Testes de Hipóteses: Duas Amostras
|
|
- Vítor Palmeira Benke
- 7 Há anos
- Visualizações:
Transcrição
1 Testes de Hipóteses: Duas Amostras Na aula de hoje veremos como comparar duas populações P 1 e P 2, baseados em dados fornecidos por amostras dessas populações. Grande parte das técnicas usadas em Estatística supõe que as variáveis aleatórias envolvidas tenham distribuição normal. Alguns testes que trataremos envolverão a normal. Contudo, se a suposição de normalidade for violada, exsitem outros testes conhecidos como testes não paramétricos que poderão ser usados. Estudaremos duas situações diferentes: o caso em que temos duas amostras independentes e o caso em que temos duas amostras pareadas (relacionadas, emparelhadas). 1
2 Em ambos os casos, veremos um teste paramétrico que resulta num teste t e supõe normalidade e, veremos também, um teste nãoparamétrico, que não supõe normalidade. Uma questão que aparece com frequência é: O método A é melhor do que o método B? Em termos estatísticos, ela equivale a comparar dois conjuntos de informações, resultantes das medidas obtidas da aplicação dos dois métodos a dois conjuntos de objetos ou indivíduos. Mas como caracterizar adequadamente a igualdade ou equivalência das duas populações? 2
3 No caso da suposição de normalidade ser válida e, se também for possível supor que as variâncias das duas populações são iguais, observe que poderíamos caracterizar a hipótese de equivalência na forma H 0 : µ 1 = µ 2. Porém, no caso em que não é adequado supor a normalidade, de fato, a hipótese de equivalência seria H 0 : P 1 = P 2, que chamaremos hipótese de homogeneidade das duas populações. O significado de H 0 : P 1 = P 2 dependerá muito do interesse do pesquisador em considerar qual tipo de igualdade implicará a coincidência das duas distribuições. Os testes t e de Wilcoxon-Mann-Whitney, que serão descritos a seguir são apropriados para esse tipo de situação. O teste t é aplicável quando P 1 e P 2 são supostas normais com variâncias iguais. 3
4 Veremos na próxima aula como realizar um teste para verificar se, de fato, a suposição de variâncias iguais é adequada. O teste de Wilcoxon-Mann-Whitney aplica-se para P 1 e P 2 quaisquer. Começaremos estudando o caso em que dispomos de duas amostras independentes para então apresentar os dois testes. Em seguida trataremos do caso de amostras pareadas. 4
5 Exemplo 1: Suspeita-se que o barulho afeta a memória de cuto prazo. Para verificar essa suspeita, um experimento foi conduzido da seguinte forma: 24 pessoas foram aleatoriamente distribuídas em dois grupos de 12. Cada grupo recebeu uma lista de 20 palavras para memorizar em 2 minutos. Os participantes na condição barulho tentaram memorizar a lista de 20 palavras, enquanto escutavam, com fones de ouvido, um barulho prégravado. Os outros participantes também utilizaram fones de ouvido, mas sem o barulho, enquanto memorizavam as palavras no mesmo período de tempo. O número de palavras memorizadas por cada pessoa foi registrado e é apresentado na tabela a seguir. 5
6 barulho (1) sem barulho (2) x 1 = 7, 3 x 2 = 13, 8 s 1 = 2, 5 s 2 = 2, 8 Se µ 1 representa o número médio de palavras memorizadas em 2 minutos entre 20 palavras na condição barulho e µ 2, a mesma média na condição sem barulho, para verificar a suspeita enunciada, poderíamos realizar o teste das seguintes hipóteses: { H0 : µ 1 = µ 2 H 1 : µ 1 < µ 2. 6
7 Este é um exemplo da situação em que temos duas amostras independentes, observe que são pessoas diferentes em cada grupo de 12, e queremos comparar as duas médias populacionais. Em Dancey e Reidy eles classificam esse experimento como um experimento interparticipantes. Antes de resolver o problema apresentado, vamos apresentar um breve resumo teórico do teste usado nesse contexto. Sejam X 1, X 2,..., X n e Y 1, Y 2,..., Y m duas amostras independentes sorteadas de duas populações normais N(µ 1, σ 2 ) e N(µ 2, σ 2 ). Observe que as amostras podem ter tamanhos diferentes n e m, mas estamos supondo que as amostras provêm de populações normais com variâncias iguais. O teste a seguir foi construído baseando-se nessas suposições. 7
8 Testes para verificar a dequação das suposições de normalidade dos dados e de homogeneidade das variâncias serão apresentados na próxima aula. Nesse contexto temos como hipótese nula a condição µ 1 = µ 2 e as hipóteses alternativas poderão ser µ 1 µ 2 (bilateral), µ 1 < µ 2 (unilateral à esquerda) e µ 1 > µ 2 (unilateral à direita). Da teoria estatística é possível mostrar que se as suposições são verdadeiras, então a estatística T = X 1 X 2 (µ 1 µ 2 ) S 1n + m 1 tem uma distribuição t com n + m 2 graus de liberdade. 8
9 Na expressão da estatística T, T = X 1 X 2 (µ 1 µ 2 ) S 1n + 1 m X 1 representa a média amostral referente à amostra 1 e X 2 representa a média amostral referente à amostra 2. Além disso S 2 é uma estimativa combinada da variância populacional σ 2 que é suposta ser a mesma em ambas as populações, a saber, S 2 = (n 1)S2 1 + (m 1)S2 2 n + m 2 em que S1 2 é a variância amostral na amostra 1 e S2 2 é a variância amostral na amostra 2. 9
