Você está na página 1de 136

Introduo Inferncia Estatstica

1. Conceitos bsicos em inferncia


1.1. Populao: conjunto de indivduos, ou itens, com pelo menos uma
caracterstica em comum.
Tambm ser denotada por populao objetivo, que sobre a qual
desejamos obter informaes e/ou fazer inferncias.
Pode, ainda, ser chamada de Universo.

Ser denotada por: U u1 ,u 2 ,u3 , ,u N

ui unidades elementares, i = 1, 2, . . . , N.
N = no de elementos, ou tamanho, da populao.

Exemplos:
a) Residentes da cidade de So Carlos;
b) Lote de peas produzido numa linha de produo de uma indstria;
c) Eleitores do municpio de So Paulo, aptos a votar na eleio;
d) Indivduos do sexo masculino que sofrem de diabetes;
etc, etc, etc ...

1.2. Amostra: subconjunto, necessariamente finito, de uma


populao.
selecionada de forma que todos os elementos da populao tenham
a mesma chance de serem escolhidos.

1.2.1. Planejamentos amostrais: so esquemas para coletas de dados


numa pesquisa amostral.
Existem vrios tipos de planejamentos dos quais destacaremos:
Amostra Aleatria Simples AAS
Amostra Aleatria Estratificada AAE
Amostra Aleatria por Conglomerados AAC
1.3. Estudo experimental
Experimento no qual um tratamento deliberadamente aplicado
aos indivduos (ou itens) a fim de observar a sua resposta.

Exemplos:
a) ensaios para se verificar a dureza de materiais;
b) estudos caso-controle em epidemiologia;
c) pesos de cobaias submetidas diferentes dietas;

Requer um planejamento experimental.

No estudo experimental muito importante determinar o nmero de


elementos necessrios, ou seja, o tamanho da amostra;
importante, tambm, planejar adequadamente a amostra de maneira a
no interferir nos resultados.

1.4. Levantamentos de dados


A seguir, sero apresentadas algumas situaes envolvendo
levantamentos de dados.

1.4.1. Uma amostra: sortear ao acaso n elementos de uma populao


para participar da amostra.

Exemplos:
a) dentre os eleitores de um municpio, sortear uma amostra para
participar de uma pesquisa de inteno de votos;
b) produzir uma amostra de peas de espuma, segundo uma especfica
formulao, para serem colocadas num teste de resistncia trao.

Normalmente compara-se a amostra com um padro j conhecido;


Espera-se que a populao seja homognea (pouca variabilidade).
1
2 1
3 2

n

Populao Amostra

1.4.2. Duas amostras: amostras so retiradas de uma ou duas


populaes.
quando dispomos de duas amostras, geralmente queremos realizar
uma comparao entre as mesmas.

i) Amostras independentes: nenhum elemento da primeira amostra


interfere nos da segunda.

a) Dois tratamentos: tomar n elementos de uma nica populao e divid-


los em dois grupos, de preferncia de mesmo tamanho.
(ou sortear, independentemente, duas amostras de uma mesma
populao)
1
1 2
2
3 n1
n1 + n2 = n
1
2
N
n2
Populao Amostras
b) Duas populaes: sortear n1 elementos da primeira populao e n2 da
segunda e aplicar o mesmo tratamento em ambas.

1 1
2 2
3
n1
N1 n1 + n2 = n
1 1
2 2
3
n2
N2
Populaes Amostras

ii) Amostras pareadas ou emparelhadas (dependentes): uma amostra


observada em dois instantes diferentes: (antes/depois), (tempo 1,
tempo 2).

1 1 Fazer as diferenas:
2 t 2
di = yi2 yi1
n n

t1 t2
Amostras
1.4.3. k amostras: quando se tem k 3 amostras para comparar.

a) k grupos independentes: classificar, ao acaso, n elementos em k


grupos tal que n = n1 + n2 + . . . + nk.

O ideal que todos os grupos sejam de mesmo tamanho:


n1 = n2 = . . . = nk

A1 : 1, 2, . . . , n1

A2 : 1, 2, . . . , n2
k grupos

independentes

Ak : 1, 2, . . . , nk

A varivel A chamada de fator e os grupos A1, A2, . . . , Ak so os


tratamentos ou nveis do fator A.

b) Medidas repetidas: o mesmo grupo, de tamanho n, observado em k


instantes diferentes.

1 1 1 1
2 2 2 ... 2

n n n n

t1 t2 t3 tk
c) k grupos independentes com duas classificaes: classificao
de vrios grupos quando se tem dois critrios (ou fatores) para a
diviso dos mesmos.

Considere, por exemplo, um fator com trs nveis (A1, A2, A3) e um
segundo fator com dois nveis (B1, B2), terem-se k = 23 = 6
grupos para serem comparados.

B1 A1 B1
A1
B2 A1 B2

B1 A2 B1
A2 6 grupos
B2 A2 B2

B1 A3 B1
A3
B2 A3 B2

RESUMO
1 amostra 1 populao

2 tratamentos (1 pop)
Independentes
1 tratamento (2 pop)
2 amostras
Dependentes dados pareados

1 fator
k amostras Independentes
2 fatores
(k3)
Dependentes medidas repetidas
2. Estimao

2.1. Parmetro populacional

Geralmente denotado por , uma caracterstica populacional


de interesse que pode ser expressa atravs de uma quantidade numrica.
desconhecido e fixo.

Exemplos:
no de desempregados,
salrio mdio de uma categoria ou populao,
opinio a respeito de uma dada atitude,
casos de dengue,
tempo gasto com filhotes,
tamanho da populao
tempo de vida
no de votos para um determinado candidato,
produo agrcola, etc...

2.2. Espao paramtrico


Denotado por , o conjunto dos possveis valores de .
Exemplos:
= { | < < };

= { | 0 < < };

= { | 0 1 };

= { (1, 2 ) | < 1 < e 0 < 2 < }.


2.3. Amostra aleatria: representada pelas iniciais aa, formada pela
observao de n variveis aleatrias X1, X2, . . . , Xn, independentes
e identicamente distribudas, iid.

iid
X1, X 2 , , X n F (x)

2.4. Varivel aleatria: uma varivel aleatria ou va, uma caracterstica


desconhecida, que pode variar de um indivduo para outro da
populao e que, ao ser observada ou mensurada, deve gerar uma
nica resposta.

Tipos de variveis:

a) Variveis qualitativas: variveis cujos possveis resultados so


atributos ou qualidades. So NO NUMRICAS.

Podem ser classificadas em:


ORDINAIS, quando obedecem a uma ordem natural ou
NOMINAIS, quando no seguem nenhuma ordem.

b) Variveis quantitativas: variveis cujos possveis resultados so


valores NUMRICOS, resultantes de mensurao ou contagem.

Podem ser classificadas em:


DISCRETAS, quando assumem valores num espao finito ou infinito
enumervel ou
CONTNUAS, quando assumem valores num conjunto no
enumral (conjunto dos nmeros reais).
2.5. Estatstica: uma medida numrica, S(X), que descreve uma
caracterstica da amostra e que no depende de parmetros
desconhecidos.
A estatstica uma funo da amostra: S(X) = f (X1, X2, . . . , Xn)

toda estatstica S(X) uma va

Exemplos:
n
Xi
X i 1 mdia amostral,
n
n
2
X i X
s2 i 1
varincia amostral,
n 1

X(1) = mnimo 1 estatstica de ordem,

X(n) = mximo n-sima estatstica de ordem.

PARMETROS E ESTATSTICAS
ESTATSTICA PARMETRO
Nome
Amostra Populao
Mdia X
2
Varincia s 2
Correlao rX,Y X,Y
Proporo p p

2.6. Estimador: uma quantidade, obtida a partir de uma amostra, que


estima o valor de um parmetro populacional.
Ser denotado por T(X).
{ T(X) } { S(X) }, ou seja, todo estimador uma funo da
amostra e, portanto, uma estatstica, porm, nem toda estatstica um
estimador.

todo estimador T(X) uma va

Notao: Como T(X) estima o parmetro , uma notao simplificada


para o estimador dada por: T (X)

2.6.1. Estimativa: estimativa o valor de T(X) obtido de uma aa.

2.7. A inferncia estatstica:

A Inferncia Estatstica busca obter informaes de


parmetros populacionais por intermdio das caractersticas
de uma amostra e de suas distribuies de probabilidade.

Amostra aleatria

= parmetro = estimador
Inferncia:
Intervalos de Confiana
Testes de Hiptese
ESQUEMATICAMENTE

2.7.1. Questes que surgem:

Quantos estimadores existem para um parmetro populacional?


Quais as qualidades que se deseja de um estimador?
Como escolher o melhor estimador?

Resposta: Teoria da Otimalidade.


2.8. Estimador timo

A teoria da Otimalidade estuda as propriedades dos estimadores e


define critrios para a escolha do estimador timo.

Segundo essa teoria um estimador timo basicamente se for:

no viesado e de mnima varincia.

2.8.1. Estimador no viesado (no viciado): o vis, do ingls bias,


definido pela diferena entre o valor esperado do estimador e
o parmetro o qual este est estimando.

Seja , estimador de , ento o vis de definido por:

B( ) = E( )

em que o espao paramtrico.

Se E( ) = , dito no viesado (ou no viciado) e

B( ) = 0

2.8.2. Preciso: uma propriedade importante para um estimador que


seja preciso, em outras palavras, que tenha baixa variabilidade
deve ser escolhido tal que sua varincia seja a menor
possvel

| Var( ) seja mnima


2.8.3. Consistncia: alm de ser no viesado e de varincia mnima
deseja-se que o estimador seja consistente.
Um estimador dito ser consistente para se

lim E ( )
n
e
lim Var ( ) 0
n

Conforme aumenta o tamanho da amostra, mais se aproxima de .

2.8.4. Erro quadrtico mdio (EQM): o erro quadrtico mdio de


um estimador definido por

EQM( )= E[( )2 ]

Prova-se facilmente que

EQM( ) = Var( ) + [B()]2

Logo, se o estimador no viesado, ento, seu EQM mnimo e

EQM( ) = Var( )

Assim, a teoria da otimalidade procura, dentre os estimadores


no viesados, aquele de menor varincia.
Exemplo: estimadores para a mdia populacional - .

1) Estimar a mdia das alturas dos alunos da turma B de Estatstica 2.


Quais os estimadores possveis?
Vamos propor 4 estimadores:

a) a mdia amostral: A X
Xi
n

b) o ponto mdio entre os valores mximo e o mnimo da amostra:


X ( n ) X (1)
B
2
~
c) a mediana da amostra: C X

d) a 5 observao: D X 5
3. Estimadores para a mdia

A maioria das aplicaes em estatstica envolvem a estimao da


mdia populacional .

Quais os possveis estimadores e qual deles o melhor


(estimador timo).

Mdia aritmtica ou mdia amostral ( X );


Mdia geomtrica;
Mdia harmnica;
Mdia aparada;
Mdia ponderada;
~
Mediana amostral ( X );
Extimadores do tipo B e D (ver exemplo).

Qual desses estimadores o melhor para estimar ?

1 - escolher os no viesados;
2 - dentre os no viesados, encontrar o de menor varincia.

A teoria estatstica (otimalidade) resolve esse problema e mostra


qual o estimador timo para .

Segundo essa teoria, o estimador timo para a mdia amostral


(aritmtica) X .
Estudo das propriedades dos estimadores: mdia amostral, mdia
harmnica, mdia geomtrica e mdia ponderada
( X1/3 + 2X2/3 ) para amostras de tamanho n = 2, com reposio.
Populao 2 3 5 6 8

Parmetros Mdia Varincia Tamanho



2
Populacionais = 4.8 2 = 4.56 N = 5 = 2.28
n

Amostras Estimadores
X1 X2 X M. Harm. M. Geom. M. Pond.
2 2 2 2.000 2.000 2.000
2 3 2.5 2.400 2.449 2.667
2 5 3.5 2.857 3.162 4.000
2 6 4 3.000 3.464 4.667
2 8 5 3.200 4.000 6.000
3 2 2.5 2.400 2.449 2.333
3 3 3 3.000 3.000 3.000
3 5 4 3.750 3.873 4.333
3 6 4.5 4.000 4.243 5.000
3 8 5.5 4.364 4.899 6.333
5 2 3.5 2.857 3.162 3.000
5 3 4 3.750 3.873 3.667
5 5 5 5.000 5.000 5.000
5 6 5.5 5.455 5.477 5.667
5 8 6.5 6.154 6.325 7.000
6 2 4 3.000 3.464 3.333
6 3 4.5 4.000 4.243 4.000
6 5 5.5 5.455 5.477 5.333
6 6 6 6.000 6.000 6.000
6 8 7 6.857 6.928 7.333
8 2 5 3.200 4.000 4.000
8 3 5.5 4.364 4.899 4.667
8 5 6.5 6.154 6.325 6.000
8 6 7 6.857 6.928 6.667
8 8 8 8.000 8.000 8.000
Mdias 4.8 4.323 4.546 4.80
Varincias 2.28 2.5852 2.3772 2.5333
Tabela resumo dos estimadores para a Mdia Populacional.
Estimadores
X M. Harm. M. Geom. M. Pond.
Mdia do Estimador 4.8 4.3229 4.5456 4.8
Vcio 0 -0.4771 -0.2544 0
Vcio ao quadrado 0 0.2277 0.0647 0
Varincia do Estimador 2.28 2.5852 2.3772 2.5333
EQM 2.28 2.8129 2.4419 2.5333
Relao da varincia de X com as demais 1 1.1339 1.0426 1.1111

Figura 1: Grfico de pontos da mdia amostral X.


3.1. Mtodos de estimao:

A teoria estatstica define diversos mtodos de estimao, dentre os


quais destacamos:

3.2. Mtodo da mxima verossimilhana: o estimador de mxima


verossimilhana (emv) dado pelo valor que maximiza a distribuio
conjunta da amostra, tambm chamada de funo de verossimilhana.

n
L( | dados ) f ( xi ) MV max[ L()]
i 1

3.3. Mtodos dos momentos: o estimador obtido igualando os


momentos amostrais com os momentos populacionais.
Depende da distribuio de probabilidade da populao

O momento de ordem k de uma va definido como

k E ( X k ) , k 1. Se k = 1 1 E ( X )

O momento amostral de ordem k de uma va definido como

X ik
mk . Se k = 1 m1 X
n

Para estimar a mdia populacional , faz-se:

1 m1

ou seja, X
Para um parmetro qualquer, se

k E ( X k ) f () MM f 1( k ) .

Se k = 1, f () 1 e o estimador dos momentos para

MM f 1 ( X )

3.4. Mtodo mnimos quadrados: o estimador aquele que minimiza


uma soma de quadrados de erros entre os valores da amostra e uma
funo do parmetro g () .

Se queremos estimar a mdia , ento g () E ( X ) .


Nesse caso, o erro e para cada observao calculado por
ei [ xi gi ()], i = 1, 2, . . . n, e
n
SQE () [ xi gi ()]2 .
i 1

O estimador de mnimos quadrados dado pelo valor de


que minimiza SQE():

MQ min[SQE ()]

O estimador de mnimos quadrados mais utilizado no ajuste de


modelos de regresso linear.
3.5. Estimador Bayesiano: o estimador Bayesiano obtido a partir
da ponderao da funo de verossimilhana por uma
distribuio de probabilidade para .

Seja uma distribuio de probabilidade (), denominada de


distribuio a priori de , ento

(|dados) ()L(|dados),

(|dados) a distribuio a posteriori de , dada a amostra.

Um estimador Bayesiano muito utilizado dado pelo valor que


maximiza a posteriori, ou seja, pela moda de (|dados):

Bay max[( | dados )]


4. Propriedades do estimador para a mdia .

4.1. Mostrar que a mdia amostral X atende s propriedades de


estimador timo para .

4.2. A distribuio da mdia amostral X .

4.2.1. O Teorema do Limite Central (TLC).

4.3. O estimador para a proporo p.

4.3.1. A distribuio da proporo amostral p .


4.3.2. O Estimador conservador para a proporo amostral p .

4.4. Determinao do tamanho da amostra na estimao da mdia

Exemplos:

1) Um elevador de capacidade 500kg serve um edifcio. Se a distribuio


do peso dos usurios for N(70, 100), determine:
a) A probabilidade de que 7 passageiros ultrapassem esse limite.
b) E 6 passageiros?

