Introdução à Estatística

Prof. Dr. José Rodrigo Santos Silva

Universidade Federal de Sergipe
Departamento de Estatística e Ciências Atuariais
Teste de Hipótese
 Teste de Hipótese

Frequentemente precisamos tomar decisões sobre populações,

com base em informações amostras das mesmas. Tais decisões
chamam-se decisões estatísticas.
 Hipóteses Estatísticas
São suposições que se faz acerca dos parâmetros de uma
população. Tais hipóteses podem ou não ser verdadeiras.

a) Hipótese Nula 𝐻0 : É qualquer hipótese que será testada;

b) Hipótese Alternativa 𝐻1 : É qualquer hipótese diferente da
hipótese nula.

O teste objetiva colocar a hipótese nula 𝐻0 em contraposição a

hipótese alternativa 𝐻1 .
 Hipóteses Estatísticas

Suponha que a média 𝜇 de uma população seja o parâmetro a

ser testado. As hipóteses nula e alternativa geralmente são
enunciadas como:

𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 = 𝜇0
a) ቊ b) ቊ c) ቊ
𝐻1 : 𝜇 ≠ 𝜇0 𝐻1 : 𝜇 > 𝜇0 𝐻1 : 𝜇 < 𝜇0
 Tomada de Decisão
a) Região de Aceitação (R.A.): É a região em que não se rejeita
a hipótese nula 𝐻0 ;
b) Região de Rejeição (R.R.): É a região em que se rejeita a
hipótese nula.
 Tipos de Erro

Erro Tipo I: É o erro cometido quando rejeitamos a hipótese

nula sendo ela verdadeira;

Erro Tipo II: É o erro cometido quando aceitamos a hipótese

nula, sendo ela falsa.
 Tipos de Erro

Decisão
Realidade
Aceitar 𝐻0 Rejeitar 𝐻0
𝐻0 é verdadeira Decisão Correta Erro do Tipo I
𝐻0 é falsa Erro do Tipo II Decisão Correta
 Tipos de Erro
Uma pesquisa foi desenvolvida para tentar propor um novo
medicamento para o tratamento da hanseníase, que proporcione
a cura em um tempo menor comparado aos tratamentos já
existentes. Considere as seguintes hipóteses de teste:
𝐻0 : 𝑂 𝑛𝑜𝑣𝑜 𝑚𝑒𝑑𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑜 𝑛ã𝑜 é 𝑒𝑓𝑖𝑐𝑎𝑧
ቊ
𝐻1 : 𝑂 𝑛𝑜𝑣𝑜 𝑚𝑒𝑑𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑜 é 𝑒𝑓𝑖𝑐𝑎𝑧

Quais seriam as possíveis consequências dos Erros Tipo I e II?

 Tipos de Erro

Decisão
Realidade
Aceitar 𝐻0 Rejeitar 𝐻0
𝐻0 é verdadeira 𝑃 𝐴 𝐻0 𝐻0 𝑉) = 1 − 𝛼 𝑃 𝑅 𝐻0 𝐻0 𝑉) = 𝛼
𝐻0 é falsa 𝑃 𝐴 𝐻0 𝐻0 𝐹) = 𝛽 𝑃 𝑅 𝐻0 𝐻0 𝐹) = 1 − 𝛽
 Tipos de Erro

Nível de Significância: É a probabilidade máxima com a qual se

sujeitaria correr o risco de um Erro Tipo I.

Essa probabilidade pode ser representada da seguinte forma:

𝛼 = 𝑃 𝑟𝑒𝑗𝑒𝑖𝑡𝑎𝑟 𝐻0 𝐻0 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑖𝑟𝑎)
 P-valor
Na estatística clássica, o P-valor ou p-value é a probabilidade de se
obter uma estatística de teste igual ou mais extrema que aquela
observada em uma amostra, sob a hipótese nula. Por exemplo, em
testes de hipótese, pode-se rejeitar a hipótese nula a 5% caso o valor-
p seja menor que 5%.

Assim, uma outra interpretação para o valor-p, é que este é menor

nível de significância com que não se rejeitaria a hipótese a nula. Em
termos gerais, um valor-p pequeno significa que a probabilidade de
obter um valor da estatística de teste como o observado é muito
improvável, levando assim à rejeição da hipótese nula.
 Teste de Hipótese

Os testes de hipótese são divididos em paramétricos e não

paramétricos. Os testes paramétricos são utilizados quando a
distribuição amostral é conhecida, e os testes não paramétricos,
quando essa distribuição não é conhecida.

