Você está na página 1de 12

Elaborao: Antnio dson Corrente

INFERENCIA ESTATSTICA; TEORIA DA DECISO.

INFERNCIA ESTATSTICA APLICADA


A inferncia o processo de generalizao e de projees realizadas a partir da
amostra por meio de Estimativas, Intervalos de Confiana e de Teste de Hiptese. A
idia calcular as medidas em uma amostra selecionada aleatoriamente com critrios
cientficos e aplicar as tcnicas nessa amostra para ento projetar os resultados para a
populao.
Com as estatsticas amostrais ganhamos tempo, preciso, agilidade, avaliando
tambm as relaes e tendncias futuras a partir do conhecimento do comportamento
de uma populao.
As tcnicas da Inferncia Estatstica possibilitam concluir ou tomar decises
sobre a populao com base em uma amostra dessa populao.

1. TEORIA DA DECISO
O objetivo principal da engenharia atingir a eficcia, assim, o processo de
gesto de um engenheiro tem xito ao atingir metas definidas no planejamento. Se
Considerarmos que um experimento um investimento de recursos escassos e que
todo investimento visa adicionar valor aos recursos consumidos inicialmente, assim,
conclui-se que um processo gerencial excelente na medida em que as decises
tomadas conduzem a minimizao do custo e a maximizao das receitas.
Muitas vezes o Engenheiro (pesquisador) tem alguma ideia, ou suposio, sobre
o comportamento de uma varivel, ou de uma possvel associao entre variveis.
Neste caso, o planejamento da pesquisa deve ser de tal forma que permita, com os
dados amostrais, possam testar a veracidade de suas ideias sobre a populao em
estudo. Adotamos que a populao seja o mundo real e as ideias sejam as hipteses de
pesquisa, que podem ser testadas por tcnicas estatsticas denominadas de teste de
hipteses ou testes de significncia.

Testes de Hiptese: verificao de hipteses sobre a populao, mediante critrios


estatsticos.
Regra de Deciso: procedimento pelo qual se opta por rejeitar ou no rejeitar a
hiptese de nulidade.

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

Erros Associados:
ERRO TIPO I: Consiste em rejeitar Ho , dado que Ho verdadeira.
ERRO TIPO II: Consiste em aceitar Ho , dado que Ho falsa.
Nvel de significncia (): consiste no valor da probabilidade de se cometer um Erro
tipo I. Poder do teste (1 - ): consiste na probabilidade de rejeio de H 0 , quando de
fato ela falsa.

Ho = hiptese nula: formulada sobre o valor j estabelecido, ou seja, sobre o


comportamento mdio conhecido.

Ho 0
Ha = hiptese alternativa: formulada a partir da mudana que queremos verificar.

Ha 0 Teste unilateral direito


Ha 0 Teste unilateral esquerdo
Ha 0 Teste bilateral (direito e esquerdo)
Regio Crtica:
Regio crtica (regio de rejeio): o conjunto de todos os valores da
estatstica de teste que leva rejeio da H 0 .

RA: Regio de Aceitao de Ho.


RC: Regio Critica (Regio de rejeio de Ho).
Valor crtico (valor tabelado): o valor que separa a regio crtica dos valores
da estatstica de teste que no levam rejeio da H 0 .
Estatstica de teste (valor calculado): uma estatstica amostral baseada nos
dados amostrais.

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

Testes: Bilateral, Unilateral Esquerdo, Unilateral Direito.


Rejeita-se H 0 , se o valor calculado est na regio de rejeio (rea pintada dos
grficos abaixo), porque isto indica uma discrepncia significativa entre H 0 e os dados
amostrais.

1.1 TESTE PARA UMA MDIA


O teste de hiptese deve ser aplicado aos valores amostrais para, verificarmos
se as diferenas observadas so significativas e se os mesmos podem ser projetados
para a populao.
Parmetros para o Teste para a mdia: Clculo da estatstica de teste
Quando conhecemos x o valor calculado dado por:

Z cal

x 0

n
O Valor tabelado dado por:

Ztab Z / 2 : valor da distribuio normal com nvel


bilateral

de significncia para um teste


2

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

Quando desconhecemos x e n < 30 o valor calculado dado por:

t cal

x 0
Sx
n

O Valor tabelado dado por:


ttab tn/ 12 : valor da distribuio t com nvel de significncia e n-1 graus de liberdade

Exemplo 1: A Tenso de ruptura dos cabos produzidos por um fabricante, apresenta a


mdia de 1800 kg e o desvio padro de 100 kg. Mediante nova tcnica no processo de
fabricao, proclamou-se que a tenso de ruptura pode ter aumentado. Para testar
essa declarao, ensaiou-se uma amostra de 50 cabos, tendo-se determinado tenso
mdia de ruptura de 1850 kg. Pode-se confirmar a declarao ao nvel de significncia
de 5%.

