Hipóteses Nula e Alternativa; Tipos de Erro nos Testes de

Hipóteses; Testes de Hipóteses Bilateral e Unilateral;

Procedimentos para efetuar um Teste de Hipóteses; Testes de
Hipóteses para a Média

Tópico – 03A
▪ Questão: Feita uma determinada afirmação sobre um parâmetro de uma
população, desejamos saber se os resultados experimentais provenientes de uma
amostra contrariam ou não tal afirmação.
▪ Objetivo do teste estatístico de hipóteses:

▪ Fornecer uma metodologia que nos permita verificar se os dados amostrais

trazem evidências que apoiem ou não uma hipótese (estatística) formulada.
▪ A ideia central deste procedimento é supor verdadeira a hipótese em questão e
verificar se a amostra observada é "verossímel" nessas condições.
▪ Devemos verificar se um conjunto de dados amostrais dá suporte ou não às
afirmações sobre os seguintes parâmetros da população:
✓ o valor médio de uma população – μ;
✓ a variância de uma população – σ2;
✓ a proporção populacional de uma característica de interesse – p.
▪ Exemplo 1: Uma empresa de prestação de serviços manteve 28% do mercado
nos últimos três anos. Este ano, uma amostra de 50 cidades revelou que esta
empresa só detinha uma percentagem de 25% nas vendas do setor. Será que este
resultado representa a nova quota de mercado da empresa?
▪ Exemplo 2: A proporção de condutores que admitem “passar no vermelho” é
maior do que 0.5.
▪ Exemplo 3: A altura média dos jogadores profissionais de basquetebol é no
máximo 2m.
▪ Exemplo 4: Considere que uma indústria compra de um certo fabricante, pinos
cuja resistência média à ruptura é especificada em 60 kgf (valor nominal da
especificação). Em um determinado dia, a indústria recebeu um grande lote de
pinos e a equipe técnica da indústria deseja verificar se o lote atende as
especificações.
▪ Definição: Uma hipótese estatística é uma afirmação acerca de um parâmetro de
uma população.
▪ Hipótese Nula:
▪ Afirmação sobre o parâmetro contra a qual estaremos buscando evidência nos dados amostrais.
▪ Enunciado que sustenta quaisquer diferenças entre duas observações, é a hipótese inicial. É
aquela que vai ser testada.
▪ A hipótese nula engloba o valor do parâmetro que se assume como verdadeiro para a
população. Tem que ser uma afirmação escrita na forma de uma igualdade (=).
▪ A hipótese nula é normalmente formulada com o objetivo de ser rejeitada.
▪ Exemplo: H0: p = 0,28

▪ Hipótese Alternativa:
▪ Afirmação sobre o parâmetro que esperamos ser verdadeira.
▪ É a hipótese contrária a hipótese nula, ou seja, é a hipótese alternativa.
▪ A hipótese alternativa é a afirmação que indica que o parâmetro tem um valor que é diferente
do indicado na hipótese nula. Pode ser escrita numa das 3 formas: ≠, <, >.
▪ Exemplo: H1: p ≠ 0,25
Erro do Tipo I:
▪ Um erro do tipo I ocorre quando a hipótese nula é rejeitada, apesar de ser verdadeira.
▪ Ou seja: rejeitar H0 sendo H0 verdadeira (erro de rejeição);
▪ O símbolo α (alfa) é usado para representar a probabilidade de ocorrência de um erro do
tipo I.

▪ Erro do Tipo II:

▪ Um erro de tipo II ocorre quando a hipótese nula não é rejeitada, apesar de ser falsa.
▪ Ou seja, não rejeitar H0 sendo H0 falsa (erro de não rejeição).
▪ O símbolo β (beta) é usado para representar a probabilidade de ocorrência de um erro do
tipo II.
▪ Teste de hipótese bilateral ou bicaudal: São os que consideramos ambas as
extremidades da distribuição por amostragem como zonas de rejeição.

𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0

Exemplo
para a média

RR: significa a região de rejeição da hipótese nula (H0) = RC: Região Crítica.
RA: significa a região de aceitação da hipótese nula (H0)
▪ Teste unilateral à esquerda:

𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0

Exemplo
para a média

RR: significa a região de rejeição da hipótese nula (H0) = RC: Região Crítica.
RA: significa a região de aceitação da hipótese nula (H0)
▪ Teste unilateral à direita:

𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 > 𝜇0

Exemplo
para a média

RR: significa a região de rejeição da hipótese nula (H0) = RC: Região Crítica.
RA: significa a região de aceitação da hipótese nula (H0)
 Decisão
Realidade Aceitar H0 Rejeitar H0
H0 Decisão correta Erro Tipo I
(é verdadeira) (1–α) (α)
H0 Erro Tipo II Decisão correta
(é falsa) (β) (1–β)

Nível de significância de um teste de hipótese

▪ Denomina-se nível de significância a probabilidade de se cometer um erro do tipo I.
▪ O nível de significância é especificado antes de se aplicar o teste.
▪ Usualmente seus valores são 1% ou 5%.
▪ Nas aplicações práticas, o erro tipo I é socialmente mais importante que o erro
tipo II.
▪ Assim, devemos tomar como H0 aquela hipótese, que, rejeitada, conduza a um
erro de tipo I mais importante de evitar.
▪ Exemplo: Suponha um experimento para se determinar se determinado produto
é cancerígeno. Após realizado o teste, podemos concluir:
▪ (i) A é cancerígeno ou (ii) A não é cancerígeno.

▪ A hipótese a ser testada deve ser: H0: A é cancerígeno; pois a probabilidade de

erro na rejeição dessa hipótese, se ela for verdadeira, deve ser um valor muito
pequeno.
▪ Assim, na realização dos testes, controlaremos o erro tipo I, procurando diminuir a
probabilidade de sua ocorrência.
▪ Num teste de hipóteses é desejável que α e β sejam os menores possíveis, uma
vez que representam as probabilidades de tomar decisões incorretas.
▪ No entanto, dada uma dimensão da amostra, n, não é possível minimizar
simultaneamente α e β. Assim:
▪ Se α diminui ⇒ β aumenta;

▪ Se β diminui ⇒ α aumenta.

▪ A minimização simultânea de α e β pode ser obtida aumentando o tamanho da

amostra, isto é, recolhendo mais informação.
1. Identificar H0 e H1.
2. Decidir o nível de significância, α.
3. Escolher uma estatística de teste apropriada.
4. Determinar as áreas de aceitação (RA) e rejeição (RR) em função do nível α
pelas tabelas estatísticas;
5. Efetuar os cálculos para determinar o valor da estatística de teste.
6. Concluir pela rejeição ou não de H0.
▪ Teste: H0: μ = μ0 contra: (i) H1: μ ≠ μ0; (ii) H1: μ > μ0; (iii) H1: μ < μ0.

▪ Estatísticas de Testes para as condições:

1) A população é normal e a variância é conhecida.
𝑋ത − 𝜇0
2) A variância é desconhecida e a amostra é grande. 𝑍=
𝜎Τ 𝑛
3) A variância é conhecida e a amostra é grande.

4) A população é normal, a variância é desconhecida e a amostra é pequena.

𝑋ത − 𝜇0
𝑇=
𝜎Τ 𝑛
▪ Exemplo 1: Os registros dos últimos anos de um colégio, atestam para os calouros
admitidos a nota média 115 (teste vocacional). Para testar a hipótese de que a
média da nova turma é a mesma, tirou-se, ao acaso, uma amostra de 20 notas,
obtendo-se a média 118 e S = 20. Admitindo-se α = 0,05, faça o teste de hipótese.
▪ As hipóteses são: H0: μ0 = 115 H1: μ1 ≠ 115
▪ Como o nº de elementos da amostra é < 30 a estatística de teste será:

