Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 � Introdução: hipóteses e erros de conclusão � Testes de hipóteses para uma e duas médias � Testes de hipóteses para uma e duas variâncias � Testes de hipóteses para uma e duas proporções Inferência Estatística – Testes de Hipóteses Profª Lisiane Selau 2 Problema a ser resolvido pela Inferência Estatística →→→→ testar uma hipótese Feita uma afirmação a respeito de uma população (parâmetro) →→→→ saber se os resultados amostrais contrariam tal afirmação ���� ���� Testes de hipóteses Definição: o teste de hipóteses é um procedimento estatístico onde se busca verificar uma hipótese a respeito da população, no sentido de rejeitá-la, tendo por base dados amostrais. Profª Lisiane Selau Lógica dos Testes de Hipóteses População Valor hipotético do parâmetro. Qual é a magnitude da diferença entre o valor observado da estatística e o valor hipotético do parâmetro? Não rejeitar a hipótese Amostra Valor observado da estatística. Rejeitar a hipótese Questão a ser feita µµµµ = 130 mmHg Diferença pequena Diferença grande x= 135 mmHg Decisão a ser tomada Hipótese: um novo medicamento é eficaz no controle da pressão arterial 3Profª Lisiane Selau 4 Existem dois tipos básicos de hipóteses estatísticas: ���� Hipótese de nulidade (H0): hipótese sob verificação que supõe a igualdade dos parâmetros que estão sendo comparados. ���� Hipótese alternativa (HA): hipótese considerada caso a hipótese de nulidade seja rejeitada e supõe que os parâmetros comparados são diferentes. Hipótese estatística A hipótese estatística é uma suposição feita a respeito de um ou mais parâmetros (µ, σ2, pi, etc.). Profª Lisiane Selau 5 Uma população Uma estimativa ( ) do parâmetro de interesse (µ) Um valor conhecido e comprovado (µ0) Uma amostra Exemplo: Para verificar se uma nova droga é eficaz no tratamento da pressão alta, a pressão média de um grupo de pacientes submetidos a esta droga (amostra) é comparada com um valor que é considerado normal (valor padrão). x 0A μμ:H ≠ 0μμ > 0μμ < 00 μμ:H = Bilateral Unilateral direita Unilateral esquerda Escolher uma das três Profª Lisiane Selau 6 Exemplo: Para verificar, entre métodos de ensino, qual dá melhor desempenho quanto ao aprendizado dos alunos, comparamos as notas dos alunos de duas turmas (duas amostras), cada uma submetida a um método de ensino. Estimativa de µµµµ1 População 1 Amostra 1 População 2 Amostra 2 Estimativa de µµµµ2 1x 2x Bilateral Unilateral direita Unilateral esquerda Escolher uma das três 21A μμ:H ≠ 21 μμ > 21 μμ < 210 μμ:H = Profª Lisiane Selau 7 Exemplo 1: Teste unilateral Problema científico: Um novo medicamento é eficaz no controle da pressão arterial? População C – pacientes com uso do medicamento População S – pacientes sem uso do medicamento Variável em estudo → X: pressão arterial µC µS Unilateral Quando temos motivos suficientes para supor que uma das médias será maior que a outra, podemos formular uma hipótese alternativa unilateral (mais específica). SCA μμ:H < SC0 μμ:H = Hipóteses estatísticas: Profª Lisiane Selau 8 Exemplo 2: Teste bilateral Problema científico: O método de ensino A é melhor que o método de ensino B? População A – alunos ensinados pelo método A População B – alunos ensinados pelo método B Variável em estudo → X: notas dos alunos µA µB BAA μμ:H ≠ Bilateral Quando não temos motivos suficientes para supor que uma das médias será maior que a outra, formulamos uma hipótese alternativa bilateral (mais genérica). BA0 μμ:H = Hipóteses estatísticas: Profª Lisiane Selau 9 Será muito mais econômico e menos trabalhoso utilizar amostras das populações. Objetivo: verificar a hipótese Podemos verificar a hipótese de duas formas: ���� avaliar as populações inteiras (todos os alunos ensinado pelos dois métodos ou todas os pacientes com e sem uso do medicamento) e comparar suas médias ���� avaliar amostras retiradas das populações e utilizar um teste estatístico que compare as médias das amostras Devemos considerar: ���� seria impossível avaliar todos os alunos ou todos os pacientes ���� o processo de amostragem pode fornecer precisão suficiente Profª Lisiane Selau Exemplo: Suponha que um grupo econômico queira financiar a campanha do candidato X, se esse tiver condições de se eleger no primeiro turno. O grupo econômico deve financiar a campanha do candidato X? O candidato se elege no primeiro turno pi ≥ 0,50 Decisão Investir na campanha Não investir na campanha Hipótese Verdadeira Hipótese Falsa 10 Erros de conclusão Decisão correta Investe e ganha Erro Investe e perde Erro Não investe e se elege Decisão correta Não investe e não ganha Profª Lisiane Selau 11 Decisão H0 Não rejeitar Rejeitar Verdadeira Falsa Erro Tipo I Erro Tipo II Acerto Acerto Erro 1 Erro 2 Acerto Acerto Decisão do juiz Réu Não condenar Condenar Inocente Culpado ββββ = Erro Tipo II: Não declarar diferença quando ela existe αααα = Erro Tipo