Prévia do material em texto
Regressão e Modelagem Material Teórico Responsável pelo Conteúdo: Prof. Ms. Bruno Leonardo Silva Tardelli Revisão Textual: Prof. Dra. Selma Aparecida Cesarin Testes de hipóteses: distribuição t de Student e distribuição F • Introdução • Estimação, teste de hipóteses e testes monocaudal e bicaudal • Média amostral e variância amostral • Distribuição t de Student: teste sobre a média quando a variância é desconhecida • Distribuição F: teste de comparação de variâncias • Considerações finais · Esta Unidade tem por objetivo aplicar testes sobre a média quando a variância é desconhecida e testes de comparação de variâncias desconhecidas. OBJETIVO DE APRENDIZADO Testes de hipóteses: distribuição t de Student e distribuição F Orientações de estudo Para que o conteúdo desta Disciplina seja bem aproveitado e haja uma maior aplicabilidade na sua formação acadêmica e atuação profissional, siga algumas recomendações básicas: Assim: Organize seus estudos de maneira que passem a fazer parte da sua rotina. Por exemplo, você poderá determinar um dia e horário fixos como o seu “momento do estudo”. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma alimentação saudável pode proporcionar melhor aproveitamento do estudo. No material de cada Unidade, há leituras indicadas. Entre elas: artigos científicos, livros, vídeos e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua interpretação e auxiliarão no pleno entendimento dos temas abordados. Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discussão, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e aprendizagem. Organize seus estudos de maneira que passem a fazer parte Mantenha o foco! Evite se distrair com as redes sociais. Mantenha o foco! Evite se distrair com as redes sociais. Determine um horário fixo para estudar. Aproveite as indicações de Material Complementar. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma Não se esqueça de se alimentar e se manter hidratado. Aproveite as Conserve seu material e local de estudos sempre organizados. Procure manter contato com seus colegas e tutores para trocar ideias! Isso amplia a aprendizagem. Seja original! Nunca plagie trabalhos. UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F Introdução O estudo das distribuições de probabilidade é fundamental para o processo de tomada de decisões. A inferência estatística é a área de estudo que trata da relação entre informações da população e amostra. Os testes de hipóteses participam desse processo ao testar uma hipótese inicial sobre uma informação populacional com base em um conjunto de informações menor que essa, que é denominada amostra. Nesta Unidade, você vai acompanhar dois testes: um teste sobre a média quando a variância é desconhecida e um teste de comparação de variâncias. Para tal, as distribuições de probabilidade envolvidas são, respectivamente, a distribuição t de Student e a distribuição F. Entretanto, para desenvolver a aplicação dos testes é importante estar ciente do funcionamento de um teste de hipótese e estimação, assim como, da forma de cálculo do estimador para a variância populacional, sendo esse chamado de variância amostral. Por isso, esta Unidade tratará, inicialmente, desses assuntos. Estimação, teste de hipóteses e testes monocaudal e bicaudal Nesta seção, aproveite para reativar os seguintes conceitos estatísticos: · Parâmetro populacional; · Estimador; · Teste de hipótese; · Hipótese nula; · Hipótese alternativa; · Teste monocaudal; · Teste bicaudal. 