TESTES DE HIPÓTESES Spencer Barbosa da Silva Departamento de Estatística.
Transcript of TESTES DE HIPÓTESES Spencer Barbosa da Silva Departamento de Estatística.
TESTES DE HIPÓTESES
Spencer Barbosa da SilvaDepartamento de Estatística
Teste Bilateral
• A concentração de determinada substância no sangue é uma va (continua) que segue a distribuição Normal com variância 36.
• Considere uma doença que altera a concentração desta substancia.
• Para pacientes sadios (sem a doença) a concentração média desta substancia é 18 mg por litro de sangue.
• O tratamento proposto para esta doença é eficaz?
X = concentração da substância no sangue dos pacientes dos
pacientes doentes após o tratamento
X ~ Normal com média µ e variância σ2 =36
µ = 18 tratamento é eficaz
µ ≠ 18 tratamento não é eficaz
Inferência Estatística
• Uma amostra de n pacientes doentes foi submetida ao tratamento.
• Após o tratamento verificamos a concentração média desta substancia no sangue destes n pacientes ( ).
• Nossa decisão sobre µ será tomada com base em , pois é o melhor estimador para µ.
• Se a média amostral for muito diferente de 18, então optaremos por µ ≠ 18.
x
x x
Ho: µ = 18 Ha: µ ≠ 18
1cx 2cx
Região de Rejeição de Ho ou Região Crítica
18
Região de Rejeição de Ho ou Região Crítica
21 cc xxouxxRC
Erros associados ao teste de hipóteses
α = P(erro Tipo I) = P(rejeitar Ho| Ho verdadeira) = nível de significância
β = P(erro Tipo II) = P(não rejeitar Ho| Ho falsa)
1 - β = 1- P(não rejeitar Ho| Ho falsa) = P(rejeitar Ho| Ho falsa) = poder do teste
Ho verdadeira Ho falsa
Rejeitar Ho Erro Tipo I Sem erroDecisão
Não rejeitar Ho Sem erro Erro Tipo II
Situação
nzxc
2
01
Ho: µ = µ0 Ha: µ ≠ µ0
onde z>0 é um valor da tabela normal padrão associado ao nível de
significância do teste (α).
P(Z < -z) = P(Z > z) = α/2
nzxc
2
02
• No nosso exemplo: Ho: µ = 18 Ha: µ ≠ 18 n=30
• Considerando 5% de significância (α = 0,05):
• A concentração média da substancia no sangue dos 30 pacientes doentes submetidos ao tratamento após o tratamento foi de 22,00 mg por litro.
• Conclusão: Rejeitamos a hipótese nula ao nível de 5% de significância, ou seja, a amostra fornece evidência de que o tratamento não é eficaz.
85,15303696,1181 cx 15,2030
3696,1182 cx
15,2085,15 xouxRC
• A nossa conclusão foi rejeitar Ho, ou seja, concluímos que a tratamento não é eficaz.
• É possível que esta conclusão esteja errada, ou seja, é possível que na verdade o tratamento seja eficaz?
• Sim, é possível. Podemos estar rejeitando Ho quando na verdade Ho é verdadeira. A probabilidade de estarmos cometendo este erro (erro do tipo I) é igual ao nível de significância adotado (neste caso 5%).
Exemplo: Um pesquisador deseja estudar o efeito de certa substância
no tempo de reação de seres vivos a um certo estimulo. Cobaias que
fizeram uso desta substancia forneceram os seguintes tempos de
reação (em segundos):
9,1 9,3 7,2 7,5 13,3 10,9 7,2 9,9 8,0 8,6
Sabe-se que o tempo de reação a este estimulo tem distribuição
Normal com desvio padrão de 2 segundos. Sem o uso desta
substancia, o tempo médio de reação é de 8 segundos.
O pesquisador desconfia que o tempo médio é reação é alterado pela
substancia. Teste esta desconfiança ao nível de 10% de significância.
Teste Unilateral
• A concentração de determinada substância no sangue é uma va (continua) que segue a distribuição Normal com variância 36.
• Considere uma doença que aumenta a concentração desta substancia.
• Para pacientes sadios (sem a doença) a concentração média desta substancia é 18 mg por litro de sangue.
• O tratamento proposto para esta doença é eficaz?
X = concentração da substância no sangue dos pacientes dos
pacientes doentes após o tratamento
X ~ Normal com média µ e variância σ2 =36
µ = 18 tratamento é eficaz
µ > 18 tratamento não é eficaz
Inferência Estatística
• Uma amostra de n pacientes doentes foi submetida ao tratamento.
• Após o tratamento verificamos a concentração média desta substancia no sangue destes n pacientes ( ).
• Nossa decisão sobre µ será tomada com base em , pois é o melhor estimador para µ.
• Se a média amostral for muito maior que 18, então optaremos por µ > 18.
x
x x
Ho: µ = 18 Ha: µ > 18
cx
RC
18
cxxRC
nzxc
2
0
onde z > 0 é um valor da tabela normal padrão associado ao nível de
significância do teste (α).
P(Z > z) = α
Ho: µ = µ0 Ha: µ > µ0
• No nosso exemplo: Ho: µ = 18 Ha: µ > 18 n=30
• Considerando 5% de significância (α = 0,05):
• A concentração média da substancia no sangue dos 30 pacientes doentes submetidos ao tratamento após o tratamento foi de 22,00 mg por litro.
• Conclusão: Rejeitamos a hipótese nula ao nível de 5% de significância, ou seja, a amostra fornece evidência de que o tratamento não é eficaz.
79,19303664,118 cx
79,19 xRC
• A nossa conclusão foi rejeitar Ho, ou seja, concluímos que a tratamento não é eficaz.
• É possível que esta conclusão esteja errada, ou seja, é possível que na verdade o tratamento seja eficaz?
• Sim, é possível. Podemos estar rejeitando Ho quando na verdade Ho é verdadeira. A probabilidade de estarmos cometendo este erro (erro do tipo I) é igual ao nível de significância adotado (neste caso 5%).
Exemplo: Um pesquisador deseja estudar o efeito do álcool no tempo
de reação de seres vivos a um certo estimulo. Cobaias que
fizeram uso de bebida alcoólica substancia forneceram os seguintes
tempos de reação (em segundos):
9,1 9,3 7,2 7,5 13,3 10,9 7,2 9,9 8,0 8,6
Sabe-se que o tempo de reação a este estimulo tem distribuição
Normal com variância 6. O tempo médio de reação sem efeito de
álcool é de 9 segundos.
O pesquisador desconfia que o álcool aumenta o tempo médio de
reação. Teste esta desconfiança ao nível de 1% de significância.
Teste Unilateral
• A concentração de determinada substância no sangue é uma va (continua) que segue a distribuição Normal com variância 36.
• Considere uma doença que diminui a concentração desta substancia.
• Para pacientes sadios (sem a doença) a concentração média desta substancia é 18 mg por litro de sangue.
• O tratamento proposto para esta doença é eficaz?
X = concentração da substância no sangue dos pacientes dos
pacientes doentes após o tratamento
X ~ Normal com média µ e variância σ2 =36
µ = 18 tratamento é eficaz
µ < 18 tratamento não é eficaz
Inferência Estatística
• Uma amostra de n pacientes doentes foi submetida ao tratamento.
• Após o tratamento verificamos a concentração média desta substancia no sangue destes n pacientes ( ).
• Nossa decisão sobre µ será tomada com base em , pois é o melhor estimador para µ.
• Se a média amostral for muito menor que 18, então optaremos por µ < 18.
x
x x
Ho: µ = 18 Ha: µ < 18
cx
RC
18
RC
cxxRC
nzxc
2
0
onde z > 0 é um valor da tabela normal padrão associado ao nível de
significância do teste (α).
P(Z > z) = α
Ho: µ = µ0 Ha: µ < µ0
• No nosso exemplo: Ho: µ = 18 Ha: µ < 18 n=30
• Considerando 5% de significância (α = 0,05):
• A concentração média da substancia no sangue dos 30 pacientes doentes submetidos ao tratamento após o tratamento foi de 22,00 mg por litro.
• Conclusão: Não rejeitamos a hipótese nula ao nível de 5% de significância, ou seja, a amostra fornece evidência de que o tratamento é eficaz.
21,16303664,118 cx
21,16 xRC
• A nossa conclusão foi não rejeitar Ho, ou seja, concluímos que a tratamento é eficaz.
• É possível que esta conclusão esteja errada, ou seja, é possível que na verdade o tratamento não seja eficaz?
• Sim, é possível. Podemos não estar rejeitando Ho quando na verdade Ho é falsa. A probabilidade de estarmos cometendo este erro (erro do tipo II) é igual a β.
• O calculo de β depende do valor de µ.
Exemplo: Um pesquisador deseja estudar o efeito de uma bebida
energética no tempo de reação de seres vivos a um certo
estimulo. Cobaias que fizeram uso de bebida alcoólica forneceram os
seguintes tempos de reação (em segundos):
9,1 9,3 7,2 7,5 13,3 10,9 7,2 9,9 8,0 8,6
Sabe-se que o tempo de reação a este estímulo tem distribuição
Normal com variância 6. Sem efeito de energético, o tempo médio de
reação é de 10 segundos.
O pesquisador desconfia que energético diminui o tempo médio de
reação. Teste esta desconfiança ao nível de 10% de significância.
Etapas de um teste de hipóteses
1. Estabelecer as hipóteses nula e alternativa.
2. Definir a forma da região crítica, com base na hipótese
alternativa.
3. Fixar α e obter a região crítica.
4. Concluir o teste com base na média amostral.
Exemplo: Deseja-se investigar se uma certa doença que ataca o rim
aumenta o consumo de oxigênio deste órgão. O consumo de oxigênio
segue a distribuição Normal com desvio padrão de 9 cm3/min. Para
indivíduos sadios o consumo médio é de 13 cm3/min. Uma
amostra de 5 pacientes doentes forneceu os seguintes valores para o
consumo (em cm3/min):
14,4 12,9 15,0 13,7 13,5
a) Com base nesta amostra, forneça uma estimativa pontual para o
consumo médio em pacientes doentes.
b) A amostra fornece evidencia de que a doença aumenta o consumo?
Faça um teste com 2% de significância?
Exemplo: Uma associação de defesa do consumidor desconfia que
embalagens de 450 gramas de um biscoito estão abaixo do peso. O
peso destas embalagens segue a distribuição Normal com desvio
padrão de 10 gramas. Para verificar esta suspeita foram coletados 81
pacotes do biscoito, de vários supermercados, obtendo-se peso médio
de 447 gramas. Existe evidencia amostral de que as embalagens estão
abaixo do peso? Use α=7%.
Exemplo: O tempo de duração de lâmpadas segue a distribuição
Normal com desvio padrão de 002 anos. Um fabricante de lâmpadas
afirma que o tempo médio de duração de suas lâmpadas é 2,3 anos.
Para verificar esta afirmação 49 lâmpadas foram testadas. O tempo
médio de duração destas lâmpadas foi de 2,5 anos. Existe evidencia
amostral de a informação do fabricante esteja errada? Use 12% de
significância.
- Podemos também realizar testes de hipóteses para a proporção populacional.
- Hipóteses:
H0: p = p0 Ha: p ≠ p0 ou p > p0 ou p > p0
- A decisão neste caso é baseada na proporção amostral.
- Ha: p ≠ p0
2
^
1
^
cc xpouxpRC
n
ppzpxc
)1( 00^
1
n
ppzpxc
)1( 00^
2
- Ha: p > p0
- Ha: p < p0
cxpRC ^
n
ppzpxc
)1( 00^
cxpRC ^
n
ppzpxc
)1( 00^
Exemplo: Uma companhia afirma que 40% da água obtida em poços
artesianos no nordeste é salobra. Para testar esta hipótese, 400 poços
foram sorteados e em 120 deles observou-se água salobra. Teste a
afirmação da companhia ao nível de 10% de significância.
Exemplo: A LG afirma que apenas 5% de suas televisões LCD dão
algum tipo de problema antes de 1 ano de uso. Para testar esta
hipótese, 500 televisões LCD novas da marca LG foram usadas
durante 1 ano. 40 delas apresentaram algum tipo de problema.
Suspeita-se que a porcentagem de televisões LCD da marca LG que
apresenta problema antes de 1 ano de uso seja maior do que o
informado pelo fabricante. Teste esta suspeita ao nível de 1% de
significância.
Exemplo: Um pré-vestibular afirma que 90% de seus alunos são aprovados no
Vestibular, mas desconfia-se que esta proporção seja menor. Para testar esta
desconfianca100 alunos deste pré vestibular foram selecionados. Destes 100,
76 disseram ter sido aprovado. Verifique se a desconfiança procede ao nível
de 5% de significância.