Slides - TH

Teste
de
Hipóteses
jlborges@fe.up.pt
Teste de Hipóteses jlborges@fe.up.pt
O objectivo de um teste de hipóteses
é o de verificar se uma estimativa amostral é ou não compatível
com uma determinada população
O resultado de um teste é do tipo afirmativo / negativo,
havendo a possibilidade de erro
Exemplo:
Como podemos verificar se uma moeda está, ou não, viciada?
1
Vamos lançar várias vezes a moeda e verificar se o resultado
obtido é plausível para moedas não viciadas.
Vamos então lançar a moeda 10 vezes.
Se obtiver 4 caras qual seria a conclusão?
e se obtiver 8 caras?
2
Procedimento Básico de Teste de Hipóteses
1. Definição das hipóteses
2. Identificação da estatística de teste e caracterização da
sua distribuição
3. Estabelecimento da regra de decisão, com especificação
do nível de significância do teste
4. Cálculo da estatística de teste e tomada de decisão
3
1. Definição das Hipóteses
Hipótese alternativa ou H1
Hipótese que traduz uma conjectura que se pretende verificar
Contém sempre uma desigualdade (> ou <) ou uma
não‐igualdade () e nunca uma igualdade (=)
Teste unilateral à Teste unilateral à
Teste bilateral
esquerda direita
H1  < >
4
Definição das Hipóteses
• Hipótese nula ou H0
Hipótese complementar de H1
H0 é considerada verdadeira até prova em contrário
(se H0 for provada como falsa é rejeitada e podemos aceitar H1
como válida)
Contém sempre uma igualdade (=, , ),
apenas se testando a situação de “=” por ser a que mais se
aproxima de H1
5
Definição das Hipóteses
Hipótese Nula: Traduz a hipótese que vai ser testada
Hipótese Alternativa: Hipótese alternativa à hipótese nula
Exemplo:
O responsável pelas tecnologias de informação de uma empresa
pretende avaliar a capacidade de transmissão de dados da
Intranet. Um dos testes a efectuar consiste em estimar o tempo
médio de transferência de um ficheiro de 50 Mb, sendo a
finalidade do teste validar a conjectura de que o tempo
médio é inferior a 26 segundos.
6
H0 : μ  26 ou μ  26 Complementar a H1. Igualdade.
H1 : μ  26 Aquilo que se pretende verificar. Desigualdade.
• Intuição:
– Consideramos que =26 é verdadeira.
– Vamos recolher uma amostra e calcular o tempo médio.
– Se o resultado obtido for muito improvável para =26 rejeitamos
essa hipótese e consideramos como válida a hipótese
complementar.
– Pergunta: O que é um resultado pouco provável?
7
Exemplo
Para verificar a conjectura acerca do tempo médio de
transferência ( < 26 ) foi recolhida uma amostra aleatória do tempo de 50
transferências. Admita que se conhece o desvio padrão populacional =1.84,
27.3 26.8 23.8 23.5 25.3 26.0 25.4 26.4 25.1 25.4
27.0 29.4 25.5 24.1 25.1 25.3 23.8 23.4 26.2 26.2
25.9 25.5 24.2 23.7 27.6 23.6 25.1 24.8 27.8 25.1
24.0 26.9 21.2 24.3 24.6 26.0 24.1 22.6 23.3 25.3
29.7 28.3 27.0 22.2 26.0 25.4 25.8 26.0 23.8 21.5
x  25.51 s2  1.652
Será este resultado pouco provável?
8
2. Identificação da Estatística de Teste e
Caracterização da Sua Distribuição
A estatística de teste (ET) é utilizada para verificar a plausibilidade
de H0 sendo necessário conhecer a sua distribuição quando se admite que H0
é verdadeira.
Exemplo (cont.)
A estatística que corresponde à média populacional, , é a média amostral.
Uma vez que N=50 qualquer que seja a distribuição de x temos que:

x  N μ , σ2 / N 
e, como o desvio padrão populacional é conhecido, temos que:
X  μ0
ET   N(0,1)
σ N
9
X  μ0
ET   N(0,1)
σ N
Como sabemos qual a sua distribuição, a
ET permite‐nos verificar se se trata de um
resultado pouco provável, ou não.
10
3. Estabelecimento da Regra de Decisão e
Especificação do Nível de Significância do Teste
A hipótese nula será rejeitada se o valor de ET for
muito improvável face à sua distribuição quando H0 é verdadeira.
A regra de decisão fixa o valor ET(), valor crítico, a partir do qual se rejeita
H0, criando uma região de rejeição.
A probabilidade  designa‐se nível de significância do teste.
11
A probabilidade  designa‐se nível de significância do teste.
• Intuição
– Numa distribuição Normal todos os resultados são possíveis, uma
vez que a distribuição não é limitada superiormente ou
inferiormente.
– Logo, temos de estabelecer um limite a partir do qual consideramos
os resultados demasiado improváveis.
 e corresponde à probabilidade de tomar uma
– Esse limite é o
decisão errada.
• No exemplo do lançamento de uma moeda 10 vezes consideramos muito
pouco provável obter 9 ou 10 caras. No entanto esse resultado é, de facto,
possível.
12
O nível de significância do teste, , representa a probabilidade
de se rejeitar H0 quando esta hipótese é verdadeira.
Este erro designa‐se por Erro do Tipo I.
Valores mais comuns de Z 
13
Quando
ET  N(0,1) e α  5%
14
Exemplo (cont.)
N  50 x  25.51 σ2  1.842
H0 : μ  26 ou μ  26
z(α)  1.645
xcrt  μ
 1.645
σ/ N
1.84
xcrt  1.645   26  25.57
50
Se o valor amostral for inferior ao Valor Crítico a hipótese nula
deverá ser rejeitada.
15
Exemplo (cont.)
Regra de decisão:
Rejeitar se ET < ‐1.645
ou então
Rejeitar se X < 25.6
As duas formas são equivalentes.
16
4. Cálculo da Estatística de Teste e Tomada de Decisão
Corresponde ao cálculo do valor de ET e consequente aplicação da regra de
decisão
Exemplo (cont.)
α  5%  ET  α   1.645
Regra de decisão
ET  1.645 rejeitar H0 e aceitar H1
ET  1.645 não rejeitar H0 (teste inconclusivo)
x μ 25.51  26
ET    1.88
σ / N 1.84 / 50
REJEITAR H0
e aceitar H1
17
Exemplo (cont.)
E se o teste fosse bilateral?
α  2.5%  ET  α  1.96
x μ 25.51  26
ET    1.88
σ / N 1.84 / 50
Não há evidência
contra H0  teste
inconclusivo
Note que as hipóteses tem de ser definidas antes de calculada a
estatística de teste.
18
Valor de Prova
O valor de prova, valor P, corresponde à probabilidade de ET tomar um valor
igual ou mais extremo do que o registado.
Constitui uma medida do grau com que os dados amostrais contradizem H0.
Z0  ET
Permite tomar uma decisão mais fundamentada, porque em vez de ser do
tipo rejeita ‐ não rejeita dá‐nos uma medida da distância relativamente à
decisão oposta. 19
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
Exemplo (cont.) 1.5 0.067 0.066 0.064 0.063 0.062 0.061 0.059 0.058 0.057 0.056
1.6 0.055 0.054 0.053 0.052 0.051 0.050 0.049 0.048 0.047 0.046
1.7 0.045 0.044 0.043 0.042 0.041 0.040 0.039 0.038 0.038 0.037
x μ 1.8 0.036 0.035 0.034 0.034 0.033 0.032 0.031 0.031 0.030 0.029
ET   1.9 0.029 0.028 0.027 0.027 0.026 0.026 0.025 0.024 0.024 0.023
σ/ N 2.0 0.023 0.022 0.022 0.021 0.021 0.020 0.020 0.019 0.019 0.018
25.51  26
 1.88
1.84 / 50
valor P  PET  1.88 H0   0.03
Valor de Prova = 3%
‐1.88
20
Exemplo (cont.)
No caso do teste ser bilateral ( H1:   26 )
valor P  P  ET  1.88 H0    ET  1.88 H0    2  0.03  0.06
3% 3%
‐1.88 1.88
21
O valor de prova dá uma medida da evidência contra H0.
A decisão deve ser tomada em função do risco que estamos dispostos a
cometer.
É diferente estar a avaliar o tempo médio de transferência de um ficheiro ou a
tensão de rotura de uma asa de um avião.
22
EXEMPLO
Uma amostra aleatória de 80 associados de um clube automóvel revelou
que o montante gasto em prémios de seguro automóvel tem um valor
médio de 800 Euros. O desvio padrão da variável é conhecido e toma o
valor de 200 Euros.
Verifique se é razoável afirmar que o valor médio gasto pelos

