Capítulo 1

Testes de Hipóteses
X REP Y

x1 1 y1

x1 2 y2

... ... ...

x1 n yn
 Relação entre Uma População e Uma Amostra


População x1 Amostra x1


  

Parâmetros Inferência Estimativas

  

Distribuição de Distribuições de probabilidades Distribuição de

probabilidades de Y amostrais dos estimadores frequências de Y


Intervalos de confiança para os parâmetros (x1)
Testes de hipóteses sobre os parâmetros (x1)
 Medida Parâmetro Estimativa
(Valor numérico) (Valor numérico)
n
 yi
Média Y y i1
n
n
 (yi  y)2
Variância  Y2 s2Y  i1
n 1

Desvio-padrão Y s Y  s2Y

sY
Coeficiente de
CVY cvY  100
variação y
sY
Erro-padrão da Y sY 
média n
 N n
y
i1
i Y i
Y  Y i1
N n

População Amostra Aleatória

(y1, y2, ..., yN) (Y1, Y2, ..., Yn)

n
N
 (Yi  Y)2
 (y i   Y )2
SY  i1

Y  i1 n 1
N

Probabilidade Inferência Estatística

n
Amostra Particular
(y1, y2, ..., yn)
 yi
i1 n
y
n  i1
(y i  y)2
Estatística Descritiva sY 
n 1
Exercício de Aplicação
x rept y
1 1 2,59
1 2 2,70
1 3 2,44
1 4 2,65
1 5 2,77
1 6 2,81
1 7 2,53
1 8 2,31
1 9 2,37
1 10 2,57
1 11 2,46
1 12 2,76
1 13 2,24
1 14 2,69
1 15 2,85
1 16 2,32
1 17 2,70
1 18 2,57
1 19 2,50
1 20 2,60
1 21 2,38
1 22 2,44
1 23 2,41
1 24 2,51
1 25 2,22
1 26 2,71
1 27 2,32
1 28 2,44
1 29 2,49
1 30 2,28
1 31 2,52
1 32 2,45
1 33 2,47
1 34 2,63
1 35 2,56
1 36 2,61
1 37 2,46
1 38 2,62
1 39 2,49
1 40 2,53
 Distribuição de Probabilidades
• Y = variável aleatória
• v.a contínua
• Y ~ Normal (Y;  Y2 )

2
1 yY 
  
1 2  Y 
f(y)  e
 Y 2
f (y)

LIN LSN
      
y
0,6827

0,9545

0,9973
 Distribuição
Normal

Distribuição Distribuição Distribuição

qui-quadrado t de Student F
 Infinitas Amostras Aleatórias de Uma População

Uma estimativa para cada

 Amostra x1 
parâmetro

 Amostra x12 

População
x1 Dedução teórica da distribuição de
 Amostra x13 
probabilidades amostral associada
ao estimador com base na
suposição da retirada de infinitas
...
amostras da população x1

 Amostra x1 

PRECISÃO DA ESTIMATIVA
 Inferência Estatística
• Não será possível conhecer exatamente o parâmetro
com base na retirada de uma única amostra.
• Estimativa pontual do parâmetro  NÃO RECOMENDA
• Estimativas dos limites inferior e superior
• Intervalo de confiança
• Teste de hipóteses
• Amostra
• Fornecer valores representativos dos populacionais e
que sejam capazes de possibilitar estimativas próximas
dos parâmetros e, consequentemente, da realidade da
população.
 Inferência Estatística
• Testes de hipóteses
• Para uma variância populacional
• Para uma média populacional
 O QUE EU QUERO PARA A POPULAÇÃO?

• Intervalos de confiança
• Para uma variância populacional
• Para uma média populacional
 COMO É A POPULAÇÃO?
 Teste de Hipóteses
• As hipóteses de um teste são formuladas para
confirmarem ou não, a qualidade, os benefícios das
alterações ou das inovações a serem implantadas no
processo, de acordo com a precisão das estimativas dos
parâmetros.
• O teste de hipóteses fornece uma regra de decisão para
rejeitar ou não uma especificação para o parâmetro
estabelecida por critérios técnicos e independentes dos
resultados amostrais.
 Hipótese Estatística
• É uma afirmativa a respeito de um parâmetro de
uma distribuição de probabilidades.
• Exemplos:
• A média do peso é de 2,5 kg (0);
• O desvio-padrão do peso é de 0,12 kg (0).
• H0: hipótese nula.
• H1: hipótese alternativa.
 Decisão

