Bioestatística

Testes de Hipóteses para Médias e Análise de Variância

Responsável pelo Conteúdo:

Prof. Dr. Philippe Alexandre Divina Petersen

Revisão Textual:
Prof. Me. Luciano Vieira Francisco
 Testes de Hipóteses para
Médias e Análise de Variância

• Introdução;
• Generalidades Sobre Testes de Hipóteses;
• Hipóteses Nula e Alternativa;
• Estatística de Teste e P-Valor Associado a um Conjunto de Observações;
• Erros Associados a um Problema de Testes de Hipótese;
• O Teste Anova para Comparação de Duas ou Mais Médias
para Amostras Independentes;
• Testes t de Student para Comparação Entre Duas Médias;
• Comparações Múltiplas Usando o Teste t de Student e os Métodos de Correção.

OBJETIVO

DE APRENDIZADO
• Compreender o conceito de estatística inferencial através do teste de hipótese, abordando
os principais testes paramétricos para distribuições normais.
UNIDADE Testes de Hipóteses para
Médias e Análise de Variância

Introdução
Acesse o Material Complementar desta Unidade para obter as tabelas de teste p,
teste F, teste t e teste de amplitude studentizada.

Hipótese: é a suposição de algo que pode (ou não) ser verosímil, que seja possível de ser ve-
rificado, a partir da qual se extrai uma conclusão. Popularmente, o termo é utilizado como
sinônimo de especulação, chance ou possibilidade de algo acontecer.
Nas pesquisas científicas e acadêmicas, por exemplo, uma hipótese corresponde a uma
possibilidade de explicação sobre determinada causa de estudo. Um objeto de pesquisa
pode ter diversas hipóteses diferentes, sendo de responsabilidade do pesquisador pôr em
práticas experiências e outros métodos de comprovação para descobrir quais hipóteses são
mais prováveis ou verdadeiras.
Para elaborar uma hipótese de trabalho, primeiro é preciso delimitar o objeto de estudo e
reunir as suposições cabíveis como resposta para a pesquisa. Após reunir todas as probabi-
lidades (hipóteses), é precisa fazer as corretas experiências, de acordo com as metodologias
escolhidas, para comprovar ou refutar as hipóteses levantadas.
Etimologicamente, esta palavra resulta da justaposição dos termos gregos hypo (debaixo)
e thesis (tese), cujo significado nessa língua era atribuído ao que ficava como base ou prin-
cípio de sustentação das leis.
Na Matemática, as hipóteses são o conjunto de condições iniciais a partir das quais, com
base num raciocínio lógico, é elaborada a demonstração de um determinado resultado,
chegando a uma tese.
Alguns dos principais sinônimos de hipótese são: suposição, pressuposto, pressuposição,
teoria, tese, prognóstico, prognose, possibilidade, circunstância, condição e eventualidade.
Existem alguns tipos de hipóteses, como Hipótese científica, Hipótese de Gaia, Hipótese
nula, Hipótese de Riemann.
Veja a definição de cada uma a seguir, disponível em: https://bit.ly/3kATaiB

Generalidades Sobre Testes de Hipóteses

Quando se é dita a palavra hipótese, deve-se associá-la a uma alegação ou afir-
mação de que um valor de um parâmetro que pode ser uma característica da popula-
ção ou da distribuição de probabilidade. Ou seja, sempre será referenciado um valor
estatístico para comparação.

Um exemplo seria a dosagem média de determinado medicamento é de 0,80

mg/L por paciente, ou seja, µ = 0,80 mg/L e que apenas 2% dos pacientes tiveram
resultados adversos com essa dosagem, o que significa que a probabilidade p de
ocorrer qualquer reação a essa dosagem é de 2%, ou p < 0,02.

Para gerar uma análise profunda, suponha que outro medicamento com os mes-
mos princípios ativos tenha os mesmos resultados que o primeiro, seja ministrado
com uma concentração média de 0,75 mg/L. O que esperar desses medicamentos?