sócios do clube em prémios de seguros é superior a 770 Euros.
n  80 x  800 Definição das hipóteses
σ  200
H 0 : μ  770
H1 : μ  770
Aquilo que pretendemos verificar
23
N  80 x  800 σ2  2002
H0 : μ  770
H1 : μ  770
Amostra grande e variância populacional conhecida  ET  N(0,1)
x μ 800  770
ET    1.34
σ / N 200 / 80
1.34  1.645  não rejeitar H0
z(0.05)  1.645
Valor de Prova  P  ET  1.34 H0   0.09
Não há evidência suficiente para rejeitar H0, teste inconclusivo.
Não se pode afirmar que a média seja superior a 770€.
Decisão tomada com confiança moderada!
24
Testes ao Valor Esperado
amostra grande,
H0 : μ  μ 0 X  μ0
população qualquer
ET   N(0,1)
H1 : μ  μ 0 μ  μ 0 μ  μ 0 S N
H0 : μ  μ 0
amostra pequena, X  μ0
população normal ET   tN 1
H1 : μ  μ 0 μ  μ 0 μ  μ 0 S N
25
Exemplo:
Com base na amostra (n=50) de idades de funcionários de uma determinada
empresa poder‐se‐á afirmar que a idade média dos funcionários da
empresa é inferior a 39 anos?
x  36.4
s  12.1
H0 : μ  39 Amostra de grande dimensão, teste Z.
H1 : μ  39
36.4  39
ET   1.52 Não rejeitar H0
12.1 50
Valor de prova = p(Z<‐1.52) = 6.4%
α  5%  z(α)  1.96
26
Relação entre Testes de Hipóteses
e Intervalos de Confiança
Uma HIPÓTESE NULA (H0: = 1) pode ser rejeitada a um nível de
significância  se, e só se, o
intervalo de confiança de  a (1‐).100%
não incluir o valor 1
O intervalo de confiança deverá ser compatível com a natureza
de H1:
se o teste for bilateral o IC deverá ser bilateral
e
se o teste for unilateral o IC deverá ser unilateral
27
Exemplo (teste bilateral):
Considere uma população Normal com 2=1. Com base numa amostra de N=25,
obteve‐se x  1.4 . Verifique a hipótese H0:=1, admitindo como hipótese
alternativa H1:   1.
H1:   1  IC bilateral
σ
X  z(α / 2) 
N
α  5%  z  0.025  1.96
σ 1
x  z α / 2   1.4  1.96   1.01 , 1.79
N 25
Como 1 não pertence ao intervalo a hipótese nula
28
Exemplo (cont.):
Qual o valor de prova?
O valor de prova corresponde ao menor grau de confiança que permite
que o intervalo inclua o valor 1, logo:
σ
x  z(α / 2)  1  z(α / 2)  (1.4  1)  25  2.0
N
das tabelas vem sendo o valor de prova
z(α / 2)  2.0  α / 2  0.0228 α  2  0.0228  4.56%
29
Exemplo (teste unilateral):
Considere duas amostras de dimensões NA=16 e NB=21, retiradas de duas
populações Normais, das quais se obtiveram as seguintes estimativas
SA2  4.60 SB2  1.12
Teste se a variância de A é significativamente superior à variância de B.
σ2A Vindo o intervalo de confiança
H0 : σ2A  σ2B  H0 : 2  1
σB
 1 SA2   1 4.60 
σ2A   2 ,     , 
H1 : σ  σ
2
A
2
B  H1 : 2  1  FNA ‐1,NB ‐1(α) SB   2.20 1.12 
σB
 1.87, 
 Rejeitar H0
1 SA2 4.60
Valor de prova:  2  1  FNA ‐1,NB ‐1(α)   4.11  α  0.19%
FNA ‐1,NB ‐1(α) SB 1.12
30
Exemplo
Um determinado processo de fabrico foi modificado por forma a melhorar a
qualidade do produto final. Após alguns testes com o novo método de fabrico, o
responsável pelo produto desconfia que o novo processo é significativamente
mais demorado. De seguida apresentam‐se os resultados de uma amostragem
com os dois métodos de fabrico.
Método antigo X A  3.5 SA2  0.9612 NA  20
Método novo XN  4.25 SN2  0.9792 NN  17
Verifique, recorrendo à técnica de intervalos de confiança, se há, ou não, um

