Escolar Documentos
Profissional Documentos
Cultura Documentos
(Estimação Intervalar
e
Testes de Hipóteses)
2017
Índice
i
Capı́tulo 1
Estimação Intervalar e
Testes de Hipóteses
1.1 Introdução
Neste Capı́tulo vamos focar a nossa atenção nos testes de hipóteses e na
estimação intervalar, i.e. na estimação através da construção de intervalos
de confiança (IC), cujos limites, inferior e superior, são em si duas v.a.’s
(i.e. trata-se de facto de intervalos aleatórios), nos testes de hipóteses e na
relação entre estimação intervalar e testes de hipóteses.
É cada vez mais comum hoje em dia ouvirmos valores de estimativas
de custos ou de previsões de produções ou de determinadas percentagens
que vêm afectados de uma ’margem de erro’. Este valor da ’margem de
erro’, habitualmente designado por α, está intimamente relacionado com a
amplitude de um IC bilateral correspondente a uma probabilidade interna de
(1 − α), onde α deverá ser um pequeno valor de probabilidade (por exemplo,
0.01 ou 0.05) que funciona em termos simples como a ’probabilidade de
erro’ (todos estes conceitos serão apresentados de uma forma mais precisa
ao longo deste Capı́tulo).
Na estimação intervalar pretende-se determinar os limites de um IC,
de modo que o verdadeiro valor do parâmetro que pretendemos estimar se
encontre dentro desses limites. Isto com uma margem de erro associada, a
qual se pretende pequena, ou mesmo, segundo determinada óptica, mı́nima,
isto é, qual possamos de alguma forma controlar, de forma que seja possı́vel
fazermos variar os limites do IC em função dessa margem de erro, a qual se
pretende manter pequena.
Um exemplo muito simples é o seguinte: suponhamos que se sabe (ou se
1
2 • Cap.1 -Estimação Intervalar e Testes de Hipóteses
então dir-se-á que temos uma confiança de 0.95 que o verdadeiro valor de µ
esteja entre x − 0.0585 e x + 0.0665, chamando-se então também ao valor
0.95(= 1 − α) o coeficiente de confiança ou grau de confiança.
Embora se possam evidentemente construir IC’s com um qualquer valor
de coeficiente ou grau de confiança entre 0 (zero) e 1, é comum tomar para
coeficiente de confiança um valor elevado, próximo de 1 e os valores 0.95
e 0.99 (e também 0.995 e 0.999) tornaram-se clássicos, primordialmente
porque para muitas das v.a.’s que encontraremos envolvidas na construção
de IC’s terão distribuição Normal, Qui-quadrado, T , ou F e essencialmente,
antes do advento e generalização da utilização dos computadores recorria-
-se à utilização de tabelas de onde se retiravam os valores dos respectivos
quantis dessas v.a.’s para calcular os IC’s.
Uma questão que aqui se poderá colocar desde já ao leitor menos atento
é a seguinte: mas então porque não construı́mos sempre IC’s com 100% de
grau de confiança?
Observe bem como foi realizada a construção dos IC’s apresentados atrás
como exemplo e tente responder a esta questão! (Veja que existe de facto
uma boa razão para que não utilizemos IC’s com 100% de confiança!)
O método de construção de IC’s apresentado é de facto um método
geral. Se pretendermos construir um IC para determinado parâmetro ou
determinada função de dado parâmetro, temos de obter em primeiro lugar
um estimador (usualmente centrado ou mesmo UMVU) desse parâmetro ou
dessa função do parâmetro (o estimador X nos nossos exemplos) e construir
com ele uma v.a. cuja distribuição não dependa nem do parâmetro em causa
nem de outros parâmetros com valor desconhecido (a v.a. Z nos nossos
exemplos).
Os testes de hipóteses serão introduzidos de uma forma um tanto in-
formal, quase que intuitiva, a par com a construção dos correspondentes
intervalos de confiança. Mais tarde a questão dos testes de hipóteses será
abordada mais formalmente.
