Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 TESTES DE HIPÓTESES Assim como a Estimação, o teste de hipótese também é uma técnica para fazer inferência estatística. A partir do teste de hipótese realizado sobre uma amostra podemos inferir sobre a população. ESTIMAÇÃO Prof. Jorge Mattar Neto jmattar@up.edu.br TESTES DE HIPÓTESE O objetivo da estimação é estimar algum parâmetro populacional, enquanto que o objetivo dos testes de significância é DECIDIR se determinada afirmação sobre um parâmetro populacional é verdadeira. Exemplos: A altura média da população brasileira é 1,65m; H: = 1,65m. A proporção de paulista com a doença XZ é 40 %. H: = 0,40. Teste de Hipótese: É uma regra de decisão para aceitar ou rejeitar uma hipótese estatística com base nos elementos amostrais. 1) Hipótese nula (Ho): [dada p/uma igualdade] 2) Hipótese alternativa(H1):[dada por uma desigualdade] TIPOS DE HIPÓTESES É uma afirmação que diz que o parâmetro populacional é tal como especificado (hipótese a ser testada). É uma afirmação que oferece uma alternativa a alegação; Parâmetro > ou <. a) Ho: = 0. b) Ho: ≤ 0. c) Ho: ≥ 0. H1: 0. H1: > 0. H1: < 0. TIPOS DE HIPÓTESES 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 0 5 10 15 20 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 0 5 10 15 20 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 0 5 10 15 20 RA RA RA 2 2 Z Z Z/2 Z/2 TIPOS DE ERROS Erro do tipo I: Rejeitar a Ho quando esta é verdadeira; a probabilidade de cometer este erro é . * = P(Erro I) = P ( rejeitar Ho/ Ho é verdadeira) * é denominada “nível de significância” do teste; Probabilidade de Ho ser rejeitada quando verdadeira. Erro do tipo II: Não rejeitar Ho quando Ho falsa; a probabilidade de cometer este erro é . = P(Erro II) = P(não rejeitar Ho/Ho é falsa) TIPOS DE ERROS DECISÃO SE Ho É... VERDADEIRA FALSA ACEITAR Ho Sem erro Erro tipo II () REJEITAR Ho Erro tipo I () Sem erro ERRO TIPO I () ERRO TIPO II () 2 EXEMPLO 1 Uma máquina automática de encher pacotes de café enche-os segundo um D.N., com média e variância 400g². O valor de pode ser fixado num mostrador situado numa posição um pouco inacessível dessa máquina. A máquina foi regulada para = 500g. Desejamos, de meia em meia hora, colher uma amostra de 16 pacotes e verificar se a produção está sob controle, i.é., se =500g ou não. Se uma dessas amostras apresentasse uma média x = 492g, você pararia ou não a produção para verificar se o mostrador está na posição correta? 1º) X = peso de cada pacote, então... Ho: = 500 g H 1: 500 g, a máquina pode desregular para + ou para - . 2º) Pelo problema temos que X:N(500;25) pois, ²X = ² ²X = 400/16 ²X = 25 x =5 n Se Ho é verdadeira X:N(500;25) RESOLUÇÃO 1 3º) considerar = 1 %; z = 2,58; x =5 x1 – 2,58 = x 1 – 500 :. X1 = 487,1 g 5 x2 2,58 = x 2 + 500 :. X2 = 512,9 g 5 RC = { x IR / x < 487,1 ou x > 512,9 } RESOLUÇÃO 1 4º) Valor da amostra : xo = 492 g. 487,1 492 500 512,9 X 5º) Como xo RC, logo a decisão é ACEITAR Ho, o desvio da média da amostra para a média proposta por Ho pode ser considerado como devido apenas ao sorteio aleatório dos pacotes. NÃO PARARIA a produção. RESOLUÇÃO 1 RESOLUÇÃO 2- Teste de significância para a média 5º) Como z cal = RC, logo não se pode REJEITAR Ho com esse nível de significância. – 1,6 2º) Pelo problema temos que n = 16, D.N. e dp pop. z com = 0,01 , então z 0,01 = 2,58 - 2,58 0 2,58 z 1º) Fixar Ho a ser testada e qual H1 alternativa; 2º) Fixar a P(Erro I) = (nível de confiança); 3º) Selecionar a estatística do teste ( z, t, ², ... ); 4º) Usar