NOES DE TESTE DE HIPTESES (I)

Teste de hipteses para a proporo populacional

Mtodos Estatsticos
Mtodos Estatsticos

Estatstica Descritiva

Inferncia Estatstica

Estimao

Teste de Hipteses

TESTE DE HIPTESES
Eu acredito que 30% da populao careca.

Populao

No est nem perto. Rejeito a hiptese.

Amostra Aleatria

Proporo
= 0.05 p

O que uma hiptese?

uma conjectura sobre um parmetro populacional. Por exemplo, a proporo p um parmetro populacional. A hiptese deve ser estabelecida antes da anlise.
Eu acredito que a proporo de pessoas com dengue neste ano no Rio de Janeiro com idade entre 15 e 49 anos de 45%.

1984-1994 T/Maker Co.

Estimao
Qual a probabilidade de cara no lanamento de uma moeda? Qual a proporo de votos que o candidato A ter na prxima eleio? Qual a proporo de motoristas habilitados de SP que tiveram suas carteiras apreendidas aps a vigncia da nova lei de trnsito?

Teste de Hipteses
A moeda honesta ou desequilibrada? O candidato A vencer a eleio? A proporo dos motoristas habilitados de SP que tiveram suas carteiras apreendidas aps a nova lei maior que 2% ou no?
5

Introduo
Em estimao, o objetivo estimar o valor desconhecido de um parmetro, por exemplo, a proporo p de indivduos em uma populao com determinada caracterstica. A estimativa baseada no nmero x de indivduos com a caracterstica numa amostra aleatria de tamanho n. Entretanto, se o objetivo for saber se o valor observado x nessa amostra d ou no suporte a uma conjectura sobre o valor de p, trata-se de um teste de hipteses.
6

Exemplo 1: Queremos avaliar se uma moeda honesta. Ou seja, queremos testar a hiptese nula H: a moeda honesta contra a hiptese alternativa A: a moeda no honesta.
Em linguagem estatstica, essas hipteses podem ser reescritas como:

H: p = 0,5 A: p 0,5

com p a probabilidade de cara da moeda.

7

Hipteses
De maneira geral, uma hiptese estatstica uma afirmao ou conjectura sobre um parmetro da distribuio de probabilidades de uma varivel aleatria. No caso especial de teste de hipteses sobre a proporo populacional p, temos: Hiptese nula: afirmao sobre p geralmente relacionada a um valor de referncia, ou a uma especificao padro ou histrica. Hiptese alternativa: afirmao sobre p que suspeitamos ser verdadeira.
8

No nosso exemplo, o parmetro a probabilidade p de sair cara. Se consideramos 12 lanamentos independentes da moeda e denotamos por X o nmero de caras obtidas nesses lanamentos, ento

X ~ binomial (12; p).

Note que o nmero de lanamentos est fixado (n=12), portanto fazer conjecturas sobre p similar a fazer conjecturas sobre o nmero esperado de sucessos (esperana de X).
9

Se observarmos 5 caras em 12 lanamentos independentes da moeda, o que podemos concluir? E se observarmos 4 caras? Ou 10 caras? Podemos considerar uma regra de deciso, por exemplo, Se nos 12 lanamentos da moeda, observarmos 0,1, 2, 3, 9, 10, 11 ou 12 caras, ento rejeitamos a hiptese nula H de que a moeda honesta. Caso contrrio, no rejeitamos a hiptese H.
10

Testar uma hiptese estatstica estabelecer uma regra que nos permita, com base na informao de uma amostra, decidir pela rejeio ou no de H. No exemplo, segundo a regra de deciso, o conjunto de valores de X que levam rejeio da hiptese nula H {0, 1, 2, 3, 9, 10, 11, 12}. Denominamos esse conjunto regio crtica (RC) ou regio de rejeio de H. RC = {0, 1, 2, 3, 9, 10, 11, 12} : regio de rejeio
0 1 2 3 4 5 6 7 8 9 10 11 12

RCc = {4, 5, 6, 7, 8} : regio de no rejeio de H

Regra de deciso (teste)

Seja x o valor observado da varivel aleatria X. No exemplo, suponha que observamos 2 caras, isto , x = 2.

9 10 11 12

Valor observado na amostra

x RC rejeitamos H.
Ser que a nossa concluso est correta?
12

Regra de deciso (teste)

Agora suponha que observamos 4 caras, isto , x = 4.

9 10 11 12

Valor observado na amostra Como x RC no rejeitamos H (no temos evidncia suficiente de que a moeda seja desequilibrada). Ser que a nossa concluso est correta?
13

Regra de deciso (teste)

x RC rejeitamos H x RC no rejeitamos H

Ao decidir pela rejeio ou no da hiptese nula H, podemos cometer dois tipos de erro.