Exerccio:
Exemplo 2: Os sistemas de escapamentos de uma aeronave funcionam devido a um
propelente slido. A taxa de queima desse propelente uma caracterstica importante
do produto. As especificaes requerem que a taxa mdia de queima tem de ser = 50
cm/s. Sabendo-se que o desvio padro da taxa de queima = 2 cm/s. O engenheiro
experimentalista decide ao nvel de = 5% testar a hiptese de a taxa mdia de
queima exceda a especificada. Ele seleciona uma amostra aleatria de n = 25 e obtm
uma taxa mdia amostral de queima de x 51,3 cm / s . Que concluses poderiam ser
retiradas?

1.2 TESTE PARA COMPARAO DE DUAS MDIAS


1.2.1 Amostras Dependentes
Duas amostras so ditas dependentes quando ambas provem de uma mesma
populao. E apresenta as caractersticas:
a) Se uma amostra tem relao com a outra
b) Tambm chamadas de amostras emparelhadas

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

Estatstica de Teste (valor calculado):

t cal

d d
Sd
n

em que:

d : mdia das diferenas d para a populao.


d : valor mdio das diferenas d para os dados amostrais.
S d : desvio-padro das diferenas d para os dados amostrais.
n : nmero de pares na amostra.
Valor tabelado:

ttab tn/ 12 : valor da distribuio t com nvel de significncia e n-1 graus de liberdade
Exemplo:
Dois catalisadores esto sendo analisados para determinar como eles afetam o
rendimento mdio de um processo qumico. Especificamente, o catalisador 1 esta
corretamente 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 resultou nos dados amostrados da
tabela a seguir:
Nmero da Observao
1
2
3
4
5
6
7
8

Catalisador 1
91,50
94,18
92,18
95,39
91,79
89,07
94,72
89,21

Catalisador 2
89,19
90,95
90,46
93,21
97,19
97,04
91,07
92,75

Fonte: Montgomery.

Ao nvel de 5% testa a hiptese de que h alguma diferena entre os rendimentos


mdios.
1.2,2 Amostras Independentes
Duas amostras so independentes se a amostra extrada de uma das
populaes no tem qualquer relao com a amostra extrada da outra populao

1.2.2.1 Teste para comparao de duas mdias Amostras independentes e grandes


Os tamanhos das duas amostras so grandes: n130 e n230

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

Estatstica de Teste (valor calculado):

Z cal

( x1 x2 ) (1 2 )

12
n1

22
n2

em que:
1 e 2: desvio padro populacional das amostras 1 e 2. Caso no for conhecido
podem ser substitudos por S1 e S2.
Valor tabelado:

Z tab Z / 2 : valor da distribuio normal com nvel

de significncia para um teste


2

bilateral

Exemplo:
1. Um estudo com a finalidade de comprovar o tempo de vida mdio em horas de dois
tipos diferentes de lmpadas. Os resultados do estudo esto dispostos abaixo.
Parmetros
Lmpada ambiental Lmpada tradicional
Mdia (horas)
1250
1305
Desvio Padro (horas)
55
65
n
75
75
FONTE: SPIEGEL e STEPHENS

Teste ao nvel de significncia = 5% de que o tempo de vida mdio das lmpadas


tradicionais so superiores aos das lmpadas ambientais (Ho = x2 - x1 =0 versos
Ha = x2 - x1 >0 e conclua.

1.2.2.2 Teste para comparao de duas mdias Amostras independentes e


pequenas
Pelo menos uma das amostras pequena n < 30
Existem trs casos:
Caso 1: os valores de ambas as varincias populacionais so conhecidas (raramente
ocorre)
Caso 2: as duas populaes parecem ter varincias iguais
Caso 3: as duas populaes parecem ter varincias diferentes

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

Caso 1
Varincias populacionais
conhecidas

Z cal

( x1 x2 ) (1 2 )

Estatstica de teste
Caso 2
As duas varincias
populacionais parecem
iguais

tcal

( x1 x2 ) (1 2 )
S p2 S p2

n1 n2

S12 S 22

n1 n2

Caso3
As duas varincias
populacionais parecem
desiguais

tcal

( x1 x2 ) (1 2 )
S12 S 22

n1 n2

em que:

