Testes de Hipótese
description
Transcript of Testes de Hipótese
Testes de HipóteseTestes de Hipótese
Definimos a HipóteseDefinimos a HipóteseH0 = hipótese nula – sem efeitoH0 = hipótese nula – sem efeitoH1 = hipótese alternativa H1 = hipótese alternativa
Obtemos a estatística do teste com os dados de uma Obtemos a estatística do teste com os dados de uma amostraamostra
Obtemos o valor de p – Obtemos o valor de p – probabilidade de obter o resultado probabilidade de obter o resultado que obtivemos ou mais extremo, sendo H0 verdadeira.que obtivemos ou mais extremo, sendo H0 verdadeira.
Definimos o nível se significanciaDefinimos o nível se significancia – usualmente 0.05 – usualmente 0.05Interpretamos o valor de pInterpretamos o valor de p – –
se p<0.05 temos evidência suficiente para rejeitar H0se p<0.05 temos evidência suficiente para rejeitar H0se p>0.05 não temos evidência suficiente para rejeitar se p>0.05 não temos evidência suficiente para rejeitar H0H0
ExemploExemploQueremos saber se uma determinada moeda é equilibradaQueremos saber se uma determinada moeda é equilibrada
Definimos a HipóteseDefinimos a Hipótese H0 = é que a moeda é equilibrada. H0 = é que a moeda é equilibrada.
Obtemos a estatística do teste – Obtemos a estatística do teste – Usámos uma amostra de 100 lançamentos Usámos uma amostra de 100 lançamentos Suponhamos que o resultado dos lançamentos foi Suponhamos que o resultado dos lançamentos foi 48 coroas48 coroas e e 52 caras52 caras. . Será este resultado suficientemente forte para rejeitarmos a Hipótese Nula? Será este resultado suficientemente forte para rejeitarmos a Hipótese Nula? Ou seja, será que este resultado é compatível com a hipótese da moeda ser equilibrada?Ou seja, será que este resultado é compatível com a hipótese da moeda ser equilibrada?
Obtemos o valor de p Obtemos o valor de p – P=0.38– P=0.38A probabilidade de obter A probabilidade de obter 48 ou menos coroas48 ou menos coroas em 100 lançamentos, com uma moeda em 100 lançamentos, com uma moeda equilibrada, é de aproximadamente equilibrada, é de aproximadamente 38%38%. .
Definimos o nível se significancia Definimos o nível se significancia – 0.05 (5%)– 0.05 (5%)
Interpretamos o valor de p – Interpretamos o valor de p – 0.0.38 é demasiado elevado para rejeitar H0, isto é, a 38 é demasiado elevado para rejeitar H0, isto é, a probabilidade de obter 48 ou menos coroas em 100 lançamentos com uma moeda probabilidade de obter 48 ou menos coroas em 100 lançamentos com uma moeda equilibrada é alta (38%). Assim não devemos rejeitar a Hipótese Nula (H0). equilibrada é alta (38%). Assim não devemos rejeitar a Hipótese Nula (H0).
ExemploExemploQueremos saber se uma determinada moeda é equilibradaQueremos saber se uma determinada moeda é equilibrada
Definimos a HipóteseDefinimos a Hipótese H0 = é que a moeda é equilibrada. H0 = é que a moeda é equilibrada.
Obtemos a estatística do teste – Obtemos a estatística do teste – Para obte-la usámos uma amostra de 100 lançamentos Para obte-la usámos uma amostra de 100 lançamentos Suponhamos que o resultado dos lançamentos foi Suponhamos que o resultado dos lançamentos foi 3030 coroas coroas e e 7070 caras caras. . Será este resultado suficientemente forte para rejeitarmos a Hipótese Nula? Será este resultado suficientemente forte para rejeitarmos a Hipótese Nula? Ou seja, será que este resultado é compatível com a hipótese da moeda ser equilibrada?Ou seja, será que este resultado é compatível com a hipótese da moeda ser equilibrada?
