NOES DE TESTE DE

HIPTESES (I)

Teste de hipteses para a

proporo populacional
 Mtodos Estatsticos
Mtodos
Estatsticos

Estatstica Inferncia
Descritiva Estatstica

Teste de
Estimao
Hipteses
TESTE DE HIPTESES
Eu acredito que
30% da populao
careca.

Populao No est
nem perto.
Rejeito a
hiptese.


Amostra
Aleatria
Proporo
p 0.05
 O que uma hiptese?
Eu acredito que a proporo
uma conjectura sobre de pessoas com dengue neste
um parmetro populacional. ano no Rio de Janeiro com
idade entre 15 e 49 anos de
45%.
Por exemplo, a proporo p
um parmetro populacional.

A hiptese deve ser

estabelecida antes da
anlise.

1984-1994 T/Maker Co.

 Estimao Teste de Hipteses
Qual a probabilidade de A moeda honesta ou
cara no lanamento de uma desequilibrada?
moeda?
Qual a proporo de votos O candidato A vencer a
que o candidato A ter na eleio?
prxima eleio?

Qual a proporo de A proporo dos moto-

motoristas habilitados de SP ristas habilitados de SP
que tiveram suas carteiras que tiveram suas carteiras
apreendidas aps a vigncia apreendidas aps a nova
da nova lei de trnsito? 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.

0 1 2 3 4 5 6 7 8 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.

0 1 2 3 4 5 6 7 8 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: 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.
(princpio do in dubio pro reo)
 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 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)

= 0,000244 + 0,00293 + 0,016113 + 0,053711 + 0,053711 +

0,016113 + 0,00293 + 0,000244

18
= 0,1460
Binomial com
n = 12 e p = 0,5
x P(X = x)
0 0,000244
1 0,002930
2 0,016113
3 0,053711
4 0,120850
5 0,193359
6 0,225586
7 0,193359
8 0,120850
9 0,053711
10 0,016113
11 0,002930
12 0,000244
19
 Valor de E(X) sob H

0,25

0,20

0,15
P( X= x)

0,10

0,05

0,00

0 2 4 6 8 10 12
x

oi ejer
oi ge R
oi ge R
oi ejer

oi ge R
r on
 Verdadeiro valor de p
Deciso p = 0,5 (H verd.) p 0,5 (A verd.)
No rejeitar H Deciso correta Erro II
1 - = 0,8540
Rejeitar H Erro I Deciso correta
= 0,1460 1-

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 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)

= 0,000244 + 0,00293 + 0,016113 + 0,016113 + 0,00293 +

0,000244
= 0,0384

22
Binomial com
n = 12 e p = 0,5
x P(X = x)
0 0,000244
1 0,002930
2 0,016113
3 0,053711
4 0,120850
5 0,193359
6 0,225586
7 0,193359
8 0,120850
9 0,053711
10 0,016113
11 0,002930
12 0,000244
23
 Regies crticas e
nveis de significncia
(Exemplo 1: Moeda)
RC
{0, 1, 2, 3, 9, 10, 11, 12} 0,1460
{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 verda-

deira 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 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 P(X = x)
0 0,0001
1 0,0016
2 0,0106
3 0,0425
4 0,1115
5 0,2007
6 0,2508
7 0,2150
8 0,1209
9 0,0403
10 0,0060

29
 Valor de E(X) sob H

0,25

0,20

0,15
P( X= x)

0,10

=0,0463
0,05

0,00

0 2 4 6 8 10
x

oi ge R
oi ejer
i ge R
r on
 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). 0,25

0,20

0,15

P(X=x)
0,10

0,05

0,00

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
x/ 1 2

31
RC RC
 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.
0,25

0,20

0,15
P(X=x)

0,10

0,05

0,00
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
x/ 10

32
RC
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
Binomial com n = 60 e p = 0,15
x P(X = x)
0 0,0001
1 0,0006
2 0,0032
3 0,0110
4 0,0275
5 0,0544
6 0,0880
7 0,1199
8 0,1401
9 0,1429
10 0,1286
11 0,1031
12 0,0743
13 0,0484
14 0,0287
15 0,0155
16 0,0077
17 0,0035
18 0,0015
19 0,0006
20 0,0002
21 0,0001 37
22 0,0000
(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
 Teste de Hiptese para a Mdia
Um pesquisador deseja estudar o efeito de certa substncia no
tempo de reao de seres vivos a um certo tipo de estmulo.
Um experimento desenvolvido com 10
cobaias que so inoculadas com uma substncia e
submetidas a um estmulo eltrico com tempo mdio de
reao de 9,1 seg. Admite-se que o tempo segue,
em geral, o Modelo Normal com mdia 8 seg e
desvio padro 2 seg. o pesquisador desconfia, entretanto,
que o tempo mdio sofre alterao por influncia da
substncia. A um nvel de significncia de 6%,
verifique se a desconfiana do pesquisador se confirma.
Definir as hipteses:

H0: As cobaias apresentam tempo de

reao padro.

Ha : As cobaias tem o tempo de reao

alterado.

H0: = 8,0
Ha 8,0
:
Calcular a regio de rejeio:
e

Z tal que A(Z) = 0,47 vale 1,88 (tabela)

RC={x < 6,8 ou x > 9,2}

Como a mdia 9,1 seg. da amostra no pertence a RC ,
com um nvel de significncia de 6%, NO rejeitamos H0 ,
ou seja, o tempo de reao das cobaias no fica alterado.
 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.

44
(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.

45