Inferncia Estatstica

2013

Problemas de inferncia
Inferir significa fazer afirmaes sobre algo
desconhecido.
A inferncia estatstica tem como objetivo fazer
afirmaes sobre uma caracterstica de uma
populao a partir do conhecimento de dados de
uma parte desta populao (isto , uma amostra de
n observaes).
A populao representada por uma distribuio
de probabilidade com parmetro(s) cujo(s) valor(es)
(so) desconhecido(s).
Fazemos inferncias sobre o(s) parmetro(s).

Problemas de inferncia
Se o parmetro da distribuio de uma v. a. X e
X1,...,Xn uma amostra desta distribuio, temos trs
problemas tpicos:
1. Estimao pontual
Apresentar um valor para , que uma funo
da amostra X1,...,Xn (clculo de ), chamada de
estimador de .
Espera-se que o estimador tenha boas
propriedades: (i) em mdia esteja prximo de , (ii)
o estimador se aproxima de quando n aumenta.

Propriedades dos estimadores

No viciado
Um estimador

=H(X1,...,Xn) um estimador no viciado de se:

E ;

Exemplo 1: Se X1,..., Xn uma amostra aleatria de tamanho n de

X~N(;4). Mostrar que a mdia amostral um estimador no-viciado
de .
Consistncia
Um estimador
para todo >0.

=H(X1,...,Xn) um estimador consistente de se,

lim P | | 0
n

 equivalente

(ii ) lim Var 0
(i) lim E n
n

Exemplo 2: Considere o exemplo 1, mostre que a mdia amostral um

estimador consistente de .

Eficincia

1 e 2 , no viciados de . Dizemos

que 1 mais eficiente que 2 se:

Dois estimadores

Var (1 ) Var (2 )
5

Exemplo 3: Considere o exemplo 1. Sejam

2 X 1 ,

dois

Demonstrar que

estimadores

no

1 X n

viciados

1 mais eficiente que 2 .

de

Var (1 )
n
Var ( ) 4
2

Var (1 ) Var (2 ), n 1

Problemas de inferncia
2. Estimao intervalar
Apresentar um intervalo de possveis valores para ,
chamado de intervalo de confiana. Os limites do
intervalo so funes da amostra X1,...,Xn (so
aleatrios).

A probabilidade de que o intervalo contenha deve

ser alta.

A amplitude do intervalo deve ser to pequena

quanto possvel (intervalo mais preciso).
7

Definio[Intervalo de Confiana] Seja X1,...,Xn uma amostra

aleatria de uma populao com a caracterstica X~f(x,). Seja
T1=L(X1,...,Xn) e T2=U(X1,...,Xn) duas estatsticas tais que T1< T2 e que

P(T1 T2 ) 1 .

O intervalo (T1, T2) chamado de intervalo de 100(1-)% de

confiana para .
Notao: IC(,1-)= (T1, T2), onde T1 e T2 so os limite inferior
superior respectivamente e 1- o coeficiente (ou nvel) de
confiana

2. Intervalo de confiana para uma mdia populacional

Suponha que X 1 , X n uma amostra aleatria de tamanho n, de uma
populao normal com mdia (desconhecida) e varincia 2
(conhecida). Vimos que a mdia amostral X , tem distribuio normal
com mdia e varincia 2/n. Isto
Z

~ N (0,1)

Logo, fixando um nvel de confiana

z/2 de tal forma:.

(1-), pode-se determinar

P( z Z z ) 1
2

Ou que equivalente
X
P( z
z ) 1
/ n
2
2
9

 z
2

/ n

z X z
2

X z
2

1
P X z
X z

n
n
2
2

Logo,O intervalo de 100 (1-)% de confiana para dado por:.

IC ( ,1 ) X z
; X z
X E; X E

n
n
2
2

10

Exemplo 1: Em uma industria de cerveja, a quantidade de cerveja

inserida em latas tem-se comportado como uma distribuio
normal com mdia 350 ml e desvio padro 3 ml. Aps alguns
problemas na linha de produo, suspeita-se que houve alterao
na mdia. Uma amostra de 20 latas acusou uma mdia 346 ml.
Obtenha um intervalo de 95% para a quantidade mdia de
cerveja inserida em latas, supondo que no tenha ocorrido
alterao na variabilidade.

