Aula 07

Conhecimentos Especficos Mtodos Quantitativos Anatel
Aula 07 Teste de hiptese

Prof. Alexandre Lima
Aula 07
Sumrio
1
Noes Fundamentais.......................................................................................................... 2
1.1
Teste de Hipteses........................................................................................................ 3
1.2
Valor-p ............................................................................................................................... 7
1.3
Potncia de um Teste ................................................................................................ 12
Testes para a Mdia Populacional ................................................................................. 12

2.1
Desvio Padro Conhecido ......................................................................................... 13
2.2
Desvio Padro Desconhecido .................................................................................. 22
Teste para Propores ....................................................................................................... 22
Testes de Uma Varincia Populacional ....................................................................... 24
5 Testes de hipteses para Comparao de Mdias e Propores de Duas

Populaes ..................................................................................................................................... 29
5.1
Testes para Comparao de Duas Mdias ......................................................... 29
5.1.1
Testes para Dados Emparelhados ................................................................................. 29
5.1.2
Testes para Dados No Emparelhados .......................................................................... 31
5.2
Teste para Comparao de Duas Propores................................................... 32
O Mnimo que Voc Precisa Saber ................................................................................ 34
Exerccios de Fixao ......................................................................................................... 39
Gabarito .................................................................................................................................. 45
Resoluo dos Exerccios de Fixao ........................................................................... 46
APNDICE ....................................................................................................................................... 65
1
www.pontodosconcursos.com.br | Prof. Alexandre Lima

Noes Fundamentais
Na prtica, muito comum a tomada de decises sobre populaes com base

em informaes amostrais. Tais decises so denominadas decises
estatsticas. Por exemplo, podemos desejar conhecer, a partir de um
conjunto de dados provenientes de uma populao, se uma vacina
experimental eficaz contra um novo tipo de gripe ou se uma poltica
governamental econmica melhor que outra(s). Nesta aula, estudaremos o
problema dos testes de hipteses relativos populao. Diz-se que os testes
so paramtricos quando se referem a hipteses sobre parmetros
populacionais. Os testes so no paramtricos quando se referem a outros
aspectos que no os parmetros em si.
Considere, por exemplo, uma populao cujos elementos podem ser
classificados de acordo com dois atributos, que denominaremos sucesso e
fracasso. Podemos ter n elementos, dos quais alguns so defeituosos e os
restantes so no defeituosos. Se p denota a proporo de sucessos na
populao, ento o objetivo fazer algum tipo de inferncia sobre p. J
aprendemos em aula anterior como estimar p. Aqui, estamos interessados em
testar alguma hiptese estatstica sobre p, tal como p maior do que um
dado valor p0 ou p menor do que um certo valor p0. A hiptese sob
investigao ser considerada vlida at que se prove o contrrio (a prova
ser dada num sentido probabilstico). Baseados em uma amostra da
populao vamos estabelecer uma regra de deciso, segundo a qual
rejeitaremos ou aceitaremos a hiptese proposta. A regra de deciso
chamada teste. Somente sero consideradas amostras aleatrias.
A presente aula muito importante para a prova. No prossiga com o estudo a
partir deste ponto se voc ainda sente que no est craque nos tpicos de
amostragem e estimao de parmetros. Estes assuntos so pr-requisitos
para um bom entendimento/aproveitamento desta aula.
2

1.1
Teste de Hipteses
Dado um problema de teste de hipteses, precisamos formular as chamadas

hiptese nula e hiptese alternativa.
A hiptese nula ou hiptese de trabalho (H0) a hiptese aceita como

verdadeira at prova estatstica em contrrio. o ponto de partida para a
anlise dos dados. Em geral, ela formulada em termos de igualdade entre
parmetros ou entre um parmetro e uma constante. Ela geralmente
representa o contrrio do que queremos provar, ou seja, representa a
hiptese que se quer rejeitar. Quando os dados mostrarem evidncia
suficiente de que a hiptese nula (H0) falsa, o teste rejeita-a, aceitando em
seu lugar a chamada hiptese alternativa (H1). Em geral, a hiptese
alternativa formulada em termos de desigualdades (
, < ou >). Ela
comumente representa o que se quer provar, isto , corresponde
prpria hiptese de pesquisa formulada em termos de parmetros.
Exemplo. Uma empresa atuante na explorao e produo de leo e gs
natural compra de um fornecedor parafusos cuja carga mdia de ruptura 55
kN. O desvio padro das cargas de ruptura igual a 6 kN e independe do valor
mdio. Deseja-se verificar se um grande lote de parafusos recebidos deve ser
considerado satisfatrio. No desejvel que esse lote seja formado por
parafusos cuja carga mdia de ruptura seja inferior a 55 kN. Por outro lado, o
fato de a carga mdia de ruptura ser superior a 55 kN no representa
problema, pois, nesse caso, os parafusos seriam de qualidade superior
necessria.
A empresa poderia adotar a seguinte regra para decidir se concorda em aceitar
o lote ou se prefere devolv-lo ao fornecedor: coletar uma amostra aleatria
de 36 parafusos do lote e submet-los a ensaios de ruptura em laboratrio; se
a carga mdia de ruptura observada nessa amostra for maior ou igual a 53 kN,
ela comprar o lote; caso contrrio, ela se recusar a comprar.
A princpio, a empresa poderia testar a hiptese de que a carga mdia de
ruptura dos parafusos do lote seja maior ou igual a 55 kN, contra a alternativa
de que ela seja inferior a 55 kN (esta ltima a sua suspeita). Como a
hiptese de que a carga mdia de ruptura seja superior a 55 kN no preocupa
o comprador, a mesma poderia ser excluda, sem perda de generalidade, para
simplificao do teste. Assim, as hipteses do teste so
H0:
= 55 kN
H1 :
< 55 kN
3

Vamos admitir que a hiptese H0 seja verdadeira, ou seja, que a

populao dos valores da carga de ruptura tem de fato a mdia = 55 kN.
Assim, a mdia X da amostra aleatria de 36 elementos ser uma varivel
aleatria com mdia tambm de 55 kN e com desvio padro igual a
X = / n = 6 / 36 = 1,0 kN. Aprendemos que podemos considerar a distribuio
amostral de X como aproximadamente normal. Temos ento a situao
indicada na figura abaixo, em que indica a probabilidade de se obter x1 < 53
kN (essa probabilidade corresponde rea sob a distribuio amostral de X
no intervalo < x < 53 ).
Distribuio da mdia amostral, n=36

0.4
0.35
Densidade
0.3
0.25
0.2
0.15
0.1
= P(mdia < 53)
0.05
Rejeita se mdia < 53 kN
0
51
52
53
54
55
56
Mdia amostral
57
58
59
A probabilidade pode ser determinada por meio de
z=
x1
53 55
= 2,0,
1,0
valor para o qual a tabela da normal reduzida fornece a rea 0,5 0,4772 =
0,0228 = 2,28%. Assim, h uma probabilidade = 2,28% de que, mesmo
sendo a hiptese H0 verdadeira, x assuma valor na faixa que leva
rejeio de H0, de acordo com a regra de deciso adotada. Neste caso, a
empresa iria rejeitar H0 sendo ela verdadeira, o que consiste no erro tipo
I (neste exemplo, o erro tipo I levaria rejeio de um lote satisfatrio), cuja
probabilidade dada por
4

= P(erro tipo I) = P(rejeitar H0|H0 verdadeira).

Por outro lado, pode ocorrer a situao em que a hiptese H0 falsa, ou
seja, na realidade vale < 55 kg, e a mdia amostral assume um valor maior
que 53 kg, levando a aceitao de H0. A empresa cometeria, neste caso, o
erro tipo II, que consiste em aceitar a hiptese H0 sendo ela falsa. Por
conseguinte, a empresa iria adquirir um lote insatisfatrio, causando prejuzos
produo. A probabilidade de se cometer um erro tipo II denotada por ,
logo
= P(erro tipo II) = P(no rejeitar H0|H0 falsa).

A probabilidade no pode ser calculada, a menos que se especifique um valor
alternativo para o parmetro sob investigao.
Em resumo, em um teste de hipteses, podem ocorrer dois tipos de erro:
Erro tipo I: rejeitar H0, sendo H0 verdadeira;
Erro tipo II: aceitar H0, sendo H0 falsa.
A faixa de valores da varivel de teste que leva rejeio de H0 denominada

Regio Crtica (RC) ou regio de rejeio do teste. Para o exemplo visto, a
RC < x < 53 . Por outro lado, a faixa de valores que leva aceitao
chamada de Regio de Aceitao (RA), x 53 . A figura abaixo mostra as RC e
RA do teste do exemplo anterior.
5

0.4
0.35
Densidade
0.3
0.25
0.2
0.15
0.1
Regio
Crtica (RC)
0.05
0
51
Regio de Aceitao (RA)

52
53
54
55
56
Mdia amostral
57
58
59
Voltando ao exemplo visto acima, a empresa poderia ter adotado o seguinte

critrio (alternativo) de deciso: se a carga mdia de ruptura observada na
amostra de 36 elementos for inferior a 55 kN, isto , se x < 55 kN, ento ela se
recusar a comprar o lote de parafusos. Entretanto, esta idia, aparentemente
intuitiva, de se rejeitar H0 caso x < 55 kN, no seria, de fato, recomendvel,
pois, nesse caso, a probabilidade do erro tipo I seria igual a 50%!
Vimos como, no exemplo anterior, fixada a RC do teste, determinamos a
probabilidade do erro tipo I por meio de uma simples manipulao da
distribuio normal. Inversamente, dado , podemos determinar o limite da
RC. Isso o que em geral se faz na prtica, direta ou indiretamente, sendo os
valores usualmente adotados = 5% e = 1%.
Assim, no exemplo anterior, se for fixado = 5%, resultar que
z5% = 1,645 =
x 55
,
1,0
x = 55,0 1,645 = 53,355 kN limite da RC.
Da mesma forma, se for fixado = 1%, o novo limite da RC ser

z1% = 2,326 =
x 55
x = 55,0 2,326 = 52,674 kN.
1,0
Deste modo, se o valor numrico da mdia amostral for inferior a 52,674 kN,
rejeitaremos a hiptese H0 ao nvel = 1% de significncia (isso implica que
H0 ser tambm rejeitada se o nvel de significncia for = 5%). Se a mdia
6

amostral for superior a 53,355 kN, aceitaremos a hiptese H0 ao nvel de =

5% de significncia (H0 ser tambm aceita se o nvel de significncia for =
1%). Se, por acaso, tivermos 52,674 < x < 53,355 kN, a hiptese H0 ser aceita ao
nvel = 1% e ser rejeitada ao nvel = 5%. Isto quer dizer que, se a
empresa admite realizar o teste a um risco de 5% de probabilidade de cometer
o erro tipo I (rejeitar H0, sendo H0 verdadeira), a evidncia estatstica ter sido
significativa, indicando que a hiptese nula dever ser rejeitada. Se, porm,
tivssemos especificado um risco de apenas 1% de probabilidade de cometer o
erro tipo I, a evidncia amostral no teria sido significativa a esse nvel de
significncia.
O exemplo mostra que a deciso de aceitar ou rejeitar a hiptese nula H0
depende do nvel de significncia adotado. Um dado resultado amostral
obtido pode ser ou no significante, dependendo do fixado, e por esta
razo que denominado nvel de significncia. Um resultado
significativo a um determinado nvel nos levar rejeio de H0, pois
admite-se que ele no compatvel com a hiptese nula, a menos de uma
probabilidade de erro.
Por outro lado, se o resultado amostral cair na regio de aceitao, no ter
havido, no nvel especificado, evidncia significativa suficiente para a
rejeio de H0, a qual, por tal motivo, dever ser aceita. Neste caso, estamos
sujeitos a cometer o erro tipo II (aceitar H0 sendo H0 falsa). A aceitao de H0
est associada, via de regra, insuficincia de evidncia emprica, ao nvel de
significncia desejado, para se chegar sua rejeio. Essa aceitao, portanto,
no deve ser interpretada como uma afirmao de H0. Assim, rejeitamos H0
quando estamos estatisticamente convencidos, ao nvel de significncia , de
que estamos certos, enquanto que, se aceitamos H0, em geral essa aceitao
no representa uma afirmao estatisticamente forte.
1.2
Valor-p
Geralmente, a hiptese nula H0 afirmar que um parmetro populacional tem

um valor especfico e a hiptese alternativa H1 ser uma das seguintes
assertivas:
(i)
O parmetro maior que o valor especificado (teste unilateral ou

monocaudal direita).
7

Teste unilateral direita
0.4
0.35
0.3
Densidade
0.25
0.2
0.15
0.1
0.05
Rejeita se mdia > 57 kN
0
51
52
53
54
55
56
Mdia amostral
57
58
59
(ii) O parmetro menor que o valor especificado (teste unilateral

esquerda).
Teste unilateral esquerda
0.4
0.35
0.3
Densidade
0.25
0.2
0.15
0.1
0.05
Rejeita se mdia < 53 kN
0
51
52
53
54
55
56
Mdia amostral
57
58
59
(iii) O parmetro maior que um valor ou menor que um outro valor

especificado (teste bilateral ou bicaudal).
8

Teste bilateral
0.4
0.35
0.3
Densidade
0.25
0.2
0.15
0.1
0.05
0
-5
Rejeita se x<-2.131
Prob = 0.025
-4
-3
-2
Rejeita se t>2.131
Prob = 0.025
-1
0
1
mdia amostral
O valor-p (ou probabilidade de significncia ou nvel descritivo ou nvel

de significncia observado) a probabilidade de a estatstica do teste
acusar um resultado to ou mais distante do esperado, como o resultado
ocorrido na particular amostra observada, supondo H0 como a hiptese
verdadeira.
Exemplo. Suponha que o desvio padro de uma populao normalmente
distribuda seja igual a 3, e que H0 afirme que a mdia populacional seja igual
a 12 (H0: = 12). Uma amostra aleatria com 36 elementos extrada da
populao e produz a mdia amostral X = 12,95 . Escolheu-se
Z=
X 12 X 12 X 12
=
=
0,5
/ n 3 / 36
como a estatstica do teste, que corresponder varivel aleatria normal

reduzida, se H0 for verdadeira. O valor da estatstica z = (12,95 12) / 0,5 = 1,9 .
Vamos supor que o nvel de significncia especificado para o teste seja =
5%. O valor-p do teste ento depender da hiptese alternativa H1
como se segue:
(i)
Para H1: > 12 (caso (i)), o valor-p a probabilidade de que uma

amostra aleatria com 36 observaes produza uma mdia amostral
maior ou igual a 12,95, dado que a verdadeira mdia seja 12; neste
caso, P(z 1,9) 2,9% (vide a figura abaixo). Isto significa que a
chance de ocorrer X 12,95 aproximadamente igual a 3%
(relativamente baixa) se = 12.
9