I: Declarar diferença quando ela não existe Erros de conclusão BAA BA0 μμ μμ :H :H ≠ = culpado réu:H inocente réu:H A 0 Profª Lisiane Selau 12 Importante!!! ���� O único meio de reduzir ambos os tipos de erro é aumentando o tamanho da amostra, o que nem sempre é viável. ���� Em geral, a preocupação está voltada para o erro tipo I (α - nível de significância), pois na maioria dos casos ele é considerado o mais grave. ���� As duas taxas de erro αααα e ββββ estão relacionadas negativamente, de modo que a redução de αααα implica no aumento de ββββ e vice-versa. REALIDADE DECISÃO Aceitar H0 Rejeitar H0 H0 é verdadeira Decisão correta 1 - α = P(Aceitar H0 / H0 é V) = P(H0 / H0) Erro do Tipo I αααα = P(Rejeitar H0 / H0 é V) = Nível de significância do teste = P(H1 / H0) H0 é falsa Erro do Tipo II ββββ = P(Aceitar H0 / H0 é falsa) = P(Aceitar H0 /H1 é V) = P(H0 /H1) Decisão correta 1 - ββββ = P(Rejeitar H0 / H0 é falsa) = P(H1 / H1) = Poder do teste. Profª Lisiane Selau 13 Passos para construção de um teste de hipóteses 1. Definir as hipóteses estatísticas. 3. Escolher a estatística para testar a hipótese e verificar as pressuposições para o seu uso. 2. Fixar a taxa de erro aceitável (α - nível de significância). 5. Decidir sobre a hipótese testada e concluir. 4. Usar as observações da amostra para calcular o valor da estatística do teste. Profª Lisiane Selau 14 Situações comuns em testes de hipóteses a respeito de µµµµ 1. Comparação de uma média (µµµµ) com um valor padrão (µµµµ0) 2. Comparação entre duas médias (µµµµ1 e µµµµ2) �Duas amostras independentes � σ1 2 e σ22 conhecidas � σ1 2 e σ22 desconhecidas, mas iguais � σ1 2 e σ22 desconhecidas, mas diferentes �Duas amostras dependentes (pareadas) � σ2 conhecida ou n > 30 � σ2 desconhecida e n ≤ 30 Profª Lisiane Selau n XZ σ μ0− = Pressuposição: A variável em estudo tem distribuição normal e variância σ2 conhecida (ou n > 30) Hipótese sob verificação: 0μμ =:H0 Estatística do teste: 1.Comparação de uma média (µµµµ) com um valor padrão (µµµµ0) Valor que deve ser calculado na amostra 15Profª Lisiane Selau 16 Pressuposição: A variável em estudo tem distribuição normal e variância σ2 desconhecida (e n ≤ 30) Hipótese sob verificação: 0μμ =:H0 ~ t (ν)Estatística do teste: onde: ν = n – 1 n S μXT 0−= 1.Comparação de uma média (µµµµ) com um valor padrão (µµµµ0) Valor que deve ser calculado na amostra Profª Lisiane Selau17 αααα/2 tα/2 αααα/2 -tα/2 0 Não rejeição de H0 ���� Se o valor t (calculado na amostra) estiver entre -tα/2 e tα/2, não temos motivos para rejeitar H0 ���� Se o valor t (calculado na amostra) for menor que -tα/2 ou maior que tα/2, rejeitamos H0 Rejeição de H0 Rejeição de H0 Este limite é dado pelos valores críticos. ≠A 0H :μ μ =0 0H :μ μ n S μXT 0−= Critério de decisão – Teste bilateral HA bilateral supõe que a diferença é negativa ou positiva. 0X - μ Mas quão grande será essa diferença para ser considerada significativa? Profª Lisiane Selau 18 0 tα αααα Rejeição de H0 ���� Se o valor t (calculado na amostra) for menor que tα, não temos motivos para rejeitar H0 ���� Se o valor t (calculado) for maior que tα, rejeitamos H0 Não rejeição de H0 HA unilateral direita supõe que a diferença é um valor positivo. 0X - μ n S μXT 0−= Critério de decisão – Teste unilateral Mas quão grande será essa diferença para ser considerada significativa? Este limite é dado pelo valor crítico. >A 0H :μ μ =0 0H :μ μ Profª Lisiane Selau 19 0-tα αααα Não rejeição de H0 Rejeição de H0 ���� Se o valor t (calculado na amostra) for maior que -tα, não temos motivos para rejeitar H0 ���� Se o valor t (calculado) for menor que -tα, rejeitamos H0 Mas quão grande será essa diferença para ser considerada significativa? Este limite é dado pelo valor crítico. HA unilateral esquerda supõe que a diferença é um valor negativo. 0X - μ <A 0H :μ μ =0 0H :μ μ n S μXT 0−= Critério de decisão – Teste unilateral Profª Lisiane Selau 20 Exemplo: Um processo deveria produzir bancadas com 0,85 m de altura. O engenheiro desconfia que as bancadas que estão sendo produzidas são diferentes que o especificado. Uma amostra de 8 valores foi coletada e indicou média de 0,87 e desvio padrão de 0,010. Sabendo-se que os dados seguem a distribuição normal, teste a hipótese do engenheiro usando um nível de significância α=0,05. Solução: n S μXT 0−= 0,85H0: µ = 0,85HA: µ ≠ 0,87 - 0,85 = 5,66 0,010/ 8 tc = 1) 2)α=0,05 3)Pressuposição: A variável em estudo tem distribuição normal 4) 5) 0,025 0,025 Não se rejeita H0 Rejeita H0Rejeita H0 Conclusão: Ao nível de 5% de significância, conclui-se que as bancadas que estão sendo produzidas devem ter altura diferente do especificado, maiores que 0,85m. -2,365 +2,365 0 ν=n-1=7 Profª Lisiane Selau Exercício proposto: A associação dos proprietários de indústrias metalúrgicas está preocupada com o tempo perdido em acidentes de trabalho, cuja média, nos últimos tempos, tem