Quanto aos testes de hipóteses, mesmo para uma abordagem simples,
teremos de definir pelo menos o que se entende por hipótese nula e hipótese
alternativa. Em termos muito simples diremos que a hipótese nula, habi-
tualmente denotada por H0 , representa usualmente o valor do parâmetro que
reflecte de alguma forma o que os conhecimentos assentes até à data pos-
tulam, ou o que a nossa falta de conhecimento sobre o assunto nos levaria
cautelosamente a postular, sendo assim sempre redigida de forma que o
parâmetro em causa (i.e. o parâmetro a ser testado) exibe com o valor pos-
tulado uma relação de igualdade. Por exemplo, num teste ao valor esperado
6 • Cap.1 -Estimação Intervalar e Testes de Hipóteses
H0 : µ = a ,
com !
σ2
X ∼ N µ,
n
e portanto com
X −µ
Z=p 2 ∼ N (0, 1) , (1.5)
σ /n
sendo que a distribuição de Z não é função de µ e na construção de Z o
único parâmetro não conhecido é exactamente µ. Então será exactamente
com base na v.a. Z que iremos construir os IC’s para µ.
Assim, um IC bilateral para µ (e centrado em X), correspondente a uma
probabilidade de 1 − α, será derivado do facto de termos
1 − α = P −z1−α/2 ≤ Z ≤ z1−α/2
!
X −µ
= P −z1−α/2 ≤p 2 ≤ z1−α/2
σ /n
q q
= P −X − z1−α/2 σ 2 /n ≤ −µ ≤ −X + z1−α/2 σ 2 /n
q q
= P X − z1−α/2 σ 2 /n ≤ µ ≤ X + z1−α/2 σ 2 /n ,
1 − α = P (zq ≤ Z ≤ z1−α+q )
X − µ|H X −a
Zcalc = p 2 0 = p 2 (1.10)
σ /n σ /n
H0 : µ ≥ a
vs. (a ∈ IR) (1.11)
H1 : µ < a
H0 : µ ≤ a
vs. (a ∈ IR) (1.12)
H1 : µ > a
10 • Cap.1 -Estimação Intervalar e Testes de Hipóteses
sendo o procedimento a adoptar para o seu teste mais uma vez exactamnente
análogo ao descrito atrás, mas sendo agora a regra de rejeição de H0 a
de rejeitar H0 se Zcalc > z1−α , e vice-versa. Ao teste cujas hipóteses se
encontram em (1.12) chamaremos teste unilateral com zona de rejeição à
direita.
Note-se que em qualquer um dos casos a regra de rejeição de H0 , cor-
responde a rejeitarmos H0 se o valor calculado da estatı́stica do teste em
(1.10) assumir valores ’demasiado extremos’. Precise o sentido do termo
’demasiado extremos’ na frase acima e interprete o sentido de tais decisões,
face às expressões em (1.10).
Note-se também que correspondendo a zona de rejeição de qualquer
hipótese nula à zona exterior ao correspondente IC, a decisão de rejeição
de determinada hipótese nula H0 corresponderá sempre à postulação de um
valor a que cai fora do correspondente IC, de modo que de facto a simples
determinação do devido IC será sempre suficiente para a realização do res-
pectivo teste de hipóteses, sendo a decisão a tomar a de rejeitar H0 se o
valor de a em H0 cair fora do IC correspondente ao teste que se pretende
realizar (e vice-versa, não rejeitar H0 se o valor de a em H0 não cair fora do
IC). Note-se que associada a esta decisão está de facto uma margem de erro
igual a α.
Note-se também que a construção do Intervalo de Confiança correspon-
dente a um qualquer teste de hipóteses, será sempre feita sobre a zona de
não-rejeição de H0 , uma vez que a probabilidade de 1 − α, que se pretende
que seja a probabilidade de o verdadeiro valor do parâmetro que estamos a
testar ficar entre os limites do Intervalo de Confiança, é a probabilidade de
não se cometer o erro de rejeitar a hipótese H0 , dado que H0 é verdadeira.
A questão que se poderia então colocar ao leitor menos atento seria:
porque não reduzimos então α a zero?
Note-se que esta questão já foi colocada atrás, sob uma faceta ligeira-
mente diferente, sendo que o leitor mais atento saberá já certamente qual a
resposta a dar à questão colocada.
tenhamos !
