Índice
1. Introdução............................................................................................................. 2
2. Metodologia do contrate de hipóteses .................................................................. 2
3. Tipos de erros nos testes de hipóteses .................................................................. 4
4. Testes de hipóteses clássicos ................................................................................ 7
4.1 Testes acerca da média de uma amostra....................................................... 7
4.1.2 Caso 1: A variância da população é conhecida ........................................ 7
Cálculo da probabilidade limite.......................................................................... 14
Cálculo da potência do teste ............................................................................... 15
4.1.2 Caso 2: Variância Desconhecida ou Amostras de Pequenas Amostras.. 19
Determinação do tamanho da amostra.................................................................... 24
4.2 Comparação das médias de duas amostras independentes ............................... 27
4.2.1 Teste de homogeneidade de duas variâncias .......................................... 28
4.2.2 Intervalo de confiança para a diferença de duas médias ............................... 29
4.2.3 Estimativa do tamanho das amostras............................................................. 30
4.3 Comparação das médias de duas amostras emparelhadas ................................ 34
4.4 Comparação de duas proporções ................................................................ 37
Exercícios propostos............................................................................................... 40
Bibliografia............................................................................................................. 43
IPCB 2005/2006 1
Testes de hipóteses
TESTES DE HIPÓTESES
1. Introdução
A hipótese alternativa de um teste de hipóteses não é única; por exemplo, num teste de
hipóteses clássico de comparação de duas médias, a hipótese nula é H 0 : x1 = x2 (que
IPCB 2005/2006 2
Testes de hipóteses
A definição da hipótese nula não é mero acaso, mas está condicionada aos pressupostos
estatísticos inerentes ao teste estatístico que se vai a realizar; isto é, e reportando-nos de
novo ao teste de comparação de duas médias, a hipótese nula será H 0 : x1 = x2 , e não
poderá ser H 0 :x1 ≠ x2 , pois o teste estatístico que se vai a utilizar na decisão tem como
pressuposto que sob a hipótese de se ter x1 − x2 = 0 , então as estatísticas que se
calculam para auxiliar na decisão seguem uma determinada função de distribuição de
probabilidades.
IPCB 2005/2006 3
Testes de hipóteses
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1 1-α
α /2 α /2
0.05
0
-t c tc
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
Região de ac eitaç ão de Ho
Região c rític a Região c rític a
H 0 : x A = xB H 1 : x A ≠ xB
Consideremos que foi definida a região de aceitação, tal que a hipótese nula é aceite se a
estatística de teste estiver no intervalo T ∈ [ −2.101; 2.101] , correspondente a um nível
de significância de 5% e a duas amostras cada uma com 10 observações.
Após recolher as duas amostras, em que dois dos valores da amostra A eram
anormalmente elevados quando comparados com os restantes oito valores da amostra A,
estes muito parecidos aos 10 elementos da amostra B, pode acontecer ter-se chegado a
um valor da estatística de teste T = 2.25 (exactamente devido a esses dois valores fora
IPCB 2005/2006 4
Testes de hipóteses
do comum) que, pela regra de decisão acima indicada, conduz à rejeição da hipótese
nula.
Isto é, quando a maior parte dos valores das duas amostras parecem indicar que as duas
amostras são muito iguais, não havendo razão para as considerar distintas, o facto de
numa delas existirem alguns valores anómalos pode levar à rejeição errónea da hipótese
nula, não porque as amostras não sejam iguais, mas antes, provavelmente, por uma
amostragem deficiente.
Erros do tipo I: consiste em rejeitar a hipótese nula, quando na realidade ele é válida;
Erros do tipo II: consiste em não rejeitar a hipótese nula quando na realidade é falsa.
De um modo esquemático:
As probabilidades de, num teste estatístico, cometer algum destes dois tipos de erros,
são geralmente designadas por α e β , respectivamente:
Como atrás se referiu, num teste de hipóteses geralmente especifica-se à priori um valor
para a probabilidade de cometer um erro do tipo I, e de seguida conduz-se o teste de
IPCB 2005/2006 5
Testes de hipóteses
modo a que se minimize a probabilidade de erro do tipo II, pelo menos para algum valor
do parâmetro no qual o teste se baseia.
