Estatística II, 2019/2020

Capítulo 4 Teste de hipóteses paramétricas—

resolução dos exercícios previstos para as aulas

A numeração dos exercícios corresponde à numeração no livro recomendado (ex.: 8.1—

capítulo 8, exercício 1). Em cada exercício resume-se o enunciado e indica-se as secções do
programa directamente envolvidas na sua resolução (além da matéria de Estatística I, suposta
conhecida—em particular: probabilidade; independência; variável aleatória e função de
distribuição; valor esperado e suas propriedades; quantis). No cálculo de probabilidades e
quantis recorre-se ao software 𝑅 (que se pode utilizar em ambiente 𝑅𝑆𝑡𝑢𝑑𝑖𝑜).

8.1
Programa 4 Teste de hipóteses paramétricas. 4.1 Introdução. Noções fundamentais.
Para cada uma das seguintes proposições, indique se se trata ou não de uma hipótese estatística.
𝒂) 𝜇 = 3.
𝒃) 𝑥̅ = 4.
𝒄) Pr(𝑋 < 2,5) = 0,4.
𝒅) 2 < 𝜎 < 3.
𝒆) 𝑋̅ < 3.

Resolução
Uma hipótese estatística (HE) é uma conjectura, uma suposição, acerca de uma ou mais
características desconhecidas da população, isto é, da distribuição da(s) v.a.(s) de interesse. A
HE pode envolver valores esperados (média, variância, qualquer momento populacional,
coeficiente de assimetria, …), quantis (mediana, 1º quartil, …), probabilidades de interesse
[Pr(𝑋 > 1,2), …] ou até a própria forma da distribuição (𝒩, 𝓉, …).
𝒂)
É uma HE.
𝒃)
Não é uma HE—é uma condição acerca da média amostral—não a média da população, E(𝑋).
𝒄)
É uma HE.
𝒅)
É uma HE.
𝒆)
Não é uma HE.
8.5
Programa 4 Teste de hipóteses paramétricas. 4.2 População normal: teste da média e
teste da variância.
A duração, 𝑋, de certo tipo de componentes, em horas, tem distribuição normal com desvio-
padrão igual a 50. Para testar 𝐻0 : 𝜇 = 250 contra 𝐻1 : 𝜇 = 200, utiliza-se a regra “rejeitar 𝐻0 se
𝑥̅ < 230.
𝒂) Se a decisão for tomada com base numa amostra casual de 16 componentes, calcule a
dimensão e potência associadas a este teste.
𝒃) Qual a dimensão mínima da amostra para que a probabilidade de cometer um erro de 1ª
espécie seja inferior a 0,025?

Resolução
𝒂)
Se 𝐻0 é verdadeira, tem-se 𝑋 ~ 𝒩(250 ; 502 ), logo 𝑋̅ ~ 𝒩(250 ; 502 ⁄16);
se 𝐻0 é falsa (𝐻1 verdadeira), tem-se 𝑋 ~ 𝒩(200 ; 502 ), logo 𝑋̅ ~ 𝒩(200 ; 502 ⁄16)
(v. cap. 2, pág. 13).
O erro “de 𝟏ª espécie” (ou erro “tipo I”) consiste em rejeitar 𝑯𝟎 , sendo esta verdadeira. A
probabilidade de cometer este tipo de erro designa-se “nível de significância” ou “dimensão”
do teste, usualmente denotada 𝜶:
𝛼 = Pr(Rejeitar 𝐻0 |𝐻0 é verdadeira).
O erro “de 𝟐ª espécie” (ou erro “tipo II”) consiste em aceitar 𝑯𝟎 , sendo esta falsa—a
respectiva probabilidade denota-se 𝟏 − 𝜷. A probabilidade do acontecimento complementar—
rejeitar 𝑯𝟎 , sendo esta falsa—é 𝜷; designa-se “potência do teste”:
𝛽 = Pr(Rejeitar 𝐻0 |𝐻0 é falsa)
(é desejável que a potência do teste seja o mais elevada possível).
No caso presente,
dimensão do teste 𝛼 = Pr(Rejeitar 𝐻0|𝐻0 é verdadeira) = Pr(𝑋̅ < 230|𝐻0 ) ≈ 0,0548.
> pnorm(230,250,50/4) [1] 0.05479929
potência do teste 𝛽 = Pr(Rejeitar 𝐻0 |𝐻0 é falsa) = Pr(𝑋̅ < 230|𝐻1 ) ≈ 0,9918.
> pnorm(230,200,50/4) [1] 0.9918025
𝒃)
Pretende-se determinar a dimensão mínima da amostra (𝑛) tal, que
𝛼 < 0,025 ⇔ Pr(𝑋̅ < 230|𝐻0 ) < 0,025,
em que, com 𝑛 genérico,
𝑛
𝑋̅ = 𝑛−1 ∑ 𝑋𝑖 .
𝑖=1