0.8
0.7
0.6
Densidade
0.5
0.4
0.3
0.2
Valor-p = P(mdia > 12.95)
0.1
0
10
10.5
11
11.5
12
12.5
Mdia amostral
13
13.5
14
(ii) Para H1: <12 (caso (ii)), o valor-p a probabilidade de que uma
amostra aleatria de tamanho 36 produza uma mdia amostral
menor ou igual a 12,95, se = 12. Tem-se que P(z 1,9) 97,1%
(veja a prxima figura). Isto quer dizer que a probabilidade de
ocorrer X 12,95 aproximadamente igual a 97% (as chances so
bastante altas) se = 12.
0.8
0.7
0.6
Valor-p = P(mdia < 12.95)
Densidade
0.5
0.4
0.3
0.2
0.1
0
10
10.5
11
11.5
12
12.5
Mdia amostral
13
13.5
14
(iii) Para H1: 12 (caso (iii)), o valor-p a probabilidade de que uma

amostra aleatria de tamanho 36 produza uma mdia amostral que
esteja 0,95 unidade ou mais afastada de = 12, ou seja, X 12,95 ou
X 11,05 , se a mdia populacional de fato igual a 12. Aqui, o valor-p
dado por P(z 1,9) + P(z -1,9) = 2,87 + 2,87 5,7% (vide a
figura abaixo), e isto quer dizer que as chances so de
aproximadamente 6 em 100 de que | X 12 | 0,95 se = 12.
10

0.8
0.7
0.6
Densidade
0.5
0.4
0.3
0.2
p/2
p/2
0.1
0
10
10.5
11
11.5
12
12.5
mdia amostral
13
13.5
14
Pequenos valores-p nos do evidncias estatsticas para rejeitarmos

H0 em favor de H1, pois a probabilidade de ocorrer um resultado to ou
mais distante do esperado, como o resultado ocorrido na amostra
observada pequena, se H0 for verdadeira (mas preciso quantificar
quo pequeno deve ser o valor-p e a que entra em cena o nvel de
significncia ). Neste exemplo, P(Z 1,9) = valor-p = 2,9% para H1: > 12.
Neste caso, valor-p = 2,9% (menor que = 5%) um forte indicador de que
a mdia populacional maior que 12. Portanto, torna-se natural rejeitar H0
em favor de H1.
Por outro lado, grandes valores-p NO fornecem evidncias
estatsticas para rejeitarmos H0 em favor de H1, pois a probabilidade
de ocorrer um resultado to ou mais distante do esperado, como o
resultado ocorrido na amostra observada grande, se H0 for
verdadeira. No exemplo, P(Z 1,9) = valor-p = 97,1% para H1: <12.
Assim, um valor-p = 97,1% (maior que = 5%) uma forte evidncia de que
H0 no deve ser rejeitada em favor de H1.
Para o caso (iii), H1: 12, foi obtido (valor-p = 5,7%) > ( = 5%). Aqui, a
evidncia estatstica para rejeitar H0 em favor de H1 NO suficientemente
forte. Logo, no rejeitamos H0 em favor de H1. Porm, H0 seria rejeitada em
favor de H1 se adotssemos um valor maior para o nvel de significncia, como
= 10%.
O valor-p mede a plausibilidade de H0. Quanto menor o valor-p, maior

a evidncia contra H0. Se o valor-p for suficientemente pequeno,
podemos estar dispostos a abandonar nossa considerao de que H0
11

verdadeira e passar a acreditar em H1. Isso conhecido como rejeio

hiptese nula.
Critrio de deciso:
Se valor-p , rejeitamos H0 em favor de H1.
Se valor-p > , no rejeitamos H0 em favor de H1.
Pode-se definir o valor-p como a menor escolha que teramos feito para
o nvel de significncia , de forma que rejeitaramos H0. Por exemplo,
vamos supor que o nvel de significncia foi fixado em = 1%. Um valor-p
igual a 5% indica que ns teramos rejeitado H0 se tivssemos escolhido um
nvel de significncia de 5% ao menos. A hiptese nula tambm seria rejeitada
para = 10% Como escolhemos = 1%, no rejeitamos H0. Isto nos leva
regra vista acima, onde rejeitamos H0 se o valor-p menor que e no
rejeitamos H0 caso contrrio.
1.3
Potncia de um Teste
Um teste de hipteses resulta em um erro tipo II se H0 no for rejeitada

quando ela for falsa:
= P(erro tipo II) = P(no rejeitar H0|H0 falsa).
A potncia de um teste a probabilidade de rejeio de H0 quando ela for

falsa. Logo,
Potncia = 1 P(erro tipo II)
Testes para a Mdia Populacional
Ressaltamos que todos os testes de mdias a serem vistos nesta seo

pressupem a normalidade da distribuio amostral de X . Essa suposio
vlida, com boa aproximao, mesmo quando as populaes sob investigao
no seguem a distribuio normal, desde que as amostras sejam
suficientemente grandes. Na prtica, amostras com mais de n = 30
observaes podem ser consideradas grandes.
12

O teste para a mdia bsico. Voc no poder chegar na

prova sem conhecer bem esse assunto. Estudaremos, a seguir, dois casos de
interesse: i) desvio padro populacional conhecido e ii) desvio padro
populacional desconhecido.
2.1
Desvio Padro Conhecido
Caso 1: Testes de hipteses monocaudais:

a)
H0:
H1:
= 0
< 0
H0:
H1:
= 0
> 0
ou
b)
Deve-se padronizar o valor experimental x1 utilizando-se a frmula:

(1)
z =
x1 0
.
/ n
A RC ir corresponder aos valores x < x1 para o teste (a). Neste caso, devemos
rejeitar H0 se z < -z. A RC ir corresponder aos valores x > x1 para o teste (b).
Portanto, a hiptese nula (H0) deve ser rejeitada se z > z.
Nota: mesmo que as hipteses sejam do tipo:
H0: 0 contra H1: < 0 (a) ou H0: 0 contra H1: > 0 (b)
A hiptese nula ser considerada como se fosse H0: = 0, j que ambas as
situaes 0 o valor limite entre H0 e H1 e, portanto, o caso mais
desfavorvel a H0, alm de especificar uma nica distribuio de probabilidade.
Caso 2: Teste de hiptese bilateral:
c)
H0:
H1:
= 0
0
A RC ir corresponder aos valores x < x1 ou x > x2 (vide a prxima figura), em

que os dois limites da RC so dados por
13

(2)
x1 = 0 z / 2
(3)
x2 = 0 + z / 2
Neste caso, devemos rejeitar H0 se z < -z/2 ou

critrio de rejeio |z| > z/2.
z > z/2, o que implica o
0.8
0.7
0.6
Densidade
0.5
0.4
0.3
0.2
/2
/2
0.1
0
10
0
10.5
11
x1
11.5
12
12.5
mdia amostral
13
13.5
14
x2
A Tabela I resume os testes de hipteses de uma mdia populacional com

desvio padro conhecido.
Tabela I: testes de hipteses para com conhecido

Hipteses
H0: = 0
H1: < 0
Rejeita-se H0 se
z < -z
H0:
H1:
= 0
> 0
z > z
H0:
H1:
= 0
0
z < -z/2 ou z > z/2

|z| > z/2
Exemplo (ICMS-RJ/FGV/2010). Para testar H0: 10 contra H1: > 10,

sendo a mdia de uma varivel populacional suposta normalmente
14

distribuda com varincia igual a 100, uma amostra aleatria simples de

tamanho 25 foi obtida e resultou num valor da mdia amostral igual a 15,76.
Ao nvel de significncia de 5%, o valor-p (nvel crtico) correspondente e a
deciso a ser tomada so respectivamente:
A) 0,102 e no rejeitar H0.
B) 0,01 e rejeitar H0.
C) 0,058 e no rejeitar H0.
D) 0,002 e rejeitar H0
E) 0,154 e no rejeitar H0.
Resoluo
Dados: 2=100, n=25, X = 15,76 e =5%.
z=
X
15,76 10
z =
= 2,88
10 / 25
/ n
Consultando a tabela normal, tem-se que o valor-p correspondente a z = 2,88

igual a 0,002. Como valor-p < , rejeitamos H0 em favor de H1.
GABARITO: D
J caiu em prova! (ANAC/CESPE-UnB/2009) Em uma pequena pesquisa
encomendada por uma empresa area, foi realizado o seguinte teste de
hipteses.
H0: =20 kg versus H1: >20 kg, em que representa a quantidade mdia de
bagagens (em kg) que cada passageiro gostaria de transportar em vos
domsticos; H0 a hiptese nula e H1 a hiptese alternativa.
De um grupo de 324 passageiros escolhidos ao acaso, a pesquisa mostrou que,
em mdia, cada passageiro gostaria de transportar 21 kg. O desvio padro
amostral das quantidades observadas nesse levantamento foi igual a 9 kg.
Com base nessas informaces e considerando que as quantidades sigam uma
distribuico normal, e que (1,7) = 0,955, (2,0) = 0,977 e (2,5) = 0,994,
em que (z) representa a funco de distribuico acumulada da distribuico
normal padro, julgue os itens seguintes.
A probabilidade de significancia do teste superior a 0,03.
Resoluo
15

A distribuio amostral de X normal com mdia e varincia 2/n. Vimos

que a varincia amostral S2 um estimador consistente da varincia
populacional 2, pois a variabilidade de S2 desprezvel ( um valor muito
prximo de zero) quando o tamanho n da amostra um valor grande. Embora
S2, seja um estimador justo da varincia populacional 2, sua raiz quadrada S
no um estimador justo do desvio padro populacional . O vis de S como
estimador de , entretanto, tende assintoticamente a zero. Logo, para
amostras grandes, podemos, por simplificao, adotar como estimativa o
prprio desvio padro da amostra, calculado pela raiz quadrada da varincia
amostral
Portanto, podemos adotar a aproximao S = 9 (desvio-padro amostral =
desvio-padro populacional), pois n = 324 um valor muito grande. Deste
modo, = 20 pela H0, 2/n = 92/324 = 81/324 = 1/4, X ~ N(20; 1/4) e a
estatstica do teste
z=
x
21 20
z =
= 2,0 .
1/ 2
/ n
(2,0) = 0,977 valor-p = 1-(2,0) = 0,023 = 2,3% < 3%.

O item est errado, porque a probabilidade de significncia ou valor-p do teste
2,3%, inferior a 3%. A prxima figura mostra a distribuio amostral da
mdia, sendo a hiptese nula verdadeira. A rea hachurada o valor-p.
0.8
0.7
0.6
Densidade
0.5
0.4
0.3
Valor-p = 2,3%
0.2
0.1
0
18
18.5
19
19.5
20
20.5
Mdia amostral
21
21.5
22
GABARITO: E
16

Se o nvel de significancia for igual a 3,5%, ento h evidencias estatsticas

contra a hiptese nula.
Resoluo
Valor-p=2,3% < =3,5% deve-se rejeitar H0, pois o valor da mdia
amostral ( x = 21 ) encontra-se na regio crtica x > xc = 20,9060 (=3,5%). A
figura abaixo mostra a regio crtica do teste (rea hachurada em vermelho).
Item certo.
0.8
0.7
0.6
Densidade
0.5
0.4
0.3
RC
0.2
0.1
0
18
18.5
19
19.5
20
20.5
Mdia amostral
21
21.5
22
GABARITO: C
Se a mdia verdadeira for = 19,6, ento, para uma probabilidade do erro do
tipo I fixada em 4,5%, o valor da funco caracterstica de operaco do teste
ser superior a 0,98.
Resoluo
Aqui a probabilidade do erro tipo II pode ser calculada, pois o item
especificou um valor alternativo para , qual seja, =19,6. Precisamos
aprender um conceito novo antes de resolver este item.
Definio. A funo caracterstica de operao do teste definida como
() = P(aceitar H0|).
17

Ou seja, () a probabilidade de aceitar H0, considerada como uma funo de

.
Segue-se que a funo caracterstica do teste especificado pela questo dada
por
() = P(aceitar H0|) = P( X pertencer regio de aceitao|).
No item,
( = = 19,6) = P( X menor que o valor crtico| = 19,6).
Observe que a nova probabilidade do erro do tipo I foi fixada em 4,5%, ou
seja, = 4,5% e isto implica z4,5% = 1,7, pois (1,7) = 0,955. Ento o novo
valor crtico do teste, assumindo-se verdadeira a hiptese nula = 20, ser
dado por
xc 20
= 1,7 xc = 20,85 .
0,5
A regio de aceitao para = 4,5% x < 20,85 . Como a mdia verdadeira
=19,6, a P( X menor que o valor crtico | = 19,6) dada por
20,85 19,6
P z < zc =
= P ( z < zc = 2,5) = (2,5) = 99,4% .
1/ 2
Ento (19,6) = P(aceitar H0|mdia verdadeira) = 0,994 > 0,98. Item certo. A
prxima figura mostra a probabilidade , a distribuio verdadeira (linha preta)
e a distribuio amostral falsa (linha vermelha).
18

1
distribuio pela H
0.9
distribuio verdadeira
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
18
18.5
19
19.5
20
20.5
21
21.5
22
GABARITO: C
Considerando-se que o nvel de significancia do teste igual a 0,6%, o valor da
funco poder (ou potncia) do teste ser igual a 0,5 se a mdia verdadeira
for igual a 21kg.
Resoluo
O poder do teste ou (potncia do teste) definido como

() = 1-() = P(rejeitar H0|).
No item,
( = 21) = P( X pertencer regio crtica| = 21).
O nvel de significncia 0,6%, isto , = 0,6%. Logo, z0,6%=2,5, pois

(0,994) = 2,5. Assim, o valor crtico do teste, assumindo-se verdadeira a
hiptese nula = 20, ser
xc 20
= 2,5 xc = 21,25 .
0,5
Ou seja, a regio crtica para = 0,6% x > 21,25 . Como a mdia verdadeira
=21, ento
19

(21) = P( X >21,25|=21) < 0,5,
pois o valor crtico est direita da verdadeira mdia. A figura abaixo mostra
que o poder do teste, representado pela rea azul, menor que 0,5. Item
errado.
distribuio pela H (falsa)

0
distribuio verdadeira
poder do teste
0.8
0.6
0.4
0.2
0
18
19
20
21
22
23
24
GABARITO: E
Pode-se afirmar, com 95,5% de confianca, que a estimativa da quantidade
mdia de bagagens de 21 kg 0,85 kg.
Resoluo
O intervalo de confiana para a mdia quando o desvio-padro populacional
conhecido (lembre que S = 9, pois n = 324 um valor grande), no nvel de
confiana 1-, dado por
X z / 2
Dados: X = 21 e / n = 9 / 324 = 9 / 18 = 1 / 2 .
Temos que 1 = 0,955 = 0,045 = 4,5% / 2 = 2,25% 1 / 2 0,977
z = 2,0 , pois (2,0) = 0,977. Logo, o intervalo de confiana
21 ( 2,0 1 / 2) = 21 1,0 .
20

O item est errado.