8
Nessas condições são aplicados os testes de hipóteses, estas que devem considerar
a contradição como análise.
Tomando o exemplo do primeiro medicamento, uma hipótese poderá ser µ = 0,80
e a outra µ ≠ 0,80, ou para a probabilidade poderá ser p ≥ 0,02, ou p < 0,02.
A partir dessas informações, deverá ser decidida se a hipótese é aceita. Para ajudar
no entendimento, o exemplo que muito é utilizado para fazer analogia é quando se diz
que o acusado é inocente: o júri poderá descartar a alegação de inocência do acusado
e considerar a hipótese de que o acusado é culpado. Neste caso, a hipótese defendida
é que o acusado é inocente.
Isso se torna a base do teste de hipótese: uma hipótese será defendida e ela será
rejeitada se ocorrer alguma evidência de que a hipótese alternativa é a correta.

Hipóteses Nula e Alternativa

Por definição, tem-se que:
• Nula (H0): é a hipótese que se assume como verdadeira, ou que é
afirmação prioritária;
• Alternativa (Ha): é a hipótese que se assume como oposta à hipótese nula.

A hipótese nula é rejeitada se essa for falsa, ou seja, a hipótese alternativa é

aceita. Do contrário, a hipótese nula continua aceita. Em outras palavras, ou deverá
rejeitar H0 ou não rejeitar H0.
Dessa forma, o teste de hipótese decidirá se a hipótese nula é aceita ou rejeitada.
Comparando-se ao exemplo do primeiro medicamento, a hipótese nula seria µ = 0,80 e
a hipótese alternativa µ ≠ 0,80. Nas pesquisas científicas em que há trabalho estatístico,
é importante tal teste de hipótese para que haja a confirmação de teoria ou que se tenha
uma melhoria quanto ao fenômeno observado e suas consequências. O pesquisador,
por vezes, utiliza-se para defender como hipótese alternativa como a sua, enquanto a
hipótese nula é aquela que não possui efeito ou consequência.
O procedimento de teste é o seguinte:
• Realizar a estatística de teste o qual será avaliado quanto a qual decisão a ser
tomada (rejeitar H0 ou não); e
• Verificar a região de rejeição, ou seja, os valores aos quais a hipótese nula
é rejeitada.

Exemplo 1
Determinado fabricante de automóveis diz que seu carro é econômico, pois o con-
sumo médio de combustível é maior que 20 km/L. Não se pode considerar essa afir-
mação como nula, pois não há evidência contraditória. Logo, consideramos a hipótese
nula como menor ou igual a 20 km/L. Dessa forma, será feito o seguinte teste:
H0 : µ ≤ 20
Ha : µ > 20

9
9
UNIDADE Testes de Hipóteses para
Médias e Análise de Variância

Para que a hipótese nula seja rejeitada, pode-se tomar como exemplo x ≥ 21 ,
enquanto para a hipótese nula, x ≤ 20 .
Neste caso, o que auxiliará muito nas análises são as afirmações realizadas para
as hipóteses. E para ajudar, segue a Tabela na qual são utilizadas as declarações para
o teste de hipóteses.
Tabela 1 – Declarando teste de hipóteses. Considere k um número
Declaração sobre H0 Sentença Declaração sobre Ha
A média é matemática A média é...

... maior ou igual a k H0 : µ ≥ k ... menor que k

... pelo menos k  ... abaixo de k
... não menos que k Ha : µ < k ... menos que k

... menor ou igual a k H0 : µ ≤ k ... maior que k

... no máximo k  ... acima de k
... não mais que k Ha : µ > k ... mais que k

... igual a k H0 : µ = k ... não igual a k

... k  ... diferente de k
... exatamente k Ha : µ ≠ k ... não k

Fonte: LARSON, 2015

Para usar a tabela: suponha que em uma pesquisa entre 40 pessoas, mais de
65% delas prefiram viver no campo. Se utilizar as informações, pode-se dizer que
p > 0,65, ou usando os sinônimos, dizer que a probabilidade de viver no campo é
acima de (ou maior que, ou mais que) 0,65. Nesse ponto, percebe-se que a hipótese
alternativa é Ha : p > 0,65 , enquanto a hipótese nula é H0 : p ≤ 0,65 .