Como é sabido (cap. 2, pág. 13), sob 𝐻0 ,

 𝑋̅ − 250
𝑋̅ ~ 𝒩(250 ; 502 ⁄𝑛) ⇔ 𝑍 = ~ 𝒩(0 ; 1).
50⁄√𝑛
Tem-se
𝑋̅ − 250 230 − 250
Pr(𝑋̅ < 230|𝐻0 ) = Pr ( < |𝐻0 ) = Pr(𝑍 < −0,4√𝑛|𝐻0 ) < 0,025 ⇔
50⁄√𝑛 50⁄√𝑛
−0,4√𝑛 < 𝑞0,025 = −1,9599,
em que 𝑞0,025 denota o quantil de ordem 0,025 da 𝒩(0 ; 1).
> qnorm(.025) [1] -1.959964.
Resolvendo em ordem a 𝑛, −0,4√𝑛 < −1,9599 ⇒ 𝑛 > 24,0091 ⇒ 𝑛 ≥ 25.

8.15
Programa 4 Teste de hipóteses paramétricas. 4.1 Introdução. Noções fundamentais.
Classifique as afirmações abaixo, verdadeiras ou falsas, justificando sucintamente.
𝒂) Num universo Poisson a conjectura Pr(𝑋 = 0) = 0,8 constitui uma hipótese paramétrica
simples.
𝒃) Se se rejeita a hipótese nula num teste de dimensão 10%, então também se rejeita a
mesma hipótese se a dimensão for 5%.
𝒄) Num teste de hipótese simples contra hipótese simples tem-se
Pr(Rejeitar 𝐻0 |𝐻0 ) + Pr(Aceitar 𝐻0 |𝐻1) = 1.
𝒅) Se um teste de hipótese simples contra hipótese simples tem potência 0,3, isto significa
que quando 𝐻1 é verdadeira, a probabilidade de 𝐻0 ser rejeitada é 0,3.
𝒆) O valor observado da estatística associada a um teste de hipóteses só depende dos dados
e da hipótese nula e não da hipótese alternativa.

Resolução
𝒂)
Afirmação verdadeira—é uma conjectura acerca da população.
Nota (não é pedido): na população Poisson, a hipótese equivale a exp(−𝜆) = 0,8 ⇔ 𝜆 =
− log(0,8), em que 𝜆 é a média da população.
𝒃)
Afirmação falsa.
Para um contra-exemplo, v. a figura, relativa a um teste de 𝐻0 : 𝜇 = 𝜇0 contra 𝐻1 : 𝜇 > 𝜇0 , numa
população normal (v. cap. 4, págs. 9-13).
A regra de rejeição é: rejeita-se 𝐻0 se 𝑡obs > 𝑞1−𝛼 (𝛼: dimensão do teste). Na figura tem-se
𝑡obs > 𝑞0,90 → rejeita-se 𝐻0 a 10%; 𝑡obs < 𝑞0,95 → aceita-se 𝐻0 a 𝟓%.

𝒄)
Afirmação falsa.
O que é correcto é
Pr(Rejeitar 𝐻0 |𝑯𝟎 ) + Pr(Aceitar 𝐻0 |𝑯𝟎 ) = 1
ou
Pr(Rejeitar 𝐻0|𝑯𝟏 ) + Pr(Aceitar 𝐻0 |𝑯𝟏 ) = 1.
A população—𝐻0 ou 𝐻1 —tem que ser a mesma nas duas parcelas, para que a soma das
probabilidades dos acontecimentos complementares (“aceitar 𝐻0 ” e “rejeitar 𝐻0 ”) seja 1.
Note-se que,
Pr(𝐴|𝐵) + Pr(𝐴̅|𝐵) = 1
e, em geral, Pr(𝐴|𝐵) + Pr(𝐴̅|𝐶) ≠ 1 (os universos de referência são diferentes, 𝐵 e 𝐶).
𝒅)
Afirmação verdadeira—a potência de um teste é a probabilidade de rejeitar 𝐻0 sendo esta falsa
(= sendo 𝐻1 verdadeira).
𝒆)
Afirmação verdadeira—uma estatística de teste é uma fórmula das observações da amostra e
do valor do parâmetro de interesse sob 𝑯𝟎 (i.é, o valor do parâmetro supondo que 𝐻0 é
verdadeira).
8.16
Programa 4 Teste de hipóteses paramétricas. 4.2 População normal: teste da média e
teste da variância.
Seja 𝑋 uma v.a. que representa a quantidade de vinho existente numa garrafa de 75 centilitros.
Admita que 𝑋 tem distribuição normal com desvio-padrão igual a 2. Para testar 𝐻0 : 𝜇 = 75
contra 𝐻1 : 𝜇 < 75, seleccionou-se uma amostra casual de 10 garrafas, rejeitando-se a hipótese
nula se 𝑥̅ < 74,1, em que 𝑥̅ é a quantidade média de vinho por garrafa observada na amostra.
𝒂) Calcule a dimensão deste teste.
𝒃) Determine a função potência e calcule o seu valor quando 𝜇 = 74 e 𝜇 = 72,5.

