Objetivo

Ao final deste grupo de slides os alunos deverão ser capazes

de:
Aplicar os 5 passos para formulação e condução de um teste
de hipóteses para uma:
i. média populacional no caso em que a variância
populacional é desconhecida;
ii. proporção populacional;
iii. variância populacional.
Teste de Hipóteses
Aula 23b

BUSSAB e MORETTIN, 2004, 5a ed., Capítulo 12

MEYER, 1983, 2a ed., Capítulo 15
 Teste de Hipóteses para
1 Média Populacional

Caso 2: variância populacional desconhecida

 Exemplo 1
O ministro da saúde desconfia que certa marca de
cigarros apresenta, em média, mais de 0,60 mg de
nicotina em sua composição. Sorteados 25 cigarros, ao
acaso, da produção de um determinado dia, a média
observada foi de 0,72 mg com um desvio padrão
associado de 0,08 mg. Adotando um nível de
significância de 1% e fazendo todas as suposições
necessárias, qual será a conclusão deste teste?

4
Estatística de Teste e RC
Vamos considerar a seguinte hipótese nula:

H 0 :   0

Vimos que um estimador com boas propriedades para o

parâmetro  é X .

Supondo que a população de interesse seja normalmente

distribuída com média  e variância 2, então

 2 
X ~ N   , 
 n 
Ainda,

X 
~ N 0, 1

n
Porém, a quantidade anterior não pode ser usada como
estatística de teste pois  e  são parâmetros desconhecidos.

Todavia, sob a hipótese nula, vem que

X  μ0
z ~ N( 0 ,1 )
σ
n
Entretanto, z também não pode ser considerada uma estatística
de teste, uma vez que  é desconhecido.
Mas, utilizando o estimador S2 para 2 e supondo que uma a.a.s.
tenha sido coletada de uma v.a. de interesse normalmente
distribuída, temos, então, sob H0, que

X  0
t ~ t( n 1)
S
n

pode ser considerada uma estatística de teste.

Dessa forma, sob a hipótese nula, podemos facilmente calcular
valor da estatística t.

Ainda, para concluir o teste, precisamos construir a RC e verificar

se o valor de t pertence ou não à RC.

Apenas para lembrar, a RC é construída de modo que:

P(t  RC | H 0 é verdadeira)   .

É importante ressaltar que a localização da RC depende das hipóteses

formuladas (olhar para o sentido de HA).
 Teste Unicaudal à direita
H0 :  =  o
HA :  >  o

Estatística do teste (sob H0)

x  0
t obs 
s
n

Regra de rejeição, ao nível  de significância

( )
Rejeito H0 se tobs  t n 1
 Teste Unicaudal à esquerda
H0 :  =  o
HA :  <  o

Estatística do teste (sob H0)

x  0
t obs 
s
n

Regra de rejeição, ao nível  de significância

Rejeito H0 se tobs  t n(1)

 Teste Bicaudal
H0 :  =  o
HA :    o

Estatística do teste (sob H0)

x  0
t obs 
s
n

Regra de rejeição, ao nível  de significância

( / 2 )
Rejeito H0 se tobs  t n 1
 Voltando ao Exemplo 1
O ministro da saúde desconfia que certa marca de
cigarros apresenta, em média, mais de 0,60 mg de
nicotina em sua composição. Sorteados 25 cigarros, ao
acaso, da produção de um determinado dia, a média
observada foi de 0,72 mg com um desvio padrão
associado de 0,08 mg. Adotando um nível de
significância de 1% e fazendo todas as suposições
necessárias, qual será a conclusão deste teste?

13
 Resolução do Exemplo 1
H0 :  = 0,60
HA :  > 0,60

Estatística do teste (sob H0)

0,72  0,60
t obs   7,5
0,08
25

Como tobs > tcrítico (2,492), os resultados amostrais trazem

evidências para rejeitarmos a hipótese nula. Ou seja, os dados
corroboram com a desconfiança do ministro da saúde.
graus de liberdade: v
Distribuição t-Student
Corpo da tabela fornce os valores tc tais que P(-tc < t < tc) = 1 - p