aumento significativo do tempo de produção.
No caso de a resposta ser afirmativa estime o valor esperado e o desvio padrão
desse aumento.
31
Vamos verificar se podemos considerar as variâncias iguais
H0 : σ2N  σ2A
 1 0.9792 
H1 : σ  σ
2
N
2
A   2
,     0.47 ,   não há evidência de σ 2
N  σ 2
A
F
 16,19 (5%) 0.961 
1 0.9792
  1  F16,19 (α%)  1.04  α  46.4%
F16,19 (α%) 0.9612
Uma vez que a evidência contra H0 é muito, muito fraca vamos
considerar que H0 é verdadeira, isto é, que as variâncias das duas
variáveis podem ser consideradas iguais.
(NA  1)  SA2  (NN  1)  SB2

S 
2
 0.94
NA  NN  2
32
H0 : μ N  μ A  μ N  μ A  0
H1 : μ N  μ A  μ N  μ A  0
 1 1 
(4.25  3.5)  t35 (5%)  S   ,  
 NA NN 
 1 1 
0.75  1.6896  0.94   ,     0.21 , 
 20 17 
Uma vez que o valor 0 (zero) não está contido no intervalo vamos rejeitar H0.
1 1
0.75  t35 (α%)  0.94    0  t35 (α%)  2.34  V .P.  1.2%
20 17
Vamos agora estimar o valor esperado e o desvio padrão
E ( X N  X A )  E ( X N )  E ( X A )  0.75
Var ( X N  X A )  Var ( X N )  Var ( X A )  1.88
33
Teste de Hipóteses H0 : σ2  σ02 S 2 jlborges@fe.up.pt
Variância de uma População Normal ET  (N  1)  2  χ 2N 1
H1 : σ2  σ02 , σ2  σ02 ou σ2  σ02 σ0
Razão de Variâncias de Duas σ2A
H0 : σ  σ  2  1 SA2
ET  2  FNA1 ,NB1
2 2
A B
Populações Normais σB SB
Valor Esperado de uma População X  μ0
(amostra grande, população H0 : μ  μ0 ET   N(0,1)
qualquer) S N
X  μ0
amostra pequena, população normal ET   t N 1
S N
Diferença de Valores Esperados de
(X A  XB )  δ0
duas Populações H0 : μ A  μ B  δ0 ET   N (0,1)
(amostras grandes, independentes, S A2 N A  SB2 NB
populações quaisquer)
(NA  1)  SA2  (NB  1)  SB2 ( X A  X B )  δ0

