Professor Hassan Camil David

Professor:
Revisão da última aula Hassan Camil David

a) Momentos (𝑚𝑟 )
𝑛
− 𝑥)𝑟
𝑖=1(𝑥𝑖
𝑚𝑟 =
𝑛−1

r=1 r=2 r=3 r=4

1º Momento 2º Momento 3º Momento 4º Momento

𝑛 1 𝑛 2 𝑛 3 𝑛 4
𝑖=1𝑥𝑖 − 𝑥 𝑖=1𝑥𝑖 − 𝑥 𝑖=1𝑥𝑖 − 𝑥 𝑖=1𝑥𝑖 − 𝑥
𝑚1 = 𝑚2 = 𝑚3 = 𝑚4 =
𝑛−1 𝑛−1 𝑛−1 𝑛−1

𝑚1 = Tendência
𝑚2 = Variância 𝑚3 = Assimetria 𝑚4 = Curtose
central = 0 20
 Professor:
Revisão da última aula Hassan Camil David

𝑚3
𝑏1 =
b) Coeficiente Momento de Assimetria ( 𝑏1 ) 3
𝑚2 2

A assimetria de uma distribuição pode ser classificada em:

Assimétrica positiva Simétrica Assimétrica negativa:

Média ≥ Mediana ≥ Moda Média = Mediana = Moda Média ≤ Mediana ≤ Moda

𝑏1 > 0 𝑏1 = 0 𝑏1 < 0

Mo ≥ Me ≥ x x = Me = Mo x ≤ Me ≤ Mo
19
 Professor:
Revisão da última aula Hassan Camil David

c) Coeficiente Momento de Curtose (𝑏2 ) 𝑚4

𝑏2 =
𝑚2 2

A curtose de uma distribuição pode ser classificada em:

Dados fortemente concentrados em

torno de seu centro.
𝑏2 < 3,00

Dados razoavelmente concentrados

em torno de seu centro.
𝑏2 = 3,00

Dados fracamente concentrados em

torno de seu centro.
𝑏2 > 3,00
18
 Professor:
Introdução à Estatística Inferencial Hassan Camil David

Nível de probabilidade x Nível de significância (α)

95% de probabilidade α = 5% de significância

99% de probabilidade α = 1% de significância 17

 Professor:
Introdução à Estatística Inferencial Hassan Camil David

1. Graus de Liberdade (GL) – Modelo de regressão:

• Número de observações (n) menos o número de parâmetros estatísticos

(p), isto é (n – p). Representa a quantidade de informação que a amostra
possui para obtermos o estimador populacional.

𝑌𝑖 = 𝑎 + 𝑏 𝑋𝑖 + ε𝑖 𝑌𝑖 = 𝑎 + 𝑏 𝑋𝑖 + ε𝑖 𝑌𝑖 = 𝑎 + 𝑏 𝑋𝑖 + ε𝑖

Se n = 50 Se n = 20 Se n = 2

GL = 50 – 2 = 48 GL = 20 – 2 = 18 GL = 2 – 2 = 0

16
 Professor:
Introdução à Estatística Inferencial Hassan Camil David

1. Graus de Liberdade (GL) – Modelo de regressão:

𝑌𝑖 = 𝑎 + 𝑏 𝑋𝑖 + ε𝑖

Se n = 50 Se n = 20 Se n = 2

Temos 48 gl (50 – 2) para Temos 18 gl (20 – 2) para Temos 0 gl (2 – 2) para

estimar o parâmetro estimar o parâmetro estimar o parâmetro
por meio desta equação por meio desta equação por meio desta equação
15
 Professor:
Introdução à Estatística Inferencial Hassan Camil David

2. Estimadores Amostrais x Estimadores Populacionais

𝑥𝑖 e 𝑦𝑖 = variáveis amostrais; 𝑋𝑖 e 𝑌𝑖 = variáveis populacionais; n = número de unidades amostradas; e

N = número de unidades cabíveis na população. 14
 Professor:
Introdução à Estatística Inferencial Hassan Camil David

3. Hipóteses estatísticas

Hipótese nula ou inicial (H0) x Hipótese alternativa (H1)

Pressupõe-se que estimadores ou Pressupõe-se que estimadores ou

distribuições amostrais são distribuições amostrais NÃO são
ESTATISTICAMENTE IGUAIS aos ESTATISTICAMENTE IGUAIS aos
parâmetros ou distribuições populacionais. parâmetros ou distribuições populacionais.

Possíveis conclusões Possíveis conclusões

Aceita Rejeita Aceita Rejeita

13
 Professor:
Introdução à Estatística Inferencial Hassan Camil David

4. Erros cometidos em Hipóteses estatísticas

Esse erro advém de origens não Erro controlado pelo experimentador

controladas pelo experimentador, por meio do valor de α, em que
devendo ser preferencialmente baixo e comumente escolhe-se valor de:
aleatório. α = 0,05 (5%) ou;
α = 0,01 (1%).
12
 Professor:
Introdução à Estatística Inferencial Hassan Camil David

5. Teste de Médias “t” de Student

• Serve para comparar média amostra com média populacional ou dado

valor atribuído;

• O teste é indicado quando n ≤ 30 observações;

• Pressupõe-se no teste que os dados seguem uma distribuição “t” de

Student, ao invés da distribuição normal;

• Basicamente, o teste “t” tem três aplicações:

a) Teste para 1 média amostral;

b) Teste para 2 médias amostrais;
c) Teste para >2 médias amostrais.