8 9 Importante! Conforme Sartoris: O valor da população, chamado de parâmetro populacional, é desconhecido. O que é possível de se obter é um valor da amostra, que supostamente nos dá uma ideia do valor correto (populacional) do parâmetro. Esse valor amostral é chamado de estimador do parâmetro populacional (SARTORIS, 2003, p.155). A defi nição do conceito de estimador em Gujarati (2006, p. 38) é: “[...] regra ou fórmula ou método que nos diz como estimar o parâmetro da população a partir das informações oferecidas pela amostra que temos […]” Em um teste de hipótese, dada uma afi rmação inicial sobre algum valor populacional, chamada hipótese nula (H0), será analisado se devemos aceitá-la ou rejeitá-la com base em algum valor amostral defi nido por um estimador. A região de H0 é denominada região de aceitação (RA). Por outro lado, a rejeição de H0 implica estarmos sob a hipótese alternativa (H1). • Hipótese nula → H0 • Hipótese alternativa → H1 Um teste de hipóteses pode ser do tipo bicaudal ou monocaudal. O teste será bicaudal quando envolver uma hipótese nula (H0) de igualdade e uma hipótese alternativa (H1) que contradiz essa igualdade; ou seja, com a diferença. O teste será considerado monocaudal quando as hipóteses apontarem uma desigualdade. Importante! Veja no mapa mental a seguir os passos a serem seguidos para a realização de qualquer teste de hipóteses. A�rmação sobre população com base em uma amostra Teste com a a�rmação sobre a população com base em uma amostra Hipótese Nula X Hipótese Alternativa e Teste bicaudal X Monocaudal Avaliação sobre a distribuição de probabilidade a ser utilizada no teste Avaliação sobre a distribuição de probabilidade a ser utilizada no teste Confronto do valor tabelado e o valor calculado para conclusão estatística do teste Figura 1 9 UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F Média amostral e variância amostral O estimador da média populacional é a média amostral. Comumente, a média populacional é representada pelo símbolo μ (“mi”) e X , representa a média amostral. Da mesma forma que a média populacional é estimada por meio da média amostral, a variância populacional, σ2, é estimada por meio da variância amostral, S2. Observe a seguir um exemplo de como estimar a média e a variância populacional. Exemplo 1 Em uma cidade de 10.000 habitantes, perguntou-se a quatro pessoas seus respectivos pesos (em quilogramas), como forma de estimar a variância populacional dos pesos. As respostas foram: 7, 60, 75 e 59. Determinemos a média amostral e a variância amostral. Média amostral X X X X n X X X n= + + + = + + + = = 1 2 70 60 75 59 4 264 4 66 ... Variância amostral S X X n S ii n 2 2 1 2 2 2 2 2 1 70 66 60 66 75 66 59 66 4 = − − = − + − + − + − − =∑ ( ) ( ) ( ) ( ) ( ) 11 4 6 9 7 3 16 36 81 49 3 182 3 60 67 2 2 2 2 2 2 2 2 S S S S = + − + + − = + + + = ≅ ( ) ( ) ( ) ( ) , 10 11 Distribuição t de Student: teste sobre a média quando a variância é desconhecida Em termos de testes de hipóteses, a distribuição de probabilidade normal é utilizada para testar a média quando a variância é conhecida. Entretanto, como dificilmente se sabe a média (e até por essa razão se realiza o teste sobre a média), não se saberá a variância populacional. Assim, na prática, o teste sobre a média deve ser realizado a partir da distribuição t de Student. A distribuição t possui algumas características semelhantes à distribuição normal, como a média igual à mediana da distribuição e a simetria da distribuição a partir da média (e da mediana). Ou seja, se desenharmos a distribuição t de Student e dobrarmos o papel na média (e mediana) da distribuição, a função densidade de probabilidade (f.d.p.) dessa distribuição mostrar-se-á sobreposta; o desenho do lado esquerdo da distribuição será o mesmo do lado direito. A estatística do teste é: X S n − µ em que: · µ é a (suposta) média populacional; · X é a média amostral; · S é o desvio-padrãoamostral (ou seja, a raiz quadrada da variância amostral, S2); · n é o número de