Introdução

Teste de hipótese é um processo usado para avaliar a força da evidência de uma amostra
em fornecer estrutura para fazer determinações relacionadas a população e tem como
objectivo comparar se determinado aspectos atribuídos a um parâmetro populacional, e
compatível com a evidência empírica contida na amostra, podemos encontrar duas
hipóteses estatística, a hipóteses de nulidade e alternativa. A hipótese de nulidade
estatística, refere-se à ausência de efeito ou de associação. A segunda, hipótese
alternativa, defende que existe diferença entre pelo menos duas populações estudadas e
quando positiva diz haver diferença entre os grupos analisados. quando nos baseamos
nessas duas hipóteses para formular conclusões podemos ter dois tipos de erros: erros
tipo I e II.O erro tipo I refere-se a um resultado falso positivo, ou seja, rejeitar a hipótese
nula quando na verdade essa é verdadeira. O erro tipo II refere-se a um resultado falso
negativo, ou seja, aceitar a hipótese nula quando na verdade essa é falsa. A
probabilidade de ocorrer o erro tipo I é conhecida como nível de significância ou alfa.O
nível de significância aceitável e mais usado na área de saúde é de 5%. Os testes
estatísticos de hipóteses calculam a probabilidade de o evento pesquisado ocorrer
assumindo-se que a hipótese nula seja verdadeira. Essa probabilidade é conhecida como
valor de p. Se o valor de p calculado pelos testes estatísticos for menor do que o nível de
significância, pode-se rejeitar a hipótese nula e aceitar a hipótese alternativa que diz
haver diferença ou associação entre os grupos analisados.

Metodologia

Este trabalho é uma revisão da literatura que tem como objectivo descrever os testes de
hipóteses e a elaboração de um exemplo hipotético de um problema de hipóteses , foram
analisados artigos em formato digital partir da biblioteca virtual Google académico
como critérios de inclusão, foram seleccionados artigos científicos em língua
portuguesa publicados nas bases de dados Google Académico,. As palavras chave
utilizadas para a busca de resultados deste estudo foram: testes de hipóteses, conceitos,
aplicação.
Fundamentação teórica

Conceitos básicos de estatística inferencial

A estatística inferencial é a parte da estatística que é usada para formular conclusões e

fazer inferências após a análise de dados colectados em pesquisas. A estatística
inferencial usa os testes de hipóteses e a estimação para fazeres comparações e
predições e tirar conclusões que servirão para as populações baseados em dados de
amostras. As inferências estatísticas podem ser: a análise bivariada e a análise
multivariada. A primeira analisa a relação entre uma variável dependente e uma
independente. A segunda analisa a relação entre uma variável dependente e múltiplas
variáveis independentes e verifica o potencial de confusão dessas sobre aquela. A
inferência estatística somente é possível após testar as hipóteses estatísticas. A hipótese
é uma presunção numérica acerca de um parâmetro desconhecido ao pesquisador. (Célio
Fernando de Sousa Rodriguesa, Fernando José Camello de Limab e Fabiano Timbó Barbosab)

Teste de hipótese é um processo usado para avaliar a força da evidência de uma amostra
em fornecer estrutura para fazer determinações relacionadas a população, em outras
palavras, o teste de hipótese proporciona um método fiável para a compreensão de como
se pode extrapolar os resultados observados em uma amostra em estudo para uma
população a partir do qual a amostra foi tirada. Os testes de hipóteses tem como
objectivo comparar se determinado aspectos atribuídos a um parâmetro populacional, e
compatível com a evidência empírica contida na amostra.
Em geral, as hipóteses são elaboradas sobre os parâmetros da distribuição de uma ou
mais variáveis aleatórias com alternativas que são testadas, sendo a distribuição
amostral a região de rejeição, onde está incluindo todos os valores possíveis que um
teste estatístico pode assumir sob a hipótese nula. Logo, a região crítica é constituída
por um conjunto de valores assumidos pela variável aleatória ou estatística de teste para
os quais hipótese nula é rejeitada.
Conceitos básicos
Encontramos duas hipóteses estatística, a hipótese nula e a hipótese alternativa.
Hipótese nula (H0) é a alegação inicialmente assumida como verdadeira para a
construção do teste. é o efeito, teoria, alternativa que estamos interessados em testar. A
hipótese nula será rejeitada em favor da hipótese alternativa, somente se, a evidencia da
amostra sugerir que H0 seja falsa. Hipótese alternativa (H1) : é a afirmação
contraditória a H0, é o que consideramos caso a hipótese nula não tenha evidência
estatística que a defenda. As duas conclusões possíveis de uma análise do teste de
hipóteses são, então, rejeitar H0 ou não rejeitar H0.
Estatísticas de testes decididas as hipóteses a serem testadas ,seguise na contrucao de
um critério baseado na qual a hipótese nula será julgada ,o critério de decisão é baseada
na estatística de decisão.
Região critica é o conjunto de valores da estatística de testes que levam a rejeição da
hipóteses nula
Valor critico é o valor ou valores que separam a região critica dos valores da estatística
de testes que não levam a região de hipóteses nula
Para a realização dos testes de hipóteses, é necessário seguir alguns passos. O
procedimento básico de teste de hipóteses relativo ao parâmetro μ de uma população,
será decomposto em 4 passos:

1. Definição das hipóteses:

H0 : μ = μ0

H1 : μ ≠ μ0

2. Identificação da estatística do teste e caracterização da sua distribuição.

3. Definição da regra de decisão, com a especificação do nível de significância do teste.

4. Calculo da estatística de teste e tomada de decisão(edelaine Barbosa)

Hipóteses Unilateral e Bilateral

De acordo com Guimarães (2008), a média de uma população é uma das características
mais importantes para os testes de hipótese unilateral e bilateral. No qual, é muito
comum querer tomar decisões a seu respeito, por exemplo, quando são comparadas duas
amostras ou dois tratamentos. Os testes unilaterais podem ser á esquerda e á direita,a
esquerda quando a região critica localiza se na região extrema esquerda sob a curva , e a
direita quando a região critica localiza se na regiao extrema direita sob a curva
Considere as seguintes hipóteses:

H0 : μ1 ¿ μ2
H1 : μ1 ¿ μ2
ou

H0 : μ1 ¿ μ2
H1 : μ1 < μ2

A expressão acima em que μ2 é uma constante conhecida define os chamados testes

unilaterais, porque a região de rejeição está somente em uma das caudas da distribuição.

Para o teste bilateral considere a hipótese:

H0 : μ1 ¿ μ2
H1 : μ1 ≠ μ2

Esta situação onde μ2 é uma constante conhecida define os testes bilaterais, no qual a
região de rejeição se distribui igualmente em ambas as caudas da distribuição. Dessa
forma, se houver interesse em mostrar que um parâmetro é significativamente superior
ou inferior a um determinado valor, deve realizar um teste unilateral com uma única
região de rejeição, do tamanho do nível de significância fixado. Porém, se houver
interesse em mostrar que um determinado parâmetro é diferente de um determinado
valor (sem especificar se inferior ou superior) têm-se que realizar um teste bilateral, no
qual a região de rejeição será dividida em duas partes iguais, nas extremidades da curva
do teste, em que cada região de rejeição terá metade do nível de significância.
ADLENAINE BARBOSA

A seleção da área para avaliação da hipótese nula depende do objectivo da investigação

Os testes unilaterais são indicados quando se deseja investigar determinada
característica da população em relação a um único sentido (extrapolação de um
padrão máximo ou mínimo), como por exemplo: teor mínimo ou máximo de
gordura no leite, resistência máxima de correias à tensão, vida útil de produtos,
radiação emitida por usinas nucleares, poluição atmosférica, etc.
Os testes bilaterais são indicados sempre que a divergência crítica é em ambas as
direções, como por exemplo: fabricação de roupas, fabricação de peças
conjugadas (porca e parafuso), etc. Geralmente este modelo é o mais utilizado.
Também deve ser utilizado quando se investiga se duas amostras estudadas em
relação à determinada característica, foram adequadamente estraidas de um
mesmo universo.(AULA NOVEAAAAA).

Tipos de erros

Quando utilizamos o parâmetro de uma amostra para tomada de decisões sobre o

parâmetro da população, poderemos tomar alguma decisão errada em relação a
hipótese a ser testada, que é refletida por um destes
tipos de erros:
Erro tipo I - Rejeitar H0 quando esta hipótese é verdadeira (alarme falso -
resultado comum)
Erro tipo II - Aceitar H0 quando esta hipótese é falsa (falha de investigaçã-
resultado raro.
As categorias e os tipos de erros mas frequentes
Categoria 1: envolve erros na formulação das hipóteses, exemplo ;uso de teste bilateral
ao invés do teste unilateral e vice-versa; inversão do enunciado das hipóteses, isto é, o
enunciado da hipótese nula refere-se ao que se deseja comprovar e a hipótese alternativa
ao que se deseja testar;: uso de notação inadequada para enunciar as hipóteses: não
utilização do valor do parâmetro para enunciar a hipótese: erro na forma de
apresentação das hipótese: formulação de apenas uma hipótese.

