Variabilidade

Inserir Título Aqui

e
InserirdeTítulo
Teste Hipóteses
Aqui
Aplicados à Educação
Fundamentos do Teste de Hipóteses

Responsável pelo Conteúdo:

Prof. Dr. Mauro Sérgio Teixeira de Araújo

Revisão Textual:
Prof.ª Dr.ª Luciene Oliveira da Costa Granadeiro
 Fundamentos do Teste de Hipóteses

Fonte: Getty Images

Nesta unidade, trabalharemos os seguintes tópicos:
• Conhecendo a Teoria;
• Princípio do Teste de Hipóteses;
• Elaboração do Teste de Hipóteses;
• Tipos de Erro e Nível de Significância;
• Teste de Hipóteses Utilizando a Distribuição t;
• Desenvolvimento do Teste de Hipóteses
Utilizando a Distribuição t;
• Atividade Complementar.

Objetivos
• Estudar os princípios do Teste de Hipóteses;
• Identificar e elaborar as etapas do Teste de Hipóteses;
• Compreender os conceitos relacionados aos Tipos de Erro e Nível de Significância envol-
vidos no Teste de Hipóteses;
• Aprender a utilizar a tabela de valores críticos (tC) e interpretar os resultados do Teste de
Hipóteses;
• Estudar as aplicações do Teste de Hipóteses empregando a Distribuição t de Student.

Caro Aluno(a)!
Normalmente, com a correria do dia a dia, não nos organizamos e deixamos para o úl-
timo momento o acesso ao estudo, o que implicará o não aprofundamento no material
trabalhado ou, ainda, a perda dos prazos para o lançamento das atividades solicitadas.
Assim, organize seus estudos de maneira que entrem na sua rotina. Por exemplo, você
poderá escolher um dia ao longo da semana ou um determinado horário todos ou alguns
dias e determinar como o seu “momento do estudo”.
No material de cada Unidade, há videoaulas e leituras indicadas, assim como sugestões
de materiais complementares, elementos didáticos que ampliarão sua interpretação e
auxiliarão o pleno entendimento dos temas abordados.
Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de
discussão, pois estes ajudarão a verificar o quanto você absorveu do conteúdo, além de
propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de
troca de ideias e aprendizagem.
Bons Estudos!
UNIDADE
Fundamentos do Teste de Hipóteses

Contextualização
Nos ambientes educacionais, os professores geralmente podem utilizar diferentes re-
cursos didáticos, empregar estratégias de ensino variadas e fazer uso de metodologias
que julgam adequadas para alcançar seus objetivos formativos. Essa variedade de op-
ções se deve a fatores como preferências e crenças pessoais dos professores, recursos
disponibilizados nas instituições de ensino, bem como a presença de alunos com dife-
rentes perfis e níveis de aprendizagem, o que é típico da heterogeneidade do alunado.
Assim, diante dos diferentes recursos e características das situações educacionais, é
importante que o professor efetue as análises necessárias e identifique as melhores
estratégias e enfoques utilizados. Além disso, muitas vezes, o docente necessita efetuar
comparações entre contextos educacionais diferentes, o que demanda o uso de ferra-
mentas capazes de nortear seu processo de decisão. Em todos esses casos, os Testes de
Hipóteses assumem papel relevante, uma vez que fornecem parâmetros para que sejam
realizadas as comparações desejadas, constituindo uma ferramenta útil para investigar
aspectos relacionados às realidades que caracterizam os contextos educacionais viven-
ciados. Os resultados fornecidos pelos Testes de Hipóteses podem orientar o professor
na escolha de ações adequadas, fornecendo um amparo estatístico e probabilístico para
suas decisões ao apontar, entre os diferentes recursos didáticos, quais têm gerado os me-
lhores resultados em termos de aprendizagem e desenvolvimento dos estudantes, quais
metodologias de ensino se mostram mais adequadas, permitindo identificar os enfoques
e estratégias didáticas mais eficazes para alcançar os objetivos formativos almejados em
seu planejamento. Portanto, os Testes de Hipóteses constituem importantes ferramen-
tas de investigação de diferentes elementos característicos dos ambientes educacionais
destinados à formação dos estudantes, contribuindo para que o docente possa realizar
análises, refletir, investigar e aperfeiçoar sua atividade profissional.

6
Conhecendo a Teoria
Inicialmente, devemos ter em mente que uma Hipótese pode ser considerada como
uma teoria, uma conjectura ou explicação provisória admitida em um primeiro momento
como verdadeira e que, de acordo com critérios estatísticos apropriados, poderá ser rejei-
tada ou não rejeitada em termos de probabilidade. A Hipótese também pode ser enten-
dida como uma propriedade da população, caracterizada por uma grandeza mensurável.