Resolução
𝒂)
𝛼 = Pr(Rejeitar 𝐻0 |𝐻0 ) = Pr(𝑋̅ < 74,1|𝐻0 ) ≈ 0,0774.
Sob 𝐻0 , 𝑋̅ ~ 𝒩(75 ; 22 ⁄10); portanto, em R:
> pnorm(74.1,75,2/sqrt(10)) [1] 0.07736446
𝒃)
A potência de um teste depende sempre do valor do parâmetro de interesse—neste caso, 𝜇.
Refere-se “função” potência, porque 𝐻1 é uma hipótese composta (𝐻1 : 𝜇 < 75)—logo, não se
trata de calcular um único valor para a potência, mas de obter uma função que exprime como a
potência depende de 𝜇—represente-se por 𝛽(𝜇).
Tem-se
𝛽(𝜇) = Pr(Rejeitar 𝐻0|𝐻1 ) = Pr(𝑋̅ < 74,1|𝜇 < 75),
em que 𝑋̅ ~ 𝒩(𝜇 ; 4⁄10) (que corresponde a uma expressão matemática concreta—um integral
definido). Embora não seja necessário, pode-se padronizar a v.a. 𝑋̅, utilizando 𝜇 genérico;
obtém-se
𝑋̅ − 𝜇 74,1 − 𝜇 74,1 − 𝜇
𝛽(𝜇) = Pr ( < ) = Φ( ),
2⁄√10 2⁄√10 2⁄√10
em que Φ denota a distribuição 𝒩(0,1). Pode-se tomar esta expressão para representar a
função potência. Calcule-se o seu valor para os dois casos referidos no enunciado:
𝜇 = 74
74,1 − 74 74,1 − 74
𝛽(74) = Φ ( ) = Φ( ) = Φ(0,05√10) ≈ 0,5628,
2⁄√10 2⁄√10
que fornece a probabilidade de rejeitar 𝐻0 : 𝜇 = 75 se, na realidade, 𝜇 = 74.
> pnorm(.05*sqrt(10)) [1] 0.5628165
𝜇 = 72,5
74,1 − 72,5 74,1 − 74
𝛽(72,5) = Φ ( ) = Φ( ) = Φ(0,8√10) ≈ 0,9943,
2⁄√10 2⁄√10
que fornece a probabilidade de rejeitar 𝐻0 : 𝜇 = 75 se, na realidade, 𝜇 = 72,5.
> pnorm(.8*sqrt(10)) [1] 0.994294
Note-se que, como seria de esperar, a potência do teste é maior para valores “reais” de 𝜇 mais
afastados do valor de 𝜇 sob a hipótese nula.

8.22
Programa 4 Teste de hipóteses paramétricas. 4.1 Introdução. Noções fundamentais.
Classifique as afirmações abaixo, verdadeiras ou falsas, justificando sucintamente.
𝒂) Num teste de dimensão 𝛼 = 0,05 um valor-𝑝 de 0,078 leva a não rejeitar 𝐻0 .
𝒃) Quando num teste de hipóteses se obtém um valor-𝑝 de 0,05, está-se mais confiante na
rejeição de 𝐻0 do que quando o valor-𝑝 é 0,01.
𝒄) Se no teste de 𝐻0 : 𝜇 = 𝜇0 contra 𝐻1 : 𝜇 < 𝜇0 referente a uma população normal com
variância conhecida e média 𝜇, o valor-𝑝 é igual a 0,05, então Pr(𝑋̅ > 𝑥̅ |𝜇 = 𝜇0 ) = 0,95.
𝒅) No teste de uma hipótese estatística o valor-𝑝 não depende da dimensão do teste.