Categoria 2: formada por erros cometidos na escolha da distribuição de probabilidade

para a padronização da estatística teste.
Uso de z para padronizar a estatística teste quando realiza um teste para a média com
desvio padrão desconhecido, isto é, utilizar z ao invés de t n-1: uso de tn-1 para padronizar
a estatística teste quando realiza um teste para a proporção: utilização do teste para a
diferença entre duas proporções para padronizar a estatística teste quando realiza um
teste para uma proporção.

Categoria 3: engloba os erros relacionados com a definição ou delimitação da região

crítica. utilização do valor crítico do teste bilateral quando está realizando um teste
unilateral ou vice-versa: erro na identificação do número de graus de liberdade:
utilização de um valor incorreto para o nível de significância; uso da tabela errada (isto
é, valor crítico errado): erro não identificado na obtenção do valor crítico na tabela: erro
de sinal do valor crítico : região crítica não é definida conforme o tipo de teste utilizado
(unilateral à direita, unilateral à esquerda ou bilateral): definição da região crítica sem
ter formulado a hipótese alternativa: erro de apresentação da região de rejeição
(consequentemente de aceitação

Categoria 4: envolve erros cometidos no cálculo da estatística teste : uso de valores

incorretos no cálculo da estatística teste por enganos: uso de valores incorretos no
cálculo da estatística teste por não diferenciar parâmetro de estatística: erro na
determinação de valores percentuais: erro de digitação de valores: erro na realização de
operações aritméticas: erro de transcrição do algoritmo (fórmula) do cálculo da
estatística teste.

Categoria 5: engloba a utilização de notação inadequada para representar

valores referentes à população e à amostra exemplo : uso deσ (parâmetro) ao invés de s
(estatística): uso de σ (parâmetro) ao invés de x̄ (estatística): uso de x̄ (estatística)
ao invés de μ(parâmetro): uso de N ao invés de n (tamanho da população quando
deveria ser tamanho da amostra): uso de s2 (variância) ao invés de s (desvio padrão):
uso de π (proporção populacional) ao invés de μ (média populacional);

Categoria 6: é formada por erros de tomada da decisão: não rejeição da hipótese nula
quando isto deveria ser feito: rejeitar hipótese nula quando o valor calculado da
estatística teste não indica que isto deva ser feit: erro no posicionamento da estatística
teste na reta real; decisão sem determinação da região crítica, quando este é o caso;
Categoria 7: envolve os erros identificados na formulação da conclusão; não faz
referência ao nível de significância ao formular a conclusão: fazer afirmações a respeito
de H0, mesmo quando ela não é rejeitada: conclui ao contrário do que os dados indicam

Nível de confiança

Coeficiente de confiança - é o complemento (1 - α ) da probabilidade do erro tipo

I, este coeficiente geralmente é conhecido por nível de confiança. Ele representa
a probabilidade de que a hipótese nula não seja rejeitada quando de fato for
verdadeira. A probabilidade de se cometer o erro tipo II (risco ß), também
conhecido com o nível de risco depende da diferença entre o valor da hipótese e
os verdadeiros valores dos parâmetros da população. Grande diferença entre os
parâmetros da amostra e da população implica numa pequena probabilidade de se
cometer o erro tipo II.Quanto maior o tamanho da amostra, maior a
representatividade da mesma, portanto, maior será o poder do teste, isto é: maior
será a probabilidade de rejeitarmos H0 falso. O Poder de um Teste é tão forte
quando mais próximo estiver de um (1), neste situação a probabilidade de se
rejeitar uma hipótese nula falsa é bastante alta. (Nilo A de S. Sampaio 1 Roberto
Campos Leoni)

Testes de hipóteses

O teste de hipóteses paramétrico fazer inferências sobre a natureza da população com

base nas observações de uma amostra extraída desta população. Ex:Anova e t –student

Testes não paramétricos.