14

Erros
Erro tipo I: Rejeitar H quando H verdadeira. (Afirmar que a moeda no honesta quando na verdade ela ). Erro tipo II: II: No rejeitar H quando H falsa. (Afirmar que a moeda honesta quando na verdade ela desequilibrada).

15

Exemplo: Uma pessoa est sendo julgada.

Como pela lei uma pessoa inocente at que se prove o contrrio, as hipteses so:

H: A pessoa inocente. A: A pessoa culpada.

Erro I: A pessoa condenada apesar de ser inocente. Erro II: A pessoa absolvida apesar de ser culpada. Naturalmente, a Justia procura reduzir a possibilidade de ocorrer o Erro I, pois entende-se que mais grave condenar inocentes do que absolver criminosos.

Probabilidades de erros
P(erro I) = P(rejeitar H | H verdadeira) =

: nvel de significncia do teste

P(erro II) = P(no rejeitar H | H falsa) = 1 - : poder do teste
Observaes: e tm uma relao inversa. Em geral, s podemos controlar um dos erros (fixando sua probabilidade de ocorrncia).

17

No exemplo da moeda:

H: p = 0,5 A: p 0,5

X ~ binomial (12; p)
RC = {0,1,2,3,9,10,11,12}
= P(erro erro I) = P(rejeitar H | H verdadeira )
= P(X RC | p = 0,5) = P(X=0 | p=0,5) + ... + P(X=3 | p=0,5) + P(X=9 | p=0,5)+ ... + P(X=12 | p=0,5)

= 0,0002 + 0,0029 + 0,0161 + 0,0537 + 0,0537 + 0,0161 + 0,0029 + 0,0002 = 0,1458

Binomial com n = 12 e p = 0,5

x 0 1 2 3 4 5 6 7 8 9 10 11 12 Pr 0,0002441406 0,0029296875 0,0161132812 0,0537109375 0,1208496094 0,1933593750 0,2255859375 0,1933593750 0,1208496094 0,0537109375 0,0161132812 0,0029296875 0,0002441406

19

P(X = x) 0,05 0,00 0 2 0,10 0,15 0,20 0,25

Regio de rejeio
4 6 x

Regio de no rejeio

Valor de E(X) sob H

8 10

=0,1458

Regio de rejeio

12

Verdadeiro valor de p Deciso p = 0,5 (H verd.) p 0,5 (A verd.) No rejeitar H Deciso correta Erro II 1 - = 0,8542 Rejeitar H Erro I Deciso correta 1- = 0,1458

21

Se alterarmos a regra de deciso para RC = {0, 1, 2, 10, 11, 12}, isto , concluiremos que a moeda desonesta se o nmero de caras for 0, 1, 2, 10, 11 ou 12, o que acontece com o nvel de significncia do teste (probabilidade de erro tipo I)?

= P(erro erro I) I = P(rejeitar H | H verdadeira ) = P(X RC | p = 0,5)

= P(X=0 | p=0,5) + ... + P(X=2 | p=0,5) + P(X=10 | p=0,5)+ ... + P(X=12 | p=0,5)

= 0,0002 + 0,0029 + 0,0161 + 0,0161 + 0,0029 + 0,0002 = 0,0384

22

Binomial com n = 12 e p = 0,5

x 0 1 2 3 4 5 6 7 8 9 10 11 12 Pr 0,0002441406 0,0029296875 0,0161132812 0,0537109375 0,1208496094 0,1933593750 0,2255859375 0,1933593750 0,1208496094 0,0537109375 0,0161132812 0,0029296875 0,0002441406

23

Regies crticas e nveis de significncia (Exemplo 1: Moeda) Moeda)

RC {0, 1, 2, 3, 9, 10, 11, 12} 0,1458 {0, 1, 2, 10, 11, 12} 0,0384 {0, 1, 11, 12} 0,0063
RC

24

At agora, o procedimento foi escolher RC determinar .

Alternativamente, podemos fixar determinar RC. Os valores de nvel de significncia usualmente adotados esto entre 1% e 10%.
25

Determinao da regio crtica

Exemplo 2: Suponha que um medicamento
existente no mercado produza o efeito desejado em 60% dos casos nos quais aplicado. Um laboratrio produz um novo medicamento e afirma que ele melhor do que o existente. Objetivo: Verificar estatisticamente se verdadeira a afirmao do laboratrio. Aplicou-se o medicamento em n = 10 pacientes.
26

Seja X o nmero de pacientes, dentre os 10, para os quais o novo medicamento produz o efeito desejado. Temos que: X ~ b (10; p), onde p a proporo de pacientes para os quais o novo medicamento eficaz. (1) Hipteses estatsticas:

H: p = 0,6 A: p > 0,6

que correspondem a H: O novo medicamento similar ao existente. A: O novo medicamento melhor (mais efetivo).
27

