subsection{Tabelas maiores}
 
-\begin{frame}{\scriptsize Tabelas de Contingência maiores}
+\begin{frame}{\scriptsize Tabelas de contingência maiores}
+  \begin{center}
+    E quando temos mais do que duas categorias?
+  \end{center}
+\end{frame}
+
+\begin{frame}{\scriptsize Tabelas de contingência maiores}
   \small
   \begin{itemize}
     \footnotesize
@@ -625,7 +772,7 @@ \subsection{Tabelas maiores}
 %       Não melhora & 12 & 13 & 45\\
 %     \end{tabular}
 
-%     (Fonte: Larson \& Farber 2013)
+%     {\hfill \tiny Fonte: Larson \& Farber 2013}
 %   \end{exampleblock}
 %   \begin{itemize}
 %   \item Graus de liberdade:
@@ -636,16 +783,15 @@ \subsection{Tabelas maiores}
 %   \end{itemize}
 % \end{frame}
 
-\begin{frame}{\scriptsize Tabelas de Contingência maiores}
-  \begin{exampleblock}{Exemplo}
-    \footnotesize
+\begin{frame}{\scriptsize Tabelas de contingência maiores}
+  \begin{exampleblock}{Exemplo 3}
+    \scriptsize
     Em dois hospitais, os resultados de 575 autópsias
     foram comparados com as causas de morte listadas nos
     atestados. Um dos hospitais que participou do estudo era
     comunitário (A); o outro era universitário (B).
 
     \bigskip
-    \scriptsize
     % \begin{tabular}{c|c{5cm}|c{5cm}|c{5cm}}%{\textwidth}{@{} Y c c c c @{}}
     \begin{tabular}{c|p{2cm}|p{2cm}|p{2cm}}
       Hospital & Precisão confirmada & Falta de informações &
@@ -655,31 +801,16 @@ \subsection{Tabelas maiores}
       \hline
       B & 268 & 44 & 34 \\
     \end{tabular}
-    \small
-    \bigskip
+
     \bigskip
     Os resultados sugerem práticas diferentes no preenchimento de
     atestados de óbito nos dois hospitais?
   \end{exampleblock}
   \vfill
-  {\hfill \footnotesize Fonte: Aula Hacker \& Simões (2008 - Fiocruz)}
-\end{frame}
-
-\begin{frame}{\scriptsize Quais são as variáveis?}
-  \begin{itemize}
-    \footnotesize
-  \item Dependente: qualidade do preenchimento (categórica)
-  \item Independente: hospital (categórica)
-  \end{itemize}
-  \vfill
-  \begin{block}{Esta relação pode ser expressa como}
-    \begin{displaymath}
-      \text{preenchimento} \sim \text{hospital}
-    \end{displaymath}
-  \end{block}
+  {\hfill \tiny Fonte: Aula Hacker \& Simões (2008 - Fiocruz)}
 \end{frame}
 
-\begin{frame}{\scriptsize Tabelas de Contingência maiores}
+\begin{frame}{\scriptsize Tabelas de contingência maiores}
   \begin{itemize}
     \footnotesize
   \item $H_0$: Dentro de cada categoria do status do atestado, as
@@ -694,80 +825,130 @@ \subsection{Tabelas maiores}
   \end{itemize}
 \end{frame}
 
-\begin{frame}{\scriptsize Tabelas de contingência maiores}
-  Preenchendo os totais por linha e coluna:
-  \begin{exampleblock}{Exemplo}
+\begin{frame}{\scriptsize Quais são as variáveis?}
+  \begin{itemize}
     \footnotesize
-    \begin{tabular}{c|c|c|c|c}
-      Hospital & Confirmada & Incompleta &
-      Incorreta & total\\
-      \hline
-      A & 157 & 18 & 54 & 229\\
-      \hline
-      B & 268 & 44 & 34 & 346\\
-      \hline
-      total & 425 & 62 & 88 & 575\\
-    \end{tabular}
-  \end{exampleblock}
+  \item Dependente: qualidade do preenchimento (categórica)
+  \item Independente: hospital (categórica)
+  \end{itemize}
+  \vfill
+  \begin{block}{Esta relação pode ser expressa como}
+    \begin{displaymath}
+      \text{preenchimento} \sim \text{hospital}
+    \end{displaymath}
+  \end{block}
 \end{frame}
 
