LCE0216 - Introdução à Bioestatı́stica Florestal

8. Teste de Hipóteses no software R

Profa. Dra. Clarice Garcia Borges Demétrio

Monitores: Giovana Fumes e Ricardo Klein

Escola Superior de Agricultura “Luiz de Queiroz”

Universidade de São Paulo

Piracicaba, 6 de Junho 2017

Teste para uma proporção populacional

Exemplo: Um produtor precisa decidir pela compra ou não de

sementes fornecidas por um distribuidor, que afirma que a
proporção de germinação de sementes é π = 0, 94. Para tanto ele
observou a proporção de germinação de uma amostra aleatória
simples de 100 sementes e encontrou o valor p̂ = 0, 93. Com base
nesse resultado o produtor poderia discordar do distribuidor,
considerando um nı́vel de significância de 5%?
Teste para uma proporção populacional

Exemplo: Um produtor precisa decidir pela compra ou não de

sementes fornecidas por um distribuidor, que afirma que a
proporção de germinação de sementes é π = 0, 94. Para tanto ele
observou a proporção de germinação de uma amostra aleatória
simples de 100 sementes e encontrou o valor p̂ = 0, 93. Com base
nesse resultado o produtor poderia discordar do distribuidor,
considerando um nı́vel de significância de 5%?
1 H0 : π0 = 0, 94
Ha : π0 6= 0, 94
Teste para uma proporção populacional

Exemplo: Um produtor precisa decidir pela compra ou não de

sementes fornecidas por um distribuidor, que afirma que a
proporção de germinação de sementes é π = 0, 94. Para tanto ele
observou a proporção de germinação de uma amostra aleatória
simples de 100 sementes e encontrou o valor p̂ = 0, 93. Com base
nesse resultado o produtor poderia discordar do distribuidor,
considerando um nı́vel de significância de 5%?
1 H0 : π0 = 0, 94
Ha : π0 6= 0, 94
a
2 p̂ ∼ N(πo , π0 (1−π
n
0)
)
Teste para uma proporção populacional

Exemplo: Um produtor precisa decidir pela compra ou não de

sementes fornecidas por um distribuidor, que afirma que a
proporção de germinação de sementes é π = 0, 94. Para tanto ele
observou a proporção de germinação de uma amostra aleatória
simples de 100 sementes e encontrou o valor p̂ = 0, 93. Com base
nesse resultado o produtor poderia discordar do distribuidor,
considerando um nı́vel de significância de 5%?
1 H0 : π0 = 0, 94
Ha : π0 6= 0, 94
a
2 p̂ ∼ N(πo , π0 (1−π
n
0)
)
3 α = 0, 05
Teste para uma proporção populacional

Exemplo: Um produtor precisa decidir pela compra ou não de

sementes fornecidas por um distribuidor, que afirma que a
proporção de germinação de sementes é π = 0, 94. Para tanto ele
observou a proporção de germinação de uma amostra aleatória
simples de 100 sementes e encontrou o valor p̂ = 0, 93. Com base
nesse resultado o produtor poderia discordar do distribuidor,
considerando um nı́vel de significância de 5%?
1 H0 : π0 = 0, 94
Ha : π0 6= 0, 94
a
2 p̂ ∼ N(πo , π0 (1−π
n
0)
)
3 α = 0, 05
Zcal = q0,93−0,94 = −0, 4211, Ztab = ±1, 96
0,94(1−0,94)
100
Teste para uma proporção populacional

Exemplo: Um produtor precisa decidir pela compra ou não de

sementes fornecidas por um distribuidor, que afirma que a
proporção de germinação de sementes é π = 0, 94. Para tanto ele
observou a proporção de germinação de uma amostra aleatória
simples de 100 sementes e encontrou o valor p̂ = 0, 93. Com base
nesse resultado o produtor poderia discordar do distribuidor,
considerando um nı́vel de significância de 5%?
1 H0 : π0 = 0, 94
Ha : π0 6= 0, 94
a
2 p̂ ∼ N(πo , π0 (1−π
n
0)
)
3 α = 0, 05
Zcal = q0,93−0,94 = −0, 4211, Ztab = ±1, 96
0,94(1−0,94)
100
Portanto, como −Ztab < Zcal < Ztab , não se rejeita a hipótese nula
com 5% de significância. A germinação é igual a 94%.
Teste para uma proporção populacional

