Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE ESTADUAL DO RIO GRANDE DO SUL Prof. Éder Julio Kinast Teste t de Student (Teoria das Pequenas Amostras e Variância Desconhecida) Para amostras su cientemente grandes (n � 30) a distribuição da média poderia ser aproxi- mada por uma distribuição normal e, quando necessário, substituir � por s. Para estabelecermos métodos correspondentes que se apliquem também a pequenas amostras (n < 30) e o desvio padrão da população desconhecido, é necessário supor que as populações das quais estamos extraindo amostras tenham aproximadamente a forma de distribuições normais. Neste caso, usaremos a variável aleatória com distribuição t. Esta distribuição é chamada distribuição t de Student, porque foi desenvolvida por William Gosset (1876-1937). Gosset era empregado da Cervejaria Guinness e precisava de uma distribuição que pudesse ser utilizada com pequenas amostras. Como a cervejaria irlandesa para a qual ele trabalhava não permitia a publicação de resultados de pesquisas, Gosset publicou-os com o pseudônimo de Student. Essa distribuição possui as seguintes características: � Para uma dada variável t, � é chamado graus de liberdadeda distribuição que provém do fato da variável aleatória ter parâmetros populacionais estimados no seu cálculo, onde � = n� 1. Isto implica que o tabelamento da distribuição seja feito em função dos graus de liberdade; � A forma da distribuição t depende do número de graus de liberdade; � É simétrica em relação à média; � Tem a mesma forma de sino da normal porém mais achatada, pois Variância(t) > Variância(z) = 1; � É assintótica ao eixo horizontal t; � A área sob a curva é 1; � Quando n cresce aproxima-se da distribuição Normal. O tamanho da amostra (n) pode ser determinado a partir do nível de con ança (�) exigido e do erro máximo permissível (e), pela fórmula: n = � t�=2;� � s e �2 Já o erro máximo permissível é dado pela mesma expressão, porém com isolando e: e = t�=2;� � sp n Teste t de Student 1. Teste de Hipótese para a MÉDIA Para testar a hipótese nula (H0) de que uma população tenha a média �0, utiliza-se a seguinte estatística: t0 = x� �0 s= p n com � = n� 1. A seguir, utiliza-se a tabela de comparação correspondente. 2. Teste de Hipótese para DIFERENÇA entre duas médias populacionais, supondo desvios padrão iguais (�1 = �2) Quando há duas médias populacionais normais com médias �1 e �2 e desvios padrão �1 e �2 supostos iguais (ou razoavelmente iguais), utiliza-se a seguinte estatística: t0 = x1 � x2 sp q 1 n1 + 1 n2 onde sp = s (n1 � 1) s21 + (n2 � 1) s22 n1 + n2 � 2 com � = n1 + n2 � 2. A seguir, utiliza-se a tabela de comparação correspondente. 3. Teste de Hipótese para DIFERENÇA entre duas médias populacionais, supondo desvios padrão diferentes (�1 6= �2) Quando há duas médias populacionais normais com médias �1 e �2 e e desvios padrão �1 e �2 supostos diferentes, utiliza-se a seguinte estatística: t0 = x1 � x2q s21 n1 + s22 n2 com � = � s21 n1 + s22 n2 �2 � s21 n1 �2 n1 � 1 + � s22 n2 �2 n2 � 1 . A seguir, utiliza-se a tabela de comparação correspondente. 4. Teste de Hipótese para DADOS PAREADOS Os dados são considerados pareados, quando duas observações independentes são feitas sobre um mesmo indivíduo ou objeto, com apenas uma alteração entre essas observações (testes tipo Antes e Depois). Nesse caso obtém-se uma tabela do tipo: Antes (xi) Depois (yi) x1 y1 x2 y2 x3 y3 ... ... De ni-se as diferença entre cada par de observação por di = xi � yi. A média das diferenças é dada por d = nX i=1 di ! =n e a estatística utilizada é t0 = d sd= p n onde sd = vuuuut nX i=1 d2i � nd 2 n� 1 (desvio padrão das diferenças) com � = n� 1. A seguir, utiliza-se a tabela de comparação