(2) Fixemos o nvel de significncia em 5% ( = 0,05). (3) A regio crtica deve ter a forma: RC = { X k } O valor de k deve ser tal que P(erro erro I I) = P(X RC | p = 0,6) = P(X k | p = 0,6) = Pela tabela da binomial (10; 0,6), para k = 9: P(X 9) = 0,0463 para k = 8: P(X 8) = 0,1672 Portanto, RC = {X 9}, que garante um nvel de significncia menor que 5% (na realidade, = 4,63%). 28

Binomial com n = 10 e p = 0,6 x

0 1 2 3 4 5 6 7 8 9 10 Pr 0,0001048576 0,0015728640 0,0106168320 0,0424673280 0,1114767360 0,2006581248 0,2508226560 0,2149908480 0,1209323520 0,0403107840 0,0060466176

29

Valor de E(X) sob H

0,25

0,20

P(X = x)

0,15

0,10

0,05

=0,0463

0,00 0 2 4 x 6 8 10

Regio de no rejeio

Regio de rejeio

Hipteses alternativas bilaterais e unilaterais

No Exemplo 1 (da moeda), as hipteses so H: p = 0,5 e A: p 0,5. Dizemos que a hiptese alternativa bilateral (queremos detectar desvios em torno de p = 0,5 em qualquer direo).

31

Hipteses alternativas bilaterais e unilaterais

No Exemplo 2, as hipteses so H: p = 0,6 e A: p > 0,6 isto , desejamos detectar desvios em p em apenas uma direo (desvios direita de 0,6). Nesse caso, a hiptese alternativa unilateral.

32

Exemplo 3: A proporo de analfabetos em um municpio era de 15% na gesto anterior. No incio da sua gesto, o prefeito atual implantou um programa de alfabetizao e aps 2 anos afirma que reduziu a proporo de analfabetos.
Para verificar a afirmao do prefeito, n = 60 cidados foram entrevistados.

33

Seja X o nmero de analfabetos entre os 60 cidados entrevistados.

Ento:

X ~ b(60; p),

sendo p a proporo atual de analfabetos no municpio (aps o programa de alfabetizao).

34

(1) As hipteses de interesse so: H: A proporo de analfabetos no municpio no se alterou

(a afirmao do prefeito est incorreta). A: A proporo de analfabetos no municpio diminuiu (a afirmao do prefeito est correta).

Equivalentemente,

H: p = 0,15 A: p < 0,15

(2) Vamos fixar = 5%.
35

(3) A regio crtica deve ter a forma: RC = { X k } O valor de k deve ser tal que P(erro I) = , ou seja, P(X k | p = 0,15) = 0,05. Pela tabela da binomial(60; 0,15),

RC = {X 4}.
Na realidade, temos = 0,0424.
36

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Binomial com n = 60 e p = 0,15 x Pr Pr 0 0,00005822849 5.822849e-05 1 0,0006165370 6.165370e-04 2 0,003209619 3.209619e-03 3 0,01095046 1.095046e-02 4 0,02753720 2.753720e-02 5 0,05442646 5.442646e-02 6 0,08804281 8.804281e-02 7 0,1198566 1.198566e-01 8 0,1401265 1.401265e-01 9 0,1428740 1.428740e-01 10 0,1285866 1.285866e-01 11 0,1031444 1.031444e-01 12 0,07432461 7.432461e-02 13 0,04842871 4.842871e-02 14 0,02869096 2.869096e-02 15 0,01552687 1.552687e-02 16 0,007706351 7.706351e-03 17 0,003519856 3.519856e-03 18 0,001483861 1.483861e-03 19 0,0005788435 5.788435e-04 20 0,0002094052 2.094052e-04 21 0,00007038829 7.038829e-05 2.201987e-05 22 0,00002201987

(4) Buscar a evidncia na amostra para concluir. Se observamos 6 analfabetos entre os 60 entrevistados, qual a concluso? (5) Deciso e concluso: 6 RC Decidimos por no rejeitar H ao nvel de significncia 4,24%. Conclumos que no temos evidncia suficiente para afirmar que a proporo de analfabetos (aps o programa de alfabetizao) inferior a 15%, isto , no h evidncia suficiente de que a afirmao do prefeito seja correta.
38

Resumo
(1) Estabelecer as hipteses: H: p = p0 contra uma das alternativas

A: p p0 , A: p > p0 ou A: p < p0 . (2) Escolher um nvel de significncia . (3) Determinar a regio crtica RC da forma { X k1 } U { X k2 }, { X k } ou { X k }, respectivamente s hipteses alternativas.
39

(4) Selecionar uma amostra aleatria e determinar o nmero x de elementos na amostra com o atributo desejado. (5) Decidir, usando a evidncia x, ao nvel de significncia , e concluir. x RC rejeitamos H. x RC no rejeitamos H.

40