2) Um produto da marca XIS comercializado em pacotes de 1kg, sendo


que a distribuio do peso dos pacotes, em gramas, N(1000, 51.2).
A fiscalizao inspeciona o produto por amostras de 5 pacotes e aplica
uma multa se a mdia for menor do que 4g a menos do peso
especificado.
a) Qual a probabilidade de que o produto XIS seja multado?

Os produtores de XIS pretendem diminuir essa probabilidade. Para


isso o Estatstico da empresa deu duas sugestes: deslocar a mdia,
aumentando o peso dos pacotes ou aplicar aes visando reduzir a
variabilidade do processo de empacotamento.
b) Para quanto deve ser regulada a nova mdia de tal forma que a
probabilidade em (a) seja de no mximo 0.03?
c) Caso se escolha a segunda opo, de quanto deve ser a nova
varincia para se obter o mesmo resultado?

Considere, agora, que a produtora tenha um custo adicional de 25


centavos por cada pacote com peso acima de 1008g. Qual a alterao
no custo em cada um dos casos para um produo de 5 toneladas?
3) Para estimar o nvel de dureza de peas de espuma injetada com boa
preciso o tcnico responsvel decide selecionar uma amostra da
produo para medio. Como os ensaios de medio so destrutivos,
o nmero de peas para anlise deve ser bem determinado para evitar
gastos desnecessrios. (dados histricos registram a varincia do
processo de produo como 2 = 2.96).
Inicialmente fixou-se como preciso = 0.5ud.
a) Determinar o nmero de peas tal que a probabilidade de que a
preciso seja alcanada seja de 0.99.
b) A gerncia achou esse nmero muito elevado e decidiu reduzir a
preciso para 0.75ud. Que o nmero de peas deve ser
inspecionado com esse novo valor?

4) Numa pesquisa eleitoral foi realizada uma pr-amostra de tamanho 40


obtendo-se p 0.24 de eleitores que votam no candidato do partido
PX.
a) Qual deve ser o tamanho da amostra para que, com probabilidade
0.95, a estimativa p no se distancie de p mais do que 0.02?
b) Refazer o clculo do tamanho da amostra pelo mtodo conservativo.

5) Seja uma populao com 20 e 2 2.567 .


a) Numa amostra de tamanho n = 9, qual a probabilidade de que a
varincia amostral seja superior a 4.3?
b) Determine um limite inferior k para o qual a probabilidade de que s 2
ser menor do que k seja de 0.025.
Exerccios de reviso

6) Um produto pesa em mdia 10g com desvio-padro de 3g. Este


embalado em caixas de 150 unidades. A caixa vazia pesa, em mdia,
200g com desvio-padro de 9g. Admitindo que as variveis em questo
tenham distribuies normais e que as 150 unidades que so colocadas
em uma caixa so tomadas ao acaso, determine a probabilidade de
uma caixa cheia pesar mais de 1610g.
Resoluo: Sejam as vas
XP : peso do produto N( 10 ; 9 )
XC : peso da caixa N( 200 ; 81 )
XT : peso total da caixa cheia ?
Resultados:
i) Se X1 N( 1 ; 12 ) e X2 N( 2 ; 22 ), independentes, ento
X1 X2 N(1 2 ; 12 + 22 )

ii) Se X1, X2, . . . , Xn N( ; 2 ), iid


X1 + X2 + . . . + Xn N(n ; n2 )

De (i) e (ii), temos que XT = XP1 + XP2 + . . . + XP150 + XC e,


XT N( T ; T2 ), em que:

T = 15010 + 200 = 1700g


T2 = 1509 + 81 = 1431g2

ou seja, XT N( 1700 ; 1431 ).


P( X T 1610) P ( Z 2.38) 0.9913 .
7) Uma mquina automtica enche latas, baseada no peso bruto das
mesmas. O peso bruto tem distribuio normal com mdia 1.000g e
desvio padro 20g. As latas tm pesos distribudos normalmente com
mdia 90g e desvio padro 10g. Qual a probabilidade de que uma lata
escolhida ao acaso tenha de peso lquido:
a) menor do que 830g?
b) maior do que 870 g?
c) entre 860 e 930g?
Resoluo: Sejam as vas
XB : peso do produto N( 1000 ; 400 )
XL : peso da caixa N( 90 ; 100 )
XQ : peso total da caixa cheia N( Q ; Q2 ),

De (i) temos que XQ = XB XL e,


Q = 1000 90 = 910g
Q2 = 400 + 100 = 500g2

ou seja, XQ N( 910 ; 500 ).


a) P( X Q 830) P ( Z 3.58) 0.0001718

b) P( X Q 870) P( Z 1.79) 1 0.0367 0.9633

c) P(860 X Q 930) P( 2.24 Z 0.89) 0.8133 0.0125


P(860 X Q 930) 0.80
8) Seja X uma nica observao de uma va com distribuio Bernoulli().
Sejam 1= X e 2 = 1/2, dois estimadores para :
a) verifique se os estimadores so no viesados para ;
b) compare os EQMs construa um grfico como funo de .

X Bernoulli( ), 0 1, tal que


E ( X ) e Var ( X ) (1 )

a) E ( 1 ) E ( X ) 1 no viesado para
1
E ( 2 ) E (1 / 2) 2 viesado para , sendo
2
B( 2 ) [1 / 2 ]2

b) EQM ( 1 ) Var ( 1 ) [ B( 1 )]2 2


EQM ( 2 ) Var (1 / 2) [ B( 2 )]2 0.25 2

Os EQMs podem ser comparados obtendo-se os valores de tal


que EQM ( 1 ) EQM ( 2 ) , ou seja,: 2 0.25 2

Desta forma, se :
0 a

ou 1
b 1 melhor

a b 2

melhor

a

ou tanto
b faz

9) Sejam X1, X2, . . . , Xn uma aa de tamanho n da distribuio uniforme no
intervalo (0, ).
X Xn
Considere os estimadores 1 c1 X e 2 c2 1 .
2
a) Ache c1 e c2 tais que 1 e 2 sejam no viesados para ;
b) encontre os EQMs dos dois estimadores

2
X U( 0, ), E ( X ) e Var ( X ) 2
2 12

a) E ( 1 ) E (c1 X ) c1
2
para c1 2 , 1 no viesado para

X X n E( X1) E( X 2 )
E ( 2 ) E c2 1 c2 c2
2 2 2
para c2 2 , 2 no viesado para

X X2
Logo, 1 2 X e 2 2 1 no so viesados para .
2

b) EQM ( ) Var ( ) [ B( )]2


2
( / n)
EQM ( 1 ) Var ( 1 ) Var (2 X ) 4
12
2
EQM (1 )
3n

X1 X n 2
EQM (2 ) 4Var Var ( X 1 ) Var ( X 2 ) 2
2 12
2
EQM (2 )
6
5. O estimador da varincia populacional 2.

5.1. A distribuio da varincia amostral s2.

Resultados:

1) Funo gama: ( )
( ) ( ) ( )
se a inteiro, ( ) ( )
( )

2) Se ( ), ento, tem distribuio quiquadrado


com 1 grau de liberdade, ou seja

3) Se so iid ( ), ento:
( )

Prova do item (2):


Sejam ( )e , ento:
( ) ( ) ( )
( ) (| | )
( ) ( )
( ) ( ) ( )
Derivando ambos os lados da expresso (regra da cadeia):

( ) ( ) ( ) ( )( )

( ) ( ) ( )

( ) ( )

Mas ( ) a fdp normal padronizada, logo


( )
( )

( )

( )
( ) , ,
( )

que a funo densidade quiquadrado com 1 grau de liberdade.

5.1.1. Encontrando a distribuio associada a s2

Sejam X1, X2, . . . , Xn vas normalmente distribudas com mdia e


varincia 2, ento

( )

Do resultado (2), temos que

( )

Ainda, a varincia amostral dada por

( )

de onde se obtm

( ) ( )

Desenvolvendo a soma de quadrados ( ) ,

( ) ( )

[( ) ( )]

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

( ) ( )

Ou seja: ( ) ( ) ( ) ,

Dividindo a soma de quadrados ( ) por 2 temos

( ) ( ) ( )


( ) ( )

Reescrevendo a expresso temos que

( )
( ) ( )

Do resultado (3), temos que o lado esquerdo da igualdade tem



distribuio e ( ) , portanto

( )

Exemplo:
1) Seja uma populao normal com mdia e varincia
.
a) Numa amostra de tamanho dessa populao, qual a
probabilidade de que seja maior ou iguial a 4.3?
b) Determine um limite k para o qual, a probabilidade de que seja
inferior a k seja de 0.025.

( ) ( )
a) [ ] [ ]

[ ]
b) [ ]

[ ]

[ ]
Distribuio para diversos valores de graus de liberdade
2

Distribuio 1 Distribuio 2 (exponencial)


2 2

Distribuio 5 Distribuio 10
2 2
Distribuio 30 Distribuio 50
2 2
6. Intervalos de Confiana

6.1. A estimao por intervalo

Normalmente, no processo de investigao de um parmetro ,


necessitamos ir alm da sua estimativa pontual . O fato de no se
conhecer o valor de pode causar uma insegurana e levar a um
questionamento:
Quo prximo estamos do valor real de quando obtemos sua
estimativa?
A resposta depende da preciso (ou varincia) do estimador e,
tambm, do valor real do parmetro.
Uma maneira de contornar esse problema consiste em se encontrar
um intervalo em torno de que tenha alta probabilidade de englobar .

P( do intervalo [a, b] englobar ) =

O intervalo [a, b] , na prtica, ser construdo com a amostra, ou seja,


a partir dos dados e da distribuio amostral associada a .
Logo, os valores a e b sero aleatrios, variando de uma amostra
para outra.
6.2. Intervalo de Confiana para a mdia

6.2.1. Intervalo de confiana para a mdia com varincia conhecida

Seja uma aa X1, X2, . . . , Xn, com mdia e varincia 2


conhecida. Para construir um intervalo de confiana para a mdia deve-se
considerar a distribuio da mdia amostral X ,

2 X
X N , N ( 0 , 1)
n / n

Intervalo de confiana (1 )100% para

Para construir um I.C. para a temos que obter constantes a e b tal


que Pa b (1 ) .
A probabilidade (1 ) chamada de nvel de confiana do
intervalo e de nvel de significncia.
X
Ento, da distribuio de , temos:
/ n

X
P z / 2 z1 / 2 (1 )
/ n

P z / 2 X z1 / 2 (1 )
n n


P X z1 / 2 X z / 2 (1 )
n n

Como z1 / 2 z / 2 , teremos:


P X z1 / 2 X z / 2 (1 )
n n

a b


a X z / 2 e b X z / 2 .
n n

Nota: observe que, nessa notao, z / 2 0 .

Portanto, um intervalo de confiana (1 )100% para ,


com 2 conhecido, dado por:


X z /2 ; X z /2 .
n n

Se = 0.05, / 2 0.025 e z0.025 1.96 , logo, um I.C. 95%


para , com 2 conhecido, dado por:


X 1.96 ; X 1.96 .
n n
Exemplo 1: Testes de compresso foram aplicados na marca A de
cimento para avaliar sua resistncia em concretos. Foram produzidos 13
corpos de prova e os testes foram aplicados no Laboratrio de testes do
Departamento de Engenharia Civil da UFSCar.
(O corpo de prova padro brasileiro, normatizado pela ABNT, o cilndrico,
com 15 cm de dimetro, 30 cm de altura e a idade de referncia 28 dias)

Foi registrada a resistncia compresso simples (fc), para cada


corpo de prova com o intuito de calcular a resistncia caracterstica do
concreto compresso (fck).
Um concreto concreto classe C30, por exemplo, corresponde a um
concreto com fck = 30 Mpa (Mpa = 106Pa).

Pascal (unidade)
O Pascal (smbolo: Pa) a unidade padro de presso e tenso no
SI. Equivale a fora de 1N aplicada uniformemente sobre uma superfcie
de 1m2 (fonte: Wikipdia).

Dados (MPa):
31.04 31.11 39.56 24.83 36.97 34.86 29.44 xA = 33.76
39.15 27.82 34.96 35.19 39.68 34.27 sA = 4.665

A empresa afirma que o processo tem variabilidade de 2 = 25MPa2,


construir um intervalo de confiana 95% (nvel de significncia = 0.05)
para a resistncia compresso mdia.

X A A
Estatstica: ~ N0 ;1
/ nA

Encontrar a e b tais que: Pa A b 0.95


X A A

P 1.96 1.96 0.95
/ nA



P 1.96 X A A 1.96 0.95
n n
A A



P X A 1.96 A X A 1.96 0.95
nA
nA

Substituindo os valores da mdia amostral e tamanho da amostra

5 5
P 33.76 1.96 A 33.76 1.96 0.95
13 13

P 31.04 A 36.48 0.95

Ou seja:
5
a 33.76 1.96 31.04 MPa
13

5
b 33.76 1.96 36.48 MPa
13

Logo, ( 31.04, 36.48 ) um I.C. 95% para A.

Interpretao: o intervalo (31.04 ; 36.48) tem probabilidade 0.95


(95%) de englobar o real valor da mdia A.
6.2.2. Intervalo de confiana para a mdia com varincia
desconhecida

Seja uma aa X1, X2, . . . , Xn, com mdia e varincia 2


desconhecida. No caso da varincia ser desconhecida devemos utilizar sua
estimativa dada pela varincia amostral s2, porm, nesse caso a
distribuio associada mdia amostral X no ser mais a normal.

X
Resultado: a estatstica tem distribuio t Student com
s/ n
(n 1) graus de liberdade, ou seja

X
~ tn1
s/ n
Notas:

X
1) A razo pode ser escrita como:
s/ n

X X

s/ n / n s

X
/ n N (0 ,1)

(n 1) s 2 / 2 2n1
n 1 n 1

Ou seja, a distribuio t-Student dada pela razo de uma N (0 ,1)


por 2 uma dividida pelos seus graus de liberdade.
2) Assim com a normal padronizada a distribuio t Student tem
formato de sino, ou seja, simtrica em torno do zero, porm, para graus
de liberdade pequenos a moderados suas caudas so mais pesadas.

3) Se uma va T tem distribuio t Student com k graus de liberdade,


ento:
k
E (T ) 0 e Var (T )
k 2

4) Quando os graus de liberdade crescem, a distribuio t Student


se aproxima da N ( 0 ,1) .

5) A distribuio t Student com 1 grau de liberdade conhecida


como distribuio de Cauchy.

Para construir um I.C. para a quando desconhecida, devemos


proceder como nos casos anteriores, porm substituindo a distribuio
normal padro pela t-Student, ou seja:
X
P t( n1); / 2 t( n1);1 / 2 (1 )
s/ n

s s
P t( n1); / 2 X t( n1);1 / 2 (1 )
n n

s s
P X t( n1);1 / 2 X t( n1); / 2 (1 )
n n

Como t( n1);1 / 2 t( n1); / 2 , temos:

s s
P X t( n1); / 2 X t( n1); / 2 (1 )
n n

Logo, um intervalo de confiana (1 )100% para , com


2 desconhecido, dado por
s s
X t ; X t
n
( n 1); / 2 ( n 1); / 2
n

Exemplo 2: No caso dos testes de compresso em amostras de concreto,


o gerente da companhia, desconfiando de que a informao a respeito da
varincia no seja verdadeira, refez os clculos estimando a varincia do
processo por s2.
Como o procedimento de clculo o mesmo, basta substituir o valor do
quantil da normal (Z0.025 = 1.96) pelo quantil das distribuio t Student
com (n 1) = 12 graus de liberdade.
Como nA 13 , ento t( n1); / 2 t12;0.025 2.1788

Com xA = 33.76 e sA = 4.665 refazendo os clculos temos que


sA 4.665
xA t( nA 1);0.025 33.76 2.1788 30.94 MPa
nA 13

sA 4.665
xA t( nA 1);0.025 33.76 2.1788 36.58MPa
nA 13

Portanto, ( 30.94 , 36.58 ) um IC 95% para A para o caso em


que a varincia desconhecida

Interpretao: mesma do caso anterior, porm, agora a varincia


desconhecida.

