TESTE DE HIPÓTES

Trata-se de uma técnica para se fazer

a inferência estatística sobre uma
população a partir de uma amostra
 TEORIA POPPERIANA
• NÃO SE PODE PROVAR NADA, APENAS
“DESPROVAR”.
• SÓ APRENDEMOS QUANDO ERRAMOS.
• É MAIS FACIL REFUTAR DO QUE PROVAR
ALGUMA ASSERTIVA.
• OS ESTATÍSTICOS NÃO PERGUNTAM QUAL
É A PROBABILIDADE DE ESTAREM CERTOS,
MAS A PROBABILIDADE DE ESTAREM
ERRADOS. Para fazerem isso estabelecem um
hipótese nula.
 PRINCIPAIS CONCEITOS
HIPÓTESE ESTATÍSTICA
Trata-se de uma suposição quanto ao valor de um
parâmetro populacional, ou quanto à natureza da
distribuição de probabilidade de uma variável
populacional.
TESTE DE HIPÓTESE
É uma regra de decisão para aceitar ou rejeitar uma
hipótese estatística com base nos elementos
amostrais
 PRINCIPAIS CONCEITOS
TIPOS DE HIPÓTESES
Designa-se por Ho, chamada hipótese nula, a hipótese
estatística a ser testada, e por H1, a hipótese alternativa.
A HIPÓTESE NULA É UMA ASSERTIVA DE COMO
O MUNDO DEVERIA SER, SE NOSSA SUPOSIÇÃO
ESTIVESSE ERRADA.
A hipótese nula expressa uma igualdade, enquanto a
hipótese alternativa é dada por uma desigualdade.
Ex: Ho -  = 1,65 m
H1 -  1,65 m


 TIPOS DE ERRO DE
HIPÓTESE
EXISTEM DOIS TIPOS DE ERRO DE
HIPÓTESE.
Erro tipo 1 - rejeição de uma hipótese verdadeira;
Erro tipo 2 – aceitação de uma hipótese falsa.
As probabilidades desses dois tipos de erros são designadas 
e .
A probabilidade  do erro tipo I é denominada “nível de
significância” do teste.
 LÓGICA DO TESTE DE
SIGNIFICÂNCIA
• ATRIBUEM-SE BAIXOS VALORES PARA ,
GERALMENTE 1-10%;
• FORMULA-SE Ho COM A PRETENSÃO DE REJEITÁ-
LA, DAÍ O NOME DE HIPÓTESE NULA;
• SE O TESTE INDICAR A REJEIÇÃO DE Ho TEM-SE
UM INDICADOR MAIS SEGURO DA DECISÃO;
• CASO O TESTE INDIQUE A ACEITAÇÃO DE Ho,
DIZ-SE QUE, COM O NÍVEL DE SIGNIFICÂNCIA ,
NÃO SE PODE REJEITAR Ho.
 ESTATÍSTICA NÃO
PARAMÉTRICA
São extremamente interessantes para
análises de dados qualitativos.
• As técnicas de estatística não paramétrica são
particularmente adaptáveis aos dados das ciências do
comportamento.
• A aplicação dessas técnicas não exige suposições quanto à
distribuição da população da qual se tenha retirado amostras
para análises.
• Podem ser aplicadas a dados que se disponham
simplesmente em ordem, ou mesmo para estudo de
variáveis nominais.Contrariamente à estatística paramétrica,
onde as variáveis são, na maioria das vezes, intervalares.
• Exigem poucos cálculos e são aplicáveis para análise de
pequenas amostras.
• Independe dos parâmetros populacionais e amostrais
(média, variância, desvio padrão).
 TIPOS DE TESTE
• Qui-Quadrado
• Teste dos sinais
• Teste de Wilcoxon
• Teste de Mann-Whitney
• Teste da Mediana
• Teste de Kruskal-Wallis
QUI-QUADRADO (2)

Testes de Adequação de amostras e

Associação entre variáveis
 QUI-QUADRADO (2)
• Teste mais popular
• Denominado teste de adequação ou ajustamento.
Usos
1. Adequação ou Aderência dos dados: freqüência
observada adequada a uma freqüência esperada);
2. Independência ou Associação entre duas variáveis
Comportamento de uma variável depende de outra.

