Instituto Superior Politécnico de Manica

Divisão de Agricultura

Curso de Engenharia Florestal

1°ano – 3°Bloco

Bloco: Silvicultura II

Módulo: Estatística Básica

Tema: Teste de Hipóteses

Discente:

Marineide António Rodrigues Ama

Docente: Eng° Edmundo Caetano, Msc

Matsinho, Novembro de 2021

Índice
1.0 INTRODUÇÃO......................................................................................................3
1.1 Objectivos...........................................................................................................4
2.0 REVISÃO BIBLIOGRAFICA...............................................................................5
2.1 Hipóteses............................................................................................................5
2.2 Teste de Hipótese..............................................................................................5
2.3 Hipótese Estatística...........................................................................................6
2.4 Tipos de Hipóteses............................................................................................6
3.0 CONCLUSÃO......................................................................................................10
4.0 BIBLIOGRAFIA..................................................................................................11
1.0 INTRODUÇÃO
Em todas as áreas práticas da pesquisa científica ou acadêmica, nas mais diferentes
linhas de atuação humana como nas ciências físicas, biológicas, humanas e sociais, nas
engenharias, na indústria, no comércio, na geoestatística, etc., o pesquisador ou
investigador é frequentemente solicitado a tomar decisões acerca das populações ou
universo estatístico (inferência estatística), baseadas nas informações das amostras, ou
seja, testar valores de certos parâmetros ou entes desconhecidos desses universos de
estudo que são medidas ou grandezas que caracterizam aspectos importantes das
populações (Assis, Sousa, & Linhares, 2020).

A inferência estatística é um conjunto de métodos e técnicas que permitem induzir, a

partir de uma informação empírica proporcionada por uma amostra, qual é o
comportamento de uma determinada população com um risco de erro medido em
termos de probabilidade. O propósito da inferência estatística é tirar conclusões sobre
uma população com base nos dados amostrais de uma população (Barbosa, 2014).

Os métodos paramétricos da inferência estatística podem se dividir basicamente

em dois: métodos de estimação de parâmetros e testes de hipóteses. Os testes de
hipóteses tem como objetivo comparar se determinado aspectos atribuídos a um
parâmetro populacional, é compatível com a evidencia empírica contida na
amostra. Desta forma, teste de hipótese é um processo usado para avaliar a forca
da evidencia de uma amostra em fornecer estrutura para fazer determinações
relacionadas a população, em outras palavras, o teste de hipóteses 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. Cabe ao investigador formular uma hipótese especifica, coletar
dados com uma amostra, e usar estes dados para decidir se suportam a hipótese
especifica do pesquisador (DAVIS, 2006).

Neste trabalho serão abordados assuntos acerca da hipótese e dos testes de hipótese na
estatística. Existem vários testes de hipótese na estatística e varias são as suas
aplicações, por mais que pareça que eles não têm aplicação, o presente trabalho vai
através de referencial bibliográfico mostrar esses diferentes testes de hipóteses.

3
 1.1 Objectivos
Geral

 Analisar os testes de hipótese estatísticos;

Específicos

 Conceituar testes de hipótese;

 Caracterizar os diferentes testes de hipóteses estatísticos;

4
2.0 REVISÃO BIBLIOGRAFICA
2.1 Hipóteses
Hipóteses estatísticas são suposições, especulações ou afirmações referente a
distribuição de probabilidade de uma população de interesse, com o objetivo de ser
demonstrada ou verificada posteriormente, constituindo uma suposição aceitável.
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 esta incluído 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 a hipótese nula e rejeitada.

Assim, a região de rejeição e definida de modo que seja igual a probabilidade

sob a hipótese nula, da ocorrência de um valor da estatística de teste naquele
subconjunto. Portanto, teste para a hipótese será sempre com base em resultados amos-
trais, sendo aceita ou rejeitada. Ela somente será rejeitada se o resultado da amostra for
claramente improvável de ocorrer quando a hipótese ser verdadeira.

2.2 Teste de Hipótese

Teste de hipótese é um método de inferência estatística em que, utiliza dados de um
estudo cientıfico. É um procedimento estatístico baseado na analise de uma
amostra, através da teoria de probabilidades, usado para avaliar determinados
parâmetros que são desconhecidos numa população.

Naghettini e Pinto (2007), relatam que, testar uma hipótese e recolher evidencias nos
dados amostrais, que justifiquem a rejeição ou a não rejeição de uma certa alegação
sobre um parâmetro populacional ou sobre a forma de um modelo distributivo,
tendo-se em conta as probabilidades de serem tomadas decisões incorretas.

De acordo com Scudino (2008), e fundamental considerar alguns conceitos sobre

os testes de hipóteses, as quais serão vistas nas secções a seguir os seguintes testes de
hipóteses:

Hipótese nula (H0): é a alegacão 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 evidência da
amostra sugerir que H0 seja falsa.

5
Hipótese alternativa (H1): é a afirmação contraditória a H0, e 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.

Para a realização dos testes de hipóteses, e 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) Cálculo da estatística de teste e tomada de decisão.

2.3 Hipótese Estatística

Uma hipótese estatística é uma conjetura sobre um parâmetro desconhecido de uma
população ou a forma da distribuição de uma característica em estudo na população
(CA- SELLA E BERGER, 2010). Pode ser sobre a forma da distribuição ou sobre
o valor de parâmetros desconhecidos da população, conhecida ou não a forma da
distribuição. Tal conjetura pode ou não ser verdadeira. A verdade ou falsidade
nunca pode ser confirmada, a menos que observássemos toda a população, o que
normalmente e impraticável. Então através da informação fornecida por uma amostra
que se rejeita ou não a hipótese formulada.