sido da ordem de 60 horas/homem por ano com desvio padrão de 20 horas/homem, segundo a distribuição normal. Tentou-se um programa de prevenção de acidentes e, após o mesmo, tomou-se uma amostra de 9 indústrias e mediu-se o número de horas/homem perdidas por acidente, que foi de 50 horas. Você diria, ao nível de 5%, que há evidência de melhora? Solução: As hipóteses a serem testadas são: H0: µ = 60 hora/homens HA: µ < 60 hora/homens 21 1) 2)2) Profª Lisiane Selau Solução: Isto quer dizer que a diferença apresentada na amostra não é suficientemente grande para provar que a campanha de prevenção deu resultado. Então a conclusão é: “Não é possível, ao nível de 5% de significância, afirmar que a campanha deu resultado. ” 1,50 9 20 6050 n σ μX z 0 −= − = − = 22 3) α=0,05 4) 5) Profª Lisiane Selau 23 Exercício proposto: O tempo médio, por operário, para executar uma tarefa, tem sido 100 minutos, segundo a distribuição normal. Introduziu-se uma modificação para diminuir este tempo, e, após certo período, sorteou-se uma amostra de 16 operários, medindo- se o tempo de execução gasto por cada um. O tempo médio da amostra foi 91 minutos com desvio padrão de 12 minutos. Este resultado evidencia uma melhora no tempo gasto para realizar a tarefa? Apresente as conclusões ao nível de 5% de significância. Solução: H0: µ = 100 HA: µ < 100 Rejeita-se H0 ao nível de 5% de significância e pode-se concluir que a modificação deve ter diminuído o tempo de execução da tarefa. α=0,05 ν=n-1=15 T = n s μx 0− -1,753 = 16 12 10091− = -3 1) 2) 3) 4) 5) Profª Lisiane Selau Exercício proposto: Medidos os diâmetros de 31 eixos de um lote aleatório, produzido pela empresa “Sofazredondo S.A.” obteve-se a distribuição abaixo: Ao nível de significância de 5%, há evidência de que o diâmetro médio dos eixos esteja fora da especificação de 57 mm? Zc = -2,557 Diâmetros (em mm) 56,5 56,6 56,7 56,8 56,9 57,0 57,1 57,2 57,3 Número de eixos 1 2 2 4 10 5 4 2 1 24Profª Lisiane Selau 25 Valor p: Probabilidade de que seja obtido um valor de T mais extremo que o valor observado, dado que H0 é verdadeira Outro critério de decisão c c Profª Lisiane Selau 26 Se p ≥ α Não rejeitamos a hipótese de nulidade c Como tomar a decisão a respeito de H0? � Se o valor p for maior ou igual a α: não rejeitamos a hipótese nula, pois tc está em uma região de alta probabilidade Profª Lisiane Selau 27 Se p < α Rejeitamos a hipótese de nulidade c Como tomar a decisão a respeito de H0? � Se o valor p for menor que α: rejeitamos a hipótese nula, pois tc está em uma região de baixa probabilidade Profª Lisiane Selau Exemplo: programa de prevenção de acidentes “Não é possível, ao nível de 5% de significância, afirmar que a campanha deu resultado. ” 1,50 9 20 6050 n σ μX z 0 −= − = − = H0: µ = 60 hora/homens HA: µ < 60 hora/homens -1,645 -1,50 p = 0,0668 α = 0,05 28Profª Lisiane Selau 29 Exercício proposto: O tempo médio, por operário, para executar uma tarefa, tem sido 100 minutos, segundo a distribuição normal. Introduziu-se uma modificação para diminuir este tempo, e, após certo período, sorteou-se uma amostra de 16 operários, medindo- se o tempo de execução gasto por cada um. O tempo médio da amostra foi 91 minutos com desvio padrão de 12 minutos. Este resultado evidencia uma melhora no tempo gasto para realizar a tarefa? Apresente as conclusões ao nível de 5% de significância. Solução: H0: µ = 100 HA: µ < 100 Rejeita-se H0 ao nível de 5% de significância e pode-se concluir que a modificação deve ter diminuído o tempo de execução da tarefa. α=0,05 e ν=n-1=15 tc = n s μx 0− = 16 12 10091− = -3 -1,753 Qual o valor p? p < αααα p ≅≅≅≅ 0,005 (0,5%) Profª Lisiane Selau 30 Utilizando o Excel para obter o valor p: Conclusão: Como a significância do resultado (0,45%) é menor que a significância do teste (5%) é possível rejeitar a hipótese nula. tc = -3 α = 0,05 ν = n-1 = 15 Profª Lisiane Selau 2 2 2 1 2 1 21 n σ n σ XXZ + − = Pressuposições: A variável em estudo tem distribuição normal As variâncias σ12 e σ22 são conhecidas As amostras retiradas das populações são independentes Hipótese sob verificação: 210 μμ:H = Estatística do teste: 2. Comparação entre duas médias (µµµµ1 e µµµµ2) Valor que deve ser calculado na amostra 31Profª Lisiane Selau Exemplo: Um fabricante produz dois tipos de pneus. Para o pneu do tipo A o desvio padrão é de 2500 km e para o pneu do tipo B é de 3000 km, seguindo a distribuição normal. Uma empresa de táxis testou 50 pneus do tipo A e 40 do tipo B, obtendo 24000 km de média para o tipo A e 26000 para o tipo B. Adotando α = 4% testar a hipótese de que a duração média dos dois tipos é a mesma. Solução: Portanto, rejeita-se a hipótese de igualdade entre as durações médias dos dois tiposde pneus. Com base nestas amostras, pode- se afirmar, ao nível de 4% de significância, que os dois tipos de pneus diferem quanto a durabilidade média, sendo o tipo B melhor