Estatística de Teste e P-Valor

Associado a um Conjunto de Observações
Dentro de um conjunto de observações, há probabilidade em que a hipótese nula
poderá ser rejeitada. Deve-se, então, determinar o menor nível de rejeição (ou a pro-
babilidade em que ocorrerá rejeição), que é conhecida como nível de significância.
O nível de significância é o valor máximo em que ocorre a rejeição da hipótese nula.
Após definidos o nível de significância e as hipóteses, é importante obter uma
amostra da população e realizar as análises estatísticas amostrais e considerar a con-
dição da hipótese nula, o que permitirá a análise estatística padronizada.
Para isso, será adotado o p-valor (ou p-value), que é a probabilidade adotada para
análise. Se o p-valor for menor ou igual ao nível de significância, deve-se rejeitar a
hipótese nula H0.
No entanto, devem ser considerados os três tipos de hipótese: unilateral à esquerda,
unilateral à direita e bilateral. Isso é importante, pois ao considerar as condições de
teste, você verificará o p-valor utilizado. A Tabela 2 apresenta os três tipos de hipótese

10
e a região de p-valor a ser utilizada e na Figura 1 está a representação das áreas dentro
da distribuição normal.

Tabela 2 – Condição para utilização dos testes unilateral à esquerda, unilateral à direita e bilateral
Teste de hipótese Tipo de teste

H0 : µ ≥ k
 Unilateral à esquerda
Ha : µ < k

H0 : µ ≤ k
 Unilateral à direita
Ha : µ > k

H0 : µ = k
 Bilateral
Ha : µ ≠ k

-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3

(a) (b) (c)

Figura 1 – Representação para a utilização dos testes unilateral à esquerda (a)

unilateral à direita (b) e bilateral (c) A área sombreada é a equivalente ao p-valor

Exemplo 2
No estudo sobre a presença de nicotina em animais de controle, Duro (2017) apre-
sentou os seguintes valores percentuais de carboxihemoglobina, de 22,74 para a mé-
dia e 0,956 ao desvio padrão. Foram utilizadas 8 amostras de animais de controle.
Se escolhida uma amostra e essa apresentar valor igual a 22,0 %, a hipótese nula
deverá ser rejeitada? Considere as duas situações: o teste unilateral e bilateral para o
nível de significância de 5%
Solução: para µ = 22,74; σ = 0,956, n = 8 e x = 22 , tem-se aplicado o teste z,
de modo que:

x −µ 22 − 22,74 −0,74
=z →
= z =
σ n 0,956 8 0,3380

z = −2,19

Como x < µ , utiliza-se o teste unilateral à esquerda. Consultando a curva normal

padronizada, p-valor é igual a 0,0143. Como o nível de significância é de 5% (ou
α = 0,05), a hipótese nula deve ser rejeitada.
Para o teste bilateral, o valor do teste de significância é dividido por 2, ou seja, α =
0,025. Dessa forma, como 0,025 > 0,0143, a hipótese nula também deverá ser rejeitada.

11
11
UNIDADE Testes de Hipóteses para
Médias e Análise de Variância

Exemplo 3
Quais seriam os valores de x para os testes unilateral (à esquerda e à direita) e
bilateral? A hipótese nula é aceita?
Solução: Neste caso, realiza-se a consulta primeiramente da Tabela e obtém-se
os valores de z. Para o teste unilateral à esquerda (α = 0,05) o valor de z = -1,645 é
obtido pela média de z = -1,65 e z = -1,64. Assim:
x −µ x − 22,74
=z → −1,645
=
σ n 0,956 8
0,956
x − 22,74 =
−1,645 ⋅
8
x − 22,74 =−0,556
x= −0,556 + 22,74
x = 22,18%

Portanto, valores superiores a 22,18% creditam que a hipótese nula deverá ser aceita.
Aplicando-se o teste unilateral à direita, por ser a curva de distribuição simétrica,
z = 1,645 e α = 0,05 (ou 95%), temos:
x −µ x − 22,74
z= → 1,645 =
σ n 0,956 8
0,956
x − 22,74 =1,645 ⋅
8
x − 22,74 =0,556
=x 0,556 + 22,74
x = 23,26%

Assim, valores inferiores a 23,26 tornam a hipótese nula aceita.