Seja X: quantidade de cerveja inserida em latas aps alguns problemas

9
X ~ N ( ,9) X ~ N ( , )
n
Do problema temos:

n 20, x 346; 1 - 0,95.

11

J que 1-=0,95, temos da tabela normal padro z0,025.=1,96.

IC ( , 0,95) X 1,96
; X 1,96

n
n

3
3
IC ( , 0,95) 346 1,96
; 346 1,96
346 1,31;346 1,31
20
20

344,69 ; 347,31
12

3. Intervalo de confiana para uma mdia populacional

para amostras grandes
Suponha que X 1 , X n uma amostra aleatria de tamanho n, de uma
populao com mdia (desconhecida) e varincia 2 (conhecida).
Vimos que a mdia amostral X , tem distribuio aproximadamente
normal com mdia e varincia 2/n, quando n suficientemente
grande. Isto

X
~ N (0,1), n .
/ n aprox.

Um intervalo de 100 (1-)% de confiana para dado por:.

IC ( ,1 ) X z
; X z
n
n
2
2

13

Exemplo 3: A associao dos proprietrios de indstrias

metalrgicas est muito preocupado com o tempo perdido com
acidentes de trabalho, cuja mdia, nos ltimos tempos, tem
sido de ordem de 60 horas/homem por ano e desvio padro de
10 horas/homem. Testou-se um programa de preveno de
acidentes, aps o qual foi tomada uma amostra de 36
industrias e medido o nmero de horas/homem perdidas por
acidente, que foi de 50 horas em mdia. Obtenha um intervalo
de 95% de confiana para o tempo mdio perdido em acidentes
de trabalho aps o novo programa de preveno, supondo que
no houve mudana na variabilidade.

Seja X: tempo perdido em acidentes de trabalho aps o novo programa

de preveno

Do problema temos:

n 36; x 50; 20; 1 - 0,95.

14

Um intervalo de 95% de confiana para dado por:.

IC ( , 0,95) X z
; X z
n
n
2
2

J que 1-=0,95, temos da tabela normal padro z0,025.=1,96.

IC ( , 0,95) X 1,96
; X 1,96

n
n

10
10

IC ( , 0,95) 50 1,96
; 50 1,96
50 3,27;50 3,27
36
36

46,73 ; 53,27

15

4. Intervalo de confiana para uma mdia populacional quando

desconhecido
A distribuio t-Student
Supondo que a caracterstica de interesse da populao
normal, a varivel aleatria

X
S
n

(1)

tem distribuio de probabilidade conhecida com distribuio t

de Student com n-1 graus de liberdade.

1 n
Onde X X i ; S
n i 1

i 1

n 1
16

Notao; T~t(k), indica que v.a tem distribuio t-Student com k

graus de liberdade.
Propriedades: se T~t(k)

k
,k 2
k 2
(ii )k T ~ N (0,1)
(i) E (T ) 0; Var (T )

Uso Da Tabela Distribuio t-Student

P(T t , k )

17

Considerando a varivel dada em (1), pode-se mostrar que um

intervalo de 100(1-)% de confiana para dado por:

S
S
X E; X E
IC ( ,1 ) X t / 2, n 1
; X t / 2, n 1

n
n

E
E

Exemplo 4: Um administrador de uma cadeia de supermercados

deseja estimar as vendas mdias semanais () da cadeia de
supermercado, para isto selecionou uma amostra aleatria de 10
supermercados entre todos que formam a cadeia, que produziu
os seguintes resultados, em milhares de dlares:
36,4 35,7 37,2 36,5 34,9 35,2 36,3 35,8 36,6 36,9
Construir um intervalo de confiana para , com nvel de confiana
de 95%, assumindo que as vendas tem distribuio normal
18

 X i X

10

1 10
X X i 36,5; S
10 i 1

i 1

n 1

0,7352;

S
n

0,2325

J que, n=10 (1-)=0,95, =0,05, temos:

t0,025, 9=2,262

S
S
X E; X E
IC ( , 0,95) X t / 2, n1
; X t / 2, n1
n
n

E
E

E (2,262)(0,2325) 0,53
IC( , 0,95) X E; X E

IC(, 0,95) 36,5 0,53; 36,5 0,53 35,97; 37,03

19

Exemplo (p. 28 em Montgomery et al., 2004)