𝑋ത − 𝜇0 118 − 115
𝑇= = = 0,67
𝜎Τ 𝑛 20Τ 20
RR RR

▪ Como α/2 = 0,025 temos tα/2 = ± 2,093 como

mostrado no gráfico da distribuição “t”: RA

▪ Como T = 0,67 está dentro da região de

aceitação, a hipótese H0 deve ser aceita ao nível
de 5% de significância.
▪ Exemplo 2: O preço de determinado artigo nos pontos de venda de certa cidade
tem distribuição normal com média igual a R$105,00 e desvio padrão igual a
R$10,00. Suspeita-se que, devido ao aumento da demanda, o preço do referido
artigo tenha aumentado na cidade. Para verificar se isto ocorreu, um pesquisador
analisou os preços deste artigo em 40 pontos de venda da cidade, escolhidos
aleatoriamente, constatando que nos pontos de venda pesquisados o preço
médio do artigo é R$110,00. Qual é a conclusão do pesquisador, admitindo-se um
nível de significância de 5%?
▪ As hipóteses são: H0: μ0 = 105 H1: μ1 > μ0 μ1 = 110
▪ Como o nº de elementos da amostra é ≥ 30 a estatística de teste será:

𝑋ത − 𝜇0 110 − 105
𝑍= = = 3,16
𝜎Τ 𝑛 10Τ 40
▪ Como α = 0,05 temos P = 0,5 – 0,05 = 0,45 portanto z = 1,65 como mostrado no
gráfico da distribuição normal padrão:

RR

RA RA

1,65 3,16

▪ Como Z = 3,16 está dentro da região de rejeição, a hipótese H0 deve ser rejeitada
ao nível de significância de 5%, indicando que o aumento da demanda pode ter
provocado um aumento no preço do produto.
▪ Exemplo 3: Uma máquina que enche pacotes de café de uma marca X deve
completá-los, em média, com no mínimo 500 g. Se coletássemos uma amostra
aleatória de tamanho 16, a fim de verificarmos se a máquina se encontra
regulada, e obtivéssemos uma média igual a 495 g e desvio padrão de 5 g, seria
plausível concluirmos que a média é menor do que 500 g, ou seja, a máquina se
encontraria regulada? Adotaremos nível de significância de 1%.
▪ As hipóteses são: H0: μ0 = 500 H1: μ1 < μ0 μ1 < 500
▪ Como o nº de elementos da amostra é < 30 a estatística de teste será:

𝑋ത − 𝜇0 495 − 500
𝑇= = = −4,0
𝜎Τ 𝑛 5Τ 16
▪ Como α = 0,01 temos P = 1 – 0,01 =
0,990 portanto t = - 2,602 como
mostrado no gráfico da distribuição
“t”:

▪ Como T = -4,0 dentro da área de RR

rejeição, a hipótese H0 deve ser
rejeitada ao nível de 5% de RA RA
significância.

▪ Isto equivale dizer que

provavelmente a máquina está -4,0 -2,602
desregulada.
▪ Exercício 1: Considere que uma indústria compra de um certo fabricante, pinos
cuja resistência média à ruptura é especificada em 60 kgf (valor nominal da
especificação). Em um determinado dia, a indústria recebeu um grande lote de
pinos e a equipe técnica da indústria deseja verificar se o lote atende as
especificações. (T2s)
▪ Exercício 2: Um comprador de tijolos acha que a qualidade dos tijolos está
diminuindo. De experiências anteriores, considera-se a resistência média ao
desmoronamento de tais tijolos é igual a 200 kg, com um desvio padrão de 10 kg.
Uma amostra de 100 tijolos, escolhidos ao acaso, forneceu uma média de 195 kg.
Ao nível de significância de 5%, pode-se afirmar que a resistência média ao
desmoronamento diminuiu? (T2s)
▪ Exercício 3: O INMETRO decidiu inspecionar pacotes de café de 500g de uma
determinada marca. Aceita-se como razoável um desvio-padrão de 3g. Após
pesar 25 unidades selecionadas em diversos mercados, chegou-se a uma média
amostral de 502g. Pode-se afirmar o peso médio do produto atende às
especificações? Use um nível de confiança de 95%. (T8s)
▪ Exercício 4: A associação dos proprietários de indústrias metalúrgicas está
preocupada com o tempo perdido em acidentes de trabalho, cuja média, nos
últimos tempos, tem sido da ordem de 60 hora/homens por ano com desvio
padrão de 20 horas/homem. Tentou-se um programa de prevenção de acidentes
e, após o mesmo, tomou-se uma amostra de 9 indústrias e mediu-se o número de
horas/homem perdidas por acidente, que foi de 50 horas. Você diria, ao nível de
5%, que há evidência de melhoria? (T7s)