Códigos em R

binom.test(93,100,0.94, alternative="two.sided")
Teste para uma proporção populacional

Códigos em R

binom.test(93,100,0.94, alternative="two.sided")

Exact binomial test

data: 93 and 100
number of successes = 93, number of trials = 100, p-value =
0.6704 alternative hypothesis: true probability of success is not
equal to 0.94
95 percent confidence interval: 0.8610803 0.9713947
sample estimates: probability of success 0.93
Teste para uma média populacional com variância conhecida

Exemplo: Uma balança para encher pacotes de sementes

automaticamente está programada para produzir pacotes com peso
médio de 20 kg e desvio padrão de 0,20 kg. Periodicamente é feita
uma inspeção para verificar se o peso médio está sob controle.
Para este fim, foi selecionada uma amostra de 8 pacotes de
sementes, cujos resultados foram:
20,3 19,8 20,3 19,7 19,8 19,7 19,8 19,8
Teste a hipótese que a a balança se desregulou e está produzindo
um peso médio inferior a 20 kg. Use o nı́vel de significância de 5%.
Teste para uma média populacional com variância conhecida

Exemplo: Uma balança para encher pacotes de sementes

automaticamente está programada para produzir pacotes com peso
médio de 20 kg e desvio padrão de 0,20 kg. Periodicamente é feita
uma inspeção para verificar se o peso médio está sob controle.
Para este fim, foi selecionada uma amostra de 8 pacotes de
sementes, cujos resultados foram:
20,3 19,8 20,3 19,7 19,8 19,7 19,8 19,8
Teste a hipótese que a a balança se desregulou e está produzindo
um peso médio inferior a 20 kg. Use o nı́vel de significância de 5%.
1 H0 : µ0 = 20
Ha : µ0 < 20
Teste para uma média populacional com variância conhecida

Exemplo: Uma balança para encher pacotes de sementes

automaticamente está programada para produzir pacotes com peso
médio de 20 kg e desvio padrão de 0,20 kg. Periodicamente é feita
uma inspeção para verificar se o peso médio está sob controle.
Para este fim, foi selecionada uma amostra de 8 pacotes de
sementes, cujos resultados foram:
20,3 19,8 20,3 19,7 19,8 19,7 19,8 19,8
Teste a hipótese que a a balança se desregulou e está produzindo
um peso médio inferior a 20 kg. Use o nı́vel de significância de 5%.
1 H0 : µ0 = 20
Ha : µ0 < 20
σ2
2 X̄ ∼ N(µ, n )
Teste para uma média populacional com variância conhecida

Exemplo: Uma balança para encher pacotes de sementes

automaticamente está programada para produzir pacotes com peso
médio de 20 kg e desvio padrão de 0,20 kg. Periodicamente é feita
uma inspeção para verificar se o peso médio está sob controle.
Para este fim, foi selecionada uma amostra de 8 pacotes de
sementes, cujos resultados foram:
20,3 19,8 20,3 19,7 19,8 19,7 19,8 19,8
Teste a hipótese que a a balança se desregulou e está produzindo
um peso médio inferior a 20 kg. Use o nı́vel de significância de 5%.
1 H0 : µ0 = 20
Ha : µ0 < 20
σ2
2 X̄ ∼ N(µ, n )
3 α = 0, 05
Teste para uma média populacional com variância conhecida

Exemplo: Uma balança para encher pacotes de sementes

automaticamente está programada para produzir pacotes com peso
médio de 20 kg e desvio padrão de 0,20 kg. Periodicamente é feita
uma inspeção para verificar se o peso médio está sob controle.
Para este fim, foi selecionada uma amostra de 8 pacotes de
sementes, cujos resultados foram:
20,3 19,8 20,3 19,7 19,8 19,7 19,8 19,8
Teste a hipótese que a a balança se desregulou e está produzindo
um peso médio inferior a 20 kg. Use o nı́vel de significância de 5%.
1 H0 : µ0 = 20
Ha : µ0 < 20
σ2
2 X̄ ∼ N(µ, n )
3 α = 0, 05