Para o teste bilateral, os valores de z serão –2,81 (α = 0,025) e z = 2,81 (α =
0,975). Repetindo os cálculos, temos:
x −µ x − 22,74
=z → −=2,81
σ n 0,956 8
0,956
x − 22,74 =−2,81 ⋅
8
x − 22,74 =−0,9498
x= −0,9498 + 22,74
x = 21,79%

x −µ x − 22,74
z= → 2,81=
σ n 0,956 8
0,956
x − 22,74 =2,81 ⋅
8
x − 22,74 =0,9498
=x 0,9498 + 22,74
x = 23,69%

12
 Portanto, entre os valores de 21,79% e 23,69%, para um teste bilateral, a hipóte-
se nula deverá ser aceita. Uma sugestão a ser seguida é a da Figura 2, que possui o
esquema para utilizar o teste de hipótese:

Pergunta: p-valor ≤ α?

SIM NÃO

Rejeitar H0 Aceitar H0
Figura 2 – Esquema para utilizar o teste de hipótese

Erros Associados a um
Problema de Testes de Hipótese
Mesmo que ocorram escolhas para testes de hipótese, considerando o nível de
significância escolhido, uma amostra incomum, ou seja, fora dos padrões, poderá
levar à rejeição errônea da hipótese nula.

Ademais, poderá ocorrer que a hipótese nula é rejeitada – o que não é verdade.
Assim, pode-se avaliar que H0 seja rejeitada quando for verdadeira ou que H0 não
pode ser rejeitada quando ela for falsa. Esses erros podem acontecer e isso poderá
gerar outro tipo de erro, chamado de tipo II. Assim:
• Erro de tipo I: rejeitar a hipótese nula quando ela é verdadeira;
• Erro de tipo II: não rejeitar a hipótese nula, quando ela é falsa.

Exemplo 4
Em uma pesquisa de uma grande rede de lojas, pelo menos 75% dos clientes vol-
tariam a fazer negócios com a loja. Então, descrever os tipos de erro (I e II).

Solução:

Ao consultar a Tabela 1, a hipótese nula ( H0 ) a ser aceita é p ≥ 0,75 e a hipótese

alternativa é que Ha < 0,75 .

Neste caso, o erro de tipo I considera que a hipótese nula é quando a porcen-
tagem de clientes for igual ou superior a 75%. Por sua vez, o erro de tipo II seria
considerar que existe a possibilidade de que todos os clientes (100%) voltariam a fa-
zer negócios com a loja, portanto, havendo falsa impressão de que todos os clientes
estão comprando da loja.

13
13
UNIDADE Testes de Hipóteses para
Médias e Análise de Variância

Exemplo 5
Determinado medicamento foi testado com 20 pacientes e o tempo médio de re-
cuperação após o seu uso foi de 18 dias, com desvio padrão de 4 dias. O laboratório
responsável propôs uma nova formulação do medicamento, adicionando um novo
composto que reduziria o tempo de recuperação. Somente a hipótese nula será re-
cusada se o composto adicionado reduzir o tempo de recuperação.

Solução:

Para este caso é importante avaliar o limite do nível de significância para obter o
mínimo valor do tempo de recuperação. Logo, o valor do nível de significância será
de 1% ou α = 0,01 (ou 99% de confiança).

Consultando a Tabela de teste z, tem-se que z = -2,33, ou seja:

x −µ x − 18
=z → −= 2,33
σ n 4 20
4
x − 18 =−2,33 ⋅
20
x − 18 =−2,084
x= −2,084 + 18
=x 15,9 dias ≈ 16 dias

Dessa forma, em tempos de recuperação inferiores ou iguais a 16 dias a hipótese

nula deverá ser rejeitada.

Por exemplo, o valor médio de recuperação é, agora, de 17 dias, podendo ocasio-

nar o aparecimento do erro de tipo II. Perceba que a variação de um dia em relação
à hipótese nula ( µ ≥ 18 ) ocasiona diferenças na distribuição estatística:

x −µ 16 − 17
=z →
= z
σ n 4 20
z = −1,12

O valor de α correspondente é 0,1314, como não rejeição da hipótese nula ou

1 − 0,1314 =0,8686 .

Supondo que o tempo médio seja de 14 dias:

x −µ 16 − 14
=z →
= z
σ n 4 20
z = 2,24

O valor de α correspondente é de 0,9875, logo, como não rejeição da hipótese

nula, ou 1 − 0,9875 =0,0125 .