No geral, os testes de hipótese paramétricos exigem que as

variáveis possuam distribuição Normal.
 Teste de Hipótese
Comparação de dois Grupos

Tipo de Variável Testes Pressuposto

Qui-Quadrado 𝑓𝑖 ≥ 5
Variável Categórica
Exato de Fisher 𝑓𝑖 < 5
Teste Z Normalidade e 𝑛 ≥ 30
Variável Quantitativa
Teste t-Student Normalidade e 𝑛 < 30
Dados pareados
Teste de Wilcoxon -
Teste Z Normalidade e 𝑛 ≥ 30
Variável Quantitativa Teste t-Student Normalidade e 𝑛 < 30
Dados não pareados Teste de Mann-
-
Whitney
 Teste de Hipótese

Comparação de três ou mais Grupos

Tipo de Variável Testes Pressuposto

Qui-Quadrado 𝑓𝑖 ≥ 5
Variável Categórica
Exato de Fisher 𝑓𝑖 < 5
ANOVA Normalidade
Variável Quantitativa
Teste de Kruskal-Wallis -
 Teste de Hipótese

O procedimento padrão para a realização de um teste de

hipótese é o que segue:

i. Definem-se as hipótese de teste;

ii. Fixa-se um nível de significância;
iii. Levanta-se uma amostra de tamanho 𝑛 e calcula-se uma
estimativa 𝜃෠0 do parâmetro 𝜃;
 Teste de Hipótese

iv. Usa-se para cada tipo de teste uma variável cuja distribuição
amostral do estimador do parâmetro seja a mais
concentrada em torno do verdadeiro parâmetro;
v. Calcula-se com o valor do parâmetro 𝜃0 , dado por 𝐻0 , o
valor crítico, calor observado na amostra ou valor calculado;
vi. Fixam-se as regiões de não rejeição e de rejeição de 𝐻0 ;
vii. Tomada de decisão do teste.
Teste de Hipótese
 Teste de Hipótese

Testes de hipótese para a média de populações

normais com variância conhecida (𝝈𝟐 ).

Neste caso, usaremos a variável Z, com distribuição Normal,

com média 0 e variância 1 como referência.
 Teste de Hipótese
Desta forma, a estatística de teste será dada por

𝑋ത − 𝜇𝐻0
𝑍=
𝜎𝑋ത

Onde 𝑋ത é a média da amostra, 𝜇𝐻0 é a média testada na

hipótese nula 𝐻0 , e 𝜎𝑋ത é o desvio padrão da média, dado por
𝜎
𝜎𝑋ത =
𝑛
 Teste de Hipótese

Exemplo: Uma fábrica de automóveis anuncia que seus carros

consomem, em média, 11 litros por 100 km, com desvio
padrão de 0,8 litros. Uma revista decide testar essa afirmação e
analisa 35 carros dessa marca, obtendo 11,4 litros por 100 km
como consumo médio. Admitindo que o consumo tenha
distribuição Normal, ao nível de 10%, o que a revista concluirá
sobre o anúncio da fábrica?
 Teste de Hipótese

Exemplo: Uma fábrica anuncia que o índice de nicotina dos

cigarros da marca X apresenta-se abaixo de 26 mg por cigarro.
Um laboratório realiza a análise do índice de nicotina em 10
cigarros, obtendo: 26, 24, 23, 22, 28, 25, 27, 26, 28 e 24.
Sabe-se que o índice de nicotina dos cigarros da marca X se
distribui normalmente com variância 5,36 mg². Pode-se aceitar
a afirmação do fabricante ao nível de 5%?
 Teste de Hipótese

Testes de hipótese para proporções.

Neste caso, a distribuição amostral possui distribuição

Binomial, com média igual 𝑛𝑝 e variância igual a 𝑛𝑝𝑞, porém,
para a realização do teste de hipótese, usaremos uma
aproximação para distribuição Normal, com média 0 e variância
1 como referência.
 Teste de Hipótese

Suponha que a proporção 𝑝 de uma população seja o parâmetro

a ser testado. As hipóteses nula e alternativa serão enunciadas
como:

𝐻0 : 𝑝 = 𝑝 𝐻0 : 𝑝 = 𝑝 𝐻0 : 𝑝 = 𝑝
a) ቊ b) ቊ c) ቊ
𝐻1 : 𝑝 ≠ 𝑝0 𝐻1 : 𝑝 > 𝑝0 𝐻1 : 𝑝 < 𝑝0
 Teste de Hipótese