90% 80% 70% 60% 50% 40% 30% 20% 10% 5% 4% 3% 2% 1% 0,50% 0,25% 0,10%
1 0,158 0,325 0,510 0,727 1,000 1,376 1,963 3,078 6,314 12,706 15,895 21,205 31,821 63,657 127,321 254,647 636,619
2 0,142 0,289 0,445 0,617 0,816 1,061 1,386 1,886 2,920 4,303 4,849 5,643 6,965 9,925 14,089 19,962 31,599
3 0,137 0,277 0,424 0,584 0,765 0,978 1,250 1,638 2,353 3,182 3,482 3,896 4,541 5,841 7,453 9,465 12,924
4 0,134 0,271 0,414 0,569 0,741 0,941 1,190 1,533 2,132 2,776 2,999 3,298 3,747 4,604 5,598 6,758 8,610
5 0,132 0,267 0,408 0,559 0,727 0,920 1,156 1,476 2,015 2,571 2,757 3,003 3,365 4,032 4,773 5,604 6,869
6 0,131 0,265 0,404 0,553 0,718 0,906 1,134 1,440 1,943 2,447 2,612 2,829 3,143 3,707 4,317 4,981 5,959
7 0,130 0,263 0,402 0,549 0,711 0,896 1,119 1,415 1,895 2,365 2,517 2,715 2,998 3,499 4,029 4,595 5,408
8 0,130 0,262 0,399 0,546 0,706 0,889 1,108 1,397 1,860 2,306 2,449 2,634 2,896 3,355 3,833 4,334 5,041
9 0,129 0,261 0,398 0,543 0,703 0,883 1,100 1,383 1,833 2,262 2,398 2,574 2,821 3,250 3,690 4,146 4,781
10 0,129 0,260 0,397 0,542 0,700 0,879 1,093 1,372 1,812 2,228 2,359 2,527 2,764 3,169 3,581 4,005 4,587
11 0,129 0,260 0,396 0,540 0,697 0,876 1,088 1,363 1,796 2,201 2,328 2,491 2,718 3,106 3,497 3,895 4,437
12 0,128 0,259 0,395 0,539 0,695 0,873 1,083 1,356 1,782 2,179 2,303 2,461 2,681 3,055 3,428 3,807 4,318
13 0,128 0,259 0,394 0,538 0,694 0,870 1,079 1,350 1,771 2,160 2,282 2,436 2,650 3,012 3,372 3,735 4,221
14 0,128 0,258 0,393 0,537 0,692 0,868 1,076 1,345 1,761 2,145 2,264 2,415 2,624 2,977 3,326 3,675 4,140
15 0,128 0,258 0,393 0,536 0,691 0,866 1,074 1,341 1,753 2,131 2,249 2,397 2,602 2,947 3,286 3,624 4,073
16 0,128 0,258 0,392 0,535 0,690 0,865 1,071 1,337 1,746 2,120 2,235 2,382 2,583 2,921 3,252 3,581 4,015
17 0,128 0,257 0,392 0,534 0,689 0,863 1,069 1,333 1,740 2,110 2,224 2,368 2,567 2,898 3,222 3,543 3,965
18 0,127 0,257 0,392 0,534 0,688 0,862 1,067 1,330 1,734 2,101 2,214 2,356 2,552 2,878 3,197 3,510 3,922
19 0,127 0,257 0,391 0,533 0,688 0,861 1,066 1,328 1,729 2,093 2,205 2,346 2,539 2,861 3,174 3,481 3,883
20 0,127 0,257 0,391 0,533 0,687 0,860 1,064 1,325 1,725 2,086 2,197 2,336 2,528 2,845 3,153 3,455 3,850
21 0,127 0,257 0,391 0,532 0,686 0,859 1,063 1,323 1,721 2,080 2,189 2,328 2,518 2,831 3,135 3,432 3,819
22 0,127 0,256 0,390 0,532 0,686 0,858 1,061 1,321 1,717 2,074 2,183 2,320 2,508 2,819 3,119 3,412 3,792
23 0,127 0,256 0,390 0,532 0,685 0,858 1,060 1,319 1,714 2,069 2,177 2,313 2,500 2,807 3,104 3,393 3,768
24 0,127 0,256 0,390 0,531 0,685 0,857 1,059 1,318 1,711 2,064 2,172 2,307 2,492 2,797 3,091 3,376 3,745
25 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,316 1,708 2,060 2,167 2,301 2,485 2,787 3,078 3,361 3,725
26 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,315 1,706 2,056 2,162 2,296 2,479 2,779 3,067 3,346 3,707
27 0,127 0,256 0,389 0,531 0,684 0,855 1,057 1,314 1,703 2,052 2,158 2,291 2,473 2,771 3,057 3,333 3,690
28 0,127 0,256 0,389 0,530 0,683 0,855 1,056 1,313 1,701 2,048 2,154 2,286 2,467 2,763 3,047 3,321 3,674
29 0,127 0,256 0,389 0,530 0,683 0,854 1,055 1,311 1,699 2,045 2,150 2,282 2,462 2,756 3,038 3,310 3,659
 Teste de Hipóteses
para
1 Proporção Populacional

