Teste de hipóteses Página 1 de 8

Teste de hipóteses
O teste de hipóteses serve para verificar se uma dada amostra é ou não compatível com a
população de onde foi tirada a amostra.

Um teste de hipóteses segue os seguintes passos:

1. Definição das hipóteses

2. Identificação da estatística de teste e caracterização da sua distribuição
3. Estabelecimento da regra de decisão, com especificação do nível de significância
4. Cálculo da estatística de teste e tomada de decisão

Definição das hipóteses

Definimos sempre duas amostras:

Hipótese nula: a hipótese que vai ser testada

Hipótese alternativa: a hipótese alternativa hipótese nula

• A hipótese alternativa (H1) é a hipótese que traduz a conjectura que se pretende verificar

É sempre uma desigualdade(> ou <) ou diferença(≠), mas nunca uma igualdade(=)

teste bilateral teste unilateral à esquerda teste unilateral à direita

H1 ≠ < >

• A hipótese nula (H0) é a hipótese que se testa e é complementar a H1. Considera-se

verdadeira de início e o teste rejeita-a (aceitando então H1) ou não (teste inconclusivo).

É sempre uma igualdade.

Exemplo:

O responsável pelas tecnologias da informação de uma empresa pretende avaliar a capacidade

de transmissão de dados da Intranet. Um dos testes a efectuar consiste em estimar o tempo
médio de transferência de um ficheiro de 15 Mb, sendo a finalidade do teste validar a conjectura
de que o tempo médio é inferior a 26 segundos.

Hipótese alternativa (hipótese que traduz a conjectura): H1: µ < 26

Hipótese nula (hipótese complementar a H1): H0: µ = 26

A hipótese complementar a H1 é
na verdade µ ≥ 26, mas
considera-se µ = 26 por ser a
que mais se aproxima de H1

http://www.fe.up.pt/~leec2005 Página 1 de 8
Teste de hipóteses Página 2 de 8

Identificação da estatística de teste e caracterização da sua distribuição

A estatística que é utilizada para verificar H0 é designada por estatística de teste (ET ) sendo
necessário conhecer a sua distribuição quando se admite que H0 é verdadeira.

O parâmetro da amostra que servirá a ET tem que corresponder ao parâmetro populacional em

conjectura. ( µ ⇒ X , σ ⇒ S ).

Exemplo:

Em relação ao exemplo anterior foi retirada uma amostra de 50 elementos da qual sabemos a
média ( X = 25.51 ). Admitimos também que sabemos o desvio padrão populacional (σ = 1.84).

 σ2 
Uma vez que N = 50, podemos aproximar a distribuição de X X → N  µ , 
 N 
(qualquer que ela seja) pela distribuição normal
X −µ
que por sua vez é normalizada. ET = → N (0,1)
σ
N

Estabelecimento da regra de decisão e especificação do nível de significância

A regra de decisão fixa o valor VC = ET(α), valor crítico, a partir do qual se rejeita H0,
criando uma região de rejeição. A probabilidade α designa-se por nível de significância do
teste e representa a probabilidade de se rejeitar H0 quando esta hipótese é verdadeira.

Este erro designa-se por erro de tipo I.

Exemplo:

Retomando o exemplo anteriror, tinhamos ET → N (0,1) e temos agora um nível de

significância α = 5%.

http://www.fe.up.pt/~leec2005 Página 2 de 8
Teste de hipóteses Página 3 de 8

P ( Z < VC ) = α
VC = z (α ) = z (0.05) = −1.645

Regra de decisão:

ET < -1.645 rejeitar H0 e aceitar H1

ET ≥ -1.645 não rejeitar H0 (teste inconclusivo)

Cálculo da estatística de teste e tomada de decisão

Nesta fase cálcula-se a estatística de teste e rejeita-se ou não H0 consoante o valor de ET.

Exemplo:

X −µ 25.51 − 26
ET = = = −1.88 ⇒ −1.88 < −1.645 ⇒ rejeitar H0 e aceitar H1
σ 1.84
N 50

O teste de hipóteses comprovou que o tempo médio de transferência de um ficheiro de 15 Mb é

inferior a 26 segundos.

Erro do tipo II

Existe ainda a possibilidade de cometer um outro tipo de erro que corresponde a não rejeitar H0
quando esta é falsa.

Este erro é designado por erro do tipo II.

A probabilidade de incorrer num erro do tipo II é denotada por β.

H0 verdadeira H0 falsa
Erro do Tipo I
H0 rejeitada 1-β
α
Erro do tipo II
H0 não rejeitada 1-α
β

Exemplo:

• Cálculo de um erro de tipo II, com µ = 25.8 e α = 5%:

Vimos que no exemplo anteriror para α = 0.05, o VC = -1.645. Tinhamos µ = 26, σ = 1.84 e
N=50. Vamos converter VC para normal:

http://www.fe.up.pt/~leec2005 Página 3 de 8
Teste de hipóteses Página 4 de 8

X −µ σ
VC = z (α ) = −1.645 = ⇔ X = µ + VC ⋅ =
σ N
N
1.84
= 26 − 1.645 × = 25.57 ≈ 25.6
50

E voltamos a convertê-lo para normal reduzido, com o novo µ = 25.8.