A estatística de teste será dada por:

𝑝ො − 𝑝𝐻0
𝑍=
𝜎𝑝ො
Onde 𝑝ො é proporção calculada na amostra, 𝑝𝐻0 é a proporção
testada na hipótese nula 𝐻0 , e 𝜎𝑝ො é o desvio padrão da
𝑝𝐻0 ∙𝑞𝐻0
proporção, dado por 𝜎𝑝ො = , onde 𝑝𝐻0 + 𝑞𝐻0 = 1
𝑛
 Teste de Hipótese

Exemplo: Um candidato a prefeitura de uma cidade afirma que

terá 60% dos votos dos eleitores. Um instituto de pesquisa
colhe uma amostra de 300 eleitores dessa cidade, encontrando
160 pessoas que votarão no candidato. Este resultado mostra
que a afirmação do candidato é verdadeira, ao nível de 5%?
 Teste de Hipótese

Exemplo: Um fabricante de drogas medicinal afirma que ela é

90% eficaz na cura de uma alergia, em determinado período.
Em uma amostra de 200 pacientes, a droga curou 170 pessoas.
Testar ao nível de 1% se a pretensão do fabricante é legitima.
 Teste de Hipótese

Testes de hipótese para a média de populações

normais com variância desconhecida (𝝈𝟐 ).

Quando não conhecemos a variância 𝜎 2 , usamos 𝑆 2 como

estimador da variância populacional, onde.

σ 𝑛
𝑖=1 𝑋𝑖 − ത
𝑋 2 σ𝑛𝑖=1 𝑋𝑖 2 − 𝑛𝑋ത 2
𝑆2 = =
𝑛−1 𝑛−1
 Teste de Hipótese

Desta forma, o desvio padrão amostral é dada por:

𝑆
𝑆𝑋ത =
𝑛
A variável definida como
𝑋ത − 𝜇
𝑡𝜙 =
𝑆𝑋ത
É denominada variável com distribuição t de Student, com 𝜙
graus de liberdade
 Teste de Hipótese
Genericamente, podemos dizer que o número de graus de
liberdade (𝜙) é igual ao número de informações independentes
da amostra (𝑛) menos o número de parâmetros (𝑘 ) da
população a serem estimados além do parâmetro inerente ao
estudo.
𝜙 =𝑛−𝑘
Como vamos estimar a média de uma população normal com
𝜎 2 desconhecida, além de 𝑋,ത estimador inerente ao estudo,
estimaremos 𝜎 2 , um parâmetro a mais. Isso significa que
usaremos a t-Student com 𝑛 − 1 graus de liberdade.
 Teste de Hipótese

Quando 𝑛 é grande, 𝑆 2 se aproxima bastante de 𝜎 2 , o que faz

com que a distribuição t de Student se aproxime da distribuição
Normal padrão.

A amostra é considerada grande quando 𝑛 > 30.

 Teste de Hipótese

Ou seja, em um Testes de hipótese para a média de populações

normais com variância desconhecida, a escolha do teste a ser
realizado dependerá do tamanho da amostra.

Se 𝑛 > 30, usa-se a distribuição Normal;

Se 𝑛 ≤ 30, usa-se a distribuição t de Student, com 𝜙 = 𝑛 − 𝑘
graus de liberdade.
 Teste de Hipótese

A estatística de teste será dada por

𝑋ത − 𝜇𝐻0
𝑡𝜙 =
𝑆𝑋ത
Onde 𝑋ത é a média da amostra, 𝜇𝐻0 é a média testada na
hipótese nula 𝐻0 , e 𝜎𝑋ത é o desvio padrão da média, dado por
𝑆
𝑆𝑋ത =
𝑛
σ 𝑛
𝑖=1 𝑋𝑖 − ത
𝑋 2 σ𝑛𝑖=1 𝑋𝑖 2 − 𝑛𝑋ത 2
𝑆2 = =
𝑛−1 𝑛−1
 Teste de Hipótese

Exemplo: Um certo tipo de rato apresenta, nos três primeiros

meses de vida, um ganho médio de peso de 58 g. Uma amostra
de 10 ratos foi alimentada desde o nascimento até a idade de 3
meses com ração especial, e o ganho de peso de cada rato foi:
55, 58, 60, 62, 65, 67, 54, 64, 62 e 68. Há razões para crer, ao
nível de 5%, que a ração especial aumenta o peso nos 3
primeiros meses de vida?
 Teste de Hipótese

Testes de hipótese para comparação de duas médias

(Dados emparelhados).

