Você está na página 1de 70

Inferncia

Estatstica
Para Duas
Amostras

OBJETIVOS DE APRENDIZAGEM
Depois de um cuidadoso estudo deste captulo, voc deve ser capaz de:
1.Estruturar, como testes de hipteses, experimentos comparativos envolvendo duas
amostras
2.Testar hipteses e construir intervalos de confiana para a diferena de mdias de
duas distribuies normais
3.Testar hipteses e construir intervalos de confiana para a razo de varincias ou
desvios-padro de duas distribuies normais
4.Testar hipteses e construir intervalos de confiana para a diferena de propores
de duas populaes
5.Usar a abordagem do valor P para tomar decises em testes de hipteses
6.Calcular potncia, a probabilidade de erro tipo II e tomar decises em relao a
tamanhos de amostra para testes de mdias, varincias e propores considerando
duas amostras
7.Explicar e usar relao entre intervalos de confiana e testes de hipteses

10-1 Introduo
Os dois captulos anteriores apresentaram testes de hipteses e intervalos
de confiana para o parmetro de uma nica populao (a mdia , a
varincia ou uma proporo p). Este captulo estende aqueles
resultados para o caso de duas populaes independentes.
A situao geral mostrada na Fig. 10-1. A populao 1 tem a mdia 1 e
varincia 21, enquanto a populao 2 tem mdia 2 e varincia 22.
Inferncias sero baseadas em duas amostras aleatrias de tamanhos n1 e
n2, respectivamente. Ou seja X11, X12, p, X1n1 uma amostra aleatria de
n1 observaes provenientes da populao 1 e X21, X22, p, X2n2 uma
amostra aleatria de n2 observaes provenientes da populao 2. A
maioria das aplicaes prticas dos procedimentos deste captulo aparece
no contexto de experimentos simples comparativos, em que o objetivo
estudar a diferena nos parmetros das duas populaes.

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas

Figure 10-1 Duas populaes


independentes.

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Suposies
1.

2.

3.

4.

X11,X12,...,X1n1 uma
amostra aleatria
proveniente da
populao 1
X21,X22,...,X2n2 uma
amostra aleatria
proveniente da
populao 2
As duas propores
representadas por X1 e
X2 so independentes
Ambas as populaes
so normais.

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
A grandeza

Tem distribuio N(0,1).

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
10-2.1 Testes para a Diferena de Mdias,
Varincias Conhecidas

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Exemplo 10-1
Um idealizador de produtos est interessado em reduzir o tempo de secagem de um zarco. Duas
formulaes de tinta so testadas; a formulao 1 tem uma qumica-padro e a formulao 2 tem
um novo ingrediente para secagem, que deve reduzir o tempo de secagem. Da experincia sabese que o desvio-padro do tempo de secagem igual a 8 minutos e essa variabilidade inerente
no deve ser afetada pela adio do novo ingrediente. Dez espcimes so pintados com a
formulao 1 e outros dez espcimes so pintados com a formulao 2. Os 20 espcimes so
pintados em uma ordem aleatria. Os tempos mdios de secagem das duas amostras so x1 = 121
min e x2 = 112 min, respectivamente. Quais as concluses que o idealizador de produtos pode
retirar sobre a eficincia do novo ingrediente, usando = 0,05?
Aplicamos o procedimento das oito etapas para resolver esse problema, conforme mostrado a
seguir:
1.A grandeza de interesse a diferena nos tempos mdios de secagem, 1 - 2 = 0 e 0=0
2.H0: 1 - 2 = 0 ou H0: 1 = 2
3.H1: 1 > 2. Queremos rejeitar H0 se o novo ingrediente reduzir o tempo mdio de secagem.
4. = 0.05

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Exemplo 10-1
1. A estatstica de teste

Onde 21 = 22 = (8)2 = 64 e n1 = n2 = 10
1. Rejeitar H0: 1=2, se z0 > 1,645 = z0,05
2. Clculos: uma vez que 1 = 121min e
estatstica de teste :

= 112min, a

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Exemplo 10-1
1. Concluso: J que z0 = 2,52 > 1,645, rejeitamos H0: 1-2, com
=0,05 e conclumos que a adio do novo ingrediente tinta
reduz significativamente o tempo de secagem. Alternativamente,
podemos encontrar o valor P para esse teste como
Conseqentemente, H0: 1 = 2 seria rejeitada com qualquer nvel de
significncia 0,0059

