Baixe o app para aproveitar ainda mais
Prévia do material em texto
Testes de hipo´teses sobre paraˆmetros Hipo´tese: E´ uma afirmac¸a˜o sobre alguma caracter´ıstica populacional (paraˆmetro). Mas como os valores dos paraˆmetros sa˜o desconhecidos, na˜o sabemos se a afirmac¸a˜o e´ verdadeira ou na˜o. Exemplo: um novo h´ıbrido de eucalipto, aos 2 anos, apresenta a´rea basal me´dia igual a do h´ıbrido mais popular, que e´ de µ0 = 100 unidades. o poder germinativo de sementes de a´rvores cultivadas e´ igual ao de a´rvores em mata nativa, ou seja, p = 0, 88. O pesquisador, com tais hipo´teses em mente, deve fazer um experimento, seguindo certos princ´ıpios, para obter, ou na˜o, evideˆncias contra as hipo´teses de interesse. 1 / 19 Testes de hipo´teses sobre paraˆmetros Teste: E´ um crite´rio ou regra utilizado para concluir sobre a hipo´tese de interesse, utilizando os resultados fornecidos pelo experimento. Teste de Hipo´tese e´ uma te´cnica de infereˆncia estat´ıstica utilizada em praticamente todas as ana´lises de dados oriundos de experimentos e amostras. Como os resultados de experimentos ou amostras esta˜o sujeitos a` variabilidade aleato´ria, as concluso˜es extra´ıdas esta˜o sujeitas a erros. Na te´cnica de teste de hipo´teses trabalhamos com as probabilidades de erros de forma a extrair alguma informac¸a˜o u´til para a pesquisa, mesmo na presenc¸a de incerteza. 2 / 19 Testes de hipo´teses sobre paraˆmetros Hipo´teses do tipo exemplificado anteriormente e´ chamada de hipo´tese nula e representadas por H0. Uma hipo´tese nula e´ sempre acompanhada por uma hipo´tese alternativa, aquela que a contradiz, representada por H1 ou HA, de forma que se o experimento fornecer evideˆncias contra H0, nossa conclusa˜o sera´ a favor de HA. Exemplos: H0 : µA = 100 vs HA : µA > 100 H0 : pA = 0, 88 vs HA : pA > 0, 88 3 / 19 Testes de hipo´teses sobre paraˆmetros Experimentos: 1. 30 mudas do novo h´ıbrido sera˜o cultivadas ate´ 2 anos e suas medidas obtidas para fornecer informac¸o˜es sobre a a´rea basal e avaliac¸a˜o a veracidade da hipo´tese H0 : µA = 100. A a´rea basal me´dia destas 30 mudas, X¯ , sera´ obtida e seu valor, juntamente com seu erro padra˜o, ajudara´ na conclusa˜o. 2. 500 sementes de a´rvores cultivadas foram semeadas. O nu´mero de germinadas sera´ contado e o valor de P¯ sera´ obtido, juntamente com seu erro padra˜o, para avaliac¸a˜o da veracidade da hipo´tese H0 : pA = 0, 88. 4 / 19 Testes de hipo´teses sobre paraˆmetros No primeiro caso temos que, SOB H0, o comportamento da me´dia da a´rea basal na amostra segue, aproximadamente a distribuic¸a˜o Normal, com me´dia µ = 100 e variaˆncia σ√ n , ou seja: 0. 0 0. 1 0. 2 0. 3 X f(x ) 100100 − σ 30 100 + σ 30 5 / 19 Testes de hipo´teses sobre paraˆmetros A ideia e´ que se o resultado experimental (ou amostral), x¯ , estiver ”pro´ximo” de 100 na˜o existira´ evideˆncias contra H0. Por outro lado, se o resultado experimental, x¯ , for ”muito diferente” do que 100, existira´ evideˆncias de que o novo h´ıbrido se distingue do usual em termos de a´rea basal. Mas o que e´ ”pro´ximo”? Ate´ qual valor consideramos pro´ximo? Para simplificar, vamos considerar que se H0 for falsa, o novo h´ıbrido so´ pode ser maior em termos de me´dia de a´rea basal. Precisamos estabelecer um limite, um valor K , e isso nos leva a`s seguintes considerac¸o˜es: 1. E´ poss´ıvel obtermos X¯ > K mesmo quando H0 e´ verdadeira? 