Testes de Hipótese

No tema anterior, foi visto como construir uma estimativa de intervalos de confiança de
um parâmetro a partir de dados amostrais. Entretanto, muitos problemas em engenharia
requerem que decidamos dentre aceitar ou rejeitar uma afirmação acerca de algum
parâmetro. A afirmação é chamada de hipótese e o procedimento de tomada de decisão
sobre a hipótese é chamado teste de hipóteses. Esse é um dos mais úteis aspectos da
inferência estatística, uma vez que muitos tipos de problemas de tomadas de decisão,
teste, ou experimentos no mundo da engenharia podem ser formulados como problemas
de teste de hipóteses. Além disso, há uma conexão entre teste de hipóteses e intervalos
de confiança.

Hipótese Estatística: é uma afirmação sobre os parâmetros de uma ou mais populações.

Uma hipótese estatística pode também ser pensada como uma afirmação acerca da
distribuição de probabilidade de uma variável aleatória. A hipótese geralmente envolve
um ou mais parâmetros dessa distribuição.

Por exemplo, suponha que estejamos interessados na taxa de queima de propelente

sólido, usado para fornecer energia a um determinado sistema de aeronaves. A taxa de
queima é uma variável aleatória que pode ser descrita por uma distribuição de
probabilidades. Suponha que nosso interesse esteja focado na taxa média de queima (um
parâmetro dessa distribuição). Estamos interessados em decidir se a taxa média de
queima é ou não 50 cm/s. Pode se expressar isso formalmente como:

A afirmação é chamada de hipótese nula e a afirmação

é chamada de hipótese alternativa. Uma vez que a hipótese alternativa
especifica valores que poderiam, ao mesmo tempo, ser maiores ou menores que a
hipótese nula, ela é chamada de hipótese alternativa bilateral.

Em algumas situações, podemos desejar formular uma hipótese alternativa unilateral,

como em:

ou

É importante lembrar que hipóteses são sempre afirmações sobre a população ou

distribuição sob estudo, e não afirmações sobre a amostra.

Um procedimento levando a uma decisão acerca de uma hipótese particular é chamado

de teste de uma hipótese. Procedimentos de teste hipóteses se apoiam no uso de
informações de uma amostra aleatória proveniente da população de interesse. Se essa
1
informação for consistente com a hipótese, não rejeitaremos a hipótese; no entanto, se
essa informação for inconsistente com a hipótese, concluiremos que a hipótese é falsa.

Testar a hipótese envolve considerar uma amostra aleatória, computar uma estatística
de teste a partir de dados amostrais e então usar a estatística de teste para tomar uma
decisão a respeito da hipótese nula.

Testes de Hipóteses Estatísticas

Considere o problema da taxa de queima do propelente, introduzido anteriormente. A

hipótese nula é a taxa média de queima de e alternativa é que essa taxa não é
igual a 50 cm/s:

Suponha que uma amostra, de , seja testada e que a taxa média de queima da
amostra seja observada. A média amostral é uma estimativa da média verdadeira da
população. Um valor da média amostral que caia próximo ao valor da hipótese de
é uma evidência de que a média verdadeira é realmente . Por
outro lado, uma média amostral que seja consideravelmente diferente de é
uma evidência de que a hipótese alternativa é válida. Assim, a média amostral é a
estatística de teste nesse caso.

A média amostral pode assumir muitos valores diferentes. Suponha que, se

, não rejeitaremos a hipótese nula , e se ou ,
rejeitaremos a hipótese nula em favor da hipótese alternativa . Os valores de
que forem menores que e maiores que constituem a região crítica para o
teste enquanto todos os valores no intervalo formam uma região,
chamada de região de aceitação, para a qual falharemos em rejeitar a hipótese nula. Os
limites entre as regiões críticas e a região de aceitação são chamados de valores
críticos. Em nosso exemplo, os valores críticos são e .

É comum estabelecer conclusões relativas à hipótese nula . Rejeitaremos em favor

de , se a estatística de teste cair na região crítica; caso contrário, falharemos em
rejeitar . Este procedimento de decisão pode conduzir a uma de duas conclusões
erradas:

Erro Tipo I: rejeitar a hipótese nula quando ela é verdadeira.

Erro Tipo II: falhar em rejeitar a hipótese nula quando for falsa.

Assim, testando qualquer hipótese estatística, quatro situações diferentes determinam se

a decisão final está correcta ou errada. Estas situações estão apresentadas na tabela a
seguir.

2
 Decisão é verdadeira é falsa
Falha em rejeitar Nenhum erro Erro tipo II
Rejeitar Erro tipo I Nenhum erro

Pela facto de a nossa decisão estar baseada em variáveis aleatórias, probabilidades

podem ser associadas com os erros tipo I e tipo II.

Probabilidade do Erro Tipo I

Algumas vezes, a probabilidade de erro tipo I é chamada de nível de significância ou

erro ou tamanho do teste.