Nesse contexto, o Teste de Hipóteses (também denominado de Teste Estatístico ou

Teste de Significância) constitui um recurso lógico-probabilístico que consiste em uma
regra de decisão que permite avaliar a validade das hipóteses relacionadas a parâmetros
ou distribuições populacionais. Desse modo, as hipóteses podem ser aceitas como pro-
vavelmente verdadeiras ou rejeitadas como provavelmente falsas.

Assim, o Teste de Hipóteses fornece um procedimento básico que permite testar a vali-
dade de uma afirmação feita acerca de uma propriedade ou grandeza pertencente à popula-
ção. Em linhas gerais, elaborada uma certa hipótese, quando a probabilidade de ocorrer um
fato, fenômeno ou acontecimento for muito pequena, devemos concluir que essa hipótese
não deve ser considerada verdadeira. Porém, é importante destacar que a possibilidade de
erro é inerente ao processo, pois nessas situações estamos lidando sempre com probabilida-
des, sendo esse erro inversamente proporcional à significância do teste.

Para que o pesquisador possa tomar uma decisão adequada, ele deve elaborar um expe-
rimento que permita testar sua hipótese, efetuando medidas de estatísticas amostrais
e comparando os resultados com os valores propostos ou presumidos. Essas estatísticas
amostrais estão relacionadas com grandezas relevantes presentes nas situações investiga-
das podendo ser, por exemplo, as notas médias obtidas por turmas de alunos decorrentes
de processos avaliativos.

Portanto, é fácil perceber que a observação faz parte do procedimento experimen-

tal, devendo o pesquisador observar os valores das grandezas medidas, analisar e, por
fim, concluir, tomando finalmente sua decisão a partir do resultado verificado.

Princípio do Teste de Hipóteses

Há diferentes formas de expressar o princípio básico que define o Teste de Hipóteses
e, dentre elas, podemos destacar:
• Quanto maior for o desvio (diferença) entre o valor suposto e o valor amostral ob-
tido para uma determinada grandeza estatística investigada, menor será a chance
de a hipótese nula (hipótese a ser testada e que associaremos com a igualdade)
ser verdadeira;
• Acredita-se que pequenas diferenças entre os valores mensurados nas grandezas es-
tudadas devam ser casuais e devidas à variabilidade amostral, enquanto as grandes
diferenças sejam decorrentes de diferenças significativas nos parâmetros avaliados.

7
7
UNIDADE
Fundamentos do Teste de Hipóteses

Regra de Decisão
Das duas expressões acima, decorre a seguinte regra de decisão:

“Quando a diferença entre o valor suposto da grandeza e o valor obtido pelas

amostras é pequena, devemos aceitar a hipótese nula e, se a diferença for grande,
devemos rejeitá-la”.

O teste de hipóteses possibilita, em termos probabilísticos, identificar a possibilidade das

diferenças entre os valores medidos nas grandezas investigadas e os valores propostos ou
presumidos para as mesmas serem reais ou decorrentes simplesmente da dispersão amos-
tral, ou seja, de variações naturais presentes nos valores medidos

Elaboração do Teste de Hipóteses

Identificação do tipo de teste adequado
Para que seja possível elaborar as duas hipóteses, é preciso antes identificar o tipo de
teste mais adequado a ser aplicado tendo em vista as características da situação estudada.
Nesse sentido, uma análise cuidadosa das informações referentes ao contexto investigado
deve apontar ao pesquisador se o Teste de Hipóteses deve ser unilateral ou bilateral.

Elaboração das Hipóteses Nula e Alternativa

Essa etapa é altamente relevante e nela o pesquisador estrutura inicialmente um Tes-
te de Hipóteses, formulando duas proposições (ou hipóteses) mutuamente excludentes,
ou seja, a veracidade de uma hipótese implica necessariamente a falsidade da outra.
Essas duas hipóteses são:

Hipótese Nula (H0)

Em Estatística, a hipótese que deverá ser testada é denominada Hipótese Nula ou Hi-
pótese Probanda, sendo designada por H0. Geralmente por convenção, a hipótese nula
afirma a igualdade presumida entre o parâmetro real (P) (medido) e o valor alegado (VA).