X −µ 25.6 − 25.8
VC = = = −0.77
σ 1.84
N 50
β = P( X > 25.6) = 1 − P( Z < −0.77) =
= 1 − 0.2206 = 0.7794

• Cálculo de um erro de tipo II, com µ = 25 e α = 5%:

Já temos o VC em normal. Convertemo-lo para normal

reduzido e calculamos β.
X − µ 25.6 − 25
VC = = = 2.31
σ 1.84
N 50
β = P( X > 25.6) = 1 − P ( Z < 2.31) =
= 1 − 0.9896 = 0.0104

Potência de teste

A potência de teste traduz a probabilidade de

rejeitar H0 quando este é falso. Como se vê na
tabela anterior, equivale a 1 - β.

Exemplo:

A potência de teste é tanto maior, quanto maior

for a diferença entre o parâmetro de H0 (µ0 = 26)
e o novo parâmetro (µ).

http://www.fe.up.pt/~leec2005 Página 4 de 8
Teste de hipóteses Página 5 de 8

O desejável era diminuir α e β simultaneamente, visto serem os erros possíveis, mas tal não é
possível porque são inversamente proporcionais. Lembra-te que ao diminuir α, diminuis o VC e
ao diminuir o VC, aumentas β. A unica opção é aumentar o tamanho da amostra, diminuindo a
variância da distribuição da estatistica de teste.

Exercício:

Seja X o Q.I. dos estudantes de certa escola, com distribuição Normal de média
desconhecida e desvio padrão 15. Foi retirada uma amostra aleatória de 25 estudantes
cujo Q.I. médio foi 106.

a) Deveríamos concluir que a verdadeira média dos Q.I. de todos os alunos da

escola é 100 contra a alternativa de ser superior a esse valor, para α = 0.01?

b) Calcule a probabilidade de cometer um erro de tipo II (β), tomando como valor

crítico para a média x = 106 e considerando que o verdadeiro valor da média
dos Q.I. de todos os alunos da escola é 110.

Resolução:

N = 25
Temos estas informações do enunciado: σ = 15
X = 106

a) Definição das hipóteses

Hipótese nula: H0: µ = 100

Hipótese alternativa: H1: µ > 100

Identificação da estatística de teste e caracterização da sua distribuição

Como dito no enunciado, a média segue uma distribuição normal, e se o parâmetro em questão
é a média populacional, teremos que usar como estatística de teste a média amostral.
 σ2  X −µ
X → N ( µ , σ 2 ) ⇒ X → N  µ ,  ⇒ Z = → N (0,1)
 N  σ
N

Estabelecimento da regra de decisão, com especificação do nível de significância

Temos α = 0.01.
P ( z > VC ) = α ⇔ z (α ) = 2.325

Regra de decisão:
ET ≤ 2.325 não rejeitar H0
ET > 2.325 rejeitar H0 e aceitar H1

http://www.fe.up.pt/~leec2005 Página 5 de 8
Teste de hipóteses Página 6 de 8

Cálculo da estatística de teste e tomada de decisão

X −µ 106 − 100
ET = = =2 2 ≤ 2.325 ⇒ não rejeitar H0
σ 15
N 25

Não há evidência estatística para rejeitar a ideia que a média do Q.I. de todos os alunos da
escola é 100.

b) Tomamos H0 como falsa, considerando que a média µ = 110.

β = P(não rejeitar H 0 | H 0 é falsa ) = P ( ET ≤ VC | µ = 110) =
   
 x−µ   106 − 110 
= P Z ≤ µ = 110  = P Z ≤  = P( Z ≤ −1.33) = 0.0918
 σ   15 
 N   25 

Exercício:

Com o intuito de investigar o tipo de audiência de certo programa televisivo seleccionaram-se

de forma aleatória 100 espectadores, cuja idade foi registada, tendo-se obtido um desvio padrão
amostral S = 2.95. Convencionando-se que a assistência é considerada heterogénea se a
variância das idades ultrapassar os 6 anos, que conclui para α = 5%?