10 Assim, se H 0 é verdadeira segue que T 0 = X 1 X 2 S 1n + 1 m tem uma distribuição t com n + m 2 graus de liberdade. Fixado um nível de significância α, basta obter a(s) cauda(s) correspondente(s) à região crítica do teste, usando a distribuição t com n+m 2 graus de liberdade. No problema da memória de curto prazo, temos que o número de graus de liberdade da distribuição amostral t da estatística de teste é = 22. Fixando α em 5%, temos como região crítica T 0 < 1, 72, pois trata-se de um teste unilateral à esquerda. (A cauda à esquerda de -1,72 na distribuição t com 22 graus de liberdade corresponde a 5% da distribuição.) 10
11 Vimos que x 1 = 7, 3, x 2 = 13, 8, s 2 1 = 2, 52 e s 2 2 = 2, 82. Além disso, n = m = 12. Logo, s 2 = 11 2, , , 05 tal que t 0 = 7,3 13,8 5, 99 7,05/6 Como o valor amostral de T 0 está na região crítica, segue que H 0 deve ser rejeitada. Portanto, ao nível de significância de 5%, os dados trazem evidência a favor da suposição de que a memória de curto prazo é, em média, menor na condição barulho do que na condição sem barulho. 11
12 Como fica o p-valor desse teste? Basta encontrar a área da cauda à esquerda de t 0 = 5, 99 na dsitribuição t com 22 graus de liberdade. É possível ver que o p-valor é bem menor que 0,0001 indicando fortíssima evidência contra H 0. Portanto, usando o p-valor, chegamos a mesma conclusão obtida via procedimento clássico com nível de significância 5%. Agora vamos ver como resolver esse problema usando o Bioestat. 12
13 Clique na opção Estatísticas, seguida de Duas Amostras Independentes, seguida de Teste t: Resumo amostral Entre com as informações amostrais 13
14 Depois é só clicar em executar para obter a saída 14
15 Quadro de procedimentos no caso de duas a- mostras independentes de populações normais com variâncias iguais. Sejam H 0 : µ 1 = µ 2 a hipótese nula, T 0 = X 1 X 2 S 1n + 1 m a estatística de teste e α o nível de significância do teste. H 1 Região crítica µ 1 µ 2 T 0 > t (1 α,n+m 2) µ 1 > µ 2 T 0 > t (1 2α,n+m 2) µ 1 < µ 2 T 0 < t (1 2α,n+m 2) 15
16 Intervalo de Confiança para a diferença entre as médias µ 1 e µ 2 : Suposição: populações normais com variâncias iguais. IC(µ 1 µ 2, γ) : X 1 X 2 ± t (γ,n+m 2) S 1n + 1 m em que X i é a média da i-ésima amostra. i = 1, 2 S 2 = (n 1)S2 1 +(m 1)S2 2 n+m 2 e S 2 i é a variância da i-ésima amostra, i = 1, 2 n é o tamanho da amostra 1 e m é o tamanho da amostra 2 t (γ,n+m 2) é um quantil da distribuição t com n + m 2 graus de liberdade tal que P ( t (γ,n+m 2) < T < t (γ,n+m 2) ) = γ, com T t (n+m 2). O Bioestat fornece os IC s da diferença das duas médias de 95% e 99% de confiança. 16
17 Observe que não verificamos se é razoável a suposição de normalidade para os dados observados nesse exemplo. E se a normalidade não for razoável? Apresentaremos aqui o teste de Wilcoxon, também conhecido como teste de Mann-Whitney e que daqui em diante chamaremos de teste W MW nessas notas. Tem-se duas amostras independentes de duas populações P 1 e P 2. A variável observada deve ter uma escala pelo menos ordinal. Queremos testar H 0 : P 1 = P 2 contra a hipótese alternativa de que as distribuições diferem em localização: estaremos interessados em saber se uma população tende a ter valores maiores que a outra; ou se elas têm a mesma mediana ou a mesma média. 17
18 O teste W MW é baseado nos postos dos valores obtidos combinando-se as duas amostras. Como isso é feito? As duas amostras são combinadas como se fossem uma só e todos os valores observados são colocados em ordem crescente. Atenção: É importante não perder a informação da origem de cada valor observado, ou seja, ao combinar as amostras, é importante saber qual valor veio da amostra 1 e qual valor veio da amostra 2. 18
19 A tabela a seguir mostra as duas amostras combinadas antes de ordenar. 19
20 A tabela a seguir mostra as duas amostras combinadas depois de ordenar e com atribuição de postos (posição no ranking). 20
21 A estatística de teste é a soma dos postos associados aos valores amostrados de uma população, P 1, por exemplo. Se essa soma for grande, isso é uma indicação de que os valores dessa população tendem a ser maiores do que os valores da população P 2, e, então rejeitamos H 0. Se há ao todo n+m observações, então a soma de todos os postos será (n+m) (n+m+1)/2. Nesse exemplo a soma de todos os postos é 300. Podemos verificar que a soma dos postos associados à condição barulho é 83, enquanto que esta soma associada à condição sem barulho é 217. Logo, temos evidências amostrais para rejeitar H 0. 21