-\begin{frame}{\scriptsize Tabelas de contingência maiores}
-  Incluindo os valores esperados em parênteses temos:
-  \begin{exampleblock}{Exemplo}
-    \footnotesize
-    \begin{tabular}{c|c|c|c|c}
-      Hospital & Confirmada & Incompleta &
-      Incorreta & total\\
-      \hline
-      A & 157 (169.3) & 18 (24.7) & 54 (35.0) & 229\\
-      \hline
-      B & 268 (255.7) & 44 (37.3) & 34 (53.0) & 346\\
-      \hline
-      total & 425 & 62 & 88 & 575\\
-    \end{tabular}
-  \end{exampleblock}
-\end{frame}
+\begin{frame}[fragile]{\scriptsize Tabelas de contingência maiores}
+  \begin{exampleblock}{Teste exato de Fisher}
+    \scriptsize
+\begin{verbatim}
+	Fisher's Exact Test for Count Data
 
-\begin{frame}{\scriptsize Tabelas de Contingência maiores}
-  \small
-  Calculando a estatística de teste $\chi^2$:
+data:  exemplo3
+p-value = 2.575e-05
+alternative hypothesis: two.sided
+\end{verbatim}
 
-  \bigskip
-  \begin{exampleblock}{Exemplo}
-    \footnotesize
-    \begin{tabular}{c|c|c|c|c}
-      \footnotesize
-      Hospital & Confirmada & Incompleta &
-      Incorreta & total\\
-      \hline
-      A & 157 (169.3) & 18 (24.7) & 54 (35.0) & 229\\
-      \hline
-      B & 268 (255.7) & 44 (37.3) & 34 (53.0) & 346\\
-      \hline
-      total & 425 & 62 & 88 & 575\\
-    \end{tabular}
   \end{exampleblock}
-  \begin{itemize}
+  \begin{exampleblock}{Teste Qui-quadrado}
     \scriptsize
-  \item $\chi^2 = \frac{(157 - 169.3)^2}{169.3} + \frac{(18-24.7)^2}{24.7}  + \ldots$
-    \bigskip
-    \small
-  \item $\chi^2 = 21.62,\ p<0.001$
-  \end{itemize}
+\begin{verbatim}
+	Pearson's Chi-squared test
+
+data:  exemplo3
+X-squared = 21.523, df = 2, p-value = 2.12e-05
+\end{verbatim}
+  \end{exampleblock}
 \end{frame}
 