Resolução
O valor-𝒑 pode definir-se como a probabilidade (supondo 𝐻0 verdadeira) de obter um valor
da estatística de teste mais desfavorável para 𝐻0 do que o valor efectivamente obtido (v. cap.
4, pág. 8). Em geral, um valor-𝑝 “elevado” (“reduzido”) conduz à aceitação (rejeição) de 𝐻0 . A
decisão sobre o que se considera um valor-𝑝 elevado/reduzido cabe ao investigador—que
aceita (rejeita) 𝐻0 , se o valor-𝑝 é superior (inferior) ao nível de significância por si adoptado.
Por exemplo, um investigador com um nível de significância “pessoal” de 2% aceitará a hipótese
nula se o valor-𝑝 é superior a 2%.
𝒂)
Afirmação verdadeira—o valor-𝑝 é superior à dimensão (= nível de significância) do teste.
𝒃)
Afirmação falsa—quanto maior o valor-𝑝 mais forte a sugestão para aceitar 𝐻0 .
𝒄)
Afirmação verdadeira. No teste referido, o valor-𝑝 é
𝑋̅ − 𝜇0 𝑥̅ − 𝜇0
0,05 = Pr ( < 𝑧obs |𝜇 = 𝜇0 ), 𝑧𝑜𝑏𝑠 = .
𝜎⁄√𝑛 𝜎⁄√𝑛
Resolvendo a desigualdade em ordem a 𝑋̅, obtém-se a expressão equivalente
Pr(𝑋̅ < 𝑥̅ |𝜇 = 𝜇0 ) = 0,5 ⇔ Pr(𝑋̅ > 𝑥̅ |𝜇 = 𝜇0 ) = 1 − 0,05 = 0,95.
𝒅)
Afirmação verdadeira.
8.24
Programa 4 Teste de hipóteses paramétricas. 4.2 População normal: teste da média e
teste da variância.
Determinado produtor de azeite garante às autoridades de fiscalização que o seu azeite tem um
teor médio de acidez que não ultrapassa 0,5 g/l. Supõe-se que o teor de acidez é uma v.a. normal
de parâmetros desconhecidos.
𝒂) Com base numa amostra de dimensão 𝑛, formalize um teste estatístico que permita
analisar a veracidade da afirmação do produtor.
𝒃) Observada uma amostra de 20 garrafas, obteve-se média 0,7 g/l e desvio-padrão corrigido
0,08. Devem as autoridades de fiscalização actuar sobre o produtor? Justifique a resposta
por meio de um teste adequado.

Resolução
𝒂)
Seja 𝑋 a v.a. “teor de acidez”; supõe-se que 𝑋 ~ 𝒩(𝜇, 𝜎 2 ), em que 𝜇 denota o teor médio de
acidez. A hipótese de interesse a testar na situação descrita pode formular-se como
𝐻0 : 𝜇 ≤ 0,5 contra 𝐻1 : 𝜇 > 0,5.
Não se conhece o valor do parâmetro 𝜎 2 , logo, a estatística de teste é (v. cap. 4, págs. 11-13)
𝑋̅ − 0,5
𝑡= ~ 𝓉𝑛−1 .
𝑆 ′ ⁄ √𝑛 𝐻0

Recolhida uma amostra de dimensão 𝑛, rejeita-se 𝐻0 ao nível 𝛼, se 𝑡obs > 𝑞1−𝛼 , em que 𝑞1−𝛼
denota o quantil de ordem 1 − 𝛼 da distribuição 𝓉𝑛−1 (i. é, a distribuição da estatística de teste
supondo que 𝐻0 é verdadeira).
𝒃)
𝑛 = 20 𝑥̅ = 0,7 𝑠 ′ = 0,08.
Donde, observa-se o valor da estatística de teste
0,7 − 0,5
𝑡obs = ≈ 11,1803
0,08⁄√20
O valor crítico 𝑞0,99 da distribuição 𝓉19 é 2,5395. Logo, dado que 𝑡obs > 2,5395, rejeita-se
claramente 𝐻0 (mesmo adoptando um nível de significância muito reduzido—1%). Ou seja,
rejeita-se claramente a afirmação do produtor—as autoridades de fiscalização devem actuar
sobre o produtor.
> qt(.99,19) [1] 2.539483
Em alternativa, pode-se decidir com base no valor-𝑝 associado ao valor 𝑡obs . Chega-se à mesma
conclusão clara: o valor-𝑝 é praticamente nulo, o que leva à rejeição clara de 𝐻0 .
> 1-pt(11.1803) [1] 4.238332e-10
8.25
Programa 4 Teste de hipóteses paramétricas. 4.2 População normal: teste da média e
teste da variância.
Um auditor supõe que o valor médio das contas a receber numa empresa é 750 €. Para suportar
a sua conjectura, propõe-se retirar uma amostra de 36 contas e calcular a sua média. Ele só
rejeitará o valor de 750 €, se este for claramente desmentido pela média da amostra, dando
assim o benefício da dúvida ao valor proposto no procedimento a efectuar. Admita que o
montante das contas a receber tem distribuição normal com desvio-padrão 125 €.
𝒂) Defina a região crítica para um teste de dimensão 0,05.
2
𝒃) Supondo que na amostra se observou 𝑥̅ = 800 e 𝑠 ′ = 62000, obtenha o valor-𝑝.
𝒄) Teste se é de pôr em causa, com base na amostra observada, o valor dado para a variância.