14
 Se o foco da discussão é que µ ≥ 18 , a hipótese nula foi considerada e quando
explicada a condição extrema para o nível de significância de 1% e que as médias
foram de 17 e 14 dias, que são as hipóteses falsas, ou seja, erro de tipo II, ficaram
evidentes as mudanças da distribuição do teste, conforme pode-se ver na Figura 3:

1 – 1,1314 = 0,8686 1 – 0,9875 = 0,0125

6 8 10 12 14 16 18 20 22 24 26 28 30 6 8 10 12 14 16 18 20 22 24 26 28 30 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30

17

(a) (b) (c)

Figura 3 – Distribuição normal do Exemplo 5: (a) quando µ = 18 (verdadeira)

e (b) e (c) quando a distribuição para µ = 17 e µ = 14. Em ambos os casos H0 é falsa

O Teste Anova para Comparação de Duas ou

Mais Médias para Amostras Independentes
A análise de variância, conhecida por anova, concentra-se na análise das médias
populacionais ou de tratamento. Considerando um fator, é conhecida como anova
de fator único, em que consiste a influência de um fator sob as respostas de duas ou
mais amostras.
Para efeito das hipóteses, devem ser considerados para duas médias:

H0 : µ1 = µ2

Ha : µ1 ≠ µ2

Será determinado o teste F utilizando a curva de teste para a hipótese nula verda-
deira, quando Fcalculado ≤ Ftabelado , para a qual comparam-se os valores das variâncias.
O valor de F calculado é dado como:

variância entre amostras

F=
variância dentro das amostras
∑n ( x −x)
2
i i
variância entre amostras=
k −1

variância dentro das amostras=

∑ ( n − 1) s i i
2

N−k

Em que k é o número de amostras e N a soma do tamanho das amostras.

Exemplo 6
Estudos conduzidos por Fejes e colaboradores (2005) separaram dois grupos de 61
homens, cada, e relacionaram a mortandade de esperma ao uso do telefone celular.

15
15
UNIDADE Testes de Hipóteses para
Médias e Análise de Variância

O primeiro grupo, em média, ficou menos de 15 minutos utilizando o aparelho e

apresentado o percentual de esperma de 49%; o outro grupo teve média de exposição
de 60 minutos. Os desvios padrão respectivos foram de 21 e 22%. Para o nível de
significância de 5%, há diferenças entre as médias?
Solução:
A hipótese nula será considerada, ou seja, não há diferenças significativas entre a
mortandade de esperma com os tempos de exposição ao telefone celular. A Tabela 3
auxilia quanto às informações:

Tabela 3 – Dados do Exemplo 5

Grupo 1 Grupo 2
x1 = 49 x2 = 41

(21 ) (22 )
2 2
s12
= = 441 s22
= = 484

Realizando os cálculos (veja que há duas possibilidades para calcular a média

das médias):

x1 + x2 61 ⋅ 49 + 61 ⋅ 41
=x = = 45
N 122
x1 + x2 49 + 41
=x = = 45
k 2

∑n ( x −x)
2
61 ( 49 − 45) + 61 ( 41 − 45)
2 2
i i
variância entre amostras= =
k −1 2 −1
variância entre amostras=1952

variância dentro das amostras=

∑ ( n − 1) s = ( 61 − 1) 441 + ( 61 − 1) 484
i i
2

N−k 61 + 61 − 2
variância dentro das amostras=462,5

Assim:

variância entre amostras 1.952

=F =
variância dentro das amostras 462,5
F = 4,22

Os graus de liberdade do numerador ν N e do denominador ν D são os seguintes:

νN = k −1 = 2 −1 = 1
ν D = N − k = 122 − 2 = 120

Consultando a tabela do teste F, tem-se o valor tabelado de F = 3,92 para o nível

de significância de 5%. Comparando com os valores, percebe-se que Fcalculado > Ftabelado
Portanto, existem diferenças significativas do tempo de exposição ao telefone celular
e da mortandade de esperma.

