Escolar Documentos
Profissional Documentos
Cultura Documentos
MATERIAL DE AULA
Teste de hipóteses
- Média, Proporção e Variância -
TESTE DE HIPÓTESES
1.
Inferência Estatística é o conjunto de métodos de análise estatística que permitem tirar
conclusões sobre uma característica da população com base em somente uma parte dela
(uma amostra). Podemos dizer que a inferência estatística trata de métodos que permitem a
obtenção de conclusões sobre um ou mais parâmetros de uma ou mais populações através
de quantidades (estimadores) calculadas a partir da(s) amostra(s). Os métodos de inferência
são agrupados da seguinte forma: a. Estimação: pontual ou intervalar; b. Testes de
Hipóteses.
Como exemplo, vamos supor que o ganho de peso médio em frangos de corte seja de 500
g/semana. Vamos admitir que se pretende testar um tipo de confinamento alternativo cujo
ganho de peso esperado seja maior que 500 g/semana.
Podemos observar que o objetivo será o de testar se o ganho de peso do método tradicional
é igual ao ganho de peso do método alternativo.
Outros exemplos:
Definição: 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.
Hipóteses: 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.
Teremos sempre duas hipóteses, H0 (Agá-zero), que é a hipótese nula e H1 (hipótese
alternativa). Geralmente a hipótese alternativa (H1) representa a suposição que o
3
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:
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. Rejeitar a hipótese nula sendo ela verdadeira equivale a condenar um
inocente, logo o Erro Tipo I é o mais grave e deverá ser minimizada a probabilidade deste
tipo de erro ser cometido. Essa probabilidade chama-se Nível de Significância do Teste,
dado por α. Já a probabilidade de β do Erro Tipo II não pode ser calculada, a menos que se
especifique um valor alternativo para μ. O poder ou potência do teste é dado por (1 − β).
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.
Onde:
R.N.R. é a região de não rejeição (da hipótese nula) e
R.C. é a região crítica ou região de rejeição.
A fronteira entre essas regiões será dada por um valor tabelado (Tabela da Distribuição
Normal ou da Tabela da Distribuição t-Student), como veremos mais adiante.
5
H0: μ = μ0
H1: μ > μ0
Gráfico do teste:
H0: μ = μ0
H1: μ < μ0
Gráfico do teste:
OBSERVAÇÃO
Repare que na hipótese nula sempre temos uma igualdade (=) e na hipótese alternativa uma
desigualdade (<, > ou ≠).
6
Qual a distribuição que deveremos usar para determinar o valor tabelado que será a
fronteira entre as regiões de não rejeição e rejeição? Para esclarecer melhor, vamos fazer o
seguinte quadro:
Vemos então, que só iremos utilizar a Distribuição t-Student (chamada de distribuição das
pequenas amostras) quando a amostra for pequena (o número de elementos é inferior a 30)
Reforçando:
Na maior parte dos casos usaremos a Distribuição Normal, pois basta que uma das
conhecida.
OBSERVAÇÃO
O mesmo raciocínio vale para os casos em que usarmos a Distribuição t-Student, com a
diferença que compararemos tCALC com tTAB.
9
Roteiro
(Normal ou t-Student);
tabelado, que será a fronteira entre a área de não rejeição (RNR) e a(s) área(s) de rejeição
(RC-Região Crítica);
5º Passo: Calcular a estatística teste (ZCALC ou tCALC) utilizando uma das fórmulas
dadas anteriormente.
6º Passo: Comparar o valor calculado com o valor tabelado e concluir pela não
Usando as tabelas
Antes de partimos para os exemplos, vamos praticar um pouco o uso das tabelas
com os principais níveis de significância (α) geralmente adotados:
I.1.a) Se α = 1%, teremos α/2 = 0,5% = 0,005 (para cada lado) e a área de não rejeição
será de 99% (0,99).
Para localizar a probabilidade de 0,9950 na Tabela Normal, temos 0,9949 para uma
abscissa de 2,57 e 0,9951 para uma abscissa de 2,58.
Logo, por interpolação (Interpolar significa determinar os números reais existentes entre os
valores dos extremos de uma sequência numérica ), a abscissa correspondente à área de
0,995 será a média das duas abscissas, ou seja, 2,575. Mas para facilitar, vamos adotar
no teste bilateral, quando α = 1%, ZTAB = 2,58.