que o tipo A. As hipóteses são: H0: µA = µB HA: µA ≠ µB Como α = 4%, então zα/2 = 2,055 3,38 40 3000 + 50 2500 2600024000 z 22c −= − = 32Profª Lisiane Selau 33 Pressuposições: A variável em estudo tem distribuição normal As variâncias σ12 e σ22 são desconhecidas mas supostas iguais As amostras retiradas das populações são independentes Hipótese sob verificação: 210 :H μμ = ~ t (ν)Estatística do teste: onde: ν = (n1 – 1) + (n2 – 1) 2. Comparação entre duas médias (µµµµ1 e µµµµ2) 2 21 21 S n 1 n 1 XXT + − = Valor que deve ser calculado na amostra ( ) ( ) ( ) ( )1n1n 1nS1nSS 21 2 2 21 2 12 −+− −+− = Profª Lisiane Selau 34 Exemplo: Dez cobaias adultas criadas em laboratório, foram separadas, aleatoriamente, em dois grupos: um foi tratado com ração normalmente usada no laboratório (padrão) e o outro grupo foi submetido a uma nova ração (experimental). As cobaias foram pesadas no início e no final do período de duração do experimento. Os ganhos de peso (em gramas) observados foram os seguintes: Utilize um teste de hipótese, ao nível α = 0,01, para verificar se as duas rações diferem entre si quanto ao ganho de peso. Ração experimental 220 200 210 220 210 Ração padrão 200 180 190 190 180 210 μμ :H = α = 0,01 21A μμ :H ≠ 2x = 188 = 70 Experimental 2 1 s n1 = 5 = 212 = 70 Padrão n2 = 5 1x 2 2 s Profª Lisiane Selau 35 Pressuposições: variável ganho de peso com distribuição normal, amostras independentes e supõe-se que . 4,54 70 5 1 5 1 188212tc = + − = 2 2 2 1 σ=σ 2 21 21 S n 1 n 1 XXT + − = ( ) ( ) ( ) ( )1n1n 1nS1nSS 21 2 2 21 2 12 −+− −+− = Conclusão: ao nível de 1%, conclui-se que a ração experimental deve dar maior ganho de peso que a ração padrão. ⇒ H0 é rejeitada α=0,01 e ν=(n1-1)+(n2-1)=8 ( ) ( ) ( ) ( ) 701515 157015702s = −+− −×+−× = 0,005 0,005 0,99 3,355-3.355 Profª Lisiane Selau 36 Utilizando o Excel para obter o valor p: Conclusão: Como a significância do resultado (0,19%) é menor que a significância do teste (1%), é possível rejeitar a hipótese nula. tc = 4,54 α = 0,01 ν = (n1-1)+(n2-1) = 8 Profª Lisiane Selau Exercício proposto: Um engenheiro desconfia que a qualidade de um material pode depender da matéria- prima utilizada. Há dois fornecedores de matéria-prima sendo usados. Testes com 10 observações de cada fornecedor indicaram: Use um nível de significância α = 0,05 e teste a hipótese do engenheiro. Obs.: Considere que as duas variâncias populacionais iguais. 101,2t11,1t 18;025,0c =<= 39 x1 = 7s1 =43x2 = 9s2 = 37Profª Lisiane Selau 38 2 2 2 1 2 1 21 n S n S XXT + − = Pressuposições: A variável em estudo tem distribuição normal As variâncias σ12 e σ22 são desconhecidas e desiguais As amostras retiradas das populações são independentes Hipótese sob verificação: 210 :H μμ = ~ t (ν)Estatística do teste: onde: 2. Comparação entre duas médias (µµµµ1 e µµµµ2) Valor que deve ser calculado na amostra 1n )nS( 1n )nS( )nSnS( 2 2 2 2 2 1 2 1 2 1 2 2 2 21 2 1 − + − + =ν Profª Lisiane Selau 39 Exemplo: As resistências de dois tipos de concreto, que segue o modelo normal, foram medidas, mostrando os resultados da tabela. Fixado um nível de significância de 10%, existe evidências de que o concreto do tipo X seja mais resistente do que o concreto do tipo Y? Com estas amostras, ao nível de 10% de significância, não é possível afirmar que o concreto do tipo X seja mais resistente do que o concreto do tipo Y. Tipo X 54 55 58 50 61 Tipo Y 51 54 55 52 53 Os dados obtidos da tabela são: X = 55,6 e Y = 53,0 XS2 = 17,3 e YS2 = 2,5 H0: µX = µY HA: µX ≠ µY α = 0,10 2 2 2 1 2 1 21 n S n S XXT + − = 0,05 0,05 2,015-2,015 α = 10% e ν = 5 1,31 5 2,5 5 17,3 53,055,6 = + − = 5,13 3,0554 15,6816 4 )52,5( 4 )517,3( )52,5517,3( 22 2 == + + = 1n )nS( 1n )nS( )nSnS( 2 2 2 2 2 1 2 1 2 1 2 2 2 21 2 1 − + − + =ν Profª Lisiane Selau 40 Utilizando o Excel para obter o valor p: Conclusão: Como a significância do resultado (24,71%) é maior que a significância do teste (10%), não é possível rejeitar a hipótese nula. tc = 1,31 α = 0,10 ν = 5 Profª Lisiane Selau 41 α = 0,05 No teste unilateral o valor t crítico é menor porque a área a sua direita deve corresponder a todo α. Assim, esta área é o dobro da área à direita do valor t crítico do teste bilateral. Como consequência, um valor t não rejeitado no teste bilateral pode ser rejeitado no teste unilateral. Portanto, o teste unilateral é mais poderoso que o teste bilateral. Profª Lisiane Selau 42 ���� Os intervalos de confiança e os testes de hipóteses bilaterais são procedimentos estatísticos relacionados. ���� Se forem utilizados para analisar os mesmos dados, ao mesmo nível de significância, devem conduzir aos mesmos resultados. ���� O intervalo de confiança para a diferença entre duas médias está relacionado com o teste de hipóteses que compara duas médias. H0 não rejeitada ⇔ zero está coberto pelo intervalo Considerações ���� O intervalo de confiança para uma média está relacionado com o teste de hipóteses que compara uma média com um padrão. H0 não rejeitada ⇔ valor padrão está coberto pelo intervalo Profª Lisiane Selau Intervalo de confiança para uma média (µ) IC (µ; 1−−−−α): ± tαααα/2 n SX Estatística T para comparação de média (µ) com valor padrão (µ0) n S μXT 0−= ���� Se no teste de hipóteses, ao nível de 1% de significância, rejeitamos H0, significa que a diferença entre a média e o valor padrão não é zero, ou seja, média e valor padrão são diferentes. Valor crítico: tαααα/2 ���� Construindo o intervalo de confiança para µ, ao nível de 99%, devemos esperar que o valor padrão (µ0) esteja fora do intervalo. Caso contrário, os resultados seriam contraditórios. 