GABARITO: E
O erro padro da mdia amostral inferior a 0,8 kg.
Resoluo
O desvio padro da mdia amostral X = / n = 0,5 kg, e o mesmo
inferior a 0,8 kg. Item certo.
GABARITO: C
Exemplo (DECEA/Cesgranrio/2009) Analise as afirmativas que se seguem.
I - O nvel de significncia de um teste, , a probabilidade de que se cometa
o erro tipo I, ou seja, a probabilidade de rejeitar H0 quando H0 verdadeira.
II - O erro tipo II o erro que consiste em no rejeitar H0, quando ela na
verdade falsa.
III- Potncia ou poder do teste a probabilidade de rejeitarmos a hiptese
nula dado um valor qualquer do parmetro.
IV - O valor-p de um teste o menor valor de que nos leva rejeio de H0.
So corretas as afirmativas
(A) I e II, apenas.
(B) I e IV, apenas.
(C) II e III, apenas.
(D) I, II e III, apenas.
(E) I, II, III e IV.
Resoluo
Todas as afirmativas esto corretas, conforme as explicaes j dadas nesta
aula.
GABARITO: E
21

2.2
Desvio Padro Desconhecido
muito freqente, na prtica, o caso em que desejamos testar hipteses

referentes mdia de uma populao cujo desvio padro desconhecido. Se
tivermos disposio uma amostra aleatria de n elementos provenientes
dessa populao, com base na qual iremos realizar o teste, deveremos ento
usar essa mesma amostra para estimar o desvio padro da populao. Neste
caso, a varivel aleatria de teste ter distribuio t de Student com n-1 graus
de liberdade:
(4)
t n1 =
x 0
.
s/ n
Assim, a nica diferena em relao ao caso anterior (desvio padro

conhecido) reside no fato de que iremos trabalhar com valores t de Student no
lugar de z (normal padro).
A Tabela II resume os testes de hipteses de uma mdia populacional com
desvio padro desconhecido.
Tabela II: testes de hipteses para com desconhecido

Hipteses
H0: = 0
H1: < 0
Rejeita-se H0 se
tn-1 < -tn-1,
H0:
H1:
= 0
> 0
tn-1 > tn-1,
H0:
H1:
= 0
0
|tn-1| > tn-1,/2
Teste para Propores
O teste para a proporo bsico. Voc no poder chegar na

prova sem conhecer bem esse assunto.
J aprendemos que, ao realizar inferncias sobre uma proporo populacional
p, devemos nos basear na proporo observada na amostra p . Tambm vimos
que se np 5 e n(1-p) 5, podemos aproximar a distribuio amostral de p
pela distribuio normal com mdia p e desvio padro
p(1 p) / n .
22

Teste que envolvem propores populacionais so feitos de forma anloga aos

testes com mdias da populao. Assim, por exemplo, sejam as hipteses
H0:
H1:
p = p0
p < p0.
Satisfeitas as restries np0 5 e n(1-p0) 5, a distribuio amostral da

frequncia relativa ser aproximadamente normal, com mdia p0 e desvio
p0 (1 p0 ) / n (pela hiptese nula). Portanto, padronizando o valor
padro
experimental p , teremos o valor padronizado experimental correspondente
(5)
z=
p p0
.
p0 (1 p0 ) / n
Podemos multiplicar o numerador e o denominador de (5) por n, obtendo o

mesmo teste em termos da freqncia observada f, por meio da expresso
equivalente
(6)
z=
f np0
.
np0 (1 p0 )
A hiptese nula (H0) ser rejeitada se z < -z. De forma anloga ao que j
visto para os testes com a mdia, no caso dos testes unilateral direita e
bicaudal, as condies de rejeio de H0 so, respectivamente, z > z e |z| >
z/2
A Tabela III resume os testes de hipteses para uma proporo populacional.
Tabela III: testes de hipteses para p (*)

Hipteses
H0: p = p0
H1: p < p0
H0:
H1:
H0:
H1:
(*) z =
p = p0
p > p0
Rejeita-se H0 se
z < -z
z > z
p = p0
|z| > z/2
p p0
p p0
f np0
ou z =
p0 (1 p0 ) / n
np0 (1 p0 )
23

Exemplo (ICMS-RJ/FGV/2010). Para testar H0: p 0,5 contra H1: p > 0,5,
sendo p a proporo de pessoas que so protegidas por planos de previdncia
privada numa certa populao, uma amostra aleatria simples de tamanho 400
ser obtida e ser usado como critrio de deciso rejeitar a hiptese H0 se a
proporo de pessoas com essa proteo na amostra for maior ou igual a um
certo nmero k.
Ao nvel de significncia de 5%, o valor de k aproximadamente igual a:
A) 0,508.
B) 0,541.
C) 0,562.
D) 0,588.
E) 0,602.
Resoluo
Testes que envolvem propores populacionais so feitos de forma anloga aos
testes com mdias da populao.
Como as restries np = 400 x 0,5 = 200>5 e n(1-p) = 400 x 0,5 = 200>5
so vlidas, a distribuio amostral da frequncia relativa ser
aproximadamente normal, com mdia p=0,5 e desvio padro 1/2(1 1/2) /400
(pela hiptese nula). Portanto, padronizando o valor experimental p = k ,
teremos o valor padronizado experimental correspondente
z=
O
z 5%
p p0
d
d
=
=
p (1 p0 ) / n 1 / 20 1 / 4 1 / 40
teste
de hipteses unilateral. A tabela da normal

d
1,64 =
d = 1,64 / 40 = 0,041 . Assim, p = k = 0,5 + 0,041 = 0,541 .
1 / 40
indica
GABARITO: B
Testes de Uma Varincia Populacional
Seja o teste unilateral direita

H0:
2 = 02 ,
H1:
2 > 02 .
24

Como a mdia populacional em geral desconhecida, a varivel de teste

dever ser a varincia amostral
s2 =
1 n
( xi x ) 2 ,
n 1 i=1
que um estimador justo de 2, conforme j visto neste curso.

Se a varincia amostral s2 for prxima do valor testado 02 , iremos aceitar a
hiptese nula (H0). Rejeitaremos H0 se s2 cair na regio crtica (RC), que
corresponder cauda direita com probabilidade na distribuio amostral
de s2, sendo verdadeira a hiptese nula. Ou seja, sendo s12 o limite da RC,
rejeitamos H0 se
(7)
s 2 > s12 .
Por outro lado, vimos que, se a populao for normalmente distribuda, a

quantidade ( n 1) s 2 / 2 tem distribuio 2 com n-1 graus de liberdade.
Portanto, admitindo verdadeira a hiptese nula (H0), podemos escrever que
(8)
(n 1) s 2
= n21 ,
sendo a quantidade (8) denominada n21 experimental.

A Eq. (8) estabelece a relao existente entre valores de s 2 e a distribuio
n21 , suposta verdadeira a hiptese nula. Assim, se em (8) fizermos s 2 = s12 , o
qui-quadrado correspondente ser o valor
2 que determina sobre sua
distribuio uma cauda direita com probabilidade , ou seja, n21; (quiquadrado superior):
(9)
(n 1) s12
= n21;
Como s 2 > s12 implica n21 > n21; , a condio de rejeio de H0

(10)
n21 > n21;
em que o n21 experimental dado por (8) e o valor crtico n21; obtido na
Tabela da distribuio 2 . A figura abaixo mostra a regio crtica (cauda
25

direita azul) para uma varivel qui-quadrado com 6 graus de liberdade e =

5% ( 62;5% = 12,5916).
0.14
X
rea =
0.12
Densidade
0.1
0.08
0.06
0.04
0.02
0
0
10
Xsuperior15
20
25
De forma anloga, se as hipteses forem

H0:
2 = 02 ,
H1:
2 < 02 ,
rejeitaremos H0 se
(11)
n21 < n21;1 ,
em que n21;1 o qui-quadrado inferior ( o valor que determina sobre sua

distribuio uma cauda direita com probabilidade 1-). A figura abaixo
mostra a regio crtica (cauda esquerda azul) para uma qui-quadrado com 6
graus de liberdade e = 5% ( 62;95% = 1,6354).
26

0.14
X6
rea =
0.12
Densidade
0.1
0.08
0.06
0.04
0.02
0
0
Xinferior
10
15
20
25
Se o teste for bilateral, isto .

H0:
2 = 02 ,
H1:
2 02 ,
rejeitaremos H0 se
n21 < n21;1 / 2 ou n21 < n21; / 2 .
0.14
X6
rea inferior = 2,5%
rea superior = 2,5%
0.12
0.1
Densidade
(12)
0.08
0.06
0.04
0.02
0
0
10
15
20
25
27

A figura acima mostra as regies crticas para uma qui-quadrado com 6 graus
de liberdade e = 5% ( 62;97,5% = 1,2373 e 62; 2,5% = 14,4494).
A Tabela IV resume os testes de hipteses para uma varincia populacional.
Tabela IV: testes de hipteses para 2 (*)
Hipteses
H0: 2 = 02
H1:
<
H0:
H1:
2 = 02
2 > 02
H0:
2 = 02
H1:
(*)
2
n 1
Rejeita-se H0 se
n21 < n21;1
2
0
n21 > n21;
n21 < n21;1 / 2 ou n21 < n21; / 2
2
0
(n 1) s 2
2
0
Exemplo. Uma amostra de dez elementos extrada de uma populao

normal e fornece varincia amostral igual a 12,0. O resultado obtido
suficiente para se concluir, ao nvel = 5% de significncia, que a varincia
populacional inferior a 20?
As hipteses a serem testadas so:
H0:
2 = 20,
H1:
2 < 20.
O n21 = 92 experimental dado por
92 =
(n 1) s 2
9 12
= 5,4.
20
A condio de rejeio da hiptese nula (H0) n21 < n21;1 . O valor crtico
2
= 3,325 3,32 (vide tabela ao final desta aula). Como 5,4>3,32,
n2 1;1 = 9;0,95
devemos aceitar a hiptese nula 2 = 20.
28

5
Testes de hipteses para
Propores de Duas Populaes
Comparao
de
Mdias
At aqui, vimos o teste para a mdia, o teste para a proporo e o teste

para a varincia, considerando apenas uma populao para todos os
casos. Desses trs, os testes mais importantes para a prova so os
testes para a mdia e para a proporo.
Nesta seo, apresentarei testes para comparar duas populaes:
quanto s mdias de uma mesma varivel aleatria; e
quanto s propores de um mesmo atributo.
Nota: o meu banco de questes do CESPE sugere que pouco provvel que
este tpico seja cobrado na prova. No obstante, como no se trata de um
assunto difcil, tomei a deciso de ensin-lo para voc. Se voc entender como
funcionam os testes para uma populao, ento espera-se que voc
compreenda os testes para comparao de mdias/propores de duas
populaes sem maiores dificuldades.
5.1
Testes para Comparao de Duas Mdias
Temos dois casos a considerar: dados no emparelhados (ou no

pareados) e dados emparelhados (ou pareados). Os dois casos so
explicados a seguir.
5.1.1
Testes para Dados Emparelhados
Os resultados das duas amostras constituem dados emparelhadas quando

esto relacionados dois a dois segundo algum critrio que introduz uma
influncia marcante entre os diversos pares, que supomos, porm, influir
igualmente sobre os valores de cada par 1.
Por exemplo, suponha que trinta mulheres sejam submetidas durante um ms
a um certo tipo de dieta. Os pesos das mulheres so medidos no incio e no fim
do tratamento, e desejamos tirar concluses sobre o aumento mdio de peso
verificado. Como as pessoas so identificveis, temos duas amostras de
valores do tipo antes e depois, e os dados sero emparelhados, porque cada
valor da primeira amostra estar perfeitamente associado ao correspondente
valor da segunda amostra. A ideia comparar diretamente os dois elementos
do mesmo par, por meio da diferena entre as respectivas medies. Deste
modo, faremos com que a teoria recaia no caso do teste relativo a uma nica
mdia.
1
Pedro Luiz de Oliveira Costa NETO, Estatstica, 2 Ed., Editora Edgard Blcher Ltda, 2002, pg.108.
29

Sejam ( X 1 , Y1 ), ( X 2 , Y2 ),..., ( X n , Yn ) pares de variveis aleatrias e consideremos as

diferenas i = X i Yi , para todo i . Suponhamos que 1 , 2 ,..., n sejam variveis
aleatrias independentes e identicamente distribudas (iid) com distribuio
normal N ~ ( , 2 ) .
Se quisermos testar H0: = 0 contra H1: 0 , ao nvel de significncia , a
estatstica de teste a ser usada
(13) t =
S / n
em que
a mdia amostral dos 1 , 2 ,..., n ; e
S o desvio padro amostral dos 1 , 2 ,..., n .
Prova-se que, se H0 for verdadeira, ento t tem distribuio t de Student com

(n 1) graus de liberdade.
A tabela V resume os testes de hipteses para comparao de duas mdias de
dados emparelhados.
Tabela V: teste para comparao de duas mdias de

amostras emparelhadas
Hipteses
H0:
= 0
H1:
< 0
H0:
= 0
H1:
> 0
H0:
= 0
H1:
Rejeita-se H0 se
t < t n 1,
t > t n1,
| t |> t n 1, / 2
Nota: a distribuio da varivel diferena deve ser Normal para que se possa
aplicar o teste t para comparar mdias com duas amostras emparelhadas.
30

