Loading [MathJax]/jax/output/HTML-CSS/jax.js

Inferência Estatística

Teste de Hipóteses

Rosineide da Paz

Teste Estatístico de Hipóteses

Hipóteses

Monta-se uma hipótese principal (hipótese nula)

  • H0:θ=θ0

em que θ é uma característica da população.

Exemplos:

  • proporção populacional;

  • média populacional;

  • variância da população;

  • distribuição da população;

  • homogeneidade;

  • entre outros.

Ou seja, é feita uma afirmação sobre uma característica.

  • Obtém-se uma estatística para testar H0.

  • Decide-se sobre rejeitar ou não essa hipótese.

  • Caso H0 seja rejeitada, sua hipótese complementar (alternativa) é considerada como verdadeira.

  • Então, o teste deve ser dicotômico, com apenas duas possibilidades.

  • A hipótese alternativa é normalmente denotada por Ha ou H1.

  • Aqui denotaremos por Ha.

Exemplo de aplicação

  • Um tipo de cabo de aço é fabricado de modo que sua resistência seja uma variável aleatória que segue uma distribuição normal com média de 12 kgf e desvio-padrão de 5 kgf.

  • O controle de qualidade decide analisar a qualidade dos cabos produzidos.

  • Para isto, seleciona uma amostra aleatória de tamanho 15, que forneceu os seguintes valores:

3.89 8.56 9.79 10.98 8.78 6.43 14.92 7.69 13 11.77 9.04 12.8 7.35 7.64 19.86
μ0 ¯xobs σ
12 10.17 5

O que dizer sobre a resistência, tem mesmo média μ0?

Realização de um teste de hipóteses para a média da população

  • Para realização de um teste de hipóteses para a média da população, μ,

  • deve-se formular duas hipóteses:

    • hipótese nula H0 e

    • hipótese alternativa Ha.

  • Se μ0 é um valor suposto para a média da população,

  • então podem ocorrer os seguintes testes.

- Teste bilateral: H0:μ=μ0    contra    Ha:μμ0 - Teste unilateral a esquerda: H0:μ=μ0    contra    Ha:μ<μ0

  • Teste unilateral a direita: H0:μ=μ0    contra    Ha:μ>μ0

Teste bilateral usando o Valor de p (p-valor)

- Primeiro devemos formular as hipóteses

H0:μ=μ0    contra    Ha:μμ0

  • Se a distância |μ0¯X| for grande, rejeitamos a hipótese H0 e ficamos com Ha.

  • Caso contrário, não rejeitamos H0, concluíndo que é plausível a afirmação μ=μ0.

  • Como avaliar a distância entre a média proposta e a média amostral?

  • Deve-se calcular a probabilidade de se ter valores mais extremos que ¯X, sob H0.

  • P(¯X>¯xobs) ou P(¯X<¯xobs).

  • Sob a hipótese H0: ¯XN(12,5215).

Valor de P

  • obter o valor P=P(¯X<¯xobs) se ¯xobs<μ0 ou
  • obter o valor P=P(¯X>¯xobs) se ¯xobs>μ0
  • Valor de P

    Para tomar a decisão com base no valor de P, deve-se fixar um nível de significância α para comparação com esse valor.

    • Para um teste bilateral, o valor de α é dividido entre as caldas da distribuição.

    Comparação

  • Valor P: P=P(¯X<¯xobs)
  • Valor P: P=P(¯X<¯xobs)
  • Decisão

    • O nível de significância α, em geral, é um dos valores: 0,1;0,05;0,02;0,01.

    • Se P<α/2, rejeita-se H0.

    Decisão com base nos quantis

    - Para tomar a decisão com base nos quantis, deve-se obter um intervalo de confiança em torno de μ0.

    • μ0±Zα/2σn

    • A hipótese H0 é rejeitada se ¯xobs[μ0Zα/2σn;μ0+Zα/2σn].

  • Essa região é chamada de Região de Não Rejeição.
  • O complementar dessa região é chamada de Região Crítica.
  • - Se H0 não é aceita pode ser cometido o erro do tipo 1: - rejeitar H0 verdadeira:

    P( rejetar H0| verdadeira)=α - não rejeitar H0 falsa, erro do tipo 2:

    • a probabilidade de não rejeitar H0 falsa é mais complidada de ser calculada.

    Em geral o erro do tipo 2 é analisado por meio de uma função, denomidada “função poder do teste”, em que se deseja equilibrar esses dois tipos de erros.

    Testes unilaterais

    • Se o teste é unilateral, deve-se considerar o valor completo do nível de significância para decidir sobre se rejeita ou não H0.
    • Ou seja, o valor α não deve ser dividido por 2, pois o nível é considerado apenas para um lado da distribuição da estatística.
    • Outra consideração a se fazer, é sobre a distribuição da estatística.

    • Se o teste é para a média, tem-se o seguinte.
      • Se a variância é conhecida, a distribuição da estatística é normal (caso 1).
      • Se a variância é desconhecida e a amostra é grande, a distribuição da estatística é normal (caso 2).
      • Se a variância é desconhecida e a amostra é pequena, deve-se ter distribuição normal para a população e, nesse caso, a distribuição da estatística é t de Student (caso 3).