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Exemplo 10-3
Para ilustrar o uso dessas equaes de tamanho de amostra, considere a situao
descrita no Exemplo 10-1 e suponha que se a diferena verdadeira dos tempos de
secagem for to grande quanto 10 minutos, queremos detectar isso com uma
probabilidade de no mnimo 0.90. Sujeito hiptese nula, 0 = 0. Temos uma
hiptese alternativa unilateral com =10, =0.05 (assim, z=z0,05=1.645) e, desde
que a potncia seja 0.9, =0.10 (assim z = z0,10 = 1,28). Logo podemos encontrar
o tamanho requerido da amostra, a partir da Equao 10-6, como segue

Esse exatamente o mesmo resultado obtido quando usamos as curvas CO.

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
10-2.3 Intervalo de Confiana para a Diferena de
Mdias, Varincias Conhecidas

Definio
Se x1- x2, forem mdias de duas amostras aleatrias independentes de tamanhos n1 e
n2, provenientes de populaes com varincias conhecidas 21 e 22,
respectivamente, ento um intervalo de confiana 100(1-)% para 1-2

Sendo z/2 o ponto percentual superior /2 da distribuio normal padro.

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Exemplo 10-4
Testes de resistncia tenso foram feitos em dois tipos diferentes de estruturas de alumnio.
Essas estruturas foram usadas na fabricao das asas de um avio comercial. De experincias
passadas com o processo de fabricao dessas estruturas e com o procedimento de testes, os
desvios-padro das resistncias tenso so considerados conhecidos. Os dados obtidos so
os seguintes: n1 = 10, x1 = 87.6, 1=1, n2=12, x2=74,5, 2=1,5. Se 1 e 2 denotarem as
resistncias mdias verdadeiras tenso para os dois tipos da estrutura, ento podemos achar
um intervalo de confiana de 90% para a diferena na resistncia mdia 1-2, conforme a
seguir

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Exemplo 10-4
Desse modo, o intervalo de confiana de 90% para a diferena na
resistncia mdia tenso (em quilogramas por milmetro
quadrado)

Note que o intervalo de confiana no inclui o zero, implicando que


a resistncia mdia da estrutura 1 (1) excede a resistncia mdia da
estrutura 2 (2). De fato podemos estabelecer que estamos 90%
confiantes de que a resistncia mdia tenso da estrutura 1 excede
a resistncia mdia tenso da estrutura 2 por um valor entre 12,22
e 13,98 quilogramas por milmetro quadrado.

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Escolha do Tamanho da Amostra

10-2 Inferncia na Diferena de Mdias de


Duas Distribuies Normais, Varincias
Conhecidas
Limites Unilaterais de Confiana
Limite Unilateral Superior de Confiana

Limite Unilateral Inferior de Confiana

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
2
Caso 1: 1 =

2
2=

Desejamos Testar:

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
Caso 1:

2
1=

2
2=

O Estimador combinado de 2:
O Estimador combinado de 2, denotado por S2p, definido por

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
Caso 1:

2
1=

2
2=

Dadas as suposies desta seo, a grandeza

Tem uma distribuio t , com n1 + n2 - 2 graus de liberdade.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Definio: Teste t Combinado*

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-5
Dois catalisadores esto sendo analisados para determinar como eles
afetam o rendimento mdio de um processo qumico.
Especificamente, o catalisador 1 est correntemente em uso, mas o
catalisador 2 aceitvel. Uma vez que o catalisador 2 mais barato,
ele deve ser adotado, desde que ele no mude o rendimento do
processo. Um teste feito em uma planta-piloto, resultando nos
dados mostrados na Tabela 10-1. H alguma diferena entre os
rendimentos mdios? Use =0.05 e considere varincias iguais.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-5
Tabela 10-1 Dados do Rendimento dos Catalisadores, Exemplo 10-5

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-5
A soluo usando o procedimento das oito etapas para o teste de hipteses dada a
seguir:
1.Os parmetros de interesse so 1 e 2, o rendimento mdio do processo usando os
catalisadores 1 e 2, respectivamente. Queremos saber se 1-2 = 0.
2.H0: 1-2=0 ou H0:1=2
3.H1: 12
4.=0.05
5.A estatstica de teste

1.Rejeitar H0 se t0> t0.025;14 = 2.145 ou se t0 < -t0.025;14 = -2.145.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-5
1.