22 Como especificar regiões críticas ou calcular p-valores no teste W MW? Para isso trabalha-se com a estatística de Mann- Whitney dada por U 1 = W 1 1 2n(n+1) em que W 1 é a soma dos postos da amostra 1 e n é o tamanho amostral correspondente. Existem tabelas de quantis associados à estatística U 1 sob a hipótese de homogeneidade. Para tamanhos amostrais grandes, também podemos usar uma aproximação para a distribuição normal, padronizando a estatística U 1 com uma média dada por µ = n(n + m + 1)/2 e variância dada por σ 2 = nm(n + m + 1)/12. No entanto, não precisaremos nos preocupar com estes detalhes técnicos. Usarmos o Bioestat para realizar o teste MW M. 22
23 Escolha a opção Estatísticas, Duas Amostras independentes, Mann-Whitney (Wilcoxon Rank- Sum test). Os dados devem ser digitados nas colunas 1 e 2. 23
24 Marque as colunas 1 e 2 e depois clique em executar para obter a seguinte saída do teste W MW Como p-valor é muito pequeno, rejeitamos a hipótese nula em favor da hipótese de que na condição sem barulho tende-se a memorizar um número maior de palavras do que na condição barulho. 24
25 Observe que aplicamos os dois testes ao mesmo conjunto de dados e em ambos os casos obtivemos a mesma conclusão. Porém, nem sempre essa concordância irá ocorrer. Que teste eu devo escolher? O teste t é mais poderoso do que os testes nãoparamétricos. Desse modo, se a suposição de normalidade for adequada, recomenda-se usar o teste t. Use o teste W M W somente se a suposição de normalidade não for adequada. Na próxima aula veremos como verificar a normalidade de um conjunto de dados. 25
26 Exemplo 2: A professora Yob está interessada em estudar a violência de massa durante as partidas de futebol. Ela acha que a violência do grupo é resultado dos assentos desconfortáveis do estádio. Assim, Yob modifica dois estádios diferentes na Inglaterra. Em um estádio coloca assentos bem apertados e desconfortáveis. No outro, instala assentos confortáveis com muito espaço para as pernas e entre os assentos adjacentes. A professora organiza uma competição de modo que um clube jogue apenas a metade das partidas em um estádio e a outra metade no outro estádio. Ela acompanha um grupo de 12 fãs adolescentes agressivos e grosseiros desse clube e registra o número de vezes em que cada um é preso ou expulso do estádio. Ela prevê que o número médio de prisões/expulsões seja maior no estádio menos confortável do que no estádio mais confortável. 26
27 A tabela a seguir apresenta os resultados obtidos no experimento. adolescente desconfortável confortável
28 Este é um exemplo da situação em que temos amostras pareadas, observe que são as mesmas pessoas observadas sob diferentes condições, e queremos comparar as médias populacionais sob as diferentes condições. Em Dancey e Reidy eles classificam esse experimento como um experimento intraparticipantes. Observe que nesse caso, faz sentido definir as diferenças, pois as observações em dada linha da coluna de dados estão relacionadas a uma mesma pessoa. 28
29 Antes de resolver o problema apresentado, vamos apresentar um breve resumo teórico do teste usado nesse contexto. Suponha que (X 1, Y 1 ), (X 2, Y 2 ),..., (X n, Y n ) seja uma amostra aleatória bivariada de tamanho n de uma população. Por exemplo, medidas antes e depois de um tratamento, contagens sob duas condições diferentes, etc. Defina as diferenças D i = X i Y i, i = 1, 2,..., n. Se a população das diferenças tiver uma distribuição normal, então é possível construir um teste t para a média das diferenças. Suponha que a distribuição de D seja N(µ D, σ 2 D ). 29
30 Como estamos comparando o mesmo grupo sob diferentes condições, aqui a hipótese nula, será da forma µ D = 0, ou seja, não há efeito de tratamento. As hipóteses alternativas podem ser µ D 0 (bilateral), µ D > 0 (unilateral à direita) ou µ D < 0 (unilateral à esquerda). Em geral o desvio padrão da população de diferenças é desconhecido e também deverá ser estimado por S D com S 2 D = 1 n n 1 i=1 (D i D) 2, com D a média amostral das diferenças D 1, D 2,..., D n. De fato, podemos notar que esse caso reduzse ao teste t, com H 0 : µ D = 0 para uma amostra aleatória simples de uma população normal dada por D 1, D 2,..., D n. 30
31 Observe que a suposição de normalidade das populações não é crucial. As diferenças é que devem ter um comportamento normal. A estatística de teste a ser usada é T 0 = D S D / n. Sob H 0, T 0 tem uma distribuição t com n 1 graus de liberdade. Fixando α o nível de significância, basta identificar a(s) cauda(s) da distribuição t com n 1 graus de liberdade adequada(s) à hipótese alternativa sob consideração. Depois é só verificar se o valor amostral da estatística caiu ou não na região crítica para concluir o teste. 31
32 No caso dos dados do exemplo 2 temos o seguinte teste H 0 : µ D = 0 versus H 1 : µ D > 0. Logo, como o valor amostral caiu na região crítica devemos rejeitar a hipótese nula de que não há diferença nos números médios de prisões/ expulsões em favor da hipótese alternativa de que no estádio desconfortável a média é maior do que no estádio confortável. 32
