Capítulo 8

Teste de Hipótese para a Média

Objetivos do Capítulo

No capítulo anterior foi visto como estimar a média de uma população e como determinar um
intervalo de confiança para um valor do nível de confidência. Neste capítulo será visto como
essa média pode ser usada para se tirar conclusões sobre valores. Ao término deste capítulo,
você deverá ser capaz de:

1. Entender o que é teste de hipótese.

2. Entender o significado dos tipos de erros I e II.
3. Como realizar o teste para grandes amostras.
4. Como realizar o teste para populações com distribuição normal.
5. Discutir as limitações assim como as aplicações dos testes de hipóteses.

159
8.1 A natureza do teste de hipótese

O teste de hipótese pode ser empregado para se tomar decisões sobre o valor de um parâmetro de
uma população tal como a média ou uma proporção da população. Por exemplo, pode-se ter uma
situação onde um grupo de consumidores deseja saber se a vida de uma determinada marca de
lâmpada corresponde ao valor de 700 horas anunciado pelo fabricante ou se a idade média, µ,
dos estudantes que entraram em uma universidade pública diminuiu com relação ao valor µo de
10 anos atrás.

Um dos métodos usados para se tomar tais decisões é o método denominado teste de
hipótese. Uma hipótese é simplesmente uma afirmação de que alguma coisa é verdadeira. Por
exemplo, a afirmação “o conteúdo líquido de todas as latas de cerveja da marca Cristal sendo
envasilhadas difere do volume anunciado de 350 ml” é uma hipótese.

Tipicamente existem duas hipóteses em um teste de hipótese. Uma delas é chamada de

hipótese nula e a outra de hipótese alternativa. Elas podem ser definidas como segue.

Definição 8.1 – Hipótese nula e alternativa

Hipótese nula: É a hipótese a ser testada. Usamos a notação Ho para indicar a hipótese nula.

Hipótese alternativa: É a hipótese a ser considerada como uma alternativa à hipótese nula.
Usamos a notação Ha para indicar a hipótese alternativa.

Por exemplo, no caso das latas de cerveja, a hipótese nula poderia ser “o conteúdo médio
de todas as latas de cerveja envasilhadas é igual ao conteúdo anunciado de 350 ml” e a hipótese
alternativa poderia ser “o conteúdo médio de todas as latas de cerveja envasilhadas difere do
conteúdo anunciado de 350 ml”. Isto seria indicado por:

Ho: µ = 350 ml (o envasamento está sendo feito corretamente)

Ha: µ ≠ 350 ml (o envasamento não está sendo feito corretamente)

A hipótese nula, em um teste de hipótese relacionado com a média de uma população, µ,

deve sempre especificar um único valor para aquele parâmetro. Isto significa que a hipótese nula
deveria ser sempre da forma µ = µo, onde µo é algum valor especificado, Em outras palavras, a
hipótese nula deve ser sempre escrita com o sinal de igualdade (=). Assim, a hipótese nula terá
sempre a forma

Ho: µ = µo

A hipótese alternativa, por outro lado, deve refletir o propósito do teste de hipótese em
questão. Existem três possibilidades para a escolha da hipótese alternativa.

160
 1. Teste bilateral: Se estivermos preocupados em decidir se a média de uma população, µ, é
diferente de um valor especificado µo. Neste caso expressamos a hipótese alternativa
como
Ha: µ ≠ µo

2. Teste unilateral à esquerda: Se estivermos preocupados em decidir se a média de uma

população, µ, é menor que um valor especificado µo. Neste caso expressamos a hipótese
alternativa como
Ha: µ < µo

3. Teste unilateral à direita: Se estivermos preocupados em decidir se a média de uma

população, µ, é maior que um valor especificado µo. Neste caso expressamos a hipótese
alternativa como
Ha: µ > µo

Exemplo 8.1 – Ilustra a escolha das hipóteses nula e alternativa

Uma empresa comercializa café em pó em embalagens de 500 gramas. Uma máquina

automática enche as embalagens segundo uma distribuição normal com média µ = 500 gramas e
desvio padrão de σ = 20 gramas. O controle de qualidade deseja acompanhar a produção da
máquina para saber se o processo está sob controle. Para isso resolveu coletar uma amostra de 30
embalagens a cada meia hora. Uma dessas amostras apresentou uma média igual a 492 gramas.
Identifique as hipóteses nula e alternativa para este caso.