-\begin{frame}{\scriptsize Tabelas de Contingência maiores}
+% \begin{frame}{\scriptsize Tabelas de contingência maiores}
+%   \footnotesize
+%   Preenchendo os totais por linha e coluna:
+
+%   \bigskip
+%   \begin{exampleblock}{Exemplo 3}
+%     \footnotesize
+%     \begin{tabular}{c|c|c|c|c}
+%       Hospital & Confirmada & Incompleta &
+%       Incorreta & total\\
+%       \hline
+%       A & 157 & 18 & 54 & 229\\
+%       \hline
+%       B & 268 & 44 & 34 & 346\\
+%       \hline
+%       total & 425 & 62 & 88 & 575\\
+%     \end{tabular}
+%   \end{exampleblock}
+% \end{frame}
+
+% \begin{frame}{\scriptsize Tabelas de contingência maiores}
+%   \footnotesize
+%   Incluindo os valores esperados em parênteses temos:
+
+%   \bigskip
+%   \begin{exampleblock}{Exemplo 3}
+%     \footnotesize
+%     \begin{tabular}{c|c|c|c|c}
+%       Hospital & Confirmada & Incompleta &
+%       Incorreta & total\\
+%       \hline
+%       A & 157 (169.3) & 18 (24.7) & 54 (35.0) & 229\\
+%       \hline
+%       B & 268 (255.7) & 44 (37.3) & 34 (53.0) & 346\\
+%       \hline
+%       total & 425 & 62 & 88 & 575\\
+%     \end{tabular}
+%   \end{exampleblock}
+% \end{frame}
+
+% \begin{frame}{\scriptsize Tabelas de contingência maiores}
+%   \footnotesize
+%   Calculando a estatística de teste $\chi^2$:
+
+%   \bigskip
+%   \begin{exampleblock}{Exemplo 3}
+%     \footnotesize
+%     \begin{tabular}{c|c|c|c|c}
+%       \footnotesize
+%       Hospital & Confirmada & Incompleta &
+%       Incorreta & total\\
+%       \hline
+%       A & 157 (169.3) & 18 (24.7) & 54 (35.0) & 229\\
+%       \hline
+%       B & 268 (255.7) & 44 (37.3) & 34 (53.0) & 346\\
+%       \hline
+%       total & 425 & 62 & 88 & 575\\
+%     \end{tabular}
+%   \end{exampleblock}
+%   \begin{itemize}
+%     \scriptsize
+%   \item $\chi^2 = \frac{(157 - 169.3)^2}{169.3} + \frac{(18-24.7)^2}{24.7}  + \ldots$
+%     \bigskip
+%     \small
+%   \item $\chi^2 = 21.52,\ p<0.001$
+%   \end{itemize}
+% \end{frame}
+
+\begin{frame}{\scriptsize Tabelas de contingência maiores}
   \begin{itemize}
-    \footnotesize
-  \item Calculamos a estatística de teste $\chi^2 = 21.62$
-  \item Encontramos um p-valor $p<0.001$ (valor fora da tabela)
+    \scriptsize
+  \item Estatística de teste $\chi^2 = 21.52$
+  \item p-valor: $p<0.001$ %(valor fora da tabela)
   \item Rejeitamos $H_0$ ao nível de significância de $\alpha = 0.05$.
-  \item Conclusão: Há associação entre o hospital e o status do atestado.
-  \item Parece que o hospital A tem maior proporção de atestados incorretos.
   \end{itemize}
+  \bigskip
+  \begin{exampleblock}{Resultado}
+    \footnotesize
+    Há associação entre o hospital e o status do atestado.
+  \end{exampleblock}
+  \begin{exampleblock}{Conclusão}
+    \footnotesize
+    Parece que o hospital A tem maior proporção de atestados incorretos.
+  \end{exampleblock}
 \end{frame}
 
-% \begin{frame}{\scriptsize Tabelas de Contingência maiores}
+% \begin{frame}{\scriptsize Tabelas de contingência maiores}
 %   \begin{exampleblock}{Exemplo}
 %     Comparação entre tratamentos com medicamento de marca, medicamento
 %     genérico e placebo.
@@ -790,75 +971,13 @@ \subsection{Tabelas maiores}
 %   \end{itemize}
 % \end{frame}
 