6.2.3. Intervalo de confiana (1 )100% para a proporo

Como a proporo p de fato a mdia amostral de uma aa cuja va


tem distribuio de Bernoulli(p), para se construir intervalos de confiana
para p devemos seguir os mesmos procedimentos anteriores.
Considerando que o estimador da proporo p tem valor esperado
p (1 p )
p e varincia , dada a distribuio
n
p p
N ( 0 ; 1) ,
p (1 p )
n

um I.C. (1 )100% para a proporo dado por:

p (1 p) p (1 p)

p z /2 ;
p z /2 .
n n
Exemplo 3: Nos testes de compresso em amostras de concreto, se
a empresa afirma que 90% da produo atende ao valor do fck = 30Mpa,
construir um I.C. de 95% ( = 0.05) para a proporo de corpos de provas
com fc abaixo de fck.

Dos 13 corpos de prova os valores 24.83, 29.44 e 27.82 so


3
menores do que o fck de 30Mpa. Ento, p 0.231
13

Considerando que p = 0.10:

p (1 p) 0.10 0.90
p z / 2 0.231 1.96 0.0679
n 13

p (1 p) 0.10 0.90
p z / 2 0.231 1.96 0.3941
n 13

Ou seja: P 0.0679 p 0.3941 0.95

Portanto, ( 0.0679 ; 0.3941 ) um I.C. 95% para p.

Interpretao: o intervalo (0.0679 ; 0.3941) tem probabilidade 0.95


(95%) de englobar o real valor do parmetro p.

Nota: Como normalmente no conhecemos p, podemos construir


intervalos de confiana para a proporo substituindo p e (1 p) por p e
(1 p ) , respectivamente. Neste caso o intervalo fica:

p (1 p ) p (1 p )

p z /2 ;
p z /2 .
n n
Outra possibilidade seria considerar o fato de p (1 p) 1 / 4 e
construir um intervalo conservador para p assumindo p = .
Neste caso:
p (1 p) 1

n 4n

Logo, o intervalo de confiana conservador para p ser

z / 2 z / 2
p ; p .
4 n 4 n

Considerando = 0.05, ento, I.C.s 95% para p, nos casos acima


sero dados por:

p (1 p ) p (1 p )
i) utilizando p :
p 1.96 ;
p 1.96
n n

1.96 1.96
ii) conservador p :
p ;
p
4 n 4 n

O procedimento em (ii) fornece intervalos de confiana


excessivamente grandes quando p se distancia de ( p 0 ou p 1)
(Bussab & Moretin, 2002). Para a utilizao do intervalo conservador,
portanto, devemos ter algum conhecimento do valor p, garantindo que seu
valor esteja prximo de .

Exemplo: No exemplo do teste de compresso em concretos temos


3
p 0.231, logo
13
i) utilizando p :

p (1 p ) 0.231 0.769
p z / 2 0.231 1.96 0.0019
n 13

p (1 p ) 0.231 0.769
p z / 2 0.231 1.96 0.4601
n 13

Portanto, ( 0.0019 ; 0.4601 ) um I.C. 95% para p.

ii) conservador p :

z / 2 1.96
p 0.231 0.0408 (< 0 !!)
4n 52

z / 2 1.96
p 0.231 0.5028
4n 52

Portanto, ( 0.0408 ; 0.5028 ) um I.C. 95% conservador para p.

Note que no intervalo acima o limite inferior negativo,


consequncia da utilizao da mxima varincia de p e do fato de que a
proporo a ser estimada est longe do valor .

Nota: usualmente, nestes casos, arredondamos o limite inferior para 0


(zero), porm, o mais indicado a utilizao da estimativa p .
Forma simplificada de representao:


i) Mdia com varincia conhecida: X z / 2
n

s
ii) Mdia com varincia desconhecida: X t( n1); / 2
n

p (1 p )
iii) Proporo: p z / 2
n

Exemplos:
1) Um provedor de acesso internet deseja implantar um plano sem limite
de horas. Para isso, verificou numa amostra de n = 25 usurios os tempos
de utilizao mensal, obtendo: mdia amostral x 26.8 horas. Sabendo
que 2 = 6.25 horas2:
a) Encontre um intervalo de confiana 90% para a mdia.
b) De quanto deve ser aumentado o tamanho da amostra para que, mantidas
as demais medidas, o comprimento do intervalo caia pela metade?

2) Observou-se a estatura de 20 recm-nascidos num hospital conforme


dados abaixo. Pesquisas anteriores indicam que a estatura mdia das
crianas nascidas neste hospital de = 51 cm.
Dados: x = 987 e x2 = 48845.25
a) Qual a probabilidade de que a estatura mdia da amostra no ultrapasse
50.20 cm?
b) Construa um I.C. 99% para a mdia.

3) 10 corpos de provas foram submetidos a um teste de corroso onde foram


submersos em gua salgada durante 60 segundos/dia. A corroso foi
medida pela perda de peso em miligramas/decmetro quadrado/dia
(MDD). Os dados obtidos foram:
130.1 124.2 122.0 110.8 113.1 103.9 101.5 92.3 91.4 83.7
a) Encontre estimativas para a mdia e varincia para a perda de peso em
MDD.
b) Construa um intervalo de 95% de confiana para a mdia.
c) Supondo que a verdadeira mdia seja = 110, calcule a probabilidade de
que X seja superior ao mximo valor da amostra considerando:
i) desvio padro conhecido = 16; ii) desvio padro desconhecido.
6.3. Intervalo de Confiana para a diferena entre as mdias de duas
populaes independentes com varincias desconhecidas

Sejam duas populaes A e B cujas mdias so A e B e


varincias 2A e B2 , respectivamente.
Um estimador no viciado para ( A B ) dado pela estatstica
X A X B e sua distribuio amostral obtida conforme trs diferentes
situaes:
i) Populaes independentes com varincias conhecidas;
ii) Populaes independentes com varincias desconhecidas, porm,
iguais;
iii) Populaes independentes com varincias diferentes e desconhecidas.

Figura: Populaes normais.


6.3.1. Intervalo de confiana para a diferena entre as mdias de duas
populaes independentes com varincias iguais e conhecidas

Seja uma aa de tamanho nA , retirada da populao A e uma aa de


tamanho nB retirada da populao B, independentes. Considerando que
as varincias 2A e B2 sejam ambas conhecidas, temos que:

X A A X B B
e so N ( 0 , 1)
A / nA B / nB

Da teoria da probabilidade temos que

2A B2
E X A X B A B e Var X A X B
nA nB

Logo, para o caso em que as varincias 2A e B2 so conhecidas, a


distribuio amostral associada estatstica X A X B dada por:

X A X B A B
N ( 0 , 1)
2A B2

nA nB

Observe que a varivel padronizada tem expresso similar aos


casos anteriores, ou seja, a diferena entre a va e sua mdia,
dividida pelo seu desvio padro.

Podemos, assim, construir um I.C. para A B a partir de


X X B A B z (1 ) .
P z / 2 A
2A B2
1 / 2

nA nB


Ou seja, um I.C. (1 )100% para A B considerando
amostras independentes e varincias conhecidas dado por:

2A B2 2A B2
X A X B z / 2 ; X A X B z / 2 .
nA nB nA nB

Nota: para simplificar a notao pode-se escrever:

d A B : diferena entre as mdias das populaes A e B;

X d X A X B : diferena entre as mdias amostrais de A e B;

2A B2
d2 : varincia da diferena entre X A e X B .
nA nB

X d d
Desta forma: N ( 0 , 1) .
d

E o I.C. fica: X d z / 2 d .
Exemplo 4: Considere que no exemplo com os testes de compresso em
amostras de concretos, alm da A uma segunda marca B tenha sido
avaliada com o intuito de que fossem comparadas.

Dados (MPa):
31.04 31.11 39.56 24.83 36.97 34.86 29.44 39.15 xA = 33.76
A
27.82 34.96 35.19 39.68 34.27 sA = 4.665
27.91 40.94 39.25 37.42 32.16 34.29 38.69 21.21 xB = 33.08
B
29.30 29.21 33.76 32.71 31.91 34.10 33.34 sB = 5.017

a) Sabendo que as empresas afirmam que ambos os processos tm


variabilidade 2 = 25MPa2, construir um I.C. para a diferena entre as
mdias das duas marcas.

Soluo:
a) Como 2A B2 2 ento:

X A X B A B X A X B A B

1 1

nA nB nA nB


Logo, um I.C. 95% para A B dado por:


X A X B z / 2 ; X A X B z / 2
1 1 1 1
.
nA nB nA nB

Ou seja:

X A X B z / 2 1

1
nA nB
33.76 33.08 1.96 5 1 1

13 15

Portanto ( 3.034 , 4.394 ) um I.C. 95% para A B .

6.4. Intervalo de Confiana para a diferena entre as mdias


de duas populaes independentes com varincias iguais
e desconhecidas

Sejam duas populaes A e B cujas mdias so A e B e


varincias desconhecidas, porm iguais, ou seja, 2A B2 2
Nesse caso, contudo, tanto sA2 como sB2 estimam 2 , logo,
podemos utilizar as informaes de ambas as amostras para
estimar a varincia populacional.
O que se faz, na prtica, combinar as somas de quadrados das
duas varincias amostrais e dividir pelos graus de liberdade total, ou seja
nA
( xAi xA ) 2 (nA 1) sA2 (nA 1) = g.l. de sA2
i 1

nB
( xBi xB ) 2 (nB 1) sB2 (nB 1) = g.l. de sB2
i 1

que combinadas, resultam em


nA nB
( xAi xA ) ( xBi xB )2
2
(nA 1) sA2 (nB 1) sB2
i 1 i 1
s 2p
(nA 1) (nB 1) nA nB 2
A varincia combinada s 2p (ou pooled), nada mais do que
uma varincia ponderada pelos graus de liberdade das duas amostras:

(nA 1) sA2 (nB 1) sB2


s 2p .
nA nB 2

Assim como sA2 e sB2 , s 2p um estimador no viesado para 2 .

Prova:

E
s 2p

(nA 1) E sA2 (nB 1) E sB2
nA nB 2

(nA 1) 2 (nB 1)2



nA nB 2

(nA 1 nB 1) 2

nA nB 2

Pelo fato de 2 ser desconhecida, temos que

X A A tnA 1 e
X B B tnB 1 .
sA / nA sB / nB
Como temos um estimador comum para a varincia populacional,
podemos derivar uma distribuio de probabilidade para X A X B .

Padronizando a diferena entre as mdias amostrais teremos:

X A X B A B
X A X B A B
s 2p s 2p sp
1

1
nA nB
nA nB

Resultado:
X A X B A B tnA nB 2
1 1
sp
nA nB


Um I.C. (1 )100% para A B , quando as varincias
so iguais e desconhecidas, dado por:

X A X B t(n n 2); / 2 s p 1

1
A B
nA nB

Exemplo 5: Construir um I.C. 95% para a diferena entre as resistncias


mdias compresso em concretos feitos com cimentos das marcas A e
B, considerando varincias iguais e desconhecidas.
(voc acha vlida a suposio de varincias iguais?)

xA = 33.76 xB = 33.08
sA = 4.665 sB = 5.017
nA = 13 nB = 15
12 (4.665) 2 14 (5.017) 2 613.5307
s 2p 26.597
13 15 2 26

s p 4.8577

t( nA nB 2); / 2 t26;0.025 2.0555


Logo, um I.C. 95% para A B dado por:

X A X B t26;0.025 s p 1

1
nA nB

33.76 33.08 2.0555 4.8577 1 1



13 15

Portanto ( 3.105 , 4.465 ) um I.C. 95% para A B


considerando varincias iguais e desconhecidas.

6.5. Intervalo de Confiana para a diferena entre as mdias de


duas populaes independentes com varincias diferentes
e desconhecidas

Sejam duas populaes A e B cujas mdias so A e B e


varincias diferentes e desconhecidas, 2A e B2 .
Com 2A e B2 diferentes e desconhecidas, devemos utilizar suas
estimativas sA2 e sB2 individualmente e, nesse caso, a distribuio da
estatstica utilizada, apesar de continuar sendo a t-Student, no tem mais
os graus de liberdade obtidos diretamente, como nos casos anteriores, isto

X A X B A B ~ t ,
sA2 sB2

nA nB

em que os graus de liberdade so dados por:


2
sA2 sB2

n n
A B


sA2 / nA
2


sB2 / nB
2

nA 1 nB 1

Logo, um I.C. (1 )100%


para A B , quando as
varincias so diferentes e desconhecidas, dado por:

sA2 sB2
X A X B t; / 2 .
nA nB

Exemplo 6: Com os dados de resistncias compresso em concretos


com cimentos das marcas A e B, considerando varincias iguais e
desconhecidas.

xA = 33.76 xB = 33.08
sA = 4.665 sB = 5.017
sA2 = 21.759 sB2 = 25.174
nA = 13 nB = 15
2
21.759 25.174

13 15

11.23614
21.759 / 132 25.174 / 152 0.43464
13 1 15 1

25.86 26

Nota: Os graus de liberdade no precisam ser valores inteiros. De fato,


t25.86;0.025 2.056071 (pelo R).


Enfim, um I.C. 95% para A B dado por:

sA2 sB2
X A X B t26;0.025
nA nB

33.76 33.08 2.0555 21.759 25.174



13 15

Portanto ( 3.084 , 4.444 ) um I.C. 95% para A B


considerando varincias diferentes e desconhecidas.
Resumindo:

I.C. 95% p/
Varincias Estatstica A B
X A X B A B
Varincias N ( 0 , 1) (3.034 , 4.394)
2A B2
conhecidas
nA nB

Varincias X A X B A (3.105 , 4.465)


desconhecidas
B
tnA nB 2
1 1
e iguais sp
nA nB

Varincias X A X B A B ~ t (3.084 , 4.444)


desconhecidas sA2 sB2
e diferentes
nA nB
6.6. Intervalo de Confiana para a diferena entre duas propores
em populaes independentes

Considere que se queira estimar a diferena entre duas propores


p1 e p2 , associadas a duas populaes independentes. Ento, um
estimador no viesado para a diferena ( p1 p2 ) dado por ( p1 p 2 ) .
Sabendo que

p (1 p1 ) p (1 p2 )
p1 N p1 , 1 e p2 N p2 , 2
n1 n 2

Ento:

p (1 p1 ) p2 (1 p2 )
( p1 p 2 ) N ( p1 p2 ) , 1
n1 n 2

Desta forma, um I.C. (1 )100% para ( p1 p2 ) dado por

p1 (1 p1 ) p 2 (1 p 2 )
( p1 p 2 ) z / 2
n1 n2

Exemplo 7: Um grupo de bilogos interessados em estudar populaes de


animais em regies isoladas por longas distncias esto avaliando o
desenvolvimento de peixes de uma determinada espcie em duas lagoas
separadas por uma grande distncia geogrfica. Numa amostra de 116
peixes da primeira lagoa, 84 so da espcie em questo, enquanto que, de
uma amostra de 80 peixes da outra lagoa, 45 so da espcie estudada.
Estimar a diferena entre as propores de peixes das duas lagoas e
construir um I.C. 90% para a diferena.

As estimativas individuais para p1 e p2 so:

84 46
p1 0.724 p 2 0.575
116 80

Ento, uma estimativa para a diferena entre p1 e p2 dada por

p1 p 2 0.724 0.575 0.149

e, a estimativa do desvio padro da diferena

0.724 0.276 0.575 0.425


0.04777 .
116 80

Logo, um I.C. 90% para a diferena entre as propores dado por


0.149 1.645 0.04777 ,

ou seja, ( 0.0353 , 0.2627 ) o I.C. 90% para ( p1 p2 ) .

O que se pode concluir?


6.7. Intervalo de Confiana para a varincia 2 de uma populao
normal

Considere uma populao normal com mdia e varincia 2 ,


ambas desconhecidas. Em muitas aplicaes prticas temos o interesse
em avaliar a variabilidade dos fenmenos em estudo. Nessa situao,
devemos estimar e, tambm, construir intervalos de confiana para a
varincia populacional.
Considerando que a populao seja normal, temos que

(n 1) s 2
2
n 1
2

Desta forma, a partir da distribuio 2n1 podemos construir I.C.s


para 2 a partir de seus quantis:

2 (n 1) s 2
P ( n1); / 2 ( n1);1 / 2 (1 )
2

2

(2n1); / 2 1 (2n1);1 / 2
P (1 )
(n 1) s 2 2 (n 1) s 2

(n 1) s 2 ( n 1 ) s 2
P 2 2
2 (1 )
( n1);1 / 2 ( n1); / 2

a b

(n 1) s 2 (n 1) s 2
a 2 e b 2 .
( n1);1 / 2 ( n1); / 2

Desta forma, um I.C. (1 )100% para 2 dado por:

(n 1) s 2 (n 1) s 2
2 ; 2 .
( n1);1 / 2 ( n1); / 2

Exemplo 8: O peso de um componente mecnico uma va com


distribuio normal com mdia e varincia 2 , desconhecidos. Pretende-
se estudar a variabilidade do processo de produo e, para isso, uma
amostra com n = 11 componentes foi avaliada. Os pesos (g) so dados

98 97 102 100 98 101 102 105 95 102 100

x 1100 e x 2 110080 .
1100
Portanto: x 100 g
11

110080 11(100 ) 2
s
2
8 g2.
10

Construir um I.C. 95% para a varincia populacional ( = 0.05).

