Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MOQ 13
PROBABILIDADE
E ESTATSTICA
Teste de Hiptese - Fundamentos
TH: AS HIPTESES E
expressa como uma igualdade com o valor crtico
expressa na forma de uma desigualdade
Em resumo
FORMULANDO O TH
Ou seja, temos a seguinte configurao:
Ainda:
Dispomos de uma a.a. com
Sabemos que
10
11
12
13
14
15
FORMULANDO O TH
Assim, para fazer o Teste de Hiptese:
Fixamos
Procuramos na tabela Normal (0,1)
Calculamos o valor da Estatstica do Teste
e o comparamos com
Se o resultado for , rejeitamos , assegurando que a
probabilidade de erro inferior a
Caso contrrio, no rejeitamos
16
VOLTANDO AO EXEMPLO
No exemplo
Fixamos , que equivale a
Calculamos:
17
Z
Z
I
U
Q
!
!
!! !
18
CONTINUANDO
Mas a histria no acabou (est longe de acabar)
A deciso foi tomada com base no erro tipo I, algo que,
por si s, constitui evidncia de que esse o erro
considerado mais grave (assimetria)
Todavia, como a concluso foi a de no rejeitar , o erro
no qual se pode estar incorrendo no o tipo I, mas o
tipo II, claro
F sabe disso, e quer discutir o assunto, pois M se
protegeu do de aceitar um mau fornecedor, mas pode
estar incorrendo no erro de deixar de aceitar um bom
fornecedor (perda da oportunidade tpico tipo II)
19
O ERRO TIPO II
Lembrando:
ou seja:
Digamos que
20
O ERRO TIPO II
Mas, se
no mais , pois est sendo subtrada de algo que no a
sua mdia.
21
O ERRO TIPO II
Mas, se
no mais , pois est sendo subtrada de algo que no a
sua mdia. Ainda assim, podemos calcular
22
O ERRO TIPO II
Prosseguindo:
23
fdp de supondo Ho
F, i.e.,
24
fdp de supondo Ho
F, i.e.,
O que ocorre se: (i) ? (ii) diminui? (iii) cresce? (iv) varia?
25
O ERRO TIPO II
Retornemos ao nosso exemplo (F x M)
Fixado , sabemos calcular para valor de
Para qual valor de queremos calcular ?
Um possvel candidato natural , ou seja 17.400 milhas
(estimativa pontual de , j que dispomos de dados)
Ento:
26
O ERRO TIPO II
Ou seja, resumindo:
Ao arbitrar em 5%, com os nmeros do exemplo, M
no aceita F como fornecedor
Ao faz-lo, M no pode mais incorrer no erro tipo I, de
aceitar um mau fornecedor
O nico erro em que M pode estar incorrendo o erro
tipo II, de no aceitar um bom fornecedor (perder a
oportunidade)
O risco que M corre depende do valor de
Se (uma hiptese natural), h 62,2% de chance de M
estar rejeitando um possvel bom fornecedor
27
E O JOGO CONTINUA
A histria, portanto, ainda no acabou.
H negociaes possveis
Por exemplo: diminuir o valor de surge o p-value
Ou, aumentar o tamanho n da amostra aleatria
Como isso pode ser feito?
28
A relao entre n, e
H pouco estabelecemos que:
29
A relao entre n, e
Para , arbitramos e, portanto, da tabela tiramos
(repare a notao negativa) tal que
que implica
30
De volta Ilustrao
Suponha que para , arbitramos
Da tabela temos
Ento:
31
REFLEXES SOBRE TH
Nos tribunais de jri, muitos consideram que o resultado
mais confivel se d quando o ru considerado culpado
Qual a lgica por trs dessa mxima?