Os métodos não paramétricos são aplicados para dados que tenham distribuição
assimétrica ou provenientes de escalas ordinais e nominais, testes não paramétricos são,
em geral, fáceis de aplicar, pois podem ser usados quando as hipóteses exigidas por
outras técnicas não são satisfeitas. Os mais comuns e suas indicações são: qui-quadrado
e teste exacto de Fisher para proporções ou frequências; testes U de Mann-
Whitney,Wilcoxon, Kruskal-Wallis e Friedman para dados ordinais; e Kruskal-Wallis e
Friedman para comparações intergrupos.

A decisão de qual teste usar para cada situação em particular requer o esclarecimento
de alguns pontos: escala de medida dos dados; número de grupos; relação entre os
participantes, ou seja, se os grupos são independentes ou relacionados e intenção do
pesquisador de estabelecer diferença ou relação entre os grupos.

Kurichi et al, fizeram um pesquisa em 2006, analisaram publicações em diversas

revistas científicas na área de cirurgia e demonstraram que os testes t de Student e do
qui-quadrado foram os testes hipóteses mais usados. Esse achado é corroborado por
outras pesquisas em outras áreas da medicina.

O teste t de Student é um teste paramétrico que compara a média de duas amostras. O

uso desse teste requer algumas condições: a população que originou a amostra deve ter
distribuição simétrica, as variâncias das amostras devem ser iguais ou próximas e as
amostras devem ser independentes. A estatística desse teste pode ser obtida de acordo
com os seguintes passos: calcular as médias amostrais e os respectivos desvios padrões,
encontrar diferença entre as duas médias amostrais, calcular o erro padrão e dividir o
valor da diferença entre as médias pelo valor do erro padrão. Uma vez encontrado o
valor de t deve-se consultar uma tabela de valores críticos da estatística t de acordo com
os graus de liberdade adequados a cada caso. Se o valor de t encontrado for maior ou
igual ao valor de t tabelado, pode-se rejeitar a hipótese de nulidade. O valor da
estatística t pode também ser convertido ao valor de p. Se o valor de p for menor do que
nível de significância adoptado para a pesquisa, deve-se rejeitar a hipótese de nulidade.
As pesquisas médicas geralmente envolvem mais de dois grupos.

O teste do qui-quadrado é um teste não paramétrico usado para responder perguntas

de pesquisa que envolvem taxas, proporções ou frequências. O teste não requer que os
dados assumam uma distribuição simétrica. Existem dois testes: qui-quadrado de
independência e de aderência. O teste de independência é o mais usado e avalia a
frequência de dados de dois ou mais grupos. O teste de aderência é usado para comparar
dados amostrais com dados de populações conhecidas. A estatística do teste do qui-
quadrado para duas amostras pode ser obtida de acordo com os seguintes passos:
calcularas proporções amostrais, encontrar a diferença entre essas duas proporções,
calcular a proporção amostral geral que será usada no cálculo do erro padrão, calcular o
erro padrão e dividir o valor da diferença entre as proporções pelo valor do erro padrão.
A hipótese nula pode ser rejeitada se o valor de p for menor do que o nível de
significância adoptado na pesquisa ou se o valor encontrado for maior ou igual a um
valor tabelado tal qual ocorre com o teste t.(Célio Fernando de Sousa Rodrigues a,
Fernando José Camello de Limab e Fabiano Timbó Barbosab)

Eficácia de um Teste - identificado por (1 - ß), é a probabilidade de se rejeitar a

hipótese nula quando ela é falsa. Uma forma de reduzir a probabilidade de se
cometer o erro tipo II é aumentar com coerência o tamanho da amostra, para
termos mais argumentos nas investigações de diferenças, mesmo pequenas, entre
parâmetros da amostra e população. Porém é preciso cuidado na ampliação do
tamanho da amostra para não mascarar o valor da estatística calculado para o
teste, a ser comparada com a região crítica oriunda do nível de significância
estabelecido. (Nilo A de S. Sampaio 1 Roberto Campos Leoni).
Distribuição de variáveis para testar hipóteses

Independentes Tratamentos;

Dependentes ;Dados Dependentes (pareados)

• Avaliação em épocas/momentos diferentes no mesmo indivíduo

Independentes (não pareados)

• Avaliação em épocas/momentos diferentes, mas em indivíduos diferentes

Natureza das Variáveis podem ser

Qualitativa

• Nominal (categorias = não estruturada)

• Ordinal (sequência = estruturada)

Quantitativa

• Discreta (números inteiros, apenas)

 Contínua (números decimais

Aplicação de testes de hipóteses

Os testes de hipóteses desempenham um papel importante em inferência estatística e em

estatística como um todo. As aplicações práticas do teste de hipóteses incluem:

 Testar se mais homens que mulheres sofrem com pesadelos.

