Bioestatística

Material Teórico
Testes de Hipótese

Responsável pelo Conteúdo:

Prof.ª Me. Priscila Bernardo Martins

Revisão Textual:
Prof. Me. Claudio Brites
 Testes de Hipótese

• Introdução;
• Formulando as Hipóteses e o Estudo dos Erros;
• Alguns Testes de Hipótese Utilizados
Rotineiramente na Pesquisa Biomédica.

OBJETIVOS DE APRENDIZADO
• Aprender como propor as hipóteses de um dado experimento;
• Conhecer alguns testes de hipótese utilizados rotineiramente na pesquisa biomédica.
 Orientações de estudo
Para que o conteúdo desta Disciplina seja bem
aproveitado e haja maior aplicabilidade na sua
formação acadêmica e atuação profissional, siga
algumas recomendações básicas:
Conserve seu
material e local de
estudos sempre
organizados.
Aproveite as
Procure manter indicações
contato com seus de Material
colegas e tutores Complementar.
para trocar ideias!
Determine um Isso amplia a
horário fixo aprendizagem.
para estudar.

Mantenha o foco!
Evite se distrair com
as redes sociais.

Seja original!
Nunca plagie
trabalhos.

Não se esqueça
de se alimentar
Assim: e de se manter
Organize seus estudos de maneira que passem a fazer parte hidratado.
da sua rotina. Por exemplo, você poderá determinar um dia e
horário fixos como seu “momento do estudo”;

Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma

alimentação saudável pode proporcionar melhor aproveitamento do estudo;

No material de cada Unidade, há leituras indicadas e, entre elas, artigos científicos, livros, vídeos e
sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você tam-
bém encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão
sua interpretação e auxiliarão no pleno entendimento dos temas abordados;

Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discus-
são, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o
contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e
de aprendizagem.
UNIDADE Testes de Hipótese

Introdução
Na pesquisa biomédica, necessitamos tomar conclusões com base em amos-
tragens, já que, por vezes, é impossível analisar populações inteiras para que pos-
samos saber o real efeito daquilo que desejamos estudar. Vários tipos de experi-
mentos são feitos com o intuito de tentar entender o que aconteceria de fato na
população estudada.

Como já foi explicado, um estudo estatístico normalmente está baseado em

amostragens. Isso se dá pela dificuldade operacional ou financeira de ter acesso a
toda uma população. Como exemplo, vamos analisar a situação a seguir.

Uma empresa farmacêutica resolve testar a toxicidade de um determinado fár-

maco. Cães serão utilizados como animais de laboratório para os testes antes do
lançamento. Como fazer para obter uma resposta confiável sobre a toxicidade,
para que o responsável técnico tenha confiança em lançar essa droga no mercado?

Algumas sugestões:
• Testar a droga em todos os cães do planeta;
• Testar a droga em um grupo de cães (amostra).

A primeira sugestão parece absurda, tanto pela impossibilidade de operá-la

quanto pelo altíssimo custo. Portanto, opta-se pela segunda sugestão, o que gera
uma quantidade enorme de outras questões:
• Todos os cães vão reagir da mesma forma?
»» SIM: testo em um ou dois animais → fim do experimento;
»» NÃO:
a) Quantos animais devem ser testados?
b) Os dois sexos respondem da mesma maneira?
c) As diversas raças respondem da mesma maneira?
d) As condições ambientais influenciam?

Resolvida tais questões e desenhado um grupo experimental representativo, sur-

gem outras questões sobre os possíveis resultados:
• O fármaco não é tóxico para os cães;
• O fármaco é tóxico para TODOS os cães;
• O fármaco é tóxico para alguns cães.

Nesse momento, o pesquisador fica em outra situação complicada. Os itens a)

e b) são conclusivos e encerram o experimento, mas e o item c)? Ele abre para
mais questões:
• Posso colocar à venda o fármaco se ele for tóxico para alguns indivíduos?

8
 » Não: Encerra-se o experimento;
» SIM: mais dúvidas:
a) Qual a proporção de indivíduos intoxicados para que ainda se possa
considerar seguro para a venda?