33 Como fica o p-valor desse teste? Basta encontrar a área da cauda à direita t 0 = 4, 96 na dsitribuição t com 11 graus de liberdade. É possível ver que o p-valor é aproximadamente , indicando fortíssima evidência contra H 0. Portanto, usando o p-valor, chegamos a mesma conclusão obtida via procedimento clássico com nível de significância 5%. Agora vamos ver como resolver esse problema usando o Bioestat. 33
34 Clique na opção Estatísticas, seguida e Duas Amostras Relacionadas, seguida de Teste t: Dados Amostrais Entre com os dados amostrais que estão nas colunas 2 e 3 e clique em executar para obter 34
35 35
36 Quadro de procedimentos no caso de duas a- mostras pareadas cujas diferenças são supostas normais. Sejam H 0 : µ D = 0 a hipótese nula, T 0 = D S D / n a estatística de teste e α o nível de significância do teste. H 1 Região crítica µ D 0 T 0 > t (1 α,n 1) µ D > 0 T 0 > t (1 2α,n 1) µ D < 0 T 0 < t (1 2α,n 1) 36
37 Intervalo de Confiança para µ D = µ 1 µ 2 : Suposição: as diferenças D i s são normalmente distribuídas. em que S IC(µ D, γ) : D ± t D (γ,n 1) n D é a média amostral das diferenças S 2 D = 1 n n 1 i=1 (D i D) 2 n é o tamanho da amostra t (γ,n 1) é um quantil da distribuição t com n 1 graus de liberdade tal que P ( t (γ,n 1) < T < t (γ,n 1) ) = γ, com T t (n 1). O Bioestat fornece os IC s da diferença das duas médias de 95% e 99% de confiança. 37
38 E se as diferenças não forem normais? Nesse caso podemos usar um teste não paramétrico também baseado em postos. Para amostras emparelhadas, um teste apropriado é o teste dos postos sinalizados de Wilcoxon. Para esse teste supomos que a escala das diferenças seja pelo menos intervalar e que os pares (X i, Y i ) constituam uma amostra aleatória simples da população. Isso implica, em particular, que os D i s são independentes com a mesma mediana. Suponha ainda que cada D i tenha uma distribuição simétrica. Ou seja, as médias e medianas coincidem. No exemplo 2, queremos testar { H0 : µ D = 0 H 1 : µ D > 0. 38
39 Teste dos postos sinalizados de Wilcoxon Passo 1: Calcule as diferenças D i, e os respectivos valores absolutos, D i, i = 1, 2,..., n Passo 2: Ordene D 1, D 2,..., D n os valores absolutos dos D i s e atribua postos de 1 a n. Em caso de empate faça o ajuste adequado. Se houver diferenças nulas, despreze-as e passe a usar como o número de observações n, o número de casos em que D i 0. Passo 3: Para as diferenças cujo sinal foi negativo, troque o sinal dos postos correspondentes, ou seja atribua um sinal negativo para eles. Passo 4: Calcule T +, a soma dos postos com sinal positivo e T a soma, em valor absoluto, dos postos com sinal negativo. 39
40 Passo 5: Selecione como a estatística de teste T = min{t +, T }, o menor dos dois. Para prosseguir com o teste é necessário obter a distribuição amostral da estatística T sob H 0. Observe que se H 0 for verdadeira, espera-se que qualquer que seja a observação as probabilidades da diferença a ela associada receber um sinal positivo ou um sinal negativo devem ser iguais e, portanto, espera-se que os valores de T + e T sejam similares. Observe também que se n é o número total de diferenças não-nulas, então T + + T = n (n + 1)/2. 40
41 Logo, rejeitaremos H 0 para algum nível de significância α fixado, se o valor de T for muito pequeno relativamente a sua distribuição amostral sob H 0. Em alguns textos de estatística estão disponíveis tabelas da distribuição amostral da estatística T para tamanhos amostrais variados. Para tamanhos amostrais grandes também é possível trabalhar com uma aproximação normal da distribuição de T. O Bioestat realiza esse teste e produz como saída os p-valores no caso do teste ser unilateral ou bilateral. 41
42 No caso dos dados do exemplo 2, temos Como não há diferenças negativas o valor amostral de T será zero e, o que é um indício claro de que os dados trazem evidências fortes contra H 0, a hipótese de igualdade das duas populações, a saber, violência sob desconforto e violência sob conforto em favor da hipótese alternativa de que a violência é maior sob condições de desconforto. 42
43 Não iremos nos preocupar com detalhes técnicos de atribuição de postos nesse teste. U- saremos o Bioestat para realizar esse teste e, o programa, nos retornará o p-valor do teste. O importante é saber interpretar a saída do programa! Usando o Bioestat, clique em Estatísticas, seguida de Duas Amostras Relacionadas, seguida de Wilcoxon (signed-rank test). Depois de indicar as colunas que contêm os dados e clicar em executar, obtém-se O p-valor indica evidência muito forte contra H 0. 43