IPCB 2005/2006 6
Testes de hipóteses
x − µ0
σx
i) Teste bilateral: H 0 : µ = µ0 H1 : µ ≠ µ 0
ii) Teste unilateral direito: H 0 : µ = µ0 H1 : µ > µ 0
iii) Teste unilateral esquerdo: H 0 : µ = µ0 H1 : µ < µ 0
x − µ0 x − µ0
Z= = ∼ Ν ( 0;1) )
σx σ
N
IPCB 2005/2006 7
Testes de hipóteses
Assim, para o teste bilateral, tendo fixado um nível de α = 5% , a acontecer erro de tipo
I, este pode acontecer ou bem porque se rejeite H 0 quando o valor da média amostral é
muito superior à média populacional, ou bem porque se rejeite H 0 quando o valor da
média amostral é muito inferior à média populacional. Isto é, a região crítica é definida
em ambas as caudas da curva da distribuição, o que significa que os valores da
estatística de teste que levam à rejeição da hipótese nula devem estar mais afastados (em
qualquer das extremidades) do valor médio da curva da distribuição normal Ν ( 0,1) do
que o valor crítico Z c tal que:
Pr ( Z > Z c ) = α = 0.05
Pr ( Z < −Z c ) + Pr ( Z > Z c ) = α = 0.05
2,5% 2,5%
ou seja:
Pr ( Z < Z c ) = 0.975
Nota: convém efectuar esta passagem, pois os programas estatísticos, bem como
algumas das tabelas da distribuição normal, apresentam os valores de função
de distribuição cumulativa.
IPCB 2005/2006 8
Testes de hipóteses
97.5%
1,96
Isto é, o valor crítico que define a região de rejeição e de aceitação da hipótese nula é o
valor Z c = 1.96 ; assim, se o valor da estatística de teste for superior (em valor absoluto)
ao valor crítico, deve rejeitar-se a hipótese nula; caso contrário, não se rejeita, isto é:
IPCB 2005/2006 9
Testes de hipóteses
µ ∈ [ x ± Zα .σ x ]
σ
µ ∈ x ± Zα .
N
σ σ
µ ∈ x − Zα . ; x + Zα .
N N
Para grandes amostras ( N > 30 ), mesmo que σ 2 não seja conhecida, tendo de estimar-
se pela variância amostral, a expressão anterior transforma-se em:
µ ∈ [ x ± Zα .sx ]
s
µ ∈ x ± Zα .
N
s s
µ ∈ x − Zα . ; x + Zα .
N N
Pr ( Z < Z c ) = 0.95
IPCB 2005/2006 10
Testes de hipóteses
95%
1.645
IPCB 2005/2006 11
Testes de hipóteses
Exemplo:
H 0 : x = 10 mg / m3 H1 : x ≠ 10 mg / m3
x − µ0
Z= ∼ Ν ( 0,1)
σx
IPCB 2005/2006 12
Testes de hipóteses
∑x i
Com base na amostra, estima-se a média amostral ( x = = 10.429 ) que se pretende
i =1
18
comparar com a média de referência ( µ0 = 10 mg / m3 ), e de seguida calcula-se a
estatística de teste:
x − µ0 10.429 − 10
Z= = = 1.788
σx 0.24
Como (Z = 1.788 ) < ( Z c = 1.96 ) , isto é, o valor da estatística de teste está dentro da
região de aceitação, conclui-se que não há evidência estatística para rejeitar a hipótese
nula, isto é, concluímos que se deve aceitar que a concentração média de monóxido de
carbono, medida neste dia, não difere da concentração média de referência.
µ ∈ [ x ± Zα .σ x ]
µ ∈ [10.429 ± 1.96 × .24]
µ ∈ [9.9586;10.8994]
H 0 : x = 10 mg / m3 H1 : x > 10 mg / m3
Como a estatística de teste é Z=1.788, conclui-se que se deverá rejeitar a hipótese nula,
ou seja, deve concluir-se que, aparentemente, neste dia a concentração de monóxido de
carbono é superior ao valor médio de referência.
