Conselho Nacional de Desenvolvimento Científico e Tecnológico / The likelihood ratio test for independence between two groups of variables allows us to identify whether there is a dependency relationship between two groups of variables, ie, if the covariance between the two groups are zero. This test assumes normality multivariate data, which limits its application, in many studies of agronomic area, times when you need use, for example, the canonical correlation analysis. The objective of this study is to evaluate the type I error and power of the likelihood ratio test (LRT) for independence between two groups of variables in different scenarios, consisting of combinations of: sample sizes 16, 40 number of combinations of two variables groups, and nine degrees of correlation between variables in matrices (for power); multivariate normal distribution under normal and contaminated, as well as compare the different scenarios, two formulas for calculating the test statistic. Thus, were evaluated the effect of 640 and 5760 scenarios on rates of type I error and power, respectively, in each one of probability distributions and formulas. The assessment of performance of LRT was performed through computational simulation by Monte Carlo method, using 2000 simulations in each of the scenarios generated. In multivariate normal situation: when the number of variables is large (p = 24), the LRT for independence between two groups of variables, controls the type I error rates and has high power in sample sizes greater than 100 and 500, with use of formulas for small and large samples, respectively; and, for sample sizes small (n = 25, 30 and 50), the test presents good performance, provided that, the number of variables does not exceed to 12; and, the formula chosen, whether for small samples. Under contaminated multivariate normal distribution, the LRT for independence between two groups of variables have high values of power, but is not robust, because it has high rates of type I error in any scenario evaluated. / O teste de razão de verossimilhança para a independência entre dois grupos de variáveis permite identificar se há ou não relação de dependência entre dois grupos de variáveis, ou seja, se as covariâncias entre os dois grupos são nulas. Esse teste pressupõe normalidade multivariada dos dados, o que limita sua aplicação, em muitos estudos da área agronômica, em que se necessita utilizar, por exemplo, a análise de correlação canônica. O objetivo deste trabalho é avaliar o erro tipo I e o poder do teste de razão de verossimilhança (TRV) para independência entre dois grupos de variáveis em diversos cenários, constituídos pelas combinações de: 16 tamanhos de amostra; 40 combinações de número de variáveis dos dois grupos; e, nove graus de correlação entre as variáveis (para o poder); sob distribuição normal multivariada e distribuição normal multivariada contaminada, bem como, comparar, nos diferentes cenários, duas fórmulas para cálculo da estatística do teste. Dessa forma, foram avaliados o efeito de 640 e 5760 cenários sobre as taxas de erro tipo I e poder, respectivamente, em cada uma das distribuições de probabilidade e fórmulas. A avaliação do desempenho do TRV foi realizada por meio de simulação computacional pelo método Monte Carlo, utilizando-se 2000 simulações em cada um dos cenários gerados. Em situação de normalidade multivariada: quando o número de variáveis é grande (p= 24), o TRV para a independência entre dois grupos de variáveis, controla as taxas de erro tipo I e apresentou poder elevado, em tamanhos de amostra superiores a 100 e 500, com uso das fórmulas para pequenas e grandes amostras, respectivamente; e, para tamanhos amostrais pequenos (n= 25, 30 e 50), o teste apresenta bom desempenho, desde que, o número de variáveis não exceda a 12; e, a fórmula escolhida, seja para pequenas amostras. Sob distribuição normal multivariada contaminada, o TRV para a independência entre dois grupos de variáveis possui elevados valores de poder, mas não é robusto, pois apresenta elevadas taxas de erro tipo I, em qualquer cenário avaliado.