observações na amostra; · S n é o desvio-padrão da média amostral. Diz-se que X S n − µ segue uma distribuição t-Student com n-1 graus de liberdade. A distribuição t-Sudent possui média zero. O procedimento do teste sobre a média quando a variância é desconhecida é o mesmo de qualquer outro teste hipótese. O método envolve: 1. Identificação da distribuição de probabilidade a ser adotada; 2. Análise se o teste seria bicaudal ou monocaudal; 3. Cálculo da estatística do teste que, nesse caso, foi o t calculado; 4. Encontrar o t tabelado, ou seja, o valor de t na tabela de distribuição t; e 5. Conclusão do teste com o confronto entre o t calculado e o t tabelado. 11 UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F Exemplo 2 Afirma-se que o peso médio dos bebês de 1 ano de idade em determinada cidade é de 10 quilos. Numa amostra de 25 bebês, foi encontrada uma média de 11,1 quilos. A variância amostral registrada do peso dos bebês nessa idade foi de 9 quilos. Teste, com um nível de significância de 10%, se a afirmação inicial é verdadeira. Resolução 1. Identificação da distribuição de probabilidade a ser adotada: · Teste sobre a média quando a variância é desconhecida → Distribuição t-Student. 2. Análise se o teste seria bicaudal ou monocaudal: · Teste bicaudal: H0 igual versus H1 diferente H0: μ=10 H1: μ≠10 μ = 10 S = 3 (dado que o enunciado aponta que a variância amostral dos pesos é igual a 9) n = 25 X = 11,1 nível de significãncia=10% 3. Cálculo da estatística do teste que, nesse caso, foi o t calculado: t x S n = − = − = − ≅ µ 11 1 10 3 5 1 10 0 6 1 83 , , , , 4. Encontrar o t tabelado, ou seja, o valor de t na tabela de distribuição t: · Teste com 10% de significância e (n-1) graus de liberdade; · G.L = n – 1. Ver tabela de distribuição t-Student no anexo do material! Ao observar a Tabela de distribuição t-Student com 10% de significância, 24 graus de liberdade e sabendo que o teste é bicaudal, o valor tabelado é o 1,7109. Como a distribuição é simétrica e o teste é bicaudal, a região de aceitação vai de -1,7109 a 1,7109. 12 13 Gráfi co 1 – Teste de hipóteses do exemplo 2. RA = [-1,7109; 1,7109] 5. Conclusão do teste com o confronto entre o t calculado e o t tabelado: Como o t calculado é de ≅1 83, , esse valor está fora da RA e, portanto, rejeita- se H0 a 10% de significância. Assim, diz-se que o peso médio dos bebês de 1 ano de idade em determinada cidade é diferente de 10 quilos. Exemplo 3 Em uma amostra com 16 famílias em uma cidade, foi identificada uma renda média de R$ 1.300,00. Conforme um secretário da Prefeitura, essa pesquisa está errada, pois a renda média em sua cidade é de, no mínimo, R$ 1.500,00. Teste a afirmação do secretário com 1% de significância. Nessa pesquisa, o desvio-padrão amostral da renda calculado foi de R$ 100,00. Resolução 1. Identifi cação da distribuição de probabilidade a ser adotada: · Teste sobre a média quando a variância é desconhecida → Distribuição t-Student. 2. Análise se o teste seria bicaudal ou monocaudal: · Teste monocaudal à esquerda → as hipóteses implicam uma desigualdade. Adicionalmente, como a hipótese alternativa (H1) implica contradizer a hipótese nula (H0) – ou seja, opor-se à afirmação de que a renda média na cidade é maior ou igual a R$ 1.500,00 –, então, a cauda utilizada para a hipótese alternativa (H1) é a cauda inferior, isto é, a cauda da esquerda da distribuição. 