IPCB 2005/2006 13
Testes de hipóteses
Note-se que parece haver uma contradição na decisão tomada, conforme se opte por
efectuar um teste bilateral ou um teste unilateral. Assim, é da responsabilidade do
investigador decidir previamente os seus objectivos, de modo a evitar esta aparente
ambiguidade da Estatística. Recordemo-nos que os testes de hipóteses, tal como todas
as metodologias estatísticas, são meras ferramentas de apoio ao investigados, e não um
substituto do investigador.
IPCB 2005/2006 14
Testes de hipóteses
valor este que leva à rejeição da hipótese nula para qualquer nível de significância
superior a 3.7%.
sendo:
IPCB 2005/2006 15
Testes de hipóteses
xc = µ ± Z .σ x
De seguida, com base no novo valor presumido para a média, calcula-se a probabilidade
de rejeição da hipótese nula se o valor da média fosse µ1 = 9 :
D modo igual podemos calcular a potência do teste para outros valores presumidos para
a média. Por exemplo, quando µ1 = 9.5 :
Para µ1 = µ0 = 10 :
1− β = Pr ( nao rejeitar H 0 | H 0 Falsa, com µ1 = 10 )
= Pr ( µ < 9.5296 ou µ > 10.4704, com µ1 = 10 )
9.5296 − 10 10.4704 − 10
= Pr Z < + Pr Z >
0.24 0.24
= Pr ( Z < −1.96 ) + Pr ( Z > 1.96 )
= 0.025 + 0.025
= 0.05
IPCB 2005/2006 16
Testes de hipóteses
Isto é, para o verdadeiro valor da média, a potência do teste 1 − β coincide com o nível
de significância α do teste. Note-se que quanto mais afastado se encontra um valor da
verdadeira média, mais potente é o teste, isto é, maior é a probabilidade de o teste
rejeitar a hipótese nula, quando a hipótese nula é falsa.
IPCB 2005/2006 17
Testes de hipóteses
Power Curve
1
0,8
Power
0,6
0,4
0,2
0
-0,48 -0,28 -0,08 0,12 0,32 0,52
True Mean
Po tê n cia
0,8
0,6
0,4
0,2
0
-1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1
µ 1 -µ 0
IPCB 2005/2006 18
Testes de hipóteses
0,8
0,6
0,4
0,2
0
-1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1
µ 1 -µ 0
Tal como no caso anterior, realização deste teste de hipóteses pressupõe a realização de
uma amostra de tamanho N, para estimar o valor da média da população; pretende-se
testar se esta estimativa é o verdadeiro valor da média da população, µ0 . Esta é a
situação mais realista, em que não se conhece a priori o valor da variância da população,
mas em que terá de estimar-se (tal como a média) a partir da amostra. Para pequenas
amostras, digamos N < 30 , que é a situação mais frequente em testes de hipóteses nas
áreas das Ciências Agrárias, normalmente não se conhece a variância da população, de
modo que se deverá utilizar esta metodologia.
N
2
∑ xi 1 N 2
1 N 2 i =1
s =
2
∑
N − 1 i =1
xi −
N
= ∑
N − 1 i =1
xi − N .x 2
i) Teste bilateral: H 0 : µ = µ0 H1 : µ ≠ µ 0
ii) Teste unilateral direito: H 0 : µ = µ0 H1 : µ > µ 0
iii) Teste unilateral esquerdo: H 0 : µ = µ0 H1 : µ < µ 0
Se a hipótese nula é válida, a estatística de teste segue uma distribuição t-Student com
N − 1 graus de liberdade:
IPCB 2005/2006 19
Testes de hipóteses
x − µ0 x − µ0
T= = ∼ t(α ; N −1)
sx s
N
A região de aceitação e a região crítica do teste são definidas pela distribuição t-Student,
para um determinado nível de significância e para N − 1 graus de liberdade. Esta
distribuição tem uma forma muito aproximada à distribuição normal, tanto mais
próxima da normal quanto maior for o tamanho da amostra. De um modo geral, para
amostras de grande dimensão ( N > 30 ), a curva da distribuição t-Student praticamente
coincide com a curva da distribuição normal estandardizada, sendo praticamente iguais
as probabilidades definidas pelas duas distribuições.