Solução: Ho: µ = 500

Ha: µ < 500

8.2 A lógica do teste de hipótese

Uma vez definidas as duas hipóteses, a questão agora é: Como podemos decidir qual das
duas hipóteses é a verdadeira, isto é, como decidir se devemos rejeitar ou não a hipótese nula em
favor da hipótese alternativa?

De uma forma bastante genérica, o procedimento para decidir é o seguinte: Selecione

uma amostra aleatória da população. Se os dados da amostra forem consistentes com a hipótese
nula então não rejeite a hipótese nula, caso contrário, rejeite-a e conclua que a hipótese
alternativa é verdadeira. Para isso precisamos definir um critério preciso para decidir se devemos
ou não rejeitar a hipótese nula. O próximo exemplo ilustra essa questão.

Exemplo 8.2 – Ilustra o teste de hipótese

Uma companhia produz saquinhos de batata de 454 gramas. Para verificar se a máquina de
empacotar está trabalhando corretamente o controle de qualidade tomou uma amostra aleatória
de 50 saquinhos. Os pesos líquidos, em gramas, dos 50 saquinhos de batata obtidos são
mostrados na tabela abaixo.

161
 Tabela 8.1 – Pesos dos 50 saquinhos de batata (gramas).

464 442 448 463 468

450 438 450 449 447
450 452 439 447 433
456 447 452 466 464
452 460 459 446 469
433 450 454 447 457
446 453 456 450 454
446 456 454 449 451
450 446 452 457 453
447 433 449 464 443

Os dados recolhidos proporcionam evidência suficiente para concluir que a máquina de

empacotar não está trabalhando adequadamente? Use os seguintes passos para responder à
questão:
a) Escreva as duas hipóteses para o teste de hipótese.
b) Discuta a idéia básica para realizar o teste de hipótese.
c) Obtenha um critério preciso para decidir se rejeitamos ou não a hipótese nula.
d) Aplique o critério e faça a conclusão.

Solução:

Seja µ a média de todos os saquinhos sendo empacotados.

a) As duas hipóteses podem ser escritas como:

Ho: µ = 454 g
Ha: µ ≠ 454 g

b) Basicamente, a idéia de realizar um teste de hipótese é a seguinte: Se a hipótese nula é

verdadeira (isto é, se µ = 454 g), então a média, x, da amostra de 50 pacotes de batatas deve
ser aproximadamente 454 gramas. É natural que nós não esperemos que a média da amostra
seja realmente igual à média da população, algum erro deve ser esperado. Entretanto, se a
média diferir muito do valor 454 então estaremos inclinados a rejeitar a hipótese nula e
concluir que a hipótese alternativa é verdadeira.

Da tabela de valores podemos calcular a média da amostra:

_
x=
∑ x = 22.261 = 451,2 g
n 50

A questão é se a diferença de 2,8g entre a média da amostra e a média hipotética da

população de 454g pode ser atribuída a um erro de amostragem ou se a diferença é grande o
suficiente para indicar que a média da população não é 454g.
162
c) Neste item precisamos obter um critério preciso para decidir se rejeitamos ou não a hipótese
nula, em favor da hipótese alternativa. Podemos aplicar o Teorema do Limite Central que nos diz
que se a amostra é grande (n ≥ 30) então a variável aleatória x é aproximadamente normal com
média e desvio padrão dados por:

µ =µ σ
_ σ =_
x x n

A figura 8.1 ilustra a distribuição das médias das amostras.

0,9544

x
µ - 2σx µ µ +2σx
-2 0 2
Figura 8.1 – Distribuição normal das médias das amostras

Com base neste fato, podemos dizer, por exemplo, que a probabilidade da média x estar
em um intervalo de dois desvios padrões da média da população µ é de 0,9544, ou ainda, que a
probabilidade da média da amostra estar fora deste intervalo é de apenas 0,0456 (1-0,9544),
como mostrado na figura 8.1. Podemos usar este fato como um critério para decidir se devemos
ou não rejeitar a hipótese nula. Especificamente, se a média da amostra retirada da população
estiver dentro do intervalo então podemos atribuir a diferença encontrada a um erro de
amostragem e, assim, aceitar a hipótese nula. Por outro lado, se a média da amostra estiver
distante mais de dois desvios padrões da média da população de 454g, então podemos concluir
que a hipótese nula é verdadeira e um evento extremamente improvável ocorreu durante a coleta
da amostra ou que a hipótese nula é falsa (o que é muito mais razoável) e que a hipótese
alternativa é verdadeira.