H0 Aceitar H0 Rejeitar H0


1–
Verdadeira P (RH0 / H0V)
P (AH0 / H0V)
P (erro tipo I)


Pd = 1 – 
Falsa P (AH0 / H0F)
P (RH0 / H0F)
P (erro tipo II)
 Regra de Decisão
Se o valor da estatística do teste cair na região
crítica, rejeita-se H0
 Ho
Unilateral à direita
• H0: Y = 0
• H1: Y > 0

Unilateral à esquerda
• H0: Y = 0
• H1: Y < 0

Bilateral
• H0: Y = 0
• H1: Y  0
 Para Uma Média
H0: Y = 0
E ( Y ) = 0
H1: Y  0

Teste t de Student
y  0 y  0
t cal  
sY sY
n
ttab (, n – 1 gl)
 Graus de liberdade = 9
0,4

0,3
f (t)

0,2

0,1
0,025 0,025
0,0
-2,26 0 2,26
t

Graus de liberdade = 99
0,4

0,3
f (t)

0,2

0,1
0,025 0,025
0,0
-1,98 0 1,98
t
 Exemplo de Aplicação

• H0: Y = 2,5

• H1: Y  2,5

• Teste t de Student
 RHo a
RHo

AHo

alf a / 2 alf a / 2

v alor tabelado à esquerda zero v alor tabelado à direita

p-v alor / 2 p-v alor / 2

v alor calculado à esquerda v alor calculado à direita

p-v alor / 2 p-v alor / 2

v alor calculado à esquerda v alor calculado à direita

  = P (V  |valor tabelado|)
p-valor = P (V  |valor calculado|)
 p-valor
• É o menor nível de significância que considera o resultado do teste como
significativo.
• É o menor nível de significância que rejeita a hipótese H0.
• Quanto menor for o seu valor, menor será a probabilidade de H0 ser
verdadeira e mais significativo será o resultado do teste.
• Quanto menor for o seu valor, maior será o valor calculado, em módulo,
situado mais à extremidade das caudas e mais distante do valor de H0.
• Rejeita-se H0:
• |valor calculado do teste|  valor tabelado do teste;
• p-valor  .
• Não se rejeita H0 (Aceita-se H0):
• |valor calculado do teste| < valor tabelado do teste;
• p-valor > .
 Intervalo de Confiança

• Para uma média populacional

sY
IC(Y)1– = y  t/2,n–1
n

Se H0 (0) pertence ao IC  TH AH0.

 Distribuição Normal de Probabilidades

• Testes de normalidade
• Qui-quadrado
• Anderson-Darling
• Cramér-von Mises
• Shapiro-Wilk
• Kolmogorov-Smirnov
• Lilliefors
• Gráfico de probabilidade normal

• H0: Y ~ N (Y = y;   s
2 2
Y Y)
A equipe técnica de uma empresa testou a durabilidade (Y) das
lâmpadas, em horas, da marca x1 em um experimento (n = 30)
com as seguintes estimativas: y = 996 e sY = 36. Com base nos
testes apresentados, pode-se concluir que x1 satisfaz à
exigência da empresa, para  = 0,05?

Teste H0 H1 p-valor

t de Student Y = 1.000 Y  1.000 0,5475

• A equipe técnica de uma empresa testou a
durabilidade (Y) das lâmpadas, da marca x1 em
um experimento (n = 30), obtendo-se o seguinte
intervalo com 95% de confiança para Y:
• 982,56  Y  1.009,44
• Sabendo-se que os valores de Y são
normalmente distribuídos, pode-se concluir que
x1 satisfaz à exigência da empresa ( = 0,05)?
• Y = 1.000 (H0)
 Questionário
1. Qual é a diferença entre parâmetro e estimativa?
2. Qual é a diferença entre as distribuições de probabilidades e de
frequências?
3. Quais são os objetivos dos cálculos de probabilidades, da
inferência estatística e da estatística descritiva?
4. Por que a distribuição de probabilidades normal é a mais utilizada
na inferência estatística?
5. Qual é o objetivo do teste de hipóteses?
6. Qual é o objetivo do intervalo de confiança?
8. Defina e dê exemplos das hipóteses H0 e H1.
9. Defina nível de significância e p-valor.
10. Quando se recomenda fazer experimento com um nível de um
fator?
Um Fator Controlável de Interesse com Dois Níveis
Independentes