13 UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F H0: μ≥1.500 H1: μ<1.500 μ = 1.500 S = 100 n = 16 X = 1.300 3. Cálculo da estatística do teste que, nesse caso, foi o t calculado: t X S n = − = − = − = −µ 1 300 1 500100 4 200 15 8. . Lorem ipsum 4. Encontrar o t tabelado, ou seja, o valor de t na tabela de distribuição t: · Teste com 1% de significância e (n-1) graus de liberdade; · G.L = n – 1 = 16 – 1 = 15. Ver tabela de distribuição t-Student no anexo do material! Ao observar a Tabela de distribuição t-Student com 1% de significância, 15 graus de liberdade e sabendo que o teste é monocaudal à esquerda, o valor tabelado é o 2,9467. Como a distribuição é simétrica e o teste é monocaudal à esquerda, a região de aceitação está entre -2,9467 e +∞. Gráfico 2 – Teste de hipóteses do exemplo 3. RA = [-2,9467,+∞[ 14 15 5. Conclusão do teste com o confronto entre o t calculado e o t tabelado: Como o t calculado é de -8, esse valor não está na RA e, portanto, rejeita-se H0 a 1% de significância. Assim, a partir da pesquisa, rejeita-se H0, na qual o secretário da prefeitura afirmava que a renda média das famílias era, no mínimo, de R$1.500,00, a 1% de nível de significância. Distribuição F: teste de comparação de variâncias O teste de comparação de variâncias, teste F, implica comparar variâncias amostrais obtidas de duas amostras distintas. O cálculo da variância amostral é realizado a partir da seguinte equação: Variância amostral �ε i i n 2 1 1 322 30 = ∑ = . , X1, X2, … Xn representa o conjunto de observações da amostra; X é a média amostral; e n é o número de observações da amostra. Para relembrar a forma de cálculo, retorne à seção Média Amostral e Variância Amostral presente nesta Unidade, no material didático. O teste F implica comparar variâncias de duas amostras diferentes, as quais podem pertencer à mesma população ou não. A estatística do teste é representada por: F S S I II = 2 2 em que SI 2 e SII 2 representam a variância amostral da amostra I e II, respectivamente. Os passos de um teste F são semelhantes aos dos demais testes de hipóteses: 1. Identificação da distribuição de probabilidade a ser adotada; 2. Análise se o teste seria bicaudal ou monocaudal; 15 UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F 3. Cálculo da estatística do teste que, nesse caso, foi o F calculado; 4. Encontrar o F tabelado, ou seja, o valor de F na tabela de distribuição F; e 5. Conclusão do teste com o confronto entre o F calculado e o F tabelado. Exemplo 4 Ao ser questionado sobre a distribuição de renda per capita de duas cidades (X e Y) do estado de São Paulo, o governador afirmou que a distribuição de renda era igual entre os municípios. Um pesquisador ficou desconfiado em relação à afirmativa e decidiu investigar. Obviamente que se o pesquisador tivesse acesso à informação de renda de todos os cidadãos de cada município ficaria simples resolver o problema, pois seria necessário apenas calcular as variâncias da renda da população de cada um deles e verificar se o resultado é exatamente o mesmo ou não. Entretanto, em função da impossibilidade de obter tais dados, o pesquisador coletou 5 observações da cidade X e 4 observações da cidade Y para realizar um teste de comparação de variância da renda entre os municípios X e Y. Veja as informações das duas amostras: Tabela 1.a - Amostra da renda do município X Tabela 1.b - Amostra da renda do município Y Observação Renda per capita ($) i = 1 800 i = 2 1000 i = 3 2000 i = 4 900 i = 5 700 Observação Renda per capita ($) i = 1 1500 i = 2 800 i = 3 800 i = 4 350 O pesquisador realizou o teste a 2% de nível de significância. Vamos ao procedimento. 1. Identificação da distribuição de probabilidade a ser adotada: · Teste de comparação de variâncias → Distribuição F 2. Análise se o teste seria bicaudal ou monocaudal: · Teste bicaudal: H0 igual versus H1 diferente H H X Y X Y 0 1 2 2 2 2 : : σ σ σ σ = ≠ 3. Cálculo da estatística do teste que, nesse caso, foi o F calculado: 16 17 Tabela 2.a - Informações sobre a amostra do município X Número de observações nx = 5 Média amostral X = + + + + = =800 1000 2000 900 700 5 5400 5 1080 Variância amostral SX 2 2 2 2 2800 1080 1000 1080 2000 1080 900 1080 700 = − + − + − + − +( ) ( ) ( ) ( ) ( −− − = − + − + + − + − = + 1080 5 1280 80 920 180 380 4 78 400 2 2 2 2 2 2 ) ( ) ( ) ( ) ( ) ( ) . 