Testes de Hipóteses

Paramétricos
 Objectivos
Neste tópico são apresentados métodos que possibilitam
validar ou não determinadas afirmações sobre os
parâmetros de uma população.
No final deve ser capaz de:
◼ Formular a Hipótese Nula (H0) e Hipótese Alternativa (H1)
para:
◼ o valor médio para uma população normal
◼ a proporção para uma população binomial (amostras grandes)
◼ Formular a regra de decisão para o teste e tomar uma
decisão (Rejeitar H0 ou não rejeitar H0)
 Testes de Hipóteses

◼ Uma hipótese é uma conjectura (afirmação)

sobre um parâmetro da população.
◼ Valor médio da população

Exemplo: O valor médio mensal da factura de

telemóvel, em Lisboa, é de 42€: μ = 42€.

◼ Proporção na população

Exemplo: A proporção de adultos com telemóvel

na cidade de Lisboa é de 68%: p = 0.68.
 Testes de Hipóteses

◼ Trata-se de um outro método de inferência

estatística em que se tem o “confronto“ entre duas
hipóteses:
Hipótese Nula: H0 → representa o que parece estar
estabelecido acerca do parâmetro que se está a testar
vs (versus ou contra)
Hipótese alternativa: H1 → representa o que se pretende no
momento testar acerca do referido parâmetro

Os testes que iremos abordar são relativos ao parâmetro m de

populações normais e ao parâmetro p de populações binomiais.
 Testes de Hipóteses
Objectivo: Determinar se uma dada hipótese acerca da
população é plausível.
H0: …… vs H1: ……

Hipótese nula Hipótese alternativa

Reflecte a situação em que não há mudança

Reflecte a situação que
no presente se
pretende testar
hipótese de “igualdade”
hipótese de “não efeito”
hipótese de “não diferença”
 Testes de Hipóteses
Tomar uma decisão, no sentido de verificar se existem razões
para rejeitar ou não rejeitar a hipótese nula.

informação disponível, obtida a partir da amostra

Estatística de teste
 Testes de Hipóteses
Estatística de teste Variável aleatória, que nos
permite tomar uma decisão
❖ calculada a partir dos dados da amostra, “mede” a
concordância entre estes dados e a hipótese nula, ou
seja, se os dados são inconsistentes com H0, este facto
deve vir reflectido na estatística de teste.

❖ deve ser sensível à diferença entre H0 e H1, ou seja,

deve tomar determinados valores quando H0 é verdadeira
e outros valores diferentes quando H1 é verdadeira para
que se possa rejeitar ou não a hipótese nula, com base no
valor obtido para a estatística de teste.
 Testes de Hipóteses
Estatística de teste

necessitamos da distribuição de amostragem da estatística

de teste, quando a hipótese nula é verdadeira
para
podermos comparar o valor da estatística de teste
calculada a partir da amostra com o valor que deveríamos
ter se a hipótese nula fosse verdadeira

Se houver discordância entre o que “encontrámos” a partir da

amostra com o que deveríamos ter encontrado se a hipótese
nula fosse verdadeira, então, temos que rejeitar a hipótese
nula.
 Testes de Hipóteses
Tipos de erros:
➢ Rejeitar H0, quando H0 é verdadeiro erro de tipo I
➢ Não rejeitar H0, quando H0 é falso erro de tipo II

P(Rejeitar H0| H0 é verdadeiro) = 

nível de significância do
teste
P(não rejeitar H0| H0 é falso) =  = 1 - potência

Potência = P(rejeitar H0| H0 é falso) = 1 – P(erro de tipo II)

 Etapas de um Teste de Hipóteses
1. Formular a hipótese nula, 𝐻0, e a hipótese alternativa, H1,
sobre o parâmetro desconhecido, θ
2. Fixar o nível de significância, α
3. Identificar a estatística teste e caracterizar a sua distribuição
amostral, identificando os pressupostos acerca da população
e/ou amostra
3. A partir da amostra aleatória (de dimensão 𝑛) recolhida,
calcular o valor observado da estatística teste para a amostra,
com base numa estimativa pontual, 𝜃෠
4. Definir a forma da região de rejeição, e encontrar os valores
críticos para o nível de significância do teste, α
5. Tomar a decisão estatística, rejeitar ou não rejeitar 𝐻0 e
exprimir a decisão nos termos do problema
 Tipos de Testes de Hipóteses
para m
Nível de significância =  Representa
o valor crítico
H0: μ = μ0 /2 /2
H1: μ ≠ μ0 A Região de
Rejeição
Teste bilateral 0
está a
sombreado
H0: μ ≤ μ0 
H1: μ > μ0 Teste unilateral
à direita 0