Foram coletados dados de viscosidade de um lquido produzido em
batelada. Resultados de 40 amostras encontram-se abaixo.
Apresente um IC de 95% para a viscosidade mdia.
Dados: 13,3 14,5 15,3 15,3 14,3 14,8 15,2 14,5 14,6 14,1
14,3 16,1 13,1 15,5 12,6 14,6 14,3 15,4 15,2 16,8 14,9 13,7
15,2 14,5 15,3 15,6 15,8 13,3 14,1 15,4 15,2 15,2 15,9 16,5
14,8 15,1 17,0 14,9 14,8 14,0.

Soluo. Inicialmente calculamos

1 40
1
40
2

X X i 14,875 e s
X

14
,
875
0,948.
i
40 i 1
40 1 i 1

Pelo enunciado, n = 40 e 1 - =
0,95, de modo que = 0,05. Da
tabela (Tbua III) com 40 g.l.
(39 g.l. no esto na Tbua III)
e p = 5%, obtemos t/2 = 2,021.
20

Exemplo (p. 28 em Montgomery et al., 2004)

Logo, o erro mximo igual
E t / 2, n 1

s
0,948
2,021
0,303
n
40

e o IC de 95% para a mdia da populao dado por

[ L;U ] [ X E; X E] [14,875 0,303; 14,875 0,303] [14,57; 15,18].

21

Exemplo (p. 28 em Montgomery et al., 2004)

Soluo em R.
Leitura dos dados: (visc = scan("Ex02_47.txt"))

Estatstica descritiva: summary(visc)

Min. 1st Qu.
12.60

Median

14.30

14.90

Mean 3rd Qu.

Max.

14.88

17.00

15.33

Anlise exploratria:
par(mfrow = c(2,2))
stripchart(visc, pch = 20, cex =
1.5, method = "stack", xlab =
"Viscosidade")
hist(visc, xlab = "Viscosidade",
ylab = "Densidade", main = "", freq
= FALSE)
lines(density(visc), col = "blue")
boxplot(visc, xlab = "Viscosidade",
pch = "*", horizontal = TRUE)
qqnorm(visc, main = "", pch = 20,
xlab = "Quantis tericos", ylab =
"Quantis amostrais")
qqline(visc)
22

Determinao do tamanho da amostra para estimao de

Erro mximo na estimao de :

E z / 2

n
z/2 obtido da tabela normal aps a escolha do coeficiente de
confiana (1 - ).
Se o desvio padro () for conhecido, podemos especificar o erro
mximo (E) e em seguida calcular n:

z 2 / 2 2
n
.
2
E
Se o desvio padro () no for conhecido, podemos utilizar o
desvio padro obtido de uma amostra piloto com n0 observaes:

z 2 / 2 s0
2 a varincia amostral da amostra piloto.
sendo
que
s
n
,
0
E2
2

23

Exemplo
Em uma siderrgica estuda-se a resistncia mdia das barras de ao
utilizadas na construo civil. Qual o tamanho amostral necessrio para
garantir que um erro mximo de 8 kg seja superado com probabilidade
igual a 0,01? O desvio padro da resistncia para este tipo de barra
de 25 kg.
Soluo.Do enunciado tem-se = 25 kg, E = 8 kg e

1 P( X E X E) 0,01 P( X E X E) 1 0,01,

ou seja, = 0,01 (o coeficiente de confiana do IC 1 - = 99%).

Consultando a tabela
normal
encontramos
z/2 = 2,575.

z 2 / 2 2
Portanto, n
E2
2,5752 252

65.
2
8
24

5. Intervalo de confiana para uma proporo populacional

Suponha que tem-se uma populao dicotmica, constituda
apenas por elementos de dois tipos , isto , cada elemento pode
ser classificado com
sucesso ou
fracasso,
suponha que
probabilidade de sucesso p e de fracasso q=1-p, e desta
populao se retira uma amostra aleatria, X1, Xn de n
observaes. Vimos

p p
p(1 p)
n

~ N (0,1)

Para um nvel de confiana fixado em 100(1-)%,um intervalo para p,

para uma amostra suficientemente grande.