Zcal = 19,9−20
0,2
√
= −1, 414, Ztab = −1, 64
8
Teste para uma média populacional com variância conhecida

Exemplo: Uma balança para encher pacotes de sementes

automaticamente está programada para produzir pacotes com peso
médio de 20 kg e desvio padrão de 0,20 kg. Periodicamente é feita
uma inspeção para verificar se o peso médio está sob controle.
Para este fim, foi selecionada uma amostra de 8 pacotes de
sementes, cujos resultados foram:
20,3 19,8 20,3 19,7 19,8 19,7 19,8 19,8
Teste a hipótese que a a balança se desregulou e está produzindo
um peso médio inferior a 20 kg. Use o nı́vel de significância de 5%.
1 H0 : µ0 = 20
Ha : µ0 < 20
σ2
2 X̄ ∼ N(µ, n )
3 α = 0, 05

Zcal = 19,9−20
0,2
√
= −1, 414, Ztab = −1, 64
8
Portanto, como Zcal > Ztab , não se rejeita a hipótese nula com 5%
de significância. A balança não esta produzindo um peso inferior a
20kg.
Teste para média populacional com variância conhecida

Códigos em R

dados<-c(20.3,19.8,20.3,19.7,19.8,19.7,19.8,19.8)
x_barra<-mean(dados)
sigma<-0.2
n<-8
mu<-20
Zcal<- (x_barra-mu)/(sigma/sqrt(n))
Ztab<-qnorm(0.05, mean = 0, sd = 1)

> Zcal;Ztab
[1] -1.414214
[1] -1.644854
Teste para uma média populacional com variância desconhecida

Exemplo:Um cientista deseja saber se o pH de um solo é ácido.

Ele toma uma amostra de 10 unidades e obteve os valores de pH:

5,8 6,0 7,0 6,2 6,2

7,1 6,4 5,5 5,8 5,9

Tire uma conclusão supondo nı́vel de significância de 5%.

Teste para uma média populacional com variância desconhecida

Exemplo:Um cientista deseja saber se o pH de um solo é ácido.

Ele toma uma amostra de 10 unidades e obteve os valores de pH:

5,8 6,0 7,0 6,2 6,2

7,1 6,4 5,5 5,8 5,9

Tire uma conclusão supondo nı́vel de significância de 5%.

1 H0 : µ0 = 7
Ha : µ0 < 7
Teste para uma média populacional com variância desconhecida

Exemplo:Um cientista deseja saber se o pH de um solo é ácido.

Ele toma uma amostra de 10 unidades e obteve os valores de pH:

5,8 6,0 7,0 6,2 6,2

7,1 6,4 5,5 5,8 5,9

Tire uma conclusão supondo nı́vel de significância de 5%.

1 H0 : µ0 = 7
Ha : µ0 < 7
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
Teste para uma média populacional com variância desconhecida

Exemplo:Um cientista deseja saber se o pH de um solo é ácido.

Ele toma uma amostra de 10 unidades e obteve os valores de pH:

5,8 6,0 7,0 6,2 6,2

7,1 6,4 5,5 5,8 5,9

Tire uma conclusão supondo nı́vel de significância de 5%.

1 H0 : µ0 = 7
Ha : µ0 < 7
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
3 α = 0, 05
Teste para uma média populacional com variância desconhecida

Exemplo:Um cientista deseja saber se o pH de um solo é ácido.

Ele toma uma amostra de 10 unidades e obteve os valores de pH:

5,8 6,0 7,0 6,2 6,2

7,1 6,4 5,5 5,8 5,9

Tire uma conclusão supondo nı́vel de significância de 5%.

1 H0 : µ0 = 7
Ha : µ0 < 7
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
3 α = 0, 05
6,19−7
tcal = 0,5195
√
= −4, 93, ttab = −1, 833
10
Teste para uma média populacional com variância desconhecida

Exemplo:Um cientista deseja saber se o pH de um solo é ácido.

Ele toma uma amostra de 10 unidades e obteve os valores de pH:

5,8 6,0 7,0 6,2 6,2

7,1 6,4 5,5 5,8 5,9

Tire uma conclusão supondo nı́vel de significância de 5%.