5.1.2
Testes para Dados No Emparelhados
Se os dados no so emparelhados, no ter sentido calcular as diferenas

entre os elementos de cada par de observaes, e o teste dever, portanto,
ser baseado na diferena ( X Y ) entre as mdias das duas amostras, em que
X a mdia amostral de ( X 1 , X 2 , ,..., X n ) e Y a mdia amostral de (Y1 , Y2 , ,..., Ym )
. Note que as amostras das populaes X e Y podem ter tamanhos diferentes,
e que foram denotados por n e m , respectivamente.
O teste para dados no emparelhados supe que h independncia, tanto
dentro, como entre as amostras, de ( X 1 , X 2 , ,..., X n ) e (Y1 , Y2 , ,..., Ym ) .
Sejam E ( X ) = X , Var ( X ) = X2 , E (Y ) = Y , Var (Y ) = Y2 , as varincias amostrais S X2
e SY2 e a hiptese nula H0: X = Y . O quadro da Tabela VI especifica, de acordo
com cada situao, qual a estatstica de teste a ser utilizada e a sua
respectiva distribuio sob H0.
Tabela VI: estatstica para comparao de duas mdias de

amostras no emparelhadas 2
Caractersticas dos procedimentos de
teste
Caracterizao da situao
Situao
X2
e Y
conhecidos?
Sim
No
No
X2
e Y
iguais?
No importa
No importa
Sim
Tamanhos
das
amostras
Quaisquer
Grandes
Pequenas
Suposio de
normalidade
Distribuio
da
Estatstica,
sob H0
Sim
Normal
padro
No importa
Normal
padro
aproximada
Sim
t de Student
com (n + m
2 ) g.l.
Estatstica de Teste
Z=
X Y
X2 Y2
+
n
m
Z=
t=
X Y
S X2 SY2
+
n
m
X Y
(n 1) S X2
+ (m 1) SY2
n+m2
1 1
+
n m
J. I. D. Pinheiro et al, Probabilidade e Estatstica: Quantificando a Incerteza, Rio de Janeiro: Elsevier, 2012, pg.
401.
31

Para cada uma das situaes do quadro acima, a Regio de Rejeio (R) ser
estabelecida de acordo com a hiptese alternativa. Dessa forma, se as
hipteses a serem testadas forem:
a) H0: X = Y contra H1: X < Y ento R ser definida por Z < Z (situaes
1 e 2) ou t < t( n + m 2), (situao 3).
b) H0: X = Y contra H1: X > Y ento R ser definida por Z > Z (situaes
1 e 2) ou t > t(n + m 2), (situao 3).
c) H0: X = Y contra H1: X Y ento R ser definida por | Z |> Z / 2
(situaes 1 e 2) ou | t |> t( n + m 2), / 2 (situao 3).
Nota: no caso (a) (ou (b)), a hiptese nula tambm pode ser encarada como
se fosse X Y (ou X Y para o caso (b)), pois corresponde situao mais
desfavorvel para H0, alm de especificar uma nica distribuio de
probabilidade.
5.2
Teste para Comparao de Duas Propores
Admita que, dada uma caracterstica de interesse, desejamos comparar as

propores de pessoas com essa caracterstica em duas populaes. Duas
amostras aleatrias independentes so extradas dessas populaes. A
primeira de tamanho n (populao 1) e a segunda de tamanho m
(populao 2).
As variveis aleatrias X e Y denotam o nmero de indivduos que possuem
os atributos na primeira e na segunda amostra, respectivamente.
Se ambas as populaes so grandes, e se p1 e p2 so as propores de
indivduos com a dada caracterstica nas populaes 1 e 2, respectivamente,
ento:
a distribuio amostral de X uma distribuio Binominal com

parmetros n e p1 (ou seja, X ~ Binomial (n, p1 ) ). Logo, a mdia de X
E ( X ) = np1 e a varincia de de X Var ( X ) = np1 (1 p1 ) ; e
a distribuio amostral de Y uma distribuio Binominal com

parmetros m e p2 (ou seja, Y ~ Binomial (m, p2 ) ). Portanto, a mdia de
Y E (Y ) = mp2 e a varincia de de Y Var (Y ) = mp2 (1 p2 ) .
Sejam p 1 = X / n e p 2 = Y / m as correspondentes propores amostrais. Ento

sabemos que p 1 o estimador justo e consistente para a verdadeira proporo
na primeira populao (ele tambm o Estimador de Mxima Verossimilhana
32

(EMV)) e p 2 o estimador justo e consistente para a verdadeira proporo na

segunda populao.
Se supusermos que os tamanhos amostrais n e m so suficientemente
grandes, poderemos utilizar a aproximao da Normal para a Binomial. Nesse
caso, a estatstica de teste dada por
(14)
Z=
p 1 p 2 ( p1 p2 )
~ N (0,1)
p1 (1 p1 ) p2 (1 p2 )
+
n
m
Considerando a hiptese nula como sendo H0: p1 = p2 = p , e dado que o valor

de p desconhecido, podemos trabalhar com uma estimativa dada por
(15)
p =
X +Y
n+m
Assim, a estatstica de teste a ser efetivamente usada

(16)
Z=
p 1 p 2
1 1
p (1 p ) +
n m
A tabela VII resume os testes para a diferena de duas propores ao nvel de

significncia .
Tabela VII: testes para a diferena de duas propores

Hipteses
H0:
p1 = p`2
H1:
p1 < p`2
H0:
p1 = p`2
H1:
p1 > p`2
H0:
p1 = p`2
H1:
p1 p`2
Rejeita-se H0 se
Z < z
Z > z
| Z |> z / 2
33

O Mnimo que Voc Precisa Saber
- A hiptese nula (ou hiptese de trabalho) H0 a hiptese aceita como

verdadeira at prova estatstica em contrrio. Ela geralmente representa o
contrrio do que queremos provar, ou seja, representa a hiptese que se quer
rejeitar.
- A hiptese alternativa H1 usualmente representa o que se quer provar.
- Em um teste de hipteses, podem ocorrer dois tipos de erro:

- Valor-p:
se valor-p , rejeitamos H0 em favor de H1.
se valor-p > , no rejeitamos H0 em favor de H1.
Nota: o nvel de significncia do teste.

- Potncia de um teste a probabilidade de rejeio de H0 quando ela for
falsa:
Potncia = 1 P(erro tipo II)
- Variveis de teste para a mdia populacional:

X
(normal
/ n
conhecido.
a) z =
padro), se
Hipteses
H0: = 0
H1: < 0
desvio-padro
populacional
Rejeita-se H0 se
z < -z
H0:
H1:
= 0
> 0
z > z
H0:
H1:
= 0
0
z < -z/2 ou z > z/2

|z| > z/2
34

b) t =
X
(t de Student), em que s denota o desvio-padro amostral.
s/ n
Hipteses
H0: = 0
H1: < 0
Rejeita-se H0 se
tn-1 < -tn-1,
H0:
H1:
= 0
> 0
tn-1 > tn-1,
H0:
H1:
= 0
0
|tn-1| > tn-1,/2
- Frequncia relativa amostral p tem distribuio binomial com mdia p e

varincia p(1-p)/n. Se np 5 e n(1-p) 5, ento p tem distribuio N ~ (p,
p(1-p)/n).
- Estatstica para teste da proporo populacional p: z =
Hipteses
H0: p = p0
H1: p < p0
Rejeita-se H0 se
z < -z
H0:
H1:
p = p0
p > p0
z > z
H0:
H1:
p = p0
p p0
|z| > z/2
- Varivel de teste para varincia populacional :

2
s2 =
p p
.
p(1 p) / n
2
n 1
( n 1) s 2
, em que
1
( xi x ) 2 denota a varincia amostral.
n 1
35

- Testes de hipteses para varincia populacional 2:

Hipteses
H0: 2 = 02
H1:
<
H0:
H1:
2 = 02
2 > 02
H0:
2 = 02
H1:
Rejeita-se H0 se
n21 < n21;1
2
0
2
0
n21 > n21;
n21 < n21;1 / 2 ou n21 < n21; / 2
- Estatstica do teste para comparao de duas mdias em amostras
, em que a mdia amostral dos 1 , 2 ,..., n e S

S / n
o desvio padro amostral dos 1 , 2 ,..., n .
emparelhadas: T =
- Testes para comparao de duas mdias em amostras emparelhadas:

Hipteses
H0:
= 0
H1:
< 0
H0:
= 0
H1:
> 0
H0:
= 0
H1:
Rejeita-se H0 se
t < t n1, / 2
t > t n1, / 2
| t |> t n 1, / 2
36

- Estatstica do teste para comparao de duas mdias em amostras no

emparelhadas:
Caractersticas dos procedimentos de
teste
Caracterizao da situao
Situao
X2
e Y
conhecidos?
Sim
X2
e Y
iguais?
No importa
No
No importa
No
Sim
Tamanhos
das
amostras
Suposio de
normalidade
Distribuio
da
Estatstica,
sob H0
Sim
Normal
padro
No importa
Normal
padro
aproximada
Sim
t de Student
com (n + m
2 ) g.l.
Quaisquer
Grandes
Pequenas
Estatstica de Teste
Z=
X Y
X2 Y2
+
n
m
Z=
t=
X Y
S X2 SY2
+
n
m
X Y
(n 1) S X2
+ (m 1) SY2 1 1
+
n+m2
n m
Para cada uma das situaes do quadro acima, a Regio de Rejeio (R) ser
estabelecida de acordo com a hiptese alternativa. Dessa forma, se as
hipteses a serem testadas forem:
a) H0: X = Y contra H1: X < Y ento R ser definida por Z < Z (situaes
1 e 2) ou t < t( n + m 2), (situao 3).
b) H0: X = Y contra H1: X > Y ento R ser definida por Z > Z (situaes
1 e 2) ou t > t(n + m 2), (situao 3).
c) H0: X = Y contra H1: X Y ento R ser definida por | Z |> Z / 2
(situaes 1 e 2) ou | t |> t( n + m 2), / 2 (situao 3).
- Estatstica do teste para a diferena entre duas propores:
Z=
em que p =
p 1 p 2
1 1
p (1 p ) +
n m
X +Y
.
n+m
37

- Testes para a diferena entre duas propores:

Hipteses
H0:
p1 = p`2
H1:
p1 < p`2
H0:
p1 = p`2
H1:
p1 > p`2
H0:
p1 = p`2
H1:
p1 p`2
Rejeita-se H0 se
Z < z
Z > z
| Z |> z / 2
38

Exerccios de Fixao
(Analista TRT 17a R/CESPE-UnB/2009) Uma companhia necessita

constituir provises financeiras para despesas decorrentes de processos
judiciais por reclamaes trabalhistas. Considere que o total anual dessas
despesas seja igual a X, em que X segue uma distribuio normal com mdia
igual a R$ 30 mil e desvio padro R$ 10 mil.
Tendo como referncia essa situao, julgue os itens a seguir, assumindo que
(2) = 0,977, em que (z) representa a funo de distribuio acumulada da
distribuio normal padro.
1. A probabilidade de que se disponibilize um total X inferior a R$ 8 mil por
ano menor que 0,03.
2. Se, em determinado ano, o valor provisionado para as referidas despesas
foi igual a R$ 40 mil, ento a probabilidade de esse montante ser suficiente
para cobrir todas as despesas desse ano superior a 98%.
3. Com 95,4% de confiana, correto afirmar que, para o prximo ano, o total
das despesas mencionadas est entre R$ 10 mil e R$ 50 mil.
(ANAC rea 4/CESPE-UnB/2012) No que concerne teoria da inferncia
estatstica, julgue os itens subsecutivos.
4. Suponha que, no teste de hipteses, seja rejeitada a hiptese nula sempre
que valor p < , em que a probabilidade de se cometer o erro do tipo I.
Nessa situao, se = 5%, o poder do teste ser igual a 1 = 95%.
5. Considerando que uma varivel aleatria contnua X apresenta uma
distribuio assimtrica com mdia desconhecida e varincia 2 conhecida,
ento, dada uma amostra aleatria {x1 , x2 ,..., xn } da varivel X, possvel
determinar um intervalo de confiana para a mdia por meio da expresso
[ x k ; x + k ] , em que x a mdia amostral e k uma constante que
define a cobertura do intervalo.
6. Considerando que, ao observar o tempo de taxiamento dos avies at a
cabeceira da pista de um grande aeroporto, um especialista tenha observado
que esse tempo seguia uma distribuio normal com intervalo de confiana de
95% de confiana para a mdia, dado por [5, 25] minutos. Nessa situao, o
tempo de taxiamento mais comum para tal cabeceira ser de 15 minutos.
7. (ICMS-RJ/FGV/2009) Uma empresa afirma que os pacotes de bala que
ela produz pesam em mdia 25g. Para testar essa hiptese, foram
selecionados ao acaso 16 pacotes produzidos pela empresa, registrados seus
39

16
pesos X1, X2, ... , X16 e calculadas as estatsticas
= 320 e
i =1
16
2
i
= 7360 . O
i =1
valor da estatstica t (a ser comparado com o ponto desejado da distribuio t

de Student) para o teste :
A) -0,8
B) -1,2
C) -2,0
D) -2,5
E) -3,2
8. (SUSEP/ESAF/2006) Em uma distribuio de sinistro S, formulando-se a
hiptese de que no h diferena entre a freqncia esperada e a observada
(hiptese nula: H0). Donde, segundo um determinado nvel de significncia,
podemos afirmar que ocorreu
A) um erro do tipo I, se for aceita a hiptese H0.
B) um erro do tipo II, se for rejeitada a hiptese H0.
C) um erro do tipo I, se for aceita a hiptese H0, sendo esta correta.
D) um erro do tipo II, se for rejeitada a hiptese H0, sendo esta correta.
E) um erro do tipo I, se for rejeitada a hiptese H0, sendo esta correta.
9. (ICMS-RJ/FGV/2007/Adaptada) Para a realizao de um teste de
hipteses H0: = 0, contra H1: > 0, definimos ERRO DO TIPO I:
A) P( > 0 | = 0)
B) P( = 0 | > 0)
C) Rejeitar H0 sendo H0 verdadeira.
D) 1 P( > 0 | = 0)
E) Aceitar H0, sendo H0 falsa
10. (ICMS-SP/FCC/2009) O gerente de uma indstria de determinado
componente eletrnico garante que a vida mdia do produto fabricado igual
a 100 horas. Um comprador dessa indstria decide testar a afirmao do
gerente e faz um teste estatstico formulando as hipteses H0: = 100 e H1:
< 100, sendo que H0 a hiptese nula, H1 a hiptese alternativa e a
mdia da populao considerada de tamanho infinito com uma distribuio
normal. O desvio padro populacional igual a 10 horas e utilizou-se a
informao da distribuio normal padro (Z), segundo a qual P(Z 1,64) =
5%. H0 foi rejeitada com base em uma amostra aleatria de 64 componentes
em um nvel de significncia de 5%. Ento, o valor da mdia amostral foi, em
horas, no mximo,
40