S 
2 ET   N(0,1)
NA  NB  2 S  1 NA  1 NB
( X A  X B )  δ0 ( X A  XB )  δ0
amostras pequenas, independentes, ET   tGL ET   tNA NB 2
populações normais S NA  S NB
2
A
2
B S  1 NA  1 NB
Proporção Binomial Y N  p0
H0 : p  p0 ET   N(0,1)
(amostra de grande dimensão)  p0  (1  p0 ) N
Diferença de Duas Proporções
ET 
YA NA  YB NB   p0
 N  0,1
Binomiais
(amostras de grande dimensão) H0 : pA  pB  p0 YA   NA  YA  NA3  YB   NB  YB  NB3
34
Teste à Diferença de Valores Esperados de duas Populações
(amostras emparelhadas)
Exemplos de amostras emparelhadas:
•Idades do marido e da mulher de seis casais seleccionados ao acaso
{(31, 27), (82, 76), (21 ,22), (27, 27), (53, 50), (67,62)}
O marido de uma senhora de 80 anos terá maior probabilidade de ser idoso
(amostras não são independentes)
•Classificações a uma dada disciplina dos alunos do 10º ano no 1º e no 3º
período.
Nestes casos interessará analisar o comportamento da amostra
univariada constituída pela diferença entre pares de observações.
Note que as amostras não são independentes e a distribuição da estatística de
teste é difícil de caracterizar.
35
Retomando o exemplo das idades dos casais, pretende‐se verificar se o valor
esperado das idades dos maridos (A) é, ou não, superior ao valor esperado
das idades das mulheres (B).
Sendo   xA  xB
As hipóteses do teste são as seguintes: H0 : μ  0
H1 : μ  0
  {31  27  4; 82  76  6; 21  22  1; 27  27  0; 53  50  3; 67  62  5}
  2.83 S2  2.7872
  0 2.83  0
ET    2.49  t(61) (0.05)  2.015
S N 2.787 6
Valor de Prova: 2.76%
Conclui‐se então que, em média, os maridos têm idade superior à das
mulheres.
36
Erro do Tipo II
O nível de significância do teste, , representa a probabilidade de se rejeitar H0
quando esta hipótese é verdadeira. Erro do Tipo I.
Existe ainda a possibilidade de cometer um outro tipo de erro que corresponde
a não rejeitar H0 quando esta é falsa. Erro Tipo II ().
H0 Verdadeira H0 Falsa
Erro Tipo I Decisão Correcta

H0 Rejeitada
() (1-)
Decisão Correcta Erro Tipo II

H0 Não Rejeitada
(1-) ()
37
Vamos lançar várias vezes a moeda e verificar se o resultado
obtido é plausível para moedas não viciadas.
Vamos então lançar a moeda 10 vezes.
Se obtiver 4 caras qual seria a conclusão?
H0:p=0.5 Verdadeira H0 Falsa
Erro Tipo 1: probabilidade de a moeda ser ‘boa’ e obter 9 ou mais caras.
Erro Tipo 2: probabilidade de a moeda ser ‘má’ e obter 8 ou menos caras.
38
Potência do Teste
A potência do teste traduz a probabilidade de rejeitar H0 quando
esta hipótese é falsa e designa‐se 1‐ 
O desejável era que  e  fossem ambos pequenos, mas quando

 diminui  aumenta, diminuindo consequentemente a potência
do teste
 
 
39
Exemplo (cont.)
verificar a conjectura acerca do tempo médio de transferência ( < 26 )
N  50 x  25.51 σ2  1.842
H0 : μ  26 ou μ  26
Se o valor amostral for inferior ao Valor Crítico a hipótese nula
40
H0 é falsa
Exemplo (cont.)
Cálculo de  se =25.8 e =5%:
Rejeitar H0 (decisão correcta)
Não Rejeitar H0 (decisão incorrecta)
41
Exemplo (cont.)
Cálculo de  se =25.0 e =5%:
42
Valor de  para =25.8, 25.6, 25.3 e 25
(=5%:)
1 
Quanto maior for 1‐  0 maior será
a potência do teste 1‐b.
Só faz sentido calcular a potência de
teste porque não sabemos o valor
verdadeiro de 
43
1 
Imagine que o chefe disse ao responsável pela rede que ia recolher uma amostra
de tempos de transferência para verificar se este é inferior a 26seg.
Se não se rejeitar a hipótese  >= 26, o responsável da rede será despromovido.
Para qual valor de  ele deve apontar no que diz respeito à configuração da
rede?
A análise da potência de teste permite analisar cenários
alternativos.
44
Para diminuir  e  simultaneamente torna‐se