1 H0 : µ0 = 7
Ha : µ0 < 7
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
3 α = 0, 05
6,19−7
tcal = 0,5195
√
= −4, 93, ttab = −1, 833
10
Portanto, como tcal < ttab , rejeita-se a hipótese nula com 5% de
significância. O solo é ácido.
Teste para uma média populacional com variância desconhecida

Códigos em R

t.test(c(5.8,6.0,7.0,6.2,6.2,
7.1,6.4,5.5,5.8,5.9), alternative="less", mu=7.0)

One Sample t-test

data: c(5.8, 6, 7, 6.2, 6.2, 7.1, 6.4, 5.5, 5.8, 5.9)
t = -4.9305, df = 9, p-value = 0.0004064
alternative hypothesis: true mean is less than 7
95 percent confidence interval: -Inf 6.491149
sample estimates: mean of x 6.19
Teste para uma média populacional - grandes amostras

Exemplo: De modo a verificar se uma máquina automática de

encher café está bem regulada, isto é, se o conteúdo médio dos
pacotes é 1kg, um operador colheu uma amostra de 36 pacotes e
verificou, para essa amostra, que o conteúdo médio foi igual a 0,96
kg com variância igual a 0,01 kg2 . Conclua supondo um nı́vel de
significância α = 1%.
Teste para uma média populacional - grandes amostras

Exemplo: De modo a verificar se uma máquina automática de

encher café está bem regulada, isto é, se o conteúdo médio dos
pacotes é 1kg, um operador colheu uma amostra de 36 pacotes e
verificou, para essa amostra, que o conteúdo médio foi igual a 0,96
kg com variância igual a 0,01 kg2 . Conclua supondo um nı́vel de
significância α = 1%.
1 H0 : µ0 = 1
Ha : µ0 6= 1
Teste para uma média populacional - grandes amostras

Exemplo: De modo a verificar se uma máquina automática de

encher café está bem regulada, isto é, se o conteúdo médio dos
pacotes é 1kg, um operador colheu uma amostra de 36 pacotes e
verificou, para essa amostra, que o conteúdo médio foi igual a 0,96
kg com variância igual a 0,01 kg2 . Conclua supondo um nı́vel de
significância α = 1%.
1 H0 : µ0 = 1
Ha : µ0 6= 1
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
Teste para uma média populacional - grandes amostras

Exemplo: De modo a verificar se uma máquina automática de

encher café está bem regulada, isto é, se o conteúdo médio dos
pacotes é 1kg, um operador colheu uma amostra de 36 pacotes e
verificou, para essa amostra, que o conteúdo médio foi igual a 0,96
kg com variância igual a 0,01 kg2 . Conclua supondo um nı́vel de
significância α = 1%.
1 H0 : µ0 = 1
Ha : µ0 6= 1
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
3 α = 0, 01
Teste para uma média populacional - grandes amostras

Exemplo: De modo a verificar se uma máquina automática de

encher café está bem regulada, isto é, se o conteúdo médio dos
pacotes é 1kg, um operador colheu uma amostra de 36 pacotes e
verificou, para essa amostra, que o conteúdo médio foi igual a 0,96
kg com variância igual a 0,01 kg2 . Conclua supondo um nı́vel de
significância α = 1%.
1 H0 : µ0 = 1
Ha : µ0 6= 1
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
3 α = 0, 01
Zcal = √0,96−1 = −2, 39, Ztab = ±2, 57
0,01/36
Teste para uma média populacional - grandes amostras

Exemplo: De modo a verificar se uma máquina automática de

encher café está bem regulada, isto é, se o conteúdo médio dos
pacotes é 1kg, um operador colheu uma amostra de 36 pacotes e
verificou, para essa amostra, que o conteúdo médio foi igual a 0,96
kg com variância igual a 0,01 kg2 . Conclua supondo um nı́vel de
significância α = 1%.
1 H0 : µ0 = 1
Ha : µ0 6= 1
X̄ −µ
2
S/ n
√0 ∼ t(n−1) se n < 30,
X̄ −µ
caso contrário, S/ n
√0 ∼ N(0, 1)
3 α = 0, 01
Zcal = √0,96−1 = −2, 39, Ztab = ±2, 57
0,01/36
Portanto, como −Ztab < Zcal < Ztab , não se rejeita a hipótese nula
com 1% de significância. A máquina está bem regulada.
Teste para uma média populacional - grandes amostras