I.1.b) Se α = 5%, teremos α/2 = 2,5% = 0,025 (para cada lado) e a área de não rejeição
será de 95% (0,95). Verificamos, na Tabela Normal, que uma área de 0,975 corresponde
à abscissa 1,96. Logo, no teste bilateral, quando α = 5% então Z TAB=1,96.
I.1.c) Mesmo raciocínio para α = 10%, α/2 = 5% = 0,05 (para cada lado). Área de não
rejeição igual a 0,90. Na Tabela Normal uma área de 0,9495 corresponde à abscissa
1,64 e uma área de 0,9505 corresponde à abscissa de 1,65. Logo, usando interpolação,
a abscissa seria 1,645. Mas, para facilitar vamos adotar no teste bilateral, quando α =
10%, ZTAB = 1,64. Vejamos o gráfico da curva normal:
I.2) Para o teste unilateral (vamos considerar apenas o teste à direita, sabendo que vale o
raciocínio para o teste à esquerda, bastando inverter os lados).
I.2.a) Se α = 1% (0,01), a área de não rejeição será de 99% (0,99) à esquerda. Logo,
queremos a abscissa correspondente a uma área de 0,99. Verificando, na Tabela
Normal, o valor mais próximo é de 0,9901, correspondente à uma abscissa de 2,33.
Assim, no teste unilateral à direita, quando α = 1%, teremos Z TAB = 2,33. E no teste
unilateral à esquerda para o mesmo α, -ZTAB = -2,33. Vejamos o gráfico da curva normal:
13
I.2.c) Se α = 10% (0,10), área de não rejeição = 0,90 à esquerda. Na Tabela Normal o
valor mais próximo de 0,90 é de 0,8997, que corresponde à abscissa de 1,28. Portanto,
no teste unilateral à direita, para α = 10%, Z TAB = 1,28 e no teste unilateral à esquerda, -
ZTAB = -1,28. Vendo o gráfico da curva normal:
14
Nesta tabela, temos que levar em consideração dois parâmetros: α (alfa), que é o
nível de significância e ϕ (fi) que é o número de “graus de liberdade” (g.l.), dado por: n
(número de elementos da amostra) menos 1 unidade ou seja: ϕ = n – 1.
Temos que ter atenção também para o tipo de tabela, que pode ser: bilateral ou
unilateral. Aqui, a tabela que usaremos é bilateral, como pode ser notado no desenho da
curva na própria tabela (no final deste resumo). Assim, no teste bilateral o α da tabela será o
próprio α utilizado no teste. Mas para o teste unilateral teremos que procurar, nesta tabela, o
dobro do α.
II.1) Teste bilateral, supondo uma amostra de 25 elementos (n = 25).
Então, ϕ = 25 – 1 ϕ = 24.
Como é um teste bilateral, para um α = 5%, vemos na tabela que a célula interseção de α =
0,025 e ϕ = 24 nos fornece 2,064. Portanto: tTAB = 2,064 para α = 5% e n = 25. Vejamos o
gráfico:
15
II.2) Agora, se o teste for unilateral, com o mesmo tamanho de amostra, e o mesmo α,
poderemos pegar diretamente a interseção de α=0,05 com ϕ = 24, que fornecerá tTAB =
Aqui, neste resumo foi mostrado apenas os princípios básicos do que seja um Teste de
Hipóteses e o Teste de Hipóteses para a Média, Mas há outros tipos de Testes de
Hipóteses, como: Teste de Hipóteses para a Proporção, Teste de Hipóteses para a
Variância, Teste de Hipóteses para a Diferença entre Médias e outros tipos. Os mesmos
princípios descritos no início deste resumo aplicam-se aos demais testes. O que muda é a
forma de cálculo da estatística teste e as tabelas a serem utilizadas. Por exemplo, no Teste
de Hipóteses para a Variância, a Tabela a ser utilizada é a da Distribuição de Qui-Quadrado;
já no Teste de Hipóteses para a Proporção utilizamos apenas a Tabela da Distribuição
Normal, já vista aqui.
Vamos aos exemplos:
16
Resolução:
Hipóteses:
H0: μ = 50;
EXEMPLO 3: Uma indústria produz lâmpadas cuja duração segue uma distribuição
NORMAL onde N ~ (800;1.600). Testar a hipótese de que μ = 800 contra a alternativa de μ ≠
800 se uma amostra aleatória de 30 lâmpadas tem um tempo médio de vida de 788 horas.
Adotar α = 0,05.