43Profª Lisiane Selau Intervalo de confiança para a diferença entre duas médias (µ1 − µ2) Estatística T para a comparação entre duas médias (µ1 e µ2) ���� Se no teste de hipóteses, ao nível de 5% de significância, não rejeitamos H0, significa que a diferença entre as duas médias é zero, ou seja, as médias devem ser iguais. Valor crítico: tαααα/2 ���� Construindo o intervalo de confiança, ao nível de 95%, para a diferença entre as médias (µ1−µ2), devemos esperar que o valor zero seja coberto pelo intervalo. IC ( ; 1−−−−α): ± tαααα/2 2 21 S n 1 n 1 +21 XX −21 μμ − 2 21 21 S n 1 n 1 XXT + − = 44Profª Lisiane Selau 45 Exemplo: Um novo funcionário foi contratado para gerir os estoques da empresa. Ele recebeu a informação de que a quantidade semanal vendida de determinado produto é de 9,6kg. Para testar a veracidade da informação, tomou uma amostra aleatória de 30 semanas e verificou que a venda média do produto foi de 9,3kg, com desvio padrão de 3,2kg. Considerando que a variável em estudo segue a distribuição normal: a) Verifique, utilizando teste de hipóteses ao nível de 5% de significância, se ainformação recebida pelo funcionário é verdadeira. b) Verifique se a informação é verdadeira, utilizando intervalo de confiança ao nível de 95%. c) Houve coerência entre os resultados do teste de hipóteses e do intervalo de confiança? Profª Lisiane Selau 46 a) Teste de Hipótese Variável em estudo: X = venda do produto (kg) Pressuposição: A variável em estudo tem distribuição normal 1. Hipóteses estatísticas: 2. Taxa de erro aceitável: α = 0,05 9,6:HA ≠μ 9,6:H0 =μ Profª Lisiane Selau 47 a) Teste de Hipótese 3. Estatística do teste 4. Decisão e conclusão Não rejeitamos H0. Concluímos, ao nível de 5% de significância, que a quantidade média de venda semanal do produto não difere significativamente do valor informado (9,6kg). Portanto, a informação recebida pelo funcionário pode ser verdadeira. n s μxT 0−= 0,5135 30 3,2 9,69,3 −= − = 0,025 0,025 2,045-2,045 α = 5% e ν = 29 Profª Lisiane Selau 48 b) Intervalo de confiança Variável em estudo: X = venda do produto (kg) Pressuposição: A variável em estudo tem distribuição normal. Estimativas: =x 9,3 = = s 3,2 0,5842 n 30 ν = 30 − 1 = 29 t0,025 (29) = 2,045 /2 SIC( ; 1 ) : X t n α− ±µ α Profª Lisiane Selau 49 b) Intervalo de confiança IC (µ; 0,95): 9,3 ± 2,045 × 0,5842 Limite inferior = 9,3 – 1,195 = 8,11 Limite superior = 9,3 + 1,195 = 10,50 P(8,11 < µ < 10,50) = 0,95 Concluímos que o intervalo de confiança, ao nível de 95%, para a verdadeira quantidade média semanal vendida do produto é de 8,11 a 10,50 kg. c) Sim, o resultado do teste de hipóteses esta coerente com o do intervalo de confiança, pois o valor padrão 9,6, que segundo o teste de hipótese não difere de µ, está dentro do intervalo de confiança, ou seja, é um valor possível para µ. /2 SIC( ; 1 ) : X t n α− ±µ α Profª Lisiane Selau Exercício proposto: Para investigar se o treinamento é ou não transferido pelo ácido nucléico, 10 ratos foram treinados em discriminar se havia luz ou escuridão. Posteriormente, esses ratos foram mortos, o ácido nucléico dos mesmos foi extraído e injetado em 10 ratos. Simultaneamente o ácido nucléico de 10 ratos não treinados foi injetado em outros 10. Os 20 ratos injetados com ácido nucléico foram observados durante um período de tempo quanto à capacidade de discriminar luz e escuridão. O número de erros relativos a cada rato está na tabela abaixo. a) Verifique, utilizando teste de hipóteses ao nível de 5 % de significância, se o treinamento é ou não transferido pelo ácido nucléico. b) Construa o intervalo de confiança, ao nível de 95 %, para a diferença entre as médias das duas populações. c) Houve coerência entre os resultados do teste de hipóteses e do intervalo de confiança? Treinados 7 9 6 11 13 8 7 13 12 9 Não treinados 12 8 9 13 14 9 8 10 7 15 50Profª Lisiane Selau Solução: a) Teste de Hipótese Variável em estudo: X = número de erros ao discriminar luz e escuridão Pressuposições: – A variável em estudo tem distribuição normal, ou seja, X ~ N (µ, σ2); – As variâncias das populações são iguais, mas desconhecidas; – As amostras retiradas das populações são independentes. 