Testes de hipóteses

Procedimento de decisão que permite,

perante uma amostra aleatória, decidir sobre
a aceitabilidade de duas hipóteses em
confronto referentes à população.

Há uma hipótese privilegiada, que será designada por hipótese nula e uma
hipótese alternativa que serve para confrontar a hipótese nula.

A hipótese nula será denotada por H0 , enquanto que a hipótese alternativa

será denotada por H1 .

21 de Maio de 2020 1 / 15
A maioria das análises estatı́sticas envolve comparações, mais concreta-
mente entre tratamentos ou procedimentos ou entre grupos de indivı́duos.

O valor numérico correspondente à comparação de interesse é usualmente

denominado de efeito.
A hipótese nula pode corresponder ao efeito ser zero.
Por exemplo, o peso à nascença é em média igual para meninos e meninas.

A hipótese nula é frequentemente a negação da hipótese de investigação

que originou os dados.

A hipótese alternativa é geralmente que o efeito de interesse não é zero.

21 de Maio de 2020 2 / 15
Testes de hipóteses paramétricas
Quando a forma da distribuição da população é (supostamente) conhecida e as
hipóteses dizem respeito a um ou mais parâmetros da distribuição.
Os mais usados são os que pressupõem que a distribuição da população é
Normal.

Testes de hipóteses não paramétricas

Não requerem pressupostos sobre a forma da distribuição da população de onde
foram retirados os dados.

21 de Maio de 2020 3 / 15
 Vantagens dos testes não paramétricos

Se a dimensão da amostra é muito pequena pode não haver alternativa

senão recurso a testes não paramétricos, a não ser que a distribuição exacta
da população seja conhecida.

Os testes não paramétricos requerem usualmente poucos pressupostos acerca

dos dados e podem ser mais relevantes para uma determinada situação
prática.

Os testes não paramétricos, em geral, aplicam-se a amostras provenientes

de um conjunto alargado de populações.

21 de Maio de 2020 4 / 15
Estão disponı́veis testes não paramétricos apara analisar dados com uma
ordem inerente bem como dados cujos valores numéricos se equiparam a
ordens (ranks). Isto significa que, poderá ser possı́vel afirmar a presença
de determinada caracterı́stica se acentua mais ou menos num indivı́duo do
que noutro sem ser necessário quantificar “quão mais ou menos”.

Os métodos não paramétricos podem ser aplicados a dados categorizados

numa escala nominal. Nenhuma técnica paramétrica se aplica a tais dados.

21 de Maio de 2020 5 / 15
 Desvantagens dos testes não paramétricos

Os testes paramétricos, podendo ser aplicados, são mais potentes que os

não paramétricos.

Ao contrário dos testes paramétricos que têm sido sistematizados de tal

modo que testes diferentes são simplesmente uma variação de um tema cen-
tral, os testes não paramétricos são alicerçados em propriedades empı́ricas.

21 de Maio de 2020 6 / 15
 Conceitos gerais
Estatı́stica de teste (T ): função da amostra sobre a qual baseamos a
decisão de rejeição ou não da hipótese nula.

A distribuição de T não pode depender de nenhum parâmetro desconhecido

quando assumimos válida H0 .
O conjunto de todos os possı́veis valores que a estatı́stica de teste pode
assumir é divido em dois subconjuntos: região de rejeição (ou região
crı́tica) e região de não rejeição.

Região crı́tica do teste (RC): conjunto RC tal que se T ∈ RC rejeita-

mos a hipótese nula (logo, não rejeitamos a hipótese alternativa).

Tipos de erros
Situação real
H0 verdadeira H1 verdadeira
Decisão não rejeitar H0 decisão correcta erro de tipo II
tomada rejeitar H0 erro de tipo I decisão correcta

21 de Maio de 2020 7 / 15
 α = P (erro de tipo I) β = P (erro de tipo II)

O ideal seria α = β = 0.
α diminui se β aumenta e vice-versa.
Procura-se assim minimizar β após se ter fixado o valor de α (reduzido).
Um bom teste deve ter ambos os valores próximos de zero.
Valores tı́picos para α são 0.01 e 0.05.

Nı́vel de significância de um teste (α): é a probabilidade de cometer-

mos um erro de tipo I.

α = P (rejeitar H0 | H0 verdadeira)

Potência do teste (1 − β): é a probabilidade de rejeitar uma hipótese

nula se a alternativa for verdadeira.

1 − β = P (rejeitar H0 | H1 verdadeira)

21 de Maio de 2020 8 / 15
Valor de prova ou nı́vel de significância observado de um teste (p,
valor − p ou p − value): valor do nı́vel de significância que corresponde à
alteração da decisão final. Isto é, o menor nı́vel de significância que conduz
à rejeição de H0 , para uma dada amostra observada.