necessário aumentar a dimensão da amostra,
provocando a redução da variância da
distribuição da estatística de teste
45
Exemplo
Uma amostra aleatória de 80 associados de um clube automóvel revelou que o
montante gasto em prémios de seguro automóvel tem um valor médio de 800
Euros. O desvio padrão da variável é conhecido e toma o valor de 200 Euros
i) Verifique se é razoável afirmar que o valor médio gasto pelos sócios do clube em prémios de
seguros é superior a 770 Euros.
ii) Se de facto o valor médio gasto em prémios de seguros for de 780
Euros qual o valor da potência do teste efectuado em (i) ?
Note que nós não sabemos qual o valor de  e apenas
pretendemos estudar o comportamento do teste de hipóteses
no contexto de um cenário hipotético.
46
Resolução (cont.): Teste a efectuar

ii) se μ  780 que valor toma 1  β? H0 : μ  770
xc  ? H1 : μ  770
xc  μ
 z(0.05) 
σ/ N 
xc  1.645  200 / 80  770  806.78
770
Xcc=?
=806.8
 806.78  780 
P(1  β)  P  z  
 200 / 80 
 P  z  1.198 
 11.5%
780
Probabilidade de NÂO rejeitar H0 quando ela é falsa.
Probabilidade de rejeitar H0 quando ela é falsa.
47
Problema
Os testes de QI são geralmente elaborados por forma a obter um média de cerca
de 100 e um desvio padrão de 15. Uma conhecida instituição em que os
candidatos a membros são sujeitos a testes de QI resolveu verificar os teste por si
utilizados. Para tal, seleccionou ao acaso 15 pessoas para efectuarem um teste de
QI tendo sido obtidos os resultados indicados na tabela seguinte.
Pessoa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
QI 95 81 104 119 118 126 67 96 116 84 90 75 72 85 88
i) Verifique se a variabilidade dos resultados do teste está de acordo com o que
seria de esperar.
48
Resolução:
i) N  15 s2  18.49 x  94.4
Hipótese: a variável em estudo segue uma distribuição Normal
H0 : σ2  15
H1 : σ2  15
S2 182
ET  (N  1)  2  14  2  20.16
σ 15
χ14
2
(α  0.975)  5.63 
  não rejeitar H0 Valor de prova  10% (12.5%)
χ14 (α  0.025)  26.12
2

GL 0.99 0.975 0.95 0.9 ... 0.1 0.05 0.025 0.01
13 4.107 5.009 5.892 7.042 ... 19.812 22.362 24.736 27.688
14 4.66 5.629 6.571 7.79 ... 21.064 23.685 26.119 29.141
15 5.229 6.262 7.261 8.547 ... 22.307 24.996 27.488 30.578
16 5.812 6.908 7.962 9.312 ... 23.542 26.296 28.845 32

49
Problema
Os testes de QI são geralmente elaborados por forma a obter um média de cerca de 100 e um desvio padrão de 15.
Uma conhecida instituição em que os candidatos a membros são sujeitos a testes de QI resolveu verificar os teste por
si utilizados. Para tal, seleccionou ao acaso 15 pessoas para efectuarem um teste de QI tendo sido obtidos os
resultados indicados na tabela seguinte.
Pessoa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
QI 95 81 104 119 118 126 67 96 116 84 90 75 72 85 88
ii) Admitindo que o desvio padrão dos resultados do teste realizado na alínea
anterior era de facto 16, qual a potência do teste efectuado?
(Indique apenas um limite inferior para o valor da potência do teste)
50
Resolução (cont.): H0
S2
ii) ET  (N  1)  2
σ
x 15 x
χ 14
2
(α  0.975)  5.63 χ 14
2
(α  0.025)  26.12
β
x 2
5.63  152
5.63  14  ‐
2
 x 2‐   98.48  x ‐  9.51
15 14
x2 26.12  152 16
26.12  14  2  x   2
 419.79  x   20.49
15 14
1  β  1   9.51  σ  20.49 
 2 14  9.512   2 14  20.492 
 P  χ 14  2   P  χ 14  2  Probabilidade de num cenário
 16   16 
alternativo obter valores mais