IC ( p,1 ) p z / 2

p(1 p)
; p z / 2
n

p(1 p)

25

Abordagem otimista

substituir p( 1-p) por p ( 1-p )

IC ( p,1 ) p z / 2

p (1 p )
; p z / 2
n

p (1 p )

(1a)

Abordagem conservativa

substituir p(1-p) por 1/4

1
1
IC ( p,1 ) p z / 2
; p z / 2 z / 2

4n
4n

(1b)

26

Exemplo
Um estudo foi realizado para determinar a proporo de componentes de um
certo tipo que resistem durante um certo perodo a condies de uso mais
rigorosas do que as especificadas. Em uma amostra de 200 componentes
selecionados ao acaso, 160 resistiram. Apresente um intervalo de 95% de
confiana para a proporo de componentes que resistem.

Soluo. Estimativa pontual de p:

Como 1- = 0,95, obtemos da
tabela normal padro z0,025 =
1,96.
Abordagem otimista:

160
0,8 (80%).
200

0,8(1 0,8)
0,8(1 0,8)
IC 0,8 1,96
; 0,8 1,96

200
200

0,745; 0,855.

Abordagem conservativa:

1
1

IC 0,8 1,96
; 0,8 1,96
0,731; 0,869.
4 200
4 200

27

Determinao do tamanho da amostra para estimao de p

Erro mximo de estimao de p dado por :

E z
2

p(1 p)
n

z 2 / 2 p(1 p)
n
E2

Quando no se tem informao de p:

z 2 / 2 0,25
n
E2

28

Exemplo 6: Suponha que a fbrica de papel no Brasil, deseja estimar a

proporo de funcionrios com uma renda inferior a R$ 200,00.
Estudos anteriores indicam que esta proporo de 20%.
(a) Que tamanho de amostra se requer para assegurar uma confiana
de 95% e o erro mximo de estimao desta proporo seja de
5%?
(b) Em quanto variara o tamanho da amostra se o erro mximo
permissvel reduzido a 1%.?
Dos dados temos p=0,20 e 1-=0,95. Da tabela normal padro
z0,025.=1,96.
(a) O erro mximo de estimao E=0,05.

(1,96) 2 0,2 0,8

n
245,86 246
2
0,05
29

Exemplo
Uma equipe pretende estimar a proporo de avarias ocorridas no transporte
de um produto. Estudos anteriores indicam que esta proporo no ultrapassa
20%. Que tamanho de amostra necessrio para assegurar com uma confiana
de 99% que o erro de estimao desta proporo seja no mximo igual a 0,05?

Soluo. Do enunciado obtemos p 0,20, 1 = 0,99 e E = 0,05. Da

tabela normal padro, z0,005 = 2,575.
Proteo em relao situao
mais desfavorvel: p* = 0,20.
Finalmente,

z2 / 2 p* (1 p* )
n
E2
2,5752 0,2 (1 0,2)

0,052
424,4 n 425.
30

Problemas de inferncia
3. Teste de hipteses
Uma hiptese estatstica (H) uma afirmao sobre
o valor de . Pode ser verdadeira ou falsa.
Se a probabilidade de sucesso no modelo
binomial, H: = , H: e H: > so
exemplos de hipteses.
Com base na amostra X1,...,Xn, formulamos uma
regra de deciso que permita concluir pela rejeio
ou no rejeio (aceitao) de H. A deciso pode
ser correta ou errada.

31

Teste de hipteses
Exemplo. Uma indstria adquire de um certo fabricante pinos cuja
resistncia mdia ruptura especificada em 60 unid. (valor nominal da
especificao). Em um determinado dia a indstria recebeu um grande
lote de pinos e a equipe tcnica da indstria deseja verificar se o lote
atende s especificaes.
H0: O lote atende s especificaes
H1: O lote no atende s especificaes

(Hiptese nula)
(Hiptese alternativa)

A v. a. X (resistncia ruptura) tal que X ~ N (, 25). O problema

pode ser resolvido testando as hipteses

H0: = 60 (hiptese simples: um nico valor)

e H1: 60 (hiptese composta: mais de um valor)