Códigos em R

x_barra<-0.96
sigma2<-0.01
n<-36
mu<-1

Zcal<- (x_barra-mu)/sqrt(sigma2/n)
Ztab<-qnorm(0.005, mean = 0, sd = 1)

Zcal;Ztab

> Zcal;Ztab
[1] -2.4
[1] -2.575829
Teste para dados pareados
Exemplo: Um pesquisador deseja verificar se a altura de uma
árvore em pé, medida usando-se o método trigonométrico
(aproximado), não difere da altura da árvore medida no chão. Com
esse objetivo, mediu as alturas das árvores pelo método
trigonométrico, derrubou-as e mediu novamente suas alturas,
obtendo os resultados da tabela a seguir:

Tabela: Alturas, em m de 12 árvores medidas usando-se o método

trigonométrico (árvore em pé) e medida no chão
no Árvore em pé (A) Árvore no chão (B)
1 20,4 21,7
2 25,4 26,3
3 25,6 26,8
4 26,6 26,2
5 28,6 27,3
6 28,7 29,5
7 29,0 32,0
8 29,8 30,9
9 30,5 32,3
10 30,9 32,3
11 31,1 31,7
12 25,6 28,1
Teste para dados pareados

Tabela: Alturas, em m de 12 árvores medidas usando-se o método

trigonométrico (árvore em pé) e medida no chão
no Árvore em pé (A) Árvore no chão (B) Diferença (D=B-A)
1 20,4 21,7 1,3
2 25,4 26,3 0,9
3 25,6 26,8 1,2
4 26,6 26,2 -0,4
5 28,6 27,3 -1,3
6 28,7 29,5 0,8
7 29,0 32,0 3,0
8 29,8 30,9 1,1
9 30,5 32,3 1,8
10 30,9 32,3 1,4
11 31,1 31,7 0,6
12 25,6 28,1 2,5

1 H0 : µD = 0
Ha : µD 6= 0
Teste para dados pareados

Tabela: Alturas, em m de 12 árvores medidas usando-se o método

trigonométrico (árvore em pé) e medida no chão
no Árvore em pé (A) Árvore no chão (B) Diferença (D=B-A)
1 20,4 21,7 1,3
2 25,4 26,3 0,9
3 25,6 26,8 1,2
4 26,6 26,2 -0,4
5 28,6 27,3 -1,3
6 28,7 29,5 0,8
7 29,0 32,0 3,0
8 29,8 30,9 1,1
9 30,5 32,3 1,8
10 30,9 32,3 1,4
11 31,1 31,7 0,6
12 25,6 28,1 2,5

1 H0 : µD = 0
Ha : µD 6= 0
¯ −0
D̄
2 √ ∼ t(n−1)
S / n
D
Teste para dados pareados

Tabela: Alturas, em m de 12 árvores medidas usando-se o método

trigonométrico (árvore em pé) e medida no chão
no Árvore em pé (A) Árvore no chão (B) Diferença (D=B-A)
1 20,4 21,7 1,3
2 25,4 26,3 0,9
3 25,6 26,8 1,2
4 26,6 26,2 -0,4
5 28,6 27,3 -1,3
6 28,7 29,5 0,8
7 29,0 32,0 3,0
8 29,8 30,9 1,1
9 30,5 32,3 1,8
10 30,9 32,3 1,4
11 31,1 31,7 0,6
12 25,6 28,1 2,5

1 H0 : µD = 0
Ha : µD 6= 0
¯ −0
D̄
2 √ ∼ t(n−1)
SD / n
3 α = 0, 05
Teste para dados pareados

Tabela: Alturas, em m de 12 árvores medidas usando-se o método

trigonométrico (árvore em pé) e medida no chão
no Árvore em pé (A) Árvore no chão (B) Diferença (D=B-A)
1 20,4 21,7 1,3
2 25,4 26,3 0,9
3 25,6 26,8 1,2
4 26,6 26,2 -0,4
5 28,6 27,3 -1,3
6 28,7 29,5 0,8
7 29,0 32,0 3,0
8 29,8 30,9 1,1
9 30,5 32,3 1,8
10 30,9 32,3 1,4
11 31,1 31,7 0,6
12 25,6 28,1 2,5