X REP Y
x1 1 y11
x1 2 y12
... ... ...
x1 n1 y1n1
x2 1 y21
x2 2 y22
... ... ...
x2 n2 y2n2
 Níveis Independentes

População x1  x1 vs. x2  População x2

    
Parâmetros Inferência Parâmetros
  

Distribuição de Distribuições de probabilidades Distribuição de

probabilidades de Y1 amostrais dos estimadores probabilidades de Y2

  
Amostra x1 Amostra x2
 
Estimativas Estimativas
 
Distribuição de Distribuição de frequências
frequências de Y1 de Y2

Intervalos de confiança para os parâmetros (x1 vs. x2)
Testes de hipóteses sobre os parâmetros (x1 vs. x2)
 Medidas de Posição e de Variação
Nível xi

ni ni
 yij  (y ij  yi )2
yi 
j1
s2Yi 
j1 s Yi  2
s Yi
ni ni  1

s Yi s Yi
cv Yi  100 sY 
yi i
ni
Exercício de Aplicação
x rept y
1 1 2,59
1 2 2,70
1 3 2,44
1 4 2,65
1 5 2,77
1 6 2,81
1 7 2,53
1 8 2,31
1 9 2,37
1 10 2,57
1 11 2,46
1 12 2,76
1 13 2,24
1 14 2,69
1 15 2,85
1 16 2,32
1 17 2,70
1 18 2,57
1 19 2,50
1 20 2,60
2 1 2,88
2 2 2,94
2 3 2,91
2 4 3,01
2 5 2,72
2 6 3,21
2 7 2,82
2 8 2,94
2 9 2,99
2 10 2,78
2 11 3,02
2 12 2,95
2 13 2,97
2 14 3,13
2 15 3,06
2 16 3,11
2 17 2,96
2 18 3,12
2 19 2,99
2 20 3,03
 Infinitas amostras aleatórias de duas populações independentes

Uma estimativa para

cada comparação
 Amostra x1   Amostra x2 
estabelecida entre as
duas populações

 Amostra x12   Amostra x22 

População População
x1 Dedução teórica da x2
 Amostra x13  distribuição de  Amostra x23 
probabilidades
amostral associada
ao estimador com
base na suposição
da retirada de
... ...
infinitas amostras de
x1 e x2

 Amostra x1   Amostra x2 

 Inferência Estatística
Dois Níveis Independentes
• Testes de hipóteses
• Para duas variâncias
• Para duas médias

• Intervalo de confiança
• Para a diferença entre duas médias
x1 x2 x1 x1

x2 x2

y y y
 Teste de Hipóteses
Para Duas Variâncias

• Teste F  2

1
Y1
• Hipótese H0:
 2
Y2
s2Y1
fcal  2
ftab (, n1 – 1, n2 – 1)
s Y2
  2
• AH0  Y = Y2 (Y1 = Y2)
2
1

 2
 2
• RH0  Y  Y2 1
 Teste de Hipóteses
Para Duas Médias Independentes

• Teste t de Student

• Hipótese H0: Y1 – Y2 = 0 (Y1 = Y2)

• Variâncias homogêneas

• Variâncias heterogêneas
 Teste de Hipóteses
Para Duas Médias Independentes
Variâncias Homogêneas

y1  y 2
t cal  ttab (, n1 + n2 – 2)
 1 1
s  
2
Y 
 n1 n2 

(n1  1)s  (n2  1)s

2 2

s 
2 Y1 Y2

(n1  1)  (n2  1)
Y
 Intervalo de Confiança
Dois Níveis Independentes

• Para a diferença entre duas médias

2 1 1 
• IC (Y1 – Y2)1– = y1  y 2  t/2,n1+n2–2 s Y   
 n1 n2 

Se H0 pertence ao IC  TH AH0.
X REP Y
x1 1 y11
x1 2 y12
... ... ... H01: Y1 ~ N (Y1 = y 1 ; Y1 = sY1)
x1 n1 y1n1
x2 1 y21 Gráfico de Probabilidade Normal
Teste de Lilliefors
x2 2 y22
... ... ... H02: Y2 ~ N (Y2 = y 2 ; Y2 = sY2)
x2 n2 y2n2
Com o objetivo de escolher uma marca de lâmpadas (X) que
atenda às especificações de maior média e de menor variância
paramétricas possíveis, a equipe técnica resolveu comparar a
durabilidade (Y), em dias, das marcas x1 e x2. Se Y1 e Y2 forem
consideradas variáveis aleatórias normais, qual das marcas é a
melhor, para  = 0,05?