Para responder a todas essas questões, são necessários conhecimentos de:

• Técnicas de amostragem;
• Medidas de tendência central;
• Medidas de dispersão;
• Probabilidade;
• Distribuição Normal;
• Distribuição Binomial.

O teste de hipótese é uma regra de decisão, na qual se leva em conta uma série
de interferências, com uma chance calculada de errar. Veja o esquema a seguir:

Hipótese Hipótese estatística em

científica termos operacionais
Inferência dedutiva
Estimador populacional

Regras de
decisão
Veracidade ou
Falsidade científica
Delineamento
experimental

Coleta
de dados

Inferência
Verificação da
indutiva
hipótese

Figura 1

Vamos definir alguns termos:

• Inferência estatística: qualquer procedimento utilizado para generalizar
afirmações sobre determinada população, baseadas em dados retirados de
uma amostra;

9
9
UNIDADE Testes de Hipótese

• Parâmetro: a medida usada para descrever uma característica de uma população;

• Estimação: processo por meio do qual estima-se o valor de um parâmetro de
uma população com base no valor obtido em uma amostra;
• Hipótese: uma forma de especulação relativa a um fenômeno estudado (qual-
quer que seja). É qualquer afirmação sobre a distribuição de probabilidade de
uma variável aleatória (afirmação sobre um parâmetro);
• Hipótese estatística: é uma especulação feita em relação a uma proposição,
porém relativa a uma população definida.

Formulando as Hipóteses
e o Estudo dos Erros
Vamos ver como devemos propor as hipóteses de um experimento, com a fina-
lidade de testá-las. Partiremos de um exemplo prático.

Situação hipotética:

Comparar a eficácia de uma Nova droga (Dn) com uma droga padrão (Da).

Devemos, antes de iniciar esse experimento, fixar os seguintes parâmetros:

• Qual é a Hipótese nula (H0): Diz que a hipótese formulada pelo pesquisador
é invalida;
• Qual é a Hipótese alternativa (H1): É qualquer resultado que não se encaixe
na hipótese nula;
• Qual a Probabilidade de ocorrência de um erro durante a tomada de decisão (a).

Fixando as hipóteses
 H 0 : Dn = Da
 (Teste Monocaudal)
 H1 : Dn > Da

Na situação colocada acima, a droga nova é mais eficaz do que a droga antiga,
chamamos a esse tipo de teste de monocaudal.

Se a pergunta do pesquisador é a de que a droga nova é diferente da antiga, ou

seja, pode ser mais ou menos eficaz, representaremos como está a seguir. Esse tipo
de teste é chamado de bicaudal:

 H 0 : Dn = Da
 (Teste Bicaudal)
 H1 : Dn ≠ Da

10
 Se a eficácia da droga antiga for de 50% (0,50), temos para um teste monocau-
dal as seguintes hipótese:

 H 0 : Dn = 0, 50

 H1 : Dn > 0, 50

A eficácia (E) pode ser medida pelo número de curas. Suponhamos que a nova
droga será utilizada em 10 pacientes (n=10) e que a eficácia conhecida da droga
antiga (DA) é de p=0,5. A probabilidade de ocorrer curas entre 0 e 10 para uma
variável como a apresentada anteriormente está apresentada na Tabela 1.

Tabela 1 – Distribuição das probabilidades de uma variável X com n=10 e p=50%

X número de curas Probabilidade de X
0 0,001
1 0,010
2 0,044
3 0,117
4 0,205
5 0,246
6 0,205
7 0,117
8 0,044
9 0,010
10 0,001

Precisamos agora de um critério para testar H0 e, ao final, decidir ou não por

rejeitá-lo. Temos então duas possibilidades: rejeita-se H0 ou se aceita H0.

A tomada dessa decisão pode gerar possíveis erros, já que estaremos decidindo
com base em uma amostra e não em uma população. Observe no Quadro 1 as
possíveis decisões que podemos tomar nesse caso e a consequência dessas decisões.