Clculos: da Tabela 10-1, temos x1=92.255, s1 = 2.39, n1 = 8, x2 = 92,733, s2 =


2.98, n2 = 8. Conseqentemente

1.

Concluses: j que -2.145< t0 = -0,35 < 2.145, a hiptese nula no pode ser
rejeitada. Ou seja, no nvel de significncia de 0.05, no temos evidncia forte
para concluir que o catalisador 2 resulta em um rendimento mdio que difere do
rendimento mdio quando o catalisador 1 usado.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Sada do Minitab para o Exemplo 10-5

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas

Figure 10-2 Grfico de probabilidade normal e diagrama de caixa


comparativos para os dados de rendimento do catalisador do
Exemplo 10-5.(a)Grfico de Probabilidade Normal,(b)Box plot.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
2
2
Caso 2: 1 2

ser distribuda normalmente como t com graus de


liberdade dados por mnimo entre n1-1 e n2 -1 ou

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
2
2
Caso 2: 1 2

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-6
A concentrao de arsnio em suprimentos pblicos de gua potvel um risco potencial
sade. Um artigo no jornal Arizona Republic (Domingo, 27 de maio de 2001) reportou
as concentraes, em partes por bilho (ppb), de arsnio em gua potvel para 10
comunidades metropolitanas de Fnix e 10 comunidades rurais do Arizona. Eis os dados:

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-6 (Continuao)
Desejamos determinar se h alguma diferena nas concentraes mdias de arsnio entre as
comunidades metropolitanas de Fnix e as comunidades rurais do Arizona. A Fig 10.3 mostra
uma grfico de probabilidade normal para as duas amostras de concentrao de arsnio. A
suposio de normalidade parece bem razovel, porm uma vez que as inclinaes das duas
linhas retas so muito diferentes, improvvel que as varincias das populaes sejam as
mesmas.
Aplicando o procedimento das oito etapas temos:
1.Os parmetros de interesse so as concentraes mdias de arsnio para as duas regies
geogrficas, 1 e 2. Estamos interessados em sabe se 1-2 = 0.
2.H0: 1-2=0 ou H0:1=2
3.H1: 12
4.=0.05 (digamos)

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-6 (Continuao)
1.

A estatstica do teste :

1.

Os graus de liberdade t0* so encontrados a partir da equao 10-16 como

Logo, usando = 0.05, rejeitaremos H0: 1=2 se t0* > t0.025;13 =2.160 ou se t0* < -t0.025;13 = 2.160

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-6 (Continuao)

Figure 10-3 Grfico de


probabilidade normal
dos dados de
concentrao de arsnio
do Exemplo 10-6.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-6 (Continuao)
1.

Clculos: usando os dados amostrais, temos

1.

Concluses: j que t0* = -2.77 < t0.025;13 = -2.160, rejeitamos a hiptese nula.
Logo, h evidncia para concluir que a concentrao mdia de arsnio na
gua potvel na zona rural do Arizona diferente da concentrao mdia de
arsnio na gua potvel da rea metropolitana de Fnix. Alm disso, a
concentrao mdia de arsnio maior nas comunidades rurais do Arizona.
O valor P para este teste aproximadamente P = 0.016 .

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
10-3.3 Intervalo de Confiana para a Diferena de
Mdias, Varincias
2
2Desconhecidas
2
Caso 1:

1 = 2=

Se x1, x2, s21 e s22 forem mdias e as varincias amostrais de duas amostras
aleatrias independentes de tamanhos n1 e n2, respectivamente, provenientes de
populaes normais independentes, com varincias desconhecidas, porm
iguais, ento um intervalo de confiana 100(1-)% para diferena de mdia 12 :

Em que
a estimativa combinada do
desvio-padro comum da populao e t/2,n1+n2+2 o ponto percentual superior
/2 da distribuio t , com n1 + n2 - 2 graus de liberdade.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
2
Case 1: =
1
Exemplo 10-8