H0: P = VA

Hipótese Alternativa ou Experimental (Ha)

Quando a hipótese nula é rejeitada, a proposição tida como verdadeira é denomi-
nada Hipótese Alternativa (ou Hipótese Experimental), sendo simbolizada por Ha.
Essa hipótese estabelece a desigualdade entre o parâmetro real (P) (medido) e o valor

8
alegado (VA). Entretanto, essa desigualdade entre P e VA pode ser expressa de formas
diferentes, levando a testes com formulação e denominações diferentes, como veremos
a seguir.

Testes Unilaterais ou Unicaudais

Os testes unilaterais ou unicaudais permitem avaliar as chances de os valores espera-
dos para os parâmetros serem inferiores ou superiores a determinado limite.

Teste Unilateral à Esquerda

Esse teste é caracterizado pelo uso da relação < (menor que) e mede a probabilidade
de a variável ser inferior a determinado limite. As hipóteses nula (H0) e alternativa (Ha),
denominada unilateral ou unicaudal à esquerda, são expressas na seguinte forma:

H0: P = VA
Ha: P < VA

Nessa situação, o erro fica concentrado do lado esquerdo, sendo esse teste útil para
avaliar situações com parâmetros mínimos, ou seja, se o valor observado da grandeza
for inferior a determinado parâmetro mínimo, então estará situado na extremidade infe-
rior da distribuição (“cauda esquerda da gaussiana”), onde a probabilidade de ocorrência
da grandeza em função de mera flutuação estatística é baixa, o que nos leva a descartar
a hipótese nula.

Teste Unilateral à Direita

O teste unilateral à direita é definido pela relação > (maior que) e estabelece a proba-
bilidade de a variável ser superior a determinado limite. As hipóteses nula (H0) e unilate-
ral ou unicaudal à direita são expressas na forma:

H0: P = VA
Ha: P > VA

Nesse caso, o erro fica concentrado do lado direito, sendo o teste adequado para
avaliar situações com parâmetros máximos. Nessa situação, se o valor observado da
grandeza for superior a determinado parâmetro máximo, então estará situado na extre-
midade superior da distribuição, região conhecida como “cauda direita da gaussiana”,
onde a probabilidade de ocorrência da grandeza em função de mera flutuação estatística
é baixa, o que nos leva a descartar a hipótese nula.

Além dos testes unilaterais, podemos realizar testes bilaterais, como o descrito a seguir.

Testes Bilaterais ou Bicaudais

Esses testes são caracterizados pelo uso da relação do tipo ≠ (diferente) e servem para
quantificar a probabilidade de as variáveis pertencerem a intervalos de valores determinados.

9
9
UNIDADE
Fundamentos do Teste de Hipóteses

A escolha desse tipo de teste deve acontecer somente quando não sabemos a prevalência
entre os valores, ou seja, se não sabemos se o valor mensurado (P) tende a ser menor ou
maior que o valor alegado (VA). As hipóteses nula e bilateral ou bicaudal desse teste são
expressas da seguinte maneira:
H0: P = VA
Ha: P ≠ VA
Geralmente, esse teste deve ser aplicado apenas quando não temos informações suficien-
tes sobre o sentido da diferença entre os valores, uma vez que é um teste mais fraco que o
unilateral, pois não indica se o parâmetro P é maior ou menor que o valor presumido (VA).

Tipos de Erro e Nível de Significância

Uma vez que o Teste de Hipóteses está apoiado em probabilidades, torna-se ine-
rente ao processo de decisão a possibilidade de o pesquisador cometer algum erro ao
rejeitar ou não rejeitar uma hipótese. As situações nas quais o pesquisador acerta ou
não em sua decisão são ilustradas no quadro abaixo:

Tabela 1
A hipótese pode ser
Verdadeira (V) Falsa (F)
O pesquisador
Rejeita a hipótese Comete erro (I) Comete acerto
Não rejeita a hipótese Comete acerto Comete erro (II)

Portanto, o pesquisador pode cometer um erro ao rejeitar a hipótese nula quando ela é
verdadeira. Nesse caso, dizemos que houve um erro de 1ª espécie ou erro tipo I. Por outro
lado, ao deixar de rejeitar a hipótese nula quando ela é falsa o pesquisador comete um erro
de 2ª espécie ou erro tipo II.

Nível de Significância
Embora seja óbvio imaginar que o pesquisador não deseja cometer nenhum tipo de
erro em sua análise, podemos considerar tolerável um erro se ele for pequeno, ou seja,
se houver pequena probabilidade de que venha a ocorrer. De fato, caso a hipótese seja
verdadeira, desejamos que a probabilidade de decidirmos rejeitá-la, cometendo assim um
erro tipo I, seja pequena. Essa probabilidade é denominada nível de significância (α).