Quadro 1 – Os erros em testes de hipóteses

VERDADE
Decisão H0 H1
H0 Não cometeu Erro Erro tipo II
H1 Erro tipo I Não cometeu Erro

Quando aceitamos H0 e essa é a hipótese verdadeira, não cometemos nenhum

tipo de erro; da mesma forma quando rejeitamos H0 e essa é a decisão verdadeira.
Porém, quando rejeitamos H0 e a hipótese verdadeira é H0, cometemos um erro
que é classificado como do Tipo I; e quando aceitamos H0 e a decisão correta seria
rejeitá-lo, cometemos um erro classificado como do Tipo II. As probabilidades de
cometermos esses erros são as explicitadas abaixo:
• a = Probabilidade (erro tipo I) = Probabilidade (Rejeitar H0 e H0 é verdade)

11
11
UNIDADE Testes de Hipótese

• b = Probabilidade (erro tipo II) = Probabilidade (Aceitar H0 e H0 é falsa)

A probabilidade de cometer o erro do tipo I (a) é determinada pelo pesquisador

no início do experimento e esse é o critério de rejeição de H0. O valor de a é es-
tipulado de maneira arbitrária pelo pesquisador e devemos saber de antemão que:
quanto maior o valor atribuído, maior a chance de tomarmos uma decisão incor-
reta; e se optarmos por um valor excessivamente pequeno, corremos o risco de
nunca rejeitarmos o H0, mesmo que isso signifique uma decisão correta. De modo
geral, podemos trabalhar com o seguinte critério:
• a = 5% (0,05) para a maioria das situações
• b = 1% (0,01) para situações onde o erro do tipo I leva a consequências muito
graves, como aceitar que uma droga não possui efeitos colaterais, sendo que
na verdade ela é letal.

A partir da definição de a, podemos estabelecer uma região de aceitação e re-

jeição de H0. No exemplo anterior, para a=5% (0,05), definiremos como região de
rejeição de H0 a região onde a probabilidade de acontecer o evento seja inferior a
5%. Observe a Tabela 2.

}
Tabela 2 – Distribuição das probabilidades de evento com n = 10 e P (probabilidade) = 0,50,
com a delimitação das áreas de aceitação e rejeição de H0 para um alfa de 5%
X número de curas Probabilidade de X

Região de Aceitação de H0
0 0,001
1 0,010
2 0,044
3 0,117
4 0,205
5 0,246
6 0,205
Região de Rejeição de H0

7 0,117

}
8 0,044
9 0,010
10 0,001

Repare que rejeitamos H0 para o conjunto de valores cuja probabilidade de ocor-

rer seja menor do que 0,05 (5%). Na Tabela 2, a soma de 0,010 e 0,001 é 0,011
ou 1,1%; se acrescentarmos a probabilidade de 8 casos (0,044), teremos 0,055 ou
5,5%, que excedem a nossa regra de decisão de aceitar somente os valores com
probabilidade abaixo de 5%.

A nossa questão exemplo era: a droga nova é mais eficaz que a droga antiga?

12
 Para um nível de significância de 5%, se testarmos essa droga em 10 indivídu-
os, diremos que essa afirmação é verdadeira se ela for eficaz para 9 ou 10 indivídu-
os. Veja que chamamos de nível de significância o valor de a que fixamos a priori.

São passos necessários para a realização de um teste de hipóteses:

• Formular as hipóteses;
• Fixar a;
• Determinar a região de aceitação/rejeição de H0;
• Realizar o estudo, observar os resultados, calcular a estatística do teste;
• Confrontar o valor observado da estatística do teste com a região de rejeição/
aceitação do teste;
• Tomar a decisão;
• Apresentar a conclusão.

Alguns Testes de Hipótese Utilizados

Rotineiramente na Pesquisa Biomédica
Testes Paramétricos
Mostraremos a seguir alguns testes paramétricos, ou seja, aqueles que exigem
que determinados parâmetros estejam presentes para que o seu resultado tenha
valor. Você deve se preocupar mais com a indicação do teste e a interpretação dos
resultados do que propriamente com a maneira de proceder com os cálculos.

Teste de T
O teste de T é utilizado quando desejamos comparar as médias de duas amos-
tras, que podem ser o mesmo conjunto de indivíduos onde os valores foram toma-
dos antes e depois do tratamento; ou entre dois grupos, sendo um tratado e outro
o grupo controle.

