EA5 - TESTES DE HIPÓTESES Remoto

5 TESTES DE HIPÓTESES
Prof. Ricardo Leite

PPGCEM - UFERSA
1
Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA
This document was created by an application that isn’t licensed to use novaPDF.
Purchase a license to generate PDF files without this notice.
5.1 – Hipóteses e CONCEITO DE HIPÓTESE
Experimentos
5.2 – Formulando Esse “nergoço” de “hipoitese” é “má ô meno” assim “ói”:

hipóteses
5.3 – Valor crítico da

estatística do teste “Tu faz de conta que é, para ver se fosse, como é
Riscos de decisão
que seria”
5.4 – Regiões de
rejeição e não
rejeição
5.5 – Riscos de
decisão
5.6 – Testes bilaterais

Uma hipótese pode ser
e unilaterais
definida como um pressuposto,
5.7 - Importância e formulado e usado na
significância
resolução de um problema, que
5.8 – Testes
paramétricos e não estará sujeito à comprovação
paramétricos
posterior.
5.9 – Exemplo de
aplicação
Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 2

5.1 – Hipóteses e TESTES DE HIPÓTESES E EXPERIMENTOS
Experimentos
5.2 – Formulando
HIPÓTESE  solução provisória
hipóteses C
R Testes
estatística do teste I - Observações da
Riscos de decisão
T natureza;
5.4 – Regiões de É
rejeição e não
- Experimentos
rejeição
R
I
5.5 – Riscos de O
decisão
Rejeitar Não rejeitar
CONCLUSÃO hipótese
e unilaterais hipótese
( de aceitar)
5.7 - Importância e
significância
Probabilidade
EXPERIMENTO é uma Probabilidade
5.8 – Testes de erro
paramétricos e não situação criada/construída de erro
(Tipo I)
paramétricos (Tipo II)
pelo pesquisador no intuito
5.9 – Exemplo de
aplicação de testar uma hipótese.

5.1 – Hipóteses e TESTES DE HIPÓTESES E EXPERIMENTOS
Experimentos
5.2 – Formulando A metodologia de comprovação (ou rejeição) de uma hipótese é

hipóteses

chamado de teste (ou prova) de hipóteses.
estatística do teste
Riscos de decisão
A aceitação ou rejeição de uma hipótese é realizada segundo
5.4 – Regiões de
rejeição e não algum critério em procedimento formalizado que denominamos
rejeição
regra de decisão.
5.5 – Riscos de
decisão
O resultado do teste de hipóteses, ou seja, a confirmação, ou não,
e unilaterais dos pressupostos representados pelas hipóteses é chamada
conclusão.
significância
5.8 – Testes
paramétricos e não
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e HIPÓTESE NULA/HIPÓTESE ALTERNATIVA
Experimentos
5.2 – Formulando A metodologia dos testes de hipóteses necessita da

hipóteses
correta formulação das hipóteses a serem testadas.
Riscos de decisão
5.4 – Regiões de
Para tanto, são construídas hipóteses binárias e
rejeição e não
rejeição excludentes referentes ao problema analisado.
5.5 – Riscos de
decisão A hipótese a ser testada é a primeira, por convenção, e recebe
o nome de hipótese probanda ou hipótese nula,
e unilaterais designada por H0.
significância
A hipótese que será admitida, caso a hipótese nula seja
5.8 – Testes
rejeitada recebe o nome de hipótese experimental ou
paramétricos hipótese alternativa, designada por Ha.
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e CASUAL VERSUS CAUSAL
Experimentos
5.2 – Formulando
hipóteses
Quando um pesquisador observa um fenômeno (na natureza, ou
através de um experimento) ele, habitualmente, questiona se o
estatística do teste mesmo é devido ao acaso ou não. Como resposta a esse
Riscos de decisão questionamento podem ser formuladas duas hipóteses:
5.4 – Regiões de
rejeição e não
rejeição
5.5 – Riscos de
1ª Hipótese  a ocorrência do
decisão fenômeno é devida ao ACASO. Ocorrência CASUAL

e unilaterais
2ª Hipótese  hipótese
significância alternativa à primeira caso a
ocorrência do fenômeno não Ocorrência CAUSAL
5.8 – Testes
paramétricos e não puder ser atribuída ao acaso
paramétricos
5.9 – Exemplo de
aplicação

