Baixe o app para aproveitar ainda mais
Prévia do material em texto
Testes de Hipóteses 0 1 0 : estabelecealgumconhecimentoacerca da populaçao : Negaçao da H H versus H � � Testes de Hipóteses Calcula-se uma estatística de teste, que sob o pressuposto da veracidade da hipótese nula, segue uma determinada lei de probabilidades: ( )1 1 2 2 ; xT D θθ θθ −= Testes de Hipóteses Regra de decisão: Aceitar H0 se: ( );GLT α≤ Prp value T α= >− > Probabilidade limite Tabela Testes de Hipóteses Decisão H0 Verdadeira H0 Falsa Aceitar H0 Decisão correcta β=Erro tipo II Rejeitar H0 α=Erro tipo I Decisão correcta Testes de Hipóteses H0: Hoje levo guarda-chuva (Ù Chove) versus H1: Hoje não levo guarda-chuva (Ù Não chove) Testes de Hipóteses Decisão H0 Verdadeira (Chove) H0 Falsa (Não chove) Aceitar H0 (Levo guarda-chuva) Decisão correcta β=Erro tipo II Rejeitar H0 (Não levo guarda-chuva) α=Erro tipo I Decisão correcta Testes de Hipóteses ( )0 0Pr Rejeitar H |H verdadeiraα = ( ) ( )0 1ˆ 1 Pr Rejeitar H |H verdadeiraPotencia doteste β= − = Testes de Hipóteses 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 1 8 1 5 2 2 2 9 3 6 4 3 5 0 5 7 6 4 7 1 7 8 8 5 9 2 9 9 1 0 6 1 1 3 1 2 0 -tc tc α /2 α /2 1-α Região crítica Região crítica Região de aceitação de Ho Etapas num teste de hipóteses 1 – Definir as hipóteses 2 – Definir uma margem de erro (α) 3 – Seleccionar a estatística de teste 4 – Calcular a estatística de teste 4.1 – Calcular a probabilidade limite 5 – Decidir o teste Teste de Shapiro-Wilk H0:A amostra provém de uma população Normal H1:A amostra não provém de uma população Normal Teste de Shapiro-Wilk 1 – Ordenar as N observações da amostra 2 – Calcular: 1 2 3 Nx x x x≤ ≤ ≤ ≤" ( ) 2 2 12 2 2 1 1 1 . N iN N N i i i i i i i x x x x x N x N = = = = − = − = − ∑∑ ∑ ∑ Teste de Shapiro-Wilk 3 – Calcular: 4 – Calcular a estatística de teste: ( )2 1 1 1 . N N i N i i i b a x x− + − + = = −∑ ( ) 2 2 i bW x x = −∑ Se N é ímpar: desprezar observação mediana Teste de Shapiro-Wilk Coeficientes Teste de Shapiro-Wilk 5 – Decisão: Rejeitar H0 ao nível de significância α se: calcW Wα Teste de Shapiro-Wilk Valores críticos Teste de Shapiro-Wilk Considere a seguinte amostra: 8 12 10 24 12 10 16 19 9 10 Teste se a amostra provém de uma população Normal, isto é: H0:A amostra provém de uma população Normal H1:A amostra não provém de uma população Normal Teste de Shapiro-Wilk 1 - Ordenar a amostra: 8 9 10 10 10 12 12 16 19 24 2 – Calcular: ( )2 1 236 N i i x x = − =∑ Teste de Shapiro-Wilk 3 – Calcular b: b=14.0826 0.079810120.039965 0.244810120.122474 1.284610160.214183 3.29109190.329192 9.18249240.5739101 aN-i+1(xN-i+1-xi)xixN-i+1aN-i+1N-i+1i Teste de Shapiro-Wilk 4 – Calcular W: ( ) 2 2 2 14.0826 0.840 236 i bW x x = = =−∑ Teste de Shapiro-Wilk ( )0.05;100.840 0.842calcW W= =< 5 – Decisão: Dever rejeitar-se a hipótese de normalidade da amostra. Teste de Shapiro-Wilk 0.840calcW = 5 – Decisão: Dever rejeitar-se a hipótese de normalidade da amostra. ( )Pr 0.0443 0.05calcp value W W α− = > = < = Teste do Chi-quadrado H0:A amostra provém de uma distribuição D(θ) H1:A amostra não provém de uma distribuição D(θ) Teste do Chi-quadrado ( )22 2 ( ; 1) 1 ( ) k i i k p i i O E X se X D E α θχ − − = −=∑ Teste do Chi-quadrado Exemplo: Uma moeda foi lançada 20 vezes, tendo-se registado a ocorrência de 7 caras e 13 coroas. Será a moeda honesta? H0: A moeda é honesta versus H1: A moeda não é honesta Teste do Chi-quadrado 0 2 