32

Teste de hipteses
Definio. Uma hiptese estatstica uma afirmao sobre o(s)
parmetro(s) da distribuio de probabilidade de uma caracterstica (v.
a. X) da populao.
Definio. Um teste de uma hiptese estatstica um procedimento ou
regra de deciso que nos possibilita decidir por H0 ou H1 com base na
amostra X1,...,Xn.
Exemplo. A equipe tcnica da indstria decidiu retirar uma amostra aleatria de
tamanho n = 16 do lote recebido. A resistncia de cada pino foi medida e foi
calculada a a resistncia mdia X (estimador de ), que ser utilizada para
realizar o teste (estatstica de teste). Podemos afirmar que

25
X ~ N , .
16
Para quais valores deX
rejeitar o lote?

a equipe tcnica deve rejeitar H0 e portanto

33

Definio. Regio crtica (Rc) ou regio de rejeio o conjunto de

valores assumidos pela estatstica de teste para os quais a hiptese
nula rejeitada. Seu complementar a regio de aceitao (Ra).
Exemplo. Se o lote est fora de especificao , isto , se H1: 60
for verdadeira, espera-se que a mdia amostral seja inferior ou
superior a 60 unid.
A equipe tcnica decidiu adotar a seguinte regra:
rejeitar Ho se X for maior do que 62,5 unid. ou menor do que 57,5 unid.
As duas regies so

Rc X 62,5 ou X 57,5 : regio de rejeio de H0 e

Ra 57,5 X 62,5 : regio de aceitao de H0.

34

Procedimento (teste):

Se x Rc , rejeita - se H 0 ;
Se x Rc , no se rejeita (aceita - se) H 0 .

35

Tipos de erros
Erro tipo I: rejeitar H0 quando H0 verdadeira.
Erro tipo II: no rejeitar H0 quando H0 falsa.
Exemplo. As hipteses so
H0: O lote atende s especificaes;
H1: O lote no atende s especificaes.
Erro tipo I: rejeitar o lote sendo que ele est de acordo com as
especificaes.
Erro tipo II: no rejeitar o lote sendo que ele no est de acordo com as
especificaes.
Quadro resumo:
Deciso
No rejeitar Ho
Rejeitar Ho

Situao real e desconhecida

Ho verdadeira
Ho falsa
Deciso correta
Erro tipo II
Erro tipo I
Deciso correta
36

Nvel de significncia e poder

P(Erro tipo I) = (nvel de significncia).

P(Rejeitar H0 ; H0 verdadeira ).
P(Erro tipoII) P( No rejeitar H 0 ; H 0 falsa )
P( No rejeitar H 0 ; H1 verdadeir a ).
1 P(Rejeitar H0 ; H0 falsa ) : poder do teste.

37

Exemplo. As hipteses so H0: = 60 e H1: 60. Logo,

P( X 62,5 ou X 57,5; H0 : 60).

Se H0 for verdadeira , ento X ~ N (60, 25 / 16).
Obs. Se X1, X2, ..., Xn uma amostra de uma distribuio N(, 2),
ento a mdia amostral tem distribuio N(, 2/n).
Calculamos o nvel de significncia:

P( X 62,5 ; H 0 : 60) P( X 57,5; H 0 : 60)

X 60 62,5 60 X 60 57,5 60
P

25 / 16 25 / 16
25 / 16
25 / 16
P(Z 2,00) P(Z 2,00) 0,02275 0,02275 0,0455.

38

Clculo de :

39

Clculo de :

P( No rejeitar H0 ; H1 verdadeir a) P(57,5 X 62,5; H1 : 60).

Como exemplo de clculo de , selecionamos H1: = 63,5. Logo,
25

X ~ N 63,5;
16

P(57,5 X 62,5; H1 : 63,5).

40

Clculo de :
Efetuando o clculo obtemos

P(57,5 X 62,5; H1 : 63,5)

P( X 62,5; 63,5) P( X 57,5; 63,5)
P(Z 0,80) P(Z 4,80)
0,2119 0,0000
0,2119.
Logo, se = 63,5, o poder do teste igual a 1 0,2119 = 0,7881.