A) 94,75
B) 95,00
C) 96,00
D) 96,50
E) 97,95
11. (AFPS/ESAF/2002) Um atributo X tem distribuio normal com mdia
e varincia 2. A partir de uma amostra aleatria de tamanho 16 da populao
definida por X, deseja-se testar a hiptese H0: = 22 contra a alternativa Ha:
22. Para esse fim calcula-se a mdia amostral x = 30 e a varincia amostral
S2 = 100. Assinale a opo que corresponde probabilidade de significncia
(p-valor) do teste
A) 2P{T>3,2} onde T tem distribuio de Student com 15 graus de liberdade.
B) P{|Z|>3,2} onde Z tem distribuio normal padro.
C) P{Z<-2,2} onde Z tem distribuio normal padro.
D) P{T<-3,2} onde T tem distribuio de Student com 15 graus de liberdade
E) P{|T|>2,2} onde T tem distribuio de Student com 15 graus de liberdade
12. (ICMS-MS/FGV/2006) Em um teste de hipteses, a hiptese nula foi
rejeitada ao nvel de 3%. Portanto, a hiptese nula:
A) ser aceita no nvel de 1%.
B) ser aceita no nvel de 5%.
C) pode ser aceita ou rejeitada no nvel de 5%.
D) ser rejeitada no nvel de 1%.
E) ser rejeitada no nvel de 5%.
13. (ICMS-MS/FGV/2006) Um teste de hiptese apresentou p-valor igual a
0,03. Portanto, nos nveis de significncia de 1% e 5%, respectivamente, a
hiptese nula:
A) deve ser aceita e aceita.
B) deve ser aceita e rejeitada.
C) deve ser rejeitada e aceita.
D) deve ser rejeitada e rejeitada.
E) pode ou no ser rejeitada, dependendo de a hiptese ser simples ou no.
41

14. (Economista Jr./Cia Potiguar de Gs/FGV/2006) Um teste de

hiptese apresentou p-valor igual a 0,07. Portanto, nos nveis de significncia
de 10% e 5%, respectivamente, a hiptese nula:
15. (IRB/Resseguro/ESAF/2004) Num estudo do consumo de combustvel
para uma determinada marca de automvel, supe-se que a distribuio do
consumo aproximadamente normal com mdia desconhecida km/l e desvio
padro 3 km/l. Uma amostra de 36 veculos produziu a mdia de consumo de
16 km/l. Deseja-se testar a hiptese H: = 15 contra a alternativa A: > 15.
Considerando os valores da funo de distribuio normal padro dados
abaixo, assinale a opo que d o valor probabilstico (p-valor) do teste que
toma por base a estatstica z = 2( X 15) , sendo X a mdia amostral.
z
1,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
F(z)
0,841
0,885
0,919
0,945
0,964
0,977
0,986
0,992
A) 0,500
B) 0,977
C) 0,050
D) 0,023
E) 0,010
16. (BACEN/Cesgranrio/2010) Com relaco a um teste simples de
hiptese, assinale a afirmativa correta.
(A) Um teste bicaudal de nvel de significncia rejeita ahiptese nula H0: =
0 precisamente quando 0 est fora do intervalo de confianca de nvel (1)
para .
42

(B) A hiptese nula a ser testada deve ser construda com muita atenco
porquanto o objeto da inferencia estatstica, enquanto que a hiptese
alternativa s precisa ser contrria hiptese nula.
(C) Se o grau de significancia do teste , significa que (1 ) a
probabilidade de se cometer erro do tipo I.
(D) Na definico de um teste, deve-se levar em conta que quanto menor o
grau de significancia do teste (), maior ser o poder do teste (), uma vez
que ( + )=1.
(E) Erro do tipo II, embora definido para uma hiptese alternativa especfica,
ocorrer sempre com probabilidade igual ao poder do teste.
(ICMS-MS/FGV/2006/Adaptada) O enunciado a seguir refere-se prxima
questo.
Uma amostra aleatria simples de tamanho 25 foi selecionada para estimar a
mdia desconhecida de uma populao normal. A mdia amostral encontrada
foi 4,2, e a varincia amostral foi 1,44.
17. O intervalo de 95% de confiana para a mdia populacional
A) 4,2 0,75
B) 4,2 0,64
C) 4,2 0,71
D) 4,2 0,49
E) 4,2 0,81
18. (IBGE/Cesgranrio/2010) Suponha que as notas dos candidatos de um
concurso pblico, em uma certa prova, sigam distribuio normal com mdia 7
e desvio padro 1. A relao candidato/vaga de 40 para 1. A nota mnima
necessria para aprovao nessa prova
A) 8,65
B) 8,96
C) 9,37
D) 9,58
E) 9,75
19. (IBGE/Cesgranrio/2010) Considere uma amostragem aleatria simples,
sem reposio, de uma populao de tamanho muito grande. Qual o tamanho
aproximado de amostra que permite estimar a mdia de uma varivel y, cujo
desvio padro populacional igual a 5, com margem de erro 0,1, a um nvel
de confiana 95%?
43

A) 100
B) 400
C) 1.000
D) 4.000
E) 10.000
20. (MI-CENAD/ESAF/2012) A especificao tcnica de um produto afirma
que a mdia de sua caracterstica principal de 200. Para testar esta
afirmao, uma amostra aleatria simples de tamanho 9 forneceu uma
caracterstica mdia de 187 e desvio padro amostral de 26. Calcule o valor
mais prximo da estatstica t para testar a hiptese nula de que a mdia da
caracterstica principal do produto 200, admitindo que a distribuio da
caracterstica normal.
A) -2,17
B) -1,96
C) -1,89
D) -1,67
E) -1,5
21. (MI-CENAD/ESAF/2012) Considere um estimador T de um parmetro
de uma populao. Se E(T) = , ento T um estimador
A) no viesado.
B) viesado.
C) consistente.
D) tendencioso.
E) eficiente.
44

Gabarito
1C
2E
3E
4E
5E
6C
7D
8E
9C
10 E
11 - A
12 E
13 B
14 C
15 D
16 A
17 D
18 B
19 E
20 E
21 A
45

Resoluo dos Exerccios de Fixao
(Analista TRT 17a R/CESPE-UnB/2009) Uma companhia necessita

constituir provises financeiras para despesas decorrentes de processos
judiciais por reclamaes trabalhistas. Considere que o total anual dessas
despesas seja igual a X, em que X segue uma distribuio normal com mdia
igual a R$ 30 mil e desvio padro R$ 10 mil.
Tendo como referncia essa situao, julgue os itens a seguir, assumindo que
(2) = 0,977, em que (z) representa a funo de distribuio acumulada da
distribuio normal padro.
1. A probabilidade de que se disponibilize um total X inferior a R$ 8 mil por
ano menor que 0,03.
Resoluo
A varivel normal padro dada por
Z=
Foram fornecidos = 30 e = 10 (em R$ mil) X ~ N (30,10 2 ) .

Clculo do valor Z1 correspondente ao valor X1 = 8:
Z1 =
X1
8 30 22
=
= 2,2
10
10
Assumindo que (2) = P(Z 2) = 97,7% P(Z > 2) = 1 P(Z 2) = 2,3%.

Como a curva normal padro simtrica em relao a Z = 0, temos que
P(Z < -2,0) = P(Z > 2) = 2,3%
Ento a probabilidade de que se disponibilize um total X inferior a R$ 8 mil por
ano menor que 3%, pois a rea sob a curva normal de Z = - at Z = -2,2
menor que a rea sob a curva normal de Z = - at Z = -2,0:
P ( Z < 2,2) < P ( Z < 2,0)
Item correto.
GABARITO: C
46

2. Se, em determinado ano, o valor provisionado para as referidas despesas

foi igual a R$ 40 mil, ento a probabilidade de esse montante ser suficiente
para cobrir todas as despesas desse ano superior a 98%.
Resoluo
A probabilidade do valor provisionado ser suficiente para cobrir todas as
despesas desse ano P(X < 40).
Z2 =
X2
40 30 10
=
= 1,0
10
10
Ora, a probabilidade de Z ser menor que Z2 = 1,0 menor que P(Z 2) =

97,7%, pois a rea sob a curva normal de Z = - at Z = 1,0 menor que a
rea sob a curva normal de Z = - at Z = 2,0:
P ( Z < 1,0) < P ( Z < 2,0) = 97,7%
Como P(Z < 2) = 97,7%, a probabilidade em questo P ( X < 40) = P ( Z < 1,0)
inferior a 98%.
Item errado.
GABARITO: E
3. Com 95,4% de confiana, correto afirmar que, para o prximo ano, o total
das despesas mencionadas est entre R$ 10 mil e R$ 50 mil.
Resoluo
Z1 =
X1
10 30 20
=
= 2,0
10
10

Z1 =
X1
50 30 20
=
= 2,0
10
10
P (10 < X < 50) = P ( 2,0 < Z < 2,0) = P ( Z < 2,0) P ( Z < 2,0) = 97,7% 2,3% = 95,4%
47

Com 95,4% de probabilidade, para o prximo ano, o total das despesas

mencionadas est entre R$ 10 mil e R$ 50 mil. Note que no se trata de um
teste de hipteses de um parmetro populacional, em que trabalhamos com os
conceitos de intervalo e nvel de significncia.
Item errado.
GABARITO: E
(ANAC rea 4/CESPE-UnB/2012) No que concerne teoria da inferncia
estatstica, julgue os itens subsecutivos.
4. Suponha que, no teste de hipteses, seja rejeitada a hiptese nula sempre
que valor p < , em que a probabilidade de se cometer o erro do tipo I.
Nessa situao, se = 5%, o poder do teste ser igual a 1 = 95%.
Resoluo
Potncia de um teste a probabilidade de rejeio de H0 quando ela for falsa:
Potncia = 1 P(erro tipo II) = 1
Item errado.
GABARITO: E
5. Considerando que uma varivel aleatria contnua X apresenta uma
distribuio assimtrica com mdia desconhecida e varincia 2 conhecida,
ento, dada uma amostra aleatria {x1 , x2 ,..., xn } da varivel X, possvel
determinar um intervalo de confiana para a mdia por meio da expresso
[ x k ; x + k ] , em que x a mdia amostral e k uma constante que
define a cobertura do intervalo.
Resoluo
Estimao por intervalo de uma mdia populacional: conhecido
x z / 2
em que (1 ) o nvel de confiana e z / 2 o valor z da normal padro que

produz uma rea de /2 na cauda superior da distribuio normal de
probabilidade.
48

Se a populao segue uma distribuio normal, o intervalo de confiana

produzido pela equao acima exato. Ou seja, se a equao acima fosse
usada repetidamente para gerar intervalos de confiana de 95%, exatamente
95% dos intervalos gerados conteriam a mdia da populao. Se a populao
no segue uma distribuio normal, como no item (a varivel aleatria
contnua X apresenta uma distribuio assimtrica), o intervalo de confiana
produzido pela frmula ser aproximado. Nesse caso, a qualidade da
aproximao depende tanto da distribuio da populao como do tamanho n
da amostra.
O Teorema Central do Limite (TCL) afirma que a mdia amostral X aproximase de uma normal quando n tende para o infinito. A rapidez dessa
convergncia depende da distribuio da populao da qual a amostra
retirada. Se a populao tem uma distribuio prxima da normal, a
convergncia rpida; se a populao se afasta muito de uma normal, a
convergncia mais lenta, ou seja, necessita-se de uma amostra maior para
que X tenha uma distribuio aproximadamente normal. Para amostras da
ordem de 30 elementos, a aproximao pode ser considerada boa.
vista do exposto, no podemos considerar que o item certo, pois a
distribuio da populao assimtrica. Como nada foi dito acerca do tamanho
da amostra, no podemos supor que [ x k ; x + k ] , em que x a mdia
amostral e k uma constante que define a cobertura do intervalo, seja uma
boa aproximao para o intervalo de confiana da mdia populacional.
Item errado.
GABARITO: E
6. Considerando que, ao observar o tempo de taxiamento dos avies at a
cabeceira da pista de um grande aeroporto, um especialista tenha observado
que esse tempo seguia uma distribuio normal com intervalo de confiana de
95% de confiana para a mdia, dado por [5, 25] minutos. Nessa situao, o
tempo de taxiamento mais comum para tal cabeceira ser de 15 minutos.
Resoluo
A varivel aleatria X, que denota o tempo de taxiamento dos avies at a
cabeceira da pista de um grande aeroporto, tem distribuio normal. Sabemos
que E ( X ) = , em que a mdia populacional e X a mdia amostral, pois
est implcita a hiptese de amostragem aleatria. A distribuio de X
tambm normal com mdia . Como a mdia igual moda (o enunciado
menciona a expresso tempo de taxiamento mais comum) e a distribuio
amostral de X simtrica em torno de (5 + 25)/2 = 15, pode-se afirmar que
o tempo de taxiamento mais comum para tal cabeceira ser de 15 minutos.
49

Item correto.
GABARITO: C
7. (ICMS-RJ/FGV/2009) Uma empresa afirma que os pacotes de bala que
ela produz pesam em mdia 25g. Para testar essa hiptese, foram
selecionados ao acaso 16 pacotes produzidos pela empresa, registrados seus
16
pesos X1, X2, ... , X16 e calculadas as estatsticas
X i = 320 e
i =1
16
2
i
= 7360 . O
i =1
valor da estatstica t (a ser comparado com o ponto desejado da distribuio t

de Student) para o teste :
A) -0,8
B) -1,2
C) -2,0
D) -2,5
E) -3,2
Resoluo
muito freqente, na prtica, o caso em que desejamos testar hipteses
referentes mdia de uma populao cujo desvio padro desconhecido. Se
tivermos disposio uma amostra aleatria de n elementos provenientes
dessa populao, com base na qual iremos realizar o teste, deveremos ento
usar essa mesma amostra para estimar o desvio padro da populao. Neste
caso, a varivel aleatria de teste ter distribuio t de Student com n-1 graus
de liberdade:
t n1 =
x
.
s/ n
O valor da estatstica t determinado pelos valores de x (mdia amostral) e s

(desvio padro amostral).
x=
1 16
320
Xi =
= 20
16
n i=1
Podemos calcular a varincia amostral por meio da frmula

2

n
1 n 2 n 2
n 1 n 2 1 16
n 1 n 2
=
s =
X
x
=
X
X
Xi x2 =
m2
i
i
i
n 1 i =1
n 1 n i=1
n 1
n i=1 n 1 n i=1
n 1
2
50

em que
1 16
1 n
m2 = X i2 X i
n i =1
n i =1
s2 =
16 7360
20 2 = 64 s = 8 .
15 16
Logo,
t n1 =
20 25
= 2,5 .
8 / 16
Soluo alternativa (aproximada):

Suponha que voc tenha esquecido a frmula
n 1 2
n
s2 =
s .
m2 m2 =
n
n 1
Para n grande, tem-se que

n 1
1
e vlida a seguinte aproximao para a varincia amostral:

s2
1 n 2
7360
Xi x2 =
400 = 60 .
n i =1
16
Logo,
t n1
20 25
60 / 16
5
5 5
= 2,5
2
60 / 16
4
(eu
tambm
usei
aproximao
60 / 16 60 / 15 )
GABARITO: D
8. (SUSEP/ESAF/2006) Em uma distribuio de sinistro S, formulando-se a
hiptese de que no h diferena entre a freqncia esperada e a observada
(hiptese nula: H0). Donde, segundo um determinado nvel de significncia,
podemos afirmar que ocorreu
51

A) um erro do tipo I, se for aceita a hiptese H0.