4 6 8 10 12 14 Cara Coroa Oi Ei X2 X2 Teste do Chi-quadrado 0.5 0.5 Pr(x) 0.91013Coroa 0.9107Cara Ocorrências Esperadas Ei Ocorrências Observadas Oi Face ( )2i i i O E E − 2 1.8calcX = Teste do Chi-quadrado Decisão: ( ) 2 2 0.05;11.8 3.84calcX χ= < = Logo, deve aceitar-se a hipótese nula de que a moeda é honesta. Teste do Chi-quadrado O número de defeitos por página na impressão de um livro é suposto seguir uma distribuição de probabilidades de Poisson. Numa amostra aleatória de 60 páginas desse livro contaram-se as ocorrências de defeitos em cada uma das páginas: Verifique o ajustamento da amostra à distribuição. Número de defeitos Número de ocorrências 0 32 1 15 2 9 3 4 ≥ 4 0 Teste do Chi-quadrado 0 5 10 15 20 25 30 35 0 1 2 3 4+ x=Nº erros P r ( x ) Oi Ei Teste do Chi-quadrado 0.43200.4320.00720≥4 2.02401.9920.033243 0.1329 0.3543 0.4724 Pr(x) 0.13207.97492 1.842321.258151 0.471628.344320 Ocorrências Esperadas Ei Ocorrências Observadas Oi Nº de defeitos ( )2i i i O E E − 2 4.9019X = Teste do Chi-quadrado Decisão: ( ) 2 2 0.05;34.9019 7.82calcX χ= < = Logo, deve aceitar-se a hipótese nula de que o número de defeitos por página na impressão deste livro se ajusta a uma distribuição de probabilidades de Poisson de parâmetro λ=0.75 Teste do Chi-quadrado Decisão: 2 4.9019calcX = Logo, deve aceitar-se a hipótese nula de que o número de defeitos por página na impressão deste livro se ajusta a uma distribuição de probabilidades de Poisson de parâmetro λ=0.75 ( )2 2Pr 0.1791 0.05calcp value Xχ α− = > = > = Teste do Chi-quadrado Numa linha de empacotamento de leite, é pressuposto a capacidade dos pacotes siga uma lei de distribuição normal, com média 1 litro e variância 0.0004 Feita uma amostragem de 100 embalagens, pretende-se testar a validade deste pressuposto. Teste do Chi-quadrado Classe Frequência Absoluta ≤ 0.96 4 ]0.96 , 0.97] 6 ]0.97 , 0.98] 4 ]0.98 , 0.99] 16 ]0.99 , 1.00] 20 ]1.00 , 1.01] 18 ]1.01 , 1.02] 16 ]1.02 , 1.03] 10 ]1.03 , 1.03] 4 >1.04 2 Total 100 Teste do Chi-quadrado 0 5 10 15 20 25 0,955 0,965 0,975 0,985 0,995 1,005 1,015 1,025 1,035 1,045 Oi Ei Teste do Chi-quadrado ( ) ( )2 20 1: 1; 0.0004 : 1; 0.0004H X N H X Nµ σ µ σ= = = =/∼ ∼ Se H0 é válida, então: ( )22 2 ( ; 1) 1 k i i k p i i O E X E α χ − − = −=∑ Teste do Chi-quadrado Classe iO ii xz µσ −= ( )inf supPr z Z z≤ ≤ iE ( )2i i i O E E − } 0.96 4 } -2 0.0228 2.28 1.298 ]0.96 , 0.97] 6 ]-2.0 , -1.5] 0.0440 4.40 0.582 ]0.97 , 0.98] 4 ]-1.5 , -1.0] 0.0919 9.19 2.931 ]0.98 , 0.99] 16 ]-1.0 , -0.5] 0.1498 14.98 0.069 ]0.99 , 1.00] 20 ]-0.5 , 0.0 ] 0.1915 19.15 0.038 ]1.00 , 1.01] 18 ] 0.0 , 0.5 ] 0.1915 19.15 0.069 ]1.01 , 1.02] 16 ] 0.5 , 1.0 ] 0.1498 14.98 0.069 ]1.02 , 1.03] 10 ] 1.0 , 1.5 ] 0.0919 9.19 0.071 ]1.03 , 1.03] 4 ] 1.5 , 2.0 ] 0.0440 4.40 0.036 >1.04 2 > 2.0 0.0228 2.28 0.034 Total 100 1.000 100 2 5.197X = Teste de Kolmogorov-Smirnov H0:A amostra provém de uma distribuição N(µ,σ2) H1:A amostra não provém de uma distribuição N(µ,σ2) Teste de Kolmogorov-Smirnov 1sup ,obs esp obs espi i i iDN fra fra fra fra− = − − Teste de Kolmogorov-Smirnov Os seguintes dados referem-se à quantidade de malte (% sobre a matéria seca) de 14 amostras de cevada: 73.9 74.2 74.6 74.7 75.4 76.0 76.0 76.0 76.5 76.6 76.9 77.3 77.4 77.7 Verificar se o teor de malte segue uma distribuição normal. Teste de Kolmogorov-Smirnov Teste de Kolmogorov-Smirnov1sup , 0.1614obs esp obs espi i i iDN fra fra fra fra− = − − =
Compartilhar