PROBABILIDADE E ESTATÍSTICA

7 – TESTES DE HIPÓTESE

DÉBORA FARIA
 1. TESTES DE HIPÓTESES
2. TH PARA A MÉDIA POPULACIONAL
3. TH PARA A PROPORÇÃO

INTERVALO
DE
CONFIANÇA
1. TESTE DE HIPÓTESES
É um procedimento que usa estatística amostral para testar uma alegação sobre o
valor de um parâmetro populacional.

Deve-se estabelecer duas hipóteses:

• Hipótese nula (Ho) = afirmativa de igualdade = ≤ ≥

• Hipótese alternativa (H1) = afirmativa de desigualdade ≠ < >

A hipótese alternativa deve ser verdadeira se a nula for falsa.

Hipótese nula (Ho)

p - probabilidade de cara.

É a hipótese aceita como verdadeira até que o teste prove o contrário.

É o ponto de partida para a análise dos dados.
Ela representa o contrário do que queremos provar.
Exemplo 1: Suspeita-se que uma moeda, utilizada em jogo de azar, seja viciada, isto
é, que a probabilidade de sair “cara” seja diferente de 50%.
Ho: p = 0,5 (a probabilidade é 50%)
H1: p ≠ 0,5 (a probabilidade não é 50%)

Exemplo 2: Hipótese: A propaganda produz um efeito positivo nas vendas.

Ho: Em média, as vendas não aumentam com a introdução da propaganda.
H1: Em média, as vendas aumentam com a introdução da propaganda.

Exemplo 3: Hipótese: Um método de treinamento tende a aumentar a

produtividade dos funcionários.
Ho: Em média, a produtividade não cresce com o treinamento.
H1: Em média, a produtividade cresce com o treinamento.

Ho: representa o contrário do que queremos provar.

Sempre consideramos inicialmente que a hipótese nula é verdadeira.
Assim, ao realizar um teste de hipóteses, temos as seguintes decisões:

1. Rejeita-se a hipótese nula (Ho)

2. Aceita-se a hipótese nula (Ho)

Claro que, como a decisão se baseia em uma amostra sempre existe a

possibilidade de se tomar a decisão errada.

Tipos de erros:

• Erro tipo I = ocorre se a hipótese nula for rejeitada quando ela for
realmente verdadeira.

• Hipótese alternativa (H1) = ocorre se a hipótese nula não for

rejeitada quando ela for realmente falsa.
Nível de significância:

O nível de significância é a probabilidade máxima permitida de ocorrer

um erro tipo I. Ele é denotada pela letra grega α

A probabilidade de um erro do tipo II é denotada pela letra grega β.

Estabelecendo o nível de significância em um valor pequeno, estamos

afirmando que desejamos ser pequena a probabilidade de rejeitar uma
hipótese nula verdadeira. Os três níveis de significância mais
utilizados são α=0,10, α=0,05 e α=0,01.
2. TH PARA MÉDIA
1º. Passo: Formulação das hipóteses (Definir Ho e H1)

2º. Passo: Cálculo da estatística (Zc ou tc)

(x − ) n (x − ) n (x − ) n
Zc = ou Z c = tc =
 s s

3º. Passo: Abordagem (verificar se a estatística está na RA ou RR)

4º. Passo: Conclusão

Abordagem (verificar se a estatística está na RA ou RR) varia conforme o tipo de
teste (unilateral ou bilateral)
Exemplo 1: Para cada afirmação, expresse H0 e Ha em palavras e em símbolos.
Então, determine se o teste de hipótese é unilateral à esquerda, unilateral à
direita ou bilateral. Esboce uma distribuição amostral normal e sombreie a área
para o valor p.

a) Uma escola divulga que a proporção de seus estudantes envolvidos em pelo

menos uma atividade extracurricular é de 61%.
b) Uma concessionária de automóveis anuncia que o tempo médio para uma troca de óleo é
menor que 15 minutos.
c) Uma companhia anuncia que a vida útil média de seus fornos é superior a 18
anos.
Exemplo 2: Numa indústria de cerâmica avalia-se sistematicamente a resistência de
amostras de massas cerâmicas após o processo de queima. Dessas avaliações sabe-se que
certo tipo de massa tem resistência mecânica aproximadamente normal, com média 53
Mpa e variância 16Mpa2. Após troca de alguns fornecedores de matérias primas, deseja-
se verificar se houve alteração na qualidade. Uma amostra de 15 corpos de prova acusou
média igual a 50 Mpa. Qual é a conclusão, a nível de significância de 5%?