Se valor − p ≤ α rejeitamos H0
Se valor − p > α não rejeitamos H0

valor − p ≤ 0.05 significa que um resultado que pode ocorrer menos de

uma vez em 20 quando a hipótese nula é verdadeira, conduzirá à rejeição da
hipótese nula. Nestes casos, o resultado é dito estatisticamente significativo
ou tem significância estatı́stica, ou seja, é improvável que tenha ocorrido por
acaso.

21 de Maio de 2020 9 / 15
 Interpretação dos valores de prova (p − values)

O valor de prova é a probabilidade de ter observado os nossos dados (ou

dados mais extremos) quando a hipótese nula é verdadeira.
A interpretação do valor de prova é problemática.
Se conduzirmos um ensaio clı́nico para compararmos dois tratamentos e obti-
vermos um valor de prova “grande”, digamos maior que 0.2, então podemos
dizer que dados como os nossos podem ocorrer frequentemente quando a
hipótese nula é realmente verdadeira. Não podemos assim excluir a possibi-
lidade da hipótese nula ser verdadeira, ou seja que os dois tratamentos são
igualmente eficazes.
Se o valor de prova é muito pequeno, digamos inferior a 0.001, então a
hipótese nula parece improvável porque os nossos dados dificilmente surgem
por acaso sob a validade da hipótese nula. Podemos então sentir-nos con-
fiantes que a hipótese nula não é verdadeira e consequentemente um dos
tratamentos é melhor.
Entre os dois casos anteriores fica uma área cinzenta, mas convencionalmente
um ponto de corte é escolhido (α) e se o valor de prova é inferior ou igual a
α a hipótese nula é rejeitada.

21 de Maio de 2020 10 / 15
 Testes de hipóteses paramétricas e
intervalos de confiança

Tipos de hipóteses: As hipóteses podem ser simples ou compostas. Uma

hipótese simples apenas contempla uma possibilidade.

Tipos de testes: Os testes podem ser unilaterais ou bilaterais. Unilaterais

são todos os testes cuja hipótese alternativa apenas contempla
valores exclusivamente à esquerda (ou à direita) da hipótese nula.

21 de Maio de 2020 11 / 15
Testes unilaterais
H 1 : µ > µ0 Se o valor da estatı́stica de teste é positivo, o valor de prova deste
teste valor − puni obtém-se do valor de prova do teste bilateral p
p
valor − puni =
2
Se o valor da estatı́stica de teste é negativo, o valor de prova deste
teste valpr − puni obtém-se do valor de prova do teste bilateral p
p
valor − puni = 1 −
2
H 1 : µ < µ0 Se o valor da estatı́stica de teste é negativo, o valor de prova deste
teste valor − puni obtém-se do valor de prova do teste bilateral p
p
valor − puni =
2
Se o valor da estatı́stica de teste é positivo, o valor de prova deste
teste valor − puni obtém-se do valor de prova do teste bilateral p
p
valor − puni = 1 −
2

21 de Maio de 2020 12 / 15
Nota
Os testes de hipóteses unilaterias são raramente adequados. Mesmo que se
tenha à priori fortes expectativas, por exemplo que um novo tratamento
não pode ser pior que o antigo, não podemos ter a certeza que temos razão.

Se for sentido que um teste unilateral é apropriado, então a decisão tem de

ser feita antes dos dados serem analisados e nunca com base nos resultados
obtidos.

21 de Maio de 2020 13 / 15
 Relação entre intervalos de confiança e testes de
hipóteses bilaterais

O valor de prova será inferior a 0.05 (i.e. o efeito terá significância es-
tatı́stica) apenas quando o intervalo de confiança a 95% não contiver o
valor zero (ou, mais geralmente, o valor especificado em H0 ).

Um intervalo de confiança mostra a incerteza, ou falta de precisão, na

estimativa de interesse, e portanto transmite mais informação útil que o
valor de prova.
Apresentando um intervalo de confiança a 95% também se está a indicar
se o valor de prova está acima ou abaixo de 5%.

Não se podendo apresentar ambos, um intervalo de confiança e o valor do

valor de prova, deve-se optar pelo intervalo de confiança.
Um intervalo de confiança com uma amplitude grande é um indicador de
uma potência de teste pequena.

21 de Maio de 2020 14 / 15
Existem 3 procedimentos para realizar um teste de hipótese ao nı́vel de signi-
ficância α:
1 Com base na região crı́tica.
Rejeitar H0 se o valor observado da estatı́stica teste pertencer à região crı́tica
de tamanho α.
2 Através do valor de prova (valor − p).
Rejeitar H0 se valor − p ≤ α.
3 Através de intervalos de confiança (apenas para testes bilaterais).
Rejeitar H0 se o valor do parâmetro especificado em H0 não pertencer ao
intervalo de confiança (1 − α) × 100%.

21 de Maio de 2020 15 / 15