16
Testes t de Student para
Comparação Entre Duas Médias
Quando realizado o teste de hipótese, foi considerada a população para avaliação.
No entanto, dentro da Bioestatística, uma amostragem deverá ser a representação
dessa população. Além disso, aplica-se o teste t de Student quando a média e o
desvio padrão da população são desconhecidos, de modo que as variâncias das
amostras são iguais.
De uma forma geral, o teste t de Student (t) é descrito como:

diferença das médias

t=
erro da diferença dos desvios padrão das amostras

Traduzido em linguagem estatística, temos:

x1 − x2
t=
s12 s22
+
n1 n2

Exemplo 7
Utilizar o Exemplo 5 para determinar o valor de t por meio da relação matemática
apresentada.

Solução: Aplicando o teste t de Student, tem-se:

x1 − x2 49 − 41
=t = →t
s12 s22 212 222
+ +
n1 n2 61 61
8
t=
7,2295 + 7,9344
t = 2,054

Exemplo 8
Para o Exercício 6 há diferenças entre os dois grupos em um nível de significância
de 5%?

Solução:

A Tabela do teste t a ser utilizada leva em consideração os graus de liberdade (ν ),

sendo determinada da seguinte forma:

ν = ( n1 + n2 ) − 2

17
17
UNIDADE Testes de Hipóteses para
Médias e Análise de Variância

ν= ( 61 + 61) − 2= 122 − 2
Para o exercício, tem-se:
ν = 120
Em consulta à Tabela, utilizando ν = 120 e α = 0,05 , o valor de t é de 1,980.
Comparado ao valor calculado, considerando que o valor de t da Tabela é bilateral e
que o valor de t calculado (2,054) é superior ao valor da Tabela (1,980), a hipótese
nula é rejeitada e conclui-se que quanto maior o tempo de uso diário do telefone
celular, maior será o percentual de mortandade de espermas.

Comparações Múltiplas Usando o Teste

t de Student e os Métodos de Correção
Ao se utilizar do valor F para o teste de anova de um fator, faz-se a análise apenas
da média e são realizadas as comparações. Porém, quais valores dentro das médias
analisadas são diferentes entre si? Nesse caso, deve-se utilizar o procedimento de
comparações múltiplas.

Para isso, aplica-se o teste de Tukey, chamado de método T, que utiliza os con-
ceitos de Student, a depender dos graus de liberdade do numerador m (ou também
chamado de número de tratamentos) e do denominador ν , respectivamente, aná-
logo ao teste F para um valor crítico α.

Para não confundir, o valor do teste na Tabela será denominado Q, sendo que não
é necessária a subtração de 1 para o valor de m para determinar o grau de liberdade
a ser utilizado na Tabela.

Exemplo 9
Aplicação do teste de Tukey para o Exemplo 5, considerando o nível de signifi-
cância de 5%.

Solução:

Ao consultar a Tabela para o teste de Tukey, tem-se para 5% (α = 0,05) para m = 2

e ν = 120; tem-se que Q0,05,2,120 = 2,80 (perceba que o número de tratamentos é igual
a 2 e somente os graus de liberdade da amostra foram subtraídos: 122 - 2 = 120).
A Tabela 4 é a utilizada no teste de Tukey:

Tabela 4 – Representação do teste de Tukey para gl = 120 (denominador) e número de tratamentos (m) igual a 2
V t (número de tratamentos)
α
(gl erro) 2 3 4 5 6 7 8 9 10
0,05 3,36 3,36 3,68 3,92 4,10 4,24 4,36 4,47 4,56
120
0,01 4,20 4,20 4,50 4,71 4,87 5,01 5,12 5,21 3,30

18
 Com o valor da Tabela, calcula-se o valor da diferença das médias w, determinada
pela seguinte relação:

variância dentro das amostras

w = Qα ,m ,ν .
N−k
Para o caso do exercício, tem-se que:

425
=w 2,80
= 5,26
122 − 2

Ao comparar os valores médios dispostos do menor para o maior, tem-se que:

x1 x2
41 49

Ao comparar a diferença de valores, percebe-se que x2 − x1 =

8.

A hipótese nula será aceita se o valor de w for maior que o valor da diferença
entre as amostras. Dessa forma, ao se observar os valores, conclui-se que o valor
calculado é superior ao tabelado (8 > 5,26) e, portanto, a hipótese nula é descartada
e existem diferenças entre amostras.