Portanto, o Nível de Significância (α) do teste corresponde à probabilidade de o valor

da estatística (grandeza medida) apresentar valores na região crítica mesmo quando
a hipótese nula é verdadeira. Por outro lado, o Erro do tipo II irá acontecer quando a
hipótese nula não for rejeitada, apesar de ser falsa. Utilizamos o símbolo β (beta) para
representar a probabilidade de ocorrer um erro do tipo II.

10
 Potência do teste de hipóteses
Definimos a potência de um Teste de Hipóteses binário como sendo a probabilidade
(1 – β) de rejeitar corretamente a hipótese nula quando ela é falsa. Portanto, à medida que
a potência do teste aumenta, diminui a probabilidade de ocorrer um erro de tipo II (falso
negativo), também chamada de taxa de falso negativo (β), uma vez que a potência é 1 − β.

Potência do teste = Pr(rejeitar Ho/Ha é verdadeira)

Embora não sejam verificados padrões formais para o valor da potência Pr (tam-
bém simbolizada por π), frequentemente as pesquisas consideram a potência dos testes
utilizando o valor π = 0,80 como sendo adequado. Nessa situação, observamos uma
proporção de quatro contra um entre o risco β e o risco α quando consideramos valores
convencionais empregados para β e α, ou seja, β = 0,20 é a probabilidade de um erro
de tipo II e α = 0,05 é a probabilidade de um erro de tipo I. Porém, não é em todos os
casos estudados que essa ponderação 4 a 1 pode ser aceita como apropriada.

Como exemplo, podemos mencionar testes realizados na Medicina e que são fre-
quentemente desenhados para que não ocorram falsos negativos (erro de tipo II), embo-
ra essa condição acabe aumentando o risco de se obter um falso positivo (erro de tipo I).
Podemos compreender esse raciocínio na área de saúde imaginando que é preferível
dizer a um paciente saudável “podemos ter encontrado algo – vamos fazer mais um
teste” ao invés de informar um paciente doente que “está tudo bem”.

Em termos práticos, o pesquisador deve estabelecer um critério de decisão de modo

a repartir o espaço experimental R (conjunto de valores que a variável estudada pode
assumir) em duas partes denominadas, respectivamente, região crítica (RC) e região não-
-crítica (RNC).

Assim, quando o valor x do parâmetro obtido no experimento pertencer à região crítica, a

hipótese nula H0 deverá ser rejeitada. Por outro lado, se o valor de x pertencer à região
não crítica, a hipótese nula H0 não deverá ser rejeitada.

Podemos resumir essas afirmações expressando os critérios de decisão:

Se x  RC  H 0 rejeitada
 Se x  RNC
  H 0 não rejeitada
ou x  RC

Assim, o nível de significância (α) estabelece o critério que permite repartir o espa-
ço experimental R, de modo que:

RC + RNC = R

Em geral, o nível de significância α apresenta valores pequenos, sendo comum en-

contrarmos tabelas para α = 1 % e α = 5 %. Graficamente, a região crítica RC e a região
não crítica RNC são representadas na figura a seguir:

11
11
UNIDADE
Fundamentos do Teste de Hipóteses

Unilateral à esquerda Bilateral Unilateral à direita

RNC

Rc RNC Rc Rc RNC Rc
Aceitação

 Aceitação /2 /2 Aceitação 

Figura 1 – Regiões de rejeição e de não rejeição de Ho para testes unilaterais e bilaterais

Desse modo, podemos interpretar que o nível se significância α representa a pro-

babilidade de a região crítica RC rejeitar a hipótese H0 se ela for verdadeira e, por isso,
devemos fixar um α pequeno.

Teste de Hipóteses Utilizando a Distribuição t

A Distribuição t de Student foi desenvolvida pelo pesquisador Willian Sealy Gosset
no início do século XX, sendo adequada para pequenas amostras (n < 30). Essa esta-
tística é expressa pela fórmula:

x −µ
t=
S (x )
n

Onde:

• S (x ) = ∑ (x i
− x )2
= desvio padrão de x;
n −1

• x = ∑ x = média aritmética dos valores da variável x em uma amostra pequena;

i

n
• μ = média aritmética (presumida) da população de onde foi extraída a peque-
na amostra.

A Distribuição t de Student é contínua, simétrica, apresenta média zero e desvio

padrão variável em função do número de dados n, sendo ainda platicúrtica em relação
à curva normal, ou seja, t é mais achatada no centro e mais espalhada nas caudas.