1. Hipóteses estatísticas: A hipótese de nulidade supõe a igualdade entre as médias das duas populações. 2. Taxa de erro aceitável: α = 0,05 − = − ≠ µ µ µ µ 0 1 2 A 1 2 H : 0 H : 0 51Profª Lisiane Selau Solução: a) Teste de Hipótese 3. Estatística do teste 4. Decisão e conclusão Como |t = −0,8292| < t(18; α/2) = 2,101, não temos motivos para rejeitar. Concluímos, então, ao nível de 5% de significância, que a média de erros do grupo que recebeu ácido nucléico de ratos treinados não diferiu significativamente da média de erros do grupo que recebeu ácido nucléico de ratos não treinados. Se o treinamento fosse transferido pelo acido nucléico, a média de erros da população 1 deveria ser menor que a média de erros da população 2. 0,8292 7,278 10 1 10 1 10,59,5 S n 1 n 1 XXT 2 21 21 −= + − = + − = ( ) ( )= − + −ν 1 2n 1 n 1 = = 2 1 1x 9,5 s 6,722 = = 2 2 2x 10,5 s 7,833 ( ) ( ) ( ) ( ) − + − × + × = = = − + − + 2 2 1 1 2 22 1 2 s n 1 s n 1 6,722 9 7,833 9 s 7,278 n 1 n 1 9 9 = + =ν 9 9 18 Amostra 1: n1 = 10 Amostra 2: n2 = 10 t(18;α/2) = 2,101 52Profª Lisiane Selau Solução: b) Intervalo de confiança para a diferença entre as médias Variável em estudo: X = número de erros ao discriminar luz e escuridão Pressuposições: – A variável em estudo tem distribuição normal, ou seja, X ~ N (µ, σ2); – As variâncias das populações são iguais; – As amostras retiradas das populações são independentes. Estimativas: − = − = −1 2x x 9,5 10,5 1 ( ) ( ) ( ) ( ) − + − × + × = = = − + − + 2 2 1 1 2 22 1 2 s n 1 s n 1 6,722 9 7,833 9 s 7,278 n 1 n 1 9 9 + = + = 2 1 2 1 1 1 1 s 7,278 1,206 n n 10 10 = = 2 1 1x 9,5 s 6,722 = = 2 2 2x 10,5 s 7,833 Amostra 1: n1 = 10 Amostra 2: n2 = 10 ( ) ( )= − + −ν 1 2n 1 n 1 = + =ν 9 9 18 t(18;α/2) = 2,101 53Profª Lisiane Selau Solução: b) Intervalo de confiança para a diferença entre as médias IC (µ1 - µ2; 0,95): -1 ± 2,101 × 1,206 IC (µ1 - µ2; 0,95): -1 ± 2,533 P(-3,533 < µ1 - µ2 < 1,533) = 0,95 Concluímos que a probabilidade de a verdadeira diferença entre a média de erros da população que recebeu ácido nucléico de ratos treinados e a média de erros da população que recebeu ácido nucléico de ratos não treinados estar entre -3,533 e 1,533 é de 0,95. c) Pelo teste de hipóteses, concluímos que a verdadeira diferença entre as médias deve ser zero e, pelo intervalo de confiança, concluímos que zero é um valor possível para a verdadeira diferença entre as médias, uma vez que se encontra dentro do intervalo. Portanto, o resultado do teste de hipóteses está de acordo com o do intervalo de confiança. ν α − − − ± + µ µ α 21 2 1 2 ( , /2) 1 2 1 1IC( ; 1 ) : X X t S n n 54Profª Lisiane Selau 55 Comparação de Pares de Observações (Comparação de duas médias para amostras pareadas) Em algumas situações os dados de duas populações são coletados e comparados em pares. Isso é feito para impedir que fatores não controláveis inflacionem as estimativas das variâncias. Exemplo: desempenho dos alunos método A e método B X perda de peso com uso de uma dieta A hipótese testada é se existe diferenças significativas entre os pares de observações, tendo como suposição que os dados seguem a distribuição normal. O teste baseia-se na estatística: n/s dT d = ) ) ) ) 21d 21d 21dA 21d0 ( 0 ( 0 ( 0:H ( 0 :H μμμ μμμ μμμ μμμ << >> ≠≠ == Profª Lisiane Selau 56 Exemplo: Cinco operadores de máquinas foram treinados em duas máquinas de diferentes fabricantes, para verificar qual delas apresentava maior facilidade de aprendizagem. Mediu-se o tempo que cada um dos operadores gastou na realização de uma mesma tarefa com cada um dos dois tipos de máquinas. Os resultados estão na tabela. Ao nível de 5%, é possível afirmar que a tarefa realizada na máquina X demora mais do que na máquina Y? Solução: H0: µX = µY (µd = 0) HA: µX ≠ µY (µd ≠ 0) Operador Maq. X Maq. Y 1 80 75 2 72 70 3 65 60 4 78 72 5 85 78 n/s dT d = di 5 2 5 6 7 α = 5% Profª Lisiane Selau 57 � = 5 e sd = 1,8708 Com 5% de significância, rejeita-se H0, e conclui-se que realizar a tarefa com a máquina X deve demorar mais do que com a máquina Y, esta apresentando maior facilidade de aprendizagem. Operador Maq. XMaq. Y 1 80 75 2 72 70 3 65 60 4 78 72 5 85 78 d 5,98 51,8708/ 5 n/s dt d === di 5 2 5 6 7 2,776-2,776 1-n )d(dS 2 i d ∑ − = n d d i∑= � α = 5% e ν = n - 1 = 4 Profª Lisiane Selau Exercício proposto: Uma empresa quer verificar se o conhecimento de seus alunos a respeito de um determinado assunto melhorou após 30 horas de treinamento. Para isso foi realizado com os quinze alunos do treinamento um teste antes e após o treinamento. Os dados a seguir representam as notas obtidas pelos alunos. Conclua a respeito da eficiência do treinamento, utilizando 5% de significância. 58 Alunos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Antes 6,5 6,7 7,0 7,0 6,5 7,3 7,8 6,9 6,7 7,2 7,5 7,5 7,2 7,0 6,8 Depois 7,5 7,7 7,9 8,0 7,4 8,3 8,8 8,9 7,7 8,2 8,5 8,5 8,2 8,0 8,8 Difer. 