Para aplicarmos o teste de T como um teste de hipótese em nossa pesquisa, as

condições a seguir devem estar satisfeitas:
• A variável deve ser quantitativa;
• A variável deve ter distribuição normal;
• A amostra deve ter uma distribuição próxima a normal.

13
13
UNIDADE Testes de Hipótese

Estudaremos o 1º Caso, onde temos observações independentes. São obser-

vações independentes quando estamos diante de dois grupos formados por indiví-
duos distintos. Para utilizar esse teste, devemos seguir os seguintes passos:
• Estabelecer o nível de significância (a);
• Formular as hipóteses;
• Calcular a média do grupo 1 e do grupo 2;
• Calcular a variância de cada grupo;
• Calcular a variância ponderada entre os dois grupos;
• Calcular o valor de t utilizando a fórmula;
• Comparar o t calculado com um valor da tabela de T utilizando como parâme-
tro o valor de alfa e o número de graus de liberdade.

A regra de decisão é:

Se tcalculado>ttabela, a diferença entre as médias é considerada significativa para um

nível de significância (α) previamente estabelecido.

Cálculos:
n: número de elementos de cada grupo

s2: variância

Variância ponderada (s2):

(n1 −1) s12 + (n2 −1) s22

n1 + n2 − 2

Cálculo de t:

x 2 − x1
1 1
s2  + 
 n n 
1 2

Valor na Tabela de T:
• Valores de a;
• Graus de liberdade dado pela seguinte fórmula: GL = (n1 + n2 – 2).

14
 Figura 2 – Tabela para o teste de T

Estudaremos o 2º Caso, onde temos observações pareadas. São observações

pareadas quando estamos diante de um grupo onde foram feitas duas observações.
Para utilizar esse teste, devemos seguir os seguintes passos:
• Deve-se encontrar a diferença de x (d);
• Encontrar a média das diferenças d;

15
15
UNIDADE Testes de Hipótese

• Encontrar a variância das diferenças;

• Encontrar o valor de t.

A regra de decisão é:

Se tcalculado>ttabela, a diferença entre as médias é considerada significativa para um

nível de significância (α) previamente estabelecido.

Cálculos:
X2: valores do grupo 2;

X1: valores do grupo 1;

S2: Variância;

d barra: Média da diferença entre os valores de X1 e X2.

Cálculo das diferenças e média das diferenças:

d = x2 − x1

d=
∑d
n

Variância das diferenças:

(∑ d )
2

∑ d−
n
S2 =
n −1

Valor de t para teste pareado:

d
t=
s2
n

O valor da tabela de T deve ser procurado para n-1 graus de liberdade.

Vamos ver dois exemplos:

Exemplo 1

Duas dietas estão sendo comparadas e os resultados em perda de massa em Kg

estão na Tabela 3. Decida se é possível dizer se a dieta 2 é mais eficiente do que a
1 para um nível de significância de 5%.

16
 Tabela 3
Dieta 1 Dieta 2
12 15
8 19
15 15
13 12
10 13
12 16
14 15
11
12
13

Temos então dois grupos independentes:

a=5%

As hipóteses são:

 H 0 : D2 = D1
 (perda de massa da dieta 2 maior do que da dieta 1)
 H1 : D2 > D1
n1 = 10

n2=7

A Média da dieta 1 é de 12Kg e da dieta 2, é 15Kg.

A Variância para a dieta 1 é de 4Kg2 e da dieta 2, é de 5 Kg2.

Calculando a Variância ponderada, temos: S2 = 5 Kg2.

Calculando o valor de t, temos: 2,72.

Graus de liberdade = n1+n2–2 = 10+7-2 = 15.

Procurando na tabela, a = 5% e GL = 15, encontramos o valor de: 2,13.

A nossa regra de decisão diz: se o valor calculado de t (2,72) for maior do que
o valor encontrado na tabela de t (2,13), então a diferença observada entre as mé-
dias dos grupos 1 e 2 (12 e 15Kg) é estatisticamente significativa para um nível de
significância de 5%.