▪ Exercício 5: O tempo médio, por operário, para executar uma tarefa, tem sido 100
minutos. Introduziu-se uma modificação para diminuir este tempo, e, após certo
período, sorteou-se uma amostra de 16 operários, medindo-se o tempo de
execução gasto por cada um. O tempo médio da amostra foi 85 minutos com
desvio padrão de 12 minutos. Este resultado evidencia uma melhora no tempo
gasto para realizar a tarefa? Apresente as conclusões aos níveis de 5% e 1% de
significância e diga quais as suposições teóricas necessárias que devem ser
feitas para resolver o problema. (T7s)
▪ Exercício 6: O tempo gasto pelos operários na montagem de determinado
equipamento produzido por uma empresa tem distribuição normal com média
igual a 85 minutos. Os operários foram submetidos a um processo de reciclagem
com o objetivo de melhorar a produtividade. Para verificar se isso ocorreu, o
pesquisador observou o tempo gasto na montagem de 5 unidades deste
equipamento, escolhidas ao acaso na linha de produção, obtendo os seguintes
valores, em minutos: 81, 84, 82, 78, 77, 83, 79, 79, 76, 85. Considerando-se um nível
de significância de 5%, pode-se afirmar que após a reciclagem dos operários
houve aumento da produtividade? (T8s)

▪ Exercício 7: Em uma região do país a população é obesa. A distribuição de

probabilidade do peso dos homens dessa região entre 20 e 30 anos é normal com
média de 90 kg e desvio padrão de 10 kg. Um endocrinologista propõe um
tratamento para combater a obesidade que consiste de exercícios físicos, dietas e
ingestão de um medicamento. Ele afirma que com seu tratamento o peso médio
da população da faixa em estudo diminuirá num período de três meses. (T2)
▪ Exercício 8: O desvio-padrão da população é conhecido e igual a 22 unidades. Se
uma amostra de 100 elementos retirados dessa população forneceu média 115,8
podemos afirmar que a média dessa população é inferior a 120 unidades, ao nível
de significância de 5%. (T6)

▪ Exercício 9: Uma certa máquina produzia arruelas que tinham a espessura de 0.05
polegadas. Para se verificar se a máquina está trabalhando adequadamente
escolheu-se uma amostra de 10 arruelas cuja a espessura média foi de 0.053
polegadas e cujo o desvio-padrão foi de 0.003 polegadas. Testar a hipótese da
máquina estar trabalhando adequadamente, usando α = 0,01. (T6)

▪ Exercício 10: O desvio-padrão da população é conhecido e igual a 22 unidades.

Se uma amostra de 100 elementos retirados dessa população forneceu média
115,8 podemos afirmar que a média dessa população é inferior a 120 unidades,
ao nível de significância de 5%. (T6)
▪ Exercício 11: Um fabricante de uma certa peça afirma que o tempo médio de vida
das peças produzidas é de 1000 horas. Suponha que os engenheiros de produção
têm interesse em verificar se a modificação do processo de fabricação aumenta a
duração das peças (T2)
▪ Exercício 12: O diretor comercial de uma cadeia de lojas pretende comparar duas
técnicas de vendas, A e B, para o mesmo produto. Utilizando a técnica de vendas
A, a quantidade de produto vendido por dia é em média de 816 Kg com um
desvio padrão de 45 Kg. Adotando a nova técnica de vendas B espera-se
aumentar a quantidade de vendas diárias. Para testar tal hipótese registou-se a
quantidade diária de vendas do produto durante 50 dias, obtendo-se um valor
médio de 839 Kg. Pode aceitar-se a hipótese ao nível de significância de 0,01?
(T3s)