Tema: Inferência Estatística

Neste terceiro e último fórum, abordar-se-á questões estatísticas referentes conclusões de

dados duma determinada amostra ou população. Neste debate tratar-se-á das questões que
envolvem estatística e parâmetros, testes de hipóteses, porém, contextualizaremos no
sentido de dar enfeze nos argumentos que serão abordados.

Conceito de estatística

Estatística é a ciência que se ocupa de organizar, descrever, analisar e interpretar dados

para que seja possível a tomada de decisões e/ou a validação científica de uma conclusão.
Podemos afirmar que quase todos conceitos da estatística se inclinam na estruturação,
analise e interpretação dos dados.

Portanto a Inferência Estatística consiste em fazer afirmações probabilísticas sobre as

características do modelo probabilístico, que se supõe representar uma população, a partir
dos dados de uma amostra aleatória (probabilística) desta mesma população.

A inferência diz respeito a tirar conclusão sobre um determinado dado. Neste caso, a
inferência estatística retira conclusão sobre uma determinada população através duma
amostra.

Exemplificando, a inferência estatística pode analisar o comportamento duma turma

duma determinada escola através duma terminada amostra de aluno escolhidas ao caso, a
partir dela tirar conclusão sobre ela.

Definição da população e amostra

Tomemos como referência as definições do Campos, Rêgo, & Mendonça (2012),

população é o conjunto de todos os elementos ou resultados de interesse. Ao passo que,
amostra é um subconjunto formado por elementos seleccionados da população.

O autor adverte sobre a selecção duma amostra, ou seja, uma amostra de ser
representativa. Quando é feita a selecção duma amostra o método mais usual é o de
amostragem aleatória simples, sob forma de abranger todos elementos duma população.
A mostragem pode ser com repetição ou sem repetição.

De acordo com Oliveira (2017), a estatística inferencial possui técnicas que permitem dar
ao pesquisador um grau de confiabilidade, de confiança, nas afirmações que faz com a
população, baseadas nos resultados amostrais. O problema fundamental da estatística
inferencial é, portanto, medir o grau de incerteza dessas generalizações.

Estatística e parâmetros

Sempre que as relações forem calculadas com base em dados da população, chamamos
de “PARÂMETROS”; e sempre que essas relações se referirem à amostra serão chamadas
de “ESTATÍSTICAS” (Oliveira, 2017).

Notação
Nome da relação Parâmetro Estatística
(população) (amostra)
Tamanho N n
Média µ x
Variância σ2 S2
Desvio Padrão σ S
Coeficiente de variação CV

No fórum 2 abordamos a respeitos dessas medidas, onde foram descritas numa forma
exaustiva. Nota-se que tanto as medidas de tendência central e dispersão são aplicadas
para parâmetro e estatística.

Testes de Hipóteses

Hipótese estatística é uma condição que se quer testar sobre determinados parâmetros de
uma ou mais populações (Campos, Rêgo, & Mendonça, 2012). Uma hipótese é uma
suposição quanto ao valor de um parâmetro populacional. O teste de hipótese é tão
somente uma regra de decisão para ‘‘aceitar ou rejeitar’’ uma hipótese qualquer (uma
suposição, uma afirmação), com base nos elementos amostrais.

Teste de hipótese é um procedimento usado para testar se a afirmação acerca de uma

população é verdadeira ou não, com base em dados amostrais (Oliveira, 2017).

Hipótese científica é uma proposição preliminar para explicar um fenómeno ou fato

observacional cuja verdadeira causa é desconhecida, ou cujas explicações presentes não
satisfazem ao corpo do saber.
Hipótese estatística é toda hipótese relativa à caracterização de uma população, podendo
dizer respeito tanto à forma como aos parâmetros da respectiva distribuição teórica de
probabilidades da variável aleatória de interesse que é a população (Assis, Sousa, &
Linhares, 2020).

Tipos de hipóteses estatísticas

Hipótese nula (H0) é a hipótese estatística a ser testada, isto é, é a hipótese de que não
há diferença entre os dois parâmetros ou processos avaliados, ou ainda, é a hipótese
estatística que se enuncia sob a forma de uma ou mais igualdades a zero.