Em resumo, podemos especificar o seguinte critério:

Se a média x, dos 50 sacos de batata coletados estiver mais de dois desvios padrões distante
da média da população (454g), então rejeite a hipótese nula, µ = 454g, e conclua que a
hipótese alternativa, µ ≠ 454g, é verdadeira. Caso contrário, não rejeite a hipótese nula.

Na figura 8.2, isto é mostrado graficamente através das regiões de rejeição e não rejeição.

163
 Rejeite Ho Não rejeite Ho Rejeite Ho

0,0228 0,0228
0,9544

x
454 - 2σx 454 454 +2σx
-2 0 2 z

Figura 8.2 – Regiões de rejeição

A probabilidade de rejeitar Ho é de apenas 0,0456, como pode ser visto na figura acima. Esta
probabilidade é denominada nível de significância do teste de hipótese.

d) Finalmente, aplicando o critério da parte (c) aos dados coletados da amostra, podemos colocar
nossa conclusão. Assumiremos que o desvio padrão da população seja conhecido e igual a σ =
7,9 gramas. Para aplicar o critério da parte (c) necessitamos determinar quantos desvios padrões
a média da amostra se desvia da média da população. Isto é feito determinando-se o valor da
variável aleatória padrão

_ _
x − 454 x − 454
z= =
σ _ σ n
x

Sabendo que σ = 7,9 gramas, n = 50 e, da parte (b), que a média da amostra é 451,2 gramas
podemos calcular o valor de z.

_
x − 454 451,2 − 454
z= = = −2,51
σ 7,9
n 50

Uma vez que a média dos 50 saquinhos de batata se encontra a mais de 2 desvios padrões
da média de 454 gramas, decidimos rejeitar a hipótese nula e concluir que a hipótese alternativa,
µ ≠ 454 gramas, é verdadeira. Em outras palavras, os dados proporcionam evidência suficiente
para concluir que a máquina de empacotamento não está trabalhando corretamente.

164
Erros tipo I e II

Como pode ser visto do exemplo, uma vez formuladas as hipóteses Ho e Ha, o nosso
objetivo é analisar os dados da amostra para escolher se rejeitamos Ho ou se retemos Ho. A
rejeição de Ho implica em confirmar Ha e a não rejeição de Ho significa que não há evidência de
que Ha seja verdadeira. Porém, o ponto mais importante é que a decisão de rejeitar Ho deve ser
baseada em uma forte evidência senão, a hipótese Ha não poderá ser considerada verdadeira além
de uma certa dúvida. Qualquer que seja a decisão, é sempre possível que ela seja incorreta
devido ao fato de se usar informações obtidas através de uma amostra da população.

Em testes de hipóteses existem quatro possíveis resultados, sendo que dois deles levam a
decisões incorretas, como pode ser visto na tabela abaixo.

Tabela 8.2 – Resultados possíveis de um teste de hipótese.

Situação verdadeira desconhecida
Decisão baseada na amostra Ho é verdadeira Ha é verdadeira
(Ho é falso)
Rejeite Ho Rejeição errada de Ho Decisão correta
(Erro tipo I)
Não rejeite Ho Decisão correta Retenção errada de Ho
(Erro tipo II)

Como pode ser visto da tabela, uma decisão incorreta ocorre se rejeitamos uma hipótese
nula verdadeira ou se não rejeitamos uma hipótese nula falsa. A primeira decisão incorreta é
denominada Erro tipo I e a segunda, Erro tipo II.

A probabilidade de cometermos o Erro tipo I é a probabilidade de rejeitarmos uma

hipótese nula verdadeira. Em outras palavras, é a probabilidade de que a estatística de teste
estará na região de rejeição quando, na verdade, a hipótese nula é verdadeira. Para ilustrar,
vamos determinar a probabilidade de cometer um Erro do tipo I no teste de hipóteses do
exemplo 8.2. A figura 8.2 proporciona uma visão gráfica do critério usado para decidir se
rejeitamos ou não a hipótese nula µ = 454gramas. Podemos observar da figura 8.2 que a
probabilidade é de 0,0456 (0,228 + 0,0228) de que a estatística de teste, z, caia na região de
rejeição quando, de fato, a hipótese nula é verdadeira. Dessa forma, a probabilidade de um Erro
do tipo I para esse teste de hipótese é de 0,0456. Existem apenas 4,56% de chance de concluir
que µ ≠ 454gramas quando, de fato, µ = 454gramas.