1º. Passo: Formulação das hipóteses

 H 0 :  = 53

 H1 :   53
2º. Passo: Cálculo da estatística

zC =
( x − 0 ) n
=
(50 − 53) 15
= −2,90
 4
 ìï H : m = 53
1º. Passo: Formulação das hipóteses í 0
ïî H1 : m ¹ 53

=
( x − 0 ) n
=
(50 − 53) 15
= −2,90
2º. Passo: Cálculo da estatística zC
 4
0,14
3º. Passo: Abordagem
0,12

α/2 α/2
0,1

0,08
0,025 0,025
0,06 4º. Passo: Conclusão Rejeita-se Ho. Há
0,04
evidência suficiente a um nível de
0,02

0 significância de 5% para concluir que

0 5 10 15 20
0 houve variação na resistência média da
rejeição aceitação rejeição massa da cerâmica.
de H0 de H0 de H0
Zc= 2,90
ZT= - 1,96 ZT= 1,96
Exemplo 2: O tempo para transmitir 10 MB em determinada rede de
computadores varia segundo um modelo normal, com média 7,4 segundos. Depois
de algumas mudanças na rede acredita-se numa redução no tempo de
transmissão de dados, além de uma possível alteração na variabilidade. Os
novos tempos de transmissão de 10 tempos, em segundos apresentaram média
de 6,82 segundos e desvio padrão de 0,551 segundos .
Existe evidência suficiente de que o tempo médio de transmissão foi reduzido?
Use nível de significância de 1%

 H 0 :  = 7,4
1º. Passo: Formulação das hipóteses 
 H1 :   7,4

2º. Passo: Cálculo da estatística t=

( x − 0 ) n
=
(6,82 − 7,4 ) 10
= −3,33
s 0,551
 3º. Passo: Abordagem

0,14

0,12

0,1
α
0,08
0,01
0,06

0,04
99%
0,02

0
0 5 10 15 20
0
Rejeitação aceitação
de H0 de H0

t C= -3,33 t t= 2,821

4º. Passo: Conclusão Rejeita-se Ho. Há evidência suficiente a um nível de

significância de 1% para concluir que houve redução no tempo médio de
transmissão dos dados.
3. TH PARA PROPORÇÃO
Utilizado quando queremos verificar se a proporção de algum atributo
na população pode ser igual a determinado po.

• Se amostra for pequena: usamos distribuição binomial

• Se amostra for grande usamos aproximação normal n.p≥5 n.q≥5

1º. Passo: Formulação da: hipóteses (Definir Ho e H1)

2º. Passo: Cálculo da estatística (Zc)
3º. Passo: Abordagem (verificar se a estatística está na RA ou RR)
4º. Passo: Conclusão
Cálculo da estatística: Comparamos o valor da estatística calculada (Zc)
com o valor da estatística teste padronizada tabelada (Zt)
p̂- p p̂ = proporção amostral
Zc =
p.q p = proporção populacional
n
Exemplo: Uma empresa retira periodicamente amostras aleatórias de
500 peças de sua linha de produção para análise de qualidade. As peças
são classificadas em defeituosas ou não. A política da empresa exige
que o processo produtivo seja revisto se houver incidência de mais que
1,5% de peças defeituosas. N última amostra foram encontradas 9
peças defeituosas. Usando nível de confiança de 1% o processo precisa
ser revisto?

 H 0 : p = 0,015 ìïn.p = 7,5

 í 0
 H1 : p  0,015 ïîn.( p0 -1) = 792,5

9
- 0.015
p̂- p
Zc = = 500 = 0,552 Conclusão: Aceita-se Ho. Há evidência
p.q 0,015.0,985 suficiente a um nível de significância de 1%
n 500 para concluir que o processo não precisa ser
revisto.
Zt = 2,325