H0: μ = 25,4;
H1: μ < 25,4 (teste unilateral à esquerda);
Distribuição: Normal, pois n = 400 (amostra grande). Teste unilateral à esquerda, com α =
0,05. Então, para uma área de 0,95 encontraremos, na Tabela Normal -ZTAB= -1,64.
suposição que o pesquisador quer provar, sendo H0 formulada com o expresso propósito de
ser rejeitada.
Logo, as hipóteses serão:
H0: μ = 8.000 (afirmação do fabricante);
EXEMPLO 8: Suponhamos que em indivíduos normais quanto à visão, a pressão intra-ocular seja
uma variável aleatória normalmente distribuída com média 20 e variância 4 (em unidade de mm de
mercúrio). Um cientista, querendo por à prova a sua hipótese de que o glaucoma causa um aumento
tencional, mediu as pressões de 16 pacientes portadores de glaucoma, obtendo uma média igual a
24. O cientista deve ou não manter sua hipótese, ao nível de significância α = 0,005?
Resolução: Novamente, vamos interpretar o enunciado. O que o cientista quer provar?
Que o glaucoma causa aumento da pressão.
Logo, a hipótese alternativa (que o cientista quer provar) é que a média é superior a 20.
Portanto, as hipóteses são:
H : μ = 20;
0
EXEMPLO 9: Os graus dos alunos de Estatística têm sido baixos, com média de 5,2 e
desvio de 1,2. Com um curso de revisão ministrado pelo professor Joselias, pretende-se
aumentar o rendimento dos alunos. Entre 36 alunos que freqüentaram tal curso, a média foi
de 6,4. Pode-se dizer, ao nível de significância de 8%, que o curso é eficiente?
Tabela: Normal, pois n = 36 (a amostra é grande). Para α = 0,08 teremos Z TAB =1,41,
abscissa correspondente à área de 0,92.
23
EXEMPLO 10:
Em uma distribuição de sinistro S, formulando-se a hipótese de que não há diferença entre a
freqüência esperada e a observada (hipótese nula: H0). Donde, segundo um determinado
(c) um erro do tipo I, se for aceita a hipótese H0, sendo esta correta.
(d) um erro do tipo II, se for rejeitada a hipótese H0, sendo esta correta.
(e) um erro do tipo I, se for rejeitada a hipótese H0, sendo esta correta.
Definição: Para aplicar o teste para a variância é necessário supor a normalidade da população de
onde será extraída a amostra.
Este teste apresenta o método para a realização de um teste de hipótese de um problemática sobre
o desvio padrão populacional σ, ou uma variância populacional σ 2 e a distribuição usada será a qui-
quadrado. Nos Testes de hipóteses para a variância populacional, os dados amostrais também se
apresentam em forma de medida, como no Teste de Hipóteses para Média populacional.
Veremos a seguir as hipóteses, a estatística do teste e os valores críticos:
Poderemos ter então, nos Testes de hipóteses para Variância, as seguintes hipóteses:
( )
( )
Para obter o valor crítico 2 na tabela e comparar com a Estatística do teste ( ), devemos
distinguir os seguintes casos de acordo com as hipóteses vistas na página anterior.
1. Se H1: 2 20
( ( ) )
Teremos dois valores para as regiões críticas (RC)
( ( ) )
2. Se H1: 2 20
3. Se H1: 2 20
2. Há uma distribuição 2 diferente para cada número de graus de liberdade (g.l. = n-1);
3. A tabela é unicaudal à direita e funciona da seguinte forma (lembra a forma de usar a tabela
t-Student):
36
- Na primeira linha temos o valor de representado porna tabela), que corresponde à area
sob a curva à direita do valor crítico;
- 2 (gl,): valor crítico da distribuição qui-quadrado com g.l. e área para a direita;
- De acordo com o grau de liberdade (g.l. = n-1) que é a primeira coluna à esquerda, teremos,
a tabela vai fornecer os valores críticos do Qui-quadrado, conforme as hipóteses que
estiverem sendo testadas.
Regra de decisão:
Se H1:
2 2
0 ( )
Se H1:
2 2
0 ( )
Lembrando que g.l. = n-1
Exemplo:
Para testar a hipótese de que a variância de uma população é 25, tirou-se uma amostra aleatória de
25 elementos obtendo-se S2 = 18,3. Admitindo-se = 10%, efetuar o teste de significância unicaudal
à esquerda.
1. Definir as hipóteses:
H0: = 25
H1: 2 < 25
3. Estatística do teste:
( )
4. ( )
6. Regra de decisão:
Como o critério de rejeição ( ) não foi verificado, não se pode rejeitar H0,
Ao nível de significância de 10%.