Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdução..................................................................................................................................3
Referências bibliográficas........................................................................................................11
Introdução
O teste de hipóteses é uma técnica estatística utilizada para tomar decisões sobre uma
população com base em informações amostrais. Ele permite que os pesquisadores possam
avaliar se uma afirmação feita sobre a população é suportada pelos dados amostrais ou se
deve ser rejeitada em favor de uma alternativa. O teste de hipóteses é amplamente utilizado
em diversas áreas do conhecimento, incluindo medicina, psicologia, biologia, engenharia,
entre outras.
O teste de hipóteses é baseado em um valor estatístico calculado a partir dos dados amostrais,
que é comparado a um valor crítico obtido a partir de uma distribuição de probabilidade
conhecida. Se o valor estatístico calculado for menor do que o valor crítico, a hipótese nula é
aceita como verdadeira. Caso contrário, a hipótese nula é rejeitada em favor da hipótese
alternativa.
Embora o teste de hipóteses seja uma técnica poderosa, é importante ter em mente que ele
não pode fornecer uma prova absoluta da veracidade de uma hipótese. Em vez disso, ele
fornece evidências que permitem que o pesquisador faça uma decisão informada sobre a
aceitação ou rejeição de uma hipótese.
1. Erros nos testes de hipóteses
A uma decisão está sempre associada a um risco, o risco de errar. No caso particular dos testes de
hipótese a tomada de decisão, para a população, é baseada na informação amostral pelo que se
podem cometer erros.
Uma das principais características dos testes de hipóteses é permitir controlar ou minimizar o
risco associado às decisões erradas.
A abordagem dos testes de hipóteses para controlar os erros consiste em fixar a probabilidade
associada ao erro de Tipo I, 𝛼, e minimizar a probabilidade associada ao erro de Tipo II, 𝛽.
A razão pela qual se atribui mais importância ao erro Tipo I deriva do seguinte ponto de vista: a
possibilidade de rejeitar 𝐻0 incorretamente é considerada mais grave, pois esta hipótese
corresponde à que deve ser defendida, a menos que existam evidências fortes a apontarem em
sentido contrário.
O sistema judicial considera que é mais grave culpar um inocente do que absolver um
culpado.
O valor de 𝛽(𝜃1) diminui à medida que o verdadeiro valor de 𝜃 = 𝜃1, se afasta de 𝜃0 (i.e., do
valor indicado 𝐻0), dado ser menos provável que não se detete o verdadeiro valor.
Consequentemente, quanto mais próximo estiver 𝜃1 de 𝜃0 maior é o valor desta
probabilidade.
Quanto mais perto estiver 𝜃1 de 𝜃 o menor é o valor da função potência, menos potente é o
teste, uma vez que é menor a capacidade de distinguir os verdadeiros valores dos falsos. Por
outro lado, quanto mais afastado estiver o verdadeiro valor de 𝜃 = 𝜃1, em relação a 𝜃0, mais
capaz é o teste de tomar decisões corretas.
1.4. Valor p
Se a distribuição da população não for Normal, mas a amostra for de grande dimensão, então
a estatística de teste anterior 𝑍 ~ 𝑁(0; 1).
Se a população for Normal com variância desconhecida, então a estatística de teste a utilizar
é:
X−μ 0
T= t n−1
S
√n
onde 𝜇0 representa o valor de 𝜇 que se assume como sendo o verdadeiro até prova em
contrário, ou seja, o valor que se assume para 𝜇 em 𝐻0.
X−μ
Z=
S ~ N (0;1)
√n
e desta forma deve ser usada a distribuição Normal tanto no cálculo das regiões críticas como
do valor 𝑝.
Regra de decisão |t obs|≥ t n−1 , t 1− α t obs ≥ t n−1 , t 1−α t obs ≤−t n−1 , t 1−α
2
(Rejeitar quando)
Considere duas populações, com médias 𝜇1 e 𝜇2 e desvios padrão 𝜎1 e 𝜎2, das quais se
extraíram aleatoriamente duas amostras independentes com dimensão 𝑛1 e 𝑛2,
respectivamente. Pretende-se realizar um teste de hipóteses para comparar as duas médias
populacionais 𝜇1 e 𝜇2, i. e., para a diferença entre as duas médias 𝜇1 − 𝜇2.
√
2 2
σ1 σ2
+
n1 n2
onde (𝜇1 − 𝜇2)0 representa o valor de 𝜇1 − 𝜇2 que se assume como sendo o verdadeiro até
prova em contrário, ou seja, o valor que se assume para 𝜇1 − 𝜇2 em 𝐻0.
Se as populações não forem Normais, mas as amostras forem de grande dimensão, então a
estatística de teste anterior 𝑍 ~ 𝑁(0; 1).
Quando as duas amostras independentes são retiradas de duas populações com distribuição
Normal com desvios-padrão 𝜎1 e 𝜎2, respectivamente, desconhecidos, mas cuja igualdade
(𝜎1 = 𝜎2) pode ser considerada para um determinado nível de confiança†, a estatística de
teste a utilizar é:b
( X ¿ ¿1−X 2 )−(μ1−μ2 )
T= ¿¿
√
~ t n +n −2
√
2 2
( n 1−1 ) S + ( n2−1 ) S
1 2 1 1 1 2
∗ +
n 1+ n 2−2 n1 n2
Quando as duas amostras independentes são retiradas de duas populações com distribuição
Normal com desvios-padrão 𝜎1 e 𝜎2, respectivamente, desconhecidos, mas onde existe evidência
que são diferentes (𝜎1 ≠ 𝜎2) para um determinado nível de confiança, a estatística de teste a
utilizar é:
( X ¿ ¿1−X 2 )−(μ1−μ2 )
T= ¿¿
√
~ tv
√
2 2
( n 1−1 ) S 1+ ( n2−1 ) S2 1 1
∗ +
n 1+ n 2−2 n1 n2
[ ( )
]
2 2 2
S1 S1
+
n1 n2
Onde v=
( ) ( )
2 2 2 2
1 S1 1 S2
+
n 1−1 n1 n2−1 n 2
Considere uma população Bernoulli, com parâmetro 𝑝, da qual se retirou uma amostra aleatória
suficientemente grande e para a qual se pretende realizar um teste de hipóteses para a proporção
P−p 0
Z=
√ p 0 (1− p0 ) ~N (0;1)
n
( P1 −P 2 )−( p 1− p2)
Z=