Uma hipótese é uma teoria ou proposição apresentada como uma explicação para a
ocorrência de algum fenômeno observado, afirmado como uma conjectura provisória para
guiar a investigação, chamada de hipótese de trabalho, ou aceita como altamente provável
em vez dos fatos estabelecidos. Uma hipótese científica pode se tornar uma teoria ou, em
última análise, uma lei da natureza se for comprovada por experimentos repetíveis. O teste
de hipóteses é comum nas estatísticas como um método de tomada de decisões usando
dados. Em outras palavras, testar uma hipótese está tentando determinar se sua observação
de algum fenômeno é provável que tenha realmente ocorrido com base em estatísticas.
[...]
Conclusões possíveis
Uma vez que as estatísticas são coletadas e você testa sua hipótese contra a probabilidade
do acaso, você tira sua conclusão final. Se você rejeitar a hipótese nula, afirmará que seu
resultado é estatisticamente significativo e que isso não aconteceu por sorte ou por acaso.
Como tal, o resultado prova a hipótese alternativa. Se você não rejeitar a hipótese nula, deve
concluir que não encontrou efeito ou diferença em seu estudo. Este método é como muitos
medicamentos e procedimentos médicos são testados. Disponível em: https://bit.ly/31UsaTI

19
19
UNIDADE Testes de Hipóteses para
Médias e Análise de Variância

Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:

 Vídeos
O que são testes de hipóteses; para que servem os testes de hipóteses
https://youtu.be/h4QcWDDlrW0
Tipos de erros e nível de significância em teste de hipótese – erros de tipos I e II
https://youtu.be/cpH2MSRuVp8
Passo a passo para fazer testes de hipóteses
https://youtu.be/VPmDaFbOtsM
Comparação da média com o test t de Student
https://youtu.be/4-NUdcIdFG8
Amostras independentes versus dependentes (emparelhadas) – teste de hipóteses para 2 populações
https://youtu.be/TpYGBlkmcHs
Testes de comparação múltipla (t-lsd, Tukey, Duncan, Dunnet, Scott-Knott)
https://youtu.be/GYfSuVTiEbQ

 Leitura
Tabela de distribuição normal padrão
Usar nos exemplos 2, 3, 4 e 5 deste Material Teórico.
https://bit.ly/3mE64wZ
Distribuição F de Snedecor a 5% (p=0,05)
Para o Exemplo 6 deste Material Teórico.
https://bit.ly/35KcljU
Distribuição F de Snedecor a 1% (p=0,01)
Para o Exemplo 6 deste Material Teórico.
https://bit.ly/3myL8Y3
Tabela de valores críticos para o teste t de Student
Para os exemplos 7 e 8 deste Material Teórico.
https://bit.ly/2TA7c8r
Valores críıticos qp,ν da amplitude studentized – α = 0, 05
Para o Exemplo 9 deste Material Teórico.
https://bit.ly/3jG4p8a
Valores críıticos qp,ν da amplitude studentized – α = 0, 01
Para o Exemplo 9 deste Material Teórico.
https://bit.ly/3ecepoG

20
Referências
DURO, S. O. Efeitos da exposição à fumaça do cigarro com diferentes con-
centrações de nicotina nos elementos da transmissão sináptica no início do
período pós-natal de camundongos. 2017. Dissertação (Mestrado em Toxicologia
e Análises Toxicológicas) – Faculdade de Ciências Farmacêuticas da Universidade de
São Paulo, São Paulo, 2017.

FEJES, I. et al. Is there a relationship between cell phone use and semen
quality? Arch. Androl. v. 51, p. 385-393, 2005.

GLANTZ, S. A. Princípios de Bioestatística. 7. ed. Porto Alegre, RS: AMGH, 2014.

HOGG, R. V. Statistical education: improvements are badly needed. The American

Statistician, v. 45, n. 4, p. 342-343, 1991.

LARSON, R.; FARBER, B. Estatística aplicada. São Paulo: Pearson Education do

Brasil, 2015.

MARTINEZ, E. Z. Bioestatística para os cursos de Graduação da área da Saúde.

São Paulo: Blucher, 2015.

21
21