Resolução:

Do enunciado temos: N = 100; S = 2.95; α = 0.05

Definição das hipóteses

Hipótese nula: H0: σ2 = 6

Hipótese alternativa: H1: σ2 > 6

Identificação da estatística de teste e caracterização da sua distribuição

Se o parâmetro populacional em causa é a variância σ2, a estatística de teste será a variância

amostral S2.
Para N = 100, podemos aproximar a distribuição da estatistica de teste pela distribuição qui-
quadrado.
( N − 1) ⋅ S 2
→ χ N2 −1
2
σ

Estabelecimento da regra de decisão, com especificação do nível de significância

Temos α = 0.05. Regra de decisão:

P ( χ 992 > VC ) = α ⇔ χ 992 (α ) ≈ χ 100
2
(α ) = 124.3 ET ≤ VC não rejeitar H0
ET > VC rejeitar H0 e aceitar H1

http://www.fe.up.pt/~leec2005 Página 6 de 8
Teste de hipóteses Página 7 de 8

Cálculo da estatística de teste e tomada de decisão

( N − 1) ⋅ S 2 99 × 2.95 2
ET = = = 143.59 143.59 > 124.3 ⇒ rejeitar H0 e aceitar H1
σ2 6

A assistência é heterogénea.

Testes mais comuns

Além do teste à variância de uma população normal e do teste ao valor esperado de uma
população, existem mais testes, dos quais é apresentado mais um.

Teste à proporção binomial

Numa população constituída por elementos de dois tipos, o valor p, que corresponde à
proporção de elementos de um dos dois tipos, designa-se por proporção binomial.

Se uma amostra N contem Y elementos de um dos dois tipos, a proporção amostral é Y / N.

Se a amostra for grande, temos:

Y  p ⋅ (1 − p) 
→ N  µ = p, σ 2 = 
N  N 
As hipóteses a considerar num teste relativo à proporção binomial são:
H0: p = p0
H1: p ≠ p0, p < p0, p > p0

A estatística de teste é:
Y
− p0
ET = N → N (0,1)
p 0 ⋅ (1 − p 0 )
N

Exercício:

Um analista político admite que certo candidato possa ter 20% dos votos. Feita uma sondagem,
14 dos 100 inquiridos revelaram tencionar votar no referido candidato.
a) Que pode concluir para α = 5%?
b) No caso de em 1000 inquiridos, 850 se declararem contra o candidato em causa, que
conclusão se pode tirar para α = 1%?

Resolução:

a) Podemos fazer dois testes: bilateral e unilateral à esquerda

Unilateral à esquerda Bilateral
Definição das hipóteses

http://www.fe.up.pt/~leec2005 Página 7 de 8
Teste de hipóteses Página 8 de 8

Hipótese nula: H0: p = 0.2 Hipótese nula: H0: p = 0.2

Hipótese alternativa: H1: p < 0.2 Hipótese alternativa: H1: p ≠ 0.2

Identificação da estatística de teste e caracterização da sua distribuição

Y
− p0
ET = N → N (0,1)
p 0 ⋅ (1 − p 0 )
N
Estabelecimento da regra de decisão, com especificação do nível de significância
Temos α = 0.05. Temos α = 0.05.
P ( z < VC ) = α ⇔ − z (α ) = −1.645 P ( z < VC E ) = α / 2 ⇔ − z (α / 2) = −1.96
P ( z > VC D ) = α / 2 ⇔ z (α / 2) = 1.96
Regra de decisão:
ET ≥ VC não rejeitar H0
Regra de decisão:
ET < VC rejeitar H0 e aceitar H1
VCE ≤ ET ≤ VCD não rejeitar H0
ET < VCE ou ET > VCD rejeitar H0
Cálculo da estatística de teste e tomada de decisão
A ET é igual para os dois testes mas a regra de decisão é diferente.
0.14 − 0.2
ET = = −1.5
0 .2 × 0 .8
100
- 1.5 ≥ - 1.645 ⇒ não rejeitar H0 - 1.96 ≤ -1.5 ≤ 1.96 ⇒ não rejeitar H0
Não há evidência estatística para dizer que o analista político está errado.

b) Neste caso, tanto a Definição das hipóteses como a Identificação da estatística de teste e
caracterização da sua distribuição mantêm-se iguais.

Estabelecimento da regra de decisão, com especificação do nível de significância

Temos α = 0.01. Temos α = 0.01.
P ( z < VC ) = α ⇔ − z (α ) = −2.33 P ( z < VC E ) = α / 2 ⇔ − z (α / 2) = −2.575
P ( z > VC D ) = α / 2 ⇔ z (α / 2) = 2.575
Regra de decisão:
ET ≥ VC não rejeitar H0
Regra de decisão:
ET < VC rejeitar H0 e aceitar H1
VCE ≤ ET ≤ VCD não rejeitar H0
ET < VCE ou ET > VCD rejeitar H0
Cálculo da estatística de teste e tomada de decisão
Y / N = (1000 - 850) / 1000 = 0.15
0.15 − 0.2
ET = = −3.95
0 .2 × 0 .8
1000

- 3.95 < - 2.33 ⇒ rejeitar H0 e aceitar H1 − 3.95 < −2.575 ⇒ rejeitar H0 e aceitar H1
Podemos concluir que o analista estava errado.

http://www.fe.up.pt/~leec2005 Página 8 de 8