Se a estatística de teste fica na região crítica do teste, deve rejeitar-se a hipótese nula;
caso contrário, não há evidência estatística para rejeitar H 0 . A decisão também pode ser
feita pelo valor da probabilidade limite:
( )
Pr T > tα ; N −1 = α = 0.05
Pr (T < −tα ; N −1 ) + Pr (T > tα ; N −1 ) = α = 0.05
2,5 2,5
-t t
IPCB 2005/2006 20
Testes de hipóteses
s s s
µ ∈ x ± t(α ; N −1) .sx = x ± t(α ; N −1) . = x − t(α ; N −1) . ; x + t(α ; N −1) .
N N N
α = 5%
t= -1.740
Pr (T < tα ; N −1 ) = α = 0.05
IPCB 2005/2006 21
Testes de hipóteses
Exemplo:
H 0 : x = 10 H1 : x ≠ 10
IPCB 2005/2006 22
Testes de hipóteses
18
∑x i
x= i =1
= 10.429
18
N
2
∑ xi
1 N 2 i =1 1 187.732
s =
2
∑i
N − 1 i =1
x −
N
=
17
1958.251 −
18
= 0.0195
A estatística de teste é:
x − µ0 ( x − µ0 ) N (10.429 − 10 ) 18
T= = = = 13.034
s s 0.0195
N
Para proceder ao teste unilateral, basta comparar T = 13.034 com o valor t crítico
anteriormente calculado, t( 0.05;17 ) = 1.740 . Não nos restam dúvidas que neste dia a
concentração de monóxido de carbono é significativamente superior ao valor de
referência µ0 = 10 .
IPCB 2005/2006 23
Testes de hipóteses
Isto é, a probabilidade de que, sendo verdadeira a hipótese nula, se tenha uma estatística
de teste tão elevada quanto a obtida, é praticamente nula ( p − value = 2.81E − 10 ≈ 0 ).
Uma questão frequente é “qual deve ser o tamanho da amostra para se obter uma
determinada precisão?”. A resposta a esta questão está relacionada com o conceito de
intervalo de confiança: um intervalo de confiança expressa a precisão de uma estatística
amostral, sendo a precisão maior quando o intervalo de confiança é mais estreito, e isto
consegue-se aumentando o tamanho da amostra.
s
µ ∈ x ± t(α ; N −1) .sx = x ± t(α ; N −1) . = [x ± d ]
N
t(α ; N −1) .s
em que a parcela d = representa a semiamplitude do intervalo de confiança.
N
Repare-se que d varia na razão inversa da raiz quadrada do tamanho da amostra: quanto
maior for a amostra, menor será a amplitude do intervalo, logo maior será a precisão da
média.
IPCB 2005/2006 24
Testes de hipóteses
s2
( )
2
N= . t(α ; N −1) + t( β ; N −1)
δ 2
Exemplo:
Z 0.05
2
.s 2 1.962 × 0.0195
N* = = = 30
d2 0.052
IPCB 2005/2006 25
Testes de hipóteses
t 20.05; N * −1 .s 2
( ) 2.0452 × 0.0195
N =
*
= = 32
d2 0.052
2.0402 × 0.0195
N =
*
= 33
0.052
2.037 2 × 0.0195
N =
*
= 33
0.052
Para a segunda iteração já dispomos de uma estimativa de N que nos permite estimar os
graus de liberdade e os quantis da distribuição t-Student t( 0.05;29) = 2.045 :
IPCB 2005/2006 26
Testes de hipóteses
H 0 : x A = xB + δ 0 H 1 : x A ≠ xB + δ 0
que é equivalente a:
H 0 : x A − xB = δ 0 H 1 : x A − xB ≠ δ 0
em que δ 0 é a diferença entre as médias das duas amostras. O mais habitual é pretender-
se verificar se as duas médias são iguais, situação em que δ 0 = 0 , sendo então as
expressões dos testes de hipóteses:
H 0 : x A = xB H 1 : x A ≠ xB
que é equivalente a:
H 0 : x A − xB = 0 H 1 : x A − xB ≠ 0
ou:
A estatística de teste é:
1
Se a população de onde as amostras foram retiradas viola o pressuposto da distribuição normal, a
validade do teste pode estar comprometida. Nesta situação, é preferível efectuar um teste não paramétrico,
que exige o pressuposto da distribuição normal.