Marca ni yi sYi p-valor

x1 30 506 20,6 fcal 2,55 0,0070

x2 30 498 12,9 tcal 1,80 0,0818

• A equipe técnica de uma empresa resolveu
comparar a resistência (Y) do concreto das marcas
x1 e x2, por meio da construção do intervalo com
95% de confiança para a diferença das médias:

• –0,77  Y1 – Y2  1,77

• Se Y1 e Y2 forem consideradas variáveis aleatórias

normais, qual(is) deve(m) ser a(s) marca(s)
escolhida(s)?
 Níveis Dependentes
População x1  D = Y1 – Y2  População x2

Parâmetros

Distribuição de probabilidades de D
 
Amostra x1  d = y1 – y2  Amostra x2

Estimativas

Distribuição de frequências de D

Distribuições de probabilidades amostrais

dos estimadores

Intervalos de confiança para os parâmetros (D)
Testes de hipóteses sobre os parâmetros (D)
Um Fator Controlável de Interesse com Dois Níveis
Dependentes

REP Y1 Y2 D

1 y11 y21 d1

2 y12 y22 d2

... ... ... ...

n y1n y2n dn
 Teste de Hipóteses
Para Duas Médias Dependentes

• Teste t de Student
• Hipótese H0: D = 0

d d
t cal  
sD sD
n
ttab (, n – 1)
 Distribuição Normal de Probabilidades

• Teste de normalidade
• Lilliefors
• Gráfico de probabilidade normal

• H0: D ~ N (D = d ; D = sD)

Exercício de Aplicação
rept y1 y2
1 2,59 2,88
2 2,70 2,94
3 2,44 2,91
4 2,65 3,01
5 2,77 2,72
6 2,81 3,21
7 2,53 2,82
8 2,31 2,94
9 2,37 2,99
10 2,57 2,78
11 2,46 3,02
12 2,76 2,95
13 2,24 2,97
14 2,69 3,13
15 2,85 3,06
16 2,32 3,11
17 2,70 2,96
18 2,57 3,12
19 2,50 2,99
20 2,60 3,03
Um experimento, com o objetivo de testar um novo tratamento
anticorrosivo para chapas de aço, foi realizado usando-se nove chapas
diferentes, em que cada uma delas foi dividida em duas metades. A uma
das metades aplicou-se o tratamento já utilizado pela indústria ou antigo
(x1) e, à outra metade, o tratamento novo (x2), o qual, no entanto,
apresenta maior custo de aplicação. Posteriormente, anotou-se o tempo
até o início da corrosão (Y) em cada metade. Para este caso, considera-se
que tal aumento de custo será compensado, caso o tratamento novo (x2)
proporcione maior média populacional do que o tratamento antigo (x1). De
acordo com os resultados obtidos e  = 0,05, qual teste t de Student
(independentes ou dependentes) deve ser utilizado para decidir sobre qual
dos dois tratamentos deve ser recomendado?

Chapa 1 2 3 4 5 6 7 8 9

Y1 50,5 39,7 35,1 33,2 40,4 36,6 38,4 42,5 39,3

Y2 52,1 48,5 35,7 39,6 41,9 37,2 39,1 43,8 44,2

 Questionário
1. É melhor fazer estatística descritiva, testes de hipóteses
ou intervalos de confiança para comparar duas variâncias
e para comparar duas médias?
2. Qual é a diferença entre amostras independentes e
dependentes?
3. Por que é importante que a variável-resposta Y se
manifeste como uma variável aleatória dentro das duas
populações independentes x1 e x2, separadamente?
4. Quando se recomenda fazer experimento com dois níveis
de um fator?