2.4 Tipos de Hipóteses

Natureza dos testes
Testes Paramétricos: são aqueles que formulamos Hipóteses com respeito ao(s)
valor(res) de um(uns) parâmetro(s) populacional(is). Exemplo: teste referente à média
populacional “µ”.

Testes Não Paramétricos ou de Distribuição Livre: são aqueles nos quais

formulamos Hipóteses em que não fazemos nenhuma menção a respeito de parâmetros
populacionais ou quando formulamos Hipóteses com respeito à natureza da distribuição
de probabilidades da população. Ou ainda, podemos dizer que é aquele teste cujo

6
modelo não especifica condições sobre os parâmetros da população da qual a amostra
foi obtida. Mesmo quando existem certas pressuposições, estas são mais brandas do que
aquelas associadas aos testes paramétricos. Além disso, as provas não paramétricas não
exigem mensurações tão fortes quanto às provas paramétricas, pois a maior parte das
provas não paramétricas se aplica a dados em escala ordinal, e mesmos alguns a dados
em escala nominal. Exemplo: Teste do qui-quadrado (2 χ ) para  ajustamento, Teste do
qui-quadrado (2 χ ) para  aderência, Teste do qui-quadrado (2 χ ) para independência,
Teste do qui-quadrado (2 χ ) para homogeneidade, Teste de Fiher, Teste de Kolmogorov
– Smirnov, etc.

Testes de significância

Teste unilateral ou uni caudal à direita

É aquele teste cuja hipótese alternativa (H1) contém a desigualdade maior que (>); ou
ainda, é aquele cujas hipóteses a serem testadas são do tipo:

Figura 1: Curva do teste de hipótese unilateral à direita, mostrando a região crítica ou de

rejeição de Ho

Ou seja, frequentemente, em algumas situações, estamos interessados apenas em valores

extremos de um ou de outro lado da média, por exemplo, ou de outro parâmetro de
interesse, isto é, em apenas uma cauda da distribuição amostral do estimador, como por
exemplo, quando estamos testando a hipótese de um processo (produto, máquina, ração,
vacina, sistema, raça, enfim, um tratamento), é melhor do que ou superior a outro
processo (o que é diferente de testar se um processo é melhor ou pior do que outro).

7
Teste unilateral ou uni caudal à esquerda

É aquele teste cuja hipótese alternativa (H1) contém a desigualdade menor que (<) ou
ainda, é aquele cujas Hipóteses a serem testadas são do tipo:

Figura 2: Curva do teste de hipótese unilateral à esquerda, mostrando a região crítica ou de

rejeição de Ho.

Teste bilateral ou bicaudal

É aquele teste cuja hipótese alternativa contém a não igualdade ≠ (diferente de) ou
ainda, é aquele cujas Hipóteses a serem testadas são do tipo:

8
Figura 3: Curva do teste de hipótese bilateral, mostrando as regiões críticas ou de rejeição de
Ho

Ou seja, frequentemente, em algumas situações, estamos interessados nos dois valores

extremos superior direito e inferior esquerdo da média, por exemplo, ou de outro
parâmetro de interesse, isto é, em duas regiões da cauda da distribuição amostral do
estimador, ou seja, em seus escores Z em ambos os lados da média, ou de qualquer
outro parâmetro, isto é, em ambas as caudas da distribuição, como, por exemplo,
quando estamos testando a hipótese de um processo (produto, máquina, ração, raça,
sistema, vacina, enfim um tratamento), é melhor ou pior do que outro (o que é diferente
de testar se um processo é melhor do que outro ou se um processo é pior do que outro

9
3.0 CONCLUSÃO
A estatística é uma ciência que a muito tempo vem evoluindo e com essa evolução, fica
mais claro para a sociedade a importância que a estatística possui na sociedade, na
elaboração do trabalho vieram ate mim, vários temas de trabalhos envolvendo teste de
hipóteses, ate na área medica. Com isso é percetível o quão abrangente e importante este
tema é.

Hipóteses estatísticas são suposições, especulações ou afirmações referente a

distribuição de probabilidade de uma população de interesse, com o objetivo de ser
demonstrada ou verificada posteriormente, constituindo uma suposição aceitável.

Pode-se concluir que teste de hipóteses trata-se de um processo de dedução que tem
diversas aplicações em diferentes áreas. Neste trabalho foram abordadas as
classificações de testes quanto a natureza e quanto a significância.

Contudo, a ideia básica que se tem e que, a partir de uma amostra da população pode-se
estabelecer uma regra de decisão chamada de teste, segundo a qual rejeita-se ou não a
hipótese proposta. Normalmente existe uma hipótese que e mais importante para o
pesquisador denotada por H0.

10
4.0 BIBLIOGRAFIA
Assis, J. P., Sousa, R. P., & Linhares, P. C. (2020). TESTES DE HIPÓTESES
ESTATÍSTICAS. Universidade Federal Rural do Semi-Árido.
Barbosa, E. M. (2014). Teste de Hipotese e Aplicacoes. Universidade Estadual da
Paraiba .

CASELLA, G., BERGER, R. L. Statistical inference. Duxbury Press,

2008.
DAVIS, R. M. (2006). Hypothesis Testing Means. Statistical Primer for
Cardiovascular Research.

11