Analisaremos os vários casos de comparação de médias de

populações normais.
 Teste de Hipótese

Em geral, temos o objetivo de realizar os seguintes testes de

comparação:

𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2
a) ቊ b) ቊ c) ቊ
𝐻1 : 𝜇1 ≠ 𝜇2 𝐻1 : 𝜇1 > 𝜇2 𝐻1 : 𝜇1 < 𝜇2
 Teste de Hipótese

Podemos pensar então nas hipóteses como:

𝐻0 : 𝜇1 − 𝜇2 = 0 𝐻0 : 𝜇1 − 𝜇2 = 0
a) ቊ b) ቊ
𝐻1 : 𝜇1 − 𝜇2 ≠ 0 𝐻1 : 𝜇1 − 𝜇2 > 0
𝐻0 : 𝜇1 − 𝜇2 = 0
c) ቊ
𝐻1 : 𝜇1 − 𝜇2 < 0
 Teste de Hipótese

Fazemos testes de comparação de médias para dados

emparelhados quando os resultados das duas amostras são
relacionados dois a dois, de acordo com algum critério que
fornece uma influência entre os vários pares e sobre os valores
de cada par.

Para cada par definido, o valor da primeira amostra está

claramente associado ao respectivo valor da segunda amostra.
 Teste de Hipótese

Para tal, calcularemos uma nova variável, definida como sendo a

diferença entre os pares de observações, e, a partir desta nova
variável, realiza-se o teste de hipótese para a média desta nova
variável, conforme os testes para média já conhecidos.
 Teste de Hipótese
A estatística de teste será dada por
𝑑ҧ − 𝜇𝐻0
𝑡𝜙 =
𝑆𝑑ത
Onde 𝑑ҧ é a média da amostra das diferenças, 𝜇𝐻0 é a média
testada na hipótese nula 𝐻0 , e 𝑆𝑑ത é o desvio padrão da média
𝑆
das diferenças, dado por 𝑆𝑑ത =
𝑛
2
σ 𝑛
𝑖=1 𝑑𝑖 − 𝑑ҧ σ𝑛𝑖=1 𝑑𝑖 2 − 𝑛𝑑ҧ 2
𝑆2 = =
𝑛−1 𝑛−1
 Teste de Hipótese

Exemplo: Um grupo de 10 pessoas é submetido a um tipo de

dieta por 10 dias, estando o peso antes do início (X) e no final
da dieta (Y) marcados na tabela abaixo. Ao nível de significância
de 5%, podemos concluir que houve diminuição do peso médio
pela aplicação da dieta?
Pessoa A B C D E F G H I J
X 120 104 93 87 85 98 102 106 88 90
Y 116 102 90 83 86 97 98 108 82 85
 Teste de Hipótese

Exemplo: Um especialista em distúrbios do sono quer testar a

eficiência de uma nova droga que foi reportada por aumentar o
número de horas de sono que pacientes tem durante a noite. 10
pacientes são selecionados, e anota-se o tempo de sono antes e
após o uso da droga. Ao nível de 10%, podemos afirmar que a
droga aumenta o tempo de sono.
Horas de sono A B C D E F G H I J
Antes 3,0 4,0 3,5 4,4 3,9 5,0 4,2 3,4 4,5 4,0
Depois 4,0 4,0 3,7 4,0 5,0 6,0 4,5 3,8 4,0 4,0
 Teste de Hipótese

Testes de hipótese para comparação de duas médias

(Dados não emparelhados).

Sobre essa situação, teremos 3 casos possíveis:

• Populações Normais com variâncias conhecidas;
• Populações Normais com variâncias desconhecidas e iguais;
• Populações Normais com variâncias desconhecidas e
diferentes.
 Teste de Hipótese

Teorema: Se 𝑋1 e 𝑋2 são populações com distribuições

Normais independentes com médias 𝜇1 e 𝜇2 , e desvio padrão
𝜎1 e 𝜎2 , respectivamente, então a variável 𝑋ത𝑑 = 𝑋ത1 − 𝑋ത2
possuirá também distribuição Normal com média 𝜇1 − 𝜇2 e
desvio padrão 𝜎𝑋ത1 + 𝜎𝑋ത2 .
 Teste de Hipótese