66 400 846 400 32 400 144 400 4 1 108 000 4 277 000 . . . . . . . + + + = = Graus de liberdade (n - 1) GL n= − = − =1 5 1 4 Tabela 2.b – Informações sobre a amostra do município Y Número de observações nY = 4 Média amostral Y = + + + = =1500 800 800 350 4 3450 4 862 50, Variância amostral SY 2 2 2 21500 862 50 800 862 50 800 862 50 350 862 50 = − + − + − + −( , ) ( , ) ( , ) ( , ))2 4 1− Realizando o cálculo como no município X, SY 2 225 625= . Graus de liberdade (n - 1) GL n= − = − =1 4 1 3 Pela estatística F, F S S I II = 2 2 em que SI 2 e SII 2 representam a variância amostral da amostra I e II, respectivamente. A partir das informações do exemplo 4, considere: SX 2 e SY 2 representando a variância amostral dos municípios X e Y, respectivamente. 17 UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F Assim, F S S X Y = = ≅ 2 2 277 000 225 625 1 23 . . , 4. Encontrar o F tabelado, ou seja, o valor de F na tabela de distribuição F: Como o teste é bicaudal, deve-se encontrar os valores tabelados da distribuição F nas duas caudas. Entretanto, a distribuição F não é simétrica como a distribuição normal e a distribuição t-Student. Assim, deve-se buscar dois valores distintos na tabela. Primeiro extremo: Encontre na tabela de distribuição F a 2% bicaudal o valor de: F n nx y( ; )− −1 1 em que nx −1 e ny −1 representam os graus de liberdade da variância amostral da amostra X e Y, respectivamente. Para tal, observe os graus de liberdade da amostra de cada município: F F Fn nx y( ; ) ( ; ) ( ; )− − − −= =1 1 5 1 4 1 4 3 Assim, · Graus de liberdade (g.l) de X = nx −1 = 4; · Graus de liberdade (g.l) de Y = nx −1 = 3. Lembre-se que o F foi calculado como: F S S X Y = 2 2 ou seja, as variâncias amostrais dos municípios X e Y estão posicionados, respectivamente, no numerador e denominador da equação. Assim, observaremos a tabela F a 2% bicaudal (informação do enunciado do exemplo!) da seguinte forma: · Graus de liberdade (g.l) do numerador = 4 · Graus de liberdade (g.l) do denominador = 3 O valor correspondente (no “miolo” da tabela F a 2% bicaudal) para F( ; )4 3 é o 28,71. 18 19 Segundo extremo: Encontre na tabela de distribuição F a 2% bicaudal o valor de: 1 1 1F n ny x( ; )− − ou seja, 1 1 1 1 16 69 0 06 1 1 4 1 5 1 3 4F F Fn ny x( ; ) ( ; ) ( ; ) , , − − − − = = = ≅ Importante! Observe que, para o cálculo, foram invertidos o numerador e denominador para análise do valor na tabela de distribuição F. Isso sempre terá de ser feito! Importante! A partir dos valores encontrados para os extremos da região de aceitação, temos que: Gráfi co 3 – Teste de hipóteses do exemplo 4. RA = [0,06;28,71] Observe que, por uma questão de escala gráfi ca, o gráfi co 3 não apresentou o outro extremo (28,71), mas ele existe! 5. Conclusão do teste com o confronto entre o F calculado e o F tabelado: Como o F calculado é, aproximadamente 1,23, esse valor está na RA e, portanto, aceita-se H0 a 2% de significância. Assim, a partir da pesquisa, nada se pode dizer 19 UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F contrariamente a H0, na qual se afirmou que a renda per capita da população dos dois municípios era igual. Importante! O teste sobre a variância também pode ser realizado para testes monocaudais! O procedimento é o mesmo. Entretanto, o menor valor é 0 enquanto o maior é o +∞, dado que a função densidade de probabilidade da distribuição F parte de 0 até o +∞. Importante! Considerações finais Nesta unidade, você pode acompanhar o desenvolvimento de testes envolvendo as distribuições t-Student e