2
2=

Um artigo no jornal Hazardous Waste and Hazardous Materials (Vol.6,1989) reportou os


resultados de uma anlise do peso de clcio em cimento-padro e em cimento contendo
chumbo. Nveis reduzidos de clcio indicariam que o mecanismo de hidratao no cimento
estaria bloqueado, permitindo gua atacar vrias localizaes na estrutura do cimento.
Dez amostras de cimento-padro tiveram um teor mdio percentual em peso de clcio de x1
= 90.0, com um desvio-padro amostral de s1 = 5 enquanto 15 amostras do cimento com
chumbo tiveram um teor mdio percentual em peso de clcio de x2=87.0, com um desviopadro amostral de s2 = 4.0 .
Consideraremos que o teor percentual em peso de clcio seja normalmente distribudo e
encontraremos 95% para a diferena de mdias, 1 2, para os dois tipos de cimento.
Alm disso, consideraremos que ambas as populaes tenham o mesmo desvio-padro.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
2
Case 1: =
1

2
2=

Exemplo 10-8 (Continuao)


A estimativa combinada do desvio-padro comum
encontrada usando a Equao 10-12, conforme segue:

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
2
Case 1: =
1

2
2=

Exemplo 10-8 (Continuao)


Por conseguinte, a estimativa combinada do desvio-padro comum
sp = 19.52 = 4.4 . O intervalo de confiana de 95% encontrado
usando a Equao 10-19:

Ou substituindo os valores das amostras e usanto t0.025;23 = 2,069

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
2
Case 1: =
1

2
2=

Exemplo 10-8 (Continuao)


Que reduz para

Note que o intervalo de confiana de 95% inclui o zero; assim, nesse nvel de
confiana, no podemos concluir que haja uma diferena entre as mdias.
Dizendo de outra forma, no h evidncia de que o cimento contendo chumbo
tenha afetado o percentual mdio em peso de clcio; desse modo, no podemos
afirmar que a presena de chumbo afete esse aspecto do mecanismo de
hidratao, com um nvel de 95% de confiana.

10-3 Inferncia na Diferena de Mdia de


Duas Distribuies Normais, Varincias
Desconhecidas
10-3.3 Intervalo de Confiana para a Diferena de
Mdias, Varincias Desconhecidas
2
2 e as varincias de duas amostras aleatrias
Se x1,Case
x2, s212:e s22 forem
mdias
1 tamanhos
2 n1 e n2, respectivamente, provenientes de
independentes de
populaes normais independentes, com varincias desconhecidas e desiguais,
ento um intervalo de confiana 100(1-)% para diferena de mdia 1-2 :

Em que v dado pela Equao 10-16 e t/2,v o ponto percentual superior /2 da


distribuio t , com v graus de liberdade.

10-4 Teste t Emparelhado


Um caso especial de testes t para duas amostras da
Seo 10-3 ocorre quando as observaes nas duas
populaes de interesse so so coletados em pares.
Cada par de observaes, como (X1j , X2j ), tomado
sob condies homogneas, mas essas condies
podem mudar de um par para outro.

10-4 Teste t Emparelhado


O Teste t Emparelhado

10-4 Teste t Emparelhado


Exemplo 10-9
Um artigo no Journal of Strain Analysis (1983, Vol 18, No.2) compara vrios mtodos para
prever a resistncia ao cisalhamento em traves planas metlicas. Dados para dois desses
mtodos, os procedimentos de Karlsruhe e Lehigh, quando aplicados a nove traves
especficas, so mostrados na Tabela 10-2. Desejamos determinar se h qualquer diferena
(na mdia) entre dois mtodos.

Tabela 10-2 Previses de Resistncia para Nove Traves Planas de Ao (Carga Prevista/Carga Observada)

10-4 Teste t Emparelhado


Exemplo 10-9
Procedimento de oito etapas aplicado a seguir:
1.O parmetro de interesse a diferena na resistncia mdia ao
cisalhamento entre os dois mtodos, como d = 1-2 =0.
2.H0: d =0
3.H1: d 0
4. = 0.05
5.A estatstica do teste

1.Rejeitar H0 se t0 > t0.025 = 2.306 ou se t0 < - t0.025 = -2.306

10-4 Teste t Emparelhado


Exemplo 10-9
1.

