Baixe o app para aproveitar ainda mais
Prévia do material em texto
Inferência Estatística para Duas Amostras Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas tem uma distribuição N(0, 1). Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas • Hipótese Nula: • Estatística de Teste: Hipótese Alternativa Critério de Rejeição Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Exemplo: Tempo de Secagem de uma Tinta Uma pessoa que desenvolve produtos está interessada em reduzir o tempo de secagem de um zarcão. Duas formulações de tinta são testadas; a formulação 1 tem uma química padrão e a formulação 2 tem um novo ingrediente para secagem, que deve reduzir o tempo de secagem. Da experiência, sabe-se que o desvio-padrão do tempo de secagem é igual a 8 minutos. E essa variabilidade inerente não deve ser afetada pela adição do novo ingrediente. Dez espécimes são pintados com a formulação 1 e outros dez espécimes são pintados com a formulação 2. Os vinte espécimes são pintados em uma ordem aleatória. Os tempos médios de secagem das duas amostras são x1 = 121 minutos e x2 = 112 minutos, respectivamente. Quais as conclusões que o idealizador de produtos pode tirar sobre a eficiência do novo ingrediente, usando a = 0,05? Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas H0: m1 – m2 = 0 ou m1 = m2 H1: m1 – m2 > 0 ou m1 > m2 • Estatística de Teste: 2,52 • (z0 = 2,52) > (z0,05 = 1,64) Rejeita H0, logo a adição do novo ingrediente à tinta reduz significativamente o tempo de secagem. • (Valor P = 0,005868) < (a = 0,05) Rejeita H0. Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas • Cálculo de P(erro tipo II) = b Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas • Tamanho de amostra (n1 = n2 = n) em função de b: Testes Bilaterais Testes Unilaterais Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas • Intervalo de Confiança: • Escolha do tamanho da amostra (n1 = n2 = n): Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Limites Unilaterais de Confiança: • Superior: • Inferior: Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Exercício 10-1: Considere o teste de hipóteses H0: m1 = m2 contra H1: m1 ≠ m2, com variâncias conhecidas s1 = 10 e s2 = 5. Suponha que os tamanhos de amostra sejam n1 = 10 e n2 = 15 e que x1 = 4,7 e x2 = 7,8. Use a = 0,05. Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Exercício 10-1: (a) Teste a hipótese e encontre o valor P. H0: m1 = m2 ou m1 – m2 = 0 H1: m1 ≠ m2 ou m1 – m2 ≠ 0 • Estatística de Teste: • (– z0,025 = – 1,96) < (z0 = – 0,9) < (z0,025 = 1,96) Falha em rejeitar H0, logo não há evidências para concluirmos que m1 ≠ m2. • (Valor P = 2 0,184060 = 0,368120) > (a = 0,05) Falha em rejeitar H0. Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Exercício 10-1: (b) Explique como o teste poderia ser conduzido com um intervalo de confiança. H0: m1 = m2 ou m1 – m2 = 0 H1: m1 ≠ m2 ou m1 – m2 ≠ 0 • Intervalo de Confiança: – 9,79 ≤ m1 – m2 ≤ 3,59 (m1 – m2 = 0) IC Falha em rejeitar H0. 2 2 2 2 1 2 10 5 10 5 (4,7 7,8) 1,96 (4,7 7,8) 1,96 10 15 10 15 m m Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Exercício 10-1: (c) Qual a potência do teste do item (a) para uma diferença verdadeira nas médias de 3? Potência = 1 – b = 1 – 0,86 = 0,14 ( ( ( 1 2 1 2 0 0 0,025 0,025 2 2 2 2 2 2 2 2 1 2 1 2 3 0 3 0 1,96 1,96 10 5 10 5 10 15 10 15 1,08 ( 2,83) 0,8599 0,002327 0,86 z z n n n n b s s s s Inferência na diferença de médias de duas distribuições Normais, variâncias conhecidas Exercício 10-1: (d) Considerando tamanhos iguais de amostras, que tamanho de amostra deveria ser usado para obter b = 0,05, se a diferença verdadeira nas médias fosse 3? Suponha a = 0,05. za/2 = 1,96; zb = 1,645; ( – 0) = 3 – 0 = 3 n 181 Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Caso 1: s1 2 = s2 2 = s2 • Estatística de Teste: tem uma distribuição t com n1 + n2 – 2 graus de liberdade. Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Caso 1: s1 2 = s2 2 = s2 • Hipótese Nula: Hipótese Alternativa Critério de Rejeição Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Caso 1: s1 2 = s2 2 = s2 • Intervalo de Confiança: Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Rendimento de um Catalisador Dois catalisadores estão sendo analisados para determinar como eles afetam o rendimento médio de um processo químico. Especificamente, o catalisador 1 está correntemente em uso, mas o catalisador 2 é aceitável. Uma vez que o catalisador 2 é mais barato, ele deve ser adotado, desde que não mude o rendimento do processo. Um teste é feito em uma planta piloto, resultando nos dados mostrado na Tabela a seguir. Há alguma diferença entre os rendimentos médios? Use α = 0,05 e considere variâncias iguais. Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Rendimento de um Catalisador Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Rendimento de um Catalisador Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Rendimento de um Catalisador H0: m1 – m2 = 0 ou m1 = m2 H1: m1 – m2 ≠ 0 ou m1 ≠ m2 • Estatística de Teste: Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Rendimento de um Catalisador • (– t0,025; 14 = – 2,145) < (t0 = – 0,35) < (t0,025; 14 = 2,145) Falha em rejeitar H0, logo não temos evidência forte para concluir que o catalisador 2 resulta em um rendimento médio que difere do rendimento médio quando o catalisador 1 é empregado. • (0,50 < Valor P < 0,80) > (a = 0,05) Falha em rejeitar H0. Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Rendimento de um Catalisador • (– t0,025; 14 = – 2,145) < (t0 = – 0,35) < (t0,025; 14 = 2,145) Falha em rejeitar H0, logo não temos evidência forte para concluir que o catalisador 2 resulta em um rendimento médio que difere do rendimento médio quando o catalisador 1 é empregado. • (0,50 < Valor P < 0,80) > (a = 0,05) Falha em rejeitar H0. Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Caso 2: s1 2 ≠ s2 2 • Estatística de Teste: tem uma distribuição t com graus de liberdade dados por: Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Caso 2: s1 2 ≠ s2 2 • Intervalo de Confiança: Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Arsênio em Água Potável A concentração de arsênio em suprimentospúblicos de água potável é um risco potencial à saúde. Um artigo no jornal Arizona Republic (Domingo, 27 de maio de 2001) reportou as concentrações em partes por bilhão (ppb), de arsênio em água potável para 10 comunidades metropolitanas de Fênix e 10 comunidades rurais do Arizona. Desejamos determinar se há alguma diferença nas concentrações médias de arsênio entre as comunidades metropolitanas de Fênix e as comunidades rurais do Arizona. Use α = 0,05. Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Arsênio em Água Potável Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Arsênio em Água Potável Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Arsênio em Água Potável H0: m1 – m2 = 0 ou m1 = m2 H1: m1 – m2 ≠ 0 ou m1 ≠ m2 • Estatística de Teste: Inferência na diferença de médias de duas distribuições Normais, variâncias desconhecidas Exemplo: Arsênio em Água Potável • (t0 = – 2,77) < (– t0,025; 13 = – 2,160) Rejeita H0, logo há uma forte evidência para concluir que a concentração média de arsênio na água potável na zona rural do Arizona seja diferente da concentração média de água potável na área metropolitana de Phoenix. • (0,01 < Valor P < 0,02) < (a = 0,05) Rejeita H0. Teste t Emparelhado • Hipótese Nula: • Estatística de Teste: Hipótese Alternativa Critério de Rejeição Teste t Emparelhado • Intervalo de Confiança: Teste t Emparelhado Exemplo: Resistência para Vigas de Aço Um artigo no Journal of Strain Analisys (Vol. 18, No. 2, 1983) compara vários métodos para prever a resistência ao cisalhamento em vigas planas de aço. Dados para dois desses métodos, os procedimentos de Karlsruhe e Lehigh, quando aplicados a nove vigas específicas, são mostrados na Tabela a seguir. Desejamos determinar se há qualquer diferença (na