Escolar Documentos
Profissional Documentos
Cultura Documentos
Teste de Hipotese
Teste de Hipotese
S
distribuição desconhecida
e/ou
parâmetros desconhecidos
Teste de Hipótese
amostra
estimar
X µ
S estimar
s2 σ2
Intervalo
estimar de
distribuição desconhecida p̂ p Confiança
e/ou
parâmetros desconhecidos
estimar
X1 − X 2 µ1 − µ2
M
Teste de Hipótese
Hipóteses
amostra H0 : µ = 100 (hipótese nula)
H1: µ ≠ 100 (hipótese alternativa)
X = 107,56
X −µ
z= ~ N (0,1)
σ
S n
µ = 100
Uma população com média Se H0 é verdadeira, então
µ = 100 conhecida poderia
produzir uma amostra com X − 100
z= ~ N (0,1)
média X = 107,56 ? σ
n
Teste de Hipótese
Hipóteses
H0 : µ = 100 N (0,1)
H1: µ ≠ 100
X −µ
z= ~ N (0,1)
σ α α
1−α
n 2 2
Se H0 é verdadeira, então
-∞ -zcrít 0 zcrít +∞
X − 100
z= ~ N (0,1) rejeição aceitação rejeição
σ
de H0 de H0 de H0
n z <<< 0 z=0 z >>> 0
Se H0 falsa Se H0 verdadeira
Se H0 falsa
Região Crítica:
•aceito H0 se –zcrít < z < zcrít → P(–zcrít < z < zcrít) = 1 - α
•rejeito H0 caso contrário → P(|z| > zcrít) = α
X −µ
z= ~ N (0,1)
σ
1−α α
n
Se H0 é verdadeira, então
-∞ 0 zcrít +∞
X − 100
z= ~ N (0,1) aceitação rejeição
σ
de H0 de H0
n
Região Crítica:
•aceito H0 se z < zcrít → P(z < zcrít) = 1 - α
•rejeito H0 caso contrário → P(z > zcrít) = α
-∞ µ0 X crít +∞
P(rejeitar H0 / H0 é verdadeira) = α
P(aceitar H0 / H0 é verdadeira) = 1 - α
Teste de Hipótese – Erros I e II
Hipóteses
H0 : µ = µ0
H1: µ > µ0
α
-∞ µ0 X crít µ1 +∞
aceitação β
P(aceitar H0 / H1 é verdadeira) = β de H0
P(rejeitar H0 / H1 é verdadeira) = 1 - β (poder do teste)
Teste de Hipótese – Erros I e II
Hipóteses
H0 : µ = µ0
H1: µ > µ0
H0 é verd. H0 é falso σ2 σ2
N ( µ0 , ) N ( µ1 , )
n n
Aceita H0 1-α β
Rejeita H0 α 1-β
1−α
H0 : µ1 - µ2 = 0
H1: µ1 - µ2 > 0
z=
( XX −− XX ) − ( µ − µ )
11 22 1 2
~ N (0,1) ~ N (0,1) 5%
σ 12 σ 1222 σ 22
+ + Aceita H0 Rejeita H0
n1 n12 n2 -∞ +∞
0
z = 2, 5 1,645
2,5
As médias µ1 e µ2 continuariam ser significativamente diferentes caso fosse
adotado um nível de significância de 1%?
Teste de Hipótese – valor-P (p-value)
Toda conclusão de um teste de hipótese está associada a um nível de
significância.
Por exemplo: “Com base num teste z unilateral, pôde-se concluir que as médias
µ1 e µ2 são diferentes significativamente a 5%, uma vez que a estatística z
obtida foi de 2,5”. N (0,1)
H0 : µ1 - µ2 = 0
H1: µ1 - µ2 > 0
H0 : µ1 - µ2 = 0
H1: µ1 - µ2 > 0
Se H0 é verdadeira, então
valor-P
X1 − X 2 ?