À medida que a quantidade de dados n cresce, a estatística t tende a z, sendo a aproxi-

mação muito boa para n ≥ 30. Devemos utilizar a estatística t apenas para variáveis que
tenham distribuição normal na população de onde é extraída a amostra.

12
Desenvolvimento do Teste
de Hipóteses Utilizando a Distribuição t
O procedimento necessário para realizarmos um Teste de Hipótese utilizando a
Distribuição t de Student envolve os seguintes passos:
• Calcular a estatística t, sendo t0 = t observado no conjunto de dados medidos;
• Comparar o valor de t0 com tc (t crítico) fornecido em tabelas.

Para localizar o valor tc na tabela, devemos observar inicialmente o valor do nível de

significância α e considerar também o número de graus de liberdade (gl) envolvido no
problema, obtendo o valor crítico tc no cruzamento de α com gl, onde:

gl = n – 1 = tamanho da amostra – 1

Finalmente, a decisão deve ser tomada analisando as situações mostradas abaixo,

onde to é considerado um valor positivo (módulo) para a estatística t:

Se t0 > tc → rejeitar H0
Se t0 < tc → não rejeitar H0

Para que você possa ampliar seus conhecimentos acerca da Distribuição t de Student e so-
bre o seu uso no Teste t, sugerimos que acesse a página: http://bit.ly/32F8cLd

Aprendendo com um Exemplo

1. Uma professora, lecionando em uma Universidade, constata ao longo dos anos
que a média final obtida pelos alunos em Geometria Analítica (GA) nas turmas de
1º ano dos cursos de Licenciatura em Matemática é μ = 4,4. Neste ano, a professo-
ra continua desenvolvendo suas aulas da mesma maneira, porém, indica para seus
alunos outro livro texto para que possam acompanhar e estudar os conteúdos. Ela
organiza as médias finais obtidas pelas 7 turmas de alunos de 1º ano na disciplina
de Geometria Analítica, obtendo a tabela mostrada abaixo:

Tabela 2
Turma A B C D E F G
Média final 5,3 4,5 4,0 5,6 4,7 4,3 5,0

13
13
UNIDADE
Fundamentos do Teste de Hipóteses

Utilize um teste de Hipóteses e analise se o rendimento em GA das sete turmas de

1º ano do curso de Licenciatura em Matemática está dentro das expectativas neste
ano, ou seja, se o rendimento dos alunos neste ano pode ser considerado estatisti-
camente equivalente ao observado nos anos anteriores, considerando para este teste
α = 5 %.

Interpretando o enunciado, podemos identificar que há um valor presumido ou espe-

rado para a média dos alunos em GA, ou seja, µ = 4,4, a quantidade de dados é N = 7
e o nível de significância do teste é α = 5 %. Assim, constatamos que é preciso calcular
a seguinte estatística:

x −µ
t=
S (x )
n

Nesse caso, temos: µ = 4,4 α=5%

n=7 gl = n – 1 = 6

Para realizar o Teste de Hipóteses, precisamos elaborar as duas hipóteses, a hipó-

tese nula (a eventual diferença entre os valores se deve ao acaso ou à mera flutuação
estatística) e hipótese alternativa. Nesse caso, o enunciado mostra uma situação
educacional em que a professora manteve os mesmos procedimentos didático-me-
todológicos, apenas indicando um novo livro texto para seus alunos, o que nos faz
crer que apenas essa mudança não deverá acarretar um aumento no rendimento dos
alunos das turmas onde leciona. Assim, é conveniente utilizarmos um teste bicaudal,
pois podemos interpretar que nessa situação não há uma prevalência clara entre os
valores, ou seja:

H0: x = 4,4
Ha: x ≠ 4,4

Assim, para utilizar a estatística de t precisamos calcular os valores de x e S(x):

x =
∑x i
=
33, 4
= 4, 77 e S (x ) =
∑ (x i
− x )2
=
1, 914
= 0, 523
n 7 n 7

Logo, o valor para t0 é:

x −µ 4, 77 − 4, 4
t0 = = = 1, 872
S (x ) 0, 523
n 7

Sendo n = 7, temos 6 graus de liberdade para esse problema (gl = 6), de modo que,
para α = 5 %, a tabela de valores de tc nos fornece para um teste bicaudal tc = 2,447.