Resolução
𝒂)
A região crítica (ou região de rejeição de 𝑯𝟎 ) é o conjunto de valores da estatística de teste
que conduzem à rejeição de 𝐻0 .
Se a dimensão, 𝛼, é 0,05, tem-se
𝛼 = Pr(Rejeitar 𝐻0|𝐻0 ) = 0,05.
Seja a v.a. 𝑋: “valor das contas a receber na empresa”. Seja E(𝑋) = 𝜇. Pretende-se realizar o
teste de hipóteses
𝐻0 : 𝜇 = 750, 𝐻1 : 𝜇 ≠ 750.
Uma vez que se trata de um teste sobre a média da população, se conhece a variância da
população (𝜎 2 = 1252 ), e a amostra tem dimensão 𝑛 = 36, a estatística de teste e respectiva
distribuição sob 𝐻0 (i.é, supondo que 𝐻0 é verdadeira) é dada por (v. cap. 4, págs. 9, 10)
𝑋̅ − 750
𝑍= ~ 𝒩(0,1).
125⁄√36 𝐻0
Dado que 𝐻1 é uma hipótese bilateral, a regra de rejeição pode-se formular como “rejeita-se 𝐻0 ,
se |𝑧obs | > 𝑞1−0,05⁄2 ”, em que 𝑞1−0,05⁄2 ≈ 1,96 é o quantil de ordem 0,975 da distribuição
𝒩(0,1).
> qnorm(.975) [1] 1.959964
De modo equivalente, rejeita-se < 𝐻0 , se
𝑥̅ − 750
|𝑧obs | > 𝑞1−0,05⁄2 ⇔ | | > 1,96 ⇔ 𝑥̅ < 709,1674 ∨ 𝑥̅ > 790,8326.
125⁄√36
𝒃)
Valor-𝑝: probabilidade (supondo 𝐻0 verdadeira) de obter um valor da estatística de teste mais
desfavorável para 𝐻0 , do que o valor 𝑧obs . Ou seja,
800 − 750
Pr(|𝑍| > 𝑧obs |𝐻0 ) = Pr (|𝑍| > |𝐻0 ) = Pr(|𝑍| > 2,4|𝐻0 ) =
125⁄√36
Pr(𝑍 < −2,4|𝐻0 ) + Pr(𝑍 > 2,4|𝐻0 ) ≈ 0,0164.
> 2*(1-pnorm(2.4)) [1] 0.01639507
2
Note-se que o valor de 𝑠 ′ não é aqui utilizado, porque se conhece 𝜎 2 . Também por esta razão,
utiliza-se a estatística de teste que segue a 𝒩(0,1)—não a 𝓉-Student.

𝒄)
Teste da hipótese 𝐻0 : 𝜎 2 = 1252 contra 𝐻1 : 𝜎 2 ≠ 1252 .
Estatística de teste e sua distribuição, sob 𝐻0 (cap. 4, pág. 14)
2 2
𝑄 = (36 − 1)𝑆 ′ ⁄1252 ~ 𝜒36−1 .
𝐻0

Rejeita-se 𝐻0 ao nível 𝛼, se
𝑄𝑜𝑏𝑠 < 𝑞𝛼⁄2 ∨ 𝑄𝑜𝑏𝑠 > 𝑞1−𝛼⁄2 ,
em que 𝑞𝛼⁄2 e 𝑞1−𝛼⁄2 denotam os quantis da distribuição 𝜒35
2
.
Em alternativa, rejeita-se 𝐻0 se o valor-𝑝 associado ao valor observado da estatística—𝑄𝑜𝑏𝑠 =
2
(36 − 1)𝑠 ′ ⁄1252 —se considera “reduzido”. No caso, uma vez que 𝐻1 é uma hipótese bilateral,
o valor-𝑝 calcula-se como
2 × Pr(𝑄 > 𝑄𝑜𝑏𝑠 |𝐻0 ),
com a probabilidade calculada a partir da distribuição 𝜒35
2
.
Dada a amostra, tem-se
(36 − 1) × 62000⁄1252 = 138,88
e o valor-𝑝, 2 × Pr(𝑄 > 138,88|𝐻0 ) ≈ 0. É claro que se deve rejeitar 𝐻0 .
> 2*(1-pchisq(138.88,35)) [1] 5.173639e-14

8.28
Programa 4 Teste de hipóteses paramétricas. 4.2 População normal: teste da média e
teste da variância.
Numa linha de engarrafamento de azeite, a quantidade (em dl) vertida em cada garrafa é uma
v.a. normal. Está garantido que a quantidade média por garrafa é 10 dl, não sendo de tolerar
grandes desvios relativamente a este valor, pois podem originar desperdícios significativos.
Assim, considera-se que a máquina de enchimento está afinada se a variância não ultrapassar
2
0,5, procedendo-se à sua revisão sempre que, numa amostra de 20 garrafas se obtiver 𝑠 ′ ≥ 0,8.
𝒂) Formalize o problema como um teste de hipóteses. Calcule, justificando, a dimensão do
teste associado ao mecanismo de controlo que foi definido.
𝒃) Se a variância for de 0,66, qual a probabilidade de a máquina não ser afinada? Justifique.