O ru foi presumido inocente (Ho), mas as evidncias
encontradas no sentido de culp-lo foram to fortes que
ele foi considerado culpado (Ho foi rejeitada)
32
REFLEXES SOBRE TH
Suponha, agora, que os jurados reconhecem haver
diversas evidncias da culpa do ru, mas consideram
que a soma de todas elas no suficiente para formar a
convico da culpa do ru (beyond a reasonable doubt)
Nesse caso, o ru inocentado (not guilty)
Tomada essa deciso, o nico erro em que se pode estar
incorrendo o tipo II, inocent-lo quando ele era culpado
(Ho F), que, ao contrrio do erro tipo I, no controlado,
em princpio, em nenhum patamar
Da a assero inicial (em roxo, no slide anterior)
33
ANALOGAMENTE
Da mesma forma, e com argumentos absolutamente
anlogos, em Estatstica diz-se que um teste de
hipteses termina bem quando Ho rejeitado
Por que?
Porque o nico erro que se pode estar incorrendo o
erro tipo I, que controlado num patamar to pequeno
quanto possvel arbitrado pelo decisor
nesse contexto que surge o conceito de p-value ou
valor-p do teste
34
VALOR-P DO TESTE
Vimos que a Estatstica do teste gerava o resultado
que no permitia rejeitar Ho com , j que
Todavia, vimos tambm, na Quizz, que se , , ou seja,
rejeita-se Ho para esse valor de
Portanto, conforme varia, h uma fronteira em que a
deciso se inverte esse ponto de fronteira o valor-p
do teste
35
VALOR-P DO TESTE
Naturalmente, a fronteira se d para tal que igual ao
resultado da Estatstica do Teste
No exemplo ilustrativo, esse resultado era igual a 1,333
Da tabela da N(0,1), temos que corresponde a =
9,13%, que o valor-p do teste
Qualquer valor de arbitrado abaixo de 9,13% implica a
no rejeio de Ho
Qualquer valor de arbitrado acima de 9,13% implica a
rejeio de Ho
36
NOVAS REFLEXES
Como ilustraremos a seguir, possvel roubar (no
sentido cheating) em um teste de hiptese, mas no
diante de um interlocutor estatisticamente treinado
Alis, essa mxima se aplica, em geral, s chamadas
mentiras estatsticas (i.e., elas no funcionam diante
de algum estatisticamente treinado)
Em estatstica, o interlocutor tem direito a toda a
informao disponvel (informao perfeita)
Na dvida, portanto, pea esclarecimentos
37
NOVAS REFLEXES
Um jeito de roubar este:
Note que conforme , rejeitar vai ficando praticamente
impossvel
Ento, formule tal que ela represente o que voc
deseja afirmar e, independentemente do resultado da
Estatstica do Teste, arbitre em um valor to baixo
que no seja rejeitado
Em seguida, divulgue o resultado, informando o valor
de , mas omitindo a especificao de e
38
DE VOLTA ILUSTRAO
Lembremos que nossa formulao foi esta:
39
DE VOLTA ILUSTRAO
Lembremos que nossa formulao foi esta:
40
41
DE VOLTA ILUSTRAO
Nesta formulao com do tipo menor do que, por
raciocnio totalmente anlogo ao desenvolvido na
formulao anterior, s rejeitaremos se
42
DE VOLTA ILUSTRAO
Se arbitrarmos , teremos
Mas, lembrando o resultado da Estatstica do Teste
43
DE VOLTA ILUSTRAO
Ocorre que o erro relevante nesse caso no o tipo I
(especificado por ), mas o tipo II
Vamos dar uma olhada em para
Por raciocnio completamente anlogo:
44
DE VOLTA ILUSTRAO
Ocorre que o erro relevante nesse caso no o tipo I
(especificado por ), mas o tipo II
Vamos dar uma olhada em para
Por raciocnio completamente anlogo:
45
46
CASO 2:
47
48
49
Fonte:
Probabilidade e
Estatstica para
Engenharia e
Cincias
8 Edio, 2014
Devore,Jay L.
Cengage Learning
50
51
E
D
O
I
F
A
S
52
53
OBRIGADO!
Armando Z. Milioni
ITA IEM IEMB, Sala 2303
milioni@ita.br ou azmilioni@gmail.com
(12) 3947-5912
54
13 QUIZZ TH
Retornemos ao exemplo (questo F x M)