k
( Foi  Fei) 2
2 = 
i 1 Fei
 QUI-QUADRADO (2)
Restrições ao uso:
Se o número de classes é k=2, a freqüência
esperada mínima deve ser 5;
Se k >2, o teste não deve ser usado se mais de
20% das freqüências esperadas forem
abaixo de 5 ou se qualquer uma delas for
inferior a 1.
 ADEQUAÇÃO DOS DADOS
Exemplos:
1. avaliar se uma moeda ou um dado é
honesto;
2. número de livros emprestados em um
biblioteca durante os dias de uma
determinada semana;
3. Tipo de sangue para uma determinada raça
 ADEQUAÇÃO DOS DADOS
PROCEDIMENTO
1. Enunciar as hipóteses (Ho e H1);
2. Fixar ; escolher a variável 2 com  = (k-1). k é o
número de eventos;
3. Com auxílio da tabela de 2, determinar RA (região de
aceitação de Ho) e RC (região de rejeição de Ho)

2
 ADEQUAÇÃO DOS DADOS
EXEMPLO
Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a
moeda é honesta.
1° Ho- a moeda é honesta;
H1- a moeda não é honesta;
2°  = 5%; escolhe-se um 2, pois k = 2 e  2-1=1;
3° Determinação de RA e RC; k
( Foi  Fei ) 2
2 = 
i 1 Fei
Eventos Cara Coroa 2 = (35-50)2/50 + (65-50)2/50=9
Freq. observada 35 65
2tab = 3,84, logo rejeita-se Ho.
Freq. Esperada 50 50
A moeda não é honesta.
 ADEQUAÇÃO DOS DADOS
• 4 ocorrência de 4 tipos de sangue em uma dada raça

Classes A B AB O

Freq. Observada 230 470 170 130

Freq. esperada 180 480 200 140

K=4, =3 e  = 2,5%

2 =(230-180)2/180 + (470-480)2/480 + (170-200)2/200 + (130-140)2/140

2calc =16.04
2tab = 9,25
Logo rejeita-se Ho com 2,5% de probabilidade de erro.
 ADEQUAÇÃO DOS DADOS
• Número de acidentes na rodovia, de acordo com o dia da semana

Classes Seg Ter Qua Qui Sex Sab Dom

Número de acidentes 26 21 22 17 20 36 33

Freqüência esperada – 1/7 x 175 = 25

Classes Seg Ter Qua Qui Sex Sab Dom

Acidentes Observados 26 21 22 17 20 36 33
Acidentes esperados 25 25 25 25 25 25 25

2calc =12,0
2tab=12,6
Logo aceita-se Ho com 95% de probabilidade de acerto.
 INDEPENDÊNCIA OU
ASSOCIAÇÃO ENTRE DUAS
VARIÁVEIS
EXEMPLOS
• Dependência entre sabor de pasta de dente e o
bairro;
• Notas dos alunos e nível salarial;
• Efeito da vacinação em animais;
 INDEPENDÊNCIA OU
ASSOCIAÇÃO ENTRE DUAS
VARIÁVEIS
A representação das freqüências observadas é dada por uma tabela de
dupla entrada ou tabela de contingência.

PROCEDIMENTO
1. Ho: as variáveis são independentes;
H1: as variáveis são dependentes;
2. Fixar . Escolher a variável qui-quadrado com  = (L-1) x (C-
1), onde L = número de linhas da tabela de contingência e C+
número de colunas.
3. Com auxílio da tabela calculam-se RA e RC
 INDEPENDÊNCIA OU
ASSOCIAÇÃO
EXEMPLO
Dependência entre bairro e escolha do sabor de pasta de dente
Dados:
Ho: a preferencia pelo sabor independe do
Bairros bairro;
Sabor A B C  H1: a preferência pelo sabor depende do
bairro
Limão 70 44 86 200  = 5%
Chocolate 50 30 45 125 2tab = = (4-1) x (3-1) = 6 graus de liberdade
Hortelã 10 6 34 50
Menta 20 20 85 125
 150 100 250 500
Freqüência esperada = (soma da linha i) x (soma da coluna J)/(total de observações)
L C
( Foij  Feij ) 2
2 = 
i 1