10
2
;0.025 3.25 e 10
2
;0.975 20.48

(n 1) s 2 10 8
a 2 3.906
( n1);1 / 2 20.48

(n 1) s 2 10 8
b 2 24.615
( n1); / 2 3.25

Um I.C. 95% para 2 dado por ( 3.906 , 24.615 ).


6.8. Intervalo de Confiana para razo entre duas vrincias de
populaes normais

muito comum, em aplicaes estatsticas, precisarmos comparar


as varincias de duas populaes, como, por exemplo, quando
comparamos a mdia dessas populaes.
A comparao de duas varincias no feita pela diferena entre
elas, mas sim pela razo das mesmas.

Resultado:
Seja W1 2k1 e W2 2k2 , prova-se facilmente que a razo

W1
k1
F Fk1 ;k2
W2
k2

A razo de duas va independentes, com distribuio quiquadrado,


divididas pelos seus respectivos graus de liberdade (k1 e k2), tem
distribuio F de Snedecor, em que k1 so os graus de liberdade do
numerados e k2 os graus de liberdade do denominador.

Notas:
i) Se X t k , ento X 2 F1,k .
Prova: Sai direto do resultado (1) da distribuio t-Student.

ii) Existe uma relao entre os quantis das distribuies F, de forma


que

1
Fk1 ;k2 ;
Fk2 ;k1 ;1
Sejam duas populaes normais com varincias 12 e 22 e sejam s12
e s22 seus estimadores a partir de amostras de tamanho n1 e n2 , ento

(n1 1) s12 / 12
(n1 1)
F Fn1 1 ; n2 1
(n2 1) s22 / 22
(n2 1)

Mas a razo F acima pode ser simplificada por:

s12
12 22 s12
F 2 2 Fn1 1 ; n2 1
s22 1 s2
22

Logo, um I.C. para razo entre duas varincias construdo a partir


de:

22 s12
P f1 2 2 f 2 (1 )
1 s2

em que: f1 F( n1 1);( n2 1); / 2 e f 2 F( n1 1);( n2 1);1 / 2 .


s22 22 s22
P f1 2 2 f 2 2 (1 )
s1 1 s1

12
Portanto, escrevendo o resultado para 2 , um I.C. (1 )100%
2
para a razo de varincias dado por:

s12 12 s12
P 2 2
(1 )
2
f 2 s2 2 f1 s2

Ou seja, o intervalo para a razo entre duas varincias de


populaes normais definido por:

s12 s12
2 ; 2 .
s2 F( n1 1);( n2 1);1 / 2 s2 F( n1 1);( n2 1); / 2

s12
Nota: O intervalo construdo de forma que 2 seja maior do que 1.
s2

Exemplo 9: Construir um I.C. 95% para a razo entre as varincias da


resistncia compresso em concretos dos cimentos das marcas A e B.

sA2 = 21.759 sB2 = 25.174


nA = 13 nB = 15
sB2
Com 2 1, F14;12;0.025 0.3279 e F14;12;0.975 3.2062 .
sA

sB2 25.174
0.3608
sA2 F14;12;0.975 21.759 3.2062

sB2 25.174
3.5284
sA2 F14;12;0.025 21.759 0.3279

B2
Assim, um I.C. 95% para 2 dado por ( 0.3608 , 3.5284 ).
A
Estatstica 2
Exerccios Intervalos de Confiana

1. Deseja-se comparar a qualidade de um produto produzido por duas


indstrias. Essa qualidade ser definida pela uniformidade com que o
produto produzido. Tomaram-se duas amostras, uma de cada indstria,
medindo-se o tamanho dos produtos (cm).
a) A qualidade das duas fbricas a mesma? Caso a sua resposta seja
negativa, d um intervalo de confiana para indicar a intensidade dessa
desigualdade.
b) Construir um I.C. 99% para a diferena entre as mdias, ( A B )
Estatsticas Indstria A Indstria B
Tamanho da Amostra 21 17
Mdias 21.15 21.12
Varincias 0.0412 0.1734

2. Num estudo comparativo do tempo mdio de adaptao dos empregados


de um grande complexo bancrio, uma amostra aleatria, de 50 homens e
50 mulheres, produziu os seguintes resultados:
Estatsticas Homens Mulheres
Tamanho da Amostra 50 50
Mdias 3.2 anos 3.7 anos
Desvios-padres 0.8 anos 0.9 anos

Que concluses voc pode tirar para a populao de homens e mulheres


desse banco? (Indique quais as suposies feitas)

3. Suponha que uma associao de defesa de consumidores deseja estimar o


consumo mdio um novo modelo de automvel que ser lanado no
mercado. Para fazer esta verificao, a associao observa uma amostra de
10 veculos, conduzidos por motoristas treinados, num percurso de 100
milhas. O consumo, em gales, foi registrado com os seguintes resultados:

x 43.28 e x 2 188.4886
Assumindo que estes valores representam uma amostra aleatria de uma
varivel normalmente distribuda com mdia e varincia 2 .
a) Calcule estimativas pontuais para e 2 .
b) Calcule um intervalo de 75 % de confiana para 2 .

4. Os dados abaixo so uma amostra aleatria para estimar a proporo


estudantes de uma universidade que possuem automvel.
Foi construdo o intervalo conservador de 90% de confiana para p :
( 0.5555 ; 0.8845 )
Um segundo intervalo foi construdo considerando a normalidade de p :
( 0.4887 ; 0.9513 )
a) Qual a estimativa pontual para p ?
b) Qual o tamanho da amostra?
c) Qual o nvel de confiana do segundo intervalo

5. Da populao X Normal(50; 100) retirou-se uma aa de n = 10


elementos e da populao Y Normal(60; 100) retirou-se uma aa de m = 6
elementos, independente da primeira, obtendo-se as varincias amostrais s12 e
s22 , respectivamente.


a) Encontre o valor de a, tal que P s12 s22 a 0.95

b) Encontre o valor de b, tal que Ps2


1 s22 b 0.95

6. Uma das maneiras de medir o grau de satisfao dos empregados de uma


mesma categoria quanto poltica salarial por meio do desvio padro de
seus salrios. A Fbrica A diz ser mais coerente na poltica salarial do que a
Fbrica B. Para verificar essa afirmao, sorteou-se uma amostra de 10
funcionrios no especializados de A, e 15 de B, obtendo-se os desvios
padres s A 1000 reais e sB 1600 reais. Qual seria a sua concluso?
Resoluo:
1. Deseja-se comparar a qualidade de um produto produzido por duas
indstrias. Essa qualidade ser definida pela uniformidade com que o
produto produzido. Tomaram-se duas amostras, uma de cada indstria,
medindo-se o tamanho dos produtos (cm).
a) A qualidade das duas fbricas a mesma? Caso a sua resposta seja
negativa, d um intervalo de confiana para indicar a intensidade dessa
desigualdade.

n A 21 nB 17
x A 21.15 xB 21.12
s 2A 0.0412 s B2 0.1734

2B
I.C. 95% para :
2A

0.1734 0.1734
Limite inferior: 1.652
0.0412 F16;20;0.975 0.0412 2.547

1 1
Como F16; 20;0.025 0.3731
F20;16;0.975 2.68

0.1734 0.1734
Limite superior: 11.280
0.0412 F16; 20;0.025 0.0412 0.3731

2B
O intervalo ( 1.652 ; 11.283 ) um intervalo de confiana 95% para .
2A

Como o intervalo no engloba o valor 1, ento, temos evidncias


suficientes para afirmar que 2A 2B .
Logo, a qualidade das duas indstrias no a mesma. A indstria A, com
menor variabilidade, tem melhor qualidade.
b) I.C. 99% para ( A B ) considerando varincias diferentes.

2
sA2 sB2

nA nB

s 2
/ nA
A
2
sB2 / nB 2

nA 1 nB 1
2
0.0412 0.1734

21 17
22.1 22 gl
0.0412 / 21 2

0.1734 /17 2

20 16

/ 2 0.005 t22;0.005 2.8188

s 2A sB2
( x A xB ) t22;0.005
n A nB

0.0412 0.1734
0.03 2.8188
21 17

( 0.281 ; 0.341 ) o I.C. 99% para a diferena entre as mdias de


tamanhos dos produtos das indstrias A e B.
2. Num estudo comparativo do tempo mdio de adaptao dos empregados
de um grande complexo bancrio, uma amostra aleatria, de 50 homens e
50 mulheres, produziu os seguintes resultados:
Que concluses voc pode tirar para a populao de homens e mulheres
desse banco? (Indique quais as suposies feitas)

A qualidade das duas fbricas a mesma? (comparar as varincias)


nH 50 nM 50
xH 3.2 anos xM 3.7 anos
sH 0.8 anos sM 0.9 anos

2M
I.C. 95% para 2 :
H

(0.9) 2 0.81
Limite inferior: 0.7182
(0.8) 2 F49;49;0.975 0.64 1.7622

(0.9) 2 0.81
Limite superior: 2.2302
(0.8) 2 F49;49;0.025 0.64 0.5675

2M
O intervalo ( 0.7182 ; 2.2302 ) um intervalo 95% para 2 .
H

Como o intervalo engloba o valor 1, ento, no temos evidncias


suficientes para afirmar que as varincias so diferentes.

I.C. 90% para a diferena entre os tempos mdios de adaptao entre


homens e mulheres, com varincias iguais.

(nM 1) sM
2
(nH 1) sH
2
s 2p
nM nH 2

49 0.64 49 0.81
s 2p 0.725
98
/ 2 0.05 t98;0.05 1.6606

s 2p s 2p
( xM xH ) t98;0.05
nM nH

0.725 0.725
(3.7 3.2) 1.6606
50 50

( 0.2172 ; 0.7828 ) o I.C. 90% para a diferena entre os tempos mdios


de adaptao de entre mulheres e homens.

O intervalo no engloba o zero, portanto, temos evidncias suficientes


para afirmar que os homens tm um tempo de adaptao menor do que as
mulheres.

Suposies: Normalidade dos tempos de adaptao de homens e mulheres


3. Suponha que uma associao de defesa de consumidores deseja estimar o
consumo mdio um novo modelo de automvel que ser lanado no
mercado. Para fazer esta verificao, a associao observa uma amostra de
10 veculos, conduzidos por motoristas treinados, num percurso de 100
milhas. O consumo, em gales, foi registrado com os seguintes resultados:

x 43.28 e x 2 188.4886
Assumindo que estes valores representam uma amostra aleatria de uma
varivel normalmente distribuda com mdia e varincia 2 .

a) Calcule estimativas pontuais para e 2 .

43.28
x 4.328
10

188.4886 10(4.328)2 1.17276


s
2 2
0.13031
(10 1) 9

b) Calcule um intervalo de 75% de confiana para 2 . ( 0.25 )

9;0.125 4.507 e 9;0.875 13.926

(n 1) s 2 1.17276
Limite inferior: 0.0842
9;0.875 13.926

(n 1) s 2 1.17276
Limite superior: 0.2602
9;0.125 4.507

I.C. 75% para a varincia 2 dado por: ( 0.0842 ; 0.2602 )


4. Os dados abaixo so uma amostra aleatria para estimar a proporo
estudantes de uma universidade que possuem automvel.

Intervalo conservador de 90% de confiana para p : ( 0.5555 ; 0.8845 )

Intervalo considerando a normalidade de p : ( 0.4887 ; 0.9513 )

a) E pontual para p ? (ponto mdio dos intervalos)

0.5555 0.8845 0.4887 0.9513


p 0.72
2 2

b) Qual o tamanho da amostra?

Sabe-se que o tamanho do I.C. 90% conservador dado por:

1
Z 0.05 0.5555 0.72
4n

1.645
0.1645
4n

4n 10 n 25

c) Qual o nvel de confiana do segundo intervalo

p (1 p )
0.72 Z / 2 0.9513
25

5 (0.9513 0.72)
Z / 2 2.575
0.72 0.28

O nvel de confiana do I.C. (1 ) 0.99 ou 99%.


5. Da populao X Normal(50;100) retirou-se uma aa de n = 10
elementos e da populao Y Normal(60;100) retirou-se uma aa de m = 6
elementos, independente da primeira, obtendo-se as varincias amostrais s12 e
s22 , respectivamente.


a) Encontre o valor de a, tal que P s12 s22 a 0.95

Obs: 12 22 100

s12
12 s12
Fn1;m1 F9;5
s22 s22
22


P s12 s22 a 0.95 a F9;5;0.95 4.772


b) Encontre o valor de b, tal que P s12 s22 b 0.95

Da relao entre as distribuies Fs

1 1
F9;5;0.05 0.2872
F5;9;0.95 3.482


P s12 s22 b 0.95 b F9;5;0.05 0.2872
6. Uma das maneiras de medir o grau de satisfao dos empregados de uma
mesma categoria quanto poltica salarial por meio do desvio padro de
seus salrios. A Fbrica A diz ser mais coerente na poltica salarial do que a
Fbrica B. Para verificar essa afirmao, sorteou-se uma amostra de 10
funcionrios no especializados de A, e 15 de B, obtendo-se os desvios
padres s A 1000 reais e sB 1600 reais. Qual seria a sua concluso?

O grau de satisfao com o salrio o mesmo nas duas fbricas?


(comparar as varincias)
n A 10 nB 15
s A 1000 sB 1600
s 2A 1106 sB2 2.56 106

2B
Construir um I.C. 95% para e verificar se engloba o valor 1:
2A

s B2 2.56 106
Limite inferior: 0.6740
s 2A F14;9;0.975 1 106 3.7980

1 1
Como F14;9;0.025 0.3116
F9;14;0.975 3.209

s B2 2.56 106
Limite superior: 8.2157
s 2A F14;9;0.025 1 106 0.3116

2B
I.C. 95% para : ( 0.6740 ; 8.2157 )
2A

O I.C. engloba o valor 1, portanto, no h evidncias para sustentar a


afirmao da Fbrica A.
7. Testes de Hiptese

Muitas vezes, em problemas prticos, o objetivo principal do


pesquisador no a estimao em si, mas sim, fazer afirmaes a respeito
do(s) parmetro(s).

Exemplos:

a) Pesquisadores afirmam que a temperatura mdia do corpo 98.6F


(37C). Uma amostra de n = 106 indivduos foi escolhida aleatoriamente
e foram observadas x 98.20 F e s = 0.62F.
Pergunta: A amostra constitui evidncia suficiente para rejeitar a crena
de que = 98.6F ?

b) Um operador de uma mquina de empacotar cereais, monitora o peso


das caixas pesando um determinado nmero de caixas periodicamente. A
norma diz que a mquina deve continuar operando a menos que a
amostra indique que a mquina no esteja funcionando normalmente.
Neste caso, a mquina deve ser desligada e ajustada. A condio
requerida para a mquina continuar funcionando que = 453 g.
Nota: O operador, neste caso, no est interessado em estimar , mas
sim determinar se h evidncia suficiente na amostra para concluir
que 453 g.

c) Um grande pomar de mas deve ser pulverizado toda primavera contra


certa doena que ataca as folhas. No ano anterior, o administrador do
pomar pulverizou todas as rvores com o herbicida padro utilizado na
indstria frutfera. O administrador ir utilizar o mesmo herbicida, a menos
que ele tenha evidncia de que a proporo p de rvores infectadas seja
inferior a 10%. Se ele estiver convencido de que p < 0.10, ento ir
utilizar um herbicida mais barato, mas que sabido ser menos eficiente.
Para auxiliar na sua deciso, o administrador selecionou aleatoriamente
uma amostra de rvores do pomar. Se a amostra trouxer evidncia
suficiente para o administrador de que p < 0.10, ento ele ir utilizar o
herbicida mais barato, caso contrrio, se no houver evidncia suficiente
para concluir que p < 0.10, ele utilizar o herbicida padro.
Nota: O administrador est basicamente interessado em determinar se a
proporo de rvores infectadas menor do que 10% (p < 0.10).