No exemplo da taxa de queima do propelente, um erro tipo ocorrerá ou

, quando a taxa média verdadeira de queima do propelente for .
Suponha que o desvio padrão da taxa de queima seja e que a taxa de
queima tenha uma distribuição para a qual as condições do teorema do limite central se
aplicam de modo que a distribuição da média amostral seja aproximadamente normal,
com média e desvio padrão . A probabilidade de
cometer o erro tipo I (ou nível de significância do nosso teste) será:

Isso implica que de todas as amostras aleatórias conduziriam à rejeição da

hipótese , quando a taxa verdadeira de queima fosse realmente

Probabilidade do Erro Tipo II

Para calcular (algumas vezes chamado erro ), temos de ter uma hipótese alternativa
específica; ou seja, temos de ter um valor particular de .

3
Por exemplo, suponha que seja importante rejeitar a hipótese nula
toda vez que a taxa média de queima seja maior que ou menor que .
Como o procedimento de teste funcionará se desejarmos rejeitar para um valor
médio ou ? Por causa da simetria da distribuição normal, só é necessário
avaliar um dos dois casos – encontrar a probabilidade de aceitar a hipótese nula
, quando a média verdadeira for .

Agora, um erro tipo II será cometido, se a média amostral cair entre e (os
limites da região crítica), quando . Essa é apenas a probabilidade de
, quando a média verdadeira for , assim

Assim, se estivermos testando contra , com e o valor

verdadeiro da média for , a probabilidade de falharmos em rejeitar a falsa
hipótese nula é de 0,2643. Por simetria, se o valor verdadeiro da média for ,o
valor de também será 0,2643.

Potência: é a probabilidade de rejeitar a hipótese nula quando a hipótese alternativa

for verdadeira. É calculada como e pode ser interpretada como a probabilidade de
rejeitar correctamente uma hipótese nula falsa.

Valor P: é o menor nível de significância que conduz à rejeição da hipótese nula

com dados fornecidos.

Procedimento Geral para Testes de Hipóteses

O uso da seguinte sequência de etapas na metodologia de aplicação de testes de
hipóteses é recomendado:
1. Estabelecer as hipóteses nula e alternativa;
2. Obter e especificar a estatística teste a ser usada (tal como );
3. Especificar a localização da região crítica (bilateral, unilateral superior ou
unilateral inferior);
4. Especificar os critérios de rejeição;
5. Concluir o Teste com base na estimativa e na sua região crítica;

4
 Teste de Hipótese para a Média de uma Distribuição Normal, Variância
Conhecida

Suponha que desejamos testar as hipóteses:

Sendo uma constante especificada. Temos uma amostra aleatória , , ...,

proveniente de uma população normal. Visto que tem uma distribuição normal (isto é,
a distribuição amostral de é normal) com média e desvio padrão , se a
hipótese nula for verdadeira, poderemos construir uma região crítica baseada no valor
calculado da média amostral .
É geralmente mais conveniente padronizar a média amostral e usar uma estatística de
teste baseada na distribuição normal. Ou seja, o procedimento de teste para
usa a estatística de teste.

Estatística de Teste

Se a hipótese nula for verdadeira, então e a distribuição éa

distribuição normal padrão, consequentemente, a probabilidade será de que a
estatística de teste caia entre e . Note que a probabilidade é de que a
estatística de teste caia na região ou quando for
verdadeira.

Assim, devemos rejeitar se o valor observado da estatística de teste for

Estas desigualdades definem a região crítica (região de rejeição) para .

Devemos falhar em rejeitar se

Estas desigualdades definem a região de aceitação para .

É mais fácil entender a região crítica e o procedimento de teste, em geral, quando a

estatística de teste é e não . Entretanto, a mesma região crítica pode sempre ser
escrita em termos do valor calculado da média da amostra . Um procedimento idêntico
ao anterior é dado a seguir:
Rejeite se ou

5
 Teste Média, Variância Conhecida

Hipótese nula:

Estatística de teste:

Hipótese alternativa Critério de rejeição

Valores P

Exemplo: Os sistemas de escape de uma aeronave funcionam devido a um propelente

sólido. A taxa de queima desse propelente é uma característica importante do produto.
As especificações requerem que a taxa média de queima tem de ser . Sabemos
que o desvio padrão da taxa de queima é . O experimentista decide especificar
uma probabilidade do erro tipo I, ou nível de significância, de . Ele
seleccioona uma amostra aleatória de e obtém uma taxa média amostral de
queima de . Que conclusões poderiam ser tiradas?

Teste de Hipótese para a Média de uma Distribuição Normal, Desconhecida e

Amostra Grande

Em muitas situações práticas será desconhecida. Além disso, não podemos estar
certos de que a população seja bem modelada por uma distribuição normal. Nessas
situações, se for grande ( ), o desvio padrão da amostra poderá substituir
nos procedimentos de teste, tendo pouco efeito.

Teste Média, Variância Desconhecida e Amostra Grande

6
 Hipótese nula:

Estatística de teste:

Hipótese alternativa Critério de rejeição

Teste de Hipótese para a Média de uma Distribuição Normal, Desconhecida e

Amostra Grande

Em muitas situações práticas será desconhecida. Além disso, não podemos estar
certos de que a população seja bem modelada por uma distribuição normal. Nessas
situações, se for grande ( ), o desvio padrão da amostra poderá substituir
nos procedimentos de teste, tendo pouco efeito.

Teste Média, Variância Desconhecida e Amostra Grande

Hipótese nula:

Estatística de teste:

Hipótese alternativa Critério de rejeição