1 H0 : µD = 0
Ha : µD 6= 0
¯ −0
D̄
2 √ ∼ t(n−1)
SD / n
3 α = 0, 05
1,075√
tcal = 1,1514/ 12
= 3, 23, ttab = ±2, 20
Teste para dados pareados

Tabela: Alturas, em m de 12 árvores medidas usando-se o método

trigonométrico (árvore em pé) e medida no chão
no Árvore em pé (A) Árvore no chão (B) Diferença (D=B-A)
1 20,4 21,7 1,3
2 25,4 26,3 0,9
3 25,6 26,8 1,2
4 26,6 26,2 -0,4
5 28,6 27,3 -1,3
6 28,7 29,5 0,8
7 29,0 32,0 3,0
8 29,8 30,9 1,1
9 30,5 32,3 1,8
10 30,9 32,3 1,4
11 31,1 31,7 0,6
12 25,6 28,1 2,5

1 H0 : µD = 0
Ha : µD 6= 0
¯ −0
D̄
2 √ ∼ t(n−1)
SD / n
3 α = 0, 05
1,075√
tcal = 1,1514/ 12
= 3, 23, ttab = ±2, 20
Portanto, como Zcal > Ztab , rejeita-se a hipótese nula com 5% de
significância. Os métodos são diferentes.
Teste para dados pareados

Códigos em R

pe<- c(20.4, 25.4, 25.6, 26.6, 28.6, 28.7,

29.0, 29.8, 30.5, 30.9, 31.1, 25.6)
chao<- c(21.7, 26.3, 26.8, 26.2, 27.3, 29.5,
32.0, 30.9, 32.3, 32.3, 31.7, 28.1)

t.test(chao, pe, alternative="two.sided",

mu=0, paired=TRUE)

Paired t-test
data: chao and pe
t = 3.2343, df = 11, p-value = 0.007954
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval: 0.3434464 1.8065536
sample estimates: mean of the differences 1.075
Teste para dados não pareados

Exemplo: Um pesquisador deseja comparar dois meios de cultura

diferentes no desenvolvimento de colônias de um certo fungo. Para
isso, utilizou 5 placas de Petri com o meio A e 5 com o meio B e
colocou o inóculo no centro de cada placa. Após um certo perı́odo
de tempo, observou as colônias (áreas em cm).

Meio A 22,0 23,2 15,4 22,1 25,0

Meio B 20,5 30,5 26,8 24,8 43,0

Será que as áreas são diferentes?

Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05
Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05

Testar variâncias:
H0 : σA2 = σB2 2 /S 2 = 73, 227/13, 238 = 5, 53
Fmax = Smax min
Ha : σA2 6= σB2 Fmaxtab = 9, 60

Como Ftab > Fcal , não se rejeita a hipótese nula a 5% de

significância. As variâncias são homogêneas.
Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05

Testar variâncias:
H0 : σA2 = σB2 2 /S 2 = 73, 227/13, 238 = 5, 53
Fmax = Smax min
Ha : σA2 6= σB2 Fmaxtab = 9, 60

Como Ftab > Fcal , não se rejeita a hipótese nula a 5% de

significância. As variâncias são homogêneas.
X̄a −X̄b
tcal = √ = √ 21,54−29,12 = −1, 82, ttab = ±2, 30
Sp2 (1/na +1/nb ) 43,23(1/5+1/5)
Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05

Testar variâncias:
H0 : σA2 = σB2 2 /S 2 = 73, 227/13, 238 = 5, 53
Fmax = Smax min
Ha : σA2 6= σB2 Fmaxtab = 9, 60

Como Ftab > Fcal , não se rejeita a hipótese nula a 5% de

significância. As variâncias são homogêneas.
X̄a −X̄b
tcal = √ = √ 21,54−29,12 = −1, 82, ttab = ±2, 30
Sp2 (1/na +1/nb ) 43,23(1/5+1/5)
Portanto, como −Ztab < Zcal < Ztab , não se rejeita a hipótese nula
com 5% de significância. As áreas formadas pelos 2 meios são
iguais.
Teste para dados não pareados