-\subsection{Na prática}
-
-\againframe{exemplo8.1}
-
-\begin{frame}[fragile]{\scriptsize Saída típica de um programa}
-  \begin{block}{Teste Qui-quadrado}
-    \scriptsize
-\begin{verbatim}
-	Pearson's Chi-squared test with Yates'
- continuity correction
-
-data:  exemplo8.1
-X-squared = 18.944, df = 1,
- p-value = 1.346e-05
-\end{verbatim}
-  \end{block}
-\end{frame}
-
-\begin{frame}[fragile]{\scriptsize Saída típica de um programa}
-  \begin{block}{Teste exato de Fisher}
-    \scriptsize
-\begin{verbatim}
-	Fisher's Exact Test for Count Data
-
-data:  exemplo8.1
-p-value = 9.24e-06
-alternative hypothesis: true odds ratio
- is not equal to 1
-95 percent confidence interval:
- 0.3512693 0.6818650
-sample estimates:
-odds ratio
- 0.4905877
-\end{verbatim}
-  \end{block}
-\end{frame}
-
-\begin{frame}{\scriptsize Visualização - gráfico de barra}
-  \begin{center}
-    \includegraphics[height=\textheight]{Cap26-27/barplot}
-  \end{center}
-\end{frame}
-
-\begin{frame}{\scriptsize Visualização - pizza}
-  \begin{block}{Atenção}
-    NÃO use gráfico de pizza!
-  \end{block}
-  \begin{itemize}
-    \footnotesize
-  \item É uma visualização ineficiente
-  \item Nosso olho é ``bom'' para julgar distâncias/comprimentos
-  \item Nosso olho é ruim para julgar áreas
-  \item Indicado {\bf apenas} quando as categorias são muito discrepantes
-  \end{itemize}
-  \begin{block}{Cleveland (1985)}
-    \small
-    {\em ``Data that can be shown by pie charts always can be shown by a dot chart.
-
-      \bigskip
-      This means that judgements of position along a common scale can be made instead of the less accurate angle judgements.''}
-  \end{block}
-\end{frame}
-
 \subsection{Resumo}
 
 \begin{frame}{\scriptsize Resumo}
   \begin{itemize}
     \footnotesize
-  \item O teste exato de fisher é um teste de independência entre os grupos
+  \item O teste de Fisher é um teste de independência entre os grupos
+    \bigskip
   \item O teste Qui-quadrado é uma boa aproximação, para N grande
   \end{itemize}
 \end{frame}
diff --git a/Aulas/BE-testes-2prop-cap26-27_4em1.pdf b/Aulas/BE-testes-2prop-cap26-27_4em1.pdf
index 1e22783..07b8946 100644
Binary files a/Aulas/BE-testes-2prop-cap26-27_4em1.pdf and b/Aulas/BE-testes-2prop-cap26-27_4em1.pdf differ
diff --git a/Aulas/Cap23-25/s-3-1_ex_two_tail.png b/Aulas/Cap23-25/s-3-1_ex_two_tail.png
new file mode 100644
index 0000000..84e4b71
Binary files /dev/null and b/Aulas/Cap23-25/s-3-1_ex_two_tail.png differ
diff --git a/Aulas/Cap26-27/pizza1.png b/Aulas/Cap26-27/pizza1.png
new file mode 100644
index 0000000..5fa4f0c
Binary files /dev/null and b/Aulas/Cap26-27/pizza1.png differ
diff --git a/Aulas/Cap26-27/pizza2.png b/Aulas/Cap26-27/pizza2.png
new file mode 100644
index 0000000..9cf5dca
Binary files /dev/null and b/Aulas/Cap26-27/pizza2.png differ
diff --git a/Aulas/Cap26-27/tc.R b/Aulas/Cap26-27/tc.R
index 9e4fd1f..86abbae 100644
--- a/Aulas/Cap26-27/tc.R
+++ b/Aulas/Cap26-27/tc.R
@@ -7,3 +7,7 @@ colnames(exemplo8.1) <- c("Progrediu", "Não progrediu")
 png("Aulas/Teste_qui2/barplot.png")
 barplot(exemplo8.1, beside = T, ylim = c(0,500), legend.text = T)
 dev.off()
+
+exemplo3 <- matrix(c(157, 18, 54, 268, 44, 34), byrow = T, nrow = 2)
+colnames(exemplo3) <- c("confirmado", "incompleto", "incorreto")
+rownames(exemplo3) <- c("A", "B")