 Estabelecer autoria de documentos.
 Avaliar o efeito da lua cheia no comportamento.
 Determinar o intervalo no qual um morcego pode detectar um inseto pelo eco.
 Decidir se o carpete de hospital resulta em mais infecções.
 Selecionar os melhores meios para parar de fumar.
 Checar se adesivos refletem no comportamento de proprietários de carros.
 Testar as reivindicações de analistas de manuscritos.

O teste de significância é uma das ferramentas estatísticas favoritas de algumas ciências

sociais experimentais (outras áreas têm favorecido a estimação de parâmetros como o
tamanho de efeito), usado como substituto da comparação tradicional do valor previsto e
do resultado experimental no método científico. Por exemplo, mais de 90% dos artigos
do Journal of Applied Psychology no início da década de 1990. [

Elaborar o exemplo hipotético

No hospital central de Quelimane a equipe medica do sector de

estomatologia afirma que entre o selante de fossulas e fissuras a base de
resina e a base de ionomero de vidro o mas eficientes na prevencao da
carie de dentaria é o selante a base de ionomero de vidro. Para verificacao
dessa ideia foram obtidas uma amotra de 30 pacientes na qual
apresentavam alto risco para desenvolver a doença. Dividiu se em dois
grupos. 15 ;15.foram aplicados ao grupo x o selantes a base de ionomero
de vidro e o grupo y a selantes a base de resina. com o intuito se saber
quais dois é eficiente na prevenção da carie dentaria .(que será denotado
pele aparição ou não da doença )

Grupo x

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0 1 1 0 1 1 1 1 1 1 0 1 1 1 1
Grupo y

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0 0 1 0 1 1 1 1 1 1 0 1 0 1 1

Calculo da proporção dos que preveniu

Proporção dos que preveniram do grupo x

12÷ 15=0,8

Proporção dos indivíduos do grupos y

10÷ 15=0,6

p 1+ p 2
Z= p ( 1− p ) p(1−p)
√ n1
+
n2

0,8+0,6
=8,75
Z= 0,8 ( 1−0,8 ) 0,6(1−0,6)
√ 15
+
15

No hospital central de Quelimane a equipe medica do sector de

estomatologia afirma que o selante de fossulas e fissuras a base de
ionomero de vidro é eficaz em 80% na prevenção da carie de dentaria em
relação ao existente no hospital ou fornecido pelo ministério da saúde após
aplicar em 400 pacientes onde 80 por cento teve um efeito satisfatório na
prevenção da carie dentaria. Fixando o nível de significância de 5% teste a
afirmação da equipe.
Discucao
Conclusão
Referências bibliográficas
Edlaine Martins Barbosa ,testes te hipóteses e aplicações , Novembro 2014,universidade
estadual de Paraná ,brazail ,

Célio Fernando de Sousa Rodriguesa, Fernando José Camello de Limab e Fabiano Timbó
Importância do uso adequado da estatística básica nas pesquisas clínicas Barbosab 2017
http://dx.doi.org/10.1016/j.bjan.2017.01.003 0034-7094/© 2017 Publicado por Elsevier Editora
Ltda. em nome de Sociedade Brasileira de Anestesiologia

Claodomir Antonio Martinazzo Apostila de Estatística Aplicada à Computação Universidade

Regional Integrada do Alto Uruguai e das Missões Campus de Erechim 2008

Luís Manuel de Jesus Loureiro Manuel Gonçalves Henriques Gameiro. Interpretação crítica
dos resultados estatísticos: para lá da significância estatística 2011

Nilo A de S. Sampaio Roberto Campos Leoni Utlização dos testes de hipóteses para a
média na tomada de decisão (sdp)

Os dados a seguir são referentes ao numero de dentes cariados em crianças,antes e depois do uso de selantes selantes
de fosulas e fissuras que são elementos inpontante para a prevencao de carie dentaria
Indv. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Antes 3 4 2 0 1
Depois 3 2 3 0 0