Clculos: a mdia e o desvio-padro amostrais das diferenas dj so d = 0,2739 e sD =


0,1351; logo, de modo que a estatstica de teste

1.

Concluses: uma vez que t0=6,08 > 2,306, conclumos que os mtodos de previso da
resistncia fornecem resultados diferentes. Especificamente, os dados indicam que o
mtodo de Karlsruhe produz, em mdia, previses maiores para resistncia do que o
mtodo de Lehigh. O valor P para t0 = 6,08 P = 0,0003; logo, a estatstica de teste
est bem dentro da regio crtica.

10-4 Teste t Emparelhado


Comparaes Emparelhadas versus
Desemparelhadas
Assim, como decidimos conduzir o experimento? Devemos ou no emparelhar
as observaes? Embora no haja uma resposta geral a essa questo, podemos
dar algumas regras baseadas na discusso anterior.
1.Se as unidades experimentais forem relativamente homogneas ( pequena) e
a correlao intrapares (within) for pequena, o ganho na preciso atribudo ao
emparelhamento ser compensado pela perda de graus de liberdade; por
conseguinte, o experimento com amostra independente deve ser usado.
2.Se as unidades experimentais forem relativamente heterogneas ( grande) e
se houver uma grande correlao positiva intrapares (within), o experimento
emparelhado deve ser usado. Tipicamente, esse caso ocorre quando as unidades
experimentais forem as mesmas para ambos os tratamentos. Como no Exemplo
10-9, as mesmas traves foram usadas para testar os dois mtodos.

10-4 Teste t Emparelhado


Um Intervalo Confiana para D
Definio
Se d e sD forem a mdia e o desvio-padro amostrais da diferena de n pares
aleatrios de medidas distribudas normalmente, ento um intervalo de
confiana 100(1-)% para diferena de mdia 1-2 :

Sendo t/2,n-1 o ponto percentual superior /2% da distribuio t , com n-1 graus
de liberdade.

10-4 Teste t Emparelhado


Exemplo 10-10
Peridico Human Factors (1962, pp. 375-380) reporta um estudo em que se pediu a
n = 14 pessoas para estacionarem dois carros, de forma paralela, tendo barras de
direo e raios de giro muito diferentes. O tempo em segundos para cada pessoa foi
registrado, sendo apresentado na Tabela 10-3. Da coluna das diferenas observadas,
calculamos d=1.21 e sD = 12.68 . O intervalo de confiana de 90% para d = 1 2
encontrado a partir da Equao 10-23 conforme segue:

Note que o intervalo de confiana para d inclui o zero. Isso implica que, com um
nvel de confiana de 90%, os dados no confirmam a afirmao de que os dois
carros tm diferentes tempos mdios, 1 e 2, para estacionar. Ou seja, o valor d =
1 2 = 0 consistente com os dados observados.

10-4 Teste t Emparelhado


Exemplo 10-10

Tabela 10-3 Tempo em


segundos para Estacionar
Dois Automveis
Paralelamente

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
10-5.1 A Distribuio F
Desejamos testar as hipteses:

O desenvolvimento de um procedimento para essas


hipteses requer uma nova distribuio de
probabilidades, a distribuio F.

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
10-5.1 A Distribuio F
Sejam W e Y variveis aleatrias independentes qui-quidrado, com u e v graus
de liberdade, respectivamente. Ento a razo

Tem funo densidade de probabilidade

E dito seguir a distribuio F com u graus de liberdade no numerador e v graus


de liberdade no denominador. geralmente abreviada como Fu,v.

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
10-5.1 A Distribuio F

Figura 10-4 Funes densidade de


probabilidade de duas distribuies F

Figura 10-5 Pontos percentuais superior


e inferior da distribuio F

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
10-5.1 A Distribuio F
Os pontos percentuais na extremidade inferior f1-,u,
Podem ser encontrados como se segue.