Se 𝑋1 : Normal 𝜇1 , 𝜎12 → amostra de tamanho 𝑛1

Se 𝑋2 : Normal 𝜇2 , 𝜎22 → amostra de tamanho 𝑛2

Então:
𝑋ത𝑑 = 𝑋ത1 − 𝑋ത2 : Normal 𝜇1 − 𝜇2 , 𝜎𝑋2ത1 + 𝜎𝑋2ത2
 Teste de Hipótese

Como
𝜎1 𝜎2
𝜎𝑋ത1 = e 𝜎𝑋ത2 =
𝑛1 𝑛2

Temos que
𝜎12 𝜎22
𝜎𝑋ത𝑑 = +
𝑛1 𝑛2
 Teste de Hipótese

Se as populações são Normais, então podemos admitir:

𝜎12 𝜎22
𝑋ത𝑑 = 𝑋ത1 − 𝑋ത2 : Normal 𝜇1 − 𝜇2 , +
𝑛1 𝑛2
 Teste de Hipótese

As hipóteses a serem testadas serão a mesma que no caso

anterior:

𝐻0 : 𝜇1 − 𝜇2 = 0 𝐻0 : 𝜇1 − 𝜇2 = 0
a) ቊ b) ቊ
𝐻1 : 𝜇1 − 𝜇2 ≠ 0 𝐻1 : 𝜇1 − 𝜇2 > 0
𝐻0 : 𝜇1 − 𝜇2 = 0
c) ቊ
𝐻1 : 𝜇1 − 𝜇2 < 0
 Teste de Hipótese

Se 𝑛1 + 𝑛2 > 30, usaremos a estatística de teste

𝑋ത1 − 𝑋ത2 − 𝜇𝐻0

𝑍=
𝑆12 𝑆22
+
𝑛1 𝑛2
Onde 𝑆12 e 𝑆22 são os estimadores das variâncias populacionais
𝜎12 e 𝜎22 .
 Teste de Hipótese

Se 𝑛1 + 𝑛2 ≤ 30, usaremos a estatística de teste

𝑋ത1 − 𝑋ത2 − 𝜇𝐻0

𝑡𝜙 =
𝑆12 𝑆22
+
𝑛1 𝑛2
Onde 𝑆12 e 𝑆22 são os estimadores das variâncias populacionais
𝜎12 e 𝜎22 , e 𝜙 = 𝑛1 + 𝑛2 − 2 graus de liberdade.
 Teste de Hipótese

Exemplo: Um estudo objetivou analisar a associação entre

diversas variáveis com a síndrome metabólica (SM) em
indivíduos de origem japonesa. Ao nível de significância de 5%,
verifique se indivíduos com SM e sem SM possuem, em média,
valores iguais para a pressão arterial sistólica (PAS)?

Com SM 142 140 150 130 135 120 148 120 152 138 140 135
Sem SM 121 130 140 140 130 135 110 115 140
 Teste de Hipótese
Testes de 𝝌𝟐 (Qui-Quadrado).
Consideremos as variáveis aleatórias normais 𝑍𝑖 : 𝑁 0,1 , 𝑖 =
1, 2, … , 𝑛 independentes.
A função definida por :
𝑛

𝜒 2 = ෍ 𝑍𝑖 2
𝑖=1
É chamada de distribuição de Qui-Quadrado, com 𝜙 graus de
liberdade.
Como usamos 𝑛 variáveis aleatórias independentes, 𝜒 2 está definido
com 𝜙 = 𝑛 graus de liberdade.
 Teste de Hipótese

A função de distribuição de 𝜒 2 apresenta a forma

 Teste de Hipótese

A distribuição de Qui-Quadrado possui diversas aplicações:

• Teste de variância;
• Teste de aderência;
• Teste de associação entre variáveis categóricas.
 Teste de Hipótese

O procedimento para a realização de um teste de Qui-

Quadrado seguirá o mesmo que o descrito para os casos
anteriores, mudando apenas as hipóteses a serem testadas, e a
estatística de teste.
 Teste de Hipótese
Para realizar o cruzamento entre variáveis categóricas, será
necessário organizar o conjunto de dados em uma tabela de
dupla entrada, ou tabela de contingência.