B) um erro do tipo II, se for rejeitada a hiptese H0.
C) um erro do tipo I, se for aceita a hiptese H0, sendo esta correta.
D) um erro do tipo II, se for rejeitada a hiptese H0, sendo esta correta.
E) um erro do tipo I, se for rejeitada a hiptese H0, sendo esta correta.
Resoluo
O enunciado parece estar truncado e o problema reside no tempo verbal do
verbo formular. No obstante, a questo fcil e tem soluo.
Vimos que comete-se um erro tipo I quando rejeita-se a hiptese nula
H0, sendo H0 verdadeira. Comete-se um erro tipo II quando aceita-se a
hiptese nula H0, sendo H0 falsa.
Anlise das alternativas:
(A) Ocorreu um erro do tipo I, se for rejeitada a hiptese nula H0, sendo H0
verdadeira ERRADO.
(B) Ocorreu um erro do tipo II, se for aceita a hiptese nula H0, sendo H0 falsa
ERRADO.
(C) Ocorreu um erro do tipo I, se for rejeitada a hiptese nula H0, sendo H0
verdadeira ERRADO.
(D) Ocorreu um erro tipo II, se for aceita a hiptese nula H0, sendo H0 falsa
ERRADO.
(E) Ocorreu um erro do tipo I, se for rejeitada a hiptese H0, sendo esta
correta CERTO.
GABARITO: E
9. (ICMS-RJ/FGV/2007/Adaptada) Para a realizao de um teste de
hipteses H0: = 0, contra H1: > 0, definimos ERRO DO TIPO I:
A) P( > 0 | = 0)
B) P( = 0 | > 0)
C) Rejeitar H0 sendo H0 verdadeira.
D) 1 P( > 0 | = 0)
E) Aceitar H0, sendo H0 falsa
Resoluo
52

Em um teste de hipteses, podem ocorrer dois tipos de erro:
A faixa de valores da varivel de teste que leva rejeio de H0 denominada

Regio Crtica (RC) do teste. Neste exerccio, a RC x1 < x < , pois as
hipteses so: H0: = 0, contra H1: > 0 (unilateral direita). Como o nvel
de significncia no foi especificado pelo enunciado, no temos como
determinar o limite inferior x1 da RC do teste. No obstante, fixada a RC, a
probabilidade do erro tipo I dada pela probabilidade P( x > x1 ) .
GABARITO: C
10. (ICMS-SP/FCC/2009) O gerente de uma indstria de determinado
componente eletrnico garante que a vida mdia do produto fabricado igual
a 100 horas. Um comprador dessa indstria decide testar a afirmao do
gerente e faz um teste estatstico formulando as hipteses H0: = 100 e H1:
< 100, sendo que H0 a hiptese nula, H1 a hiptese alternativa e a
mdia da populao considerada de tamanho infinito com uma distribuio
normal. O desvio padro populacional igual a 10 horas e utilizou-se a
informao da distribuio normal padro (Z), segundo a qual P(Z 1,64) =
5%. H0 foi rejeitada com base em uma amostra aleatria de 64 componentes
em um nvel de significncia de 5%. Ento, o valor da mdia amostral foi, em
horas, no mximo,
A) 94,75
B) 95,00
C) 96,00
D) 96,50
E) 97,95
Resoluo
A Regio Crtica (RC) do teste < x < x1 , pois as hipteses so: H0: = 100,
contra H1: < 100 (unilateral esquerda). A questo pede que o candidato(a)
calcule o valor de x1 . Foram dados os valores = 10, n = 64 e z5% = 1,64 .
Logo,
x1 x1 100 8( x1 100)
=
=
= 1,64
10
/ n 10 / 64
53

x1 100 = 1,64 / 8 x1 = 97,95.

GABARITO: E
11. (AFPS/ESAF/2002) Um atributo X tem distribuio normal com mdia
e varincia 2. A partir de uma amostra aleatria de tamanho 16 da populao
definida por X, deseja-se testar a hiptese H0: = 22 contra a alternativa Ha:
22. Para esse fim calcula-se a mdia amostral x = 30 e a varincia amostral
S2 = 100. Assinale a opo que corresponde probabilidade de significncia
(p-valor) do teste
A) 2P{T>3,2} onde T tem distribuio de Student com 15 graus de liberdade.
B) P{|Z|>3,2} onde Z tem distribuio normal padro.
C) P{Z<-2,2} onde Z tem distribuio normal padro.
D) P{T<-3,2} onde T tem distribuio de Student com 15 graus de liberdade
E) P{|T|>2,2} onde T tem distribuio de Student com 15 graus de liberdade
Resoluo
Esta questo aborda o teste de hipteses para a mdia populacional de uma
amostra pequena (n < 30) quando a varincia populacional desconhecida.
Neste caso, a varivel aleatria de teste ter distribuio t de Student com n-1
= 15 graus de liberdade e ser dada por:
t n1 =
30 22
8
x
t15 =
=
= 3,2
10 / 16 10 / 4
s/ n
O p-valor (ou probabilidade de significncia) a probabilidade de a

estatstica t15 do teste cair na RC, supondo H0 como a hiptese
verdadeira.
A figura a seguir mostra a RC (ou regio de rejeio) e a Regio de Aceitao
(RA) da hiptese nula (H0). Observe que o teste realizado bilateral (ou
bicaudal), pois Ha: 22.
Como o teste bilateral, h duas reas de rejeio: esquerda de
t15 = 3,2 e direita de t15 = 3,2 , como ilustrado pela figura acima.
54

Logo,
p-valor = P{t < t15 } + P{t > t15 } = P{t < 3,2} + P{t > 3,2} ,
como a distribuio de Student simtrica, tem-se que P{t < 3,2} = P{t > 3,2} e
isto implica
p-valor = 2 P{t > 3,2} ,
em que t possui 15 graus de liberdade.
GABARITO: A
12. (ICMS-MS/FGV/2006) Em um teste de hipteses, a hiptese nula foi
rejeitada ao nvel de 3%. Portanto, a hiptese nula:
A) ser aceita no nvel de 1%.
B) ser aceita no nvel de 5%.
C) pode ser aceita ou rejeitada no nvel de 5%.
D) ser rejeitada no nvel de 1%.
E) ser rejeitada no nvel de 5%.
Resoluo
O enunciado no diz se o teste unilateral ( esquerda ou direita) ou
bilateral. Logo, podemos analisar as alternativas a partir de um caso particular,
como, por exemplo, o do teste (unilateral esquerda) da mdia da figura
abaixo.
55

5%
3%
1%
-z3%
-z1%
-z5%

A) No se pode garantir que a hiptese nula ser aceita no nvel de 1%. Tome,
por exemplo, o valor experimental z0,5% < z1%, que cai na RC do teste no
nvel de 1%. Portanto, esta alternativa FALSA.
B) Pelo contrrio, a hiptese nula ser rejeitada no nvel de 5%, pois z3% <
z5% (dentro da RC do teste no nvel de 5%) FALSA.
C) Negativo! A hiptese nula ser rejeitada no nvel de 5%, pois z3% < z5%
FALSA.
D) Nem sempre isto ser verdade. Por exemplo, a hiptese nula ser aceita no
nvel de 1% para um valor experimental z2% FALSA.
E) Isto sempre acontecer, pois z3% < z5% VERDADEIRA.
GABARITO: E
13. (ICMS-MS/FGV/2006) Um teste de hiptese apresentou p-valor igual a
0,03. Portanto, nos nveis de significncia de 1% e 5%, respectivamente, a
hiptese nula:
Resoluo
56

Dados: p-valor = 3%, 1 = 1% e 2 = 5%.

Regra:
Se p-valor , rejeitar H0 em favor de H1.
Se p-valor > , no rejeitar H0 em favor de H1.
Nvel de significncia
Deciso
1 = 1%
p-valor = 3% > 1% aceitar H0
2 = 5%
p-valor = 3% < 5% rejeitar H0
A nica alternativa que est de acordo com a Tabela de deciso acima a B.

GABARITO: B
14. (Economista Jr./Cia Potiguar de Gs/FGV/2006) Um teste de
hiptese apresentou p-valor igual a 0,07. Portanto, nos nveis de significncia
de 10% e 5%, respectivamente, a hiptese nula:
Resoluo
Dados: p-valor = 7%, 1 = 10% e 2 = 5%. Lembre que:
Se p-valor , rejeitar H0 em favor de H1.
Se p-valor > , no rejeitar H0 em favor de H1.
Nvel de significncia
Deciso
1 = 10%
p-valor = 7% < 10% rejeitar H0
2 = 5%
p-valor = 7% > 5% aceitar H0
A nica alternativa que est de acordo com a Tabela de deciso acima a C.

57

GABARITO: C
15. (IRB/Resseguro/ESAF/2004) Num estudo do consumo de combustvel
para uma determinada marca de automvel, supe-se que a distribuio do
consumo aproximadamente normal com mdia desconhecida km/l e desvio
padro 3 km/l. Uma amostra de 36 veculos produziu a mdia de consumo de
16 km/l. Deseja-se testar a hiptese H: = 15 contra a alternativa A: > 15.
Considerando os valores da funo de distribuio normal padro dados
abaixo, assinale a opo que d o valor probabilstico (p-valor) do teste que
toma por base a estatstica z = 2( X 15) , sendo X a mdia amostral.
z
1,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
F(z)
0,841
0,885
0,919
0,945
0,964
0,977
0,986
0,992
A) 0,500
B) 0,977
C) 0,050
D) 0,023
E) 0,010
Resoluo
Dados: = 3km/l, n = 36, X = 16 km/l, 0 = 15 (hiptese de trabalho).
Hipteses do teste:
H0: = 15
H1: > 15
Estatstica do teste: z =
X 0 X 15 X 15
=
=
= 2( X 15) (fornecida pela banca!)
3/ 6
/ n 3 / 36
Logo,
z = 2(16 15) = 2 F(z) = 0,977.
58

O p-valor a probabilidade de que a mdia amostral seja maior ou

igual a 16, considerando que a mdia populacional seja igual a 15, ou
seja, P( X 16| = 15). Como a varivel aleatria normal X foi reduzida,
tem-se que o p-valor pode ser calculado pela probabilidade P(z 2,0) =
1 0,977 = 0,023.
GABARITO: D
16. (BACEN/Cesgranrio/2010) Com relaco a um teste simples de
hiptese, assinale a afirmativa correta.
(A) Um teste bicaudal de nvel de significncia rejeita ahiptese nula H0: =
0 precisamente quando 0 est fora do intervalo de confianca de nvel (1)
para .
(B) A hiptese nula a ser testada deve ser construda com muita atenco
porquanto o objeto da inferencia estatstica, enquanto que a hiptese
alternativa s precisa ser contrria hiptese nula.
(C) Se o grau de significancia do teste , significa que (1 ) a
probabilidade de se cometer erro do tipo I.
(D) Na definico de um teste, deve-se levar em conta que quanto menor o
grau de significancia do teste (), maior ser o poder do teste (), uma vez
que ( + )=1.
(E) Erro do tipo II, embora definido para uma hiptese alternativa especfica,
ocorrer sempre com probabilidade igual ao poder do teste.
Resoluo
A) Correta. Sem maiores comentrios.
B) O objeto da inferncia estatstica a estimao de parmetro(s)
populacional(is), e no a construo da hiptese nula. Opo incorreta.
C) A probabilidade do erro tipo I igual a incorreta.
D) O correto seria dizer que ( + ) = 1 incorreta.
E) A probabilidade do erro tipo II igual a (). O poder do teste ()
incorreta.
GABARITO: A
59

(ICMS-MS/FGV/2006/Adaptada) O enunciado a seguir refere-se prxima

questo.
Uma amostra aleatria simples de tamanho 25 foi selecionada para estimar a
mdia desconhecida de uma populao normal. A mdia amostral encontrada
foi 4,2, e a varincia amostral foi 1,44.
17. O intervalo de 95% de confiana para a mdia populacional
A) 4,2 0,75
B) 4,2 0,64
C) 4,2 0,71
D) 4,2 0,49
E) 4,2 0,81
Resoluo
A expresso do intervalo de confiana para a mdia da populao, ao nvel
de confiana 1 - , quando conhecido,
X z / 2
Quando desconhecemos o desvio padro populacional , devemos estimar seu

valor por meio de
n
S=
(X
X )2
i =1
n 1
No correto obter o intervalo de confiana para , ao nvel de confiana 1-,

substituindo-se por S na expresso do intervalo de confiana. Observe que o
uso de S naquela expresso aumenta a incerteza da estimativa por intervalo,
diminuindo, deste modo, o valor do nvel de confiana, que j no seria (1-),
mas (1-) < (1-). Como podemos resolver este problema?
Vimos que as distribuies t de Student e normal padro esto relacionadas
pela frmula
t n1, / 2 = z / 2
60

Sendo assim, podemos reescrever X z / 2
X z / 2
S
S
como
= X t n1, / 2
S
.
n
A equao acima nos mostra que o uso do desvio padro amostral S na

expresso do intervalo de confiana da mdia populacional impe o uso de
t n1, / 2 no lugar de z / 2 . Observe que (t n 1, / 2 / z / 2 ) > 1 (por exemplo,
t30 , 2 ,5% = 2,0423 > z 2,5% = 1,96 ). Desta maneira, t n1, / 2 funciona como um fator de
correo para maior da amplitude do intervalo de confiana, quando usamos

S em vez de .
Clculo do intervalo de confiana:
X t n1, / 2
1,44
S
= 4,2 2,06
4,2 0,49
25
n
GABARITO: D
18. (IBGE/Cesgranrio/2010) Suponha que as notas dos candidatos de um
concurso pblico, em uma certa prova, sigam distribuio normal com mdia 7
e desvio padro 1. A relao candidato/vaga de 40 para 1. A nota mnima
necessria para aprovao nessa prova
A) 8,65
B) 8,96
C) 9,37
D) 9,58
E) 9,75
Resoluo
Relao vaga/candidato = 1/40 proporo de aprovados = 1/40 = 2,5%.
Sabemos que P(-1,96 < z < 1,96) = 95% zc = 1,96 (rea direita de zc
= 1,96 igual a 0,025 = 2,5%).
zc = (Xc )/ (transformao de X para a normal padro Z)
Xc = zc. + = (1,96 x 1) + 7 = 8,96.
GABARITO: B
61