A probabilidade de cometer o Erro tipo I é denominada nível de significância do teste de

hipótese e é indicada pela letra grega α. Assim, o nível de significância do teste de hipótese do
exemplo 8.2 é α = 0,0456. Podemos resumir nossa discussão da probabilidade de um Erro do
tipo I com a definição dada a seguir.

Definição 8.2 – Nível de significância

O nível de significância, α, de um teste de hipótese é definido como sendo a

probabilidade de cometer um Erro do tipo I, isto é, a probabilidade de rejeitar uma hipótese
nula verdadeira.

165
 A probabilidade de cometer o Erro do tipo II é a probabilidade de não rejeitar uma
hipótese nula falsa. Em outras palavras, é a probabilidade da estatística de teste estar na região de
não rejeição mesmo sendo falsa a hipótese nula. A letra grega β é utilizada para indicar a
probabilidade do Erro tipo II.

Idealmente, nós gostaríamos que ambos os tipos de erro tivessem probabilidades

pequenas. Assim, as chances de se fazer uma decisão incorreta seriam pequenas, não importando
se a hipótese nula é verdadeira ou falsa. Entretanto, podemos mostrar que para um tamanho de
amostra fixado, quanto menor a probabilidade do Erro tipo I, α, de rejeitar uma hipótese nula
verdadeira, maior será a probabilidade do Erro tipo II, β, de não rejeitar uma hipótese nula falsa
e, vice-versa. Por isso, é sempre necessário avaliar os riscos envolvidos ao se cometer cada um
dos dois tipos de erro e usar essa avaliação para balancear as probabilidades dos Erros do tipo I e
II.

Assumindo um teste de hipótese unilateral à esquerda, fica fácil mostrar que escolhido
um valor pequeno para α, será improvável que a hipótese nula será rejeitada quando ela de fato
for verdadeira. Na figura 8.3, a probabilidade α é definida pela área hachurada sob a curva
normal com µ = 270. Por outro lado, a probabilidade β de se cometer um Erro tipo II não é
normalmente conhecida e depende do valor de µ que ocorrer quando Ha for verdadeira. Essa
probabilidade é mostrada na figura 8.3 pela área hachurada sob a curva normal com µ = 262
(assumido), considerando que Ha seja verdadeira, ou seja, µ < 270.

x
c µ = 270

c x
µ = 262
Figura 8.3 – As probabilidades de erro α e β.

Também da figura 8.3 pode-se observar que não existe uma escolha do ponto c (fronteira
das regiões de rejeição e de não rejeição) que minimize ambas as probabilidades de erro. Se c é
deslocado para a esquerda, α fica menor mas β torna-se maior e o oposto ocorre se c é deslocado
para a direita. Em vista desse dilema, e assumindo que uma rejeição errada de Ho seja um erro
mais sério, nós usualmente fixamos α com um valor baixo, como por exemplo α = 0,10 ou α =
0,05 ou, ainda, α = 0,01.

166
8.3 Teste de hipótese para média de uma população com base em grandes amostras

No exemplo desenvolvido no item anterior trabalhamos com um nível de significância de

0,0456, porém poderíamos ter adotado um outro nível que julgássemos mais adequado. O nível
de significância é geralmente indicado pela letra grega α e os valores mais comuns de α,
juntamente com os valores críticos zα correspondentes, estão mostrados na tabela 8.3.

Tabela 8.3 – Alguns valores mais usados de α.

α 0,10 0,05 0,025 0,01 0,005

zα z0,10 z0,05 z0,025 z0,01 z0,005
Valores críticos
de zα 1,28 1,645 1,96 2,33 2,575

Podemos agora sugerir um procedimento geral para se aplicar um teste de hipóteses.

Procedimento 8.1- Teste de hipóteses para uma média de uma população com
hipótese nula Ho: µ = µo

Condição: O tamanho da amostra é grande (n ≥ 30)

Passo 1 - Escreva as hipóteses nula e alternativa.

Passo 2 - Defina o nível de significância α.
Passo 3 - Determine o(s) valor(es) crítico(s)
a) Para teste bilateral é ± zα/2
b) Para teste unilateral à esquerda é -zα
c) Para teste unilateral à direita é zα
Use a tabela da distribuição normal padrão.
Rejeite Não rejeite Rejeite Rejeite Não rejeite Ho Não rejeite Ho Rejeite
Ho Ho Ho Ho Ho

α/2 α/2 α α

z z z
- zα/2 0 zα/2 - zα 0 0 zα
Bilateral Unilateral à esquerda Unilateral à direita

Passo 4 – Calcule o valor da estatística de teste

_
x− µ o
z=
s n
Passo 5 – Se o valor da estatística de teste cair na região de rejeição, então rejeite Ho;
caso contrário não rejeite Ho.