Seção 12.6 – Bussab e Morettin

 Exemplo 2
Uma amostra aleatória de eleitores registrados
em um distrito eleitoral acusou o seguinte
resultado: de 100 eleitores, 60 apóiam
determinado projeto. O que se pode concluir
sobre a aprovação deste projeto, sabendo que
são necessários mais do que 50% dos votos
favoráveis? Utilize  = 10%.
17
 Distribuição amostral

p1  p 
Ep
ˆ  p  ˆ  Varp  
2 ˆ
p n

Aproximação para grandes amostras:

p̂  p
 N 0;1
p1  p 
n
18
 Teste de Hipóteses
H0: p = p0

Sob H0, p = p0, assim:

2 p0 1  p0 
ˆ 
p n

p̂  p 0
Z obs   N 0 , 1
p 0 1  p 0 
n 19
 Teste de Hipóteses
O problema fornece informações sobre a alternativa,
que pode ter uma das três formas a seguir:

H A: p  p0 H A: p  p0

H A: p  p0

20
 Voltando ao Exemplo 2
Uma amostra aleatória de eleitores registrados
em um distrito eleitoral acusou o seguinte
resultado: de 100 eleitores, 60 apóiam
determinado projeto. O que se pode concluir
sobre a aprovação deste projeto, sabendo que
são necessários mais do que 50% dos votos
favoráveis? Utilize  = 10%.
21
 Resolução
𝐻0 : 𝑝 ≤ 0,50
𝐻𝐴 : 𝑝 > 0,50

60   0,10  z0,10  1,29

pˆ obs   0,60
100 RC  {zobs  1,29}

Sob H0
pˆ obs  p0 0,60  0,50
zobs    2,00
p0 1  p0  0,501  0,50 
n 100

zobs  RC  rej22. H 0
 Resolução
𝐻0 : 𝑝 ≤ 0,50
𝐻𝐴 : 𝑝 > 0,50

Sob H0
p 1  p0  0,501  0,50 
pˆ crítico  p0  z . 0  0,50  1,29.  0,57
 n  100


RC  { pˆ obs  pˆ crítico }  { pˆ obs  0,57}

60
pˆ obs   0,60 pˆ obs  RC  rej. H 0
100
23
 Resolução
𝐻0 : 𝑝 ≤ 0,50
𝐻𝐴 : 𝑝 > 0,50
 
 
0,60  0,50 
valor  p  P ( pˆ obs  0,60 | p  0,50)  P Z  
 0,501  0,50  
 
 100 

 P ( Z  2,00)  0,0228 <  (= 0,10)  rej. H0.

 Tabela
(ANPEC)
 Teste de Hipóteses
para
1 Variância Populacional

Seção 12.9 – Bussab e Morettin

 Exemplo
O senhor Fujisima, gerente do restaurante Bom de Garfo,

desconfia que o desvio padrão do tempo de atendimento no

caixa, no horário do almoço, seja inferior a 3 minutos. Para

verificar veracidade de tal crença, uma amostra aleatória de

23 tempos de serviço foi analisada e o resultado observado

para o desvio padrão foi de 2,1 minutos. Adotando um nível

de significância de 10%, o que pode ser dito sobre a

desconfiança do gerente do restaurante?

1º. passo

Passos para Construção de um Teste de Hipóteses

Temos uma variável aleatória de interesse e uma hipótese

sobre o parâmetro 2, que denota a verdadeira variância da
variável de interesse.

A hipótese nula afirmará que essa variância é igual a um

determinado valor, digamos 02.

Assim

H0: 2 = 02
(1º. Passo)
28
1º. passo

Passos para Construção de um Teste de Hipóteses

A hipótese alternativa mais geral seria

H A :  2   02

Poderíamos, ainda, ter alternativas da forma

H A :  2   02 ou H A :  2   02

dependendo das informações que o problema traz.

29
2º. passo

Passos para Construção de um Teste de Hipóteses

De acordo com resultados vistos em aulas anteriores,

(n  1 ) S 2
~ χ 2
 n 1
σ 2

Todavia, a quantidade anterior não é uma estatística, pois 2

é um parâmetro desconhecido.