14
 Assim, comparando t0 com tc, podemos observar que:

(t0 = 1,872) < (tC = 2,447) RC RNC RC

tC = –2,447 t0 tC = 2,447
Figura 2

Portanto, uma vez que t0 está na região não crítica (RNC), podemos concluir que a alter-
nativa H0 não deve ser rejeitada ao nível de significância de 5 % e, assim, podemos afirmar
que o rendimento dos alunos das turmas de Licenciatura em Matemática, neste ano, está
dentro das expectativas. Em outras palavras, é mais provável que a diferença entre os va-
lores presumido 4,4 e observado neste ano 4,77 se devam a meras flutuações estatísticas
das médias dos alunos, de modo que, em função do resultado do teste estatístico, os dois
valores devem ser considerados estatisticamente equivalentes. Concluímos, assim, que a
mera troca de livro-texto não foi suficiente para melhorar o rendimento dos alunos.

Vamos aprender um pouco mais?

Visando favorecer a sua aprendizagem acerca do uso do Teste de Hipóteses e ampliar
seus conhecimentos acerca desse importante recurso estatístico, iremos propor a análise
de outra situação educacional.
2. O professor Rogério leciona Tópicos de Educação Ambiental (TEA) em diversas
turmas de Engenharia, utilizando sempre uma abordagem tradicional, baseada na
oralidade em aulas expositivas, observando ao longo dos anos que a média final ob-
tida pelos alunos de suas turmas é μ = 5,8. Neste ano, após concluir seu Mestrado,
adquirindo amplos conhecimentos acerca do enfoque Ciência-Tecnologia-Sociedade
(CTS), ele implantou diversas mudanças em sua maneira de lecionar, passando a
empregar abordagens contextualizadas, focadas em temas atuais e de interesse dos
estudantes, com base nas Metodologias Ativas, com ênfase no Educar pela Pesqui-
sa, demandando dos estudantes a realização de pesquisas individuais e em grupo,
além da participação em Seminários e Debates. Essas mudanças fizeram com que
a sua disciplina se tornasse muito mais atraente, despertando um grande interesse e
envolvimento dos alunos, sendo as médias finais obtidas pelas 8 turmas que viven-
ciaram essa nova abordagem fornecidas na tabela abaixo:

Tabela 3
Turma A B C D E F G H
Média final 5,7 8,6 4,9 6,6 7,6 5,5 8,1 7,8

15
15
UNIDADE
Fundamentos do Teste de Hipóteses

Com o objetivo de investigar se as mudanças metodológicas implantadas em sua

disciplina favoreceram a construção de novos conhecimentos pelos estudantes, o
Prof. Rogério decidiu realizar um teste de Hipóteses para analisar se o rendimento das
8 turmas deste ano foi estatisticamente superior ao que vinha sendo observado anterior-
mente, considerando para esse teste um nível de significância α = 5 %.

Ao lermos com atenção o enunciado, podemos constatar inicialmente que devemos

calcular a estatística t dada por:

x −µ
t=
S (x )
n

Nesse caso, temos: µ = 5,8 α=5%

n=8 gl = n – 1 = 7

O Teste de Hipóteses deve ser elaborado construindo-se as duas hipóteses, nula

(a diferença entre os valores se deve ao acaso) e alternativa. Neste caso o enunciado
fornece elementos que nos fazem crer que a nova abordagem, mais atraente e que ge-
rou mais envolvimento dos alunos, tende a favorecer a aprendizagem dos estudantes,
ocasionando aumento no rendimento dos alunos dessas turmas investigadas. Assim,
é adequado utilizarmos um teste unicaudal, pois presumimos haver prevalência entre
os valores, ou seja:

H0: x = 5,8
Ha: x > 5,8

Assim, para utilizar a estatística de t precisamos calcular os valores de x e S(x):

x =
∑x i
=
54, 8
= 6, 85 e S (x ) =
∑ (x i
− x )2
=
13, 10
= 1, 368
n 8 n −1 8 −1

Logo, o valor para t0 é:

x −µ 6, 85 − 5, 8 1, 05
t0 = = = = 2, 171
S (x ) 1, 368 0, 4837
n 8

Considerando que n = 8, temos agora 7 graus de liberdade para a situação investiga-

da (gl = 7), de modo que, para α = 5 %, a tabela de valores de tc nos fornece para um
teste unicaudal tc = 1,895. Desse modo, comparando t0 com tc , temos:

16
 (t0 = 2,171) > (tC = 1,895) RC RNC RC

tC = 2,447 tC = 1,895 t0 = 2,171

Figura 3

Portanto, uma vez que t0 está na região crítica (RC), concluímos que a hipótese nula
H0 deve ser rejeitada ao nível de significância α = 5 % e, assim, podemos afirmarque
o rendimento das turmas de alunos deste ano, que vivenciaram uma abordagem diferen-
ciada, envolvendo o uso de vários recursos facilitadores da aprendizagem, foi estatisti-
camente superior ao observado nos anos anteriores. Essa constatação sinaliza ser mais
provável que a diferença entre os valores 5,8 e 6,85 se deva a mudanças pedagógicas
implantadas pelo Prof. Rogério e não apenas a flutuações estatísticas no parâmetro es-
tudado (rendimento das turmas de alunos). Esse resultado do Teste de Hipóteses reforça
o entendimento de que as medidas adotadas pelo professor surtiram o efeito desejado
por contribuir com a aprendizagem dos estudantes, devendo o professor manter o uso
do enfoque CTS a partir de agora.

Analisando as duas situações relacionadas com contextos educacionais estudadas, é

possível compreender quando devemos empregar o teste bicaudal e quando é adequa-
do utilizar o teste unicaudal. Nesse sentido, o critério de escolha do tipo de teste está
associado com o fato de termos ou não elementos e informações suficientes que nos
permitam estabelecer a prevalência entre os valores dos parâmetros estudados. Ou seja,
se, na situação que está sendo estudada podemos afirmar que há tendência do valor do
parâmetro aumentar tornando-se maior que o valor presumido ou do contrário, se no
novo contexto há tendência do valor do parâmetro ter sofrido uma diminuição, então
devemos optar pelo teste unicaudal.

Na primeira situação abordada, a mera mudança na indicação de livro texto não nos
permite afirmar que haverá melhora na aprendizagem dos alunos e por isso foi escolhido
e aplicado o teste bicaudal. Assim, em geral, apenas em situações como essa em que
não dispomos de informações suficientes para estabelecer a prevalência entre os parâ-
metros a serem comparados é que devemos optar pelo teste bicaudal.

17
17
UNIDADE
Fundamentos do Teste de Hipóteses

Por sua vez, no segundo exemplo, o professor passou a utilizar o enfoque CTS as-
sociado com novos recursos didático-metodológicos, gerando maior envolvimento dos
estudantes, configurando um contexto educacional capaz de favorecer a aprendizagem
dos estudantes e aumentar seu rendimento escolar. Nessas situações, fica evidente que
poderá haver prevalência entre os parâmetros comparados, o que nos leva a escolher e
realizar um teste unicaudal.

Atividade Complementar
No curso de Especialização em Matemática oferecido pela Universidade Cruzeiro
do Sul na modalidade EAD, foi constatado ao longo dos anos que a média final obtida
pelos alunos na disciplina Matemática Financeira é 6,3. Na turma deste ano, os 16
alunos participantes aparentam estar muito mais envolvidos com o curso e com melhor
desempenho, participando dos fóruns de debate, respondendo às questões dos jogos
após as unidades e realizando todas as atividades propostas, o que não acontecia nas
turmas anteriores. Desse modo, após as avaliações propostas, as notas médias finais
(MF) obtidas pelos alunos são mostradas na tabela abaixo:

Tabela 4
Aluno MF Aluno MF Aluno MF Aluno MF
1 6,2 5 7,6 9 6,1 13 8,3
2 8,1 6 7,1 10 6,7 14 9,2
3 7,3 7 4,0 11 7,5 15 7,0
4 5,0 8 7,5 12 6,1 16 8,5

Escolha e realize um Teste de Hipótese para avaliar se o rendimento da atual turma

pode ser considerado superior ao observado nos anos anteriores. Efetue os cálculos e
interprete o resultado obtido:
a) Considerando α = 5 %.
b) Considerando α = 1 %.

Sugestão para a resolução do problema:

1. Monte explicitamente as duas hipóteses do teste (nula e alternativa), interpretando
cuidadosamente as informações fornecidas no enunciado para definir se o teste a
ser aplicado deverá ser unicaudal (unilateral) ou bicaudal (bilateral);
2. Calcule o valor médio da variável x (Média final obtida pelos alunos);
3. Calcule a estatística t0;
4. Identifique os graus de liberdade do problema e utilize a Tabela fornecida ao final
do material de apoio desta unidade para obter o valor crítico (tC);
5. Compare t0 com tC e tire as suas conclusões, expressando-as detalhadamente.