σ2
X ∼ N µ,
n
1.2. IC’s e testes para a média de uma v.a. com distribuição Normal • 11
e
X −µ
Z=p 2 ∼ N (0, 1) (1.13)
σ /n
a v.a. Z em (1.13) não poderá ser utilizada para construir IC’s para µ, uma
vez que agora σ 2 também é desconhecido e Z é função de µ mas também de
σ2.
Como σ 2 é desconhecido, teremos de utilizar no seu lugar um seu es-
timador, de preferência centrado e consistente (e, se possı́vel, UMVU), i.e.
utilizaremos
n
2 1 X
S = (Xi − X)2
n − 1 i=1
√X−µ
X −µ σ 2 /n
T =p 2 =p (∼ Tn−1 ) (1.15)
S /n ((n − 1)S /σ 2 ) /(n − 1)
2
X −µ
p
σ 2 /n
a dividir pelos seus graus de liberdade, e sendo estas duas v.a.’s indepen-
dentes por serem construı́das respectivamente à base das v.a.’s X e S 2 e estas
serem independentes (veja-se o Teorema 9.4), a v.a. T em (1.15) será uma
v.a. com distribuição T com n − 1 graus de liberdade (os graus de liberdade
da v.a. com distribuição Qui-quadrado que surge no denominador).
12 • Cap.1 -Estimação Intervalar e Testes de Hipóteses
de modo que
q q
X − tn−1 (1 − α/2) S 2 /n, X + tn−1 (1 − α/2) S 2 /n
e q
X − tn−1 (1 − α) S 2 /n, +∞ ,
H0 : µ = a
vs. (a ∈ IR)
H1 : µ 6= a
H0 : µ ≤ a
vs. (a ∈ IR) (1.17)
H1 : µ > a
Di = X1i − X2i (i = 1, . . . , n)
2.
com distribuição Normal com valor esperado µD e variância σD
Talvez seja então apropriado definirmos aqui formalmente o que enten-
demos por amostras emparelhadas.
Note-se que enquanto em alguns casos, face às duas (ou mais) amostras
poderá nem sempre ser fácil a determinação da correspondência entre as
i-ésimas observações das duas (ou várias) amostras, a aplicação da definição
de amostras emparelhadas funciona sempre muito bem para determinar se
duas (ou mais) amostras são ou não emparelhadas.
Nesta nossa abordagem muito simples da questão da amostragem, duas
(ou mais) amostras que não sejam emparelhadas serão independentes (veja-
se a secção a seguir para uma definição mais rigorosa de amostras indepen-
dentes).
Voltando então ao nosso problema de construção de IC’s, pretendemos
construir IC’s para µD , o valor esperado ou média da v.a. D, suposta ter
uma distribuição Normal. Se suposermos que σD 2 é desconhecida, estaremos
e q
2 /n, +∞ .
D − tn−1 (1 − α) SD
D − µD
T = q ∼ Tn−1
SD2 /n
H0 : µD ≤ a
vs. (a ∈ IR) (1.19)
H1 : µD > a
X2 ∼ N (µ2 , σ22 ),
16 • Cap.1 -Estimação Intervalar e Testes de Hipóteses
Note-se que nos exemplos i) e ii) acima os dados recolhidos eram exacta-
mente da mesma natureza dos recolhidos nos exemplos i) e ii) apresentados
na secção anterior como exemplos de amostras emparelhadas., o que tenta
ilustrar o facto de a natureza das amostras (emparelhadas ou independentes)
ter unicamente a ver com o modo como a amostragem foi conduzida e não
com o tipo de variáveis amostradas, podendo-se contudo colocar a questão de
qual será ou teia sido o tipo de amostragem mais adequado para a realização
de determinado estudo com determinados objectivos.
Consideremos então as estatı́sticas
n1 n2
1 X 1 X
X1 = X1i , X2 = X2i ,
n1 i=1 n2 i=1
1.4. IC’s e testes para a diferença de duas médias • 17
n 1 n2
1 X 2 1 X 2
S12 = X1i − X 1 , S22 = X2i − X 2 .
n1 − 1 i=1 n2 − 1 i=1
S12 S22
(n1 − 1) ∼ χ2n1 −1 independente de (n2 − 1) ∼ χ2n2 −1
σ2 σ2
e portanto com
1 1
2
X 1 − X 2 ∼ N µ1 − µ2 , σ +
n1 n2
ou
X 1 − X 2 − (µ1 − µ2 )
r ∼ N (0, 1) ,
1 1
σ2 n1 + n2
(Xr
1 −X 2 )−(µ1 −µ2 )
1
σ2 n1
+ n1
2
T =r (∼ Tn1 +n2 −2 )
S2
.