Experimentos
5.2 – Formulando O ACASO deve ser entendido como uma variável (ou
hipóteses
um conjunto de variáveis) cuja ação não é controlada
estatística do teste ou medida.
Riscos de decisão
5.4 – Regiões de
rejeição e não
rejeição
5.5 – Riscos de
decisão

e unilaterais
significância Através de um teste de hipóteses podemos decidir
5.8 – Testes
se um fenômeno (efeito) deve-se a uma causa
paramétricos
(fator) ou se pode ser atribuído ao acaso.
5.9 – Exemplo de
aplicação

Experimentos
5.2 – Formulando Tomando amostras de duas populações de dados A e B, com

hipóteses médias, A e B , sendo a primeira decorrente de um
5.3 – Valor crítico da experimento (ou observação) na ausência do fator
Riscos de decisão
(experimento controle) e a segunda obtida na presença do
5.4 – Regiões de
fator, podemos formular o seguinte teste de hipóteses:
rejeição e não
rejeição Rejeitar a hipótese nula
Hipótese nula, H0: A = B
5.5 – Riscos de
significa “aceitar” (ou
decisão melhor, não rejeitar) a
Hipótese alternativa, Ha: A  B hipótese alternativa!
e unilaterais
Aceita-se H0  não existe diferença entre as duas populações
5.7 - Importância e (a diferença entre as médias é nula)  as diferenças podem ser
significância
casuais;
5.8 – Testes
paramétricos Rejeita-se H0  aceita-se Ha  as populações não devem ser
5.9 – Exemplo de consideradas iguais  as diferenças podem ser causais.
aplicação

5.1 – Hipóteses e PONTOS CHAVES SOBRE H0 E Ha
Experimentos
 A hipótese nula, H0, representa o status quo, ou aquilo que se acredita

5.2 – Formulando
hipóteses no momento, em uma dada situação;
5.3 – Valor crítico da  A hipótese alternativa, Ha, é o oposto da hipótese nula, e representa
Riscos de decisão uma declaração a ser investigada, ou uma inferência específica que se
deseja provar;
5.4 – Regiões de
rejeição e não
rejeição  Caso a hipótese nula seja rejeitada, tem-se comprovação estatística que
a hipótese alternativa está correta;
5.5 – Riscos de
decisão
 Caso a hipótese nula não seja rejeitada, não se conseguiu comprovar a
hipótese alternativa, porém, isso não comprova a hipótese nula;
e unilaterais
 As hipóteses sempre se referem a um valor especificado para um
5.7 - Importância e parâmetro da população e não para uma estatística da amostra;
significância
 A declaração da hipótese nula sempre contém um sinal de igualdade
5.8 – Testes
paramétricos e não com relação ao valor especificado para o parâmetro da população;
paramétricos
 A declaração da hipótese alternativa nunca contém um sinal de
5.9 – Exemplo de
aplicação
igualdade;

5.1 – Hipóteses e CRITÉRIO DE DECISÃO
Experimentos
5.2 – Formulando
hipóteses

Riscos de decisão QUAL
5.4 – Regiões de CRITÉRIO
rejeição e não
rejeição ?
5.5 – Riscos de
decisão

e unilaterais INDÍCIOS NÃO
COLETADOS REJEIÇÃO
significância NA DA HIPÓTESE
5.8 – Testes
AMOSTRA NULA
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e VALOR CRÍTICO
Experimentos
5.2 – Formulando
Independentemente da hipótese
hipóteses nula ser verdadeira, o valor da
5.3 – Valor crítico da estatística pode ser diferente do
estatística do teste valor do parâmetro devido à
Riscos de decisão
variação do processo de
5.4 – Regiões de
rejeição e não amostragem.
rejeição
5.5 – Riscos de Quando há uma grande

decisão
VALOR CRÍTICO diferença entre a estatística
5.6 – Testes bilaterais DA ESTATÍSTICA e o valor da hipótese para o
e unilaterais
DO TESTE parâmetro conclui-se que a
hipótese nula é falsa!.
significância
5.8 – Testes
paramétricos e não Porém, o que é uma
paramétricos
grande diferença?
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e REPARTIÇÃO DO ESPAÇO EXPERIMENTAL
Experimentos
5.2 – Formulando A partir do valor crítico a distribuição de amostragens da

hipóteses
estatística do teste é repartida em duas regiões, uma região de
5.3 – Valor crítico da rejeição (região crítica) e uma região de não rejeição (região não
Riscos de decisão crítica).
5.4 – Regiões de
rejeição e não
rejeição
5.5 – Riscos de
decisão