1,0 1,0 0,9 1,0 0,9 1,0 1,0 2,0 1,0 1,0 1,0 1,0 1,0 1,0 2,0 360S 121d d , , = = Profª Lisiane Selau Exercício proposto: Duas espécies de um certo tipo de cereal estão sendo testadas quanto ao seu crescimento. O experimento foi feito escolhendo 10 blocos de terreno e plantando em cada bloco mudas de ambas as espécies. Os resultados a seguir são as alturas medidas ao final do primeiro mês. Utilizar α = 0,05 Os dados deste experimento foram coletados aos pares para impedir que as diferenças de fertilidade entre os blocos de terreno (que podem ser grandes) mascarem os resultados. Terreno 1 2 3 4 5 6 7 8 9 10 Espécie 1 22 27 18 33 25 21 15 33 21 24 Espécie 2 21 31 24 32 29 23 19 37 22 27 262,2t54,3t 9;025,0c =>= 59Profª Lisiane Selau 60 Teste para a variância de uma população Para aplicar o teste para a variância é necessário supor a normalidade da população de onde será extraída a amostra. Uma hipótese testada com frequência é que a variância tenha um valor especificado. A estatística do teste é ~ − = −χ σ 2 2 0 2(n 1)SQ (n 1) 2 0 2 2 0 2 2 0 2 A 2 0 2 0 σσ σσ σσ:H σσ:H < > ≠ = H0 é rejeitada se qc ultrapassar o valor crítico da distribuição qui-quadrado : Profª Lisiane Selau 61 ... Profª Lisiane Selau 62 Exercício proposto: A quantidade mensal de produtos entregues por uma empresa segue uma distribuição Normal com média e variância desconhecidas. Analise os dados a seguir, que representam uma amostra de 20 meses e teste a hipótese de que o desvio padrão da quantidade mensal de produtos entregues pela empresa é de 1 unidade, utilizando nível de significância de 5%. Solução: H0: σ2 = 1 HA: σ2 ≠ 1 Com 5% de significância, rejeita-2 H0, isto é, é possível afirmar que o desvio padrão da quantidade mensal de produtos entregues pela empresa é maior que 1 unidade. ( ) 34,12 1 1,34 1-20 2 == ( ) 2 0 2 σ S1nQ −= 8,91 32,85 2,5%2,5% 95% α = 5% ν = n - 1 = 19 17,4 18,2 18,3 18,8 19,0 19,2 19,3 19,6 19,6 19,9 20,2 20,2 20,5 20,7 20,9 21,0 21,3 21,5 21,9 22,6 34,1S 01,20X = = Profª Lisiane Selau 63 Utilizando o Excel para obter o valor p: Como a significância do resultado (3,5575=2*1,7788) é menor que a significância do teste (5%) é possível rejeitar a hipótese nula. qc = 34,12 α = 0,05 ν = 19 Profª Lisiane Selau Exemplo: Uma das maneiras de controlar a qualidade de um produto é controlar a sua variabilidade. Uma máquina de empacotar café está regulada para encher os pacotes com média de 500 g e desvio padrão de 10 g, onde o peso de cada pacote distribui-se normalmente. Colhida uma amostra de n=16, observou-se uma variância de 169 g2. É possível afirmar com este resultado que a máquina está desregulada quanto a variabilidade, supondo uma significância de 5%? Solução: H0: σ2 = 100 HA: σ2 > 100 Com 5% de significância, rejeita-se H0, ou seja, é possível afirmar que a máquina está desregulada. 64 ( ) 25,35 100 169 15 == ( ) 2 0 2 σ S1nQ −= 25,00 5% 95% α = 5% ν = n - 1 = 15 Profª Lisiane Selau 65 Utilizando o Excel para obter o valor p: Como a significância do resultado (4,54%) é menor que a significância do teste (5%) é possível rejeitar a hipótese nula. qc = 25,35 α = 0,05 ν = 15 Profª Lisiane Selau 66 Teste de homogeneidade de variâncias Considerando duas estimativas e , frequentemente, temos interesse em verificar se tais estimativas são homogêneas. Assim, as hipóteses a serem testadas são: A estatística do teste é 2 1s 2 2s 2 2 2 1 S SF = Atenção: sempre variância maior sobre variância menor 2 2 2 1A 2 2 2 10 σσ:H σσ:H ≠ = H0 é rejeitada se fc ultrapassar o valor crítico da distribuição F: Profª Lisiane Selau 67 ... Profª Lisiane Selau 68 Exemplo: As resistências de dois tipos de concreto foram medidas, mostrando os resultados da tabela. Fixado um nível de significância de 10%, teste a hipótese de igualdade das variâncias, considerando que os dados seguem a distribuição normal? Neste caso, rejeita-se H0, ao nível de 10% de significância, e assume-se que as variâncias populacionais são diferentes. Tipo X 54 55 58 50 61 Tipo Y 51 54 55 52 53 Os dados obtidos da tabela são: X = 55,6 e Y = 53,0 XS2 = 17,3 e YS2 = 2,5 H0: σ 2 X = σ 2 Y HA: σ 2 X ≠ σ2Y 6,92 2,5 17,3 == 6,39 α = 10% ν1 = nx - 1 = 4 ν2 = ny - 1 = 4 0,050,052 2 2 1 S SF = Profª Lisiane Selau 69 Utilizando o Excel para obter o valor p: Conclusão: Como a significância do resultado (8,76% = 4,38 x 2) é menor que a significância do teste (10%), é possível rejeitar a hipótese nula. fc = 6,92 α = 10% ν1 = nx - 1 = 4 ν2 = ny - 1 = 4 Profª Lisiane Selau 70 Exercício proposto: Os valores a seguir representam os tempos de produção de duas máquinas. Analise os dados e conclua a respeito da variabilidade das máquinas 1 e 2: Máquina 1: Máquina 2: 8307,021 =S 316,122 =S M1 91,0 90,3 90,2 92,1 91,8 91,3 89,3, 91,0 91,2 89,6 M2 91,8 91,2 89,4 89,2 90,7 92,6 91,3 91,2 Profª Lisiane Selau 71 Exercício: Uma alta quantidade de nitrato introduzida na alimentação animal tem mostrado possuir