IPCB 2005/2006 27
Testes de hipóteses
T=
( x A − xB ) − δ 0
s A2 s2
+ B
N A NB
Como geralmente δ 0 = 0 :
T=
( x A − xB )
s A2 sB2
+
N A NB
Esta estatística de teste segue uma distribuição t-Student, com um nível de significância
α e gl graus de liberdade, conforme as variâncias das duas amostras são ou não
homogéneas:
¾ variâncias homogéneas: gl = N A + N B − 2
2
s A2 sB2
+
N NB
¾ variâncias não são homogéneas: gl = A2 2
(fórmula de Welch)
s A2 sB2
N A + NB
N A −1 NB −1
s 2
=
( N A − 1) .s A2 + ( N B − 1) .sB2
N A + NB − 2
T=
( x A − xB ) =
( x A − xB )
1 1 1 1
s2 . + s. +
N A NB N A NB
Assim, antes de efectuar o teste de comparação das duas médias, há que decidir
previamente se as variâncias das duas amostras são ou não homogéneas.
IPCB 2005/2006 28
Testes de hipóteses
H 0 : s A2 = sB2 H1 : s A2 ≠ sB2
que é equivalente a:
s A2 s A2
H0 : 2 = 1 H1 : 2 ≠ 1
sB sB
s A2
A estatística de teste 2 segue uma distribuição F(α ; N A −1; N B −1) .
sB
O teste de Levene consiste em efectuar uma análise de variância simples aos valores
absolutos dos desvios de cada observação para a mediana de cada uma das variáveis. A
estatística de teste é um valor F, que segue uma distribuição F de Snedecor, com 1 e
N A + N B − 1 graus de liberdade, isto é, Fteste ∼ F(α ;1; N A + N B −1) .
O intervalo de confiança para a diferença entre as médias de duas amostras é dado por:
s A2 s2
( xA − xB ) ∈ ( xA − xB ) ± t(α ;GL) . + B
N A N B
IPCB 2005/2006 29
Testes de hipóteses
1 1
( xA − xB ) ∈ ( xA − xB ) ± t(α ; N A + N B − 2)
.s. +
N A NB
Tal como no caso do teste de hipóteses de comparação de uma média amostral com a
média populacional, também no caso do teste de hipóteses de comparação de duas
médias amostrais, a estimativa do tamanho das amostras pode ser abordado em termos
da precisão do teste traduzida pela semiamplitude do intervalo de confiança para a
diferença das duas médias, ou em termos da precisão traduzida pela potência do teste.
2s 2t(2α ;2 N − 2)
N=
d2
( )
2
2s 2 t(α ;2 N − 2) + t( β ;2 N − 2)
N=
δ2
N .N1
N2 =
2 N1 − N
Exemplo
IPCB 2005/2006 30
Testes de hipóteses
Com B12 1.60 1.68 1.75 1.64 1.75 1.79 1.78 1.77
Sem B12 1.56 1.52 1.52 1.49 1.59 1.56 1.60 1.56
Pretende-se verificar se a suplementação com vitamina B12 tem ou não algum efeito no
aumento médio diário de peso.
Antes de se proceder ao teste de comparação das duas médias, deve efectuar-se um teste
para verificar se as duas variâncias são ou não homogéneas, isto é:
H 0 : s A2 = sB2 H1 : s A2 ≠ sB2
A estatística de teste é:
s A2 0.0050
Fteste = = = 3.5714
sB2 0.0014
IPCB 2005/2006 31
Testes de hipóteses
Como p − value = 0.057 > α = 0.05 , para este nível de significância (5%) devem
considerar-se as variâncias homogéneas.
s 2
=
( N A − 1) .s A2 + ( N B − 1) .sB2
=
7 × 0.0050 + 7 × 0.0014
= 0.0032
N A + NB − 2 14
A estatística de teste é:
T=
( x A − xB ) =
( x A − xB ) =
(1.72 − 1.55) = 6.01
1 1 1 1 1 1
s2 . + s. + 0.0032 × +
N A NB N A NB 8 8
IPCB 2005/2006 32
Testes de hipóteses
1 1
( xA − xB ) ∈ ( xA − xB ) ± t(α ; N A + N B − 2)
.s. +
N A NB
1 1
( xA − xB ) ∈ (1.72 − 1.55) ± 2.145 × 0.0032 × +
8 8
( xA − xB ) ∈ [ 0.1093;0.2307]
Qual deveria ser o tamanho de cada uma das duas amostras para que, para um nível de
significância α = 5% e uma potência 1 − β = 95% dê como significativa a diferença de
δ = xA − xB = 0.1 kg ?