Então, para esse nível de significância, a dieta 2 fez os indivíduos perderem mais
massa do que a dieta 1.

Exemplo 2

Uma dieta está sendo analisada em um grupo de indivíduos. Os resultados de

massa em Kg antes e após a dieta estão na Tabela 4. Decida se é possível dizer se
a dieta 2 é mais eficiente do que a 1 para um nível de significância de 5%.

17
17
UNIDADE Testes de Hipótese

Tabela 4
Antes da Dieta Depois da Dieta
77 80
62 58
61 61
80 76
90 79
73 69
86 90
59 51
88 81

Temos então amostras pareadas:

α=5%

As hipóteses são:

 H 0 : Ddepois = Dantes
 (massa depois menorr do que antes)
 H1 : Ddepois < Dantes

n = 9 (observe que temos um único grupo)

Calculamos a diferença de massa para cada indivíduo e a média obtida é:

Tabela 5
Antes Depois Diferença
77 80 3
62 58 -4
61 61 0
80 76 -4
90 79 -11
73 69 -4
86 90 4
59 51 -8
88 81 -7

A Média da diferença é de −3,44Kg, os indivíduos perderam em média essa

quantidade de massa após a dieta – para os cálculos, utilizaremos esse valor sem o
sinal: 3,44 Kg.

A Variância da diferença é de 25,03Kg2.

Calculando o valor de t, temos: 2,06.

Graus de liberdade = n−1 = 9−1 = 8.

Procurando na tabela a = 5% e GL= 8, encontramos o valor de: 2,31.

18
 A nossa regra de decisão diz: se o valor calculado de t (2,0,6) for maior do que
o valor encontrado na tabela de t (2,31), então a diferença antes e depois (3,44Kg)
é estatisticamente significativa para um nível de significância de 5%. Porém, como
o valor de t é menor do que o da tabela, concluímos que para um nível de signifi-
cância de 5%, a diferença observada não é estatisticamente significativa, ou seja,
não podemos afirmar que essa dieta realmente faria indivíduos perderem massa.

Testes Não Paramétricos

Mostraremos a seguir alguns testes não paramétricos, ou seja, aqueles nos quais
determinados parâmetros, como a normalidade, não estão presentes para que o
seu resultado tenha valor. O aluno deve se preocupar mais com a indicação do teste
e a interpretação dos resultados do que propriamente com a maneira de proceder
com os cálculos.

O teste de χ2 é utilizado quando desejamos comparar o resultado de amostras

com variáveis qualitativas com um padrão pré-estabelecido, o que denominamos
de resultado esperado.
• A variável deve ser qualitativa;
• Resultados apresentados em uma tabela de contingência com as proporções
observadas; ou
• Em uma lista de variáveis e proporção observada.

No 1º Caso, temos o chamado teste χ2 para aderência. São observações de

variáveis qualitativas que devem ser comparadas com um padrão esperado.

No 2º Caso, para utilizar esse teste, devemos seguir os seguintes passos:

• A partir de uma observação, calcular a frequência observada;
• A partir dos totais, calcular a frequência esperada;
• Calcular o valor do χ2;
• Comparar o valor obtido com a tabela de distribuição de χ2.

A regra de decisão é:

Se χ2calculado> χ2tabela, a diferença entre o observado e o esperado é considerada signi-

ficativa para um nível de significância (α) previamente estabelecido.

Cálculos:

Σ (O − E )
c2 =
E

19
19
UNIDADE Testes de Hipótese

O: proporção dos valores observados;

E: proporção dos valores esperados;

Graus de liberdade: r−1.

