12.

2 TESTE DE HIPÓTESES PARA A MÉDIA U DE UMA POPULAÇÃO: CASO

DE GRANDE AMOSTRA (N > 30)

Como se sabe, o fato de a amostra ser grande permite, usando o teorema do limite
central, considerar que a distribuição de tais amostras é normal. Portanto, a estatística de
teste é:

X
-H 0 0
/V n

Assim como nos intervalos de confiança, dentro da classificação da amostra grande dois
casos podem ser considerados: l) onde o parâmetro populacional a é conhecido, e 2)
onde a não é conhecido e é estimado pelo desvio padrão da amostra. Como a diferença
em ambos os casos reside apenas no uso de a ou s na estatística do teste, não há
necessidade de tratá-los separadamente. Como sempre, um exemplo será usado para
ilustrar seu uso.

Amostra 12.2
No enchimento automatizado de sacos de sabão em pó (ver exemplo 10.3), a média
populacional esperada para sacos de um quilograma é de 1000 gramas (g) Para ver isso
sendo cumprido, uma amostra aleatória de 30 sacos é tomada de vez em quando e
pesada. A última amostra apresentou peso médio de 1010 g. Com essas informações e
um valor histórico que a empresa gerencia para 15 g (quando o processo está sob
controle) você quer saber se o processo de embalagem está sendo realizado
corretamente.

Solução
Nessa situação, a questão de pesquisa refere-se a um questionamento do controle do
processo de embalagem, de modo que pode ser colocado como:

O processo de embalagem está sob controle?

A abordagem do modelo estatístico através de testes de hipóteses é, então:

Ho: o processo está sob controle (sem alteração)

H1: o processo está fora de controle (há mudança)

A média populacional é desconhecida e é representada por u. Por outro lado, há uma

especificação de enchimento que consiste em ter em média 1000 g, então u0 = 1000 g é o
valor de contraste!

Por razões óbvias, a empresa está no interesse de uma flutuação "aceitável" da média em
torno de 1000 g; Um descompasso em qualquer direção pode ser considerado um
processo fora de controle. Isso define um teste bicaudal, de modo que o modelo estatístico

1
é:

2
H0: u 1 = 000 g
1

H1: u 1 1 000 g
*

Tomando a = 0,05, a distribuição normal padronizada tem a seguinte aparência:

A estatística da amostra é X = 1 010 g e, neste caso, o desvio padrão da população a =

15 g está disponível.

Substituindo os valores na expressão 12.1 da estatística de teste, o valor observado é:

X
-u =1010- 1000
0
3,65
até 7n 15i 30
gr

Conclusão
Como o valor observado, 3,65 g, permanece em uma das regiões de rejeição, o teste
termina rejeitando H0 e, assim, favorecendo H1.

A conclusão do exemplo 12.2 significa que o processo deve ser interrompido, encontrar a
causa da falta de controle e corrigi-lo. Essa, no entanto, é uma decisão séria que
representa um atraso na produção. A fim de reunir mais informações de suporte, uma
estimativa de intervalo do parâmetro pode ser feita com um nível de confiança de 95%. O
resultado é : 1 004,6 g < ou < 1 015,4 g.

O intervalo nem sequer contém o valor confrontado de 1 000 g, pelo que a decisão de
parar o processo é reforçada. É possível acompanhar a análise dos resultados por meio

3
do chamado p-valor, para o qual, no entanto, é necessária sua definição e método de
cálculo, o que é facilitado por meio de algum programa de computador, como o programa
12.1. Começaremos por ilustrar esta última.

Amostra 12.3
Você deseja corrigir o exemplo 12.2 usando o programa 12.1.

Solução
Inicie o programa 12.1. No menu principal, selecione Uma amostra e, em seguida,
Variação média e conhecida. Anote os dados solicitados pelo programa (obviamente, sem
unidades de peso) e selecione a hipótese nula correspondente, para que a hipótese
alternativa seja definida automaticamente. Selecione o Nível de significância (neste caso,
0,05) e clique no botão Executar. A interface a seguir mostra os resultados fornecidos pelo
programa.