 P χ 14
2
 
 4.94  P χ 14
2
 22.96  extremos que os valores críticos.
 0.013  0.061  7.4%
51
Problema
Os testes de QI são geralmente elaborados por forma a obter um média de cerca de 100 e um desvio padrão de 15.
Uma conhecida instituição em que os candidatos a membros são sujeitos a testes de QI resolveu verificar os teste por
si utilizados. Para tal, seleccionou ao acaso 15 pessoas para efectuarem um teste de QI tendo sido obtidos os
resultados indicados na tabela seguinte.
Pessoa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
QI 95 81 104 119 118 126 67 96 116 84 90 75 72 85 88
iii) As mesmas pessoas foram também sujeitas a uma nova avaliação através de
um teste elaborado segundo um procedimento diferente. Os resultados do
segundo teste são indicados na tabela seguinte. Poder‐se‐á afirmar que este
segundo teste conduz a resultados diferentes do anterior?
Pessoa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
QI 105 80 100 125 110 120 80 100 105 95 88 75 80 100 110
52
Resolução (cont.):
Os resultados obtidos nos dois testes não são independentes. Amostras
emparelhadas.
Hipótese: a variável em estudo segue uma distribuição Normal
H0 :   0
0 3.8
H1 :   0 ET    1.57  t14
S N 9.4 15
t14 (0.025)  2.145
  não rejeitar H0
t14 (0.975)  2.145
valor de prova  6.9%
53
Problema
Como resultado de um fim de semana de pescaria, o Sr. Pescado regressou a casa
com 10 cavalas e 14 sargos. O peso dos peixes pescados (em gramas) é
apresentado na tabela seguinte:
Cavalas 300 285 280 355 319 275 400 310 190 320
Sargos 370 250 471 430 250 410 300 450 260 320 210 400 425 300
XC  303.4 SC2  54.92

XS  346.14 SS2  86.22
i) Verifique se o peso médio dos sargos é significativamente superior ao peso

médio das cavalas.
54
Resolução:
i)
Hip: populações Normais, teste às variâncias
σ2S σ2S 86.22
H0 : 2  1 H1 : 2  1 ET  2
 2.46  F13,9 (0.05)  3.05
σC σC 54.9
 não rejeitarH0
(NS  1)  SS2  (NC  1)  SC2 13  86.22  9  54.92

S 
2
  74.992
NS  NC  2 14  10  2
Teste aos valores esperados
(346.14  303.4)  0
H0 : μS  μC H0 : μS  μC ET   1.38  t14102 (0.05)  1.71
1 1
74.99  
14 10
 não rejeitar H0 , valor de prova  9.1%
55
Problema
Como resultado de um fim de semana de pescaria, o Sr. Pescado regressou a casa com 10 cavalas e 14
sargos. O peso dos peixes pescados (em gramas) é apresentado na tabela seguinte:
Cavalas 300 285 280 355 319 275 400 310 190 320
Sargos 370 250 471 430 250 410 300 450 260 320 210 400 425 300
XC  303.4 SC2  54.92

XS  346.14 SS2  86.22
i) Verifique se o peso médio dos sargos é significativamente superior ao peso médio das cavalas.
ii) Se, na realidade, a diferença do peso médio dos sargos e das cavalas for de
40g, qual o nível de significância a utilizar no teste anterior por forma a que a
probabilidade de cometer um erro do tipo II seja de 20%?
56
Resolução (cont.):
ii)
μS  μC  δ0  40
(XS  XC )  δ0
 t22
1 1
S 
NS NC
xc  40
t22 (β  0.2)  0.858   0.858  xc  13.36
1 1
74.99  
14 10
 
 13.36  0 
P  (XS  XC )  13.36|H0   P  t22   0.43   α  33.6%
 1 1 
 74.99   
 14 10 
57
Problema (1ª Chamada 2003/2004)