44 Comparação de proporções em duas populações Existem várias situações reais nas quais é importante comparar duas proporções populacionais. Suposições 1. Dispõe-se de duas amostras aleatórias simples que são independentes, o que significa que os valores amostrais selecionados de uma população não estão relacionados ou, de alguma forma, emparelhados com os valores amostrais selecionados da outra população. Ou seja, temos n 1 observações de uma amostra, resultando em X 1 sucessos e numa proporção amostral de ˆp 1 = X 1 n e n 1 2 observações da outra amostra, resultando em X 2 sucessos e numa proporção amostral de ˆp 2 = X 2 n. 2 44
45 2. Para ambas as amostras, deve-se ter n i p i 5 e n i (1 p i ) 5, tal que haja pelo menos cinco sucessos e cinco fracassos em cada amostra. A hipótese nula é a de que H 0 : p 1 = p 2, ou seja as proporções populacionais são iguais. Sob H 0, faremos uma estimativa combinada de p 1 e p 2, supostas iguais, dada por p = X 1+X 2 n 1 +n 2 = n 1ˆp 1 +n 2ˆp 2 n 1 +n 2. Vimos que para tamanhos amostrais grandes ˆp i a N ( pi, p i(1 p i ) n i ), i = 1, 2. Como as amostras são independentes, vale ( a ˆp 1 ˆp 2 N p 1 p 2, p 1(1 p 1 ) + p 2(1 p 2 ) n 1 n 2 ) 45
46 Sob H 0, p 1 = p 2 = p, tal que sob essa hipótese, a ˆp 1 ˆp 2 N (0, p(1 p) 1 n n ). 2 Nosso interesse será testar H 0 : p 1 = p 2 versus H 1 : p 1 p 2 (bilateral) ou H 1 : p 1 < p 2 (unilateral à esquerda) ou H 1 : p 1 > p 2 (unilateral à direita). A estatística de teste será Z 0 = ˆp 1 ˆp 2 p(1 p) ( 1n1 + 1n2 ), com p a estimativa combinada das proporções populacionais p 1 e p 2 sob a suposição de que são iguais. Fixado α o nível de significância, basta determinar a região crítica identificando a(s) cauda(s) apropriada(s) na distribuição normal padrão. 46
47 Se H 1 : p 1 p 2, a região crítica será Z 0 > z (1 α). Se H 1 : p 1 > p 2, a região crítica será Z 0 > z (1 2α). Se H 1 : p 1 < p 2, a região crítica será Z 0 < z (1 2α). Para calcular o p-valor do teste basta determinar a(s) área(s) da(s) cauda(s) correspondente(s) ao valor amostral da estatística Z 0. 47
48 Exemplo 3: Uma pesquisa com 436 trabalhadores mostrou que 192 deles disseram considerar seriamente não-ético o monitoramento dos s dos empregados. Quando 121 chefes do nível sênior foram pesquisados, 40 disseram considerar seriamente nãoético o monitoramento dos s dos empregados (com base em dados de uma pesquisa do Gallup). Use um nível de significância de 5% para testar a afirmativa de que, para aqueles que disseram ser seriamente não ético o monitoramento dos s dos empregados, a proporção de empregados é maior do que a proporção de chefes. 48
49 Observe que neste exemplo as duas proporções populacionais, p 1 e p 2 são, respecitvamente a proporção de empregados que consideram seriamente não ético e a proporção de chefes que consideram seriamente não ético o monitoramento dos s dos empregados. Observaram-se duas amostras independentes: amostra de empregados: n 1 = 436, X 1 = 192 e, ˆp 1 = , 44. amostra de chefes: n 2 = 121, X 2 = 40 e, ˆp 2 = , 33. Nesse problema queremos testar { H0 : p 1 = p 2 H 1 : p 1 > p 2, ao nível de significância α = 0,
50 Vimos que se H 1 : p 1 > p 2, a região crítica será Z 0 > z (1 2α). Logo, usando uma tabela da distribuição normal padrão vemos que z (0,90) 1, 64 tal que a região crítica desse teste será Z 0 > 1, 64. Calculemos então o valor amostral de Z 0. Temos p = , 42 tal que z 0 0,44 0,33 0,42(1 0,42)( ) 2, 17. Como o valor amostral caiu na região crítica, ao nível de significância de 5% rejeitamos a hipótese nula de que tais proporções são iguais em favor da suposição de que entre os empregados a proporção é maior. 50
51 Qual é o p-valor desse teste? Como é um teste unilateral à direita, devemos calcular a área à direita do quantil 2,17 numa normal padrão. O p-valor desse teste foi 1,5%, indicando forte evidência contra a hipótese nula. 51
52 Exemplo da Literatura Desempenho da memória de pessoas ansiosas e não ansiosas Um exemplo de um estudo no qual os pesquisadores podem ter cometido um erro tipo I é o de Mogg, Mathews e Weinman (1987). Neste estudo, foi medido o desempenho da memória para palavras negativas em indivíduos clinicamente ansiosos (pacientes com transtorno de ansiedade generalizada (TAG)) e indivíduos não ansiosos. Eles encontraram que pacientes com TAG lembraram menos palavras intimidativas do que não intimidativas, que foi o contrário do previsto. Eles concluíram, portanto, que essa diferença não foi devida ao erro amostral e que era de fato uma diferença genuína entre os pacientes com TAG e indivíduos não ansiosos. Estudos subsequentes dos mesmos autores e de outros têm, contudo, falhado na replicação dessa descoberta. O consenso geral agora é que não existe tal tendenciosidade de memória associada ao TAG (veja, por exemplo, Mitte, 2008). Os pesquisadores cometeram um erro tipo I. Eles concluíram que pacientes com TAG têm uma tendência de se lembrar mais de palavras não intimidativas comparada com as intimidativas. Pesquisas subsequentes contudo falharam na confirmação disso e agora parece mais palusível concluir que não existe esse efeito na população de pacientes com TAG. Isso não significa dizer que esta foi uma pesquisa ruim. Pelo contrário, ela foi um estudo excelente e serviu para mostrar que, como nosso julgamento está baseado em probabilidades, estamos algumas vezes a mercê do acaso. (Dancey e Reidy, pg 160/161). 52