2. E´ poss´ıvel obtermos X¯ ≤ K mesmo quando H0 e´ falsa? 6 / 19 Testes de hipo´teses sobre paraˆmetros 0. 0 0. 1 0. 2 0. 3 X f(x ) 100 µAK H0 HA Figura :Fig. 2: Comportamentos esperados dos resultados experimentais sob a hipo´tese nula e sob uma hipo´tese alternativa. 7 / 19 Testes de hipo´teses sobre paraˆmetros Precisamos impor uma regra de decisa˜o mas, ainda, qualquer que seja a regra, estamos sujeitos a tirar uma conclusa˜o errada. REGRA DE DECISA˜O: Se X¯ > K rejeitamos H0 e conclu´ımos que o novo h´ıbrido tem a´rea basal maior. Os tipos de erros: Realidade de H0 Resultado da Regra Verdadeira Falsa Na˜o rejeita H0 Decisa˜o Correta Erro tipo II Rejeita H0 Erro tipo I Decisa˜o Correta 8 / 19 Testes de hipo´teses sobre paraˆmetros O valor de K deve ser escolhido avaliando-se as probabilidades dos dois tipos de erros de decisa˜o ocorrerem: Erro Tipo I: ocorre quando o resultado experimental aponta para a REJEIC¸A˜O da H0 mas de fato, H0 e´ verdadeira. Sua probabilidade e´ representada por α e e´ chamada de n´ıvel de significaˆncia do teste. Erro Tipo II: ocorre quando o resultado experimental aponta para a NA˜O REJEIC¸A˜O da H0 mas de fato, H0 e´ falsa. Quando H0 e´ falsa, temos que µ > 100 mas na˜o temos especificado o valor. Enta˜o, a probabilidade do erro tipo II na˜o e´ um u´nico nu´mero, e´ uma func¸a˜o, representada por β(µ), que varia com os poss´ıveis valores de µ. O complementar de β(µ), 1− β(µ), e´ o Poder do Teste. 9 / 19 Testes de hipo´teses sobre paraˆmetros O ideal seria que a probabilidade de ocorreˆncia dos dois tipos de erros fossem m´ınimas. Pore´m, como mostra as Figs. 2 e 3, se diminuirmos α aumentamos β. 0. 0 0. 1 0. 2 0. 3 X f(x ) 100 µAK H0 HA αβ Figura :Fig. 3: Probabilidades dos erros tipo I e II em func¸a˜o do valor ou ponto cr´ıtico K . 10 / 19 Testes de hipo´teses sobre paraˆmetros A estrate´gia e´, enta˜o, fixar o ma´ximo da probabilidade do erro tipo I num valor pequeno e calcular n tal que β na˜o seja muito grande. Isso porque o erro tipo I e´ considerado, em geral, mais perigoso do que o erro tipo II. Em geral o valor pequeno aceita´vel para α e´ 0,05, pore´m o pesquisador deve refletir no seu contexto, o que e´ pequeno. Assim, no exemplo temos: α = P(Rejeitar H0 quando H0 e´ V ) = P(X¯ > K e µ = 100) = P(T > K − 100 S√ n ) ⇒ K − 100 S√ n = t(n−1);α ⇒ K = 100 + t(n−1);α × S√ n 11 / 19 Testes de hipo´teses sobre paraˆmetros Suponha que o experimentos resultou nos valores de a´rea basal: 96,9 104,9 108,8 110,9 105,0 113,8 104,3 103,6 102,7 99,9 109,3 108,1 96,9 96,8 107,5 101,8 112,2 99,6 99,9 108,4 98,7 98,9 106,9 100,1 87,8 95,0 110,7 110,7 104,5 102,4 Enta˜o x¯ = 103, 5667 s2 = 35, 6133 s = 5, 9677 t29;0,95 = 1, 699 K = 100 + 1, 699× 5, 9677√ 30 = 101, 8511 Conclusa˜o: Como 103,57 e´ maior que 101,85 temos evideˆncias, ao n´ıvel de significaˆncia de 5%, de que o novo h´ıbrido, em me´dia, produz maior a´rea basal. 12 / 19 Testes de hipo´teses sobre paraˆmetros A probabilidade de significaˆncia ou valor p Outra maneira de obtermos medidas de evideˆncia em testes de hipo´teses e´ calculando o valor-p, que e´ definido como sendo a probabilidade de se obter, num experimento similar ao realizado, um resultado igual ou mais extremo do que aquele ja´ obtido, supondo H0 verdadeira. Temos duas justificativas quando tal probabilidade for pequena: 1) o experimento realizado deu resultados muito, muito at´ıpicos OU 2) a hipo´tese nula e´ falsa. Assumindo que resultados muito, muito at´ıpicos sa˜o muito improva´veis, na pra´tica, inferimos que a H0 e´ falsa quando o valor-p e´ pequeno. 