Por outro lado, sob H0

(n  1 ) S 2
χ 2
obs  ~ χ 2
 n 1
σ 02

Desde que a variável de interesse (X) seja normalmente distribuída e as

unidades amostrais tenham sido coletadas ao acaso da população.
3º. passo

Passos para Construção de um Teste de Hipóteses

Assim, sob a hipótese nula, podemos facilmente calcular o valor

2
da estatística 𝜒𝑜𝑏𝑠 .

Para concluir o teste, precisamos (i) construir a RC e (ii) verificar

2
se o valor de 𝜒𝑜𝑏𝑠 pertence ou não à RC.

Vale lembrar que a região crítica é construída de modo que

P( obs
2
 RC | H 0 é verdadeira)   .

A localização da RC depende das hipóteses formuladas (olhar para o

sentido de HA).
31
3º. passo

Passos para Construção de um Teste de Hipóteses

Levando-se em conta a formulação da hipótese alternativa,

teremos evidências para rejeitarmos H0 se
 (n2 1) RC  0; q1 




q1
Teste unicaudal à esquerda
3º. passo

Passos para Construção de um Teste de Hipóteses

Levando-se em conta a formulação da hipótese alternativa,

teremos evidências para rejeitarmos H0 se
 (n2 1) RC  q2 ; 

 

q2

Teste unicaudal à direita

3º. passo

Passos para Construção de um Teste de Hipóteses

Levando-se em conta a formulação da hipótese alternativa,

teremos evidências para rejeitarmos H0 se
 (n2 1) RC  0; q1   q2 ; 


2

 2

q1 q2
Teste bicaudal
3º. e 4º. passos

Passos para Construção de um Teste de Hipóteses

4º.Passo: Use as informações fornecidas pela amostra para

encontrar o valor da estatística que definirá a decisão.

5º.Passo: Se o valor da estatística, observado na amostra,

pertencer à região crítica, rejeite H0; caso contrário,
não rejeite.
 Voltando ao Exemplo
O senhor Fujisima, gerente do restaurante Bom de Garfo,

desconfia que o desvio padrão do tempo de atendimento no

caixa, no horário do almoço, seja inferior a 3 minutos. Para

verificar veracidade de tal crença, uma amostra aleatória de

23 tempos de serviço foi analisada e o resultado observado

para o desvio padrão foi de 2,1 minutos. Adotando um nível

de significância de 10%, o que pode ser dito sobre a

desconfiança do gerente do restaurante?

 Resolução (via RC)
H0 : 2  9
H A : 2  9

Neste caso, 𝑹𝑪 = 𝟎; 𝒒𝟏

Adotando  = 0,10, vem que

q1  14,04

Assim, RC  0 ; 14,04
 Resolução (via RC)
H0 : 2  9
H A : 2  9

Sob a hipótese nula,

(n  1) S 2 (23  1).2,1
2
 obs
2
   10,78
 02 9

E como,  obs
2
 RC

Verificamos que H0 deve ser refutada.

 Resolução (via RC)
H0 : 2  9
H A : 2  9

Conclusão: A 10% de significância a amostra trouxe

evidências para refutarmos a hipótese nula, uma
vez que  obs
2
 RC . Dessa forma, podemos concluir,
com 90% de confiança, que a desconfiança do
senhor Fujisima procede.
 Exercício
Indique se as seguintes considerações sobre a teoria dos testes
de hipótese são verdadeiras (V) ou falsas (F).

Ⓞ O erro do tipo II é definido como a probabilidade de não se

rejeitar uma hipótese nula quando esta for falsa e o erro do tipo
I é definido como a probabilidade de se rejeitar a hipótese nula
quando esta for verdadeira.
(falso, porém, anulada pela ANPEC)

① No teste de hipótese para proporções, se a variância da

proporção populacional for desconhecida, a estatística t de
Student com n-1 graus de liberdade (n é o tamanho da
amostra) é a indicada para o teste.
40
(falso)
 Exercício (cont.)
Indique se as seguintes considerações sobre a teoria dos testes
de hipótese são verdadeiras (V) ou falsas (F).

②Não se pode realizar um teste de hipótese para a variância

populacional pois a estatística do teste, que segue uma
distribuição Qui-quadrado com n -1 graus de liberdade (n é
tamanho da amostra), não é simétrica.
(falso)

③ No teste de hipótese para a média

H0:  = 0 contra HA:   0
ao nível de significância , se o intervalo de confiança com 1-
de probabilidade não contiver  = 0, não se poderá rejeitar H0.
(falso)