e unilaterais
significância
5.8 – Testes
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e TIPOS DE ERROS
Experimentos
5.2 – Formulando
hipóteses
Todo teste de hipóteses envolve uma decisão entre
a aceitação ou rejeição de uma hipótese  onde
Riscos de decisão
existe decisão existe uma probabilidade de erro.
5.4 – Regiões de
rejeição e não
rejeição Existem dois tipos de erros que podem ser
5.5 – Riscos de
cometidos:
decisão
5.6 – Testes bilaterais - ERRO DO TIPO I – REJEITAR UMA HIPÓTESE (H0)

e unilaterais
VERDADEIRA;
significância
- ERRO DO TIPO II – DEIXAR DE REJEITAR UMA
5.8 – Testes
paramétricos e não HIPÓTESE (H0) FALSA.
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e QUANDO OCORREM OS ERROS
Experimentos
5.2 – Formulando VERACIDADE DA HIPÓTESE (H0)

hipóteses

VERDADEIRA FALSA
Riscos de decisão
HIPÓTESE (H0)
5.4 – Regiões de
REJEITAR A
rejeição e não
DECISÃO DO PESQUISADOR
rejeição
ERRO DO TIPO I DECISÃO CORRETA
5.5 – Riscos de (probabilidade = ) (probabilidade = 1-)
decisão

e unilaterais
NÃO REJEITAR A
HIPÓTESE (H0)
significância
DECISÃO CORRETA ERRO DO TIPO II
5.8 – Testes (probabilidade = 1-) (probabilidade = )
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e NÍVEL DE SIGNIFICÂNCIA () DO TESTE
Experimentos
5.2 – Formulando O Nível de Significância () de um teste estatístico

hipóteses
de hipóteses é a probabilidade máxima de
estatística do teste ocorrência de um erro do Tipo I admitida pelo teste.
Riscos de decisão
5.4 – Regiões de
rejeição e não - O valor de  é escolhido pelo pesquisador que
rejeição
assim controla o risco de ocorrência de um erro
5.5 – Riscos de
decisão do Tipo I;
e unilaterais - Valores tradicionais para o valor de  são: 1,0 %,
5.7 - Importância e 5,0 % e 10 %;
significância
5.8 – Testes
- O valor de  é usado comumente para determinar
paramétricos
os valores críticos que delimitam as regiões de
5.9 – Exemplo de
aplicação
rejeição e não rejeição da hipótese nula.
5.1 – Hipóteses e COEFICIENTE DE CONFIANÇA DO TESTE
Experimentos
5.2 – Formulando O Coeficiente de Confiança (1 - ) de um teste

hipóteses
corresponde à probabilidade de que você não rejeite
estatística do teste a hipótese nula H0 quando ela é verdadeira, não
Riscos de decisão
devendo, pois, ser rejeitada.
5.4 – Regiões de
rejeição e não
rejeição
- O Coeficiente de Confiança é o complemento da
5.5 – Riscos de
decisão probabilidade de ocorrência de um Erro do Tipo I.
e unilaterais
significância
5.8 – Testes
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e VALOR-p
Experimentos
5.2 – Formulando O Valor-p é o chamado nível observado de

hipóteses
significância e corresponde ao menor nível de
estatística do teste significância que podemos estabelecer, abaixo do
Riscos de decisão
qual a hipótese nula (H0) pode ser rejeitada.
5.4 – Regiões de
rejeição e não 1 Certeza máxima 1
rejeição
para não rejeitar
probabilidade
5.5 – Riscos de H0
probabilidade
decisão
Valor-p
5.6 – Testes bilaterais 

e unilaterais
Valor-p
Valor-p
significância
5.8 – Testes 0
paramétricos e não 0 Certeza máxima
paramétricos Valor-p < 
para rejeitar H0 Valor-p ≥ 
5.9 – Exemplo de rejeitar H0 não rejeitar H0
aplicação

5.1 – Hipóteses e Risco 
Experimentos
5.2 – Formulando O Risco  de um teste estatístico de hipóteses é a