Códigos em R

meio.a<- c(22.0, 23.2, 15.4, 22.1, 25.0)

meio.b<- c(20.5, 30.5, 26.8, 24.8, 43.0)

var(meio.a)
var(meio.b)
1-pf(var(meio.b)/var(meio.a), 4,4)

t.test(meio.a, meio.b, alternative="two.sided",

mu=0, paired=FALSE, var.equal = TRUE)
Teste para dados não pareados

> var(meio.a)
[1] 13.238
> var(meio.b)
[1] 73.227
> 1-pf(var(meio.b)/var(meio.a), 4,4)
[1] 0.0631435
> t.test(meio.a, meio.b, alternative=”two.sided”, + mu=0,
paired=FALSE, var.equal = TRUE)
Two Sample t-test
data: meio.a and meio.b
t = -1.8228, df = 8, p-value = 0.1058
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval: -17.169484 2.009484
sample estimates:
mean of x mean of y 21.54 29.12
Teste para dados não pareados

Exemplo: Uma Engenheira Florestal testou dois métodos de

resinagem em matrizes de Pinus elliottii. Um grupo de 18 das
melhores matrizes foi selecionado. Através de sorteio aleatório,
aplicou-se em 9 matrizes o tratamento com ácido sulfúrico a 30%
(tratamento A), enquanto que as demais 9 matrizes receberam o
tratamento de ácido sulfúrico a 15% (Tratamento B). Os
resultados obtidos foram:

Trat. Produção de Resina(g) x̄ S2

A 2326 2206 1835 1434 1629 1761 1511 2146 1548 1821,778 108740,944
B 6006 3455 3115 3376 2609 2582 3674 2648 2012 3275,222 1324733,194

Verifique se há diferença entre os dois métodos.

Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05
Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05

Testar variâncias:
H0 : σA2 = σB2
2 /S 2 = 1324733, 194/108740, 944 = 12, 18
Fmax = Smax min
Ha : σA 6= σB2
2 Fmaxtab = 4, 43

Como Ftab < Fcal , rejeita-se a hipótese nula a 5% de significância.

As variâncias são diferentes.
Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05

Testar variâncias:
H0 : σA2 = σB2
2 /S 2 = 1324733, 194/108740, 944 = 12, 18
Fmax = Smax min
Ha : σA 6= σB2
2 Fmaxtab = 4, 43

Como Ftab < Fcal , rejeita-se a hipótese nula a 5% de significância.

As variâncias são diferentes.
X̄a −X̄b 1821,778−3275,222
tcal = √ =√ = −3, 64,
Sa2 /na +Sb2 /nb ) 108740,944/9+1324733,194/9
ttab = ±2, 2622
Teste para dados não pareados

1 H0 : µA = µB → µA − µB = 0
Ha : µA 6= µB
α = 0, 05

Testar variâncias:
H0 : σA2 = σB2
2 /S 2 = 1324733, 194/108740, 944 = 12, 18
Fmax = Smax min
Ha : σA 6= σB2
2 Fmaxtab = 4, 43

Como Ftab < Fcal , rejeita-se a hipótese nula a 5% de significância.

As variâncias são diferentes.
X̄a −X̄b 1821,778−3275,222
tcal = √ =√ = −3, 64,
Sa2 /na +Sb2 /nb ) 108740,944/9+1324733,194/9
ttab = ±2, 2622
Portanto, como Zcal < Ztab , rejeita-se a hipótese nula com 5% de
significância. Os tratamentos são diferentes.
Teste para dados não pareados

Códigos em R

trat.a<- c(2326, 2206, 1835, 1434, 1629,

1761, 1511, 2146, 1548)
trat.b<- c(6006, 3455, 3115, 3376, 2609,
2582, 3674, 2648, 2012)
var(trat.a)
var(trat.b)
1-pf(var(trat.b)/var(trat.a), 8,8)

t.test(trat.a, trat.b, alternative="two.sided",

mu=0, paired=FALSE, var.equal = FALSE)
Teste para dados não pareados

> var(trat.a)
[1] 108740.9
> var(trat.b)
[1] 1324733
> 1-pf(var(trat.b)/var(trat.a), 8,8)
[1] 0.0009610369
> t.test(trat.a, trat.b, alternative=”two.sided”, + mu=0,
paired=FALSE, var.equal = FALSE)
Welch Two Sample t-test
data: trat.a and trat.b
t = -3.6419, df = 9.3046, p-value = 0.005094
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval: -2351.7698 -555.1191
sample estimates: mean of x mean of y 1821.778 3275.222
Teste de qui-quadrado para duas ou mais proporções - Homogeneidade