Resolução
Seja a v.a. 𝑋: “quantidade (dl) vertida em cada garrafa”. Garante-se que 𝑋 ~ 𝒩(10; 𝜎 2 ).
𝒂)
Teste de hipóteses (v. cap. 4, págs. 14, 15)
𝐻0 : 𝜎 2 ≤ 0,5 (máquina afinada) 𝐻1 : 𝜎 2 > 0,5 (máquina desafinada)
2
Rejeita-se 𝐻0 se 𝑠 ′ ≥ 0,8, numa amostra de 𝑛 = 20 garrafas.
2 2
Dimensão do teste: 𝛼 = Pr(𝑆 ′ ≥ 0,8|𝜎 2 = 0,5). Se 𝜎 2 = 0,5, sabe-se que 19𝑆 ′ ⁄0,5 ~ 𝜒19
2
.
2 2 2
Donde Pr(𝑆 ′ ≥ 0,8) = Pr(19𝑆 ′ ⁄0,5 ≥ 19 × 0,8⁄0,5) = Pr(19𝑆 ′ ⁄0,5 ≥ 30,4) ≈ 0,047
> 1-pchisq(30.4,19) [1] 0.04692334
𝒃)
Não se afina a máquina quando se considera que ela está afinada—ou seja, quando, na amostra,
2 2
se obtém 𝑠 ′ ≤ 0,8. A probabilidade pedida é então Pr(𝑆 ′ < 0,8|𝜎 2 = 0,66).
2
Considerando de novo a estatística de teste 19𝑆 ′ ⁄𝜎 2 ~ 𝜒19
2
, agora com 𝜎 2 = 0,66 :
2 2 2
Pr(𝑆 ′ < 0,8) = Pr(19𝑆 ′ ⁄0,66 < 19 × 0,8⁄0,66) = Pr[19𝑆 ′ ⁄0,66 < 23, (03)] ≈ 0,764.
> pchisq(19 ∗ .8⁄. 66,19) [1] 0.7639903

8.39
Programa 4 Teste de hipóteses paramétricas. 4.3 População não normal ou não
especificada: testes a respeito da média.
Numa empresa de aluguer de veículos, o parâmetro fundamental para estabelecer a tarifa diária
de aluguer dos veículos ligeiros de passageiros, na categoria e quilometragem ilimitada, é o
número médio de quilómetros percorridos diariamente que, na tarifa actualmente praticada,
se pressupõe não ultrapassar 275. Para avaliar se é necessário rever essa tarifa, recolheu-se
uma amostra casual de 500 alugueres nesta categoria, tendo-se observado uma média de 278,5
e uma variância corrigida de 6430,5. Recorra a um teste de hipótese de dimensão 𝛼 = 0,05 para
avaliar se é de proceder à revisão da tarifa diária deste tipo de aluguer.

Resolução
Seja 𝑋 a v.a.: “número médio de quilómetros percorridos diariamente”. Não se conhece a
distribuição de 𝑋 (“população”).
Hipóteses de interesse 𝐻0 : 𝜇 ≤ 275 𝐻1 : 𝜇 > 275, 𝜇 = E(𝑋).
2
Amostra: 𝑛 = 500 𝑥̅ = 278,5 𝑠 ′ = 6430,5.
Nível de significância (ou dimensão) 𝛼 = 0,05
Estatística de teste e distribuição sob 𝐻0 (distribuição assintótica, porque não se conhece a
população ← por aplicação do TLC, cap. 4, pág. 16).
𝑋̅ − 275
𝑍= ~̇ 𝒩(0,1)
𝑆 ′ ⁄√500 𝐻0

Regra de rejeição: rejeita-se 𝐻0 , se 𝑧obs > 𝑞0,95 , em que 𝑧obs = (𝑥̅ − 275)⁄(𝑠 ′ ⁄√500), e 𝑞0,95 ≈
1,645 é o quantil de ordem 0,95 da distribuição 𝒩(0,1).
> qnorm(. 95) [1] 1.644854.
A amostra conduz a

𝑧obs = (278,5 − 275)⁄(√6430,5⁄√500) ≈ 0,976.

Uma vez que 0,976 < 1,645, aceita-se 𝐻0 : não se justifica rever a tarifa actual.
8.44
Programa 4 Teste de hipóteses paramétricas. 4.3 População não normal ou não
especificada: testes a respeito da média.
A existência de outros fornecedores de acesso à Internet tem obrigado a empresa @WEB a uma
política comercial agressiva, preocupando-se de forma notória com o grau de satisfação dos
seus clientes. Neste sentido, estabeleceu como referência o mínimo de 90% de clientes
satisfeitos.
𝒂) Se se estabelecer, como critério, que não se cumpre aquele objectivo se numa amostra de
100 clientes mais de 14 se mostrarem insatisfeitos, calcule, através da formulação de um
teste de hipóteses, a dimensão associada a esta região crítica.
𝒃) Construa a função potência do teste e calcule o seu valor, se a proporção de clientes
insatisfeitos for 0,15. Interprete o resultado.

