Introdução

A estimação é o processo que consiste em utilizar dados amostrais para estimar (ou
prever) os valores de parâmetros populacionais desconhecidos. Exs: Reservas minerais,
produção anual numa empresa, número de acidentes numa empresa, etc.

Com base em pesquisas, testes de hipóteses são um dos conceitos mais importantes em
estatística porque é como você decide se algo realmente aconteceu, ou se certos
processos têm efeitos positivos, ou se os grupos diferem um do outro ou se uma variável
prediz outra. Em resumo, você quer provar se seus dados são estatisticamente
significativos e é improvável que tenham ocorrido por acaso. Em essência, então, um
teste de hipótese é um teste de significância. No entanto,  certas opiniões não
representam a verdade para a ciência. Para encontrarmos explicações fundamentadas
sobre o funcionamento da natureza, precisamos seguir uma série de etapas que
constituem o chamado método científico. E são justamente os conceitos de teoria e
hipótese que fazem parte desse método.
Metodologia

Estimação Intervalar (Intervalo de Confiança)

Com uma amostra disponível, nós podemos usar propriedades da dis- tribuição amostral
para formar um intervalo de confiança, isto é, um inter- valo de valores que deve
conter o parâmetro com uma probabilidade pré- determinada, referida por nível de
confiança. O centro do intervalo da estimativa intervalar é ocupado pela estimativa
pontual. O intervalo é construído, em geral, subtraindo e somando a estimativa pontual
por um múltiplo do erro padrão da estimativa. Neste tipo de estimação, nós acreditamos,
com um certo nível de confiança, que o intervalo contem o valor do parâmetro. Um
exemplo, seria dizer que a proporção estimada de Engenheiros empregados está entre
40% e 50% com um nível de 95% de confiança.

Teste de hipotesse para duas amostras

Teste de hipotesse para duas amostra: é um teste que baseia-se em verificar duas
amostras distintas se possuem ou não as mesmas características. Ou seja, inferir para
comparar duas populações distintas. Vamos partir do exemplo sobre dois grupos que
fazem exercícios físicos e outro que não realiza temos as seguintes informações:

Praticantes de Atividades Físicas (n=1.593)

Característica Frequência Proporção

40 a 49 anos 367 0,2304

Renda de R$ 5,000 a 239 0,1500

10,000

Não fumam 1.322 0,8299

 Não Praticantes de Atividades Físicas (n=29.948)

Característica Frequência Proporção

40 a 49 anos 6.290 0,2104

Renda de R$ 5,000 a 10,000 5.990 0,2000

Não fumam 23.360 0,7800

Teste de hipotesse para duas amostras

A pergunta que fica é: Podemos concluir que existe uma proporção significativamente
maior de pessoas que praticam ou não atividades físicas entre 40 e 49 anos, com renda
entre 5 a 10 mil e que não fumam?

Deve-se, diante desses elementos fazer alguns questionamentos com relação a amostra
que será observado a seguir.

ANOVA

A Análise de Variância (ANOVA) é um teste estatístico chave e muito útil para análise
de datasets em diversas áreas do conhecimento, principalmente nas áreas que
intersectam as biológicas. A análise visa, fundamentalmente, verificar se existe
uma diferença significativa entre as médias e se os fatores exercem influência em
alguma variável dependente. A verificação da existência de uma diferença significativa
permite que vários grupos sejam comparados a um só tempo. Ou seja, a Análise de
Variância é utilizada quando se quer decidir se as diferenças amostrais observadas
são reais (causadas por diferenças significativas nas populações observadas)
ou casuais (decorrentes da mera variabilidade amostral).

Portanto, essa análise parte do pressuposto que o acaso só produz pequenos desvios,
sendo as grandes diferenças geradas por causas reais. Para determinar se existe
diferença entre as médias, utiliza-se o teste hipótese, no qual temos duas possibilidades:
(1) Hipótese nula,  ou seja  as médias populacionais são iguais: (2) Hipótese
alternativa, as médias populacionais são diferentes, ou pelo menos uma das médias é
diferente das demais. Além disso, existem dois tipos de análises por ANOVA: (a) One-
Way ANOVA; e (b) Two-Way ANOVA. Nesse tutorial iremos abordar a análise
por One-Way ANOVA.