informações da amostra para encontrar o valor da estatística que definirá a decisão; 5º) Se o valor da estatística observado na amostra não pertencer a Região Crítica, ACEITE Ho; caso contrário rejeite. OBS: TESTE DE SIGNIFICÂNCIA : Consideram apenas o erro . PASSOS PARA A CONSTRUÇÃO DE UM TESTE DE HIPÓTESE /Significância: 3 ESTATÍSTICA DE TESTE: EXEMPLO 2 - Teste de significância para a média Os registros dos últimos anos de um colégio, atestam para os calouros admitidos uma nota média 90. Para testar a hipótese de que a média de uma nova turma é a mesma, tirou-se ao acaso, uma amostra de 20 notas, obtendo-se média 93 e desvio padrão 15. Admitir que = 0,05, para efetuar o teste. 1º) X = notas , então... Ho: = 90 H 1: 90 RESOLUÇÃO 5º) Como t cal = RC, logo não se pode REJEITAR Ho com esse nível de significância. 0,89 2º) Pelo problema temos que n = 20 < 30 t com = 0,05 e gl = 20 – 1 = 19, então t 0,05 = 2,093 - 2,093 0 2,093 t EXEMPLO 3 - Teste de significância para a proporção Um instituto de pesquisa de opinião pública constatou que 496 dos 800 eleitores selecionados aleatoriamente, responderam que preferem o candidato A. Testar a hipótese ao nível de 10% para a informação que 65% preferem o candidato A. 1º) Ho: = 0,65 H1: 0,65 2º) Pelo problema temos que n = 800 > 30 teste z p = 496 = 0,62 800 EXEMPLOS 3º) Com = 0,10 e H1: 0,65 temos a R.C. z 0,90 = 1,65 – 1,65 +1,65 5º) Como zcal R.C., logo a decisão é rejeitar H0, concluindo- se que ao nível de 10% 0,65. – 1,78 1º) Ho: = 0,65 H1: 0,65 DISTRIBUIÇÃO QUI-QUADRADO É um modelo de distribuição contínua muito importante para a teoria da inferência estatística. Considere x1, x2, x3 ...xp, “n” variáveis aleatórias idependentes, normalmente distribuídas com média zero e variância 1, ou seja, “n” variáveis tipo normal padrão. 4 DISTRIBUIÇÃO QUI-QUADRADO CARACTERÍSTICAS DA DISTRIBUIÇÃO QUI-QUADRADO 1. n 2 0 2. Média = n 3. Variância = 2n 4. A função densidade de probabilidade está representada graficamente para alguns valores de n: Observe que à medida que n cresce, a funçãode densidade de probabilidade tende à forma da FUNÇÃO NORMAL. TABELA QUI-QUADRADO ( ²) A tabela do Qui-Quadrado em função do grau de liberdade n, apresenta o valor numérico da VA que deixa à sua direita determinada área , ou seja = P(X x) Para cálculo da probabilidade P(X x), ou seja, área na cauda esquerda da distribuição, utiliza-se a propriedade P(X x) = 1 – P(X x) = 1 – , conforme ilustrado a seguir. TABELA QUI-QUADRADO ( ²) 1. O valor à direita, chamado qui-quadrado superior, é obtido na tabela com n =12 e =0,025. Logo, ² = 23,34 2. O valor da abscissa à esquerda, chamado qui-quadrado inferior, é obtido da tabela com n =12 e =1 - 0,025, portanto =0,975. Logo, ² = 4,40 EXEMPLO 4 - Teste de significância para a variância Para testar a hipótese de que a variância de uma população com distribuição normal é 25, retirou-se uma amostra de 27 elementos, obtendo-se Var(x)= 17,5. Admitindo = 0,10, efetue o teste de significância unicaudal à esquerda. 1º) Ho : ² = 25 H 1: ² < 25 2º) = 10 %, a variável de teste será ², com (gl) = n – 1 (gl) = 10 – 1 = 9 EXEMPLO 4 - Teste de significância para a variância 3º) Com a tabela Qui-quadrado: Região Critica, = 10 %, RA 0,90 RC 0,10 = 26 17,29 valor da tabela de ² Regiões críticas das hipóteses do teste sob a distribuição Qui-Quadrado Consultar a tabela com /2 e = n – 1 (sup) e 1– /2 e = n – 1 (inf). Consultar a tabela com e = n – 1 (superior) Consultar a tabela com 1– e = n – 1 (inferior). RC RC RC RC RA RA RA 1– 1– 1– /2 /2
Compartilhar