Para que uma hipótese nula, é preciso que:

a) seja unívoca, ou possa reduzir-se a uma unívoca, simples.

b) seja possível comprová-la ou rejeitá-la através de dados experimentais ou de

observação.

Hipótese alternativa (Ha ou H1) é a hipótese estatística que difere de uma pré-fixada,
ou seja, é uma afirmação que oferece uma alternativa à alegação de hipótese nula.

✓ A rejeição da Hipótese de nula H0 leva o pesquisador a opção da aceitação da

hipótese H1 com o risco conhecido alfa (α).
✓ A Hipótese Alternativa geralmente representa a suposição que o pesquisador quer
provar, sendo a Hipótese H0 formulada com o expresso propósito de ser rejeitado.
✓ A Hipótese H0 é considerada verdadeira ao longo da realização do Teste de
Hipótese até o momento em que haja clara evidência apontando em sentido
contrário.

Para se optar entre as duas hipóteses estatísticas Ho e H1 é necessário quantificar a

informação contida na amostra, usando, para isso, o que se designa por estatística teste, a
qual é uma função das observações amostrais cujo valor vai determinar a conclusão a ser
retirada do teste estatístico.

Tipos de testes de significância ou testes de hipóteses, quanto à formulação das hipóteses

a serem testadas.

Teste unilateral ou unicaudal à direita é aquele teste cuja hipótese alternativa (H1)
contém a desigualdade maior que (>); ou ainda, é aquele cujas hipóteses a serem testadas
são do tipo:
Teste unilateral ou unicaudal à esquerda é aquele teste cuja hipótese alternativa (H1)
contém a desigualdade menor que (<), ou ainda, é aquele cujas Hipóteses a serem testadas
são do tipo:

Teste bilateral ou bicaudal é aquele teste cuja hipótese alternativa contém a não
igualdade ≠ (diferente de) ou ainda, é aquele cujas Hipóteses a serem testadas são do tipo:
Tipos de riscos ou erros na tomada de decisão

a) Probabilidade do Erro do Tipo I (Primeira Espécie), também chamado de

nível de significância ou dimensão do teste.
b) Erro do Tipo II ou de Segunda Espécie: Constitui-se em se aceitar a hipótese
Ho quando ela é falsa. β é a probabilidade de se cometer o erro do tipo II.
c) Poder de um Teste: o poder de um teste é a probabilidade com que ele rejeitará
a Hipótese Nula Ho quando esta é falsa. Esta medida é dada por 1- β, onde β é a
probabilidade de se cometer um erro tipo II.
d) O coeficiente de confiança de um teste é a probabilidade com que ele aceitará
a hipótese e nulidade Ho, quando esta for verdadeira. Esta medida é dada por 1-
α, na qual α é a probabilidade de se cometer um erro tipo I.
e) P value ou valor P é a probabilidade de significância do teste. O p value, valor
p ou p valor, é o menor nível de significância α, a partir do qual se começa a
rejeitar a hipótese Ho, isto é, se α < p value, então deve-se rejeitar a hipótese
Ho.

Como exemplo, podemos citar o caso do funcionamento de um julgamento num

tribunal, onde uma pessoa é inocente até se provar o contrário.

H0: A pessoa é inocente

H1: A pessoa é culpada

Erro Tipo I: A pessoa é condenada, mas está inocente.

Erro Tipo II: A pessoa é absolvida, mas é culpada.

O sistema judicial considera que é mais grave culpar um inocente do que absolver um
culpado.

Bibliografia
Assis, J. P., Sousa, R. P., & Linhares, P. C. (2020). TESTES DE HIPÓTESES
ESTATÍSTICAS. Brasil: EdUFERSA.
Campos, M. A., Rêgo, L. C., & Mendonça, A. F. (2012). Métodos Probabilísticos e
Estatísticos com Aplicações em Engenharias e Ciências Exatas.
OLIVEIRA, U. R. (2017). ESTATÍSTICA APLICADA. Obtido de www.udemy.com