Passo 6 – De sua conclusão com palavras.

167
Nota: No passo 4 do procedimento nós usamos o desvio padrão da amostra, s, em vez do desvio
padrão da população σ, porque nós raramente conhecemos σ e o desvio padrão s é uma boa
estimativa de σ quando se trabalha com grandes amostras. Nos raros casos onde σ é conhecido,
ele deve ser usado no lugar de s para o cálculo de z no passo 4 do procedimento.

Exemplo 8.3 – Ilustra o procedimento 8.1

Uma empresa de coleta de informações verificou que em 1986, o preço médio, no varejo, de
todos os livros de capa dura de História era de U$ 28,44 dólares. Os preços de varejo de 40 livros
de História deste ano, aleatoriamente escolhidos, são dados na tabela 8.4 como valores inteiros
em dólares. Os dados fornecidos proporcionam evidência suficiente para concluir que o preço
deste ano de todos os livros de História de capa dura aumentou com relação à média de U$ 28,44
de 1986? Realize o teste apropriado com nível de significância de 1%.

Tabela 8.4 – Preço de 40 livros de história deste ano.

35 37 33 26 50 32 30 39
32 33 48 27 20 24 33 31
39 25 28 31 36 32 26 41
33 25 35 32 41 36 45 27
18 28 32 36 22 34 26 21

Solução:

Uma vez que o tamanho da amostra é grande (n ≥ 30), podemos aplicar o procedimento 8.1.

Passo 1 - Escreva as hipóteses nula e alternativa.

O teste em questão será do tipo unilateral à direita.

Ho: µ = 28,44 (o preço médio não aumentou)

Ha: µ >28,44 (o preço médio aumentou)

Passo 2 - Defina o nível de significância α.

O nível de significância pedido é de 1%. Assim α = 0,01.

Passo 3 - Determine o(s) valor(es) crítico(s).

Para α = 0,01, o valor crítico será z0,01. Da tabela 8.3 (ou tabela 6.1) obtemos z0,01 = 2,33.
Portanto, o valor crítico é 2,33, conforme mostrado na figura 8.4.

168
 Não rejeite Ho Rejeite Ho

Área de 0,01

z
0 2,33

Figura 8.4 – Valor crítico para α = 0,01

Passo 4 - Calcule o valor da estatística de teste

_
x− µ o
z=
s n

Sabemos que µo = 28,44 e n = 40. Calculando a média e o desvio padrão da amostra

encontramos 31,75 e 7,35, respectivamente. Assim, o valor da estatística de teste é

_
x− µ o 31,75 − 28,44
z= = = 2,85
s n 7,53 40

Este valor de z está marcado na figura 8.4 com uma bolinha preta próxima do valor 2,33.

Passo 5 – Se o valor da estatística de teste cair na região de rejeição, então rejeite Ho;
caso contrário, não rejeite Ho.

O valor da estatística de teste encontrado é de 2,85. Como pode ser visto na figura 8.4,
esse valor cai na região de rejeição e, assim, nós devemos rejeitar Ho.

Passo 6 – De sua conclusão com palavras.

Os dados proporcionam evidência suficiente para concluir que o preço médio de todos os
livros de história aumentou com relação ao preço médio de 1986.

8.4 Teste de hipótese para uma população normal

Na seção anterior aprendemos como realizar um teste de hipótese relacionado com a

média de uma população, µ, quando trabalhamos com uma amostra grande (n ≥ 30). Entretanto,
em muitos casos não é possível ou não é econômico coletar uma amostra grande. Nesta seção
veremos um método que não requer amostras grandes, porém requer que a população sendo
amostrada seja normalmente distribuída. Assumiremos que o desvio padrão não seja conhecido,
o que ocorre na maioria dos casos.

169
 Já vimos no capítulo anterior que se tomarmos uma amostra de tamanho n de uma
população normalmente distribuída com média µ, a variável aleatória

_
x− µ
t=
s n

tem uma distribuição t com n-1 graus de liberdade. Em outras palavras, as probabilidades para
aquela variável aleatória são iguais às áreas sob a curva t com GL = n-1. Conseqüentemente,
quando a população sendo amostrada é normalmente distribuída, nós podemos realizar um teste
de hipóteses com a hipótese nula Ho: µ = µo, empregando a variável aleatória acima como nossa
estatística de teste e usando a tabela da distribuição t para obter o valor crítico (ou os valores
críticos).