(n1 + n2 − 2) σp2 (n1 + n2 − 2)
o que mostra ser esta v.a. um quociente entre uma v.a. com distribuição
N (0, 1) e a raı́z quadrada de uma v.a. com distribuição Qui-quadrado a
dividir pelos seus graus de liberdade, independente da v.a. no numerador,
sendo assim uma v.a. com distribuição T (de Student) com os mesmos graus
de liberdade que a v.a. com distribuição Qui-quadrado.
Teremos assim um IC bilateral para µ1 − µ2 , correspondente a uma
probabilidade de 1 − α, construı́do sobre of facto de termos
s
1 1
= P − tn1 +n2 −2 (1−α/2) Sp2 + ≤ X 1 −X 2 − (µ1 −µ2 )
n1 n2
s
1 1
≤ tn1 +n2 −2 (1 − α/2) Sp2 +
n1 n2
s
1 1
= P − X 1 −X 2 − tn1 +n2 −2 (1−α/2) Sp2 + ≤ − (µ1 −µ2 )
n1 n2
s
1 1
≤ − X 1 − X 2 + tn1 +n2 −2 (1 − α/2) Sp2 +
n1 n2
1.4. IC’s e testes para a diferença de duas médias • 19
s
1 1
= P X 1 − X 2 − tn1 +n2 −2 (1 − α/2) Sp2 + ≤ µ1 − µ2
n1 n2
s
1 1
≤ X 1 − X 2 + tn1 +n2 −2 (1 − α/2) Sp2 +
n1 n2
e sendo assim dado por
" s
1 1
X 1 − X 2 − tn1 +n2 −2 (1 − α/2) Sp2 + ,
n1 n2
s #
1 1
X 1 − X 2 + tn1 +n2 −2 (1 − α/2) Sp2 + .
n1 n2
O IC unilateral à direita para µ1 − µ2 , correspondente a uma probabilidade
de 1 − α, é dado por
# s #
1 1
−∞, X 1 − X 2 + tn1 +n2 −2 (1 − α) Sp2 + ,
n1 n2
e o IC unilateral à esquerda por,
" s "
1 1
X 1 − X 2 − tn1 +n2 −2 (1 − α) Sp2 + , +∞ ,
n1 n2
sendo a dedução destes IC’s unilaterais deixada como exercı́cio.
Os correspondentes testes de hipóteses serão o teste bilateral com
H0 : µ1 − µ2 = a
vs. (a ∈ IR) (1.21)
H1 : µ1 − µ2 6= a
com rejeição da hipótese nula H0 a favor de H1 se |Tcalc | > tn1 +n2 −2 (1−α/2),
onde Tcalc representa o valor calculado da estatı́stica em (1.20), onde se
substitui µ1 − µ2 pelo valor a em H0 em (1.21) acima, o teste unilateral com
zona de rejeição à esquerda,
H0 : µ1 − µ2 ≥ a
vs. (a ∈ IR)
H1 : µ1 − µ2 < a
com rejeição de H0 se Tcalc < −tn1 +n2 −2 (1 − α), e o teste unilateral com
zona de rejeição à direita, com
H0 : µ1 − µ2 ≤ a
vs. (a ∈ IR)
H1 : µ1 − µ2 > a
20 • Cap.1 -Estimação Intervalar e Testes de Hipóteses
S2
X 2 = (n − 1) ∼ χ2n−1 , (1.22)
σ2
com
S12 S22
(n1 − 1) ∼ χ2n1 −1 e (n2 − 1) ∼ χ2n2 −1
σ12 σ22
a serem duas v.a.’s independentes, dada a independência de S12 e S22 , devida
à independência das duas amostras.
Mas então a v.a.