Um fabricante de pneus fornece várias equipas que participam no campeonato de
Formula 11. De acordo com estudos elaborados no passado o responsável pela
linha de produção afirma que esta produz 5% de pneus defeituosos. As regras da
competição determinam que para cada corrida um carro tem ao seu dispor 40
pneus.
a) Qual a probabilidade do piloto Juan Pablo Schumacher, um conhecido
campeão da modalidade, ver serem-lhe atribuídos 2 ou mais pneus defeituosos
para a 5ª corrida do campeonato?
Y: B(40, 0.05)
Y p(y)
0 0.128512
p(y ≥ 2)=1 -p(y<2)= 1-p(0)-p(1)= 0.6009
1 0.270552
2 0.277672
3 0.185114
4 0.090122
5 0.034151
58
b) Sabendo que na próxima corrida haverá 10 pilotos com pneus do referido

fabricante, qual a probabilidade haver 2 ou mais pilotos cujo lote 40 pneus tenha 2
ou mais defeituosos?
W: B(10, 0.60)
W p(w)
0 0.000105
1 0.001573 p(W≥2)=1-p(0)+p(1) = 0.99832228
2 0.010617
3 0.042467
4 0.111477
59
c) O piloto Ralf Barrichello tem vindo a suspeitar que os pneus que lhe são
atribuídos são de qualidade inferior aos do seu companheiro de equipa, o
Juan Pablo Schumacher. Para verificar a validade de tal suspeita o piloto Ralf
Barrichello inspeccionou secretamente os lotes atribuídos a cada um dos
pilotos nas últimas cinco corridas. Assim, nas últimas 5 corridas, a que
correspondem 200 pneus por piloto, o Ralf Barrichello teve 16 pneus
defeituosos enquanto que o Juan Pablo Schumacher teve apenas 8.
Para um nível de significância de 5%, verifique, recorrendo ao método de
teste de hipóteses por intervalos de confiança, se se pode afirmar que o piloto
Ralf Barrichello recebe mais pneus defeituosos que o seu companheiro de
equipa Juan Pablo Schumacher.
H0 : pB  pS  0
 YB YS  YB  ( NB  YB ) YS  ( NS  YS )
H1 : pB  pS  0 
N

N
  z ( α / 2) 
N 3

NS3
 B S  B
NB = 200
Yb = 16  16 8  16  (200  16) 8  (200  8) 
    1.645  3
 3
;     0.007 ;  
NS = 200  200 200  200 200 
yS = 8
60
Valor de Prova:
 16 8  16  (200  16) 8  (200  8) 

    1.645  3
 3
;     0.007 ;  
 200 200  200 200 
 16 8  16  (200  16) 8  (200  8)

    Z ( α)  3
 3
0
 200 200  200 200
 16 8  16  (200  16) 8  (200  8)
Z (α)       2.02
 200 200  2003 2003
α  0.022
61

Slides - TH

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Slides - TH

Enviado por

Direitos autorais:

Formatos disponíveis

Teste

valor P  PET  1.88 H0   0.03

valor P  P  ET  1.88 H0    ET  1.88 H0    2  0.03  0.06

Verifique se é razoável afirmar que o valor médio gasto pelos

Amostra grande e variância populacional conhecida  ET  N(0,1)

H1:   1  IC bilateral

z(α / 2)  2.0  α / 2  0.0228 α  2  0.0228  4.56%

Método antigo X A  3.5 SA2  0.9612 NA  20

Método novo XN  4.25 SN2  0.9792 NN  17

Verifique, recorrendo à técnica de intervalos de confiança, se há, ou não, um

(NA  1)  SA2  (NN  1)  SB2

(NA  1)  SA2  (NB  1)  SB2 ( X A  X B )  δ0

Erro Tipo I Decisão Correcta

Decisão Correcta Erro Tipo II

O desejável era que  e  fossem ambos pequenos, mas quando

Para diminuir  e  simultaneamente torna‐se

Resolução (cont.): Teste a efectuar

XC  303.4 SC2  54.92

i) Verifique se o peso médio dos sargos é significativamente superior ao peso

(NS  1)  SS2  (NC  1)  SC2 13  86.22  9  54.92

XC  303.4 SC2  54.92

Problema (1ª Chamada 2003/2004)

b) Sabendo que na próxima corrida haverá 10 pilotos com pneus do referido

 16 8  16  (200  16) 8  (200  8) 

 16 8  16  (200  16) 8  (200  8)

Você também pode gostar