hipóteses
probabilidade de se cometer um erro do Tipo II.
Riscos de decisão
- A probabilidade de cometer um erro do Tipo II
5.4 – Regiões de
rejeição e não depende da diferença entre o valor apresentado
rejeição
na hipótese e os verdadeiros valores do
5.5 – Riscos de
decisão parâmetro da população;
e unilaterais - Um modo de reduzir a probabilidade de cometer
5.7 - Importância e um erro do Tipo II é aumentar o tamanho da
significância
amostra;
5.8 – Testes
paramétricos
- Sempre que  é reduzido, o valor de  aumenta.
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e EFICÁCIA DO TESTE (1 - )
Experimentos
5.2 – Formulando
A Eficácia do Teste (1 - ) é a probabilidade de que a
hipóteses hipótese nula seja rejeitada quando ela é falsa e deve
ser rejeitada.
Riscos de decisão
5.4 – Regiões de
rejeição e não
- A eficácia do teste é o complemento da
rejeição
probabilidade de ocorrência de um erro do Tipo II;
5.5 – Riscos de
decisão
- A Eficácia do teste também é conhecida como Poder
e unilaterais do teste.
significância
5.8 – Testes
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e RELAÇÃO ENTRE OS ERROS TIPO I E II
Experimentos
5.2 – Formulando
hipóteses
Regra: sempre “aceitar” H0
Riscos de decisão
 ERRO DO TIPO I
ERRO DO TIPO II 
5.4 – Regiões de Ao diminuir a probabilidade
rejeição e não
rejeição de ocorrência de um erro
probabilidade
probabilidade
Tipo I, aumentamos a
5.5 – Riscos de
probabilidade de ocorrência 
decisão
de erro do Tipo II.

e unilaterais
significância
5.8 – Testes
paramétricos
5.9 – Exemplo de Regra: sempre rejeitar H0

aplicação

5.1 – Hipóteses e RELAÇÃO ENTRE OS ERROS TIPO I E II
Experimentos
5.2 – Formulando
hipóteses

Riscos de decisão
5.4 – Regiões de
rejeição e não
rejeição
5.5 – Riscos de
decisão

e unilaterais
significância
5.8 – Testes
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e CLASSIFICAÇÃO DOS TESTES QUANTO À REGIÃO CRÍTICA
Experimentos
A repartição da região crítica (região de rejeição de H0) pode se
5.2 – Formulando
hipóteses
dar em ambos os lados (caudas) da distribuição estatística, ou
em apenas um dos lados. Assim podemos classificar os testes de
estatística do teste hipóteses em:
Riscos de decisão Teste unilateral à esquerda
5.4 – Regiões de
rejeição e não
H0 : 1 ≥ 2
rejeição Ha : 1 < 2
5.5 – Riscos de
decisão
Teste unilateral à direita
5.6 – Testes bilaterais H0 : 1 ≤ 2
e unilaterais
Ha : 1 > 2
significância
Teste bilateral
5.8 – Testes
H0 : 1 = 2
paramétricos Ha : 1  2
5.9 – Exemplo de
aplicação Observação: unilateral = unicaudal e bilateral = bicaudal

5.1 – Hipóteses e SIGNIFICATIVO  IMPORTANTE
Experimentos
5.2 – Formulando
hipóteses

Riscos de decisão
5.4 – Regiões de
rejeição e não
rejeição
5.5 – Riscos de
decisão

e unilaterais
significância
5.8 – Testes
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e PARAMÉTRICO vs. NÃO PARAMÉTRICO
Experimentos
- Exigem o conhecimento prévio de
5.2 – Formulando parâmetros;
hipóteses
- Deve-se conhecer a distribuição de
5.3 – Valor crítico da E probabilidade subjacente, a forma da
estatística do teste S distribuição e o campo de variação da
Riscos de decisão TESTES
variável em estudo;
T PARAMÉTRICOS
5.4 – Regiões de - Muitos exigem que a população original
rejeição e não T A seja normal;
rejeição
E T - Exigem grandes amostras;
5.5 – Riscos de
Í - Exigem 3 º nível de mensuração para a
decisão S
variável analisada.
T S
e unilaterais
E T - Exigências mais brandas que os testes
S I paramétricos;
5.7 - Importância e C - Não necessitam de grandes amostras
significância (n<30);
O TESTES NÃO - Cálculos são mais simples;
5.8 – Testes
paramétricos e não S PARAMÉTRICOS - Não exigem o conhecimento da
paramétricos distribuição de probabilidades;
- Possuem menor poder que os testes
5.9 – Exemplo de
aplicação paramétricos.