H0: μ ≥ μ0

H1: μ < μ0
Teste unilateral à 0
esquerda
 Teste de Hipóteses para m
Testes de Hipóteses
para m em populações normais

2 conhecida 2 desconhecida

Estatística de teste:
𝑋ത − 𝜇0
𝑍 = 𝜎 ~𝑁 0,1 n ≤ 30 n > 30
𝑛

Estatística de teste: Estatística de teste:

𝑋ത − 𝜇0 𝑋ത − 𝜇0
T= ~𝑡(𝑛−1) Z= ~𝑁(0,1)
ሶ
𝑆´ 𝑆´
𝑛 𝑛
 Teste de Hipóteses para m
com σ2 Conhecida
Calcular o valor observado da estatística de teste
Testes de Hipóteses para m em
populações normais

2 conhecida 2 desconhecida
Considere o teste bilateral:
H0: μ = μ0 vs H1: μ ≠ μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se |𝑧𝑜𝑏𝑠| = 𝜎 > 𝑧1−𝛼
𝑛 2

ou, se 𝑧𝑜𝑏𝑠 ϵ RR =] − ∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞[

2 2
RR: Região de Rejeição
 Teste de Hipóteses para m
com σ2 Conhecida
Considere o teste bilateral:

H0: μ = μ0 vs H1: μ ≠ μ0

/2 /2

0
Rejeita-se H0 Não se rejeita H0 Rejeita-se H0

- z1-/2 z1-/2

Valor crítico Valor crítico

inferior superior
 Teste de Hipóteses para m
com σ2 Conhecida - Exemplo
Um jornal afirma que o número médio de televisores nos lares portugueses é
igual a 3. Selecionada uma amostra de 100 lares, obteve-se uma média de
2,84 televisores. Assuma que a população tem distribuição normal com σ = 0,8.
Teste a afirmação jornal.
1. Formulação das hipóteses
◼ H0: μ = 3 vs H1: μ ≠ 3 (Este é um teste bilateral)
2. Especificar o nível de significância desejado
◼ Supondo que  = 0,05

3. Resultados amostrais são n = 100 e x = 2,84

4. O valor da estatística de teste é:
𝑥ҧ − 𝜇0 2,84 − 3
𝑧𝑜𝑏𝑠 = 𝜎 = = −2,0
0,8
𝑛 100
5. Obtenção do valores críticos: 𝑧1−𝛼 = 𝑧1−0.05 = 𝑧0.975 = 1,96
2 2

e 𝑧𝛼 = −𝑧1−𝛼 = −𝑧0.975 = −1,96

2 2
 Teste de Hipóteses para m
com σ2 Conhecida - Exemplo
O valor da estatística de teste pertence à região de rejeição?

RR =] − ∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞ ≡ − ∞; −1,96 ∪ 1,96; +∞[

2 2

/2 = 0,05/2=0,025 /2 = 0,05/2=0,025

0
Rejeita-se H0 Não se rejeita H0 Rejeita-se H0

-1,96 1,96

Como, zobs = -2,0 < -1,96, pertence à região de rejeição, logo rejeita-se a
hipótese nula, H0. Assim, ao nível de significância de 5% temos razões para duvidar
que o número médio de televisores em cada lar português seja igual a 3.
 Teste de Hipóteses para m
com σ2 Conhecida
Calcular o valor observado da estatística de teste
Testes de Hipóteses para m em
populações normais

2 conhecida 2 desconhecida
Considere o teste unilateral à direita:

H0: μ ≤ μ0 vs H1: μ > μ0

ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se 𝑧𝑜𝑏𝑠 = 𝜎 > 𝑧1−𝛼
𝑛

ou, se 𝑧𝑜𝑏𝑠 ϵ RR =]𝑧1−𝛼 , +∞[

 Teste de Hipóteses para m
com σ2 Conhecida
Considere o teste unilateral à direita:

H0: μ ≤ μ0 vs H1: μ > μ0

Não se rejeita H0 Rejeita-se H0

0 Z1-

Valor crítico
 Exemplo: Teste Unilateral à
Direita para m (2 Conhecida)
O gerente de uma empresa de comunicações móveis afirma que a factura
média mensal dos consumidores aumentou, e que é agora, em média, superior
a 52€ por mês. A empresa pretende testar esta afirmação. Assumindo que a
população é normal com  = 10 e que foi recolhida uma amostra com os
seguintes resultados: n = 64, x = 53,1

1. Formulação das hipóteses

◼ H0: μ ≤ 52 vs H1: μ > 52 (Este é um teste unilateral à direita)
2. Especificar o nível de significância desejado
◼ Supondo que  = 0,10