S p2

n1 1.S12 n2 1.S 22
(n1 1) (n2 1)

Z tab Z / 2 : valor da

Valor tabelado*
ttab tn1/2n2 2 : valor da

ttab tgl/ 2 : valor da

distribuio normal com

distribuio t com nvel

distribuio t com nvel

nvel de significncia

de significncia e
2

de significncia e gl
de liberdade, em que:

n1 n2 2 graus de

gl: menor entre n1 1 e

liberdade

n2 1

ou
valor da

n1 n2 2
:
/2

ttab t

distribuio t com nvel

de significncia e
2
n1 n2 2 graus de
liberdade

ou
S12 S 22

n
n2
gl 12
2
2
S1 S 22

n1 n2
n1 1 n2 1

Nota: * considerando-se um teste bilateral, caso o teste unilateral considera-se

nvel de significncia.

Exemplo: Na tabela abaixo esto relacionados os contedos de alcatro, nicotina e


monxido de carbono em uma amostra aleatria de cigarros tamanho padro, com
filtro e sem filtro. Todas as medidas so em miligramas.

1) VARINCIAS IGUAIS - No nvel de 0,05 de significncia, teste a afirmao de que a


quantidade mdia de nicotina em cigarros tipo king-size sem filtro maior do que
quantidade mdia de nicotina presente em cigarros com filtro.

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

2) VARINCIAS DESIGUAIS - No nvel de 0,05 de significncia, teste a afirmao de que


a quantidade mdia de alcatro em cigarros sem filtro maior do que a quantidade
mdia de alcatro presente em cigarros com filtro.
Tabela 1 Alcatro, Nicotina e Monxido de Carbono em Cigarros (miligramas).
Com filtro
Sem filtro
Alcatro
Nicotina
CO
Alcatro
Nicotina
CO
16
1,2
14
23
1,6
14
15
1,3
12
23
1,9
15
16
1,1
14
24
1,6
17
14
1,1
16
26
1,8
17
16
1,0
15
25
1,7
16
2
0,1
2
26
1,7
16
16
1,1
14
21
1,4
14
18
1,0
16
24
1,5
16
10
0,8
11
14
1,0
13
12
0,9
13
11
0,8
12
14
1,0
13
13
1,0
12
13
1,0
13
13
0,9
14
16
1,2
14
16
1,1
14
8
0,1
9
16
1,2
17
11
0,9
12
Fonte: Federal Trade Commission.

VARINCIAS IGUAIS OU DIFERENTES?


Regra Prtica
Regra prtica para estabelecer se as varincias de duas populaes so iguais.
Comparam-se as varincias de duas amostras; se a maior varincia for igual at
4 vezes a menor, admite-se que as duas populaes tm varincias iguais. Por
exemplo, se as amostras tm varincias:

S12 15,64

S 22 6,80

tem-se que

admitir que as varincias so iguais.

S12 15,64

2,3 4 , assim razovel


S 22 6,80

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

2.1 Estatstica Experimental


a parte da Estatstica que se preocupa em obter concluses a partir de dados
experimentais. Um experimento permite a coleta das observaes sob condies
determinadas. (Tratamento previamente planejado, que segue determinados princpios
bsicos, no qual se faz comparao dos efeitos dos tratamentos). Abaixo seguem
alguns conceitos bsicos:

Planejamento de experimentos
No estudo experimental manipula-se de forma planejada certas varivel
independente ou fatores (A, B, C,...) para verificar o efeito que esta manipulao
provoca numa certa varivel dependente ou resposta Y.
Uma empresa de informtica quer verificar o tipo de equipamento adequado ao
usurio. A resposta Y pode ser o tempo de resposta e os fatores podem ser:
o processador (A);
a quantidade de memria RAM (B);
a quantidade de memria fixa (C) e
o tipo de carga de trabalho a ser executada (D).
Uma empresa de engenharia quer verificar se o aumentando a dosagem de cimento,
aumenta-se a resistncia do concreto?

Estratgias no planejamento de experimentos


reconhecer, estabelecer e delimitar claramente o problema;
identificar os possveis fatores que podem afetar o problema em estudo;
verificar quais fatores que podero ser mantidos fixos e, portanto, no tero os seus
efeitos avaliados no estudo experimental;
Identificar, para cada fator, o intervalo de variao e os nveis que entraro no
estudo;
escolher um projeto experimental adequado, isto , saber como combinar os nveis
dos fatores de forma que se possa resolver o problema proposto com o menor custo
possvel;

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

10

escolher a resposta adequada, ou seja, a varivel Y que mede adequadamente o


resultado (a qualidade, o desempenho, etc.) do processo e
o planejamento de como ser a anlise dos dados do experimento.