Distribuição conjunta das frequências das variáveis época de

plantio e sobrevivência de enxertos de ameixeiras
Época Raı́zes Total
Sobreviventes Mortas
Fora da primavera 263 217 480
Na primavera 115 365 480
Total 378 582 960

H0 : π1j = π2j
Ha : π1j 6= π2j
α = 0, 05
2 2 2 2
χ2cal = (263−189)
189 + (217−291)
291 + (115−189)
189 + (365−291)
291 = 95, 58
χ2tab = 3, 84
Portanto, como χ2cal > χ2tab , rejeita-se a hipótese nula. As
proporções de sobreviventes dentro e fora da primavera são
diferentes .
Teste de qui-quadrado para duas ou mais proporções - Homogeneidade

Código R

#teste de homogeneidade
y<- c(263, 115, 217, 365)
tab<- array(y, c(2,2))
prop.test(tab,correct=F)

> prop.test(tab,correct=F)
2-sample test for equality of proportions without continuity
correction
data: tab
X-squared = 95.583, df = 1, p-value < 2.2e-16
alternative hypothesis: two.sided
95 percent confidence interval: 0.2496784 0.3669883
sample estimates:
prop 1 prop 2
0.5479167 0.2395833
Teste de qui-quadrado para duas ou mais proporções - Independência

Contagem de plantas segregando para dois caracteres: ciclo e

virescência (formação de cloroplastos nas pétalas, originando
plantas verdes), numa progênie da espécie X
Ciclo Virescência Total
Normal Virescente
Tardio 3470 910 4380
Precoce 1030 290 1320
Total 4500 1200 5700
H0 : πij = πi· π·j
Ha : πij 6= πi· π·j
α = 0, 05
2 2 2
χ2cal = (3470−3457,89)
3457,89 + (910−922,11)
922,11 + (1030−1042,11)
1042,11 +
(290−277,89)2
277,89 = 0, 8692
χ2tab = 3, 84
Portanto, como χ2cal < χ2tab , não se rejeita a hipótese nula. O
ciclo e a virescência são independentes.
Teste de qui-quadrado para duas ou mais proporções - Independência

Códigos R

# teste de independencia
y<- c(3470, 910, 1030, 290)
tab<- array(y, c(2,2))
tab
chisq.test(tab, correct=F)

> tab
[,1] [,2]
[1,] 3470 1030
[2,] 910 290
> chisq.test(tab, correct=F)
Pearson’s Chi-squared test
data: tab
X-squared = 0.86922, df = 1, p-value = 0.3512
Teste de qui-quadrado de aderência

Tipos de Frequências Frequências

ervilhas observadas esperadas sob H0
Amarelas lisas 315 312,75 = 556 × (9/16)
Verdes lisas 108 104,25 = 556 × (3/16)
Amarelas rugosas 101 104,25 = 556 × (3/16)
Verdes rugosas 32 34,75 = 556 × (1/16)
Total 556 556

Avaliar se o padrão de segregação dos caracteres envolvidos segue aquele

proposto pela segunda lei de Mendel.

H0 : π1 = 9/16, π2 = 3/16; π3 = 3/16, π4 = 1/16

Ha : pelo menos uma das igualdades é falsa

α = 0, 05
2 2 2 2
χ2cal = (315−312,75)
312,75 + (108−104,25)
104,25 + (101−104,25)
104,25 + (32−34,75)
34,75 = 0, 47
2
χtab = 7, 81
Portanto, não se rejeita H0 ao nı́vel de 5% de significância. A segregação
segue o padrão da segunda lei de Mendel.
Teste de qui-quadrado de aderência

Código R

# teste de aderencia

chisq.test(c(315,108,101,32),
p=c(9/16, 3/16, 3/16, 1/16), correct = F)

Chi-squared test for given probabilities

data: c(315, 108, 101, 32)
X-squared = 0.47002, df = 3, p-value = 0.9254