Exemplo 1
A teoria de Mendel diz que a segregação dos genes em ervilhas ocorre na se-
guinte proporção:

9 3 3 1
: :
16 16 16 16

Um pesquisador repetiu o experimento e os resultados observados:

Tabela 6
Sementes Frequência
Amarelo Lisa 315
Amarelo Rugosa 101
Verde Lisa 108
Verde Rugosa 32
Total 556

As hipóteses ficam:

 H 0 O = E (Os dados observados são iguais aos dados esperados)


 H1 O ≠ E (Os dados observados são diferentes aos esperados)


Para um total de 556 sementes, seguindo a segregação mendeliana, os resulta-

dos esperados seriam:

Tabela 7
Sementes Frequência Proporção
Amarelo Lisa 312,75 9/16
Amarelo Rugosa 104,25 3/16
Verde Lisa 104,25 3/16
Verde Rugosa 34,75 1/16
Total 556

Repare que houve uma diferença entre os resultados observados e os esperados:

20
 Tabela 8
Observado Esperado Diferença
315 – 312 = 2,25
101 – 104,25 = -3,75
108 – 104,25 = 3,75
32 – 34,75 = -2,75

Para verificar se o Observado está concordando com o Esperado, deve ser

feito um teste de ADERÊNCIA. Para fazer essa verificação, os passos a serem
seguidos são:
• Estabelecer o nível de significância (a);
• Calcular o valor de qui-quadrado;
• Procurar o valor na tabela de acordo com o a e os graus de liberdade;
• Se χ2 for > que o da tabela, rejeita-se a hipótese de que Observado é igual
ao Esperado.

Aplicando a fórmula:

c2 =
∑ (O − E )
E

Graus de liberdade = r−1 ∴ Graus de liberdade = 4−1 = 3

Utilizaremos a Tabela 9 para calcular o valor do χ2:

Tabela 9
O E (O–E)2/E
315 312,75 0,016187
101 104,25 0,101319
108 104,25 0,134892
32 34,75 0,217626
Σ 0,470024
χ2 = 0,47

Na Tabela 9, o valor de χ2 é igual para 3 graus de liberdade e para a = 5%, é

de 7,82 (essa é a regra de decisão). Então, se o valor calculado (no exemplo 0,47)
for maior do que o valor da tabela (7,82), rejeitamos H0; caso contrário, aceitamos
H0 e, nesse caso, 0,47 é < 7,82 – aceitando H0, determinamos que não existe
diferença estatisticamente significativa entre os valores observados e esperados, o
que sugere que no experimento apresentado houve uma segregação mendeliana
dos genes.

21
21
UNIDADE Testes de Hipótese

Figura 3 – Tabela da Distribuição de χ2.

22
 Exemplo 2
Um pesquisador, por meio de uma análise retrospectiva de dados de uma cida-
de, decide analisar se a proporção de natimortos difere quanto ao sexo.

As hipóteses dessa pesquisa são as seguintes:

 H 0 : A proporção de natimortos não varia (O − E )



 H1 : existe diferença (O ≠ E )


Foi determinado um a=5%

Fazendo o levantamento dos dados, observou-se o seguinte resultado:

Tabela 10
Sexo Vivo Morto
Masculino 1513 37
Feminino 1451 27

Para esse tipo de tabela, os graus de liberdade serão sempre o seguinte:

r−1 x s−1 = 2−1 x 2−1 = 1

Se não houvesse diferença entre os sexos, o esperado seria que a distribuição

entre vivos e mortos seria igualmente distribuída entre os sexos. Para calcular a
tabela de resultados esperados, distribuiremos os valores de cada sexo igualmente
entre a condição vivo ou morto da seguinte maneira:

Tabela 11
Sexo Vivo Morto Total
Masculino a b 1550
Feminino c d 1478
Total 2964 64 3028

a 1550
=
2964 3038
b 1550
=
64 3038
c 1478
=
2964 3038
d 1478
=
64 3038

23
23
UNIDADE Testes de Hipótese

a=1550*2964/3028 = 1517,24

b=1550*64/3028= 32,76

c=1478*2964/3028=1446,76

d=1478*64/3028=31,24

A tabela dos valores esperados fica desta maneira:

Tabela 12
Sexo Vivo Morto Total
Masculino 1517,24 32,76 1550
Feminino 1446,76 31,24 1478
Total 2964 64 3028

Calculando o χ2

c2 =
∑ (O − E )
E

Montando uma tabela auxiliar para os cálculos, temos:

Tabela 13
O E (O-E)2/E
1513 1517,24 0,011848883 +
37 32,76 0,548766789 +
1451 1446,76 0,012426111 +
27 31,24 0,57546735 =
χ2 = 1,148509133

Na Tabela 13, o valor para χ2 com a=5% e 1 grau de liberdade é: 3,84. A nos-
sa regra de decisão diz que se o valor calculado for menor do que o valor da tabela,
então aceita-se o H0.

