Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

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

Mais conteúdos dessa disciplina