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
10-5.2 Testes de Hipteses para a Razo de Duas
Varincias
Seja X11, X12,..., X1n1 uma amostra aleatria proveniente de uma populao
normal, com mdia 1 e varincia 21. Seja X21,X22,...,X1n2 uma amostra
aleatria proveniente de uma populao normal, com mdia 2 e varincia
22. Considere que ambas as populaes normais sejam independentes.
Sejam S21 e S22 as varincias das amostras. Ento a razo

Tem uma distribuio F, com n1 1 graus de liberdade no numerador e n2-1


graus de liberdade no denominador.

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
10-5.2 Testes de Hipteses para a Razo de Duas
Varincias

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
Exemplo 10-11
Camadas de xidos em pastilhas de semicondutores so atacadas com uma
mistura de gases, de modo a atingir a espessura apropriada. A variabilidade na
espessura dessas camadas de xidos uma caracterstica crtica da pastilha. Uma
baixa variabilidade desejada para as etapas subseqentes do processo. Duas
misturas diferentes de gases esto sendo estudadas para determinar se uma delas
superior na reduo da variabilidade de espessura das camadas de xido. Vinte
pastilhas so atacadas com cada gs. Os devios-padro da espessura de xido so
s1=1.96 ngstroms e s2 = 2,13 ngstroms, respectivamente. H qualquer
evidncia que indique ser um gs prefervel em relao ao outro? Use = 0.05 .

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
Exemplo 10-11
1.
2.

1.

Uma vez que n1 = n2 = n, rejeitaremos H0: 21 = 22 se f0> f0.025;19;19 = 2.53


ou se f0 < f0.975;19;19 = 1/2.53 = 0.40 .
Clculos: j que s21 = (1,96)2 = 3,84 e s22 = (2,13)2 = 4.54, a estatstica de
teste

Concluses: uma vez que f0.p75;19;19 = 0.40 < f0 = 0.85 < f0.025;19;19 = 2.53,
no podemos rejeitar a hiptese nula H0: 21 = 22 com nvel de
significncia de 0.05. Conseqentemente, no h evidncia forte para
indicar que um gs que resulte e m uma varincia menor da espessura de
xido.

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
10-5.4 Intervalo de Confiana para a Razo de Duas
Varincias
Se s21 e s22 forem as varincias de amostras aleatrias de tamanhos n1 e n2,
respectivamente, provenientes de duas populaes normais independentes,
com varincias desconhecidas 21 e 22, ento um intervalo de confiana de
100 (1 )% para razo 21/22 ser:

Em que f/2,n2-1,n1-1 e f1-/2,n2-1,n1-1 so os pontos percentuais /2 superior e inferior


da distribuio F, com n2-1 graus de liberdade no numerador e n1-1 graus de
liberdade no denominador, respectivamente. Um intervalo de confiana para
razo de dois desvios-padro pode ser obtido extraindo a raiz quadrada da
Equao 10-31.

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
Exemplo 10-13
Uma companhia fabrica propulsores para uso em motores de turbinas a jato. Uma
das operaes envolve dar um acabamento, esmerilhando uma determinada
superfcie de um componente feito com liga de titnio. Dois processos diferentes
para esmerilhar podem ser usados, podendo produzir peas com iguais rugosidades
mdias na superfcie. Uma amostra aleatria de n1 = 11 peas proveniente do
primeiro processo, resulta em um desvio-padro de s1=5.1 micropolegadas. Uma
amostra aleatria n2 = 16 peas, proveniente do segundo processo, resulta em um
desvio-padro de s2= 4.7 micropolegadas. Encontraremos um intervalo de confiana
de 90% para a razo de dois desvios-padro 1/2.

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
Exemplo 10-13
Considerando que os dois processos sejam independentes e que a rugosidade
na superfcie seja normalmente distribuda, podemos usar a Equao 10-31
como a seguir:

10-5 Inferncias Para Varincias de Duas


Distribuies Normais
Exemplo 10-13
Ou fazendo os clculos e extraindo a raiz quadrada,

Note que temos usado a equao 10-28 para achar f0.95;15;10 = 1/f0.05;10;15 = 1/2.54
= 0.39. Uma vez que esse intervalo de confiana inclui a unidade, no podemos
afirmar que os desvios-padro da rugosidade da superfcie para os dois
processos sejam diferentes com um nvel de confiana de 90%.