Como o valor obtido = 1,15

Portanto, não rejeita H0: O=E

Resposta da questão:

Não existe diferença estatisticamente significativa entre os natimortos em

relação ao sexo para um nível de significância de 5%.

São restrições ao uso do teste do χ2:

Aplicar em amostras > 20

24
 O que devemos fazer então com amostras menores do que 20? Devemos utili-
zar o teste exato de Fisher. Aqui neste texto não vamos explicar o cálculo, porém,
diversos softwares de estatística possibilitam esse cálculo.

Outros testes de Hipótese

Veremos rapidamente outros testes de hipótese, não vamos nos ater aos cálcu-
los e sim à indicação.

Análise de variância
Chamamos de Análises de Variância (ANOVA) quando comparamos variáveis
quantitativas de dois ou mais tratamentos, ou seja, vários grupos experimentais.

Exemplo:

Um pesquisador deseja saber se o uso de determinado aditivo altera a função

renal. Montou então experimento com 4 grupos de ratos, onde: o grupo A não
recebeu o aditivo; o grupo B recebeu 10 mg por dia; o grupo C, 15 mg por dia; e
o grupo D, 20 mg por dia.

A pergunta é:

Existe diferença na função renal desses grupos? Como todo teste, devemos fixar
o nível de significância (a) e formular as hipóteses.

Existe uma questão importante a se decidir: a amostra se aproxima a uma

distribuição normal?
• SIM: Utilizamos uma ANOVA com base na distribuição de F;
• NÃO: Utilizamos uma ANOVA não paramétrico, chamada teste de Kruskal-Wallis.

Teste para média

Já estudamos o teste de t quando testamos a média de duas amostras com
aproximação normal. Se tivermos a mesma situação, porém, os grupos não pos-
suem aproximação normal, então devemos utilizar o teste não paramétrico de teste
Mann Whitney. Podemos também, a partir de uma amostra, comparar a média
com um parâmetro populacional.

Exemplo: Sabemos que a população tem valor médio de colesterol igual a 180,
um pesquisador testa uma droga para redução de colesterol e, em um grupo testa-
do, observou-se média de 160. O teste adequado para essa situação é o teste de Z.

Teste de proporção
Similar ao teste de Z, quando temos parâmetros populacionais para variáveis
qualitativas e desejamos comparar com amostras em estudo, podemos utilizar o
teste para uma proporção populacional. Um exemplo de situação é a seguinte:

25
25
UNIDADE Testes de Hipótese

Sabemos que dos pacientes com uma determinada doença, 10% foram a óbi-
to. Um pesquisador deseja testar uma droga que promete diminuir a mortalidade.
Em 100 pacientes testados, 5 vieram a óbito. O teste de uma proporção determina
se essa diferença é significativa, fizemos esse teste no início do estudo, onde usa-
mos como exemplo a eficácia de uma nova droga. Para esse tipo de teste, utiliza-
-se uma tabela de distribuição binomial que mostra as probabilidades para vários
valores de n e de probabilidade.

Softwares de estatística
Existem vários softwares livres e pagos que fazem os testes de hipótese.
Para utilizá-los, é necessário um forte embasamento teórico para que o resultado
seja fidedigno.

Algumas sugestões:
• InStat GraphPad;
• PAST;
• EPINFO.

26
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:

Vídeos
Formulação de Hipóteses
https://youtu.be/WLuj5hWTQxs
Testes Paramétricos
https://youtu.be/D6u6HE274jw

Leitura
Testes de Hipóteses Estatísticas
https://goo.gl/9RmjcY
Hipóteses Científicas
https://goo.gl/rWCyoH

27
27
UNIDADE Testes de Hipótese

Referências
BEIGUELMAN, B. Curso de Bioestatística Básica. 4ed. Ribeirão Preto: Socieda-
de Brasileira de Genética, 1966.

28