18
 Tabela 4 – Tábua de tC
α para Ha Unicaudal α para Ha Bicaudal
GLIB GLIB
5% 1% 5% 1%
3 2,353 4,541 3,182 5,841 3
4 2,132 3,747 2,776 4,604 4
5 2,015 3,365 2,571 4,032 5
6 1,943 3,143 2,447 3,707 6
7 1,895 2,998 2,365 3,499 7
8 1,860 2,896 2,306 3,355 8
9 1,833 2,821 2,262 3,250 9
10 1,812 2,764 2,228 3,169 10
15 1,753 2,602 2,131 2,947 15
20 1,725 2,528 2,086 2,845 20
22 1,717 2,508 2,074 2,819 22
24 1,711 2,492 2,064 2,797 24
26 1,706 2,479 2,056 2,779 26
28 1,701 2,467 2,048 2,763 28
30 1,697 2,457 2,042 2,750 30
40 1,684 2,423 2,021 2,704 40
60 1,671 2,390 2,000 2,660 60
120 1,658 2,358 1,980 2,617 120
∞ 1,645 2,326 1,960 2,576 ∞
t C (crítico)
Fonte: Adaptado de Bussab & Severo, 1985

19
19
UNIDADE
Fundamentos do Teste de Hipóteses

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

Livros
Testes de hipóteses com o SPSS: o meu manual de consulta rápida
LAUREANO, R. M. S.; BOTELHO, M. do C. Testes de hipóteses com o SPSS: o meu
manual de consulta rápida. Edições Sílabo, Lisboa – Portugal, 2ª ed., 224 p., 2013.

Vídeos
Grings – teste de hipótese para média – aula 20
https://youtu.be/39dL8bk_Cxw
O que são testes de hipótese? – Bioestatística # 9
https://youtu.be/FZHqrVyc104
Teste de hipótese com amostra pequena
https://youtu.be/TJbnkmiZiRU

Leitura
Teste de hipóteses
http://bit.ly/2o4LGfE
Aula 30 – Estatística – Teste de hipóteses
http://bit.ly/2MCiJ45
Pesquisadores querem padrões mais altos em resultados científicos para evitar falsos positivos
http://bit.ly/33Sfz28
Utilização dos testes de hipóteses para a média na tomada de decisão
SAMPAIO, N. A. de S.; LEONI, R. C. Utilização dos testes de hipóteses para a média
na tomada de decisão. 2015.
http://bit.ly/2WeAGJz
Análise de erros em testes de hipóteses: um estudo com alunos de engenharia
SEBASTIANI, R. G. Análise de erros em testes de hipóteses: um estudo com alunos
de engenharia. Programa de Pós-Graduação em Educação em Ciências e Matemática,
da Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 2010.
http://bit.ly/2Pe70dR

20
Referências
ANDERSON, D. R.; SWEENEY, D. J.; WILLIAMS, T. A. Estatística aplicada à ad-
ministração e economia. São Paulo: Pioneira, 2002.

ANDERSON, D. R.; SWEENEY, D. J.; WILLIANS, T. A. Estatística Aplicada à Ad-

ministração e Economia. 2. ed. São Paulo: Cengage Learning, 2007.

BRADLEY, J. I.; MCCLELLAND, J. N. Estatística básica – teoria aplicada à edu-

cação. Rio de Janeiro: Renes, 1972.

BUSSAB, W. de O.; MORETTIN, P. A. Estatística Básica. São Paulo: Saraiva, 2012.

COSTA, S. F. Introdução ilustrada à estatística. 3. ed. São Paulo: Harbra, 1998.

CRESPO, A. A. Estatística fácil. São Paulo: Saraiva, 2000.

FONSECA, J. S.; MARTINS, G. A.; TOLEDO, G. L. Estatística aplicada. São Paulo:

Atlas, 1995.

LEVIN, J. 2. ed. Estatística aplicada a ciências humanas. São Paulo: Harbra, 1987.

LEVIN, J.; FOX, J. A. Estatística para ciências humanas. 9. ed. São Paulo: Pearson, 2004.

MILONE, G. Estatística Geral e Aplicada. São Paulo: Pioneira Thomson Learning, 2004.

MORCILLO, A. M. Teste t Student. Campinas: Universidade Estadual de Campinas –

Faculdade de Ciências Médicas, 2004.

SPIEGEL, M. R. Estatística. São Paulo: Makron Books, 1994.

TOLEDO, G. L.; OVALLE, I. I. Estatística básica. 2. ed. São Paulo: Atlas, 1995.

VIEIRA, S. Estatística experimental. 2. ed. São Paulo: Atlas, 1999.

21
21