Obtemos o valor de p Obtemos o valor de p – – P=0.002P=0.002A probabilidade de obter A probabilidade de obter 3030 ou menos coroas ou menos coroas em 100 lançamentos, com uma moeda em 100 lançamentos, com uma moeda equilibrada, é de aproximadamente equilibrada, é de aproximadamente 0.2%0.2%. .
Definimos o nível se significancia Definimos o nível se significancia – 0.05 (5%)– 0.05 (5%)
Interpretamos o valor de p – Interpretamos o valor de p – 0.002 0.002 é suficientemente baixo para rejeitar H0, isto é, a é suficientemente baixo para rejeitar H0, isto é, a probabilidade de obter probabilidade de obter 3030 ou menos coroas em 100 lançamentos com uma moeda ou menos coroas em 100 lançamentos com uma moeda equilibrada é baixa (equilibrada é baixa (0.2%0.2%). Assim rejeitamos a Hipótese Nula (H0). ). Assim rejeitamos a Hipótese Nula (H0).
Testes de hipóteseTestes de hipótese
Paramétricos:Paramétricos: são baseados nas são baseados nas características das distribuições características das distribuições teóricas que a distribuição dos dados teóricas que a distribuição dos dados segue.segue.
Não-paramétricos:Não-paramétricos: não fazem não fazem assunções sobre a distribuição dos assunções sobre a distribuição dos dados. Têm menos poder.dados. Têm menos poder.
ErrosErros
Rejeitar H0Rejeitar H0 Aceitar H0Aceitar H0
H0 H0 verdadeiraverdadeira
Erro Tipo I (Erro Tipo I ()) Sem ErroSem Erro
H0 falsaH0 falsa Sem ErroSem Erro Erro Tipo II Erro Tipo II (())Poder do teste = 1- = Probabilidade de rejeitar H0 quando ela é falsa = Probabilidade de rejeitar H0 quando ela é falsa
Variáveis contínuas – um Variáveis contínuas – um grupogrupo
Com uma amostra de indivíduos queremos saber se a média da respectiva população é um determinado valor.
Testes de hipóteseTestes de hipótese
Definimos a HipóteseDefinimos a HipóteseH0 = hipótese nula – sem efeitoH0 = hipótese nula – sem efeitoH1 = hipótese alternativaH1 = hipótese alternativa
Obtemos a estatística do teste com os dados de uma Obtemos a estatística do teste com os dados de uma amostraamostra
Obtemos o valor de p – Obtemos o valor de p – probabilidade de obter o probabilidade de obter o resultado que obtivemos ou mais extremo, sendo H0 resultado que obtivemos ou mais extremo, sendo H0 verdadeira.verdadeira.
Definimos o nível se significanciaDefinimos o nível se significancia – usualmente 0.05 – usualmente 0.05Interpretamos o valor de pInterpretamos o valor de p – –
se p<0.05 temos evidência suficiente para rejeitar H0se p<0.05 temos evidência suficiente para rejeitar H0se p>0.05 não temos evidência suficiente para se p>0.05 não temos evidência suficiente para rejeitar H0rejeitar H0
Teste t para uma amostraTeste t para uma amostra
Definimos a HipóteseDefinimos a Hipótese
H0: A média na população é igual a H0: A média na população é igual a µµ11
H1: A média na população é diferente a H1: A média na população é diferente a µµ11
Obtemos a estatística do teste com os dados de uma Obtemos a estatística do teste com os dados de uma amostraamostra
t=(x-t=(x-µµ11)/(s/)/(s/n) que segue uma distribuição t com n-1 graus de liberdaden) que segue uma distribuição t com n-1 graus de liberdade
Teste t para uma amostraTeste t para uma amostra
Obtemos o valor de p – Obtemos o valor de p – probabilidade de obter o probabilidade de obter o resultado que obtivemos ou mais extremo, sendo resultado que obtivemos ou mais extremo, sendo H0 verdadeira.H0 verdadeira.
Definimos o nível se significanciaDefinimos o nível se significancia – usualmente 0.05 – usualmente 0.05
Interpretamos o valor de pInterpretamos o valor de p – – se p<0.05 temos evidência suficiente para rejeitar se p<0.05 temos evidência suficiente para rejeitar H0H0
se p>0.05 não temos evidência suficiente para se p>0.05 não temos evidência suficiente para rejeitar H0rejeitar H0
Exemplo Exemplo ganho de peso durante a gravidezganho de peso durante a gravidez
Definimos a HipóteseDefinimos a HipóteseH0: H0: µ=10 kgµ=10 kgH1: H1: µµ10 kg10 kg
Obtemos a estatística do teste com os dados de uma amostraObtemos a estatística do teste com os dados de uma amostrat=(x-t=(x-µµ11)/(s/)/(s/n) que segue uma distribuição t com n-1 graus de liberdaden) que segue uma distribuição t com n-1 graus de liberdadet=(12.82-10)/(4.23/ t=(12.82-10)/(4.23/ 338)=12.3338)=12.3Definimos o nível se significancia: Definimos o nível se significancia: 0.050.05
[Obtemos o valor de p: [Obtemos o valor de p: ((spssspss))]]12.3>2.306 por isso p<0.0512.3>2.306 por isso p<0.05
Rejeitamos H0Rejeitamos H0
-2.306 +2.306
(0.05) (0.05)
Exemplo Exemplo ganho de peso durante a gravidezganho de peso durante a gravidez
One-Sample Statistics
339 12.8195 4.23065 .22978incremN Mean Std. Deviation
Std. ErrorMean
One-Sample Test
12.270 338 .000 2.81947 2.3675 3.2714incremt df Sig. (2-tailed)
MeanDifference Lower Upper
95% ConfidenceInterval of the
Difference
Test Value = 10
H0: µ=10kg ou µ-10kg=0H0: µ=10kg ou µ-10kg=0
X-10=2.82 t=12.27X-10=2.82 t=12.27
p<0.001p<0.001
Rejeito H0Rejeito H0
Não Não contém o zerocontém o zero
Teste t para uma amostraTeste t para uma amostra
Assunção:Assunção:
A variável é normalmente A variável é normalmente distribuída na população.distribuída na população.
Variáveis contínuas – 2 gruposVariáveis contínuas – 2 grupos
Com duas amostras emparelhadas de indivíduos queremos saber se as médias dos dois grupos na população são iguais.
Com duas amostras independentes de indivíduos queremos saber se as médias dos dois grupos na população são iguais.
Teste t para 2 amostras Teste t para 2 amostras emparelhadasemparelhadas
Definimos a HipóteseDefinimos a Hipótese
H0: µ1 = µ2 ou µ1 - µ2 = 0H0: µ1 = µ2 ou µ1 - µ2 = 0
H1: µ1 H1: µ1 µ2 ou µ1 - µ2 µ2 ou µ1 - µ2 0 0
Obtemos a estatística do teste com os dados de uma Obtemos a estatística do teste com os dados de uma amostraamostra
tt=médias das diferenças=médias das diferenças/EP das diferenças /EP das diferenças
que segue uma distribuição t com n-1 graus de liberdadeque segue uma distribuição t com n-1 graus de liberdade
Obtemos o valor de p Obtemos o valor de p
Definimos o nível se significância Definimos o nível se significância
Interpretamos o valor de p Interpretamos o valor de p
Teste t para 2 amostras Teste t para 2 amostras emparelhadasemparelhadas
Assunção:Assunção:
A variável das diferenças é A variável das diferenças é normalmente distribuída na normalmente distribuída na populaçãopopulação
Exemplo Exemplo tempo que demora a passar uma dor de tempo que demora a passar uma dor de
cabeça tomando os analgésicos a e bcabeça tomando os analgésicos a e b
Paired Samples Statistics
25.9412 34 10.03310 1.72066
28.5588 34 9.57646 1.64235
New tablet clearing time
Old tablet clearing time
Pair1
Mean N Std. DeviationStd. Error
Mean
Paired Samples Correlations
34 .860 .000New tablet clearing time &Old tablet clearing time
Pair1
N Correlation Sig.
Paired Samples Test
-2.61765 5.19915 .89165 -4.43172 -.80358 -2.936 33 .006New tablet clearing time- Old tablet clearing time
Pair1
Mean Std. DeviationStd. Error
Mean Lower Upper
95% ConfidenceInterval of the
Difference
Paired Differences
t df Sig. (2-tailed)
H0: µH0: µnewnew=µ=µoldold ou µµnewnew-µ-µoldold=0=0
XXnewnew –X –Xoldold=2.6 t=2.9=2.6 t=2.9
P=0.006P=0.006
Rejeito H0Rejeito H0
Não contém o zeroNão contém o zero
Teste t duas amostras Teste t duas amostras independentesindependentes
Definimos a HipóteseDefinimos a Hipótese
H0: µ1 = µ2 ou µ1 - µ2 = 0H0: µ1 = µ2 ou µ1 - µ2 = 0
H1: µ1 H1: µ1 µ2 ou µ1 - µ2 µ2 ou µ1 - µ2 0 0
Obtemos a estatística do teste com os dados de uma amostraObtemos a estatística do teste com os dados de uma amostra
tt=(X1-X2)-(µ1 - µ2 )=(X1-X2)-(µ1 - µ2 )/Sp /Sp ((1/n1)+(1/n2)) ((1/n1)+(1/n2))
Sp – os dois desvios padrões num só (se as variâncias são Sp – os dois desvios padrões num só (se as variâncias são iguais)iguais)
que segue uma distribuição t com n1+n2-2 graus de liberdadeque segue uma distribuição t com n1+n2-2 graus de liberdade
Obtemos o valor de p Obtemos o valor de p
Definimos o nível se significância Definimos o nível se significância
Interpretamos o valor de p Interpretamos o valor de p
Teste t para 2 amostras Teste t para 2 amostras independentesindependentes
Assunção:Assunção: A variável é A variável é normalmente distribuída na normalmente distribuída na população e as variâncias são população e as variâncias são iguais nos dois gruposiguais nos dois grupos
Teste t duas amostras Teste t duas amostras independentesindependentes
E se as variâncias não são iguais?E se as variâncias não são iguais?
O Teste F testa a hipótese de as O Teste F testa a hipótese de as variâncias serem iguais nos dois variâncias serem iguais nos dois gruposgrupos
Se não forem iguais não podemos Se não forem iguais não podemos calcular sp calculamos com as duas calcular sp calculamos com as duas variâncias separadas e os graus de variâncias separadas e os graus de liberdade calculados com uma liberdade calculados com uma fórmula.fórmula.
Exemplo Exemplo diferença de peso no fim da gravidez diferença de peso no fim da gravidez
entre as mulheres que fumaram e que entre as mulheres que fumaram e que não fumaramnão fumaram
Group Statistics
302 70.62 11.224 .646
76 69.01 11.579 1.328
smoked pregnancyNo
Yes
Maternal weight onadmission for labor
N Mean Std. DeviationStd. Error
Mean
Independent Samples Test
.117 .733 1.112 376 .267 1.612 1.450 -1.238 4.462
1.091 113.089 .277 1.612 1.477 -1.314 4.538
Equal variancesassumed
Equal variancesnot assumed
Maternal weight onadmission for labor
F Sig.
Levene's Test forEquality of Variances
t df Sig. (2-tailed)Mean
DifferenceStd. ErrorDifference Lower Upper
95% ConfidenceInterval of the
Difference
t-test for Equality of Means
H0: µ H0: µ fumaramfumaram - µ - µ não fumaramnão fumaram = 0 = 0
X X fumaramfumaram - X - X não fumaramnão fumaram = - 1.6= - 1.6
Teste de LeveneH0: VARfumaram = VARnão fumaram
p = 0.733 Aceito H0
p = 0.267 Aceito H0p = 0.267 Aceito H0