41

Funo poder

42

Testes bilaterais e unilaterais

Se as hipteses nula e alternativa so

H 0 : 0 ;
H1 : 0 ,
em que o uma constante conhecida (valor de teste), o teste
chamado de bilateral.
Podemos ter tambm as hipteses

H 0 : 0 ;
H1 : 0 .
H 0 : 0 ;
H1 : 0 .

teste unilateral esquerda.

teste unilateral direita.

Sugesto. Expressar H0 em forma de igualdade.

43

Exemplo
Um fabricante de um certo componente afirma que o tempo mdio de
vida dos componentes produzidos de 1000 horas. Engenheiros de
produto tm interesse em verificar se uma modificao do processo de
fabricao aumenta a durao dos componentes.
Hipteses:

H 0 : 1000 horas;
H1 : 1000 horas,
sendo o tempo mdio de durao dos componentes.

44

Procedimento bsico de testes de hipteses

O procedimento de teste de hipteses relativo ao parmetro de uma
populao decomposto em quatro passos:
(i) Formulao das hipteses:

H0 : 0 ;
H1 : 0 ou 0 ou 0 .
(ii) Identificao da estatstica de teste e caracterizao da sua
distribuio.
(iii) Escolha do nvel de significncia do teste ( = 5%, 1% ou
0,5% so comuns) e obteno da regio crtica.

(iv) Clculo da estatstica de teste e tomada de deciso (H0

deve ser rejeitada ou no?).
45

Teste de hipteses para uma mdia populacional

Considere uma amostra aleatria de tamanho n de uma populao
normal com mdia (desconhecida) e varincia 2 (conhecida).
Iniciamos pelo teste unilateral esquerda:

(i)
H 0 : 0 ;
H1 : 0 .
(ii) A estatstica de teste a mdia amostral X (estimador pontual de
). Se a distribuio da populao normal ou se amostra grande (n
30, mesmo que a distribuio da populao no seja normal) a
2
distribuio de X N , / n
, aproximadamente. Se H0 for
verdadeira, ento

n ( X 0 )

~ N (0,1).

46

Teste de hipteses para uma mdia populacional

(iii) Rejeitamos H0 em favor de H1 se a mdia amostral X

pequena em relao 0. A regio crtica obtida selecionando um k

tal que Rc = { X < k }, sendo que P(X k; H0 : 0) = . Ou seja, sob H0
X 0 k 0
k 0

P Z
P

/ n

/ n / n

k 0

z k 0 z

Rc X 0 z
.
n

Obs. z < 0.

c
0

(iv) Concluso: se
n , rejeita-se H0 ; caso contrrio

no se rejeita H0.
47

Exemplo
Um comprador de tijolos suspeita de uma diminuio na resistncia.
De experincias anteriores, sabe-se que a resistncia mdia ao
desmoronamento de tais tijolos igual a 200 kg, com um desvio
padro de 10 kg. Uma amostra de 100 tijolos, escolhidos ao acaso,
forneceu uma mdia de 195 kg. Ao nvel de significncia de 5%, podese afirmar que a resistncia mdia ao desmoronamento diminuiu?

(i) As hipteses de interesse so

H 0 : 200 kg;
H1 : 200 kg.
(ii) A estatstica de teste a mdia amostralX . J que n = 100 30,
100

N
200
,

, aproximadamente.
tem-se que sob H0, X ~
100
(iii) A regio crtica pode ser obtida selecionando k de maneira que Rc
= { X < k }, sendo que P(X k; H0 : 0) = = 0,05. Ou seja, sob H0,
48

Exemplo
X 200
k 200
k 200

P Z
P

0,05 k 200 1,64 k 198,36

1

10 / 100 10 / 100

Rc X 198,36.

(iv)

Do

enunciado a mdia amostral vale 195. Logo,

x 195 Rc X 198,36. Rejeita-se H0 ao nvel de 5% de significncia.

Concluso. De acordo com os dados coletados e adotando um nvel

de significncia de 5%, conclumos que resistncia mdia ao
desmoronamento diminuiu.
49

Mtodo alternativo
Um mtodo alternativo prtico: trabalhar diretamente na escala Z.