Definio:
Um teste de hiptese (ou teste estatstico) um procedimento
para se determinar se a evidncia que uma amostra fornece suficiente
para concluirmos se o parmetro populacional est num intervalo especfico
(GRAYBILL, IVER & BURDICK, 1998)1 (determinado pelo pesquisador).

7.1. Componentes de um Teste de Hiptese.

i) Hiptese Nula e Hiptese Alternativa: para conduzir um teste de


hiptese, vamos considerar duas afirmaes a respeito do parmetro as
quais chamaremos de hiptese nula e hiptese alternativa.

A hiptese nula, denotada por H0, uma afirmao sobre o valor do


parmetro (p.ex. a mdia), e que deve sempre conter a condio de
igualdade. Por exemplo, em testes de hiptese para a mdia tem-se:

H0: = 0 H0: 0 H0: 0

Testamos a hiptese nula, no sentido em que, supondo-a


verdadeira, procuramos chegar a uma concluso que nos leve
sua rejeio.

1
GRAYBILL, F.; IVER, H.K. & BURDICK, R.K. - Applied Statistics, a first course in Inference, Prentice Hall, 1998.
A hiptese alternativa, denotada por HA (ou H1), a afirmao que
deve ser verdadeira se a hiptese nula for falsa. Por exemplo:

HA: 0 HA: < 0 HA: > 0

No exemplo da temperatura corporal podemos ter as hipteses:

Hiptese Nula: H0: 98.6


teste unicaudal ou unilateral
Hiptese Aternativa: HA: 98.6

ou

Hiptese Nula: H0: 98.6


teste bicaudal ou bilateral
Hiptese Aternativa: HA: 98.6

A questo agora consiste em: como definir H0 e HA?

Para se conduzir um teste de hiptese importante que as hipteses


nula e alternativa sejam escolhidas corretamente.
Esta escolha de responsabilidade do pesquisador.

Para a correta escolha de H0 e HA, apresentaremos duas situaes em


que testes de hiptese so realizados:

a) Suponha que o pesquisador deseja testar uma situao pr-


estabelecida ou uma afirmao alheia, ento, este
conhecimento (ou afirmao) dever ser escolhido como a hiptese
nula.
Ex: temperatura corporal, controle do peso de caixas de cereais.
b) Se o pesquisador deseja obter evidncia para dar suporte a uma
argumentao ou para apoiar uma afirmao sua, ento,
essa afirmao deve ser formulada de modo que se torne a hiptese
alternativa.
Ex: aplicao do herbicida na plantao de mas.

ii) Erro Tipo I e Erro Tipo II: Ao testarmos uma hiptese chegamos a
uma deciso (de rejeitar ou no H0) que pode ser correta ou
incorreta.

Ao concluirmos a favor, ou contra H0, estamos sujeitos a dois tipos de


erros.
Situao real
H0 verdadeira H0 falsa
Erro Tipo I
Rejeitar H0 (Rejeitar H0, quando Deciso correta
Nossa H0 verdadeira)
Deciso Erro Tipo II
No Rejeitar
Deciso correta (No Rejeitar H0, quando
H0
H0 falsa)

Exemplo de erro do tipo I:


Baseado no resultado x 98.2F , rejeitar a hiptese de que a temperatura
mdia do corpo humano = 98.6F, quando a mdia de fato 98.6F.

iii) Nvel de significncia do teste: a probabilidade de se rejeitar H0,


quando H0 verdadeira, chamada de nvel de significncia
do teste e ser denotada por .

PErro Tipo I PRejeitar H 0 | H 0 verdadeira


Nota: A probabilidade do Erro Tipo II ser denotada por , isto

= PErro Tipo II PNo rejeitar H 0 | H 0 falsa

iv) Estatstica Teste: a estatstica amostral, cujo valor baseado nos


dados ser utilizado para a tomada de deciso a respeito da hiptese
nula. Est associada distribuio de probabilidade do
estimador do parmetro que se deseja testar.

No teste para uma mdia utilizam-se as estatsticas Z ou t

( X )
Z , se a varincia populacional conhecida
/ n

( X )
t , se a varincia populacional no conhecida
s/ n

v) Regio de Rejeio: ou regio crtica, formada pelo conjunto de


valores que levam rejeio de H0.
subconjunto do espao paramtrico .

A regio que no leva rejeio de H0 ser chamada de regio de


no rejeio.

O valor que delimita a regio de rejeio e a regio de no rejeio ser


chamado de valor crtico.
Regio de rejeio para o teste unicaudal para a mdia (cauda inferior)

Regio de rejeio para o teste unicaudal para a mdia (cauda superior)

Regio de rejeio para o teste bicaudal para a mdia

Nota: O teste de hiptese consiste em encontrar a regio de rejeio de


H0, o que equivale a construir intervalos de confiana.
Concluindo:

Um teste estatstico conduzido para se determinar se a amostra traz


evidncia suficiente para se rejeitar H0 e, assim, concluir que HA
verdadeira. Ou seja, o teste estatstico usado para se concluir a favor de
HA ao se concluir que H0 pode ser rejeitada.

Neste sentido, testar uma hiptese pode ser visto como testar a
hiptese nula.

Ns ilustraremos esse processo com o exemplo a seguir:

Exemplo: Suponha que temos 1000 caixotes idnticos e que cada caixote
tem 1000 bolas que so indistinguveis exceto pela cor. O primeiro caixote
fica numa prateleira e tem 1 bola branca e 999 pretas. Os demais caixotes
ficam todos no cho e tm, respectivamente, 2 bolas brancas e 998 pretas;
3 brancas e 997 pretas, at o ltimo que tem 1000 bolas brancas e nenhuma
preta (ver figura)
Um caixote foi danificado e levado a um inspetor, sendo informado que
era um caixote que estava no cho.
Decidindo investigar, o inspetor ir conduzir um teste estatstico para
determinar se h evidncia suficiente para concluir que a informao
verdadeira.

Hipteses: H0: O caixote danificado veio da prateleira


HA: O caixote danificado veio do cho

A evidncia amostral para o teste ser dada pela cor de uma


bola selecionada aleatria do caixote danificado.
H duas possibilidades: a bola selecionada branca ou a bola
selecionada preta

1. Possibilidade: a bola selecionada branca


Se o caixote danificado for da prateleira, a probabilidade da bola ser
branca de 1/1000 = 0.001.

Essa probabilidade muito pequena, portanto, a bola sendo branca


indica que improvvel que o caixote danificado seja o da prateleira.
No entanto, no seria improvvel que a bola branca tenha sido
selecionada de um dos caixotes do cho.

Logo, tendo sido observada uma bola branca:


a evidncia da amostra nos leva a rejeitar H0

2. Possibilidade: A bola selecionada preta:


Se o caixote danificado for o da prateleira, a probabilidade da bola
selecionada ser preta 0.999.
Essa probabilidade no suficientemente pequena a ponto de tornar
improvvel que o caixote seja o da prateleira, no havendo razo para se
rejeitar H0.
No entanto, isso no significa que H0 seja verdadeira, uma vez que
tambm provvel que a bola preta tenha vindo de uma das caixas do cho.

Logo, tendo sido observada uma bola preta:

no h evidncia suficiente na amostra para se rejeitar H0

Concluindo:

a) Em um teste de Hiptese, se a evidncia contida na amostra


suficiente para convencer o pesquisador de que a hiptese H0 falsa,
ento, a hiptese alternativa HA ser considerada verdadeira.

Neste caso, o resultado do teste ser rejeita-se H0.

b) Por outro lado, se a evidncia da amostra no suficiente para


convencer o pesquisador de que a hiptese H0 falsa, o resultado do
teste ser no se rejeita H0.

Importante: A deciso de no se rejeitar H0 no significa que a


evidncia da amostra seja suficiente para concluirmos que H0 seja
verdadeira.
7.2. Teste de Hiptese para uma mdia, com 2 conhecido

7.2.1. Teste unicaudal na cauda inferior:

H0 : 0
Hipteses:
H A : 0

A regio de rejeio para o teste dada pelo intervalo ; k ,


ou seja, se o valor da mdia amostral X for inferior a constante k, ento
rejeitamos H0.
Por outro lado, se o valor de X for superior a constante k, ento no
rejeitamos H0.

Procedimento para o teste: fixa-se o nvel de significncia e


calcula-se

PRejeitar H 0 | H 0 verdadeira

P X R.R. | H 0 verdadeira

P X k | 0
X 0 k 0 k 0
P P Z
n n n

X 0
A estatstica teste ser definida por: Z que, pelo
n
T.L.C., tem distribuio Normal com mdia 0 e varincia 1. Desta forma,

k 0
Za k 0 Z a
n n

X k Rejeita se H 0
Assim sendo, se
X k No se Rejeita H 0

Uma forma mais apropriada para o teste de hiptese para a


mdia consiste em calcular o valor observado da estatstica teste,
denotado por Z0, e compar-lo com o respectivo valor na escala
padronizada.

( x 0 )
Z0
/ n

Desta forma, para o teste unilateral na cauda inferior, compara-se o


valor observado da estatstica teste com o percentil Z da
distribuio normal padronizada.

Z 0 Z Rejeita se H 0
Se
Z 0 Z No se Rejeita H 0
Exemplo 1) Uma empresa imobiliria fez um levantamento do valor de
mercado de 16 residncias do vilarejo guas Claras com a inteno de
estabelecer negcios na nova regio. Na sua regio de origem, os valores
dos imveis deste mesmo padro tm preo mdio de 284 mil dlares e
desvio padro de 64 mil dlares. Tendo como referncia o valor de imveis
de sua regio de origem, a firma quer verificar se pode manter o mesmo
critrio de avaliao para as residncias de guas Claras.
Valores observados (mil dlares): 297 257 269 183 309 229
243 204 192 209 189 187
432 271 324 275

Dados: x 4070 e x 2 1100596


a) Com um nvel de significncia de 5%, defina as hipteses e faa o teste
unilateral.
b) Qual a probabilidade de significncia (ou valor p) do teste?
c) Calcule PX 257 .68 | 230 . Como esse valor interpretado?
d) Calcular essa probabilidade para diversos valores de e construir o
grfico correspondente.

220.0 225.0 230.0 240.0 257.68 270.0 280.0 290.0


0.00926 0.021 0.042 0.135 0.500 0.779 0.918 0.978
e) Sabendo que a regio de rejeio definida pelo valor 246.72, qual o
nvel de significncia?

O valor p do teste, ou probabilidade de significncia, definido por:


p P Z Z0

Pode-se utilizar o valor p para se testar H0 comparando-o com o nvel


de significncia :

a) Se p menor do que o nvel de significncia , ento, o valor da


estatstica teste Z0 pertence regio de rejeio:

Valor p: regio hachurada na figura


b) Se p maior do que o nvel de significncia , ento, o valor da
estatstica teste Z0 pertence regio de no rejeio:

Valor p: regio hachurada na figura

Neste sentido, o nvel de significncia serve somente como


referncia para a nossa deciso de rejeitar (ou no) H0.

Exemplo 1.1) Testar a hiptese utilizando-se do valor p. ( = 0.05)

254 .375 284


x 254 .375 Z0 1.85
64 / 16


Logo, p P Z 1.85 0.0322

Como 0.0322 < 0.05, ento, rejeita-se H0.


7.2.2. Teste unicaudal na cauda superior:

H0 : 0
Hipteses:
H A : 0

O teste unilateral na cauda superior segue o mesmo raciocnio, com a


regio de rejeio sendo definida por k ; :

De forma anloga:


P X k | 0 k 0 Z (1a ) .
n

X k Rejeita se H 0
Assim sendo, se
X k No se Rejeita H 0

( x 0 )
Pelo valor observado da estatstica teste: Z 0
/ n
Z 0 Z (1 ) Rejeita se H 0
Se
Z 0 Z (1 ) No se Rejeita H 0

O valor p do teste calculado da mesma maneira, ou seja:


p P Z Z0
Exemplo 2) Numa indstria de autopeas, sabe-se que o nvel de dureza de
um produto feito a base de cermica tem variabilidade 2 = 0.49. Uma
amostra de 16 peas foram testadas e o resultado apresentado abaixo.

a) Com um nvel de significncia de 10%, testar a hiptese unicaudal de


que a mdia igual a 18.4. Calcule o valor p.
b) Calcule a probabilidade de erro tipo II para = 19.0. Interprete o
resultado.

Valores observados: 18.1 19.0 18.8 18.5 18.1 18.8 18.1 18.0
18.5 19.8 17.8 19.1 18.0 19.2 19.8 19.2

Dados: x 298 .8 e x 2 5586 .22


7.2.3. Teste bicaudal:

H0 : 0
Hipteses:
H A : 0

O teste bicaudal definido pela regio de rejeio


; k1 k2 ; , k1 k2 , ou seja, se o valor da mdia amostral X for
inferior a constante k1 ou superior a k2, ento rejeita-se H0.
Por outro lado, se k1 X k2, ento no se rejeita H0.

P X k1 ou X k2 | 0

k 0 k 0
P Z 1 P Z 2
n n


Logo, k1 0 Z a 2 e k2 0 Z1a 2
n n
( x 0 )
Pelo valor observado da estatstica teste: Z 0
/ n

Z 0 Z / 2 ou Z 0 Z1 / 2 Rejeita se H 0
Se
Z / 2 Z 0 Z1 / 2 No se Rejeita H 0

Pelo fato da hiptese ser bicaudal, o valor p do teste utiliza a mesma


expresso, porm, multiplicada por 2.


p 2P Z Z0
Resumindo:

x 0
1) Valor Observado (Estatstica Observada): dada por Z 0
n
2) Valor p do teste: probabilidade mxima do erro tipo I:


p P Z Z0 testes unicaudais nas caudas superior ou inferior;


p 2P Z Z0 teste bicaudal.

Como realizar o teste atravs do valor p:

Os testes de hiptese podem ser realizados atravs do valor p, que o


que observamos nos softwares estatsticos.

Se o valor p for maior ou igual a um nvel de significncia fixado, ou


seja, se p , no se rejeita H0;

Se o valor p for menor do que o nvel de significncia , ou seja, se


p , rejeita-se H0.

Exemplo 3) Refazer os exemplos (1) e (2) considerando hipteses


bicaudais.
7.3. Teste de Hiptese para uma mdia, com 2 desconhecido

Quando a varincia 2 desconhecida, devemos utilizar a sua


estimativa s2. Neste caso, utilizaremos a distribuio t Student no lugar da
normal:

As regies de rejeio so obtidas da mesma forma como


anteriormente, apenas substituindo-se o quantil Z da normal pelo quantil
tn 1; da distribuio t Student com (n 1) graus de liberdade.

7.3.1. Teste unicaudal na cauda inferior:

H0 : 0
Hipteses:
H A : 0

A regio de rejeio para o teste dada pelo intervalo ; k ,


ou seja, se o valor da mdia amostral X for inferior a constante k, ento
rejeitamos H0.

k 0 s
Logo, t n1; k 0 tn1;
s n n

X 0
Estatstica teste: t ,
s n

tem distribuio t Student com (n 1) graus de liberdade.

x 0
Valor observado: t0
s n
t0 tn1; Rejeita se H 0
Se
t0 tn1; No se Rejeita H 0


Valor p: p P Tn1 t0 ,

p Rejeita se H 0
Se
p No se Rejeita H 0

Exemplo 4) Os corretores da empresa imobiliria verificaram que no


apropriado considerar os valores dos imveis no novo vilarejo como tendo
mesma variabilidade da sua regio de origem. Desta forma, decidiu-se
refazer os clculos com a varincia desconhecida. ( 0 284 )

Dados: x 4070 e x 2 1100596


a) Com um nvel de significncia de 5%, defina as hipteses e faa o teste
unilateral.
b) Qual a probabilidade de significncia (ou valor p) do teste?
c) Calcule PX 255 .08 | 230 . Como esse valor interpretado?
d) Calcular essa probabilidade para diversos valores de e construir o
grfico correspondente.