Na interface do exemplo 12.3, abaixo da conclusão aparece uma janela com o valor
0,00026 e rotulado p-valor. O significado, o uso e o cálculo do valor de p em testes de
hipótese são discutidos a seguir.

Valor de p
A maneira tradicional de concluir um teste de hipótese é dizendo que a hipótese nula é
rejeitada, ou não, com um nível de significância pré-estabelecido a. Isso, no entanto, tem
certas desvantagens para o analista que não realizou o teste: primeiro, que o valor
selecionado de um foi decidido por outra pessoa e está de alguma forma sendo imposto a
ele – segundo, que ele não tem ideia se o valor calculado da estatística de teste mal
atingiu a região de rejeição ou foi longe nela (especialmente quando Você não tem um

4
programa como o 12.1.

Para resolver essas dificuldades na prática, a abordagem p-valor tem sido amplamente
adotada. O valor de p é a probabilidade de que o estatístico de teste assuma um valor
pelo menos tão extremo quanto o valor observado da estatística quando a hipótese nula
for verdadeira. Na realidade, o valor de p é um nível de significância, mas calculado com
base no valor observado e não predeterminado como os valores típicos de a.
Voltando à situação de enchimento dos sacos de sabão, é necessário que o valor
observado z0 = 3,65148 corresponda ao valor p = 0,00026. Em termos da distribuição
normal padronizada, isso pode ser representado como mostrado na Figura 12.6:

Obviamente, as áreas de rejeição correspondentes ao valor de p são consideravelmente

menores do que aquelas correspondentes ao nível escolhido de 0,05. Uma maneira
prática de usar o valor de p é comparar com o valor de a (afinal ambos são níveis de
significância), e se o valor de p for menor que a, haverá mais evidências para rejeitar H;
caso contrário, a prova funcionará para aceitar H0. Resumindo:

Se o valor de p < para , rejeite H0

Se o valor de p > para , aceite H0

No caso dos sacos de sabão, confirma-se a rejeição da hipótese nula, e o processo pode
ser interrompido com maior confiança (do que não com certeza).

Um uso, talvez mais prevalente hoje (em textos modernos, revistas científicas e artigos de

5
pesquisa), é simplesmente relatar o valor de p para que o analista ou leitor possa concluir
com qualquer nível de significância especificado.

Uma definição precisa de valor de p é:

Definição de p-valor. O valor de p é o menor nível de significância que levaria à rejeição da

hipótese nula H0.

É relativamente simples calcular o valor de p para testes em que a distribuição normal está
envolvida, como no caso das ilustrações que foram vistas. Se z é o valor da estatística de
teste, então o valor de p é:

F(Zo) para um teste de cauda esquerda H0 : u > u0; H1:u<u0

2[1— F(Zo)] para um ensaio bicaudal H0 : u = u0; H1: u ± u0
1 — F(Zo) para um ensaio de cauda direita H0 : u < u0; H1:u>u0

Na expressão 12.3, F(Zo) é a distribuição normal padrão cumulativa, avaliada em Zo

Amostra 12.4

Com a expressão (12,3), calcula-se o p-valor para enchimento dos sacos de sabão e
discutem-se os resultados.

Solução

Você tem um teste bicaudal e o valor observado é 3,65. De acordo com a expressão
(12.3), temos:

Valor de p = 2[1 -F( 3,65)] =2[1- 0,99987] =0,00026

A estimativa de F(3,65) foi feita com o programa 9.2, mas ainda pode ser utilizada.

Excel: DISTR. NORMA. ESTANDE(3,65).

O resultado acima é interpretado como significando que seria necessário ter um nível de
significância menor que 0,00026 para aceitar a hipótese nula. Isso significa que para
aceitar a hipótese nula seria necessário um valor extremamente pequeno de a (ainda
menor que o menor valor dos recomendados: 0,01). Tudo parece indicar que o processo
de embalagem está fora de controle e terá que ser interrompido para fazer as correções
necessárias.