(i) H0 : 0 contra H1 : 0 .
(ii) Estatstica de teste:

n ( X 0 )

N (0,1).

sob H 0

(iii) Regio crtica para um nvel de significncia escolhido:

Rc Z z .
(iv) se z Rc Z z , rejeitase H0; caso contrrio, no se
rejeita H0.
50

Exemplo
(i) H0 : 200 contra H1 : 200.
(ii) Estatstica de teste:

n ( X 200)

N (0,1).

sob H 0

(iii) Regio crtica para um nvel de significncia = 0,05:

Rc z 1,64.

(iv) Calculamos

100 (195 200 )

5 Rc
10

. Rejeita-se H0 a um nvel de

significncia de 5%.
51

Procedimento geral
Hipteses:

(i)
H 0 : 0 H 0 : 0 H 0 : 0
H1 : 0

H1 : 0 H1 : 0

esquerda

direita

Bilateral

(ii) Estatstica de teste:

(a) Varincia da populao conhecida:

n ( X 0 )

N (0,1).

sob H 0

(b) Varincia da populao desconhecida (s o desvio

padro amostral):

n ( X 0 )
T
t (n 1).
~
s
sob H 0

Distribuio t de Student com

n-1 graus de liberdade (g.l.).
52

Distribuies normal e t de Student

53

Procedimento geral
(iii) Regio crtica para um nvel de significncia escolhido:

H1: > 0

H1: 0

Rc( Z ) Z c

Rc( Z ) Z c

Rc( Z ) Z c

Rc(T ) T c

Rc(T ) T c

Rc(T ) T c

H1: < 0

(iv) Se Z RC ou T RC , rejeita-se Ho; caso contrrio, no se rejeita H0.

Obs. Nas regies crticas com Z e T o valor de c no o mesmo.
54

Exemplo
Dados histricos coletados em uma linha de produo de um certo item
indicam 115 kg como massa mdia. A fim de testar a hiptese de que a
mdia de itens recentemente produzidos se manteve, retirou-se, ao
acaso, uma amostra de 20 itens, obtendo-se mdia igual a 118 kg e
desvio padro 20 kg. Utilize = 0,05.

(i) As hipteses de interesse so

H 0 : 115 kg;
H1 : 115 kg.
Aproximamos a distribuio da mdia das 20 notas por uma distribuio
normal com mdia e varincia 2 / n.
(ii) Estatstica de teste:

n ( X 115)
t (n 1).
~
S
sob H 0
55

Exemplo
(iii) Regio crtica para um nvel de significncia = 0,05 e com n 1 =
19 g.l.:

Rc T 2,093.
(iv) Calculamos

20 (118 115 )
0 , 67 R c .
20

No se rejeita H0 a um nvel de

de significncia de 5%. A diferena no significativa.

Concluso. De acordo com os dados coletados, a um nvel de
significncia de 5% conclumos que a massa mdia dos itens
produzidos se manteve.
56

Teste de hipteses para uma proporo populacional

O procedimento para testes de hipteses sobre a
proporo
populacional (p) semelhante ao utilizado para testes sobre uma mdia
populacional.
Problema. Testar a hiptese que a proporo de sucessos de um ensaio
de Bernoulli igual a um valor especificado p0. Isto , testar um dos
seguintes pares de hipteses:

(i)
H 0 : p p0

H 0 : p p0 H 0 : p p0

H1 : p p0

esquerda

H1 : p p0 H1 : p p0

Bilateral
direita

57

Teste de hipteses para uma proporo populacional

(ii) Estatstica de teste:

n ( p p0 )
p0 (1 p0 )

N (0,1), aproximada mente,

sob H 0

sendo que
n

Xi
Nmero de sucessos
:estimador pontual de p.
p
i 1
n
n

a proporo amostral de sucessos e Xi = 1, se o resultado for

sucesso; Xi = 0, se o resultado for insucesso.

58

Exemplo
Um estudo realizado para determinar a presena de pequenas
anomalias em chapas metlicas de uma certa dimenso. Segundo o
fabricante, a proporo de chapas com anomalias inferior a 25%. Foram
inspecionadas 50 chapas escolhidas ao acaso e sete delas apresentaram
algum tipo de anomalia. Estes dados justificam a afirmao do fabricante?
Adote um nvel de significncia igual a 0,05.