Relembrando, este tipo de tabela é utilizada para representar a

frequência conjunta de duas variáveis categóricas (ou
qualitativas), onde as linhas representam a categoria de uma
variável e as colunas representam as categorias da outra
variável.
 Teste de Hipótese

As hipóteses a serem testadas serão:

𝐻0 : 𝐴𝑠 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠 𝑠ã𝑜 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑒𝑠

ቊ
𝐻1 : 𝐴𝑠 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠 𝑛ã𝑜 𝑠ã𝑜 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑒𝑠
 Teste de Hipótese

A estatística de teste será dada por:

𝑘 2
2
𝑜𝑖 − 𝑒𝑖
𝜒 =෍
𝑒𝑖
𝑖=1
Onde os graus de liberdade será dado por 𝜙 = ሺ𝑙𝑖𝑛ℎ𝑎𝑠 −
1) × 𝑐𝑜𝑙𝑢𝑛𝑎𝑠 − 1 ; 𝑜𝑖 será a frequência observada e 𝑒𝑖 a
frequência esperada.
 Teste de Hipótese

A frequência esperada ሺ𝑒𝑖 ) é dada por

𝑡𝑜𝑡𝑎𝑙 𝑑𝑎 𝑙𝑖𝑛ℎ𝑎 × 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎 𝑐𝑜𝑙𝑢𝑛𝑎

𝑒𝑖 =
𝑡𝑜𝑡𝑎𝑙 𝑔𝑒𝑟𝑎𝑙
 Teste de Hipótese

Exemplo: Deseja-se saber se o fato de uma pessoa ficar doente

está relacionado ao fato de tomar certa vacina. Para isso,
levantou-se uma amostra casual de 100 indivíduos, obtendo-se a
tabela abaixo. Ao nível de significância de 5%, testar a hipótese
de independência entre as variáveis.
Ficou Resfriado
Vacina Total
Sim Não
Vacinado 15 20 35
Não Vacinado 25 40 65
Total 40 60 100
 Teste de Hipótese

Ficou Resfriado
Vacina Total (%)
Sim (%) Não (%)
Vacinado 15 (42,9) 20 (57,1) 35 (100,0)
Não Vacinado 25 (38,5) 40 (61,5) 65 (100,0)
Total 40 (40,0) 60 (60,0) 100 (100,0)
 Teste de Hipótese

Exemplo: A um grupo de doentes foram ministrados soníferos

e, a um outro grupo, pílulas de açúcar (placebo). Foi
perguntado depois aos doentes se os soníferos tinham ajudado
ou não a dormir melhor. O quadro de respostas é apresentado
abaixo. Ao nível de significância de 5%, testar a hipótese de não
haver associação entre o sonífero e dormir melhor.
Dormir melhor
Pílulas Total
Sim Não
Sonífero 26 14 40
Placebo 26 34 60
Total 52 48 100
 Teste de Hipótese

Dormir Melhor
Pílulas Total (%)
Sim (%) Não (%)
Sonífero 26 (65,0) 14 (35,0) 40 (100,0)
Placebo 26 (43,3) 34 (56,7) 60 (100,0)
Total 52 (52,0) 48 (48,0) 100 (100,0)
 Teste de Hipótese

Exemplo: Um estudo teve por objetivo verificar a existência da

relação com o planejamento da gravidez com o nível de
escolaridade da mãe. Para tal, foram entrevistadas 40 mães, que
foram questionadas sobre esse tema, onde os resultados podem
ser observados na tabela a seguir. Verifique ao nível de
significância de 5% se há relação entre essas variáveis.
 Teste de Hipótese
Exemplo: Planejamento da gravidez e nível de escolaridade de
40 mães
Mãe Planej. Escol. Mãe Planej. Escol. Mãe Planej. Escol. Mãe Planej. Escola.
1 Sim EM 11 Não EM 21 Não EM 31 Sim EM
2 Não EF 12 Não EM 22 Não EF 32 Não EF
3 Não EF 13 Não EF 23 Não EF 33 Sim EF
4 Não EM 14 Não EF 24 Sim EM 34 Não EF
5 Não EF 15 Não EF 25 Sim EM 35 Não EF
6 Não EF 16 Sim EM 26 Sim EM 36 Não EF
7 Não EF 17 Não EM 27 Não EF 37 Não EM
8 Sim EM 18 Não EF 28 Não EF 38 Não EM
9 Sim EF 19 Não EF 29 Sim EM 39 Sim EF
10 Sim EM 20 Sim EM 30 Não EM 40 Sim EF