efeitos deletérios incluindo baixa produção de tiroxina, aumento de incidência de cianose em recém nascidos e baixa produção de leite. Os dados que seguem referem-se a medida de ganho de peso percentual em ratos de laboratório, submetidos a uma dieta padrão e a uma dieta com 2000 ppm de nitrato na água de beber. Nitrato: 12,7 19,3 20,5 10,5 14,0 10,8 16,6 14,0 17,2 Controle: 18,2 32,9 10,0 14,3 16,2 27,6 15,7. a) Verifique, através do teste F, se as variâncias das populações são iguais. b) Verifique, através do teste t, o efeito do nitrato sobre o ganho de peso. 2 2 2 1 S SF = 2 2 2 1 2 1 21 n S n S XXT + − = 2 21 21 S n 1 n 1 XXT + − = ( ) ( ) ( ) ( )1n1n 1nS1nSS 21 2 2 21 2 12 −+− −+− = 2 2 2 1A 2 2 2 10 σσ:H σσ:H ≠ = 64,85s 19,27x 12,66s 15,07x 2 CC 2 NN == == 1n )nS( 1n )nS( )nSnS( 2 2 2 2 2 1 2 1 2 1 2 2 2 21 2 1 − + − + =ν Profª Lisiane Selau 72 Exercício: Calculadoras eletrônicas utilizam dois métodos diferentes de entrada e processamento numérico. Vamos denominar um dos métodos de “método algébrico” (MA) e o outro de “método polonês” (MP). Para comparar qual deles é mais eficaz é feito um teste com 20 usuários sem experiência prévia com calculadoras, onde 10 vão utilizar calculadoras de um tipo e o outros 10 as de outro tipo. A tabela mostra o tempo em segundos que cada operador gastou para realizarum conjunto padrão de cálculos. Testar a hipótese de existência de diferença entre os dois métodos no que se refere ao tempo de operação, utilizando uma significância de 5%. MA 12 16 15 13 16 10 15 17 14 12 MP 10 17 18 16 19 12 17 15 17 14 2,80s 15,50x 2,21s 14,00x PP AA == == Profª Lisiane Selau 73 Teste para proporções O teste para a proporção populacional, em geral, é utilizado para verificar se a proporção pi de elementos da população que possuem uma determinada característica é igual a um determinado valor pi0. As hipóteses estatísticas são: O teste se baseia na aproximação da distribuição Normal. Pressuposição: n é grande ⇒ np > 5 e n(1-p) > 5 p→ estimador de pi 0 0 0 0 pipi pipi pipi pipi < > ≠ = :H :H A 0 n xp = Usa-se a estatística: ( ) n 1 pZ 00 0 pipi pi − − = Profª Lisiane Selau 74 Exemplo: As condições de mortalidade de uma região são tais que a proporção de nascidos que sobrevivem até 70 anos é de 0,60. Testar esta hipótese ao nível de 5% de significância se em 1000 nascimentos amostrados aleatoriamente, verificou-se 530 sobreviventes até os 70 anos. Solução: Decidi-se rejeitar H0, ao nível de 5% de significância. Neste caso, pode-se afirmar que a taxa dos que sobrevivem até os 70 anos é menor do que 60%. 0,60 :H0 =π ( ) n 1 p z 00 0 ππ π − − = 1,96-1,96 0,531000 530p == 0,60:HA ≠π ( ) 4,52 1000 0,6010,60 0,600,53 −= − − = α = 0,05 Profª Lisiane Selau Exercícios propostos: 1) Um fabricante garante que 90% dos equipamentos que fornece a uma fábrica estão de acordo com as especificações exigidas. O exame de uma amostra de 200 peças desse equipamento revelou 25 defeituosas. Teste a afirmativa do fabricante, nos níveis de 5% e 1%. 2) Um engenheiro deseja testar a hipótese de que seu fornecedor entrega lotes com 10% de não conformes. Um lote de 180 unidades revelou 14 não conformes. Use α = 5% e conclua a respeito. Zc=1,18 Zc=-0,98 75Profª Lisiane Selau 76 A aproximação Normal também pode ser usada para testar a hipótese que dois parâmetros de Binomiais sejam iguais, ou seja, para testar: Nesse caso, amostras de tamanho n1 e n2 são retiradas de cada população, gerando x1 e x2 itens pertencentes à classe associada com p e calcula-se os estimadores de pipipipi para cada população como: A estatística para o teste é: 1 1 1 n xp = 21 21 21A 210 :H :H ππ ππ ππ ππ < > ≠ = ( ) ( ) n p1p + n p1p ppZ 2 22 1 11 21 −− − = 2 2 2 n xp = Profª Lisiane Selau 77 1,96-1,96 Exemplo: Em uma pesquisa de opinião, 32 dentre 80 homens declararam apreciar certa revista, acontecendo o mesmo com 26 dentre 50 mulheres. Ao nível de 5% de significância os homens e as mulheres apreciam igualmente a revista? Solução: H0: piH = piM HA: piH ≠ piM ( ) ( ) n p1p + n p1p ppZ M MM H HH MH −− − = Não se rejeita H0, isto é, a 5% de significância, não é possível afirmar que exista diferença entre as preferências de homens e mulheres quanto à revista. pH = 32 / 80 = 0,40 pM = 26 / 50 = 0,52α = 0,05 1,34 50 0,52)0,52.(1- 80 0,40)0,40.(1- 0,520,40 −= + − = Profª Lisiane Selau Exercício proposto: Um empresário deseja saber se os percentuais de satisfação de seus clientes em relação a dois produtos oferecidos por sua empresa são similares. Para isso entrevistou 150 pessoas, das quais 80 disseram estar satisfeitas com o produto A e 100 com o produto B. Use α = 5% e conclua a respeito. 21 210 : : pipi pipi ≠ = AH H 530 150 80p1 ,== 0,67150 100p2 == ( ) ( ) 47,20567,0 14,0 150 33,0.67,0 150 47,0.53,0 67,053,0 n p1p n p1p ppZ 2 22 1 11 21 −= − = + − = −− − = + 961472 2 ,, / =>= αzz ���� Rejeita-se Ho 78Profª Lisiane Selau
Compartilhar