2s 2 ( Zα + Z β )
2
2 × 0.0032 × (1.96 + 1.96 )
2
N =
*
= = 10
δ2 0.12
( )
2
2s 2 t(α ;2 N − 2) + t( β ;2 N − 2) 2 × 0.0032 × ( 2.101 + 2.101)
2
N =
*
= = 12
δ2 0.12
IPCB 2005/2006 33
Testes de hipóteses
( )
2
2s 2 t(α ;2 N − 2) + t( β ;2 N − 2) 2 × 0.0032 × ( 2.074 + 2.074 )
2
N* = = = 12
δ2 0.12
O teste t-Student para comparar as médias de duas amostras assume que ambas as
amostras provêm de uma população normal, com a variância homogénea. Contudo, nem
sempre tais pressupostos se cumprem. Porém, diversos trabalhos demostram que o teste
t-Student é bastante robusto para resistir às violações destes pressupostos, especialmente
se os tamanhos das amostras são iguais, e especialmente se se trata de um teste bilateral.
Quanto maiores forem as amostras, mais robusto é o teste.
Existem situações em que cada uma das observações de uma das amostras está
associada e correlacionada com uma observação na segunda amostra, de modo que os
dados de ambas as amostras aparecem aos pares, uma observação de cada amostra.
A situação típica destes pares de observações ocorrem, por exemplo, quando cada um
dos indivíduos pertence, em tempo diferente, a ambas as amostras: em cada um dos
indivíduos são efectuadas duas amostragens, por exemplo, uma antes de um
determinado tratamento, e a outra após esse mesmo indivíduo ter sido sujeito a
determinado tratamento. Outra situação de amostras emparelhadas é o caso de medições
antropomórficas, em que em cada indivíduo (pessoa) são medidos os comprimentos do
braço direito (uma amostra) e do braço esquerdo (outra amostra).
IPCB 2005/2006 34
Testes de hipóteses
Nota: nas situações frequentes de pares do tipo casal (marido, mulher), sexo
(masculino, feminino), as medições das duas amostragens não são efectuadas no
mesmo indivíduo ou unidade estatística, de modo que não devem ser
consideradas amostras emparelhadas.
H 0 : x1 = x2 + δ 0 H1 : x1 ≠ x2 + δ 0
H 0 : xx1 − x2 = 0 H 0 : xx1 − x2 ≠ 0
A estatística de teste é:
xx1 − x2
T= ∼ t(α ; N −1)
sd
N
IPCB 2005/2006 35
Testes de hipóteses
O valor crítico do teste e as respectivas região de aceitação e região crítica são definidas
como habitualmente, tendo em conta que existem N − 1 graus de liberdade.
s
xx1 − x2 ∈ xx1 − x2 ± t( a ; N −1) .sxx1− x2 = xx1 − x2 ± t( a ; N −1) . d
N
Exemplo:
O processo de cura de presunto inclui a imersão da peça numa solução de ácido sórbico.