19. (IBGE/Cesgranrio/2010) Considere uma amostragem aleatria simples,

sem reposio, de uma populao de tamanho muito grande. Qual o tamanho
aproximado de amostra que permite estimar a mdia de uma varivel y, cujo
desvio padro populacional igual a 5, com margem de erro 0,1, a um nvel
de confiana 95%?
A) 100
B) 400
C) 1.000
D) 4.000
E) 10.000
Resoluo
Nvel de confiana = 95% 1 = 95% /2 = 2,5%.
A semi-amplitude do intervalo de confiana dada pelo produto entre
o valor crtico z/2 (z denota a normal padro) e o desvio padro da
mdia amostral, ou seja, pela frmula

.
n
= z / 2
Logo, o tamanho n da amostra dado por

2
z 1,96 5 2 5
n = /2 =

= 1002 = 10.000 .
0,1 0,1
GABARITO: E
20. (MI-CENAD/ESAF/2012) A especificao tcnica de um produto afirma
que a mdia de sua caracterstica principal de 200. Para testar esta
afirmao, uma amostra aleatria simples de tamanho 9 forneceu uma
caracterstica mdia de 187 e desvio padro amostral de 26. Calcule o valor
mais prximo da estatstica t para testar a hiptese nula de que a mdia da
caracterstica principal do produto 200, admitindo que a distribuio da
caracterstica normal.
A) -2,17
B) -1,96
C) -1,89
D) -1,67
62

E) -1,5
Resoluo
A estatstica utilizada no teste de hipteses de uma mdia populacional quando
o desvio padro desconhecido a estatstica t:
t=
X 0
S/ n
em que X a mdia amostral, 0 a suposta mdia da populao, S o

desvio padro amostral e n o tamanho da amostra. Lembre que a estatstica
t possui n 1 graus de liberdade.
Dados: X = 187 , 0 = 200 , S = 26 , n = 9
Clculo da estatstica t:
t=
X 0 187 200
3
=
= 13
= 1,5
26
S/ n
26 / 9
GABARITO: E
21. (MI-CENAD/ESAF/2012) Considere um estimador T de um parmetro
de uma populao. Se E(T) = , ento T um estimador
A) no viesado.
B) viesado.
C) consistente.
D) tendencioso.
E) eficiente.
Resoluo
Um estimador T no viesado (ou justo ou no viciado ou no
tendencioso) se o seu valor esperado (ou mdia ou esperana) for igual
ao valor do parmetro que se pretende estimar, ou seja, se
E(T) =
Portanto, a resposta correta a opo A.
Explicamos a seguir os conceitos de eficincia e consistncia.
63

Considere que T1, T2, ..., Tn sejam estimadores no viesados de um

parmetro . Suponha que T1 seja o estimador que possua a menor varincia
dentre T1, T2, ..., Tn. Ento T1 o estimador eficiente.
Um estimador T consistente, se, medida que a amostra cresce,
converge para o verdadeiro valor do parmetro . Ou seja, quando o
tamanho da amostra vai aumentando, o vis, se existir, vai diminuindo e a
varincia tambm. Portanto, um estimador consistente se:
lim E (T ) = o vis tende para zero quando o tamanho da amostra

n
tende para infinito;
lim Var (T ) = 0 a varincia tende para zero quando o tamanho da

n
amostra tende para infinito.

GABARITO: A
Bons estudos!
Alexandre Lima
alexandre@pontodosconcursos.com.br
64

APNDICE
TABELA I
NORMAL: rea direita de Zc
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
Segunda decimal de Zc
0,00
0,50000
0,46017
0,42074
0,38209
0,34458
0,30854
0,27425
0,24196
0,21186
0,18406
0,15866
0,13567
0,11507
0,09680
0,08076
0,06681
0,05480
0,04457
0,03593
0,02872
0,02275
0,01786
0,01390
0,01072
0,00820
0,00621
0,00466
0,00347
0,00256
0,00187
0,00135
0,00023
0,00003
0,00000
0,01
0,49601
0,45620
0,41683
0,37828
0,34090
0,30503
0,27093
0,23885
0,20897
0,18141
0,15625
0,13350
0,11314
0,09510
0,07927
0,06552
0,05370
0,04363
0,03515
0,02807
0,02222
0,01743
0,01355
0,01044
0,00798
0,00604
0,00453
0,00336
0,00248
0,00181
0,00131
0,00022
0,00003
0,00000
0,02
0,49202
0,45224
0,41294
0,37448
0,33724
0,30153
0,26763
0,23576
0,20611
0,17879
0,15386
0,13136
0,11123
0,09342
0,07780
0,06426
0,05262
0,04272
0,03438
0,02743
0,02169
0,01700
0,01321
0,01017
0,00776
0,00587
0,00440
0,00326
0,00240
0,00175
0,00126
0,00022
0,00003
0,00000
0,03
0,48803
0,44828
0,40905
0,37070
0,33360
0,29806
0,26435
0,23270
0,20327
0,17619
0,15151
0,12924
0,10935
0,09176
0,07636
0,06301
0,05155
0,04182
0,03362
0,02680
0,02118
0,01659
0,01287
0,00990
0,00755
0,00570
0,00427
0,00317
0,00233
0,00169
0,00122
0,00021
0,00003
0,00000
0,04
0,48405
0,44433
0,40517
0,36693
0,32997
0,29460
0,26109
0,22965
0,20045
0,17361
0,14917
0,12714
0,10749
0,09012
0,07493
0,06178
0,05050
0,04093
0,03288
0,02619
0,02068
0,01618
0,01255
0,00964
0,00734
0,00554
0,00415
0,00307
0,00226
0,00164
0,00118
0,00020
0,00003
0,00000
0,05
0,48006
0,44038
0,40129
0,36317
0,32636
0,29116
0,25785
0,22663
0,19766
0,17106
0,14686
0,12507
0,10565
0,08851
0,07353
0,06057
0,04947
0,04006
0,03216
0,02559
0,02018
0,01578
0,01222
0,00939
0,00714
0,00539
0,00402
0,00298
0,00219
0,00159
0,00114
0,00019
0,00003
0,00000
0,06
0,47608
0,43644
0,39743
0,35942
0,32276
0,28774
0,25463
0,22363
0,19489
0,16853
0,14457
0,12302
0,10383
0,08691
0,07215
0,05938
0,04846
0,03920
0,03144
0,02500
0,01970
0,01539
0,01191
0,00914
0,00695
0,00523
0,00391
0,00289
0,00212
0,00154
0,00111
0,00019
0,00002
0,00000
0,07
0,47210
0,43251
0,39358
0,35569
0,31918
0,28434
0,25143
0,22065
0,19215
0,16602
0,14231
0,12100
0,10204
0,08534
0,07078
0,05821
0,04746
0,03836
0,03074
0,02442
0,01923
0,01500
0,01160
0,00889
0,00676
0,00508
0,00379
0,00280
0,00205
0,00149
0,00107
0,00018
0,00002
0,00000
0,08
0,46812
0,42858
0,38974
0,35197
0,31561
0,28096
0,24825
0,21770
0,18943
0,16354
0,14007
0,11900
0,10027
0,08379
0,06944
0,05705
0,04648
0,03754
0,03005
0,02385
0,01876
0,01463
0,01130
0,00866
0,00657
0,00494
0,00368
0,00272
0,00199
0,00144
0,00104
0,00017
0,00002
0,00000
0,09
0,46414
0,42465
0,38591
0,34827
0,31207
0,27760
0,24510
0,21476
0,18673
0,16109
0,13786
0,11702
0,09853
0,08226
0,06811
0,05592
0,04551
0,03673
0,02938
0,02330
0,01831
0,01426
0,01101
0,00842
0,00639
0,00480
0,00357
0,00264
0,00193
0,00139
0,00100
0,00017
0,00002
0,00000
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
65

TABELA II
NORMAL: rea de 0 a Zc
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
Segunda decimal de Zc
0,00
0,00000
0,03983
0,07926
0,11791
0,15542
0,19146
0,22575
0,25804
0,28814
0,31594
0,34134
0,36433
0,38493
0,40320
0,41924
0,43319
0,44520
0,45543
0,46407
0,47128
0,47725
0,48214
0,48610
0,48928
0,49180
0,49379
0,49534
0,49653
0,49744
0,49813
0,49865
0,49977
0,49997
0,50000
0,01
0,00399
0,04380
0,08317
0,12172
0,15910
0,19497
0,22907
0,26115
0,29103
0,31859
0,34375
0,36650
0,38686
0,40490
0,42073
0,43448
0,44630
0,45637
0,46485
0,47193
0,47778
0,48257
0,48645
0,48956
0,49202
0,49396
0,49547
0,49664
0,49752
0,49819
0,49869
0,49978
0,49997
0,50000
0,02
0,00798
0,04776
0,08706
0,12552
0,16276
0,19847
0,23237
0,26424
0,29389
0,32121
0,34614
0,36864
0,38877
0,40658
0,42220
0,43574
0,44738
0,45728
0,46562
0,47257
0,47831
0,48300
0,48679
0,48983
0,49224
0,49413
0,49560
0,49674
0,49760
0,49825
0,49874
0,49978
0,49997
0,50000
0,03
0,01197
0,05172
0,09095
0,12930
0,16640
0,20194
0,23565
0,26730
0,29673
0,32381
0,34849
0,37076
0,39065
0,40824
0,42364
0,43699
0,44845
0,45818
0,46638
0,47320
0,47882
0,48341
0,48713
0,49010
0,49245
0,49430
0,49573
0,49683
0,49767
0,49831
0,49878
0,49979
0,49997
0,50000
0,04
0,01595
0,05567
0,09483
0,13307
0,17003
0,20540
0,23891
0,27035
0,29955
0,32639
0,35083
0,37286
0,39251
0,40988
0,42507
0,43822
0,44950
0,45907
0,46712
0,47381
0,47932
0,48382
0,48745
0,49036
0,49266
0,49446
0,49585
0,49693
0,49774
0,49836
0,49882
0,49980
0,49997
0,50000
0,05
0,01994
0,05962
0,09871
0,13683
0,17364
0,20884
0,24215
0,27337
0,30234
0,32894
0,35314
0,37493
0,39435
0,41149
0,42647
0,43943
0,45053
0,45994
0,46784
0,47441
0,47982
0,48422
0,48778
0,49061
0,49286
0,49461
0,49598
0,49702
0,49781
0,49841
0,49886
0,49981
0,49997
0,50000
0,06
0,02392
0,06356
0,10257
0,14058
0,17724
0,21226
0,24537
0,27637
0,30511
0,33147
0,35543
0,37698
0,39617
0,41309
0,42785
0,44062
0,45154
0,46080
0,46856
0,47500
0,48030
0,48461
0,48809
0,49086
0,49305
0,49477
0,49609
0,49711
0,49788
0,49846
0,49889
0,49981
0,49998
0,50000
0,07
0,02790
0,06749
0,10642
0,14431
0,18082
0,21566
0,24857
0,27935
0,30785
0,33398
0,35769
0,37900
0,39796
0,41466
0,42922
0,44179
0,45254
0,46164
0,46926
0,47558
0,48077
0,48500
0,48840
0,49111
0,49324
0,49492
0,49621
0,49720
0,49795
0,49851
0,49893
0,49982
0,49998
0,50000
0,08
0,03188
0,07142
0,11026
0,14803
0,18439
0,21904
0,25175
0,28230
0,31057
0,33646
0,35993
0,38100
0,39973
0,41621
0,43056
0,44295
0,45352
0,46246
0,46995
0,47615
0,48124
0,48537
0,48870
0,49134
0,49343
0,49506
0,49632
0,49728
0,49801
0,49856
0,49896
0,49983
0,49998
0,50000
0,09
0,03586
0,07535
0,11409
0,15173
0,18793
0,22240
0,25490
0,28524
0,31327
0,33891
0,36214
0,38298
0,40147
0,41774
0,43189
0,44408
0,45449
0,46327
0,47062
0,47670
0,48169
0,48574
0,48899
0,49158
0,49361
0,49520
0,49643
0,49736
0,49807
0,49861
0,49900
0,49983
0,49998
0,50000
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
66