distribuição F. Esse conhecimento é fundamental na tomada de decisões no mundo real e é um preparativo importante para o entendimento de testes realizados em modelos econométricos. Anexo I - Tabela de distribuição t de Student G.L 20% 10% 5% 2% 1% 10% 5% 2,50% 1% 0,50% 1 3,0777 6,3138 12,7062 31,8205 63,6567 2 1,8856 2,92 4,3027 6,9646 9,9248 3 1,6377 2,3534 3,1824 4,5407 5,8409 4 1,5332 2,1318 2,7764 3,7469 4,6041 5 1,4759 2,015 2,5706 3,3649 4,0321 6 1,4398 1,9432 2,4469 3,1427 3,7074 7 1,4149 1,8946 2,3646 2,998 3,4995 8 1,3968 1,8595 2,306 2,8965 3,3554 9 1,383 1,8331 2,2622 2,8214 3,2498 10 1,3722 1,8125 2,2281 2,7638 3,1693 11 1,3634 1,7959 2,201 2,7181 3,1058 12 1,3562 1,7823 2,1788 2,681 3,0545 13 1,3502 1,7709 2,1604 2,6503 3,0123 14 1,345 1,7613 2,1448 2,6245 2,9768 15 1,3406 1,7531 2,1314 2,6025 2,9467 16 1,3468 1,7459 2,1199 2,5835 2,9208 17 1,3334 1,7396 2,1098 2,5669 2,8992 18 1,3304 1,7341 2,1009 2,5524 2,8784 19 1,3277 1,7291 2,093 2,5395 2,8609 20 1,3253 1,7247 2,086 2,528 2,8453 21 1,3232 1,7207 2,0796 2,5176 2,8314 22 1,3212 1,7171 2,0739 2,5083 2,8188 20 21 G.L 20% 10% 5% 2% 1% 10% 5% 2,50% 1% 0,50% 23 1,3195 1,7139 2,0687 2,4999 2,8073 24 1,3178 1,7109 2,0639 2,4922 2,7969 25 1,3163 1,7081 2,0595 2,4851 2,7874 26 1,315 1,7056 2,0555 2,4786 2,7787 27 1,3137 1,7033 2,0518 2,4727 2,7701 28 1,3125 1,7011 2,0484 2,4671 2,7633 29 1,3114 1,6991 2,0452 2,462 2,7564 30 1,3104 1,6973 2,0423 2,457 2,75 40 1,3031 1,6839 2,0211 2,4233 2,7045 50 1,2987 1,6759 2,0086 2,4033 2,6778 100 1,2901 1,6602 1,984 2,3642 2,6259 ∞ 1,2816 1,6449 1,96 2,3263 2,5758 Anexo II - Tabela de distribuição F (1% Monocaudal ou 2% Bicaudal) G.L. do denomi- nador G.L. do numerador 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 4052,2 4999,5 5403,4 5624,6 5763,6 5859 5928,4 5981,1 6022,5 6055,8 6083,3 6106,3 6125,9 6142,7 6157,3 2 98,5 99 99,17 99,25 99,3 99,33 99,36 99,37 99,39 99,4 99,41 99,42 99,42 99,43 99,43 3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,13 27,05 26,98 26,92 26,87 4 21,2 18 16,69 15,98 15,52 15,21 14,98 14,8 14,66 14,55 14,45 14,37 14,31 14,25 14,2 5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89 9,82 9,77 9,72 6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,1 7,98 7,87 7,79 7,72 7,66 7,6 7,56 7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47 6,41 6,36 6,31 8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,73 5,67 5,61 5,56 5,52 9 10,56 8,02 6,99 6,42 6,06 5,8 5,61 5,47 5,35 5,26 5,18 5,11 5,05 5,01 4,96 10 10,04 7,56 6,55 5,99 5,64 5,39 5,2 5,06 4,94 4,85 4,77 4,71 4,65 4,6 4,56 11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,4 4,34 4,29 4,25 12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,5 4,39 4,3 4,22 4,16 4,1 4,05 4,01 13 9,07 6,7 5,74 5,21 4,86 4,62 4,44 4,3 4,19 4,1 4,02 3,96 3,91 3,86 3,82 14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,8 3,75 3,7 3,66 15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4 3,89 3,8 3,73 3,67 3,61 3,56 3,52 21 UNIDADE Testes de hipóteses: distribuição t de Student e distribuição F Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Livros Estatística Aplicada à Administração e Economia DOANE, David P.; SEWARD, Lori E. Porto Alegre: Grupo A, 2012. (e-book) Estatística para Administração e Economia MCCLAVE, James T.; BENSON, P. George; SINCICH, Terry. 10.ed. São Paulo: Pearson, 2009. (e-book) Econometria Básica GUJARATI, D. 4.ed. São Paulo: Elsevier, 2006. (e-book) Estatística Aplicada: Administração, Economia e Negócios SHARPE, Norean R.; De VEAUX, Richard D. ; VELLEMAN, Paul F. Porto Alegre: Grupo A, 2011. (e-book) 22 23 Referências GUJARATI, D. Econometria Básica. 4.ed. São Paulo: Elsevier, 2006 (e-book). SARTORIS, A. Estatística e Introdução a Econometria. São Paulo: Saraiva, 2003. 23