O procedimento 8.2 fornece os passos necessários para realizar o teste de hipóteses.

Procedimento 8.2- Teste de hipóteses para uma média de uma população com
hipótese nula Ho: µ = µo

Condição: População Normal

Passo 1 - Escreva as hipóteses nula e alternativa.

Passo 2 - Defina o nível de significância α.
Passo 3 - Determine o(s) valor(es) crítico(s)
a) Para teste bilateral é ± tα/2
b) Para teste unilateral à esquerda é -tα
c) Para teste unilateral à direita é tα
com df = n-1. Use a tabela da distribuição t.
Rejeite Não rejeite Rejeite Rejeite Não rejeite Ho Não rejeite Ho Rejeite
Ho Ho Ho Ho Ho

α/2 α/2 α α

t t t
- tα/2 0 tα/2 - tα 0 0 tα
Bilateral Unilateral à esquerda Unilateral à direita

Passo 4 – Calcule o valor da estatística de teste

_
x− µ o
t=
s n
Passo 5 – Se o valor da estatística de teste cair na região de rejeição, então rejeite Ho;
caso contrário não rejeite Ho.

Passo 6 – De sua conclusão com palavras.

170
Exemplo 8.4 – Ilustra o procedimento 8.2

Assuma que a média de gasto com energia elétrica de todas as famílias de uma certa
região seja de R$ 1123,00 em um determinado ano. Neste mesmo ano, coletando-se uma amostra
aleatória de 15 famílias de classe média alta obteve-se os valores mostrados na tabela abaixo,
arredondados para o inteiro mais próximo. Com um nível de significância de 5%, os dados
indicam que famílias da classe média alta gastam, em média, em energia mais do que a média da
região de R$ 1123,00? (Assuma que a distribuição de gasto com energia das famílias da classe
média alta seja normalmente distribuída).

Tabela 8.5 – Gastos com energia elétrica (R$).

1254 1350 1227 1154 1790
1615 1521 908 1231 1369
1711 1293 1205 1351 1185

Solução:

Uma vez que a população em questão é normalmente distribuída, podemos aplicar o

procedimento 8.2 para realizar o teste de hipóteses.

Passo 1 - Escreva as hipóteses nula e alternativa.

O teste em questão será do tipo unilateral à direita.

Ho: µ = 1123 (a média não é maior que a média nacional)

Ha: µ > 1123 (a média é maior que a média nacional)

Passo 2 - Defina o nível de significância α.

O nível de significância pedido é de 5%. Assim α = 0,05.

Passo 3 - Determine o(s) valor(es) crítico(s).

O valor crítico para um teste unilateral à direita é tα, com GL = n-1. Neste caso, n = 15 e
GL = 15-1 = 14, com α = 0,05. Da tabela 7.4 (capítulo 7, pag. 151) obtemos t0,05 = 1,761. Veja
figura 8.5.

Não rejeite Ho Rejeite Ho

Curva t com
GL = 14
0,05

t
0 1,761

Figura 8.5 – Valor crítico para α = 0,05.

171
Passo 4 – Calcule o valor da estatística de teste.

_
x− µ o
t=
s n

Sabemos que µo = 1123 e n = 15. Além disso, a média e o desvio padrão dos dados
constantes na tabela acima são 1344,27 e 231, respectivamente. Conseqüentemente, o valor da
estatística de teste é:

_
x− µ o 1344,27 − 1123
t= = = 3,710
s n 231 15

Passo 5 – Se o valor da estatística de teste cair na região de rejeição, então rejeite Ho;
caso contrário não rejeite Ho.

O valor encontrado é igual a 3,710 e este valor cai dentro da região de rejeição. Assim,
nós rejeitamos Ho.

Passo 6 – De sua conclusão com palavras.

Os dados proporcionam evidência suficiente para concluir que famílias da classe média
alta gastaram mais do que a média das famílias da região.

172
Exercícios – Sequência 8.1

1) Um fabricante de tintas afirma que o tempo médio de secagem de sua nova tinta látex é
de duas horas. Para testar esta afirmação, foram obtidos os tempos de secagem para 20
latas aleatoriamente selecionadas. A média da amostra e o desvio padrão são 123,1 min e
10,0 min, respectivamente. Assumindo que os tempos de secagem sejam normalmente
distribuídos, os dados apresentados proporcionam evidência suficiente para concluir que
o tempo médio de secagem é na verdade maior do que o tempo anunciado de 120 min?
Use α = 0,05.