10-6 Inferncias Para Propores de Duas


Populaes
10-6.1 Testes para a Diferena nas Propores
de uma Populao, Amostras Grandes
Estamos interessados em testar as hipteses:

10-6 Inferncias Para Propores de Duas


Populaes
10-6.1 Testes para a Diferena nas Propores
de uma Populao, Amostras Grandes
A estatstica de teste que segue distribuda
aproximadamente como uma normal padro e
este o teste bsico:

10-6 Inferncias Para Propores de Duas


Populaes
10-6.1 Testes para a Diferena nas Propores
de uma Populao, Amostras Grandes

10-6 Inferncias Para Propores de Duas


Populaes
Exemplo 10-14
Extratos de erva-de-so-joo so largamente usados para tratar depresso. Um
artigo na edio de 18 de abril de 2001 da revista Journal of the American
Medical Association (Effectiveness of St. Johns Wort on Major Depression: A
Randomized Controlled Trial Eficincia da erva-de-so-joo em Depresso
Unipolar: Uma tentativa Aleatorizada Controlada) comparou a eficcia de um
extrato-padro de erva-de-so-joo com um placebo em 200 pacientes
diagnosticados com depresso unipolar. Pacientes foram designados
aleatoriamente em dois grupos: um grupo recebeu a erva-de-so-joo e o outro
recebeu placebo. Depois de oito semanas, 19 dos pacientes tratados com placebo
mostraram melhorias, enquanto 27 daqueles tratados com a erva-de-so-joo
melhoraram. H alguma razo para acreditar que a erva-de-so-joo seja efetiva
no tratamento de depresso unipolar? Use = 0.05 .
O procedimento de oito etapas para o teste de hipteses conduz aos seguintes
resultados:

10-6 Inferncias Para Propores de Duas


Populaes
Exemplo 10-14
1.

2.
3.
4.
5.

Os parmetros de interesse so p1 e p2, as propores de pacientes que


melhoraram depois do tratamento com erva-de-so-joo (p1) e com o
placebo (p2).
H 0 : p 1 = p2
H1: p1 p2
= 0.05
A estatstica de teste

Onde

10-6 Inferncias Para Propores de Duas


Populaes
Exemplo 10-14
1.

Rejeitar H0: p1 = p2 se z0 > z0.025 = 1.96 ou se z0 < -z0.025 = - 1.96

1.

Clculos: o valor da estatstica de teste

1.

Concluses: uma vez que z0 = 1.35 no excede z0.025, no podemos


rejeitar a hiptese nula. Note que o valor de P P 0.179. No h
evidncias suficientes para confirmar que a erva-de-so-joo seja efetiva
no tratamento de depresso unipolar.

10-6 Inferncias Para Propores de Duas


Populaes
Sada do Minitab para o Exemplo 10-14

10-6 Inferncias Para Propores de Duas


Populaes
10-6.3 Intervalo de Confiana para a Diferena de
Propores de Populaes
Se p1 e p2 forem as propores amostrais de observaes em duas amostras
aleatrias e independentes, de tamanhos n1 e n2 que pertenam a uma classe
de interesse, ento um intervalo aproximado de confiana de 100 (1 - )%
nas propores verdadeiras p1 p2 ser

Sendo z/2 o ponto percentual superior /2 da distribuio normal padro.

10-6 Inferncias Para Propores de Duas


Populaes
Example 10-15
Considere o processo descrito no Exemplo 8-7 sobre a fabricao de mancais para
eixos de manivela. Suponha que uma modificao seja feita no processo de
acabamento da superfcie e que , subseqentemente, obtenha-se uma segunda amostra
aleatria de 85 eixos. O nmero de eixos defeituosos nessa segunda amostra 8. Por
conseguinte, uma vez que n1 = 85, p1 = 0.12, n2 = 85, p2 = 8/85 = 0.09, podemos obter
um intervalo aproximado de confiana de 95% para a diferena da proporo de
mancais defeituoso produzidos pelos dois processos a partir da equao 10-39
conforme se segue:

10-6 Inferncias Para Propores de Duas


Populaes
Exemplo 10-15
Ou

Isso simplifica para

Esse intervalo de confiana inclui o zero: assim, baseado nos dados das amostras,
parece improvvel que mudanas feitas no processo de acabamento da superfcie
tenham reduzido a proporo de mancais com eixos defeituoso sendo produzidos.