11
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

• Adotado para verificar se a média (𝑥) de uma variável da população

assume um valor especificado ou a média populacional (𝜇 ). A
formulação das hipóteses para esse caso seria:

Hipótese inicial: 𝑥 = 𝜇
Temos aqui 1 média amostral
Hipótese alternativa: 𝑥 ≠ 𝜇

• O valor “t” de Student pode ser obtido pela expressão:

𝑥 − 𝜇0
𝑡= 𝑠𝑥
𝑛

Em que: 𝑥: média amostral; 𝜇0 : valor fixo a ser comparado com a média

𝑠𝑥
amostral; : erro padrão da média. 10
𝑛
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

𝑥 − 𝜇0
𝑡= 𝑠𝑥 O valor CALCULADO de “t” deve ser comparado
𝑛 com um valor TABELADO de “t”.

Distribuição “t” de Student

• Se | t cal | < t tab, aceita-se H0 ao nível de

probabilidade especificado.

• Se | t cal | ≥ t tab, rejeita-se H0 ao nível de

probabilidade especificado.

09
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

Exemplo prático:

Em indivíduos sadios, o consumo renal de oxigênio distribui-se

normalmente em torno de 12 cm³/min. Deseja-se investigar, com base em
cinco indivíduos portadores de certa moléstia, se essa tem influência no
consumo renal médio de oxigênio. Use um nível de 95% de probabilidade.
Os consumos medidos para os cinco pacientes foram:

Temos que calcular:

𝑥 − 𝜇0
𝑡= 𝑠𝑥
𝑛
08
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

Passo 1: Formulação das hipóteses

• Hipótese inicial (H0): A média ( 𝑥) de consumo de oxigênio dos

indivíduos é igual à média de consumo normal (𝜇0 = 12 cm³/min.);

• Hipótese alternativa (H1): A média (𝑥) de consumo de oxigênio dos

indivíduos NÃO é igual à média de consumo normal (𝜇0 = 12
cm³/min.).

07
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

𝑥 − 𝜇0
Passo 2: Cálculo do valor “t” 𝑡= 𝑠
𝑥
𝑛

14,4 + 12,9 + 15,0 + 13,7 + 13,5

𝑥= = 13,9 𝑐 𝑚3 𝑚 𝑖𝑛.
5

14,4 − 13,9 2 + 12,9 − 13,9 2 + ⋯ + (13,5 − 13,9)²

𝑠𝑥2 = = 0,665 𝑐 𝑚3 𝑚 𝑖𝑛. ²
5−1

06
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

𝑥 − 𝜇0
Passo 2: Cálculo do valor “t” 𝑡= 𝑠
𝑥
𝑛

𝑠𝑥 = 0,665 = 0,815 𝑐 𝑚3 𝑚 𝑖𝑛.

13,9 − 12,0
𝑡= = 5,210
0,815
5

05
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

Passo 3: Obter na tabela de distribuição “t” de Student o valor “t” Tabelado

04
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

Passo 4: Decidir sobre a rejeição ou aceitação de H0

Sabendo que o t calculado é: 𝑡𝑐𝑎𝑙 = 5,210 e;

t tabelado é: 𝑡𝑡𝑎𝑏 = 2,7764

 Se | 5,210 | < 2,7764, aceita-se H0 ao nível de 95% probabilidade.

 Se | 5,210 | ≥ 2,7764, rejeita-se H0 ao nível de 95% probabilidade.

03
 Professor:
Teste de Médias “t” de Student Hassan Camil David

a) Teste “t” de Student para 1 média amostral

Passo 5: Conclusão do teste

Visto que:

Se | 5,210 | ≥ 2,7764, rejeita-se H0 ao nível de 95% probabilidade.

Conclui-se que os indivíduos portadores da moléstia apresentam

consumo de oxigênio ESTATISTICAMENTE DIFERENTE do
consumo normal, ao nível de 95% de probabilidade.

02
 Professor:
Literatura recomendada Hassan Camil David

SPIEGEL, Murray R. Estatística. 3ª ed. Tradução e Revisão Técnica: Pedro

Cosentino. São Paulo: Pearson Makron Books, 1993.

FERREIRA, Daniel Furtado. Estatística Básica. 2ª ed. Lavras: Editora UFLA, 2009.

ARA, Amilton Braio; MUSETTI, Ana Villares; SCHNEIDERMAN, Boris.

Introdução à Estatística. 1ª ed. São Paulo: Instituto Mauá de Tecnologia, 2003.

BUSSAB, Wilton O.; MORETTIN, Pedro A. Estatística Básica. 8ª ed. São Paulo:
Editora Saraiva, 2013.

01