53 Voltando ao exemplo apresentado no final da aula do dia 5 de setembro. O Dr. Doolittle finalmente desistiu da ideia de conversar com animais e decidiu tornar-se um psicólogo experimental de animais. Ele está particularmente interessado em descobrir se os gatos são ou não mais inteligentes que os cachorros. Para isso ele desenvolveu um teste de inteligência específico para esse estudo e testa amostras de gatos e cachorros. Ele foi cuidadoso para não introduzir qualquer tipo de vício no teste e acredita que criou um teste que não está associado às espécies, ou seja, pode ser u- sado em qualquer espécie. Dr, Dotlittle espera que exista uma diferença entre os escores de gatos e cachorros. No experimento ele trabalhou com duas amostras aleatórias de 10 gatos e 10 cachorros e, os resultados obtidos, estão na tabela a seguir. 53
54 gatos cachorros Observe que temos uma situação de duas a- mostras independentes, gatos e cachorros. Podemos realizar um teste t bilateral de comparação das médias H 0 : µ g = µ c versus H 1 : µ g µ c, supondo que os escores de inteligência são normalmente distribuídos com variâncias iguais nas duas populações. Vejamos como fica a saída desse teste usando o Bioestat. 54
55 Depois de ler os dados que estão no arquivo gatosecachorros.bio, clique em Estatísticas, em seguida: Duas amostras independentes, e em seguida: Teste t:dados amostrais. Depois é só informar que os dados estão nas colunas e 1 e 2 e mandar executar. 55
56 Como saída obtemos Observe que o p-valor do teste bilateral é grande o suficiente para não rejeitarmos a hipótese nula de que os escores médios de inteligência são iguais entre gatos e cachorros. Ou seja, os dados da pesquisa não trazem evidência suficiente para a hipótese do Dr. Dootlittle de que os gatos são mais inteligentes. 56
57 Se a suposição de normalidade dos escores de inteligência for questionável, podemos realizar o teste de Wilcoxon-Mann-Whitney, menos poderoso do que o teste t, mas que não impõe a condição de normalidade dos dados. 57
58 58
59 Como saída obtemos O p-valor bilateral é maior do que 10%, levando novamente a não rejeição da hipótese nula. Na próxima aula trataremos de testes de normalidade e de homogeneidade das variâncias. 59
60 Referências bibliográficas: (1) Busssab e Morettin - Estatística Básica. Editora Saraiva (2) Triola. Introdução à Estatística. LTC. (3) Dancey e Reidy - Estatística sem Matemática para Psicologia - Penso 60
1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisEstatística (MAD231) Turma: IGA. Período: 2016/2
Estatística (MAD231) Turma: IGA Período: 2016/2 Aula #02 de Inferência Estatística: 28/11/2016 1 Intervalos de Confiança Vamos começar com um exemplo. Suponha que se deseja estimar a média µ de uma população
Leia maisInferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Leia maisTestes de Hipóteses sobre a média: Várias Amostras
Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)
Leia maisTestes de Hipóteses Não Paramétricos
ACH4513 INFERÊNCIA ESTATÍSTICA 2º Sem/2017 Testes de Hipóteses Não Paramétricos Prof. Marcelo S. Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto Referência: W.O.Bussab, P.A.Morettin. Estatística
Leia maisA qualidade das inferências feitas por estes. de normalidade se fazem necessários.
Verificação da Suposição de Normalidade A maior parte das técnicas estudadas de Inferência Estatística partem do pressuposto de normalidade dos dados: teste t para uma a- mostra, teste t pareado, teste
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisAnálise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos
Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta
Leia maisParte 8 Testes de hipóteses Comparação de dois grupos
Parte 8 Testes de hipóteses Comparação de dois grupos Um objetivo frequente em estudos de diferentes áreas é a comparação de dois ou mais grupos (ou populações). Alguns exemplos: o Comparação dos salários
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia mais1 Teoria da Decisão Estatística
1 Teoria da Decisão Estatística 1.1 Teste de Hipótese É uma metodologia estatística que permite tomar decisão sobre uma ou mais populações baseando no conhecimento de informações da amostra. Ao tentarmos
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 9 Fundamentos de Testes de Hipóteses Leitura: Devore, Capítulo 8 Chap 9-1 Objetivos Neste capítulo, vamos aprender: Os princípios básicos de testes de hipóteses Estabelecer
Leia maisEm aplicações práticas é comum que o interesse seja comparar as médias de duas diferentes populações (ambas as médias são desconhecidas).
