UNIVERSIDADE FEDERAL DE SÃO PAULO –

UNIFESP
Eng. Química

Inferências baseadas em duas amostras

Profª. Drª. Iara R. A. P. Bresolin

 Inferências baseadas em duas
amostras

Extensão dos métodos para situações que envolvem

as médias, proporções e variâncias de duas
distribuições de populações diferentes.
 Inferências baseadas em duas
amostras

Exemplo: Seja 1 o número médio real da dureza

de Rockwell de espécies de aço tratados a base de
calor e 2 a dureza média real de espécies tratadas
a frio.

Que tipo de informação pode ser obtida por

inferência com tais dados?

O engenheiro pode verificar por meio de testes de

hipótese, se o aço tratado a base de calor possui
dureza diferente do aço tratado a frio.
 Inferências baseadas em duas
amostras
Para isto considere-se as seguintes hipóteses:

Teste Z
Hipóteses básicas:

✓ X1, X2, …, Xm é uma amostra aleatória de uma

população com media 1 e variância 12.
✓ Y1, Y2, …, Yn e uma amostra aleatória de uma
população com media 2 e variancia 22.
✓ As amostras X e Y são independentes entre si.
 Populações normais com
variâncias conhecidas

✓ Hipótese nula H0:

✓ Valor da estatística de teste:

✓ Hipótese alternativa Região de rejeição nível 

 Exemplo: Populações normais
com variâncias conhecidas

A análise de uma amostra aleatória que consiste de

m=20 espécies de aço tratado a frio para determinar a
resistência resultou em uma resistência média
amostral de x=29,8 ksi. Uma segunda amostra
aleatória de n=25 espécies de aço galvanizado de
dois lados forneceu uma resistência média amostral
de y=34,7 ksi. Assumindo que as duas distribuições
sejam normais com 1=4,0 e 2=5,0, os dados
indicam que as resistências médias reais
correspondentes 1 e 2 são diferentes? (nível de
significância  = 0,01)
 Exemplo: Populações normais
com variâncias conhecidas
1) Parâmetro de interesse:

2) Hipótese nula (H0):

3) Hipótese alternativa (Ha):

4) Valor da estatística de teste:

 Exemplo: População normal
com variância conhecida
5) Região de rejeição:

6) Substituindo os valores da amostra:

z = 29,8 - 34,7 – 0 = -3,65

7) Conclusão: A hipótese nula (H0) será rejeitada com

nível de significância =0,01, pois -3,65 < -2,58, assim
1 ≠  2 .
 Inferências baseadas em duas
amostras

Teste T

Hipóteses básicas:

✓ X1, X2, …, Xm é uma amostra aleatória com

distribuição normal.
✓ Y1, Y2, …, Yn e uma amostra com distribuição normal.
✓ As amostras X e Y são independentes entre si.
 Inferências baseadas em duas
amostras
Neste caso

A distribuição t possui graus de liberdade  (ou gl)

calculado a partir dos dados por:

Arredonde 
para baixo!
 Populações normais com apenas variâncias
amostrais conhecidas (S2) e amostras pequenas

✓ Hipótese nula H0:

✓ Valor da estatística de teste:

✓ Hipótese alternativa Região de rejeição nível 

 Exemplo: Pop. normais com apenas variâncias
amostrais conhecidas (S2) e amostras pequenas

Uma tecnologia proposta para a reabilitação dos

oleodutos utiliza um revestimento flexível que passa
pelo tubo existente. Os pesquisadores publicaram os
seguintes dados sobre a resistência a tensão de
espécies sujeitas ao processo de fusão e de outros
que não passaram por este processo. Assumindo
normalidade dos dados e nível de significância α=0,05,
verifique se o processo de fusão aumentou a
resistência a tensão média.
 Exemplo: Pop. normais com apenas variâncias
amostrais conhecidas (S2) e amostras pequenas

Fundido:
3027; 3356; 3359; 3297; 3125; 2910; 2889; 2902

Não fundido:
2748; 2700; 2655; 2822; 2511; 3149; 3257; 3213; 3220; 2753

m=8 x=3108,1 psi S1=205,9 psi

n=10 y=2902,8 psi S2=277,3 psi

Repetir o exercício para α=0,01

 Exemplo: Pop. normais com apenas variâncias
amostrais conhecidas (S2) e amostras pequenas
1) Parâmetro de interesse:

2) Hipótese nula (H0):

3) Hipótese alternativa (Ha): >

4) Valor da estatística de teste:

 Exemplo: Pop. normais com apenas variâncias
amostrais conhecidas (S2) e amostras pequenas
5) Região de rejeição: → = 1,753
0,05; 15

= 15,94 ~ 15,00

6) Substituindo os valores da amostra:

t = 3108,1 – 2902,8 – 0 = 1,80
205,92 277,32

8 10

7) Conclusão: A hipótese nula (H0) será rejeitada com

nível de significância =0,05, pois 1,80 > 1,753, assim
1 > 2 .
 Inferências baseadas em duas
amostras

Dados pareados (ou emparelhados)

Exemplo:

1 problema de saúde → vinte pacientes → dois tratamentos

Os dois tratamentos são observações feitas sobre o mesmo
individuo, local ou objeto.
 Inferências baseadas em duas
amostras-dados pareados
✓ Hipótese nula H0:

✓ Valor da estatística de teste:

Onde D=X-Y é a diferença entre as duas observações

no par e D=1-2, d e SD são a média amostral e o
desvio padrão, respectivamente dos d's.
✓ Hipótese alternativa Região de rejeição nível 
 Exemplo dados pareados
Distúrbios musculoesqueléticos de pescoço e ombro
são muito comuns entre funcionários que fazem tarefas
repetitivas. Os dados a seguir foram obtidos de uma
amostra de n=16 pessoas. Cada observação é a
quantidade de tempo, expressa como proporção de
tempo total observado durante o qual a elevação do
braço esteve abaixo de 30°. As duas medições de cada
pessoa foram obtidas por 18 meses separadamente.
Durante este período, as condições de trabalho foram
alteradas e as pessoas puderam se ocupar de uma
variedade maior de tarefas. Os dados sugerem que o
tempo médio real durante o qual a elevação esta
abaixo de 30° é diferente após a mudança de trabalho?
Assumir =0,01.
 Exemplo dados pareados

Pessoa 1 2 3 4 5 6 7 8
Antes 81 87 86 82 90 86 96 73
Depois 78 91 78 78 84 67 92 70
diferença 3 -4 8 4 6 19 4 3

Pessoa 9 10 11 12 13 14 15 16
Antes 74 75 72 80 66 72 56 82
Depois 58 62 70 58 66 60 65 73
diferença 16 13 2 22 0 12 -9 9
 Exemplo dados pareados

1) Parâmetro de interesse: (diferença média real entre o

tempo de elevação antes e depois da mudança das condições de
trabalho)

2) Hipótese nula (H0): = 0 (não há diferença entre os

tempo antes e após a mudança)

3) Hipótese alternativa (Ha): 0 (não sabemos se o

tempo aumento ou diminuiu)

4) Valor da estatística de teste:

Exemplo dados pareados