5.1 – Hipóteses e EXEMPLO DE APLICAÇÃO: TESTE Z BICAUDAL
Experimentos
EXEMPLO: A capacidade máxima de adsorção de cromo (VI) por um
5.2 – Formulando bioadsorvente é igual a 430 mg de Cr(VI)/g de bioadsorvente, o desvio
hipóteses
padrão é igual a 50 mg de Cr(VI)/g de bioadsorvente. Um novo lote do
5.3 – Valor crítico da material é produzido no laboratório e sua capacidade de adsorção é
Riscos de decisão
determinada através de 25 replicatas como sendo igual a 449 mg de
Cr(VI)/g de bioadsorvente. Deseja-se saber se o novo lote possui uma
5.4 – Regiões de
rejeição e não capacidade de adsorção máxima de cromo diferente do habitualmente
rejeição encontrado para esse material .
Dados: Nível de Hipóteses: Estatística do teste:
5.5 – Riscos de
decisão = 430 significância: : = 430 −
= 50 =
5.6 – Testes bilaterais =5% : ≠ 430
e unilaterais = 449
= 25 Região
significância de
Região
de
= = +1,90
Região
rejeição de não rejeição
5.8 – Testes
rejeição Critério de rejeição:
+1,90
paramétricos
Rejeitar H0 se Z >
5.9 – Exemplo de +1,96 ou se Z < -1,96
aplicação Valores críticos Resultado: aceitar hipótese nula!
5.1 – Hipóteses e EXEMPLO DE APLICAÇÃO: TESTE Z BICAUDAL
Experimentos
5.2 – Formulando
hipóteses

Riscos de decisão
5.4 – Regiões de
rejeição e não
rejeição
5.5 – Riscos de
decisão

e unilaterais
significância
5.8 – Testes
paramétricos
5.9 – Exemplo de
aplicação

5.1 – Hipóteses e RESUMO DAS ETAPAS DO TESTE DE HIPÓTESES
Experimentos
O MÉTODO DAS SEIS ETAPAS DO TESTE DE HIPÓTESES
5.2 – Formulando
hipóteses
1) Declare a hipótese nula (H0) e a hipótese alternativa (Ha);
Riscos de decisão 2) Escolha o nível de significância () e o tamanho da amostra (n).
5.4 – Regiões de
Considere para isso a probabilidade de ocorrência dos erros do Tipo I e
rejeição e não II adequados ao problema;
rejeição
5.5 – Riscos de 3) Determine a estatística apropriada ao teste e a distribuição de

decisão amostragens;
e unilaterais 4) Determine os valores críticos que dividem as regiões de rejeição e
não rejeição;
significância
5) Colete os dados da amostra e calcule o valor da estatística do teste;
5.8 – Testes
paramétricos e não 6) Tome a decisão estatística (não rejeite a hipótese nula se a
paramétricos
estatística do teste estiver dentro da região de não rejeição) e elabore
5.9 – Exemplo de a conclusão para o problema.
aplicação

-1,96 0 +1,96
Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA


EA5 - TESTES DE HIPÓTESES Remoto

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

EA5 - TESTES DE HIPÓTESES Remoto

Caricato da

Copyright:

Formati disponibili

5 TESTES DE HIPÓTESES

Prof. Ricardo Leite

5.2 – Formulando Esse “nergoço” de “hipoitese” é “má ô meno” assim “ói”:

5.3 – Valor crítico da

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 2

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 3

5.2 – Formulando A metodologia de comprovação (ou rejeição) de uma hipótese é

5.3 – Valor crítico da

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 4

5.2 – Formulando A metodologia dos testes de hipóteses necessita da

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 5

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 6

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 7

5.2 – Formulando Tomando amostras de duas populações de dados A e B, com

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 8

 A hipótese nula, H0, representa o status quo, ou aquilo que se acredita

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 9

5.3 – Valor crítico da

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 10

5.5 – Riscos de Quando há uma grande

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 11

5.2 – Formulando A partir do valor crítico a distribuição de amostragens da

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 12

5.6 – Testes bilaterais - ERRO DO TIPO I – REJEITAR UMA HIPÓTESE (H0)

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 13

5.2 – Formulando VERACIDADE DA HIPÓTESE (H0)

5.3 – Valor crítico da

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 14

5.2 – Formulando O Nível de Significância () de um teste estatístico

5.2 – Formulando O Coeficiente de Confiança (1 - ) de um teste

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 16

5.2 – Formulando O Valor-p é o chamado nível observado de

5.6 – Testes bilaterais 

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 17

5.2 – Formulando O Risco  de um teste estatístico de hipóteses é a

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 18

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 19

5.9 – Exemplo de Regra: sempre rejeitar H0

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 20

5.3 – Valor crítico da

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 21

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 22

5.3 – Valor crítico da

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 23

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 24

5.3 – Valor crítico da

5.6 – Testes bilaterais

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 26

5.5 – Riscos de 3) Determine a estatística apropriada ao teste e a distribuição de

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA 27

Prof. Ricardo Leite ESTATÍSTICA APLICADA – PPGCEM/UFERSA

Potrebbero piacerti anche