Em aplicações práticas é comum que o interesse seja comparar as médias de duas diferentes populações (ambas as médias são desconhecidas). Na comparação de duas populações, dispomos de duas amostras, em
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia mais(a) Teste e IC para Duas Variâncias. (b) Teste para médias. Duas Amostras de Teste T e IC
Exercício 1 Contexto: amostras independentes de populações normais (a) Teste e IC para Duas Variâncias Método Hipótese nula Variância(Primeiro) / Variância(Segundo) = 1 Hipótese alternativa Variância(Primeiro)
Leia maisInferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Leia maisTESTE DE HIPÓTESE. Introdução
TESTE DE HIPÓTESE Introdução O teste de hipótese estatística objetiva decidir se uma afirmação sobre uma população, usualmente um parâmetro desta, é, ou não, apoiada pela evidência obtida dos dados amostrais.
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisPlanejamento de Experimentos Introdução - Teste t
1/22 Planejamento de Experimentos Introdução - Teste t Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/22 Introdução - Planejamento de Experimentos Experimento:
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisEstatística aplicada a ensaios clínicos
Estatística aplicada a ensaios clínicos RAL - 5838 Luís Vicente Garcia lvgarcia@fmrp.usp.br Faculdade de Medicina de Ribeirão Preto Estatística aplicada a ensaios clínicos aula 12 1 grupo 2 grupos > 2
Leia maisEstatística Não Paramétrica
Estatística Não Paramétrica Como construir testes de hipóteses para uma amostra Como construir testes de hipóteses para duas amostras dependentes Como construir testes de hipóteses para duas amostras independentes
Leia maisProfessora Ana Hermínia Andrade. Período
Teste de Hipóteses Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.1 Teste de Hipóteses O Teste de Hipóteses
Leia maisMedidas de associação entre duas variáveis qualitativas
Medidas de associação entre duas variáveis qualitativas Hoje vamos analisar duas variáveis qualitativas (categóricas) conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos
Leia maisPrincípios de Bioestatística Teste de Hipóteses
1/36 Princípios de Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela 2/36 3/36 Exemplo A concentração de certa substância
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisCarlos Antonio Filho
Estatística II - Seção 04 Carlos Antonio Filho ESAGS 2 o semestre de 2017 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de 2017 1 / 137 Comparação de médias de duas populações Vamos
Leia maisStela Adami Vayego Estatística II CE003/DEST/UFPR
Resumo 1 Teste de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Fundamentos de um teste de hipóteses Como construir testes de hipóteses para uma média. Como construir testes de hipóteses para uma proporção. Como construir testes de hipóteses
Leia maisTestes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski
Testes de hipóteses Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 07/06/2018 WB, FM, EK ( LEG/DEST/UFPR
Leia maisTESTES NÃO PARAMÉTRICOS (para mediana/média)
MAE212: Introdução à Probabilidade e à Estatística II - Profas. Beti e Chang (2012) 1 TESTES NÃO PARAMÉTRICOS (para mediana/média) Os métodos de estimação e testes de hipóteses estudados até agora nessa
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 01 de Julho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma população. Serão usadas as distribuições
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Inferência Estatística: 09/11/2018 1 Testes de Hipóteses: Na aula de hoje veremos a terminologia usada em testes de hipóteses (hipóteses nula
Leia maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia maisBioestatística (MAD125) Turma: ENA. Período: 2015/2
Bioestatística (MAD125) Turma: ENA Período: 2015/2 Testes de Hipóteses: noções básicas: 17/02/2016 1 Testes de Hipóteses: Na aula de hoje veremos a terminologia usada em testes de hipóteses (hipóteses
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisStela Adami Vayego DEST/UFPR
Resumo 1 Testes de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,
Leia maisIntrodução a Estatística
Introdução a Estatística Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O curso foi dividido em três etapas: 1 vimos como
Leia maisAula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição
Aula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição Procedimento teste de hipótese para proporção. Resumo. (1) Estabelecer as hipóteses: H: p = p 0 contra uma das alternativas
Leia maisUniversidade Federal do Paraná Seminário de Bioestatistica. Teste de Wilcoxon. Danielle Pierin Olivia Cleto
Universidade Federal do Paraná Seminário de Bioestatistica Teste de Wilcoxon Danielle Pierin Olivia Cleto Teste de Postos com Sinais de Wilcoxon para Pares Combinados Esse teste é usado com dados amostrais
Leia maisTestes de Hipóteses I
Testes de Hipóteses I Capítulo 12, Estatística Básica (Bussab&Morettin, 8a Edição) 5a AULA 23/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 1. Introdução Neste capítulo pretendemos resolver
Leia maisTeste para a Média Populacional com Variância Conhecida
Teste para a Média Populacional com Variância Conhecida Quando o desvio padrão σ for conhecido, a estatística do teste é: x µ z obs = σ n onde: x é a média amostral; µ é a média populacional testada (sob
Leia maisRazão para rejeitar H 0
Processo do teste de hipótese Hipótese de pesquisa: a idade média da população é 5 H : μ = 5 H 1 : μ 5 É X = improvável se μ =5? População Selecionar amostra aleatória Sim: Rejeite Ho Para definir pouco
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisa terminologia usada em testes de hipóteses (hipóteses nula e alternativa, erros tipo I e tipo II, hipóteses unilaterais e bilaterais, etc);
Testes de Hipóteses: Na aula de hoje veremos a terminologia usada em testes de hipóteses (hipóteses nula e alternativa, erros tipo I e tipo II, hipóteses unilaterais e bilaterais, etc); como construir
Leia maisAula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida
Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Nesta aula você completará seu estudo básico sobre intervalos de confiança, analisando o problema de estimação da média de uma
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercício A fim de comparar os salários médios anuais de executivos e executivas de uma determinada cidade, amostras aleatórias de n = 26 executivos e n 2 = 24 executivas foram coletadas obtendose os valores
Leia maisTestes para dados categóricos
Testes para dados categóricos Teste de homogeneidade Objetivo: testar se existe diferença entre frequências observadas (O ij ) e frequências esperadas (E ij ). Dados amostrais: amostras aleatórias independentes
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisEnrico A. Colosimo Depto. Estatística UFMG
Bioestatística F Conceitos de Teste de Hipóteses Enrico A. Colosimo Depto. Estatística UFMG http://www.est.ufmg.br/~enricoc/ f(x).4.35.3.25.2.15.1.5 Tabela Normal Padronizada Distribuicao Gaussiana com
Leia maisTESTES DE HIPÓTESES. Lucas Santana da Cunha Universidade Estadual de Londrina
TESTES DE HIPÓTESES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de setembro de 2016 Introdução Viu-se a construção de intervalos
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisTESTES NÃO-PARAMÉTRICOS
Les-0773: ESTATÍSTICA APLICADA III TESTES NÃO-PARAMÉTRICOS AULA 3 26/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 Revisão... Teste dos Sinais A Comparar valores de medianas de uma amostra com um valor
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisUniversidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística. Princípios de Bioestatística.