Resolução
Defina-se a população (v.a. Bernoulli)
1, cliente satisfeito
𝑋={ ;
0, cliente não satisfeito
seja E(𝑋) = 𝜃 = Pr(𝑋 = 1), 0 < 𝜃 < 1. Pretende-se que, no mínimo, 𝜃 = 0,90.
𝒂)
𝑛 = 100.
Se, na amostra de 100, há “mais de 14 clientes insatisfeitos” (= “menos de 86 clientes
satisfeitos”), não se cumpre o objectivo ou seja, rejeita-se a hipótese 𝐻0 : 𝜃 ≥ 0,90, contra a
alternativa 𝐻1 : 𝜃 < 0,90.
Dimensão do teste, 𝛼 = Pr(Rejeitar 𝐻0 |𝐻0 ).
Seja a amostra casual da população, (𝑋1 , 𝑋2 , … , 𝑋100 ); rejeita-se 𝐻0 , se ∑100
𝑖=1 𝑋𝑖 ≤ 85. Então, a

probabilidade pretendida é
Pr(Rejeitar 𝐻0 |𝜃 = 0,90) = Pr(∑100
𝑖=1 𝑋𝑖 ≤ 85|𝜃 = 0,90).

Em R é fácil calcular esta probabilidade de modo exacto, uma vez que, sob 𝐻0 , a v.a. ∑100
𝑖=1 𝑋𝑖

segue uma distribuição binomial de parâmetros 𝑛 = 100 e 𝜃 = 0,90 (v. cap. 1, pág. 3).
100
∑ 𝑋𝑖 ~ ℬ(100 ; 0,90).
𝑖=1 𝐻0

Obtém-se 𝛼 ≈ 0,073.
> pbinom(85,100, .9) [1] 0.07257297.
Nota (não exigido): a solução apresentada no livro resulta da aplicação do TLC (v. cap. 4, pág.
15). Em particular, dado que ∑100
𝑖=1 𝑋𝑖 é binomial, tem-se
100 100
E (∑ 𝑋𝑖 ) = 100 × 0,90 = 90, V (∑ 𝑋𝑖 ) = 100 × 0,90 × (1 − 0,90) = 9,
𝑖=1 𝑖=1
100
∑ 𝑋𝑖 ~̇ 𝒩(90 ; 9).
𝑖=1 𝐻0
Calcula-se a probabilidade referida nas soluções através de (utiliza-se a “correcção de
continuidade”—v. livro, pág. 307)
100
Pr (∑ 𝑋𝑖 ≤ 85,5) ≈ 0,067.
𝑖=1

> pnorm(85.5,90,3) [1] 0.0668072

𝒃)
A potência do teste (“𝛽”)é a probabilidade de rejeitar 𝐻0 , sendo esta falsa (= sendo 𝐻1
verdadeira—no caso, 𝜃 < 0,90).
Uma vez que 𝐻1 é composta—𝜃 < 0,90—obtém-se, não um valor para a potência mas uma
relação entre a potência e o valor de 𝜃 [daí falar-se em “função” potência—“𝛽(𝜃)”]:
𝛽(𝜃) = Pr(Rejeitar 𝐻0 |𝐻1 ) = Pr(∑100
𝑖=1 𝑋𝑖 ≤ 85|𝜃 < 0,90).

Tome-se ∑100
𝑖=1 𝑋𝑖 = 𝑌; Uma vez que, para dado 𝜃, 𝑌 ~ ℬ(100 ; 𝜃) ou seja,
100 𝑦
𝑓𝑌 (𝑦; 𝜃) = ( ) 𝜃 (1 − 𝜃)100−𝑦 , 𝑦 ∈ {0,1, … ,100},
𝑦
tem-se
85 100 𝑦
𝛽(𝜃) = ∑ ( ) 𝜃 (1 − 𝜃)100−𝑦 .
𝑦=0 𝑦
Em R calcula-se facilmente esta probabilidade para 𝜃 = 1 − 0,15 = 0,85: 𝛽(0,85) ≈ 0,543.
> pbinom(85,100, .85) [1] 0.5427758.
Nota: a solução apresentada no livro resulta da aplicação do TLC (v. nota anterior).

