UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO

DEPARTAMENTO DE ESTATÍSTICA E INFORMÁTICA

Semana 12
HIPÓTESE ESTATÍSTICA

Profª Cristiane Albuquerque

INTRODUÇÃO

Ao conhecer na semana anterior métodos para a estimativa de

valores de parâmetros populacionais por meio de valores pontuais e
intervalos de confiança, nós vimos que podemos entender cada vez
mais os fenômenos de nosso interesse. Nesta semana, vamos
conhecer métodos de decisão da Inferência Estatística: o teste de
hipóteses feitas sobre parâmetros populacionais. Com isso, iremos
desenvolver a habilidade para a realização de testes de hipóteses
feitas sobre a média populacional μ, a proporção populacional p ou
sobre o desvio padrão populacional σ.
INTRODUÇÃO
Em muitos momentos, nosso objetivo na investigação de um fenômeno não é
de estimar um parâmetro, mas decidir qual das duas afirmativas
(contraditórias) sobre o parâmetro está correta.

Alguns exemplos:

 μ = 0,75, sendo μ o diâmetro interno médio verdadeiro de certo tipo de

cano de PVC;

 p < 0,10, onde p é a proporção de placas de circuito com defeito dentre

todas as placas de circuito produzidas por um determinado fabricante;

 σ > 0,2, em que σ é ao desvio padrão da vida útil de uma bateria.

PRINCIPAIS CONCEITOS
Em Estatística, uma hipótese é uma reivindicação ou afirmativa
sobre uma propriedade de uma população. Um teste de hipótese
(ou teste de significância) é um procedimento para o teste de uma
afirmativa sobre uma propriedade de uma população.
Em outras palavras:
Uma HIPÓTESE ESTATÍSTICA é uma afirmação ou conjetura sobre o
parâmetro, ou parâmetros, da distribuição de probabilidades de
uma característica, X, da população ou de uma v.a.
Já o TESTE DE HIPÓTESES É uma regra de decisão utilizada que nos
possibilita decidir por H0 ou H1, com base a informação contida na
amostra, rejeitar ou não uma hipótese estatística com base em
elementos amostrais.
TESTE DE HIPÓTESES
Teremos sempre duas hipóteses, H0 (Agá-zero), que é a hipótese
nula e H1 (Agá-um), chamada de hipótese alternativa. Geralmente,
a hipótese alternativa (H1) representa a suposição que o
pesquisador quer provar, sendo a hipótese nula (H0) formulada
com o expresso propósito de ser rejeitada.

Tipos de erro: Dois tipos de erro podem ser cometidos num Teste
de Hipóteses:
Erro Tipo I (α) → A hipótese nula é verdadeira e o pesquisador a
rejeita.
Erro Tipo II (β) → A hipótese nula é falsa e o pesquisador não a
rejeita.
ERRO DO TIPO I E DO TIPO II

Qual dos dois tipos de

erro é o mais grave e que
deve ser evitado?
Façamos uma analogia com a decisão de um Juiz de Direito: o que
será mais grave? Condenar um inocente ou absolver um culpado?
É claro que será mais grave a condenação de um inocente.

Pense um pouco e veja a explicação no próximo slide.

ERRO DO TIPO I E DO TIPO II
Imaginemos que o indivíduo preso é inocente, porém todos os
indícios levam a crer que ele cometeu o crime... O juiz terá que
decidir entre as duas hipóteses (veja como as hipóteses são
construídas, no slide 6):
H0: O indivíduo não cometeu o crime
H1: O indivíduo cometeu o crime
Rejeitar a hipótese nula, sendo ela verdadeira, equivale a
condenar um inocente, logo o Erro Tipo I (α) é o mais grave e
deverá ser minimizada a probabilidade deste tipo de erro ser
cometido.
ATENÇÃO: Em todos os testes de hipóteses, a metodologia
investiga a REJEITAÇÃO DE H0 OU NÃO.
ERRO DO TIPO I E DO TIPO II

A essa probabilidade damos o nome de Nível de Significância do

Teste, dado por α. Já a probabilidade de β do Erro Tipo II não é
calculada, mas considerada a menor possível. Podemos resumir
as possibilidades do Teste num quadro:
TESTES UNILATERAL E BILATERAL
Para ilustrar esses conceitos, iremos utilizar hipóteses para testar a
média populacional μ, porém servirá para teste de hipóteses para
proporção e variância.