S22 σ12
F = ( ∼ Fn2 −1,n1 −1 ) (1.24)
S12 σ22
terá uma distribuição Fn2 −1,n1 −1 por ser o quociente de duas v.a.’s inde-
pendentes com distribuição Qui-quadrado, cada uma delas a dividir pelos
seus respectivos graus de liberdade, de modo que, sendo fn2 −1,n1 −1 (α/2)
e fn2 −1,n1 −1 (1 − α/2) respectivamente os quantis α/2 e 1 − α/2 de uma
distribuição Fn2 −1,n1 −1 , temos
σ12
um IC bilateral para σ22
, correspondente a uma probabilidade de 1 − α será
" #
1 S12 S12
, f n2 −1,n1 −1 (1 − α/2) . (1.25)
fn1 −1,n2 −1 (1 − α/2) S22 S22
σ2
Os IC’s unilaterais para σ12 , respectivamente à direita e à esquerda, cor-
2
respondentes a uma probabilidade de 1 − α, serão então
# # " "
S2 1 S12
0, fn2 −1,n1 −1 (1 − α) 12 e , +∞ ,
S2 fn1 −1,n2 −1 (1 − α) S22
sendo H0 rejeitada se Fcalc > fn2 −1,n1 −1 (1−α/2) ou Fcalc < fn2 −1,n1 −1 (α/2)
= 1/fn1 −1,n2 −1 (1 − α/2), onde Fcalc representa o valor calculado da es-
σ2
tatı́stica em (1.24), onde se substitui σ12 pelo valor a em H0 em (1.26).
2
Os testes unilaterais, respectivamente com zonas de rejeição à esquerda e à
direita, correspondem respectivamente às hipóteses
σ12
H0 : σ22
≤a H0 : σ12 ≤ a σ22
vs. ⇐⇒ vs. (a ∈ IR+ )
σ12
H1 : σ22
>a H1 : σ12 >a σ22
e
σ12
H0 : σ22
≥a H0 : σ12 ≥ a σ22
vs. ⇐⇒ vs. (a ∈ IR+ )
σ12
H1 : σ22
<a H1 : σ12 < a σ22
1.7 O valor-de-p
Embora muitos autores advoguem que na abordagem clássica de um teste
devemos fixar a priori o valor de α para o qual vamos realizar o teste e tomar
então a decisão, face ao valor calculado da estatı́stica do teste, de rejeitar ou
não a hipótese nula, uma das questões que se pode legitimamente colocar é
a questão de o que se passaria para um valor ou nı́vel diferente de α. Esta
questão tem de facto uma resposta parcial relativamente simples, bastando
reparar que para valores de α menores, as amplitudes dos IC’s associados ao
24 • Cap.1 -Estimação Intervalar e Testes de Hipóteses
α2 < α1
rejeitar H0 =⇒ rejeitar H0
decisão não rejeitar H0 =⇒ 6 ?
tomada não rejeitar H0 ⇐= não rejeitar H0
? ⇐=
6 rejeitar H0
Figura 11.2 – Ilustração da relação entre as decisões de rejeição
ou não de H0 , para quatro situações possı́veis, relativas a
dois diferentes valores de α, com α1 > α2 .
X −µ
T =p 2 ∼ Tn−1 .
S /n
de modo que quanto mais elevado for o valor de n, menor será esta amplitude.
Também a amplitude do IC bilateral para µ na subsecção 1.2.2, onde se
considera σ 2 desconhecido é uma função decrescente de n, ao ser dada por
q
2 tn−1 (1 − α/2) S 2 /n
4 S 2 (tn−1 (1 − α/2))2
n ≥ . (1.28)
L2
O problema agora é que não só surge S 2 no lado direito da desigualdade,
o que nos força não só a ter uma amostra prévia disponı́vel que seja sufi-
cientemente fiável, de modo a que possamos utilizar o valor calculado de S 2
dessa amostra para o cálculo de n, assumindo assim que esse valor será uma
tão boa estimativa de σ 2 que o seu valor não se alterará significativamente
de amostra para amostra, como o problema ainda é também o de n surgir
também no segundo membro da desigualdade (1.28), como parte do número
de graus de liberdade no quantil da v.a. com distribuição T de Student.