correspondente. Tabelas de Comparação t de Student para Médias Hipótese 1. Média Hipótese 2/3. Médias Hipótese 4. Pareados H0 : �x = �0 jt0j < t�2 ;� H0 : �1 = �2 jt0j < t�2 ;� H0 : d = 0 jt0j < t�=2;� Ha : �x 6= �0 jt0j > t�2 ;� Ha : �1 6= �2 jt0j > t�2 ;� H1 : d 6= 0 jt0j > t�=2;� H0 : �x = �0 t0 < t�;� H0 : �1 = �2 t0 < t�;� H0 : d = 0 t0 < t�;� Ha : �x > �0 t0 > t�;� Ha : �1 > �2 t0 > t�;� H1 : d > 0 t0 > t�;� H0 : �x = �0 t0 > �t�;� H0 : �1 = �2 t0 > �t�;� H0 : d = 0 t0 > �t�;� Ha : �x < �0 t0 < �t�;� Ha : �1 < �2 t0 < �t�;� H1 : d < 0 t0 < �t�;� 1. � = n� 1 2. (�1 = �2) � = n1 + n2 � 2 3. (�1 6= �2) � = � s21 n1 + s22 n2 �2 � s21 n1 �2 n1 � 1 + � s22 n2 �2 n2 � 1 4. � = n� 1 Distribuição t de Student P (t > t�) = � � # �! 0.1 0.05 0.025 0.01 0.005 1 3.0777 6.3137 12.7062 31.8210 63.6559 2 1.8856 2.9200 4.3027 6.9645 9.9250 3 1.6377 2.3534 3.1824 4.5407 5.8408 4 1.5332 2.1318 2.7765 3.7469 4.6041 5 1.4759 2.0150 2.5706 3.3649 4.0321 6 1.4398 1.9432 2.4469 3.1427 3.7074 7 1.4149 1.8946 2.3646 2.9979 3.4995 8 1.3968 1.8595 2.3060 2.8965 3.3554 9 1.3830 1.8331 2.2622 2.8214 3.2498 10 1.3722 1.8125 2.2281 2.7638 3.1693 11 1.3634 1.7959 2.2010 2.7181 3.1058 12 1.3562 1.7823 2.1788 2.6810 3.0545 13 1.3502 1.7709 2.1604 2.6503 3.0123 14 1.3450 1.7613 2.1448 2.6245 2.9768 15 1.3406 1.7531 2.1315 2.6025 2.9467 16 1.3368 1.7459 2.1199 2.5835 2.9208 17 1.3334 1.7396 2.1098 2.5669 2.8982 18 1.3304 1.7341 2.1009 2.5524 2.8784 19 1.3277 1.7291 2.0930 2.5395 2.8609 20 1.3253 1.7247 2.0860 2.5280 2.8453 21 1.3232 1.7207 2.0796 2.5176 2.8314 22 1.3212 1.7171 2.0739 2.5083 2.8188 23 1.3195 1.7139 2.0687 2.4999 2.8073 24 1.3178 1.7109 2.0639 2.4922 2.7970 25 1.3163 1.7081 2.0595 2.4851 2.7874 26 1.3150 1.7056 2.0555 2.4786 2.7787 27 1.3137 1.7033 2.0518 2.4727 2.7707 28 1.3125 1.7011 2.0484 2.4671 2.7633 29 1.3114 1.6991 2.0452 2.4620 2.7564 30 1.3104 1.6973 2.0423 2.4573 2.7500 35 1.3062 1.6896 2.0301 2.4377 2.7238 40 1.3031 1.6839 2.0211 2.4233 2.7045 45 1.3007 1.6794 2.0141 2.4121 2.6896 50 1.2987 1.6759 2.0086 2.4033 2.6778 60 1.2958 1.6706 2.0003 2.3901 2.6603 70 1.2938 1.6669 1.9944 2.3808 2.6479 80 1.2922 1.6641 1.9901 2.3739 2.6387 90 1.2910 1.6620 1.9867 2.3685 2.6316 100 1.2901 1.6602 1.9840 2.3642 2.6259 1000 1.2824 1.6464 1.9623 2.3301 2.5807 Exemplos 1. Um processo deveria construir bancadas com 0:85m de altura. O engenheiro descon a que as bancadas que estão sendo produzidas são diferentes que o especi cado. Uma amostra de 8 valores foi coletada e indicou x = 0:847m e s = 0:01m. Teste a hipótese do engenheiro, usando um nível de signi cância � = 0:05. 2. Um engenheiro descon a que o desgaste em pistões de um tipo de motor de combustão pode depender da formulação da liga metálica. Há dois tipos de liga sendo usados. Testes com 10 observações de cada tipo indicaram: x1 = 39�m, s1 = 7�m, x2 = 47�m e s2 = 9�m. Use um nível de signi cância � = 0:05 e teste a hipótese do engenheiro. 3. O QI de 16 estudantes de uma zona pobre de uma cidade apresenta a média de 107 pontos com desvio padrão de 10 pontos, enquanto 14 estudantes de uma região rica da mesma cidade apresentam média de 112 pontos com desvio padrão de 8 pontos. O QI em ambas as regiões tem distribuição normal, porém supõe-se que as variâncias são diferentes. Pode- se a rmar com 95% de certeza que esses estudantes pobres têm média de QI inferior à esses estudantes ricos? 4. Duas espécies de um certo tipo 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 nal do primeiro mês. Utilizando-se � = 0:05, é possível a rmar que há diferença signi cativa entre as médias de crescimento destas duas espécies? 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 67 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
Compartilhar