0,0062
z= ~ N (0,1)
2 2
σ 1 σ 2
+ Aceita H0 Rejeita H0
n1 n2 -∞ +∞
0
z = 2, 5
2,5
tg 2 2
se σ 12 e σ 22 são desconhecidas, mas σ 1 ≠ σ 2
σ 12 Fn1 −1,n2 −1 s12σ 22 ( X 1 − X 2 ) − ( µ1 − µ2 )
para 2 F= 2 2 thomo =
σ2 s2 σ 1 (n1 − 1) s12 + (n2 − 1) s22 1 1
+
p̂ − p( X 1 − X 2 ) − ( µ1 − µ2 ) n1 + n2 − 2 n1 n2
para p N (0,1) z= z= 2 2
pq ˆ ˆσ 1 σ 2 ˆ( X − ˆX ) − ( µ1 − µ 2 )
( p1 − p2 ) −+( p1 − p2 ) tpˆhetero 1 p1 +1n2 p2 2
n=
z= n n1 n2 =
para p1 – p2 N (0,1) 1 1 n1 + n2 s12 s22
ˆ ˆ +
pq +
n1 n2
n1 n2
Teste de Hipótese / EXCEL
Exemplo:
Para se comparar a resposta espectral de 2 alvos, 10 pixels são escolhidos
aleatoriamente de cada alvo, cujos resultados são apresentados abaixo.
Adotando um nível de significância de 5%, podemos concluir que, em média, os
alvos apresentam a mesma resposta?
Teste-F: duas amostras para variâncias
Teste-t: duas amostras presumindo variâncias equivalentes
amostra Alvo 1 Alvo 2 Comparação de duas médias: teste-t
1 128 98 Mas qual? Homo
Alvoou
1 heterocedástico?
Alvo 2 Alvo 1 Alvo 2
2 134 105 Média 119,2 101,6 Média 119,2 101,6
3 110 99 Variância 90,84444 36,04444 Variância 90,84444 36,04444
Observações 10 10 Observações 10 10
4 112 109
gl 9 9 Variância agrupada 63,44444
5 125 95 F 2,520345 Hipótese da diferença de média 0
6 107 101 P(F<=f) uni-caudal 0,092349 gl 18
7 111 100 F crítico uni-caudal 3,178893 Stat t 4,940841
P(T<=t) uni-caudal 5,28E-05
8 115 92
t crítico uni-caudal 1,734064
9 130 107 P(T<=t) bi-caudal 0,000106
10 120 110 t crítico bi-caudal 2,100922
H0 : µ1 - µ2 = 0
H1: µ1 - µ2 > 0
Conclusão: através do teste-t homocedástico unilateral, pôde-se
concluir que a média do alvo 1 deve ser maior que a do alvo 2,
adotando-se um nível de significância de 5%, uma vez que valor-P
foi menor que 0,05 (0,0000528).