Temos então de facto três diferentes possı́veis abordagens para ultrapas-
sar esta dificuldade. Uma será a de determinar n por tentativas, ou talvez
mais propriamente, através de um processo iterativo em que. a partir de um
valor inicial, vamos dando valores sucessivos a n até encontrarmos o menor
valor de n que satisfaça (1.28). Outra possibilidade será a de determinar n
’po defeito’, i.e. utilizando um processo que sabemos que irá dar um valor
de n que será igual ou inferior (de uma forma geral inferior) ao valor de n
que de facto se pretende determinar. Este processo baseia-se na substituição
da desigualdade (1.28) pela desigualdade
4 S 2 (z(1 − α/2))2
n ≥ , (1.29)
L2
proveniente de (1.28) pela substituição de tn−1 (1 − α/2) por z(1 − α/2).
Note-se que z(1 − α/2) < tn−1 (1 − α/2), para qualquer n ∈ IN , com
Bibliografia
(Leitura recomendada)
Exercı́cios
Exercı́cios :
1.1 Suponhamos que é habitualmente aceite que a altura (medida em
cm) de determinada cultivar de milho é uma v.a. normal com média
200 e variância desconhecida. Um certo experimentador pensa que
a asserção quanto ao valor médio está errada e decide implemen-
tar uma experiência que lhe permita testar tal hipótese. Planta
então um talhão com a referida cultivar de milho, de onde amostra
aleatòriamente 8 plantas. As suas alturas (em cm) eram
1.4 Certo investigador pensa ter razões suficientes para afirmar que a
utilização de determinado herbicida, habitualmente utilizado na cul-
tura do cereal T, conduz a produções mais elevadas, por combater
as infestantes. O experimentador pensa mesmo poder afirmar que
’a aplicação do herbicida conduz a aumentos de produção superi-
ores a 80g/m2 ’. Com a finalidade de testar a sua hipótese decidiu
estabelecer um ensaio onde em 6 pequenos talhões de terreno, cor-
respondentes a 6 diferentes tipos de solo, divididos em 2 lotes cada
um, foi semeado o cereal T. Posteriormente foi aplicado o herbicida
em apenas um dos 2 lotes, seleccionado aleatoriamente. Realizada a
colheita, os resultados referentes à produção do cereal T, em g/m2 ,
foram os seguintes:
Talhão
1 2 3 4 5 6
Lote c/ herbicida 380 420 450 360 410 390
Lote s/ herbicida 280 290 370 260 270 280
Exercı́cios • 35
1.6 Certo experimentador julga ter razões para pensar que a produção
de uma videira da Casta A excede, em termos médios, em mais
de um quilograma a de uma videira da Casta B. Pretendendo tes-
tar esta hipótese decide então seleccionar aleatóriamente 5 videiras
numa vinha da Casta A e cinco outras numa vinha da Casta B. As
duas vinhas encontram-se plantadas sobre dois talhões contı́guos que
apresentam caracterı́sticas uniformes quanto ao solo, topografia e ex-
posição. Na devida altura avaliou a produção das referidas videiras,
tendo-a registado em quilogramas. Os resultados foram os seguintes:
Videira
1 2 3 4 5
Casta A 8.6 8.8 8.2 8.9 7.5
Casta B 6.8 5.6 5.8 6.4 7.8
1.8 Certo investigador pensa ter razões para crer que, em média, o com-
primento da nervura principal das folhas de videiras da casta Fernão
Pires, plenamente desenvolvidas, excede em mais de 0,4cm o compri-
mento da nervura esquerda. Com a finalidade de testar tal hipótese
decide seleccionar aleatóriamente 12 folhas de uma videira em plena
frutificação da casta Fernão Pires, nas quais mediu os comprimen-
tos da nervura esquerda (l2e) e da nervura principal (l1), ambos em
centı́metros. Os resultados foram os seguintes:
Folha
1 2 3 4 5 6 7 8 9 10 11 12
l2e 11.4 8.8 13.2 11.7 9.7 12.0 11.5 9.0 11.0 11.2 8.0 10.0
l1 13.8 9.1 14.5 13.8 12.0 11.5 12.5 9.4 12.5 10.3 9.6 10.5
Pereira – Clone A 72 84 74 70 78
Pereira – Clone B 70 71 67 69 68
Dia 1 2 3 4 5 6 7 8 9
Porto 9.2 13.4 11.5 12.4 8.4 7.5 10.2 12.0 11.1
Lisboa 12.0 17.0 14.6 15.7 11.3 10.7 13.1 11.9 13.7
1.17 Certo experimentador pensa poder afirmar que, para formas com
idêntico grau de dificuldade na identificação, em termos médios,
as pessoas se apercebem dessas formas com a vista direita, a uma
distância que em média excede em mais de 15cm a distância a que
se apercebem de uma forma equivalente, com a vista esquerda. Com
a finalidade de testar esta sua hipótese, o investigador obteve duas
formas desenhadas a preto em fundo branco, com idêntico grau de di-
ficuldade de identificação e decidiu então seleccionar aleatòriamente 6
pessoas da população de interesse, fazendo sempre as pessoas identifi-
carem a forma 1 com a vista direita e a forma 2 com a vista esquerda.