2) Um revendedor de baterias recebeu um grande carregamento de baterias para automóveis

de um fabricante, que afirma que as baterias tem uma vida média de 36 meses. Um teste
com 10 baterias deste carregamento resultou nas seguintes durações em meses:

27,6 28,7 34,7 29,0 22,9

29,6 29,4 30,2 36,5 34,7

a) Os dados indicam que a vida média das baterias recebidas é menor do que os 36
meses anunciados? Realize o teste com 1% de nível de significância. (Nota: Σx =
303,3 e Σx2 = 9343,85).
b) Qual condição você tem que assumir sobre as vidas das baterias para realizar o teste
de hipóteses que você realizou na parte a?

173
8.5 Teste de hipótese para médias de duas populações

Nesta seção examinamos métodos usados para fazer inferência estatística sobre as médias
de duas populações trabalhando com amostras grandes e independentes. Entendemos que duas
amostras são independentes se a amostra retirada de uma população não interfere na amostra
retirada da outra população.

O problema consiste em comparar as médias de duas populações para decidir se existe

alguma diferença entre elas. A lógica para se fazer esta comparação pode ser resumida como
mostrado na figura 8.6. Uma amostra grande (n ≥ 30) é retirada aleatoriamente de cada
população. As médias das amostras são calculadas e comparadas, levando a uma conclusão de
que as médias não são iguais se houver uma diferença significativa entre elas.

População 1 População 2
µ1 µ2
σ1 σ2

n1 Amostra 1 Amostra 2 n2

x1 x2
s1 Calcule média 1 Calcule média 2 s2

Compare a média 1 com a

média 2. Tome uma decisão

Figura 8.6 – Procedimento para comparar duas médias.

O procedimento adotado para realizar um teste de hipóteses, para as médias de duas

populações, é similar ao adotado anteriormente para uma única população e está baseado na
figura 8.6. Os principais pontos do procedimento são discutidos a seguir.

1. Nosso problema é que nós temos duas populações com médias µ1 e µ2 e desejamos saber
se existe diferença entre elas. A hipótese nula é

Ho: µ1 = µ2 (as médias coincidem)

2. Observando a figura 8.6, note que retiramos uma amostra de cada uma das populações e
_ _
calculamos as médias. A diferença observada x1 − x 2 é, agora, a estatística de teste (em
vez de x da seção anterior).

174
3. Se retirássemos todas as possíveis amostras de tamanho n1 e n2 das duas populações, nós
teríamos uma distribuição das “diferenças entre as médias das amostras”. Se as amostras
são grandes, o Teorema do Limite Central nos permite assumir que a distribuição da
amostragem é aproximadamente normal.

4. Se a hipótese nula Ho: µ1 = µ2 é verdadeira, então a média da distribuição das diferenças

das médias das amostras deve ser zero, como mostrado na figura 8.7. O próximo passo é
localizar a estatística de teste ( x1 – x2 ) nesta distribuição e verificar onde ela cai relativo
à média zero assumida.

α/2 = 0,025 α/2 = 0,025

_ _
x a − xb
x1 – x2
µ1 - µ2 = 0

Figura 8.7- Distribuição das diferenças das médias.

5. Para localizar a estatística de teste na distribuição necessitamos calcular o desvio padrão

da distribuição. Podemos provar que o desvio padrão é dado por

 2 2   σ 12 σ 22 
σ _ _ =  σ _ + σ _  =  + 
x1 − x2  x1 x2  n
 1 n 2 

6. Como os valores das variâncias das duas populações são raramente conhecidos, podemos
usar as variâncias das amostras como estimadores ou estimativas das variâncias das
populações para calcular uma estimativa do desvio padrão. Para isso, basta substituir σ
por s na fórmula anterior.

 s12 s 22 
s_ _ =  + 
x1 − x2
 n1 n2 
_ _
7. A localização da estatística da amostra x1 − x 2 , relativa à média da distribuição, pode ser
encontrada calculando-se o valor de z.

_ _ 
 x1 − x 2  − 0
z= 
s_ _
x1 − x2

175
 8. Se a estatística de teste cair na região de rejeição então rejeite Ho; caso contrário, não
rejeite Ho.