Teste t pareado
10pontossãoescolhidosemcadaimagem
amostra A B
1 12 15
2 34 17
Esquema 1
3 16 21
4 28 27
5 15 25
6 17 32
7 23 15
8 13 19
9 29 29
10 31 30
ImagemA Imagem B
amostra A B
1 12 11
2 34 37
Esquema 2
3 16 18
4 28 28
5 15 18
6 17 19
7 23 24
8 13 15
9 29 32
10 31 33
Teste t pareado
amostra A B
1 12 15 X A = 21,8 s A2 = 66,84 Teste t
2 34 17 X B = 23, 0 sB2 = 41,11 Se H0 verdadeiro
Esquema 1
3 16 21
4 28 27
H0 : σA = σ B s A2
calc = 2 ⇒ σnA2A −=1,nσ 2
5 15 25 Fcalc = 1, 63 (valor-P = F
0,24) ~F B (Ac. H0 a 5%)
B −1
6 17 32 H1: σA > σ B sB
7 23 15 tcalc = −0,35 (valor-P = 0,37) ⇒ µ A = µ B (Ac. H0 a 5%)
8 13 19 H0 : µA =µ B XA − XB
tcalc = ~ t n A + nB − 2
9 29 29 H1: µA < µ B 1 1 (nA − 1) s A2 + (nB − 1) sB2
10 31 30 +
nA nB nA + nB − 2
amostra A B
1 12 11
X A = 21,8 s A2 = 66,84 Teste t
2 34 37 X B = 23,5 sB2 = 74,94
Esquema 2
3 16 18
4 28 28
5 15 18 Fcalc = 0,89 (valor-P = 0,57) ⇒ σ A2 = σ B2 (Ac. H0 a 5%)
6 17 19
7 23 24 tcalc = −0, 43 (valor-P = 0,34) ⇒ µ A = µ B (Ac. H0 a 5%)
8 13 15
9 29 32
10 31 33
Teste t pareado
amostra A B
1 12 15 X A = 21,8 s A2 = 66,84 Teste t
2 34 17 X B = 23, 0 sB2 = 41,11
Esquema 1
3 16 21
4 28 27
5 15 25 Fcalc = 1, 63 (valor-P = 0,24) ⇒ σ A2 = σ B2 (Ac. H0 a 5%)
6 17 32
7 23 15 tcalc = −0,35 (valor-P = 0,37) ⇒ µ A = µ B (Ac. H0 a 5%)
8 13 19
9 29 29
10 31 30
amostra A B A-B
1 12 11 1
Teste t pareado
2
2 34 37 -3 X A− B = −1, 7 s A− B = 1, 79
Esquema 2
3 16 18 -2
4 28 28 0 H0 : µA-B = 0 Se H0 verdadeiro
5 15 18 -3 H1: µA-B < 0 X tcalc = −4, 02
6 17 19 -2 tcalc = A− B ~ tn −1
7 23 24 -1 s A− B
8 13 15 -2
n (valor-P = 0,0015)
9 29 32 -3
10 31 33 -2 ⇒ µ A− B < 0 (Rej. H0 a 5%)
Comparando-se as médias de r populações
n1 nr
n2
…
X1 Xr
X2
S1 S2 Sr
E ( X 1 ) = µ1 E ( X 2 ) = µ2 E ( X r ) = µr
A B C D
X11 X12 X13 X14
X21 X22 X23 X24
X32 X33 Total
Total X*1 X*2 X*3 X*4 X**
Média X1 X2 X3 X4 XT
nj n1 n2 n3 n4 nT
Comparando-se as médias de r populações
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
30
25
20
X ij − X T
XT
15 X 32 − X T = −5
10
A B C D
Comparando-se as médias de r populações
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
30
X4
25 X 14 − X 4 = −3
20
X ij − X j
X3
15 X1
X2
10
A B C D
Comparando-se as médias de r populações
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
30
X4
25
X 4 − XT = 9
20
X j − XT
X3 XT
15 X1
X2
10
A B C D
Comparando-se as médias de r populações
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
(X ij − X T ) = ( X j − X T ) + ( X ij − X j )
r nj r r nj
∑∑ ( X − X T ) = ∑ n j ( X j − X T ) + ∑∑ ( X ij − X j )
2 2 2
ij
j =1 i =1 j =1 j =1 i =1
r −1
r
Erro SQE nT - r QME ∑n τ
j =1
j
2
j
E ( QMT ) = σ 2 +
Total SQTO nT - 1 r −1
Análise de Variância
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
Total SQTO nT - 1
Análise de Variância
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
Erro 46 6 7,67
r nj
j =1 i =1
nj nj
r r
X T2
SQTO = ∑∑ ( X ij − X T ) = ∑∑ X −
2 2
ij
j =1 i =1 j =1 i =1 nT
Teste de Bartlett (igualdade de variâncias)
Se s12, ... , sr2 são as variâncias amostrais de r populações com
distribuição normal, então
r
∑ (n
j =1
j − 1) s 2j
QME =
nT − r B ~ χ r2−1
Fazendo
2,302585 r H0 : σ 12 = σ 22 = L = σ r2
B=
C
T
( n − r ) log10 QME − ∑ ( n j − 1) log s 2
10 j 2
H1: nem todas σ j são iguais
j =1
onde
1 r 1 1 χ r2−1
C = 1+ ∑ −
3( r − 1) j =1 n j − 1 nT − r
α
0 X crít +∞
H0 verd.
ac. H0 rej.