3. Resultados amostrais são n = 64 e x = 53,1

4. O valor da estatística de teste é:
𝑥ҧ − 𝜇0 53.1 − 52
𝑧𝑜𝑏𝑠 = 𝜎 = = 0,88
10
𝑛 64
5. Obtenção do valor crítico: 𝑧1−𝛼 = 𝑧1−0,1 = 𝑧0.9 = 1,28
 Exemplo: Teste Unilateral à
Direita para m (2 Conhecida)
H0: μ ≤ 52 vs H1: μ > 52
O valor da estatística de teste pertence à região de rejeição?
Rejeita-se H0
RR =] 𝑧1−𝛼 , +∞ ≡ 1,28; +∞[

 = 0,10

Não se rejeita H0 Rejeita-se H0

0 1,28
z = 0,88
Como, zobs = 0,88 < 1,28, não pertence à região de rejeição, logo não se rejeita a
hipótese nula, H0.
Assim, ao nível de significância de 10% não temos razões para duvidar que o valor médio
da factura mensal dos consumidores seja igual ou inferior a 52€ (H0: μ ≤ 52), pelo que o
teste indica que não houve alteração na factura mensal, contrariamente à afirmação do
gerente.
 Teste de Hipóteses para m
com σ2 Conhecida
Calcular o valor observado da estatística de teste
Testes de Hipóteses para m em
populações normais

2 conhecida 2 desconhecida
Considere o teste unilateral à
esquerda:
H0: μ ≥ μ0 vs H1: μ < μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se 𝑧𝑜𝑏𝑠 = 𝜎 < −𝑧1−𝛼
𝑛
ou, se 𝑧𝑜𝑏𝑠 ϵ RR =] −∞, −𝑧1−𝛼 [
 Teste de Hipóteses para m
com σ2 Conhecida
Considere o teste unilateral à esquerda:

H0: μ ≥ 3 vs H1: μ < 3

0
Rejeita-se H0 Não se rejeita H0
-z1- Z

Valor crítico
 Teste de Hipóteses para m
com σ2 Desconhecida
Testes de
Hipóteses
para m

2 conhecida 2 desconhecida

Estatística de teste:
𝑋ത − 𝜇0
𝑍 = 𝜎 ~𝑁 0,1 n ≤ 30 n > 30
𝑛

Estatística de teste: Estatística de teste:

𝑋ത − 𝜇0 𝑋ത − 𝜇0
T= ~𝑡(𝑛−1) Z= ~𝑁(0,1)
ሶ
𝑆´ 𝑆´
𝑛 𝑛
 Teste de Hipóteses para m
com σ2 Desconhecida e n≤30
Testes de Hipóteses para m em
populações normais

2 conhecido 2 Desconhecido

Considere o teste bilateral:

n ≤ 30 n > 30
H0: μ = μ0 vs H1: μ ≠ μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se |𝑡𝑜𝑏𝑠| = 𝑠´ > 𝑡𝑛−1,1−𝛼
2
𝑛

ou, se 𝑡𝑜𝑏𝑠 ϵ RR =] − ∞, −𝑡𝑛−1,1−𝛼 ∪ 𝑡𝑛−1,1−𝛼 , +∞[

2 2
 Teste de Hipóteses para m
com σ2 Desconhecida e n≤30
Considere o teste bilateral:

H0: μ = μ0 vs H1: μ ≠ μ0

t(n-1)

/2 /2

0
Rejeita-se H0 Não se rejeita H0 Rejeita-se H0

- tn-1,1-/2 tn-1,1-/2

Valor crítico Valor crítico

inferior superior
 Teste de Hipóteses para m
com σ2 Desconhecida e n≤30
Para um teste unilateral à direita:

H0: μ ≤ μ0 (População é normal, variância da

população, 2, é desconhecida e n ≤ 30)
H1: μ > μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se tobs = 𝑠´ > 𝑡𝑛−1,1−𝛼
𝑛

ou, se 𝑡𝑜𝑏𝑠 ϵ RR =] 𝑡𝑛−1,1−𝛼 , +∞[

Para um teste unilateral à esquerda:

H0: μ ≥ μ0 (População é normal, variância da

população, 2, é desconhecida e n ≤ 30)
H1: μ < μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se tobs = 𝑠´ < −𝑡𝑛−1,1−𝛼
𝑛

ou, se 𝑡𝑜𝑏𝑠 ϵ RR =] −∞, 𝑡𝑛−1,1−𝛼 [

 Teste de Hipóteses para m
com σ2 Desconhecida
Testes de
Hipóteses
para m

2 conhecida 2 desconhecida

Estatística de teste:
𝑋ത − 𝜇0
𝑍 = 𝜎 ~𝑁 0,1 n ≤ 30 n > 30
𝑛

Estatística de teste: Estatística de teste:

𝑋ത − 𝜇0 𝑋ത − 𝜇0
T= ~𝑡(𝑛−1) Z= ~𝑁(0,1)
ሶ
𝑆´ 𝑆´
𝑛 𝑛
 Teste de Hipóteses para m
com σ2 Desconhecida e n>30
Teste de hipóteses para m em
populações normais

2 conhecido 2 Desconhecido

Considere o teste bilateral:

n ≤ 30 n > 30
H0: μ = μ0 vs H1: μ ≠ μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se |𝑧𝑜𝑏𝑠| = 𝑠´ > 𝑧1−𝛼
2
𝑛

ou, se 𝑧𝑜𝑏𝑠 ϵ RR =] − ∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞[

2 2
 Teste de Hipóteses para m
com σ2 Desconhecida e n > 30
Para um teste unilateral à direita:

H0: μ ≤ μ0 (População é normal, variância da

população, 2, é desconhecida e n > 30)
H1: μ > μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se zobs = 𝑠´ > 𝑧1−𝛼
𝑛

ou, se 𝑧𝑜𝑏𝑠 ϵ RR =] 𝑧1−𝛼 , +∞[

Para um teste unilateral à esquerda:

H0: μ ≥ μ0 (População é normal, variância da

população, 2, é desconhecida e n > 30)
H1: μ < μ0
ҧ 0
𝑥−𝜇
A regra de decisão é: Rejeita-se H0 se zobs = 𝑠´ < −𝑧1−𝛼
𝑛

ou, se 𝑧𝑜𝑏𝑠 ϵ RR =] −∞, 𝑧1−𝛼 [

Testes de Hipóteses para a
Proporção
 Teste para Proporção
◼ Objectivo: avaliar uma afirmação feita a
respeito de uma proporção ou percentagem
populacional desconhecida, p, com base numa
amostra com proporção 𝑝Ƹ
◼ Pressupostos:
◼ A amostra é extraída de uma população binomial
◼ A dimensão da amostra é suficientemente grande
◼ Estatística de teste:
𝑝Ƹ − 𝑝0
𝑍= ~𝑁(0,1)
ሶ
𝑝0 (1 − 𝑝0 )
𝑛
 Teste para Proporção
◼ Para um teste bilateral:
H0: p = p0 vs H1: p ≠ p0
A regra de decisão é:
Rejeita-se H0 se: zobs < −𝑧1−𝛼 ou zobs > 𝑧1−𝛼
2 2
ou, se 𝑧𝑜𝑏𝑠 ϵ RR: ] − ∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞[
2 2

◼ Para um teste unilateral à esquerda:

H0: p ≥ p0 vs H1: p < p0
A regra de decisão é:
Rejeita-se H0 se zobs < −𝑧1−𝛼
ou, se 𝑧𝑜𝑏𝑠 ϵ RR: ] − ∞, −𝑧1−𝛼 [
 Teste para Proporção
◼ Para um teste unilateral à direita:

H0: p ≤ p0 vs H1: p > p0

A regra de decisão é:

Rejeita-se H0 se zobs > 𝑧1−𝛼

ou, se 𝑧𝑜𝑏𝑠 ϵ RR: ] 𝑧1−𝛼 , +∞[

 Teste para Proporção
Uma empresa de marketing afirma que recebe 8% das respostas por e-mail.
Foi selecionada uma amostra aleatória de 500 respostas, na qual se obteve 25
respostas por e-mail. Teste a afirmação da empresa a um nível de significância
de  = 0.05.
1. Formulação das hipóteses
◼ H0: p = 0,08 vs H1: p≠0,08 (Trata-se de um teste bilateral)
2. Especificar o nível de significância
◼  = 0.05

25
3. Resultados amostrais são n = 500 e 𝑝Ƹ = 500 = 0,05
4. O valor da estatística de teste é:
ො 0
𝑝−𝑝 0,05−0,08
𝑧𝑜𝑏𝑠 = = = −2,47
𝑝0 (1−𝑝0 ) 0,08(1−0,08)
𝑛 500

5. Obtenção dos valores críticos: 𝑧1−𝛼 = 𝑧1−0.05 = 𝑧0.975 = 1,96

2 2

e 𝑧𝛼 = −𝑧1−𝛼 = −𝑧0.975 = −1,96

2 2
 Teste para Proporção
O valor da estatística de teste pertence à região de rejeição?

RR =] − ∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞ ≡ − ∞; −1,96 ∪ 1,96; +∞

2 2

Decisão: 𝑧𝑜𝑏𝑠 = −2,47 ∈ 𝑅𝑅 logo rejeita-se H0 para  = 0,05

Conclusão:
Rejeitar H0 Ao nível de significância de 5%, não
Rejeitar H0 temos razões para duvidar da
afirmação da empresa de ser 8% a
0,025 0,025 taxa de resposta por email.

-1,96 0 1,96 z
-2,47