TABELA III
QUI-QUADRADO: VALORES Yc tais que P(Y>Yc)=p
GL
0,995
0,990
0,975
0,950
0,900
0,750
0,500
0,250
0,100
0,050
0,025
0,010
0,005
0,001
0,0000393
0,000157
0,000982
0,00393
0,0158
0,102
0,455
1,323
2,706
3,841
5,024
6,635
7,879
10,83
0,0100
0,0201
0,0506
0,103
0,211
0,575
1,386
2,773
4,605
5,991
7,378
9,210
10,60
13,82
0,0717
0,115
0,216
0,352
0,584
1,213
2,366
4,108
6,251
7,815
9,348
11,34
12,84
16,27
0,207
0,297
0,484
0,711
1,064
1,923
3,357
5,385
7,779
9,488
11,14
13,28
14,86
18,47
0,412
0,554
0,831
1,145
1,610
2,675
4,351
6,626
9,236
11,07
12,83
15,09
16,75
20,52
0,676
0,872
1,237
1,635
2,204
3,455
5,348
7,841
10,64
12,59
14,45
16,81
18,55
22,46
0,989
1,239
1,690
2,167
2,833
4,255
6,346
9,037
12,02
14,07
16,01
18,48
20,28
24,32
1,344
1,646
2,180
2,733
3,490
5,071
7,344
10,22
13,36
15,51
17,53
20,09
21,95
26,12
1,735
2,088
2,700
3,325
4,168
5,899
8,343
11,39
14,68
16,92
19,02
21,67
23,59
27,88
10
2,156
2,558
3,247
3,940
4,865
6,737
9,342
12,55
15,99
18,31
20,48
23,21
25,19
29,59
11
2,603
3,053
3,816
4,575
5,578
7,584
10,34
13,70
17,28
19,68
21,92
24,72
26,76
31,26
12
3,074
3,571
4,404
5,226
6,304
8,438
11,34
14,85
18,55
21,03
23,34
26,22
28,30
32,91
13
3,565
4,107
5,009
5,892
7,042
9,299
12,34
15,98
19,81
22,36
24,74
27,69
29,82
34,53
14
4,075
4,660
5,629
6,571
7,790
10,17
13,34
17,12
21,06
23,68
26,12
29,14
31,32
36,12
15
4,601
5,229
6,262
7,261
8,547
11,04
14,34
18,25
22,31
25,00
27,49
30,58
32,80
37,70
16
5,142
5,812
6,908
7,962
9,312
11,91
15,34
19,37
23,54
26,30
28,85
32,00
34,27
39,25
17
5,697
6,408
7,564
8,672
10,09
12,79
16,34
20,49
24,77
27,59
30,19
33,41
35,72
40,79
18
6,265
7,015
8,231
9,390
10,86
13,68
17,34
21,60
25,99
28,87
31,53
34,81
37,16
42,31
19
6,844
7,633
8,907
10,12
11,65
14,56
18,34
22,72
27,20
30,14
32,85
36,19
38,58
43,82
20
7,434
8,260
9,591
10,85
12,44
15,45
19,34
23,83
28,41
31,41
34,17
37,57
40,00
45,31
21
8,034
8,897
10,28
11,59
13,24
16,34
20,34
24,93
29,62
32,67
35,48
38,93
41,40
46,80
22
8,643
9,542
10,98
12,34
14,04
17,24
21,34
26,04
30,81
33,92
36,78
40,29
42,80
48,27
23
9,260
10,20
11,69
13,09
14,85
18,14
22,34
27,14
32,01
35,17
38,08
41,64
44,18
49,73
24
9,886
10,86
12,40
13,85
15,66
19,04
23,34
28,24
33,20
36,42
39,36
42,98
45,56
51,18
25
10,52
11,52
13,12
14,61
16,47
19,94
24,34
29,34
34,38
37,65
40,65
44,31
46,93
52,62
26
11,16
12,20
13,84
15,38
17,29
20,84
25,34
30,43
35,56
38,89
41,92
45,64
48,29
54,05
27
11,81
12,88
14,57
16,15
18,11
21,75
26,34
31,53
36,74
40,11
43,19
46,96
49,64
55,48
28
12,46
13,56
15,31
16,93
18,94
22,66
27,34
32,62
37,92
41,34
44,46
48,28
50,99
56,89
29
13,12
14,26
16,05
17,71
19,77
23,57
28,34
33,71
39,09
42,56
45,72
49,59
52,34
58,30
30
13,79
14,95
16,79
18,49
20,60
24,48
29,34
34,80
40,26
43,77
46,98
50,89
53,67
59,70
40
20,71
22,16
24,43
26,51
29,05
33,66
39,34
45,62
51,81
55,76
59,34
63,69
66,77
73,40
50
27,99
29,71
32,36
34,76
37,69
42,94
49,33
56,33
63,17
67,50
71,42
76,15
79,49
86,66
60
35,53
37,48
40,48
43,19
46,46
52,29
59,33
66,98
74,40
79,08
83,30
88,38
91,95
99,61
70
43,28
45,44
48,76
51,74
55,33
61,70
69,33
77,58
85,53
90,53
95,02
100,43
104,21
112,32
80
51,17
53,54
57,15
60,39
64,28
71,14
79,33
88,13
96,58
101,88
106,63
112,33
116,32
124,84
90
59,20
61,75
65,65
69,13
73,29
80,62
89,33
98,65
107,57
113,15
118,14
124,12
128,30
137,21
100
67,33
70,06
74,22
77,93
82,36
90,13
99,33
109,14
118,50
124,34
129,56
135,81
140,17
149,45
Exemplo: o valor da qui-quadrado com =16 graus de liberdade (GL) com rea da cauda superior igual
a 0,100 (P(Y>yc) = 0,1) 23,54, ou seja, 162 = 23,54 .
67

TABELA IV (t de Student): valores tc tais que P(-tc < t < tc) = 1-p
GL
0,5
0,4
0,3
0,2
0,1
0,05
0,02
0,01
0,005
0,002
0,001
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
120
5000
1,000
0,816
0,765
0,741
0,727
0,718
0,711
0,706
0,703
0,700
0,697
0,695
0,694
0,692
0,691
0,690
0,689
0,688
0,688
0,687
0,686
0,686
0,685
0,685
0,684
0,684
0,684
0,683
0,683
0,683
0,681
0,679
0,679
0,677
0,675
1,376
1,061
0,978
0,941
0,920
0,906
0,896
0,889
0,883
0,879
0,876
0,873
0,870
0,868
0,866
0,865
0,863
0,862
0,861
0,860
0,859
0,858
0,858
0,857
0,856
0,856
0,855
0,855
0,854
0,854
0,851
0,849
0,848
0,845
0,842
1,963
1,386
1,250
1,190
1,156
1,134
1,119
1,108
1,100
1,093
1,088
1,083
1,079
1,076
1,074
1,071
1,069
1,067
1,066
1,064
1,063
1,061
1,060
1,059
1,058
1,058
1,057
1,056
1,055
1,055
1,050
1,047
1,045
1,041
1,037
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,303
1,299
1,296
1,289
1,282
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
1,684
1,676
1,671
1,658
1,645
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,021
2,009
2,000
1,980
1,960
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457
2,423
2,403
2,390
2,358
2,327
63,657
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,704
2,678
2,660
2,617
2,577
127,321
14,089
7,453
5,598
4,773
4,317
4,029
3,833
3,690
3,581
3,497
3,428
3,372
3,326
3,286
3,252
3,222
3,197
3,174
3,153
3,135
3,119
3,104
3,091
3,078
3,067
3,057
3,047
3,038
3,030
2,971
2,937
2,915
2,860
2,808
318,309
22,327
10,215
7,173
5,893
5,208
4,785
4,501
4,297
4,144
4,025
3,930
3,852
3,787
3,733
3,686
3,646
3,610
3,579
3,552
3,527
3,505
3,485
3,467
3,450
3,435
3,421
3,408
3,396
3,385
3,307
3,261
3,232
3,160
3,092
636,619
31,599
12,924
8,610
6,869
5,959
5,408
5,041
4,781
4,587
4,437
4,318
4,221
4,140
4,073
4,015
3,965
3,922
3,883
3,850
3,819
3,792
3,768
3,745
3,725
3,707
3,690
3,674
3,659
3,646
3,551
3,496
3,460
3,373
3,292
Exemplo de uso da tabela t de Student: entrando-se na tabela com a probabilidade p = 0,1 e GL = 7,

lemos o valor t7 = 1,895. Logo, P(-1,895<t7<1,895) = 0,9 e P(t7>1,895) = P(t7<-1,895) = 0,1/2= 0,05.
68

TABELA V
DISTRIBUIO F: valores fc tais que P(F>fc) = p
GL2
1
P(F>)
1
2
0,100
39,9
49,5
0,050
161
199
0,025
648
799
0,010
4052
4999
0,005
16211
19999
0,001
405284
499999
2
0,100
8,53
9,00
0,050
18,5
19,0
0,025
38,5
39,0
0,010
98,5
99,0
0,005
199
199
0,001
999
999
3
0,100
5,54
5,46
0,050
10,13
9,55
0,025
17,44
16,04
0,010
34,12
30,82
0,005
55,55
49,80
0,001
167,03
148,50
4
0,100
4,54
4,32
0,050
7,71
6,94
0,025
12,22
10,65
0,010
21,20
18,00
0,005
31,33
26,28
0,001
74,14
61,25
5
0,100
4,06
3,78
0,050
6,61
5,79
0,025
10,01
8,43
0,010
16,26
13,27
0,005
22,78
18,31
0,001
47,18
37,12
6
0,100
3,78
3,46
0,050
5,99
5,14
0,025
8,81
7,26
0,010
13,75
10,92
0,005
18,63
14,54
0,001
35,51
27,00
7
0,100
3,59
3,26
0,050
5,59
4,74
0,025
8,07
6,54
0,010
12,25
9,55
0,005
16,24
12,40
0,001
29,25
21,69
Exemplo: entrando-se na tabela com a
Logo, P(F>5,05) = 5% = 0,050.
GL1
3
4
5
6
7
8
9
10
53,6
55,8
57,2
58,2
58,9
59,4
59,9
60,2
216
225
230
234
237
239
241
242
864
900
922
937
948
957
963
969
5403
5625
5764
5859
5928
5981
6022
6056
21615
22500
23056
23437
23715
23925
24091
24224
540379 562500 576405 585937 592873 598144 602284 605621
9,16
9,24
9,29
9,33
9,35
9,37
9,38
9,39
19,2
19,2
19,3
19,3
19,4
19,37
19,38
19,40
39,2
39,2
39,3
39,3
39,4
39,4
39,4
39,4
99,2
99,2
99,3
99,3
99,4
99,4
99,4
99,4
199
199
199
199
199
199
199
199
999
999
999
999
999
999
999
999
5,39
5,34
5,31
5,28
5,27
5,25
5,24
5,23
9,28
9,12
9,01
8,94
8,89
8,85
8,81
8,79
15,44
15,10
14,88
14,73
14,62
14,54
14,47
14,42
29,46
28,71
28,24
27,91
27,67
27,49
27,35
27,23
47,47
46,19
45,39
44,84
44,43
44,13
43,88
43,69
141,11
137,10
134,58
132,85
131,58 130,62
129,86 129,25
4,19
4,11
4,05
4,01
3,98
3,95
3,94
3,92
6,59
6,39
6,26
6,16
6,09
6,04
6,00
5,96
9,98
9,60
9,36
9,20
9,07
8,98
8,90
8,84
16,69
15,98
15,52
15,21
14,98
14,80
14,66
14,55
24,26
23,15
22,46
21,97
21,62
21,35
21,14
20,97
56,18
53,44
51,71
50,53
49,66
49,00
48,47
48,05
3,62
3,52
3,45
3,40
3,37
3,34
3,32
3,30
5,41
5,19
5,05
4,95
4,88
4,82
4,77
4,74
7,76
7,39
7,15
6,98
6,85
6,76
6,68
6,62
12,06
11,39
10,97
10,67
10,46
10,29
10,16
10,05
16,53
15,56
14,94
14,51
14,20
13,96
13,77
13,62
33,20
31,09
29,75
28,83
28,16
27,65
27,24
26,92
3,29
3,18
3,11
3,05
3,01
2,98
2,96
2,94
4,76
4,53
4,39
4,28
4,21
4,15
4,10
4,06
6,60
6,23
5,99
5,82
5,70
5,60
5,52
5,46
9,78
9,15
8,75
8,47
8,26
8,10
7,98
7,87
12,92
12,03
11,46
11,07
10,79
10,57
10,39
10,25
23,70
21,92
20,80
20,03
19,46
19,03
18,69
18,41
3,07
2,96
2,88
2,83
2,78
2,75
2,72
2,70
4,35
4,12
3,97
3,87
3,79
3,73
3,68
3,64
5,89
5,52
5,29
5,12
4,99
4,90
4,82
4,76
8,45
7,85
7,46
7,19
6,99
6,84
6,72
6,62
10,88
10,05
9,52
9,16
8,89
8,68
8,51
8,38
18,77
17,20
16,21
15,52
15,02
14,63
14,33
14,08
probabilidade p = 5% =0,050, e GL1 = GL2 = 5, lemos o valor fc = 5,05.
69

Aula 07

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 07

Enviado por

Direitos autorais:

Formatos disponíveis

Conhecimentos Especficos Mtodos Quantitativos Anatel

Aula 07 Teste de hiptese

Potncia de um Teste ................................................................................................ 12

Testes para a Mdia Populacional ................................................................................. 12

Desvio Padro Conhecido ......................................................................................... 13

Desvio Padro Desconhecido .................................................................................. 22

Teste para Propores ....................................................................................................... 22

Testes de Uma Varincia Populacional ....................................................................... 24

5 Testes de hipteses para Comparao de Mdias e Propores de Duas

Testes para Comparao de Duas Mdias ......................................................... 29

Testes para Dados Emparelhados ................................................................................. 29

Testes para Dados No Emparelhados .......................................................................... 31

Teste para Comparao de Duas Propores................................................... 32

O Mnimo que Voc Precisa Saber ................................................................................ 34

Exerccios de Fixao ......................................................................................................... 39

Resoluo dos Exerccios de Fixao ........................................................................... 46

Conhecimentos Especficos Mtodos Quantitativos Anatel

Na prtica, muito comum a tomada de decises sobre populaes com base

Conhecimentos Especficos Mtodos Quantitativos Anatel

Dado um problema de teste de hipteses, precisamos formular as chamadas

A hiptese nula ou hiptese de trabalho (H0) a hiptese aceita como

Conhecimentos Especficos Mtodos Quantitativos Anatel

Vamos admitir que a hiptese H0 seja verdadeira, ou seja, que a

Distribuio da mdia amostral, n=36

= P(mdia < 53)

A probabilidade pode ser determinada por meio de

Conhecimentos Especficos Mtodos Quantitativos Anatel

= P(erro tipo I) = P(rejeitar H0|H0 verdadeira).

= P(erro tipo II) = P(no rejeitar H0|H0 falsa).

Erro tipo I: rejeitar H0, sendo H0 verdadeira;

Erro tipo II: aceitar H0, sendo H0 falsa.

A faixa de valores da varivel de teste que leva rejeio de H0 denominada

Conhecimentos Especficos Mtodos Quantitativos Anatel

Regio de Aceitao (RA)

Voltando ao exemplo visto acima, a empresa poderia ter adotado o seguinte

x = 55,0 1,645 = 53,355 kN limite da RC.

Da mesma forma, se for fixado = 1%, o novo limite da RC ser

Conhecimentos Especficos Mtodos Quantitativos Anatel

amostral for superior a 53,355 kN, aceitaremos a hiptese H0 ao nvel de =

Geralmente, a hiptese nula H0 afirmar que um parmetro populacional tem

O parmetro maior que o valor especificado (teste unilateral ou

Conhecimentos Especficos Mtodos Quantitativos Anatel

(ii) O parmetro menor que o valor especificado (teste unilateral

(iii) O parmetro maior que um valor ou menor que um outro valor

Conhecimentos Especficos Mtodos Quantitativos Anatel

O valor-p (ou probabilidade de significncia ou nvel descritivo ou nvel

como a estatstica do teste, que corresponder varivel aleatria normal

Para H1: > 12 (caso (i)), o valor-p a probabilidade de que uma

Conhecimentos Especficos Mtodos Quantitativos Anatel

(iii) Para H1: 12 (caso (iii)), o valor-p a probabilidade de que uma

Conhecimentos Especficos Mtodos Quantitativos Anatel

Pequenos valores-p nos do evidncias estatsticas para rejeitarmos

O valor-p mede a plausibilidade de H0. Quanto menor o valor-p, maior

Conhecimentos Especficos Mtodos Quantitativos Anatel

verdadeira e passar a acreditar em H1. Isso conhecido como rejeio

Um teste de hipteses resulta em um erro tipo II se H0 no for rejeitada

A potncia de um teste a probabilidade de rejeio de H0 quando ela for

Testes para a Mdia Populacional

Ressaltamos que todos os testes de mdias a serem vistos nesta seo

Conhecimentos Especficos Mtodos Quantitativos Anatel

O teste para a mdia bsico. Voc no poder chegar na

Desvio Padro Conhecido

Caso 1: Testes de hipteses monocaudais:

Deve-se padronizar o valor experimental x1 utilizando-se a frmula: