Erros de Decis o

ERROS DE DECISO
Rafael Carneiro da Costa

UNIVERSIDADE FEDERAL DO CEAR - UFC
FACULDADE DE ECONOMIA, ADMINISTRAO, ATURIA E CONTABILIDADE
DEPARTAMENTO DE ECONOMIA APLICADA - DEA
Outubro 2014
Rafael Costa (CAEN) ERROS DE DECISO 10/14 1 / 38
INTRODUO
Example (1)
Uma indstria usa, como um dos proponentes das mquinas que produz,
um parafuso importado, que deve satisfazer a algumas exigncias. Uma
dessas a resistncia trao. Esses parafusos so fabricados por alguns
pases, e as especicaes tcnicas variam de pas para pas. Por exemplo,
o catlogo do pas A arma que a resistncia mdia trao de seus
parafusos de 145 kg, com desvio padro de 12 kg. J para o pas B, a
mdia de 155 kg e desvio padro 20 kg.
Um lote desses parafusos, de origem desconhecida, ser leiloado a um
preo muito convidativo. Para que a indstria saiba se faz ou no uma
oferta, ela necessita saber qual pas produziu tais parafusos. O edital do
leiloeiro arma que, pouco antes do leilo, ser divulgada a resistncia
mdia x de uma amostra de 25 parafusos do lote. Qual a regra de deciso
deve ser usada pela indstria para dizer se os parafusos so do pas A ou
B?
INTRODUO
Uma resposta que ocorre imediatamente a que considera como pas
produtor aquele para qual a mdia da amostra mais se aproximar da
mdia da populao. Assim, uma possvel regra de deciso seria:
Se x _ 150 (o ponto mdio entre 145 e 155), diremos que os
parafusos so do pas A; caso contrrio, isto , x > 150, so do pas
B.
Suponha que, no dia do leilo, fssemos informados de que x = 148;
de acordo com nossa regra de deciso, diramos que os parafusos so
de origem A.
Podemos estar enganados nessa concluso? Ou, em outras palavras,
possvel que uma amostra de 25 parafusos de origem B apresente
mdia x = 148?
Sim, possvel. Ento, para melhor entendermos a regra de deciso
adotada, interessante estudarmos os tipos de erro que podemos
cometer e as respectivas probabilidades.
INTRODUO
B.
de origem A.
mdia x = 148?
INTRODUO
B.
de origem A.
mdia x = 148?
INTRODUO
B.
de origem A.
mdia x = 148?
INTRODUO
B.
de origem A.
mdia x = 148?
INTRODUO
Podemos cometer dois tipos de erros, e vamos numer-los para
facilitar a linguagem:
Erro do tipo I : dizer que os parafusos so de A quando na realidade
so de B. Isso ocorre quando uma amostra de 25 parafusos de B
apresenta mdia x inferior ou igual a 150 kg.
Erro do tipo II : dizer que os parafusos so de B, quando na realidade
eles so de A. Isso ocorre quando uma amostra de 25 parafusos de A
apresenta mdia x superior a 150 kg.
Para facilitar ainda mais, vamos denir tambm duas hipteses
numeradas:
H
0
: os parafusos so de origem B. Isso equivale a dizer que a
resistncia X de cada parafuso segue uma distribuio com mdia
= 155 e desvio padro = 20.
H
1
: os parafusos so de A, isto , a mdia = 145 e desvio padro
= 12.
INTRODUO
numeradas:
H
0
H
1
= 12.
INTRODUO
numeradas:
H
0
H
1
= 12.
INTRODUO
numeradas:
H
0
H
1
= 12.
INTRODUO
numeradas:
H
0
H
1
= 12.
INTRODUO
numeradas:
H
0
H
1
= 12.
INTRODUO
Finalmente, vamos indicar por RC a regio correspondente aos valores
menores que 150, ou seja,
RC = y R[y _ 150 .
Com as notaes indicadas acima, a probabilidade de se cometer cada
um dos erros pode ser escrita:
P (erro I) = P
_
X RC[H
0
verdadeira
_
=
e
P (erro II) = P
_
X / RC[H
1
verdadeira
_
=
INTRODUO
RC = y R[y _ 150 .
P (erro I) = P
_
X RC[H
0
verdadeira
_
=
e
P (erro II) = P
_
X / RC[H
1
verdadeira
_
=
INTRODUO
RC = y R[y _ 150 .
P (erro I) = P
_
X RC[H
0
verdadeira
_
=
e
P (erro II) = P
_
X / RC[H
1
verdadeira
_
=
INTRODUO
Quando H
0
for verdadeira, isto , os parafusos forem de B, sabe-se do
TLC que X ter distribuio aproximadamente normal, com mdia
155 e desvio padro igual a 20/
_
25 = 4, isto , X ~ N(155, 16).
Denotando por Z a v.a. com distribuio N (0, 1), temos
P (erro I) = P
_
X RC[H
0
verdadeira
_
= P
_
X _ 150[X ~ N(155, 16)
= P
_
Z _
150 155
4
_
= P(Z _ 1, 25) = 0, 10565 = 10, 56% =
INTRODUO
Quando H
0
_
25 = 4, isto , X ~ N(155, 16).
P (erro I) = P
_
X RC[H
0
verdadeira
_
= P
_
X _ 150[X ~ N(155, 16)
= P
_
Z _
150 155
4
_
= P(Z _ 1, 25) = 0, 10565 = 10, 56% =
INTRODUO
Quando H
0
_
25 = 4, isto , X ~ N(155, 16).
P (erro I) = P
_
X RC[H
0
verdadeira
_
= P
_
X _ 150[X ~ N(155, 16)
= P
_
Z _
150 155
4
_
= P(Z _ 1, 25) = 0, 10565 = 10, 56% =
INTRODUO
De modo anlogo, quando H
1
for a alternativa verdadeira, teremos
que a v.a. X tal que, aproximadamente, X ~ N(145; 5, 76).
Teremos ento,
P (erro II) = P
_
X / RC[H
1
verdadeira
_
= P
_
X > 150[X ~ N(145; 5, 76)
= P
_
Z >
150 145
2, 4
_
= P(Z > 2, 08) = 0, 01876 = 1, 88% =
Observando esses dois resultados, nota-se que, com a regra de deciso
adotada, estaremos cometendo o erro do tipo I com maior
probabilidade do que o erro do tipo II. De certo modo, essa regra de
deciso privilegia a armao de que os parafusos so de A.
INTRODUO
1
Teremos ento,
P (erro II) = P
_
X / RC[H
1
verdadeira
_
= P
_
X > 150[X ~ N(145; 5, 76)
= P
_
Z >
150 145
2, 4
_
= P(Z > 2, 08) = 0, 01876 = 1, 88% =
INTRODUO
1
Teremos ento,
P (erro II) = P
_
X / RC[H
1
verdadeira
_
= P
_
X > 150[X ~ N(145; 5, 76)
= P
_
Z >
150 145
2, 4
_
= P(Z > 2, 08) = 0, 01876 = 1, 88% =
INTRODUO
No quadro abaixo, ilustramos as consequncias que podem advir da
regra de deciso adotada.
Resumo do teste H
0
:=155, H
1
:=145, com RC=(,150]
Origem Real Deciso
dos X RC X / RC
Parafusos A B
A Sem erro
Erro tipo II
=1,88%
B
Erro tipo I
=10,56%
Sem erro
Desse quadro, pode-se notar que, se os parafusos forem realmente de
B (2
a
linha) e a amostra tiver mdia x > 150 (2
a
coluna), diz-se que
so de B, e no cometeremos erro algum. Por outro lado, se a mdia
x for inferior a 150 (1
a
linha), deve-se dizer que so de A, e estaremos
cometendo um erro cuja probabilidade nesse caso de 10, 56%.
De modo anlogo, teremos uma interpretao para o caso de os
parafusos serem realmente de A (1
a
linha).
INTRODUO
Resumo do teste H
0
:=155, H
1
:=145, com RC=(,150]
Origem Real Deciso
dos X RC X / RC
Parafusos A B
A Sem erro
Erro tipo II
=1,88%
B
Erro tipo I
=10,56%
Sem erro
B (2
a
a
coluna), diz-se que
a
a
linha).
INTRODUO
Resumo do teste H
0
:=155, H
1
:=145, com RC=(,150]
Origem Real Deciso
dos X RC X / RC
Parafusos A B
A Sem erro
Erro tipo II
=1,88%
B
Erro tipo I
=10,56%
Sem erro
B (2
a
a
coluna), diz-se que
a
a
linha).
INTRODUO
Resumo do teste H
0
:=155, H
1
:=145, com RC=(,150]
Origem Real Deciso
dos X RC X / RC
Parafusos A B
A Sem erro
Erro tipo II
=1,88%
B
Erro tipo I
=10,56%
Sem erro
B (2
a
a
coluna), diz-se que
a
a
linha).
INTRODUO
De maneira geral, pode-se cometer um erro de deciso quando feito o
teste de hiptese se:
1
Rejeitamos uma hiptese nula verdadeira: o denominado erro de 1
a
espcie ou do tipo I.
2
No rejeitamos uma H
0
falsa: o chamado erro de 2
a
espcie ou erro
do tipo II.
Resumindo:
S pode-se cometer o erro do tipo I quando rejeitamos H
0
, e o erro
do tipo II quando no rejeitamos H
0
.
INTRODUO
1
a
2
No rejeitamos uma H
0
a
espcie ou erro
do tipo II.
Resumindo:
0
, e o erro
0
.
INTRODUO
1
a
2
No rejeitamos uma H
0
a
espcie ou erro
do tipo II.
Resumindo:
0
, e o erro
0
.
INTRODUO
1
a
2
No rejeitamos uma H
0
a
espcie ou erro
do tipo II.
Resumindo:
0
, e o erro
0
.
INTRODUO
1
a
2
No rejeitamos uma H
0
a
espcie ou erro
do tipo II.
Resumindo:
0
, e o erro
0
.
PROBABILIDADE DE COMETER ERROS DOS TIPOS I
E II
PROBABILIDADE DE SE COMETER ERRO DO TIPO I: P(I)
Em toda esta seo, considere apenas testes bilaterais para o
parmetro da populao normal com varincia conhecida, isto :
_
H
0
: =
0
H
1
: ,=
0
e
2
conhecida.
Comete-se o erro do tipo I quando rejeita-se H
0
, ou seja, quando
levanta-se uma amostra e o x cai na RC do teste, isto :
x (, x
1
] ' [x
2
, +)
E II
Em toda esta seo, considere apenas testes bilaterais para o
parmetro da populao normal com varincia conhecida, isto :
_
H
0
: =
0
H
1
: ,=
0
e
2
conhecida.
Comete-se o erro do tipo I quando rejeita-se H
0
, ou seja, quando
levanta-se uma amostra e o x cai na RC do teste, isto :
x (, x
1
] ' [x
2
, +)
E II
Se
0
verdadeiro, conclui-se que P(I ) = P (x RC) = )
P(I ) =
E II
Se
0
verdadeiro, conclui-se que P(I ) = P (x RC) = )
P(I ) =
E II
PROBABILIDADE DE SE COMETER ERRO DO TIPO II: P(II)
Feito o teste, considere que no rejeitamos H
0
: =
0
como
verdadeiro.
Posteriormente, e por caminhos independentes do teste, verica-se
que H
0
falsa. Cometeu-se, ento, um erro de 2
a
espcie.
S pode-se medir a probabilidade desse erro se especicarmos como
H
1
: =
1
(hiptese simples).
Temos, ao nvel , as hipteses:
_
H
0
: =
0
(falso)
H
1
: =
1
(verdadeiro)
E II
0
: =
0
como
verdadeiro.
que H
0
a
espcie.
H
1
: =
1
(hiptese simples).
_
H
0
: =
0
(falso)
H
1
: =
1
(verdadeiro)
E II
0
: =
0
como
verdadeiro.
que H
0
a
espcie.
H
1
: =
1
(hiptese simples).
_
H
0
: =
0
(falso)
H
1
: =
1
(verdadeiro)
E II
0
: =
0
como
verdadeiro.
que H
0
a
espcie.
H
1
: =
1
(hiptese simples).
_
H
0
: =
0
(falso)
H
1
: =
1
(verdadeiro)
E II
No rejeitamos H
0
quando x (x
1
, x
2
).
Como a verdadeira mdia =
1
, a distribuio com a mdia
0

ctcia.
E II
No rejeitamos H
0
quando x (x
1
, x
2
).
1
0

ctcia.
E II
No rejeitamos H
0
quando x (x
1
, x
2
).
1
0

ctcia.
E II
Temos ento:
Logo, a probabilidade de cometermos o erro do tipo II a
probabilidade de x (x
1
, x
2
), porm, com x se distribuindo com a
mdia
1
, verdadeira.
P (II ) = = P
0
Z
.
x
_ x _
0
+ Z
.
x
[
x
=
1

E II
Temos ento:
Logo, a probabilidade de cometermos o erro do tipo II a
probabilidade de x (x
1
, x
2
), porm, com x se distribuindo com a
mdia
1
, verdadeira.
P (II ) = = P
0
Z
.
x
_ x _
0
+ Z
.
x
[
x
=
1

FUNO PODER DE UM TESTE OU POTNCIA DE
UM TESTE
Sob as condies j colocadas, denimos funo poder de um teste
ou funo potncia de um teste:
P(
1
) = 1
P(
1
) = 1 P
0
Z
.
x
_ x _
0
+ Z
.
x
[ =
1
ou ainda
P(
1
) = P
_
x
0
> Z
[ =
1
_
A funo poder de um teste fornece a probabilidade de se rejeitar
uma hipteses nula falsa.
UM TESTE
P(
1
) = 1
P(
1
) = 1 P
0
Z
.
x
_ x _
0
+ Z
.
x
[ =
1
ou ainda
P(
1
) = P
_
x
0
> Z
[ =
1
_
UM TESTE
P(
1
) = 1
P(
1
) = 1 P
0
Z
.
x
_ x _
0
+ Z
.
x
[ =
1
ou ainda
P(
1
) = P
_
x
0
> Z
[ =
1
_
UM TESTE
P(
1
) = 1
P(
1
) = 1 P
0
Z
.
x
_ x _
0
+ Z
.
x
[ =
1
ou ainda
P(
1
) = P
_
x
0
> Z
[ =
1
_
UM TESTE
Gracamente:
) P(
1
) = 1
A funo poder depende da varivel
1
denida em R e dos
parmetros
0
, e n (xados em cada problema).
UM TESTE
Gracamente:
) P(
1
) = 1
A funo poder depende da varivel
1
denida em R e dos
parmetros
0
, e n (xados em cada problema).
UM TESTE
Example (2)
De uma populao normal, levantou-se uma amostra e calculou-se ao nvel
de 1% que Z
.
x
= 5. Admitindo as hipteses:
_
H
0
: = 100
H
1
: = 110
Calcule a probabilidade de cometermos um erro do tipo II, isto , de no
rejeitarmos H
0
, sendo H
1
verdadeira.
UM TESTE
Example (3)
Calcule P(I ) ou P (II ) conforme o caso, no seguinte problema. De uma
populao normal, levantou-se uma amostra de tamanho 16, obtendo-se
x = 18. Sabendo-se que
2
= 64, analise ao nvel de 10% as hipteses
(usar teste bilateral):
_
H
0
: = 20
H
1
: = 25
Example (4)
De uma populao normal com = 100, tirou-se uma amostra de n = 100
observaes, obtendo-se 1.016,4 para limite crtico (num teste monocaudal
direita). Ao nvel de 5%, determine a funo pder de um teste, sendo:
_
H
0
: = 1.000
H
1
: = 1.018
ESTUDO DO COMPORTAMENTO DA FUNO
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
Seja o teste de hipteses
_
H
0
: = 100
H
1
: ,= 100
com n = 36,
2
= 400 e
= 10%.
Logo, Z
= Z
5%
= 1, 64,
x
=
_
2
n
=
_
400
36
= 3, 333 e
Z
.
x
= 1, 64 3, 333 = 5, 467.
Consideraremos H
0
falsa e calcularemos a funo poder P (
1
) para
1
, variando de 80 a 120, de 5 em 5.
a)
_
H
0
: = 100
H
1
: = 80
, ento = P (94, 533 _ x _ 105, 467[ = 80)
Z
94,533
=
94,53380
3,333
= 4, 36 e Z
105,467
=
105,46780
3,333
= 7, 64
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
_
H
0
: = 100
H
1
: ,= 100
com n = 36,
2
= 400 e
= 10%.
Logo, Z
= Z
5%
= 1, 64,
x
=
_
2
n
=
_
400
36
= 3, 333 e
Z
.
x
= 1, 64 3, 333 = 5, 467.
Consideraremos H
0
1
) para
1
a)
_
H
0
: = 100
H
1
: = 80
, ento = P (94, 533 _ x _ 105, 467[ = 80)
Z
94,533
=
94,53380
3,333
= 4, 36 e Z
105,467
=
105,46780
3,333
= 7, 64
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
_
H
0
: = 100
H
1
: ,= 100
com n = 36,
2
= 400 e
= 10%.
Logo, Z
= Z
5%
= 1, 64,
x
=
_
2
n
=
_
400
36
= 3, 333 e
Z
.
x
= 1, 64 3, 333 = 5, 467.
Consideraremos H
0
1
) para
1
a)
_
H
0
: = 100
H
1
: = 80
, ento = P (94, 533 _ x _ 105, 467[ = 80)
Z
94,533
=
94,53380
3,333
= 4, 36 e Z
105,467
=
105,46780
3,333
= 7, 64
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
_
H
0
: = 100
H
1
: ,= 100
com n = 36,
2
= 400 e
= 10%.
Logo, Z
= Z
5%
= 1, 64,
x
=
_
2
n
=
_
400
36
= 3, 333 e
Z
.
x
= 1, 64 3, 333 = 5, 467.
Consideraremos H
0
1
) para
1
a)
_
H
0
: = 100
H
1
: = 80
, ento = P (94, 533 _ x _ 105, 467[ = 80)
Z
94,533
=
94,53380
3,333
= 4, 36 e Z
105,467
=
105,46780
3,333
= 7, 64
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
_
H
0
: = 100
H
1
: ,= 100
com n = 36,
2
= 400 e
= 10%.
Logo, Z
= Z
5%
= 1, 64,
x
=
_
2
n
=
_
400
36
= 3, 333 e
Z
.
x
= 1, 64 3, 333 = 5, 467.
Consideraremos H
0
1
) para
1
a)
_
H
0
: = 100
H
1
: = 80
, ento = P (94, 533 _ x _ 105, 467[ = 80)
Z
94,533
=
94,53380
3,333
= 4, 36 e Z
105,467
=
105,46780
3,333
= 7, 64
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
_
H
0
: = 100
H
1
: ,= 100
com n = 36,
2
= 400 e
= 10%.
Logo, Z
= Z
5%
= 1, 64,
x
=
_
2
n
=
_
400
36
= 3, 333 e
Z
.
x
= 1, 64 3, 333 = 5, 467.
Consideraremos H
0
1
) para
1
a)
_
H
0
: = 100
H
1
: = 80
, ento = P (94, 533 _ x _ 105, 467[ = 80)
Z
94,533
=
94,53380
3,333
= 4, 36 e Z
105,467
=
105,46780
3,333
= 7, 64
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
) = P(4, 36 _ Z _ 7, 64) = = 0, 000006123
Assim, P (
1
) = 1 = 1 0, 000006123 =P (
1
) =
0, 99993787
~
= 0, 9999.
Fazendo os mesmos clculos para os demais casos, temos os segunites
resultados nais:
b) H
1
:
1
= 85 P (
1
)
~
= 0, 99788
c) H
1
:
1
= 90 P (
1
)
~
= 0, 91466
d) H
1
:
1
= 95 P (
1
)
~
= 0, 55485
e) H
1
:
1
= 100 P (
1
)
~
= 0, 1 ()
f) H
1
:
1
= 105 P (
1
)
~
= 0, 55485
g) H
1
:
1
= 110 P (
1
)
~
= 0, 91466
h) H
1
:
1
= 115 P (
1
)
~
= 0, 99788
i) H
1
:
1
= 120 P (
1
)
~
= 0, 9999
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
) = P(4, 36 _ Z _ 7, 64) = = 0, 000006123
Assim, P (
1
) = 1 = 1 0, 000006123 =P (
1
) =
0, 99993787
~
= 0, 9999.
resultados nais:
b) H
1
:
1
= 85 P (
1
)
~
= 0, 99788
c) H
1
:
1
= 90 P (
1
)
~
= 0, 91466
d) H
1
:
1
= 95 P (
1
)
~
= 0, 55485
e) H
1
:
1
= 100 P (
1
)
~
= 0, 1 ()
f) H
1
:
1
= 105 P (
1
)
~
= 0, 55485
g) H
1
:
1
= 110 P (
1
)
~
= 0, 91466
h) H
1
:
1
= 115 P (
1
)
~
= 0, 99788
i) H
1
:
1
= 120 P (
1
)
~
= 0, 9999
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
) = P(4, 36 _ Z _ 7, 64) = = 0, 000006123
Assim, P (
1
) = 1 = 1 0, 000006123 =P (
1
) =
0, 99993787
~
= 0, 9999.
resultados nais:
b) H
1
:
1
= 85 P (
1
)
~
= 0, 99788
c) H
1
:
1
= 90 P (
1
)
~
= 0, 91466
d) H
1
:
1
= 95 P (
1
)
~
= 0, 55485
e) H
1
:
1
= 100 P (
1
)
~
= 0, 1 ()
f) H
1
:
1
= 105 P (
1
)
~
= 0, 55485
g) H
1
:
1
= 110 P (
1
)
~
= 0, 91466
h) H
1
:
1
= 115 P (
1
)
~
= 0, 99788
i) H
1
:
1
= 120 P (
1
)
~
= 0, 9999
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
) = P(4, 36 _ Z _ 7, 64) = = 0, 000006123
Assim, P (
1
) = 1 = 1 0, 000006123 =P (
1
) =
0, 99993787
~
= 0, 9999.
resultados nais:
b) H
1
:
1
= 85 P (
1
)
~
= 0, 99788
c) H
1
:
1
= 90 P (
1
)
~
= 0, 91466
d) H
1
:
1
= 95 P (
1
)
~
= 0, 55485
e) H
1
:
1
= 100 P (
1
)
~
= 0, 1 ()
f) H
1
:
1
= 105 P (
1
)
~
= 0, 55485
g) H
1
:
1
= 110 P (
1
)
~
= 0, 91466
h) H
1
:
1
= 115 P (
1
)
~
= 0, 99788
i) H
1
:
1
= 120 P (
1
)
~
= 0, 9999
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
) = P(4, 36 _ Z _ 7, 64) = = 0, 000006123
Assim, P (
1
) = 1 = 1 0, 000006123 =P (
1
) =
0, 99993787
~
= 0, 9999.
resultados nais:
b) H
1
:
1
= 85 P (
1
)
~
= 0, 99788
c) H
1
:
1
= 90 P (
1
)
~
= 0, 91466
d) H
1
:
1
= 95 P (
1
)
~
= 0, 55485
e) H
1
:
1
= 100 P (
1
)
~
= 0, 1 ()
f) H
1
:
1
= 105 P (
1
)
~
= 0, 55485
g) H
1
:
1
= 110 P (
1
)
~
= 0, 91466
h) H
1
:
1
= 115 P (
1
)
~
= 0, 99788
i) H
1
:
1
= 120 P (
1
)
~
= 0, 9999
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
Fazendo o grco, temos:
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
Fazendo o grco, temos:
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
Concluso: Quanto mais distante tiver
1
de
0
, maior o poder do
teste para rejeitar H
0
: =
0
e vice-versa.
Podemos elaborar o grco da funo poder, em funo de
1
,
conforme a gura a seguir:
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
1
de
0
, maior o poder do
0
: =
0
e vice-versa.
1
,
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
1
de
0
, maior o poder do
0
: =
0
e vice-versa.
1
,
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
1
de
0
, maior o poder do
0
: =
0
e vice-versa.
1
,
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
A funo poder tem, portanto, as seguintes propriedades:
1
P() = P () = 1;
2
P (
0
) = , onde
0
o valor do parmetro anunciado na hiptese
nula; e
3
P () decresce para <
0
(isto , dP () /d < 0 para <
0
) e
P () cresce para >
0
(isto , dP () /d > 0 para >
0
).
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
1
P() = P () = 1;
2
P (
0
) = , onde
0
nula; e
3
0
0
) e
P () cresce para >
0
0
).
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
1
P() = P () = 1;
2
P (
0
) = , onde
0
nula; e
3
0
0
) e
P () cresce para >
0
0
).
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
1
P() = P () = 1;
2
P (
0
) = , onde
0
nula; e
3
0
0
) e
P () cresce para >
0
0
).
PODER DE UM TESTE
1
VARIA; FIXOS
0
, e n.
1
P() = P () = 1;
2
P (
0
) = , onde
0
nula; e
3
0
0
) e
P () cresce para >
0
0
).
PODER DE UM TESTE
0
VARIA; FIXOS e n.
Fazendo-se todos os clculos necessrios para P(
1
), faz-se o grco
considerando dois valores
/
0
e
//
0
de
0
:
PODER DE UM TESTE
0
VARIA; FIXOS e n.
1
), faz-se o grco
/
0
e
//
0
de
0
:
PODER DE UM TESTE
0
VARIA; FIXOS e n.
1
), faz-se o grco
/
0
e
//
0
de
0
:
PODER DE UM TESTE
0
VARIA; FIXOS e n.
Mantida a sua forma original, a curva desloca-se no mesmo sentido
do deslocamento.
Concluso: Para um certo valor
1
, P
/
(
1
) > P
//
(
1
), se
1
estiver
mais distante de
/
0
do que
//
0
.
PODER DE UM TESTE
0
VARIA; FIXOS e n.
do deslocamento.
1
, P
/
(
1
) > P
//
(
1
), se
1
estiver
mais distante de
/
0
do que
//
0
.
PODER DE UM TESTE
0
VARIA; FIXOS e n.
do deslocamento.
1
, P
/
(
1
) > P
//
(
1
), se
1
estiver
mais distante de
/
0
do que
//
0
.
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
Considere a tabela de P(
1
) para valores de e
1
:
Os valores para 105, 110, 115 e 120 so os de 95, 90, 85 e 80,
respectivamente.
De posse desses dados, pode-se obter o seguinte grco, apresentado
aqui de forma genrica:
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
1
) para valores de e
1
:
respectivamente.
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
1
) para valores de e
1
:
respectivamente.
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
1
) para valores de e
1
:
respectivamente.
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
1
) para valores de e
1
:
respectivamente.
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
Concluso: Quanto maior o nosso nvel de desconana , maior ser
a probabilidade de rejeitarmos H
0
falsa, isto , maior a potncia do
teste.
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
0
teste.
PODER DE UM TESTE
VARIA; FIXOS
0
e n.
0
teste.
PODER DE UM TESTE
n VARIA; FIXOS
0
e .
Fazendo-se n variar, de n =1, 4, 9, 16, 25, 36 e 64, e considerando-se
os valores dados para
1
, xo
0
= 100 e = 10%, teremos um
grco como segue:
PODER DE UM TESTE
n VARIA; FIXOS
0
e .
Fazendo-se n variar, de n =1, 4, 9, 16, 25, 36 e 64, e considerando-se
os valores dados para
1
, xo
0
= 100 e = 10%, teremos um
grco como segue:
PODER DE UM TESTE
n VARIA; FIXOS
0
e .
Veremos que, para um determinado valor de
1
, P
n
1
(
1
) > P
n
2
(
1
)
se n
1
> n
2
.
Concluso: Quanto maior for o tamanho da amostra, mais
representativa ser, e, portanto, maior ser o poder do teste, isto ,
maior ser a probabilidade de rejeitarmos H
0
falso.
ou
Quanto maior o tamanho da amostra, maior o poder do teste.
PODER DE UM TESTE
n VARIA; FIXOS
0
e .
1
, P
n
1
(
1
) > P
n
2
(
1
)
se n
1
> n
2
.
0
falso.
ou
PODER DE UM TESTE
n VARIA; FIXOS
0
e .
1
, P
n
1
(
1
) > P
n
2
(
1
)
se n
1
> n
2
.
0
falso.
ou
VALOR-p
O mtodo de construo de um teste de hipteses, descrito na
unidade anterior, parte da xao do nvel de signicncia .
Pode-se argumentar que esse procedimento pode levar rejeio da
hiptese nula para um valor de e no rejeio para um valor
menor.
Isso pode resultar em alguns indivduos rejeitando H
0
, enquanto
outros concluem que os mesmos dados no mostram uma contradio
forte o suciente de H
0
que justique sua rejeio.
Outra maneira consiste em apresentar a probabilidade de signicncia
ou nvel descritivo ou ainda valor-p do teste.
Este mtodo geralmente preferido pelos estatsticos em comparao
com o mtodo do valor crtico.
Um valor-p transmite muitas informaes sobre a fora da evidncia
contra H
0
e permite que um tomador de decises individual tire uma
concluso em qualquer nvel especicado.
VALOR-p
menor.
0
, enquanto
0
contra H
0
VALOR-p
menor.
0
, enquanto
0
contra H
0
VALOR-p
menor.
0
, enquanto
0
contra H
0
VALOR-p
menor.
0
, enquanto
0
contra H
0
VALOR-p
menor.
0
, enquanto
0
contra H
0
VALOR-p
Mas, anal de contas, o que um nvel descritivo?
Denition
O valor-p (ou nvel de signicncia observado) o menor nvel de
signicncia em que H
0
seria rejeitada, quando um procedimento de teste
especicado usado em um determinado conjunto de dados. Uma vez que
o valor-p tenha sido determinado, a concluso, em qualquer nvel
especco , resulta da comparao do valor p a :
1. Valor-p _ = implica rejeio de H
0
no nvel .
2. Valor-p > == implica no-rejeio de H
0
no nvel .
Para melhor compreenso, considere o seguinte exemplo:
VALOR-p
Mas, anal de contas, o que um nvel descritivo?
Denition
O valor-p (ou nvel de signicncia observado) o menor nvel de
signicncia em que H
0
seria rejeitada, quando um procedimento de teste
especicado usado em um determinado conjunto de dados. Uma vez que
o valor-p tenha sido determinado, a concluso, em qualquer nvel
especco , resulta da comparao do valor p a :
1. Valor-p _ = implica rejeio de H
0
no nvel .
2. Valor-p > == implica no-rejeio de H
0
no nvel .
Para melhor compreenso, considere o seguinte exemplo:
VALOR-p
Example (5)
Seja o teor de nicotina mdio real de cigarros da marca B. O objetivo
testar
_
H
0
: = 1, 5
H
1
: > 1, 5
com base em uma amostra aleatria com 32 cigarros dessa marca.
Suponha que a distribuio do teor da nicotina normal com = 0, 20.
Devido a desigualdade H
1
, a regio de rejeio unilateral direita com
H
0
rejeitada se Z
calc
_ Z
. Suponha que Z
calc
= 2, 10 (x = 1, 5743)
A tabela a seguir exibe a regio de rejeio para cada um dos quatro
s diferentes, com a concluso resultante:
VALOR-p
Nvel de Regio de
Siginicncia Rejeio Concluso
0,05 Z
calc
_ 1, 64 Rejeite H
0
0,025 Z
calc
_ 1, 96 Rejeite H
0
0,01 Z
calc
_ 2, 33 No rejeite H
0
0,005 Z
calc
0
Para relativamente grande, o valor crtico Z
no est muito longe

na cauda superior; 2,10 excede o valor crtico e H
0
rejeitada.
Entretanto, medida que diminui, o valor crtico aumenta. Para
pequeno, o valor Z
calc
= 2, 10 menor que Z
e H
0
no rejeitada.
Atravs da tabela da distribuio normal padro, sabe-se que a rea
direita de 2,10 0,0179.
Esse resultado mostra que, se o teor de nicotina de fato 1,5, a
probabilidade de encontramos uma amostra de 32 cigarros com mdia
de 1,5743 ou mais de teor de nicotina de menos de 2%.
VALOR-p
Nvel de Regio de
0,05 Z
calc
_ 1, 64 Rejeite H
0
0,025 Z
calc
_ 1, 96 Rejeite H
0
0,01 Z
calc
0
0,005 Z
calc
0
no est muito longe

0
rejeitada.
pequeno, o valor Z
calc
= 2, 10 menor que Z
e H
0
no rejeitada.
direita de 2,10 0,0179.
VALOR-p
Nvel de Regio de
0,05 Z
calc
_ 1, 64 Rejeite H
0
0,025 Z
calc
_ 1, 96 Rejeite H
0
0,01 Z
calc
0
0,005 Z
calc
0
no est muito longe

0
rejeitada.
pequeno, o valor Z
calc
= 2, 10 menor que Z
e H
0
no rejeitada.
direita de 2,10 0,0179.
VALOR-p
Nvel de Regio de
0,05 Z
calc
_ 1, 64 Rejeite H
0
0,025 Z
calc
_ 1, 96 Rejeite H
0
0,01 Z
calc
0
0,005 Z
calc
0
no est muito longe

0
rejeitada.
pequeno, o valor Z
calc
= 2, 10 menor que Z
e H
0
no rejeitada.
direita de 2,10 0,0179.
VALOR-p
Nvel de Regio de
0,05 Z
calc
_ 1, 64 Rejeite H
0
0,025 Z
calc
_ 1, 96 Rejeite H
0
0,01 Z
calc
0
0,005 Z
calc
0
no est muito longe

0
rejeitada.
pequeno, o valor Z
calc
= 2, 10 menor que Z
e H
0
no rejeitada.
direita de 2,10 0,0179.
VALOR-p
Usar um maior que 0,0179 corresponde a Z
< 2, 10.
Um menor que 0,0179 precisa usar um valor crtico que exceda 2,10
(Z
> 2, 10).
A deciso em um nvel especco depende, portanto, de como o
selecionado se compara rea da cauda includa pelo Z calculado.
Isso ilustrado nas guras seguintes:
VALOR-p
< 2, 10.
(Z
> 2, 10).
VALOR-p
< 2, 10.
(Z
> 2, 10).
VALOR-p
< 2, 10.
(Z
> 2, 10).
VALOR-p
A gura (a) apresenta a rea da cauda includa pelo Z calculado.
J a gura (b) abaixo mostra a relao entre e a rea da cauda
includa pelo Z calculado:
quando > 0, 0179, Z
< 2, 10 e H
0
rejeitada.
VALOR-p
quando > 0, 0179, Z
< 2, 10 e H
0
rejeitada.
VALOR-p
quando > 0, 0179, Z
< 2, 10 e H
0
rejeitada.
VALOR-p
Por m, a gura (c) mostra que:
quando < 0, 0179, Z
> 2, 10 e H
0
no rejeitada.
VALOR-p
Note, a partir desse exemplo, que os passos so muito parecidos aos
j apresentados; a principal diferena est em no construir a regio
crtica.
O que se faz indicar a probabilidade de ocorrer valores da estatstica
mais extremos do que o observado, sob a hiptese de H
0
ser
verdadeira.
De forma geral, suponha que a distribuio de probabilidades de uma
estatstica quando H
0
verdadeira tenha sido determinada,
encontrando um valor crtico ou valores que incluam a rea da cauda
.
O menor para o qual H
0
seria rejeitada a rea da cauda includa
pelo valor calculado da estatstica teste.
Esse menor o valor-p.
comum chamar os dados de signicativos quando H
0
rejeitada e
de no-signicativos em caso contrrio.
VALOR-p
crtica.
0
ser
verdadeira.
estatstica quando H
0
.
0
0
rejeitada e
VALOR-p
crtica.
0
ser
verdadeira.
estatstica quando H
0
.
0
0
rejeitada e
VALOR-p
crtica.
0
ser
verdadeira.
estatstica quando H
0
.
0
0
rejeitada e
VALOR-p
crtica.
0
ser
verdadeira.
estatstica quando H
0
.
0
0
rejeitada e
VALOR-p
crtica.
0
ser
verdadeira.
estatstica quando H
0
.
0
0
rejeitada e
VALOR-p
Em nosso procedimento de testar uma hiptese, estamos usando uma
escala de evidncias sugerida por Fisher.
Suponha que estamos testando H
0
contra H
1
e, como vimos,
rejeitamos a hiptese nula se o valor-p for "bastante pequeno".
A tabela abaixo, ilustra a escala de Fisher, contra H
0
(ou a favor de
H
1
).
Ela conhecida como escala de signicncia de Fisher:
valor-p 0,10 0,05 0,025
Natureza da evidncia marginal moderada substancial
valor-p 0,01 0,005 0,001
Natureza da evidncia forte muito forte fortssima
VALOR-p
0
contra H
1
e, como vimos,
0
(ou a favor de
H
1
).
valor-p 0,10 0,05 0,025
valor-p 0,01 0,005 0,001
VALOR-p
0
contra H
1
e, como vimos,
0
(ou a favor de
H
1
).
valor-p 0,10 0,05 0,025
valor-p 0,01 0,005 0,001
VALOR-p
0
contra H
1
e, como vimos,
0
(ou a favor de
H
1
).
valor-p 0,10 0,05 0,025
valor-p 0,01 0,005 0,001

Erros de Decis o

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Erros de Decis o

Caricato da

Copyright:

Formati disponibili

ERROS DE DECISO

Rafael Carneiro da Costa

Rafael Costa (CAEN) ERROS DE DECISO 10/14 14 / 38

Rafael Costa (CAEN) ERROS DE DECISO 10/14 14 / 38

no est muito longe

no est muito longe

no est muito longe

no est muito longe

no est muito longe

Potrebbero piacerti anche