j 1 Feij
 INDEPENDÊNCIA OU
ASSOCIAÇÃO
Tabela de freqüências esperadas
Fe11 = 200 x 150/500 = 60
Fe12 = 200 x 100/500 = 40
SABOR BAIRRO Fe13 = 200 x 250/500 = 100
A B C Fe21 = 125 x 150/500 = 37.5
(1)Limão 60 40 100 Fe22 = 125 x 100/500 = 25
(2)Chocolate 37.5 25 62.5 Fe23 = 125 x 250/500 = 62.5
(3)Hortelã 15 10 25 Fe31 = 50 x 150/500 = 15
(4)Menta 37.5 25 62.5 Fe32 = 50 x 100/500 = 10
Fe33 = 50 x 250/500 = 25
2cal =37.88 Fe41 = 125 x 150/500 = 37.5
2tab =12.6 Fe42 = 125 x 100/500 = 25
Logo rejeita-se Ho Fe43 = 125 x 250/500 = 62,5
 TESTE DOS SINAIS

Análise de dados emparelhados

(O mesmo indivíduo é submetido a
duas medidas)
 TESTE DOS SINAIS
• É utilizado na análise de dados emparelhados.
Situações em que o pesquisador deseja determinar se
duas condições são diferentes.
• A variável pode ser intervalar ou ordinal.
• O nome do teste dos sinais se deve ao fato de se
utilizar sinais + e – em lugar do dados numéricos.
• A lógica do teste é que as condições podem ser
consideradas iguais quando as quantidades de + e _
forem aproximadamente iguais. Isto é, a proporção
de + equivale 50%, ou seja: p=0,5.
 TESTE DOS SINAIS
PROCEDIMENTO
1. Ho: não há diferença entre os grupos, ou seja: p = 0,5;
H1: há diferença, ou seja: uma das alternativas
a) p  0,5 -Distribuição “z “bicaudal.
b) p  0,5 – Distribuição “z” unicaudal a esquerda.
c) p  0,5 – Distribuição “z” unicaudal a direita.
2. Fixar . Escolher a distribuição N(0,1) se n>25 ou Binomial se n
25.
3. Com auxílio da tabela, determinar-se RA e RC (para n > 25),
caso n <25 utiliza-se distribuição binomial.
4. Cálculo do valor da variável Z
 TESTE DOS SINAIS
Exemplo: Sessenta alunos matricularam-se num curso de inglês. Na primeira aula aplica-
se um teste que mede o conhecimento da língua. Após seis meses, aplica-se um segundo
teste. Os resultados mostram que 35 alunos apresentaram melhora (35 +), 20 se conduziram
melhor no primeiro teste (20 -) e 5 não apresentaram modificações (5 “0”).
Ho: O curso não alterou (p=0,50)
H1: O curso melhorou o conhecimento de inglês (p > 0,5).
= 5% (variável N(0,1).
Cálculo da variável “Z”. y  n. p
Zcal = , onde:
n. p.q.
y - número de sinais positivos (35);
n – tamanho da amostra descontado os empates (60-5=55);
p – 0,5
35  55 x 0,5
q – 1-p = 0,5 Zcal = = 2,02
55 x(0,5) x(0,5)
Ztab= 1.64, logo rejeita Ho.
 Teste de Wilcoxon
• É uma extensão do teste de sinais. É mais
interessante pois leva em consideração a
magnitude da diferença para cada par.
• Exemplo: um processo de emagrecimento
em teste. Cada par no caso é o mesmo
indivíduo com peso antes e depois do
processo.
 Teste Mann-Whitney
• É usado para testar se das amostras independentes
foram retiradas de populações com média iguais.
• Trata-se de uma interessante alternativa ao teste
paramétrico para igualdade de médias, pois o teste
não exige considerações sobre a distribuição
populacional. Aplicado à variáveis intervalares e
ordinais.
• Exemplo: a média de vendas de dois shoppings
são diferentes?.
 Teste da mediana
• Trata-se de uma alternativa ao teste de
Mann-Whitney. Testa as hipótese se dois
grupos independentes possuem mesma
mediana. Dados ordinais e intervalares.
 Teste Kruskal-Wallis
• Trata-se de um teste para decidir se K amostras
(K>2) independentes provêm de populações co
médias iguais.
• Exemplo: testar, no nível de 5% de probabilidade,
a hipótese de igualdade das médias para os três
grupos de alunos que foram submetidos a
esquemas diferentes de aulas. Notas para uma
mesma prova. Aulas com recursos audiovisuais,
aulas expositivas e aulas ensino programado.