Exemplo 8.5 – Ilustra o procedimento de teste

Deseja-se verificar se existe diferença entre salários pagos a professores de instituições

públicas e instituições privadas através de um teste de hipóteses. Para isso, selecionou-se
aleatoriamente 30 professores da rede pública e, com base em seus salários anuais, determinou-
se a média de seus salários como sendo de R$37.335,20 com desvio padrão de R$13.129,09. O
mesmo procedimento foi adotado para os professores da rede privada. Foram selecionados 35
professores obtendo-se média de R$39.558,97 e desvio padrão de R$14.940,88. O teste de
hipóteses deve ser feito com nível de significância igual a 5%.

Solução:
Passo 1 – Definir as hipóteses nula e alternativa.
Seja µ1 a média salarial dos professores da rede pública e µ2 a média salarial dos
professores da rede privada. As hipóteses nula e alternativa podem ser escritas como

Ho: µ1 = µ2 (as médias salariais coincidem)

Ha: µ1 ≠ µ2 (as médias salariais são diferentes)

Passo 2 – O nível de significância foi definido em 5%.

Passo 3 – Os valores críticos de z para α = 0,05 são definidos como ± zα/2 .

Da tabela 6.1 (áreas para curva normal), determinamos ± z0,05/2 = ± z0,025 = ± 1,96. A
figura abaixo mostra os valores críticos.

Rejeite Ho Não rejeite Ho Rejeite Ho

α/2 = 0,025 α/2 = 0,025

z
0
-1,96 1,96

Passo 4 – Cálculo do valor da estatística de teste.

 s12 s 22   13129,09 2 14940,88 2 

s_ _ 
=  +  =   +  = 3481,92
x1 − x2 n
 1 n 2   30 35 

176
 _ _ 
 x1 − x 2  − 0
37335,20 − 39558,97
z=  = = −0,64
s_ _ 3481,92
x1 − x2

Passo 5 – Pela figura observamos que o valor –0,64 não cai dentro da região de rejeição. Assim,
nós não rejeitamos a hipótese nula Ho.

Passo 6 – Dê sua conclusão

Baseado nos dados da amostra nós não temos evidência suficiente para concluir que
existe uma diferença entre as médias salariais dos professores da rede pública e privada.

Os passos são dados em forma resumida pelo procedimento 8.3.

Procedimento 8.3- Teste de hipóteses para as médias de duas populações com

hipótese nula Ho: µ1 = µ2
Condições: Grandes amostras (n1 ≥ 30, n2 ≥ 30) e amostras independentes.

Passo 1 - Escreva as hipóteses nula e alternativa.

Passo 2 - Defina o nível de significância α.
Passo 3 - Determine o(s) valor(es) crítico(s)
a) Para teste bilateral é ± zα/2
b) Para teste unilateral à esquerda é -zα
c) Para teste unilateral à direita é zα
Use a tabela da distribuição normal padrão (tabela 6.1).

Passo 4 – Calcule o valor da estatística de teste

_ _ 
 x1 − x 2   s12 s 22 
z=   com s _ _ =  + 
s_ _
x1 − x2
x1 − x2
 n1 n2 
Passo 5 – Se o valor da estatística de teste cair na região de rejeição, então rejeite Ho;
caso contrário não rejeite Ho.

Passo 6 – De sua conclusão com palavras.

177
Exercícios – Sequência 8.2

1) Pesquisadores em obesidade desejam comparar a eficácia de uma dieta com exercícios

contra uma dieta sem exercícios. Setenta e três pacientes foram aleatoriamente
selecionados e divididos em dois grupos. O grupo 1, com 37 pacientes, foi colocado no
programa de dieta com exercícios. O grupo 2, com 36 pacientes, foi colocado no
programa com dieta somente. Os resultados com a perda de peso, em Kg, após dois
meses, estão sumarizados na seguinte tabela:

Grupo de dieta com exercícios Grupo de dieta sem exercícios

_ _
x1 = 8 x 2 = 8,12
s1 = 1,66 s 2 = 2,47

Determine, com um nível de significância de 0,05, se existe diferença entre os dois

tratamentos.

2) Um grupo de 141 indivíduos é usado em um experimento para comparar dois

tratamentos. O tratamento 1 é dado a 79 indivíduos escolhidos ao acaso e os 62 restantes
recebem o tratamento 2. As médias e os desvios padrões são os seguintes:

Tratamento 1 Tratamento 2
Média 109 128
Desvio padrão 46,2 53,4

Com base nos dados acima é possível concluir que o tratamento 2 tem uma resposta
maior que o tratamento 1? Adote um nível de significância de 5%.

178