H0 falso
H0
Teste de Bartlett (igualdade de variâncias)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
s2 18 1 4 18
nj 2 3 3 2 10
H0 : σ 12 = σ 22 = σ 32 = σ 42
2
H1: nem todas σ j são iguais
1 1 1 r 1 11 1 1 χ 32
C = 1 + + +∑ + − − = 1,3148
9 r1− 1)2 j =12 n j 1− 1 6 nT − r
3(
0,05
2,302585 r
B=
C
1,3148
[
T
( n −
5,3076r )−log
3, 10 ]
QME
7147 = −
2,∑7897 ( n j − 1) log s 2
10 j 0 X crít +∞
j = 1 X crít = 7,8147
Conclusão: aceito H0 a 5%, ou seja, as variâncias dos grupos podem ser as mesmas
Teste de Tukey (teste para comparação múltipla)
Utilizado quando se deseja comparar todos os pares de médias de r
populações, adotando-se um único nível de confiança.
H0 : µi − µ j = 0
H1: µi − µ j ≠ 0 ∀i ≠ j
q r , nT − r 1 1
QME
n i n j
D crít = +
2
g
Teste de Tukey (teste para comparação múltipla)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
q 4 ,6 1 1
QME q 4 ,6 = 4, 90
n i n j
D crít = +
2
Xi
13 4, 90 1 1
15
D = 1 5 − 13 = 2 D crít = 7 , 6 7 + = 8, 76
2 3 2
19
27
Teste de Tukey (teste para comparação múltipla)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
q 4 ,6 1 1
QME q 4 ,6 = 4, 90
n i n j
D crít = +
2
Xi
a 13 4, 9 0 1 1
a 15 D = 1 9 − 13 = 6 D crít = 7, 67 + = 7 , 8 3
19 2 3 3
27
Teste de Tukey (teste para comparação múltipla)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
q 4 ,6 1 1
QME q 4 ,6 = 4, 90
n i n j
D crít = +
2
Xi
a 13
a 15 4, 9 0 1 1
D = 27 − 13 = 14 D crít = 7, 67 + = 8, 76
a 19 2 3 2
27
Teste de Tukey (teste para comparação múltipla)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
q 4 ,6 1 1
QME q 4 ,6 = 4, 90
n i n j
D crít = +
2
Xi
a 13
a 15
a 19 D = 19 − 1 5 = 4
b 27
Teste de Tukey (teste para comparação múltipla)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
q 4 ,6 1 1
QME q 4 ,6 = 4, 90
n i n j
D crít = +
2
Xi
a 13
a 15 4, 9 0 1 1
a 19 D = 27 − 15 = 12 D crít = 7, 6 7 + = 9, 60
b 27 2 2 2
Teste de Tukey (teste para comparação múltipla)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
q 4 ,6 1 1
QME q 4 ,6 = 4, 90
n i n j
D crít = +
2
Xi
a 13
a 15
a 19 4, 9 0 1 1
b 27
D = 27 − 1 9 = 8 D crít = 7, 67 + = 8, 76
2 3 2
Teste de Tukey (teste para comparação múltipla)
Usando-se o exemplo da ANOVA:
A B C D
12 14 19 24
18 12 17 30
13 21 Total
Total 30 39 57 54 180
Média 15 13 19 27 18
nj 2 3 3 2 10
q 4 ,6 1 1
QME q 4 ,6 = 4, 90
n i n j
D crít = +
2
35
Xi 30 b
25
a 13 20
ab
a a
a 15 15
10 B A C D
ab 19 5 10 20 30
b 27 0
A B C D