13 / 19 Testes de hipo´teses sobre paraˆmetros O ca´lculo do valor-p nem sempre e´ fa´cil de ser feito atrave´s do uso de tabelas. Mas os programas de computador de ana´lises estat´ısticas o calcula facilmente e sempre o apresenta. Voltemos ao exemplo do eucalipto: Valor p = P(X¯ > 103, 5677 quando µ = 100) = P ( T > 103, 5677− 100 5,9677√ 30 ) = P(T > 3, 274) Pela tabela T Student, com 29 graus de liberdade, vemos que Valor p e´ um valor entre 0,001 e 0,002, ou seja, pequeno, resultando emforte evideˆncia contra H0. 14 / 19 Testes de hipo´teses sobre paraˆmetros Esse exemplo ilustrou um teste de hipo´teses unilateral, ou seja, a hipo´tese alternativa aponta para um dos lados (maior ou menor):{ H0 : µ = 100 HA : µ > 100 Quando a HA na˜o aponta para um lado, o teste e´ chamado bilateral: { H0 : µ = 100 HA : µ 6= 100 Nesse caso, o procedimento e´ similar, pore´m com dois pontos cr´ıticos e α2 para cada lado da curva. Ja´ o valor p e´ multiplicado por 2. 15 / 19 Testes de hipo´teses sobre paraˆmetros Outro exemplo: A a´rea foliar me´dia da espe´cie Laguncularia rancemosa crescendo em ambiente na˜o polu´ıdo e´ de 51cm2. Com o objetivo de investigar o efeito da poluic¸a˜o ambiental sobre a a´rea foliar, exemplares desta planta foram cultivados em a´rea polu´ıda. Destes exemplares coletou-se uma amostra aleato´ria de 20 folhas cujas a´reas foram: 39,4 39,6 39,9 45,6 46,1 46,1 50,2 50,2 51,0 51,2 54,6 54,8 54,6 55,1 55,1 55,5 56,2 66,3 66,5 45,6 Usando um n´ıvel de significaˆncia de 5% temos alguma evideˆncia de que a poluic¸a˜o afeta a a´rea foliar em termos me´dios? 16 / 19 Testes de hipo´teses sobre paraˆmetros Voltemos ao exemplo do poder germinativo das sementes de a´rvores cultivadas. Hipo´teses:{ H0 : pA = 0, 88 HA : pA > 0, 88 Experimento: n = 500 sementes semeadas, P¯ proporc¸a˜o amostral de germinadas. Regra de decisa˜o: se P¯ > K rejeitaremos a hipo´tese nula a um n´ıvel α de significaˆncia. Seja α = 0, 02 enta˜o encontraremos o valor de K . Sob H0 temos que P¯ ∼ Normal(0, 88; 0, 88× 0, 12 500 ) 17 / 19 Testes de hipo´teses sobre paraˆmetros α = P(Rejeitar H0 quando H0 e´ V ) = P(P¯ > K e pA = 0, 88) = P Z > K − 0, 88√ 0,88×0,12 500 ⇒ K − 0, 88√ 0,88×0,12 500 = zα ⇒ K = 0, 88 + 2, 053× √ 0, 88× 0, 12 500 ⇒ K = 0, 9099 Assim, se no experimento obtivermos 455 germinac¸o˜es ou mais teremos suporte (ou evideˆncia) para concluir que a nova cultivar fornece sementes com maior poder germinativo. 18 / 19 Testes de hipo´teses sobre paraˆmetros Exemplo: O besouro Rhynchophorus palmarum e´ uma das pragas mais frequentes do coqueiro. Em algumas plantac¸o˜es a infestac¸a˜o pode ser grave representando grandes perdas econoˆmicas. Caso medidas de controle na˜o forem aplicadas, a porcentagem de plantas infestadas e´ de 60%. Va´rias sa˜o as tentativas de controle desta praga sendo a inoculac¸a˜o do fungo Beauveria bassiana uma em estudo. Um experimento realizado com uma plantac¸a˜o de 200 palmas inoculadas com o fungo, numa regia˜o na qual 60% das plantas esta˜o atacadas, mostrou que, ao final de 2 anos, 115 delas estavam livres da praga. Esses resultados indicam alguma efica´cia do controle biolo´gico via esse fungo? 19 / 19
Compartilhar