220.0 225.0 230.0 240.0 257.68 270.0 280.0 290.0


0.025 0.044 0.075 0.188 0.500 0.810 0.924 0.974

e) Sabendo que a regio de rejeio definida pelo valor 248.845, qual o


nvel de significncia?
7.3.2. Teste unicaudal na cauda superior:

H0 : 0
Hipteses:
H A : 0

A regio de rejeio para o teste dada pelo intervalo k ; , ou


seja, se o valor da mdia amostral X for maior do que a constante k, ento
rejeitamos H0.

k 0 s
Logo, t n1;1 k 0 t n1;1
s n n

X 0
Estatstica teste: t tn 1.
s n

x 0
Valor observado: t0
s n

t0 tn1;1 Rejeita se H 0
Se
t0 tn1;1 No se Rejeita H 0


Valor p: p P Tn1 t0 ,

p Rejeita se H 0
Se
p No se Rejeita H 0
7.3.3. Teste bicaudal:

H0 : 0
Hipteses:
H A : 0

A regio de rejeio para o teste dada pelo intervalo a ; b , ou


seja, se o valor da mdia amostral X for menor do que a constante a ou
maior do que b, ento rejeita-se H0.

= P X a ou X b | 0

a 0 b 0
= P Tn1 + P Tn1
s n s n

s s
Logo, a 0 t n1;a 2 e b 0 t n1;(1a 2 ) .
n n

X 0
Estatstica teste: t tn 1.
s n

x 0
Valor observado: t0
s n

t0 tn1; / 2 ou t0 tn1;(1 / 2) Rejeita se H 0


Se
tn1; / 2 t0 tn1;(1 / 2) No se Rejeita H 0


Valor p: p 2 P Tn1 t0 ,
p Rejeita se H 0
Se
p No se Rejeita H 0

7.4. Teste de Hiptese para a proporo

O teste de hiptese para a proporo similar ao teste para a mdia,


uma vez que a proporo p , e fato, a mdia de uma varivel dicotmica.

7.4.1. Teste unicaudal na cauda inferior:

H 0 : p p0
Hipteses:
H A : p p0

Regio de Rejeio

p p0
Valor Observado da Estatstica teste: Z 0 .
p0 (1 p0 )
n

Z 0 Z Rejeita se H 0
Se
Z 0 Z No se Rejeita H 0

Valor p: p P Z Z 0 .
7.4.2. Teste unicaudal na cauda superior:

H 0 : p p0
Hipteses:
H A : p p0

p p0
Valor Observado da Estatstica teste: Z 0 .
p0 (1 p0 )
n

Z 0 Z Rejeita se H 0
Se
Z 0 Z No se Rejeita H 0


Valor p: p P Z Z 0

7.4.3. Teste bicaudal:

H 0 : p p0
Hipteses:
H A : p p0

p p0
Valor Observado da Estatstica teste: Z 0 .
p0 (1 p0 )
n
Z 0 Z / 2 ou Z 0 Z1 / 2 Rejeita se H 0
Se
Z / 2 Z 0 Z1 / 2 No se Rejeita H 0


Valor p: p 2 P Z Z 0 .
7.5. Teste de Hiptese para comparao de duas mdias

A seguir sero apresentados os testes para comparao entre as


mdias de duas populaes independentes. Iremos apresentar apenas
o teste bicaudal, sendo os testes unicaudais construdos de maneira similar
aos casos anteriores.

7.5.1. Varincias conhecidas.

H 0 : 1 2
Hipteses:
H A : 1 2

No caso em que as varincias so conhecidas, sabemos que a


estatstica teste dada por:

Z
X1 X 2 1 2 N(0 ; 1).

2 2

1 2
n1 n2

Como estamos testando a igualdade das mdias, ento, sob a


hiptese nula a diferena 1 2 igual a zero.

Assim sendo, a estatstica teste se resume a:

Z
X1 X 2
12 22

n1 n2
Valor Observado: Z 0
x1 x2 .

2 2

1 2
n1 n2

Z 0 Z / 2 ou Z 0 Z1 / 2 Rejeita se H 0
Se
Z / 2 Z 0 Z1 / 2 No se Rejeita H 0

Obs: uma vez definida a estatstica teste e calculado o seu valor


observado, a regra de deciso no muda, dependendo apenas da
distribuio de probabilidade associada.

Valor p: O valor p do teste calculado pela expresso:


p 2P Z Z0 .
p Rejeita se H 0
Se
p No se Rejeita H 0

7.5.2. Varincias iguais e desconhecidas.

H 0 : 1 2
Hipteses:
H A : 1 2

No caso das varincias serem iguais, porm desconhecidas, utilizamos


a varincia combinada s 2p como estimativa da varincia comum:

(n1 1) s22 (n2 1) s22


s
2
.
n1 n2 2
p
Padronizando a diferena entre as mdias amostrais teremos:

Estatstica Teste:
X1 X 2 tn1 n2 2 .
1 1
sp
n1 n2

Valor observado da Estatstica Teste:

t0
x1 x2 .
1 1
sp
n1 n2

Obs: lembremos que, sob H0, 1 2 0 .

Logo, tendo sido observado o valor t0 acima, temos a seguinte regra


de deciso para a comparao entre as duas mdias:

t0 tn1 n2 2; / 2 ou t0 tn1 n2 2;(1 / 2) Rejeita se H 0


Se
tn1 n2 2; / 2 t0 tn1 n2 2;(1 / 2) No se Rejeita H 0


Valor p: p 2 P Tn1 n2 2 t0 .
p Rejeita se H 0
Se
p No se Rejeita H 0
7.5.3. Varincias desconhecidas e diferentes.

H 0 : 1 2
Hipteses:
H A : 1 2

Quando as varincias 12 e 22 forem diferentes e desconhecidas,


devemos utilizar as suas estimativas amostrais s12 e s22 .

A Estatstica Teste, neste caso, dada por:

T
X 1 X 2 ,
s12 s22

n1 n2

que tem distribuio t-Student com graus de liberdade, onde

2
s12 s22

2 12 2 2
n n

s1 / n1
s /n
2 2
2

n1 1 n2 1

Valor observado: t0
x1 x2
s12 s22

n1 n2
Com a regra de deciso:

t0 t; / 2 ou t0 t;(1 / 2) Rejeita se H 0
Se
t; / 2 t0 t;(1 / 2) No se Rejeita H 0

Probabilidade de significncia do teste:


Valor p: p 2 P T t0 .
p Rejeita se H 0
Se
p No se Rejeita H 0

7.6. Exemplos para a comparao de duas mdias

Exemplo 5) Duas marcas de veculos pretendem comparar o desempenho


de seus modelos populares. Para isso, a marca A selecionou n = 12
veculos de sua produo e fez um teste de consumo. A marca B tambm
retirou uma amostra com n = 12 veculos e realizou o mesmo teste. As
empresas afirmam que ambas tm a mesma variabilidade, 2 = 0.81.
(os dados esto em km/litro).

13.5 12.8 11.4 10.9 11.9 12.3 xA = 11.81


A
10.7 11.9 10.9 11.5 11.8 12.1 sA = 0.8163
12.8 12.8 13.6 13.8 10.1 11.1 xB = 12.12
B
11.9 11.4 10.8 12.2 12.4 12.5 sB = 1.1118
Hipteses:

H0 : B A que H0: B A 0
HA : B A equivale a HA : B A 0

Estatstica teste:
X B X A B A ~ N (0 ;1)

2 2

nB nA

Pk1 X B X A k2




P 1 A
k ( ) k ( )
B A
Z 2 B
0.81 0.81 0.81 0.81

12 12 12 12

Sob H0: B A 0 , logo



P
k k
1
Z 2
0.81 0.81 0.81 0.81

12 12 12 12
Igualando cada membro da desigualdade pelo respectivo percentil da
distribuio normal, tem-se:
k1 k2
Z / 2 e Z1 / 2 ,
0.81 0.81 0.81 0.81

12 12 12 12

de onde se obtm k1 e k 2 .

Podemos, ainda, calcular o valor observado da estatstica


teste, dado por

Z0
xB xA
0.31
0.844 .
0.81 0.81 1.62

12 12 12

O valor Z0 , ento, comparado com o quantil /2 da cauda direita da


distribuio normal padro. Para um nvel de sigunificncia 0.05 ,
temos Z0.975 1.96

Como 0.844 < 1.96, ento no se rejeita H0.

Valor p do teste:


p 2 P Z Z 0 2 PZ 0.844 2 0.2005 0.401
Comparando-se o valor p com um nvel de significncia de referncia
(p.ex. 0.05) vemos que p = 0.401 muito alto, o que nos leva a no
rejeitar H0.

Exemplo 6) O Estatstico contratado para fazer os clculos no confiando


no valor da varincia (2 = 0.81), decidiu refazer as contas considerando as
varincias desconhecidas, porm iguais.

Varincia combinada:

s 2

nB 1 sB2 nA 1 sA2
p
nB nA 2


12 11.1118 12 10.8163
2 2

12 12 2
11 1.1118 11 0.8163
2 2

22


1.1118 0.8163
2 2
0.9512
2
Estatstica teste:
X B X A B A ~ tnB nA 2
2 2
s s

p p

nB nA

ou ainda:
X B X A B A ~ tnB nA 2
1 1
sp
nB nA

Que tem o valor observado:

t0
xB xA 0.31
0.7786 .
s 2p s 2p 0.9512 0.9512


nB nA 12 12

Comparando-se t0 com o quantil (1 ) da distribuio t-Student


com 22 graus de liberdade, temos

t22;0.025 2.0739 0.7786 .

Portanto, conclui-se que a evidncia na amostra no nos permite


rejeitar a hiptese de igualdade entre as mdias das duas populaes.

O valor p nesse caso dado por:


p 2 P T22 t0 2 PT22 0.7786

p 2 0.222 0.444
Exemplo 7) Alguns inspetores, ainda mais desconfiados, foram investigar as
informaes e descobriram que a empresa B havia omitido 4 valores de sua
amostra. So eles: 10.0; 10.5; 10.6 e 11.5. Com isso, refeitos os clculos,
obteve-se:

xA = 11.75 e sB = 1.1894.

Considerando, agora, varincias diferentes e desconhecidas,


testar para a igualdade de mdias com um nvel significncia de 0.05.

Estatstica teste:
X B X A B A ~ t
2 2
s s

B A
nB nA

2
sB2 sA2

2 B2 A2
n n
Em que:

sB / nB

sA / nA
2

nB 1 nA 1
No caso, temos
1.1894 2 0.8163 2
2


16 12


1.1894 2 / 16 0.8163 2 / 12
2
2

15 11


0.08842 0.05553
2
25.85 26 graus de liberdade
0.08842 2 0.05553 2
15 11
Valor observado:

t0
xB xA 11.75 11.81
0.1590 ,
sB2 sA2 1.1894 0.8163


nB nA 16 12

comparado com o quantil 0.025 da t-Student com 26 gl, temos

t26;0.025 2.056 0.1590 ,

logo, no rejeitamos a hiptese nula.

Valor p:


p 2 P T26 t0 2 PT26 0.1590

p 2 0.4374 0.875

Obs: Apesar de ter sido considerado = 26 (inteiro), pode-se


encontrar o valor t para graus de liberdade no inteiros. De fato, pelo
R, obtm-se t 25.85;0.975 2.0561 .

Perguntas:

1) Na sua opinio, qual das duas marcar a mais econmica? P.Q.?

2) Se voc fosse escolher dentre as duas marcas, qual escolheria? P.Q.?

Como na maioria das vezes as varincias so desconhecidas,


prudente, inicialmente, fazer uma investigao para verificar se estas podem
ser consideradas iguais.
A seguir ser apresentado o teste de hiptese para a igualdade de
duas varincias.
7.7. Teste de Hiptese para comparao de duas varincias.

A distribuio F (de Snedcor): Considere que temos duas


amostras independentes de tamanhos n1 e n2, retiradas de duas
populaes normais com mesma varincia 2. Ento:

U
n1 1 s12
~ 2
e V
n2 1 s22
~ 2n2 1
n1 1
2 2

s12 U n1 1
A estatstica definida por : W 2 ,
s2 V n2 1

tem distribuio F com (n1 1 ; n2 1) graus de liberdade, ou seja:

s12
W 2 ~ Fn1 1; n2 1
s2

7.7.1. Teste unicaudal para comparao de duas varincias

H 0 : 12 22
Hipteses:
H A : 1 2
2 2

PW R.R. | H 0 PW f | H 0

obs: Tomamos W de tal forma que W > 1, ou seja, devemos ter a maior
varincia amostral no numerador . Desta forma, o teste ser sempre
realizado na cauda superior da distribuio. Logo, f tal que:


P W f | 12 22 P W Fn1 1, n2 1;
f Fn1 1, n2 1;
Como a distribuio de W exata, comparamos o seu valor observado,
s12
W0 2 , diretamente com o percentil da distribuio F.
s2

Portanto:

W0 Fn1 1, n2 1; Rejeita se H 0
Se
W0 Fn1 1, n2 1; No se Rejeita H 0

Valor p do teste: O valor p do teste a probabilidade mxima do erro


tipo I, ou seja:

p P W W0 , para o teste unicaudal.


7.7.2. Teste bicaudal para comparao de duas varincias

H 0 : 12 22
Hipteses:
A
H : 2
1 2
2


PW R.C. | H 0 P W f1 ou W f 2 | 12 22
f1 e f2 so definidos de tal forma que: P f1 W f 2 1 .

Como a distribuio de W exata, ento, comparamos o seu valor


s12
observado W0 2 diretamente com os percentis /2 da distribuio F
s2
com n1 1 e n2 1 graus de liberdade.

Portanto:

W0 Fn1 1, n2 1; 2 ou W0 Fn1 1, n2 1;1 2 Rejeita se H 0


Se
Fn1 1, n2 1; 2 W0 Fn1 1, n2 1;1 2 No se Rejeita H 0

Valor p do teste: O valor p do teste para o teste bicaudal dado por

p = 2 P W W0
7.8. Exemplos.

1) Uma empresa apresentou a um fabricante uma nova mquina de


embalar macarro. O gerente da empresa afirma que a nova mquina
empacota em mdia, 60 pacotes por minuto, com desvio padro de 3
pacotes. O nmero de pacotes embalados por minuto tem distribuio
normal. A fbrica de macarro usou a mquina em suas instalaes e
observou o nmero de pacotes embalados, em 25 perodos distintos de um
minuto, constatando 58 pacotes embalados. O comprador desconfia que a
mquina no consiga chegar aos 60 pacotes. O que voc conclui?

2) Uma companhia de cigarros anuncia que o ndice mdio de nicotina dos


seus cigarros apresenta-se abaixo de 23 mg por cigarro. Um laboratrio
analisa 6 cigarros obtendo: 27, 24, 21, 25, 26, 22. Sabe-se que o ndice de
nicotina se distribui normalmente com varincia igual a 4.86 mg2. Pode-se
aceitar, ao nvel de 10%, a afirmao do fabricante.

3) Uma estao de televiso afirma que 60% dos telespectadores estavam


ligados no seu programa especial da ltima segunda-feira. Um canal
concorrente contestando tal afirmao decide coletar uma amostra com 200
famlias e perguntar se o programa escolhido pela famlia era o programa do
canal concorrente. Na amostra foram registradas 104 respostas afirmativas.
O que voc conclui ao nvel de 5% de significncia?

4) O professor(a) de Estatstica 2 afirma que, historicamente, os alunos


realizam as provas desta disciplina em 120 minutos. Para que os alunos
realizem a prova no tempo normal de aula o professor adotou outro tipo de
prova, registrando o tempo de realizao da prova na amostra de 23 alunos
matriculados na turma B da disciplina em 2012. O tempo mdio observado
foi de 112 minutos e o desvio padro foi 20 minutos. Estes resultados
trazem evidncias estatsticas da melhora desejada peo(a) professor(a)?
5) A estatura dos alunos da turma A 2 sem/2012 de Estatstica 2 so
mostradas no quadro abaixo, segundo o sexo.
Podemos afirmar que as estaturas mdias entre sexo so iguais?

sexo alturas
1.78 1.81 1.69 1.75 1.78 1.89 1.80
Masc
1.67 1.67 1.83 1.85 1.74 1.89 1.77
Fem 1.67 1.68 1.67 1.60 1.63 1.59
7.9. Teste de Hiptese para Duas Propores

Muitas vezes h o interesse em se comparar duas propores p1 e p2,


como por exemplo:
Num determinado grupo a proporo de fumantes do sexo masculino
igual a do sexo feminino?
A inteno de votos de um candidato a mesma em duas capitais?
No tratamento de uma enfermidade, a proporo de cura de um novo
tratamento a mesma que a do convencional?