Abaixo seguem alguns conceitos bsicos:

Varivel resposta: a varivel a ser medida ou avaliada.


Tratamento: utilizado para caracterizar tipos ou nveis de um fator.
Exemplo:

Tratamento 1 - medicamento A
Tratamento 2 - medicamento B
Tratamento 3 - medicamento C

Unidade experimental (parcela): onde aplicado um tratamento. Ex. uma pessoa, um


animal, uma planta, etc.

2.2 Princpios Bsicos da Experimentao


Repetio: todo experimento deve ter repetio de tratamentos. (a idia, em
experimentao, comparar grupos, no apenas unidades, quanto mais homogneo o
material experimental, menor o nmero de repeties necessrias para o efeito do
tratamento)
Aleatorizao: a distribuio das parcelas na rea experimental deve ser feita atravs
de algum processo de casualizao (sorteio). (validade das estimativas)

2.3 Anlise de Varincia (ANOVA)


uma tcnica proposta por Fisher (1890-1962), utilizada para comparar as
mdias de vrias amostras ao mesmo tempo.
Consiste em comparar a variao devido aos tratamentos com a variao
devido ao acaso ou resduo.

Seja um experimento com I tratamentos com J

repeties.
Yi a varivel resposta

yij representa os dados observados

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

T
R
A
T

1
2
3

11

Repeties
2

x11
x21
x31

xI1

x12
x22
x31

xI 2

...

...
...
...

x1J
x2 J
x3J

xIJ

T1
T2
T3

TI

...

Hipteses para o Teste F


Ho= Fcal = 0: No existe diferena significativa entre os efeitos dos tratamentos.
Ha= Fcal >0: Existe, pelo menos, uma diferena significativa entre os efeitos dos
tratamentos.
Quadro de ANAVA de um Experimento Inteiramente Casualizado - DIC
FONTES DE VARIAO

GL

SQ

QM

Entre os tratamentos (Tratamentos)

k1

SQT

QMT

Dentro de tratamentos (Resduos)

n-k

SQR

QMR

TOTAL

n-1

SQ GERAL

-----

FC
Fcalc
-----

Seja : k = nmero de tratamentos.

r = nmero de repeties de cada um dos tratamentos.

n k.r
SQ: Soma de quadrados.
QM: Quadrados mdios.
SQT: Soma de Quadrados Total (Tratamentos).
SQR: Soma de Quadrados Residual.
SQG: Somatrio Quadrtico Geral.
n

( x)
SQG xi2 i
n
i 1
n

QMT

SQT
k 1

2
i

( xi )2
SQT

r
n
i 1

QMR

SQR
nk

SQR SQG SQT

Fcalculado

Ftabela F (k 1)numerador; (n k )denomin ador; gl

QMT
QMR

---

Elaborao: Antnio dson Corrente


INFERENCIA ESTATSTICA; TEORIA DA DECISO.

12

2.4 Teste de Comparao entre Mdias de Tratamentos


Se H0 for rejeitada, ou seja, se pelo menos um tratamento difere dos demais,
ento o interesse identificar qual este(s) tratamento(s). Existem vrios testes de
comparao mltipla entre mdias: Tukey, Scheff, SNK, Duncan quando os
tratamentos so fatores qualitativos e anlise de regresso quando os tratamentos so
fatores quantitativos.

2.4.1 Teste de Tukey


um teste de comparao mltipla entre as mdias dos tratamentos tomadas
duas a duas

dms q

QM Re s
em que:
r

dms = diferena mnima significativa.

q : valor tabelado, com os parmetros , nmero de tratamentos e grau de liberdade


do resduo.
QMRes: quadrado mdio do resduo da ANAVA
Exemplo:
Um experimento foi feito para determinar se quatro temperaturas especficas de
queima afetam a densidade de certo tipo de tijolo.
Temperatura (0F)
100
125
150
175
Densidade
21,8
21,7
21,9
21,9
21,9
21,4
21,8
21,7
21,7
21,5
21,8
21,8
21,6
21,5
21,6
21,7
21,7
21,4
21,5
21,6
Fonte: Montgomery.

a) Apresente as hipteses da ANOVA.


b) Interprete o resultado da Anlise de Varincia ao nvel de 5% de significncia.
c) Se necessrio faa o Teste de Tukey e interprete os resultados.