(i ) Hipteses :
H 0 : p 0,25;
H1 : p 0,25 .
(ii) Estatstica de teste:

50 ( p 0,25)
Z
0,25(1 0,25)

N (0,1), aproximada mente.

sob H 0

59

Exemplo
(iii) Regio crtica para um nvel de significncia = 0,05:

Rc z 1,64.

(iv) Temos n = 50. Calculamos

7
0,14
50

50 (0,14 0,25)
1,796 Rc
025 (1 0,25)

Rejeita-se H0 ao nvel de 5% de significncia.

Concluso. Adotando um nvel de significncia de 5% conclumos a
partir dos dados que a proporo de chapas produzidas com anomalias
inferior a 25%.
60

Teste de hipteses para uma varincia populacional

Suponha se tenha uma amostral aleatria de tamanho n de uma
populao normal com mdia e varincia 2 (ambas
desconhecidas), e tem-se interesse em verificar as seguintes
hipteses estatsticas:

(i)
H 0 : 2 2 0 (ou 2 0 ) H 0 : 2 2 0 (ou 2 0 ) H 0 : 2 2 0
H1 : 2 2 0

H1 : 2 2 0

H1 : 2 2 0

U . Esquerdo

U .Direito

Bilateral

(ii) A estatstica de teste

(n 1) S 2

02

2 ( n1)

sob H 0

61

(iii) A regio crtica para um nvel de significncia fixado

Rc

2
n 1

2
1 , n 1

Rc n21 2 , n1

Rc n21 12 / 2, n1 ou

n21 2 / 2, n1

(iv) Se a ETobs RC., rejeita-se Ho em caso contrrio no se rejeita H0.

62

Exemplo
Uma amostra aleatria de 25 observaes foi sorteada de uma
populao normal forneceu varincia igual 18,3. Esse resultado
suficiente para podermos concluir, ao nvel de 10% de significncia,
que a varincia dessa populao inferior a 25..

(i ) As hipteses de interesse so :
H 0 : 2 25
H1 : 2 25
(ii) A estatstica de teste

(n 1) S 2
2
W
~ ( n1)
25 sob H 0

63

(iii) A regio crtica para um nvel de significncia fixado =0,10,

n=25.

2
Rc 25
15,7

Wobs

(n 1) S 2 (25 1)(18,4)

17,56 Rc
25
25

Ao nvel de 10% de significncia, no se pode rejeitar Ho

64

Nvel descritivo

De acordo com o procedimento descrito anteriormente para o

teste de hipteses, no final toma-se uma deciso de rejeio ou de
no-rejeio da hiptese nula. Esta dicotomia , na realidade,
artificial. De fato
a fixao de um nvel de significncia arbitrria e
os dados amostrais podem contradizer a hiptese nula em
maior ou menor grau.
O nvel descritivo denotado por *( ou P-value) constitui uma
medida do grau com que os dados amostrais contradizem a
hiptese nula. Sua definio a seguinte: o nvel descritivo
corresponde probabilidade da estatstica de teste tomar um
valor igual ou mais extremo do que aquela que, de fato,
observado. Alternativamente, pode-se definir o nvel descritivo
como o menor nvel de significncia para o qual a estatstica de
teste determina a rejeio da hiptese nula H0.

65

Exemplo

No exemplo da lmina 34, a estatstica de teste observada ,

Zobs= -1,7963 (recorde-se que o nvel de significncia do teste era
=0,05 e o correspondente valor crtico z0,05=-1,64).
Da definio do nvel descritivo temos:

* PZ 1,7963 | H 0 0,0362
Nesse exemplo, se o nvel de significncia fosse fixado em
qualquer valor igual ou superior a 3,62%, a concluso seria pela
rejeio de H0 ao passo que valores inferiores a 3,62% conduziriam
aceitao da hiptese nula.

Se * No se rejeita- se H0
Se * rejeita- se H0
66

67

Para os testes de hipteses na qual a distribuio normal a

estatstica do teste, o nvel descritivo nesta caso dado por:

2(1 (| zobs |))

*
( zobs )
1 ( z )
obs

teste bilateral
Teste Unilateral esquerdo
Teste Unilateral direito

68