Nessas circunstncias pode-se aplicar tanto o teste unicaudal como o


bicaudal. A seguir apresentaremos apenas a construo do teste bicaudal,
que o mais aplicado.

H 0 : p1 p2
Hipteses:
H A : p1 p2

Que equivalente a:

H 0 : p1 p2 0
Hipteses:
H A : p1 p2 0

( p1 p 2 ) ( p1 p2 )
Estatstica teste: Z .
p1 (1 p1 ) p 2 (1 p 2 )

n1 n2
Sendo H0 verdadeira, temos que p1 p2 p* . Logo, a estimativa da
varincia Var( p1 - p 2 ) pode ser calculada por:

1 1
Var( p1 - p 2 ) p * (1 p * ) ,
n1 n2

n1 p1 n2 p 2 X 1 X 2
em que: p * ,
n1 n2 n1 n2

com: X1 = nmero de sucessos da populao 1


X2 = nmero de sucessos da populao 2.

Desta forma, a estatstica teste escrita por:

( p1 p 2 ) ( p1 p2 )
Z
1 1
p * (1 p * )
n1 n2

Valor Observado: sob H0 p1 p2 0 , ento

( p1 p 2 )
Z0 .
1 1
p * (1 p * )
n1 n2

Z 0 Z / 2 ou Z 0 Z1 / 2 Rejeita se H 0
Se
Z / 2 Z 0 Z1 / 2 No se Rejeita H 0


Valor p: p 2 P Z Z 0 .
Exemplo: Um candidato em campanha eleitoral deseja saber se a sua
inteno de votos a mesma em duas cidades importantes no cenrio
poltico (Atlntida e Flrida), e definir as estratgias de campanha. Para isso
ele contratou um instituto de pesquisa que realizou pesquisas nas duas
cidades. Em Atlntida foram entrevistados 500 eleitores, dos quais 116
afirmaram votar no candidato, enquanto que, em Flrida, dos 600
entrevistados, 105 foram favorveis a ele. Qual a concluso que se pode
tirar com essas informaes? (assumir = 0.05)

Estimativas pontuais:

Atlntida Flrida
116 105
p1 0.232 p 2 0.175
500 600

116 105 221


Ento: p * 0.201
500 600 1100

Testando a hiptese:

0.232 0.175 0.057


Z0
1 1 0.02426
0.201 0.799
500 600

Z 0 2.35

Valor tabelado: Z1 / 2 Z0.975 1.96


Como:

2.35 1.96 Rejeita-se H0, ou seja, a inteno de votos


nas duas cidades no a mesma
(A inteno de votos na Flrida menor)

Valor p do teste:


p 2 P Z 2.35 2 0.0094 0.0188
7.10. Teste de Hiptese para Duas Amostras Dependentes
(dados pareados)

Exemplo: Avaliao da Raspagem e Alisamento Radicular RAR no


tratamento da Periodontite Crnica.

A raspagem e alisamento radicular (RAR) provavelmente a


forma mais comum de terapia mecnica empregada no tratamento da
doena periodontal e, tambm, na manuteno de um periodonto
saudvel, evitando a recorrncia da doena aps o tratamento.
Objetivo do Trabalho: realizar uma avaliao clnica de diferentes
modalidades de terapias periodontais no cirrgicas, em pacientes
portadores de periodontite crnica.
A avaliao foi realizada por meio das medidas clnicas de:
- profundidade de sondagem (PS);
- nvel de insero (NI);
Os dados foram coletados em pacientes da disciplina de Periodontia
da Faculdade de Odontologia da UNESP, Araraquara. Ao todo foram
avaliados 30 pacientes com idade entre 25 e 68 anos com profundidade de
sondagem inicial entre 6 e 8 mm. Os pacientes foram divididos em trs
grupos com n = 10 indivduos cada:
Grupo 1 pacientes submetidos raspagem supra e subgengival no 1 dia
de tratamento;
Grupo 2 pacientes submetidos raspagem supragengival no 1 dia de
tratamento e raspagem subgengival aps o 7 dia;
Grupo 3 pacientes submetidos raspagem supragengival no 1 dia de
tratamento e raspagem subgengival aps o 30 dia.

As variveis foram observadas longitudinalmente em 5 instantes


diferentes, antes dos procedimentos de raspagem:

+------+-------+--------------+-----------------------------+
0 7 15 30 60 dias

A seguir apresentamos os dados de PS dos pacientes do grupo 1,


coletados no instante inicial e aps 15 dias de tratamento.

Paciente 1 2 3 4 5 6 7 8 9 10
t0 7.3 7.1 7.0 6.7 6.7 6.2 6.1 6.0 7.0 6.5
t15 5.7 6.3 5.3 4.8 3.7 3.6 4.5 4.3 5.3 6.0

Descritivas
t0 t15
mdia 6.66 4.95
desvio padro 0.4502 0.9289

Objetivo: Verificar se a reduo na PS foi significativa.


Resultados:

Paciente t0 t15 di
Para eliminar a
1 7.3 5.7 -1.6
dependncia entre as
2 7.1 6.3 -0.8
amostras calcula-se a
3 7.0 5.3 -1.7
diferena caso-a-caso,
4 6.7 4.8 criando uma nova varivel: -1.9
5 6.7 3.7 -3.0
6 6.2 3.6 D X t15 X t0 -2.6
7 6.1 4.5 -1.6
8 6.0 4.3 com valores observados di -1.7
9 7.0 5.3 i = 1, 2, . . . , n. -1.7
10 6.5 6.0 -0.5

mdia desvio padro


d sd
D (diferena) -1.71 0.7310

H0 : d 0
Hipteses:
H A : d 0

O problema, ento, fica reduzido a uma varivel aplicando-se assim o


teste t para uma mdia

D 0
Estatstica teste: t ,
sd n

tem distribuio t Student com (n 1) graus de liberdade.


No caso em que testamos a igualdade das mdias nos dois instantes
de medida temos que 0 0 e, as hipteses sero dadas por:

H0 : d 0
Hipteses:
H A : d 0

D
E a estatstica teste ser: t ,
sd n

Nesse caso, como sob H0 temos d 0 , o teremos o valor


observado da estatstica dado por:

d
t0 .
sd n

t0 tn1; / 2 Rejeita se H 0
Logo, se
t0 tn1; / 2 No se Rejeita H 0


Valor p: p 2 P Tn1 t0 ,

p Rejeita se H 0
Se
p No se Rejeita H 0
1.7
No exemplo, temos que: t0 7.398
0.7310 10

Valor tabelado: t9 ;0.025 2.262

Como 7.398 < 2.262 Rejeita-se H0,

ou seja, o tratamento resulta numa diminuio mdia de 1.7mm.


Valor p: p 2 P T9 7.398 0.000042 .
Teste Hipteses Estatstica Teste Regio Crtica Valor Observado Deciso Valor p Deciso

HO: = o HA: < o Se z 0 Z ,


k 0 Z PZ z 0
Teste unilateral, cauda inferior n rejeita-se HO

HO: = o HA: > o Se z 0 Z1 ,


Para uma k 0 Z1 PZ z 0 Se p < ,
Teste unilateral, cauda superior X 0 n x 0 rejeita-se HO
mdia com 2 Z z0 rejeita-se
n n
conhecido HO
HO: = o HA: o k1 0 Z 2 e Se z 0 Z ou se
2 PZ z0
n
Teste Bilateral z 0 Z1 ,
k 2 0 Z1 2 rejeita-se HO
n
HO: = o HA: < o Se t 0 t n1; ,
PTn1 t 0
s
k 0 t ( n1);
Teste unilateral, cauda inferior n rejeita-se HO
HO: = o HA: > o Se t 0 t n1;1 ,
PTn1 t 0
s
Para uma k 0 t ( n1);1 Se p < ,
X 0 x 0 rejeita-se HO
mdia com 2 Teste unilateral, cauda superior T n t0 rejeita-se
s n s n
desconhecido s HO
HO: = o HA: o k1 0 t ( n1); 2 e Se t 0 t n1; , ou
n
t 0 t n1;1 2 P(Tn1 t 0 )
Teste Bilateral s
k 2 0 t ( n1);1 2 rejeita-se HO
n
HO: p = po HA: p < po p 0 1 p 0 Se z 0 Z ,
k p0 Z PZ z 0
Teste unilateral, cauda inferior n rejeita-se HO

HO: p = po HA: p > po p 0 1 p 0 Se z 0 Z1 ,


Para uma Z
p p 0 k p 0 Z 1 z0
p p 0 PZ z 0 Se p < ,
Teste unilateral, cauda superior p 0 1 p 0 n p 0 1 p 0 rejeita-se HO rejeita-se
proporo
HO
n p 0 1 p 0 e n
HO: p = po HA: p po k1 p 0 Z / 2 Se z 0 Z ou se
2 PZ z 0
n
z 0 Z1 ,
Teste Bilateral p 0 1 p 0
k 2 p 0 Z 1 / 2 rejeita-se HO
n
Teste Hipteses Estatstica Teste Regio Crtica Valor Observado Deciso

12 22 Se
Para duas
mdias com
HO: 1 = 2 HA: 1 2
Z
X 1 X 2 1 2 k1 Z 2
n1 n2
e
z0
x1 x2 z0 z 2
ou, se
varincias 1 e
2
12 22 12 22
z 0 z1 2 ,
22 conhecidas (HO: 1 2 = 0) (HA: 1 2 0) n1 n2 12 22 n1 n2
k 2 Z1 2
n1 n2 rejeita-se HO

T
X 1 X 2 1 2 ,
Para duas 1 1 Se
1 1 k1 t ( n1 n2 2); 2 s p e
mdias com HO: 1 = 2 HA: 1 2 sp n1 n2 x1 x2 t 0 t ( n1 n2 2); 2
n1 n2 t0
varincias 1 e ou, se
2
1 1
sp t 0 t ( n1 n2 2);1 2
22 iguais e com: 1 1 n1 n2
(HO: 1 2 = 0) (HA: 1 2 0) k 2 t ( n1 n2 2);1 / 2 s p
desconhecidas
s 2

n1 1 s12 n2 1 s22 n1 n2 rejeita-se HO
n1 n2 2
p

s12 s 22
k1 t ; 2 e
n1 n2

s12 s 22 Se
Para duas k 2 t ;1 2
mdias com HO: 1 = 2 HA: 1 2
T
X 1 X 2 1 2 n1 n2
t0
x1 x2 t 0 t ; 2
varincias 1 e ou, se
2
s12 s 22 s12 s 22
com graus de liberdade: t 0 t ;1 2 ,
22 diferentes e n1 n2 n1 n2
(HO: 1 2 = 0) (HA: 1 2 0) s2 s2
2
desconhecidas
1 2 rejeita-se HO
n1 n2

s n s n
2
1 1
2 2
2 2
2

n1 1 n2 1
Distribuio Normal Padro Acumulada

z
z PZ z
1 u 2 / 2
2
e du

z 0 1 2 3 4 5 6 7 8 9 z 0 1 2 3 4 5 6 7 8 9
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005 0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007 0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
-3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010 0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014 0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019 0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026 0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036 0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048 0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064 0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084 0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110 1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143 1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183 1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233 1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294 1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367 1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455 1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559 1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681 1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823 1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985 2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170 2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379 2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611 2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867 2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148 2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451 2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776 2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121 2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483 2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859 3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247 3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
-0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641 3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
Distribuio t Student

PT t


v
0.25 0.10 0.05 0.025 0.01 0.005 0.0025 0.001
1 1.0000 3.0777 6.3138 12.7062 31.8205 63.6567 127.3213 318.3088
2 0.8165 1.8856 2.9200 4.3027 6.9646 9.9248 14.0890 22.3271
3 0.7649 1.6377 2.3534 3.1824 4.5407 5.8409 7.4533 10.2145
4 0.7407 1.5332 2.1318 2.7764 3.7469 4.6041 5.5976 7.1732
5 0.7267 1.4759 2.0150 2.5706 3.3649 4.0321 4.7733 5.8934
6 0.7176 1.4398 1.9432 2.4469 3.1427 3.7074 4.3168 5.2076
7 0.7111 1.4149 1.8946 2.3646 2.9980 3.4995 4.0293 4.7853
8 0.7064 1.3968 1.8595 2.3060 2.8965 3.3554 3.8325 4.5008
9 0.7027 1.3830 1.8331 2.2622 2.8214 3.2498 3.6897 4.2968
10 0.6998 1.3722 1.8125 2.2281 2.7638 3.1693 3.5814 4.1437
11 0.6974 1.3634 1.7959 2.2010 2.7181 3.1058 3.4966 4.0247
12 0.6955 1.3562 1.7823 2.1788 2.6810 3.0545 3.4284 3.9296
13 0.6938 1.3502 1.7709 2.1604 2.6503 3.0123 3.3725 3.8520
14 0.6924 1.3450 1.7613 2.1448 2.6245 2.9768 3.3257 3.7874
15 0.6912 1.3406 1.7531 2.1314 2.6025 2.9467 3.2860 3.7328
16 0.6901 1.3368 1.7459 2.1199 2.5835 2.9208 3.2520 3.6862
17 0.6892 1.3334 1.7396 2.1098 2.5669 2.8982 3.2224 3.6458
18 0.6884 1.3304 1.7341 2.1009 2.5524 2.8784 3.1966 3.6105
19 0.6876 1.3277 1.7291 2.0930 2.5395 2.8609 3.1737 3.5794
20 0.6870 1.3253 1.7247 2.0860 2.5280 2.8453 3.1534 3.5518
21 0.6864 1.3232 1.7207 2.0796 2.5176 2.8314 3.1352 3.5272
22 0.6858 1.3212 1.7171 2.0739 2.5083 2.8188 3.1188 3.5050
23 0.6853 1.3195 1.7139 2.0687 2.4999 2.8073 3.1040 3.4850
24 0.6848 1.3178 1.7109 2.0639 2.4922 2.7969 3.0905 3.4668
25 0.6844 1.3163 1.7081 2.0595 2.4851 2.7874 3.0782 3.4502
26 0.6840 1.3150 1.7056 2.0555 2.4786 2.7787 3.0669 3.4350
27 0.6837 1.3137 1.7033 2.0518 2.4727 2.7707 3.0565 3.4210
28 0.6834 1.3125 1.7011 2.0484 2.4671 2.7633 3.0469 3.4082
29 0.6830 1.3114 1.6991 2.0452 2.4620 2.7564 3.0380 3.3962
30 0.6828 1.3104 1.6973 2.0423 2.4573 2.7500 3.0298 3.3852
31 0.6825 1.3095 1.6955 2.0395 2.4528 2.7440 3.0221 3.3749
32 0.6822 1.3086 1.6939 2.0369 2.4487 2.7385 3.0149 3.3653
33 0.6820 1.3077 1.6924 2.0345 2.4448 2.7333 3.0082 3.3563
34 0.6818 1.3070 1.6909 2.0322 2.4411 2.7284 3.0020 3.3479
35 0.6816 1.3062 1.6896 2.0301 2.4377 2.7238 2.9960 3.3400
36 0.6814 1.3055 1.6883 2.0281 2.4345 2.7195 2.9905 3.3326
37 0.6812 1.3049 1.6871 2.0262 2.4314 2.7154 2.9852 3.3256
38 0.6810 1.3042 1.6860 2.0244 2.4286 2.7116 2.9803 3.3190
39 0.6808 1.3036 1.6849 2.0227 2.4258 2.7079 2.9756 3.3128
40 0.6807 1.3031 1.6839 2.0211 2.4233 2.7045 2.9712 3.3069
45 0.6800 1.3006 1.6794 2.0141 2.4121 2.6896 2.9521 3.2815
50 0.6794 1.2987 1.6759 2.0086 2.4033 2.6778 2.9370 3.2614
55 0.6790 1.2971 1.6730 2.0040 2.3961 2.6682 2.9247 3.2451
60 0.6786 1.2958 1.6706 2.0003 2.3901 2.6603 2.9146 3.2317
65 0.6783 1.2947 1.6686 1.9971 2.3851 2.6536 2.9060 3.2204
70 0.6780 1.2938 1.6669 1.9944 2.3808 2.6479 2.8987 3.2108
75 0.6778 1.2929 1.6654 1.9921 2.3771 2.6430 2.8924 3.2025
80 0.6776 1.2922 1.6641 1.9901 2.3739 2.6387 2.8870 3.1953
85 0.6774 1.2916 1.6630 1.9883 2.3710 2.6349 2.8822 3.1889
90 0.6772 1.2910 1.6620 1.9867 2.3685 2.6316 2.8779 3.1833
100 0.6770 1.2901 1.6602 1.9840 2.3642 2.6259 2.8707 3.1737
120 0.6765 1.2886 1.6577 1.9799 2.3578 2.6174 2.8599 3.1595
Quantis da distribuio Quiquadrado: P 2 2,