Numa fábrica de presunto registaram-se os resíduos de ácido sórbico, em partes por
milhão, em 8 peças de presunto imediatamente depois de estas serem imersas na
solução, e depois de 60 dias de cura:
A média das diferenças entre as observações das duas amostras é xx1 − x2 = 198.625 e o
desvio padrão das diferenças é sd = 210.1652 , sendo o erro padrão da média das
s 210.1652
diferenças sxx1− x2 = d = = 74.3046 . Assim, a estatística de teste é:
N 8
xx1 − x2 198.625
T= = = 2.6731
sd 74.3046
N
IPCB 2005/2006 36
Testes de hipóteses
s
xx1 − x2 ∈ xx1 − x2 ± t( a ; N −1) . d
N
210.1652
xx1 − x2 ∈ 198.625 ± 2.365 ×
8
xx1 − x2 ∈ [ 22.8968;374.3532]
Consideremos que de uma população se retiram duas amostras de dois tipos distintos,
de tamanhos N A e N B respectivamente. Em cada uma destas amostras existem
respectivamente nA e nB indivíduos com determinada característica de interesse. As
proporções amostrais de cada um dos tipos são respectivamente:
NA NB
pA = ; pB =
N N
H 0 : p A = pB H1 : p A ≠ pB
que é equivalente a:
H 0 : p A − pB = 0 H1 : p A − pB ≠ 0
A estatística de teste é:
nA nB
−
N A NB
Z=
nA . ( N A − nA ) nB . ( N B − nB )
+
N A3 N B3
IPCB 2005/2006 37
Testes de hipóteses
nA nB nA nB nA . ( N A − nA ) nB . ( N B − nB )
− ∈ − ± Zα . 3
+
N
A N B N
A N B N A N B3
Exemplo:
H 0 : p A = pB H1 : p A ≠ pB
A estatística de teste é:
nA nB
−
N A NB 0.08 − 0.02
Z= = = 1.965
nA . ( N A − nA ) nB . ( N B − nB ) 8. (100 − 8 ) 2. (100 − 2 )
+ +
N A3 N B3 1003 1003
Note-se que a estatística de teste está muito próximo do limite crítico entre a rejeição e
não rejeição da hipótese nula, sendo preferível calcular a probabilidade limite:
IPCB 2005/2006 38
Testes de hipóteses
nA nB nA nB nA . ( N A − nA ) nB . ( N B − nB )
− ∈ − ± Zα . +
N A NB N A N B N A3 N B3
nA nB 8. (100 − 8 ) 2. (100 − 2 )
− ∈ ( 0.08 − 0.02 ) ± 1.96 × 3
+
A NB
N 100 1003
nA nB
− ∈ [ 0.0002;0.1198]
N A NB
IPCB 2005/2006 39
Testes de hipóteses
Exercícios propostos
7.07 7.00 7.10 6.97 7.00 7.03 7.01 7.01 6.98 7.08
Estação 1 Estação 2
5030 4980 2800 2810
13700 11910 4670 1330
10730 8130 6890 14500
11400 26850 7720 3320
860 17660 7030 1230
2200 22800 12540 2130
4250 1130 7330 2190
15040 1690 9650 8750
IPCB 2005/2006 40
Testes de hipóteses
Amostra 1 2 3 4 5
Raios X 2.0 2.0 2.3 2.1 2.4
Químico 2.2 1.9 2.5 2.3 2.4
7 – Doze pessoas participaram num ensaio clínico para estudar o efeito de uma
determinada dieta na redução do teor de colesterol no sangue:
Teor de colesterol no sangue
Indivíduo Antes da dieta Após período a dieta
1 201 200
2 231 236
3 221 216
4 260 233
5 228 224
6 237 216
7 326 296
8 235 195
9 240 207
10 267 247
11 284 210
12 201 209
A B C D E
4.7 4.8 4.9 4.9 5.0
4.8 5.2 4.7 4.6 4.6
5.1 4.9 4.8 4.7 4.8
5.0 5.1 4.7 4.5 4.6
5.2 5.0 4.6 4.8 4.6
IPCB 2005/2006 41
Testes de hipóteses
Regime
A 3.04 7.35 6.08 4.90 6.44
B 6.03 6.89 9.16 4.49 8.89
C 3.72 7.39 6.26 7.17 6.53
Elabore a análise de variância e tire conclusões quanto aos ganhos de peso obtidos com
cada um dos regimes alimentares
IPCB 2005/2006 42
Testes de hipóteses
Bibliografia
Devore, Jay L. (2000) Probability and Statistics for engineering and the sciences.
Duxbury, Australia.
Hicks, Charles R. e Turner Jr., Kenneth V. (1999) Fundamental concepts in the design
of experiments. Fifth edition. Oxford University Press, USA.
Zar, Jerrold H. (1999) Biostatistical analysis. Fourth edition. Prentice Hall, USA.
IPCB 2005/2006 43