1) Bicaudal ou Bilateral

H0: μ = μ0
H1: μ ≠ μ0
Onde: μ é a média populacional e
μ0 é o valor suposto para a média
populacional.
TESTES UNILATERAL E BILATERAL
2) Teste Unicaudal ou Unilateral à direita

H0: μ = μ0
H1: μ > μ0

3) Teste Unicaudal ou Unilateral à esquerda

H0: μ = μ0
H1: μ < μ0
TESTES UNILATERAL E BILATERAL
Fatos a serem considerados:

 A fronteira entre essas regiões será dada por um valor tabelado

(Tabela da Distribuição Normal, Tabela da Distribuição t-Student
ou da Distribuição Qui-quadrado) como veremos mais adiante;

 Observe que na hipótese nula sempre temos uma igualdade (=)

e na hipótese alternativa uma desigualdade (<, > ou ≠).
PROBABILIDADE DE SIGNIFICÂNCIA (p-VALOR)
O p-valor é usado em todas as estatísticas, desde teste
t até análise de regressão. Usa-se o p-valor para determinar a
significância estatística em um teste de hipóteses, para tirar
conclusões sobre o fenômeno observado. Mais especificamente,
nós comparamos o p-valor com um nível de significância α para
tirar conclusões sobre nossas hipóteses. Resumindo:
 Se o p-valor for menor que o nível de significância escolhido,
rejeitamos a hipótese nula H0, em favor da hipótese
alternativa H1.
 Se o p-valor for maior ou igual ao nível de significância, então
não rejeitamos a hipótese nula H0, mas isso não significa que
aceitamos H0
.
PROBABILIDADE DE SIGNIFICÂNCIA (p-VALOR)
Teremos então a “regra”:
PROBABILIDADE DE SIGNIFICÂNCIA (p-VALOR)
Exemplo (retirado de https://pt.khanacademy.org/)

Alessandra elaborou um experimento no

qual voluntários experimentavam água de
quatro copos e tentavam identificar qual
deles continha água engarrafada. Cada pessoa recebeu três copos
com água comum da torneira e um copo com água engarrafada
(os copos foram embaralhados). Ela queria testar se os
voluntários poderiam fazer melhor do que simplesmente chutar
ao identificar água engarrafada.
Suas hipóteses foram: H0: p = 0,25 x H1: p > 0,25 (em que p é a
verdadeira porcentagem de que os voluntários identifiquem a
água engarrafada).
PROBABILIDADE DE SIGNIFICÂNCIA (p-VALOR)

O experimento mostrou que 20 dos 60 voluntários identificaram

corretamente a água engarrafada. Alessandra calculou que a
20
estatística 𝑝 = = 0,3333 tinha um p-valor associado de
60
aproximadamente 0,068.

Pergunta 1: Que conclusão se pode tirar com um nível de

significância de a = 0,05?
Não rejeitar H0, pois como o p-valor 0,068 é maior do que a = 0,05,
não devemos rejeitar H0.
PROBABILIDADE DE SIGNIFICÂNCIA (p-VALOR)

Pergunta 2: O que significa esta conclusão dada?

Não temos evidências suficientes para dizer que essas pessoas
podem fazer melhor do que simplesmente chutar quando estão
identificando água engarrafada.
A hipótese nula H0: p=0,25 nos diz que a probabilidade deles não
é melhor do que um chute e nós não rejeitamos a hipótese nula.

Pergunta 3: Se o a = 0,10, nós teríamos a mesma conclusão?

Alessandra teria rejeitado H0, pois mudar o nível de significância a
não mudaria os resultados do experimento, ou o p-valor. Como
0,068 é menor do que a = 0,10, esse nível de significância levará
Alessandra a rejeitar H0.
PROBABILIDADE DE SIGNIFICÂNCIA (p-VALOR)
Mas, como calculamos o p-valor? Vejamos os dados que o exemplo nos deu:
H0: p = 0,25 x H1: p > 0,25, então p = 0,25; temos também que:
n = 60 e x = 20 (contagem de sucesso da amostra). Com esses dados
podemos calcular o p estimado:
𝑥 20
𝑝= = ≅ 0,3333
𝑛 60
Encontramos o p-valor através de:
p-valor = 𝑃(𝑍 ≥ 𝑧) (1)
Agora, calculando o valor de 𝑧, teremos, pela proporção:
𝑝−𝑝 0,3333−0,25 0,0833
𝑧= = = ∴ 𝑧 ≅ 1,49
𝑝 1−𝑝 0,25 1−0,25 0,1875
𝑛 60 60

Usando (1): p-valor = 𝑃 𝑍 ≥ 𝑧 = 𝑃 𝑍 ≥ 1,49 =>

p-valor = 1 − 𝑃 𝑍 < 1,49 =>
p-valor = 1 − 0,9319 ∴ p-valor ≅ 0,0681, como foi dito no enunciado.