8.47
Programa 4 Teste de hipóteses paramétricas. 4.3 População não normal ou não
especificada: testes a respeito da média.
Um canal de televisão fixou como objectivo ter no horário nobre uma audiência de pelo menos
55% de telespectadores.
𝒂) Realizou-se um inquérito telefónico, dentro desse horário, a uma amostra casual de 100
pessoas, tendo 51 dos inquiridos declarado estar a ver o canal em questão. Proponha o
teste de hipóteses mais adequado e, com base no valor-𝑝, diga se pode afirmar que o
objectivo proposto não foi cumprido.
𝒃) Consultada uma empresa de estudos de mercado ficou estabelecido que semanalmente a
empresa interrogaria, por telefone e dentro desse horário, uma amostra casual de 200
telespectadores, considerando-se que o objectivo não é atingido se o número de respostas
positivas for menor ou igual a 92. Com esta metodologia, qual o valor máximo para a
percentagem de semanas em que se afirma indevidamente que o objectivo não é
alcançado?
Resolução
Defina-se a população (v.a. Bernoulli)
1, telespectador assiste ao canal
𝑋={ ;
0, caso contrário
seja E(𝑋) = 𝜃 = Pr(𝑋 = 1), 0 < 𝜃 < 1. Pretende-se que, no mínimo, 𝜃 = 0,55.
𝒂)
Seja a amostra casual (𝑋1 , 𝑋2 , … , 𝑋100 ). Na amostra referida no enunciado, 51 dos inquiridos
declararam estar a ver o canal (∑100
𝑖=1 𝑥𝑖 = 51).

Hipóteses de interesse: 𝐻0 : 𝜃 ≥ 0,55 𝐻1 : 𝜃 < 0,55.

Rejeita-se 𝐻0 se ∑100
𝑖=1 𝑥𝑖 é inferior a determinado valor, convenientemente escolhido (porque

𝐻1 é unilateral esquerda)—v. cap. 4, págs. 18, 19.

O valor-𝑝 associado ao valor observado para a soma amostral é
Pr(∑100
𝑖=1 𝑋𝑖 ≤ 51|𝜃 = 0,55),

fácil de calcular em R, porque, sob 𝐻0 : 𝜃 = 0,55,

100
∑ 𝑋𝑖 ~ ℬ(100; 0,55)
𝑖=1

Tem-se Pr(∑100
𝑖=1 𝑋𝑖 ≤ 51|𝜃 = 0,55) ≈ 0,240; dado que o valor-𝑝 é “elevado”, não se rejeita 𝐻0 .

> pbinom(51,100, .55) [1] 0.2404266.

𝒃)
𝑛 = 200.
Afirma-se indevidamente que o objectivo (𝜃 ≥ 0,55) não é alcançado, i.é, rejeita-se 𝐻0 apesar
de esta ser verdadeira, quando
200
∑ 𝑥𝑖 ≤ 92.
𝑖=1

Tem-se
200
∑ 𝑋𝑖 ~ ℬ(200; 𝜃).
𝑖=1

O valor máximo para a percentagem de semanas em que se afirma indevidamente que o

objectivo não é alcançado é
max Pr(∑200 200
𝑖=1 𝑋𝑖 ≤ 92|𝜃 ≥ 0,55) = Pr(∑𝑖=1 𝑋𝑖 ≤ 92|𝜃 = 0,55) ≈ 0,00656 = 0,656%.
𝜃

> pbinom(92,200, .55) [1] 0.006560308

8.50
Programa 4 Teste de hipóteses paramétricas. 4.3 População não normal ou não
especificada: testes a respeito da média.
Numa determinada estrada nacional registaram-se 170 acidentes nos últimos dois anos (104
semanas). admitindo que o número de acidentes por semana segue um processo de Poisson de
taxa média 𝜆, poder-se-á afirmar, com uma dimensão 0,05, que o número médio de acidentes
por semana nesta estrada é de pelo menos 2?

Resolução
𝑋: “número de acidentes por semana”, 𝑋 ~ 𝒫ℴ(𝜆), em que 𝜆 = E(𝑋) (número médio de
acidentes por semana).
Amostra de 𝑛 = 104 semanas.
Teste da hipótese 𝐻0 : 𝜆 ≥ 2, contra 𝐻1 : 𝜆 < 2.
Estatística de teste (v. cap. 4, pág. 18, 19)
104
∑ 𝑋𝑖 ~ 𝒫ℴ(104𝜆).
𝑖=1

Se 𝜆 = 2, tem-se uma distribuição 𝒫ℴ(208). Rejeita-se 𝐻0 ao nível de 5%, se o valor observado

da estatística de teste é inferior (𝐻1 é unilateral esquerda) ao quantil de ordem 0,05 desta
distribuição.
> qpois(.05,208) [1] 185
De acordo com o enunciado, a amostra conduz ao valor observado da estatística de teste
104
∑ 𝑥𝑖 = 170;
𝑖=1

uma vez que 170 < 185, rejeita-se 𝐻0 (o número médio de acidentes/semana parece ser
inferior a 2).