Registou então a distância, em metros, a partir da qual as pessoas
identificavam correctamente a forma correspondente, com a vista di-
reita e com a vista esquerda. Os resultados foram os seguintes:
Pessoa
1 2 3 4 5 6
Vista direita 3.76 2.54 3.96 3.21 2.80 3.52
Vista esquerda 3.51 2.40 3.62 2.96 2.53 3.21
25.o dia 18 21 21 20 24 22
Vaca
1 2 3 4 5
dieta A 8.5 12.0 6.5 11.0 4.0
dieta B 22.5 18.5 16.0 13.0 20.5
a) Diga, justificando, se se trata de um problema de amostras em-
parelhadas ou independentes.
b) Estabeleça as hipóteses nula e alternativa para o problema em
estudo e teste-as para α = 0.05 e α = 0.01. Diga por palavras
suas a que conclusões chegou.
c) Deduza a expressão para um Intervalo de Confiança, correspon-
dente a uma probabilidade de 0.95 que lhe permita testar as
hipóteses em b). Determine a estimativa desse Intervalo de
Confiança, face às amostras obtidas. Como relaciona o resul-
tado obtido com o resultado de b)?
d) Deduza a estatı́stica utilizada no teste em b) e a sua distribuição.
e) Quais os pressupostos que teve de admitir para poder realizar o
teste em b) e o Intervalo de Confinça em c)? Porque são impor-
tantes tais pressupostos? Execute os testes que achar adequa-
dos para saber se deverá ou não admitir que tais pressupostos
se verificam.
1.26 Num estudo sobre duas diferentes dietas para perús (dieta A e dieta
B), o criador de aves tem a hipótese de que a dieta A conduzirá,
ao fim de duas semanas, a um aumento de peso que, em média,
será superior em mais de 1.5Kg ao aumento de peso a que a dieta
B conduz, quando administrada durante o mesmo perı́odo de duas
semanas. Para executar um teste sobre a sua hipótese, foram admin-
istradas as duas dietas, durante duas semanas, a cada uma das duas
partes em que foi dividida a população de perús em determinado
aviário. Ao fim dessas duas semanas foram seleccionados aleatoria-
mente 6 perús da população que tinha sido sujeita à dieta A e outros
seis perús da população que tinha sido sujeita à dieta B e o ganho
em peso (nessas duas semanas) de cada um dos perús foi registado,
em Kilogramas.
Dieta A 2.7 2.5 2.6 2.0 2.8 1.9
Dieta B 0.6 0.8 0.1 0.5 0.7 0.4
Exercı́cios • 55
iii) Qual deveria ser a dimensão comum das duas amostras para
que para α = 0.05 tenhamos um IC bilateral com ampli-
tude não superior a 5cm, para o parâmetro ou função de
parâmetros que tem vindo a testar?
iv) Construa a estatı́stica utilizada no teste em i), a partir das
suas asserções e deduza a sua distribuição.
c) Utilize um teste não-paramétrico para testar hipóteses de al-
guma forma semelhantes às hipóteses em i), reformulando-as
adequadamente, se achar que tal é necessário (utilize α = 0.05 e
α = 0.01). O que acha da aplicação de um teste não-paramétrico
ao estudo em questão?