média) entre os dois métodos. Use α = 0,05. Teste t Emparelhado Exemplo: Resistência para Vigas de Aço n = 9 ; d = 0,2739; sD = 0,1350 Teste t Emparelhado Exemplo: Resistência para Vigas de Aço H0: mD = 0 H1: mD ≠ 0 • Estatística de Teste: 6,08 • (t0 = 6,08) > (t0,025; 8 = 2,306) Rejeita H0, logo há forte evidência de que os métodos de previsão da resistência fornecem resultados diferentes. • (Valor P < 0,001) < (a = 0,05) Rejeita H0. Inferência para as variâncias de duas distribuições Normais H0: s1 2 = s2 2 H1: s1 2 ≠ s2 2 Neste caso, utiliza-se a distribuição F. A variável aleatória F é definida como: sendo W e Y variáveis aleatórias independentes qui-quadrado, com u e v graus de liberdade, respectivamente. Inferência para as variâncias de duas distribuições Normais • Função densidade de probabilidade da distribuição F: Inferência para as variâncias de duas distribuições Normais Inferência para as variâncias de duas distribuições Normais • Hipótese Nula: • Estatística de Teste: Hipótese Alternativa Critério de Rejeição Inferência para as variâncias de duas distribuições Normais • Intervalo de Confiança: Inferência para as variâncias de duas distribuições Normais Exemplo: Variabilidade em Pastilhas de Semicondutores Camadas de óxidos em pastilhas de semicondutores são atacadas com uma mistura de gases, de modo a atingir a espessura apropriada. A variabilidade na espessura dessas camadas de óxidos é uma característica crítica da pastilha. Uma baixa variabilidade é desejada para as etapas subsequentes do processo. Duas misturas diferentes de gases estão sendo estudadas para determinar se uma delas é superior na redução da variabilidade de espessura das camadas de óxido. Dezesseis pastilhas são atacadas com cada gás. Os desvios-padrão da espessura de óxido são s1 = 1,96 angstroms e s2 = 2,13 angstroms, respectivamente. Há qualquer evidência que indique ser um gás preferível em relação ao outro? Use um teste de nível fixo, considerando α = 0,05. Inferência para as variâncias de duas distribuições Normais Exemplo: Variabilidade em Pastilhas de Semicondutores H0: s1 2 = s2 2 H1: s1 2 ≠ s2 2 • Estatística de Teste: f 0 = s1 2/s2 2 = 3,84/4,54 = 0,85 • (f0,975; 15; 15 = 0,35) < (f0 = 0,85) < (f0,025; 15; 15 = 2,86) Falha em rejeitar H0, logo não há evidência forte para indicar um gás que resulte em uma variância da espessura de óxido menor. Inferência de proporções de duas populações H0: p1 = p2 H1: p1 ≠ p2 • Estatística de Teste para amostras grandes: Inferência de proporções de duas populações H0: p1 = p2 H1: p1 ≠ p2 • Se H0: p1 = p2 for verdadeira, ou seja, p1 = p2 = p: Inferência de proporções de duas populações • Hipótese Nula: • Estatística de Teste: Hipótese Alternativa Critério de Rejeição Inferência de proporções de duas populações • Intervalo de Confiança: Inferência de proporções de duas populações Exemplo: Erva-de-São-João Extratos de erva-de-são-joão são largamente usados para tratar depressão. Um artigo na edição de 18 de abril de 2001 da revista Journal of the American Medical Association comparou a eficácia de um extrato-padrão de erva-de- são-joão com um placebo em 200 pacientes diagnosticados com depressão unipolar. Pacientes foram designados aleatoriamente em dois grupos: um grupo recebeu a erva-de-são-joão e o outro recebeu placebo. Depois de 8 semanas, 19 dos pacientes tratados com placebo mostraram melhoria, enquanto 27 daqueles tratados com a erva-de-são-joão melhoraram. Há alguma razão para acreditar que a erva-de-são-joão seja efetiva no tratamento de depressão unipolar? Use α = 0,05. Inferência de proporções de duas populações Exemplo: Erva-de-São-João H0: p1 = p2 H1: p1 ≠ p2 • Estatística de Teste: 1,34 • (– z0,025 = – 1,96) < (z0 = 1,34) < (z0,025 = 1,96) Falha em rejeitar H0, logo não há evidência suficiente para confirmar que a erva-de-são-joão seja efetiva no tratamento de depressão unipolar. • (Valor P = 2 0,090123 = 0,180246) > (a = 0,05) Falha em rejeitar H0.
Compartilhar