Baixe o app para aproveitar ainda mais
Prévia do material em texto
Teste de Hipóteses Introdução Suponha que em um grupo de pessoas sadias temos a concentração de uma substância no sangue segundo uma Normal com média 14 unidade/mL e desvio padrão 6 unidades/mL, suponha também que um grupo de pessoas doentes possui está mesma substância com uma concentração Normal ~N(18,6). sadio doente 14 18 Percebemos que existe uma intersecção entre as curvas, e que existem pessoas sadias com as mesmas concentrações da substância em questão que as pessoas doentes. Desejamos testar um certo tratamento para saber se este é eficaz para tratar esta doença. Selecionamos uma amostra aleatória de tamanho 30 entre os indivíduos doentes que foram submetidos ao tratamento. Tomemos as concentrações dos indivíduos da amostra por X1,...,X30. Sabemos que esta amostra é uma N(μ;6),sendo que μ=14 ou μ=18, dependendo do tratamento ser eficiente ou não. Se a média da amostra estiver próximo a 14 ou a 18 fará com que possamos dizer se o tratamento é eficiente ou não. A amostra é uma v.a. e logo temos que analisar isto probabilisticamente o problema, e para isto utilizaremos o teste de hipóteses para a média com variância conhecida. Teste para a Média Populacional Tomando a situação anterior, que tinha uma distribuição com Normal e que buscava obter a média populacional , utilizaremos a média amostral como estimador, sendo este consistente e não viciado de μ. Considerando a situação anterior como sendo uma Normal com desvio padrão 6 unidades/mL, para uma amostra de n=30 temos uma N(μ;6/ 30). Como temos uma v.a. por mais que tenhamos uma distribuição com média 14 , 𝑋 poderá apresentar valores maiores que 14, P( 𝑋>14| μ=14)=0,5 , visto pela simetria da Normal. Um critério que pode ser utilizado, para decidir sobre o valor de μ, é determinar um valor crítico, xc , tal que se 𝑋 for menor ou igual a xC o tratamento é eficaz, caso contrário não será eficaz. Para completar a idéia é importante saber , para completar a análise que precisamos definir o valor de xc e quantificar os erros associados as possíveis conclusões. Pois sendo 𝑋 uma v.a. corremos o risco de classificar incorretamente o tratamento como eficaz ou não. As duas hipóteses serão denotadas por H0 e H1(ou Ha) , chamaremos de hipótese nula e hipótese alternativa respectivamente. Assim: H0: o tratamento não é eficaz; H1: o tratamento é eficaz; Em termos das média: H0: μ=18 H1: μ=14 Estas hipóteses da forma acima podem ser chamadas de hipóteses simples, pois não contém desigualdade. É razoável considerar que o tratamento ser eficaz corresponde a ele ser capaz de fazer com que os indivíduos da amostra com média 18 mudassem para uma população com média inferior, e assim escrever as hipóteses: H0: μ=18 H1: μ<18 Neste caso acima temos uma hipótese unilateral. Caso quiséssemos verificar se o tratamento produz algum tipo de efeito, seja ele benéfico (μ<18) ou não (μ>18), devemos construir o teste de hipóteses bilateral: H0: μ=18 H1: μ≠18 Por conveniência técnica deixamos sempre a igualdade na hipóteses nula. Os dois tipos de erros que podem ser cometidos ao se realizar um teste de hipóteses são: i) Rejeitar a hipótese H0, quando esta é verdadeira; ii) Não rejeitar a hipótese H0, quando ela deveria ser rejeitada. Os erros acima são chamados de erro do tipo I e erro do tipo II respectivamente. Situação H0 Verdadeira H0 Falsa Rejeitar H0 Erro Tipo I Sem erro Decisão Não rejeitar H0 Sem erro Erro Tipo II As probabilidades associadas aos tipos de erros serão denotadas por: α=P(erro tipo I)=P(rejeitar H0|H0 verdadeira); nível de significância β=P(erro tipo II)=P(não rejeitar H0 | H0 falsa). 14 18 Sadio(H1) Doente(H0) Supondo que conheçamos α, para calcular xc : α=P(erro tipo I)= P(rejeitar Ho|Ho verdadeira) = P( 𝑋 < 𝑥𝑐 𝜇 = 18 = 𝑃 𝑋−𝜇 𝜎/ 𝑛 < 𝑥𝑐−18 6/ 30 = =P(Z<zc). Assim: 𝑧𝑐 = 𝑥𝑐 − 18 6 30 Para α=0,05: xc=16,20 Uma vez colhida a amostra, se 𝑥obs é tal que 𝑥obs <16,20, rejeitamos a hipótese nula concluindo que o tratamento é eficaz. A região dada pelo conjunto dos números reais menores que 16,20 é denominada região de rejeição ou Região Crítica, RC: RC={x Є ℝ 𝑥 < 16,20 . O complementar de RC é chamado de RA, Região de Aceitação. Região de Rejeição xc Para construção de testes de hipóteses bilaterais: H0: μ=18 H1: μ≠18 RC={x Є ℝ 𝑥 < 𝑥𝑐1𝑜𝑢 𝑥 > 𝑥𝑐2 . α=P(erro tipo I)= P(rejeitar Ho|Ho verdadeira) = P( 𝑋 < 𝑥𝑐1𝑜𝑢 𝑋 > 𝑥𝑐2) Pela simetria: P( 𝑋 < 𝑥𝑐1)= α/2 e P( 𝑋 > 𝑥𝑐2)=α/2 Exercício Um pesquisador deseja estudar o efeito de certa substância no tempo de reação de seres vivos a um certo tipo de estímulo. Um experimento é desenvolvido com cobaiais, que são inoculadas com a substância e submetidas a um estímulo elétrico, com seus tempos de reação(s):9,1;9,3;7,2;7,5;1,3;10,9;7,2;9,9;8,0;8,6. Sendo este uma N(8;2), DP=2s. O pesquisador desconfia, entretanto, que o tempo médio sofre alteração por influência da substância. Neste caso, as hipóteses de interesse são: Ho: as cobaias apresentam tempo de reação padrão; H1: as cobaias têm o tempo de reação alterado. H0: μ=8 H1: μ≠8 Obtenha RC para um nível de 5 % de significância.
Compartilhar