G.L.
0.99 0.975 0.95 0.90 0.50 0.10 0.05 0.025 0.01 0.005
1 0.00016 0.00098 0.0039 0.016 0.45 2.71 3.84 5.02 6.63 7.88
2 0.020 0.051 0.103 0.211 1.39 4.61 5.99 7.38 9.21 10.60
3 0.115 0.216 0.352 0.584 2.37 6.25 7.81 9.35 11.34 12.84
4 0.297 0.484 0.711 1.064 3.36 7.78 9.49 11.14 13.28 14.86
5 0.554 0.831 1.15 1.61 4.35 9.24 11.07 12.83 15.09 16.75
6 0.872 1.24 1.64 2.20 5.35 10.64 12.59 14.45 16.81 18.55
7 1.24 1.69 2.17 2.83 6.35 12.02 14.07 16.01 18.48 20.28
8 1.65 2.18 2.73 3.49 7.34 13.36 15.51 17.53 20.09 21.95
9 2.09 2.70 3.33 4.17 8.34 14.68 16.92 19.02 21.67 23.59
10 2.56 3.25 3.94 4.87 9.34 15.99 18.31 20.48 23.21 25.19
11 3.05 3.82 4.57 5.58 10.34 17.28 19.68 21.92 24.72 26.76
12 3.57 4.40 5.23 6.30 11.34 18.55 21.03 23.34 26.22 28.30
13 4.11 5.01 5.89 7.04 12.34 19.81 22.36 24.74 27.69 29.82
14 4.66 5.63 6.57 7.79 13.34 21.06 23.68 26.12 29.14 31.32
15 5.23 6.26 7.26 8.55 14.34 22.31 25.00 27.49 30.58 32.80
16 5.81 6.91 7.96 9.31 15.34 23.54 26.30 28.85 32.00 34.27
17 6.41 7.56 8.67 10.09 16.34 24.77 27.59 30.19 33.41 35.72
18 7.01 8.23 9.39 10.86 17.34 25.99 28.87 31.53 34.81 37.16
19 7.63 8.91 10.12 11.65 18.34 27.20 30.14 32.85 36.19 38.58
20 8.26 9.59 10.85 12.44 19.34 28.41 31.41 34.17 37.57 40.00
21 8.90 10.28 11.59 13.24 20.34 29.62 32.67 35.48 38.93 41.40
22 9.54 10.98 12.34 14.04 21.34 30.81 33.92 36.78 40.29 42.80
23 10.20 11.69 13.09 14.85 22.34 32.01 35.17 38.08 41.64 44.18
24 10.86 12.40 13.85 15.66 23.34 33.20 36.42 39.36 42.98 45.56
25 11.52 13.12 14.61 16.47 24.34 34.38 37.65 40.65 44.31 46.93
26 12.20 13.84 15.38 17.29 25.34 35.56 38.89 41.92 45.64 48.29
27 12.88 14.57 16.15 18.11 26.34 36.74 40.11 43.19 46.96 49.64
28 13.56 15.31 16.93 18.94 27.34 37.92 41.34 44.46 48.28 50.99
29 14.26 16.05 17.71 19.77 28.34 39.09 42.56 45.72 49.59 52.34
30 14.95 16.79 18.49 20.60 29.34 40.26 43.77 46.98 50.89 53.67
35 18.51 20.57 22.47 24.80 34.34 46.06 49.80 53.20 57.34 60.27
40 22.16 24.43 26.51 29.05 39.34 51.81 55.76 59.34 63.69 66.77
45 25.90 28.37 30.61 33.35 44.34 57.51 61.66 65.41 69.96 73.17
50 29.71 32.36 34.76 37.69 49.33 63.17 67.50 71.42 76.15 79.49
60 37.48 40.48 43.19 46.46 59.33 74.40 79.08 83.30 88.38 91.95
70 45.44 48.76 51.74 55.33 69.33 85.53 90.53 95.02 100.43 104.21
80 53.54 57.15 60.39 64.28 79.33 96.58 101.88 106.63 112.33 116.32
90 61.75 65.65 69.13 73.29 89.33 107.57 113.15 118.14 124.12 128.30
100 70.06 74.22 77.93 82.36 99.33 118.50 124.34 129.56 135.81 140.17
PFm;n Fm;n;0.025 0.025

m
n
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1 647.79 799.50 864.16 899.58 921.85 937.11 948.22 956.66 963.28 968.63 973.03 976.71 979.84 982.53 984.87 986.92 988.73 990.35 991.80 993.10 994.29
2 38.506 39.000 39.165 39.248 39.298 39.331 39.355 39.373 39.387 39.398 39.407 39.415 39.421 39.427 39.431 39.435 39.439 39.442 39.45 39.45 39.45
3 17.443 16.044 15.439 15.101 14.885 14.735 14.624 14.540 14.473 14.419 14.374 14.337 14.304 14.277 14.253 14.232 14.213 14.196 14.18 14.17 14.16
4 12.218 10.649 9.979 9.605 9.364 9.197 9.074 8.980 8.905 8.844 8.794 8.751 8.715 8.684 8.657 8.633 8.611 8.592 8.58 8.56 8.55
5 10.007 8.434 7.764 7.388 7.146 6.978 6.853 6.757 6.681 6.619 6.568 6.525 6.488 6.456 6.428 6.403 6.381 6.362 6.34 6.33 6.31
6 8.813 7.260 6.599 6.227 5.988 5.820 5.695 5.600 5.523 5.461 5.410 5.366 5.329 5.297 5.269 5.244 5.222 5.202 5.18 5.17 5.15
7 8.073 6.542 5.890 5.523 5.285 5.119 4.995 4.899 4.823 4.761 4.709 4.666 4.628 4.596 4.568 4.543 4.521 4.501 4.48 4.47 4.45
8 7.571 6.059 5.416 5.053 4.817 4.652 4.529 4.433 4.357 4.295 4.243 4.200 4.162 4.130 4.101 4.076 4.054 4.034 4.02 4.00 3.98
9 7.209 5.715 5.078 4.718 4.484 4.320 4.197 4.102 4.026 3.964 3.912 3.868 3.831 3.798 3.769 3.744 3.722 3.701 3.68 3.67 3.65
10 6.937 5.456 4.826 4.468 4.236 4.072 3.950 3.855 3.779 3.717 3.665 3.621 3.583 3.550 3.522 3.496 3.474 3.453 3.44 3.42 3.40
11 6.724 5.256 4.630 4.275 4.044 3.881 3.759 3.664 3.588 3.526 3.474 3.430 3.392 3.359 3.330 3.304 3.282 3.261 3.24 3.23 3.21
12 6.554 5.096 4.474 4.121 3.891 3.728 3.607 3.512 3.436 3.374 3.321 3.277 3.239 3.206 3.177 3.152 3.129 3.108 3.09 3.07 3.06
13 6.414 4.965 4.347 3.996 3.767 3.604 3.483 3.388 3.312 3.250 3.197 3.153 3.115 3.082 3.053 3.027 3.004 2.983 2.96 2.95 2.93
14 6.298 4.857 4.242 3.892 3.663 3.501 3.380 3.285 3.209 3.147 3.095 3.050 3.012 2.979 2.949 2.923 2.900 2.879 2.86 2.84 2.83
15 6.200 4.765 4.153 3.804 3.576 3.415 3.293 3.199 3.123 3.060 3.008 2.963 2.925 2.891 2.862 2.836 2.813 2.792 2.77 2.76 2.74
16 6.115 4.687 4.077 3.729 3.502 3.341 3.219 3.125 3.049 2.986 2.934 2.889 2.851 2.817 2.788 2.761 2.738 2.717 2.70 2.68 2.67
17 6.042 4.619 4.011 3.665 3.438 3.277 3.156 3.061 2.985 2.922 2.870 2.825 2.786 2.753 2.723 2.697 2.673 2.652 2.63 2.62 2.60
18 5.978 4.560 3.954 3.608 3.382 3.221 3.100 3.005 2.929 2.866 2.814 2.769 2.730 2.696 2.667 2.640 2.617 2.596 2.58 2.56 2.54
19 5.922 4.508 3.903 3.559 3.333 3.172 3.051 2.956 2.880 2.817 2.765 2.720 2.681 2.647 2.617 2.591 2.567 2.546 2.53 2.51 2.49
20 5.871 4.461 3.859 3.515 3.289 3.128 3.007 2.913 2.837 2.774 2.721 2.676 2.637 2.603 2.573 2.547 2.523 2.501 2.48 2.46 2.45
21 5.827 4.420 3.819 3.475 3.250 3.090 2.969 2.874 2.798 2.735 2.682 2.637 2.598 2.564 2.534 2.507 2.483 2.462 2.44 2.42 2.41
22 5.786 4.383 3.783 3.440 3.215 3.055 2.934 2.839 2.763 2.700 2.647 2.602 2.563 2.528 2.498 2.472 2.448 2.426 2.41 2.39 2.37
23 5.750 4.349 3.750 3.408 3.183 3.023 2.902 2.808 2.731 2.668 2.615 2.570 2.531 2.497 2.466 2.440 2.416 2.394 2.37 2.36 2.34
24 5.717 4.319 3.721 3.379 3.155 2.995 2.874 2.779 2.703 2.640 2.586 2.541 2.502 2.468 2.437 2.411 2.386 2.365 2.35 2.33 2.31
25 5.686 4.291 3.694 3.353 3.129 2.969 2.848 2.753 2.677 2.613 2.560 2.515 2.476 2.441 2.411 2.384 2.360 2.338 2.32 2.30 2.28
26 5.659 4.265 3.670 3.329 3.105 2.945 2.824 2.729 2.653 2.590 2.536 2.491 2.451 2.417 2.387 2.360 2.335 2.314 2.29 2.28 2.26
27 5.633 4.242 3.647 3.307 3.083 2.923 2.802 2.707 2.631 2.568 2.514 2.469 2.429 2.395 2.364 2.337 2.313 2.291 2.27 2.25 2.24
28 5.610 4.221 3.626 3.286 3.063 2.903 2.782 2.687 2.611 2.547 2.494 2.448 2.409 2.374 2.344 2.317 2.292 2.270 2.251 2.232 2.216
PFm;n Fm;n;0.05 0.05

m
n
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 242.98 243.91 244.69 245.36 245.95 246.46 246.92 247.32 247.69 248.01 248.31
2 18.513 19.000 19.164 19.247 19.296 19.330 19.353 19.371 19.385 19.396 19.405 19.413 19.419 19.424 19.429 19.433 19.437 19.440 19.443 19.446 19.448
3 10.128 9.552 9.277 9.117 9.013 8.941 8.887 8.845 8.812 8.786 8.763 8.745 8.729 8.715 8.703 8.692 8.683 8.675 8.667 8.660 8.654
4 7.709 6.944 6.591 6.388 6.256 6.163 6.094 6.041 5.999 5.964 5.936 5.912 5.891 5.873 5.858 5.844 5.832 5.821 5.811 5.803 5.795
5 6.608 5.786 5.409 5.192 5.050 4.950 4.876 4.818 4.772 4.735 4.704 4.678 4.655 4.636 4.619 4.604 4.590 4.579 4.568 4.558 4.549
6 5.987 5.143 4.757 4.534 4.387 4.284 4.207 4.147 4.099 4.060 4.027 4.000 3.976 3.956 3.938 3.922 3.908 3.896 3.884 3.874 3.865
7 5.591 4.737 4.347 4.120 3.972 3.866 3.787 3.726 3.677 3.637 3.603 3.575 3.550 3.529 3.511 3.494 3.480 3.467 3.455 3.445 3.435
8 5.318 4.459 4.066 3.838 3.687 3.581 3.500 3.438 3.388 3.347 3.313 3.284 3.259 3.237 3.218 3.202 3.187 3.173 3.161 3.150 3.140
9 5.117 4.256 3.863 3.633 3.482 3.374 3.293 3.230 3.179 3.137 3.102 3.073 3.048 3.025 3.006 2.989 2.974 2.960 2.948 2.936 2.926
10 4.965 4.103 3.708 3.478 3.326 3.217 3.135 3.072 3.020 2.978 2.943 2.913 2.887 2.865 2.845 2.828 2.812 2.798 2.785 2.774 2.764
11 4.844 3.982 3.587 3.357 3.204 3.095 3.012 2.948 2.896 2.854 2.818 2.788 2.761 2.739 2.719 2.701 2.685 2.671 2.658 2.646 2.636
12 4.747 3.885 3.490 3.259 3.106 2.996 2.913 2.849 2.796 2.753 2.717 2.687 2.660 2.637 2.617 2.599 2.583 2.568 2.555 2.544 2.533
13 4.667 3.806 3.411 3.179 3.025 2.915 2.832 2.767 2.714 2.671 2.635 2.604 2.577 2.554 2.533 2.515 2.499 2.484 2.471 2.459 2.448
14 4.600 3.739 3.344 3.112 2.958 2.848 2.764 2.699 2.646 2.602 2.565 2.534 2.507 2.484 2.463 2.445 2.428 2.413 2.400 2.388 2.377
15 4.543 3.682 3.287 3.056 2.901 2.790 2.707 2.641 2.588 2.544 2.507 2.475 2.448 2.424 2.403 2.385 2.368 2.353 2.340 2.328 2.316
16 4.494 3.634 3.239 3.007 2.852 2.741 2.657 2.591 2.538 2.494 2.456 2.425 2.397 2.373 2.352 2.333 2.317 2.302 2.288 2.276 2.264
17 4.451 3.592 3.197 2.965 2.810 2.699 2.614 2.548 2.494 2.450 2.413 2.381 2.353 2.329 2.308 2.289 2.272 2.257 2.243 2.230 2.219
18 4.414 3.555 3.160 2.928 2.773 2.661 2.577 2.510 2.456 2.412 2.374 2.342 2.314 2.290 2.269 2.250 2.233 2.217 2.203 2.191 2.179
19 4.381 3.522 3.127 2.895 2.740 2.628 2.544 2.477 2.423 2.378 2.340 2.308 2.280 2.256 2.234 2.215 2.198 2.182 2.168 2.155 2.144
20 4.351 3.493 3.098 2.866 2.711 2.599 2.514 2.447 2.393 2.348 2.310 2.278 2.250 2.225 2.203 2.184 2.167 2.151 2.137 2.124 2.112
21 4.325 3.467 3.072 2.840 2.685 2.573 2.488 2.420 2.366 2.321 2.283 2.250 2.222 2.197 2.176 2.156 2.139 2.123 2.109 2.096 2.084
22 4.301 3.443 3.049 2.817 2.661 2.549 2.464 2.397 2.342 2.297 2.259 2.226 2.198 2.173 2.151 2.131 2.114 2.098 2.084 2.071 2.059
23 4.279 3.422 3.028 2.796 2.640 2.528 2.442 2.375 2.320 2.275 2.236 2.204 2.175 2.150 2.128 2.109 2.091 2.075 2.061 2.048 2.036
24 4.260 3.403 3.009 2.776 2.621 2.508 2.423 2.355 2.300 2.255 2.216 2.183 2.155 2.130 2.108 2.088 2.070 2.054 2.040 2.027 2.015
25 4.242 3.385 2.991 2.759 2.603 2.490 2.405 2.337 2.282 2.236 2.198 2.165 2.136 2.111 2.089 2.069 2.051 2.035 2.021 2.007 1.995
26 4.225 3.369 2.975 2.743 2.587 2.474 2.388 2.321 2.265 2.220 2.181 2.148 2.119 2.094 2.072 2.052 2.034 2.018 2.003 1.990 1.978
27 4.210 3.354 2.960 2.728 2.572 2.459 2.373 2.305 2.250 2.204 2.166 2.132 2.103 2.078 2.056 2.036 2.018 2.002 1.987 1.974 1.961
28 4.196 3.340 2.947 2.714 2.558 2.445 2.359 2.291 2.236 2.190 2.151 2.118 2.089 2.064 2.041 2.021 2.003 1.987 1.972 1.959 1.946