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Inferência Básica Princípios de Bioestatística decidindo na presença de incerteza Aula
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 4
MAE 9 - Introdução à Probabilidade e Estatística II Resolução Lista 4 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 Antes de testar se a produtividade média dos operários do período diurno
Leia maisEstatística II. Intervalo de Confiança Lista de Exercícios
Estatística II Intervalo de Confiança Lista de Exercícios 1. IC da Média com a Variância Populacional Desconhecida De 50.000 válvulas fabricadas por uma companhia, retira-se uma amostra de 400 válvulas,
Leia maisTestes de Hipótese PARA COMPUTAÇÃO
Testes de Hipótese MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Testes de Hipóteses Um teste de hipótese é uma técnica de análise usada para estimar se uma hipótese sobre a população está correta,
Leia maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisTeste de Hipóteses. Enrico A. Colosimo/UFMG enricoc/ Depto. Estatística - ICEx - UFMG 1/24
1/24 Introdução à Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/24 Exemplo A concentração de certa substância no sangue entre
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisX e Y independentes. n + 1 m
DEPARTAMENTO DE ESTATÍSTICA / CCEN / UFPA Disciplina: Inferência I Prof: Regina Tavares 5.0. TESTE DE HIPÓTESES PARA DUAS POPULAÇÕES 5.0.. Duas Populações Normais independentes : X, X 2,, X n uma a.a.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Para que serve a inferência estatística? Método dos Momentos Maximum Likehood Estimator (MLE) Teste de hipótese: definições Aula de hoje Teste
Leia maisTOMADA DE DECISÃO PARA DUAS AMOSTRAS INTRODUÇÃO ROTEIRO. Estatística Aplicada à Engenharia 1 INFERÊNCIA SOBRE A DIFERENÇA DE MÉDIAS
ROTEIRO. Introdução. Inferência sobre as médias de duas populações com variâncias conhecidas TOMADA DE DECISÃO PARA DUAS AMOSTRAS 3. Inferência sobre as médias de duas populações com variâncias desconhecidas
Leia maisEstatística Não Paramétrica. Como construir testes de aderência
Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,
Leia maisProfessora Ana Hermínia Andrade. Período
Estimação intervalar Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Estimação Intervalar Vimos que como
Leia maisTestes de Hipóteses para duas médias
Testes de Hipóteses para duas médias Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 19 e 24 de setembro de 2018 Londrina 1 / 17 Tipos de Hipóteses Há muitos problemas em
Leia mais16/6/2014. Teste Qui-quadrado de independência
UNIVERSIDADE FEDERAL DA PARAÍBA TESTES NÃO- PARAMÉTRICOS Parte I Prof. Luiz Medeiros Departamento de Estatística Teste Qui-quadrado de independência Um dos principais objetivos de se construir uma tabela
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisPROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo TESTE PARA UMA PROPORÇÃO H0: p = p 0
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisTestes t para comparação de médias de dois grupos independentes
Testes t para comparação de médias de dois grupos independentes Acadêmicas do curso de Zootecnia - Aline Cristina Berbet Lopes Amanda da Cruz Leinioski Larissa Ceccon Universidade Federal do Paraná UFPR/2015
Leia mais3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento
3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento Suponha que a hipótese nula, de médias de tratamento iguais, tenha sido rejeitada em favor da hipótese
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisJosé Aparecido da Silva Gama¹. ¹Professor do Instituto Federal de Educação, Ciência e Tecnologia de Alagoas.
Estudo e Aplicação dos Testes de Hipóteses Paramétricos e Não Paramétricos em Amostras da Estação Fluviométrica Três Maria (MG) da bacia Hidrográfica do Rio São Francisco José Aparecido da Silva Gama¹
Leia maisGET00182 Estatística II Aula de exercícios 13/11/2017 Profa. Ana Maria Farias. Considerações gerais
GET0018 Estatística II Aula de exercícios 13/11/017 Profa. Ana Maria Farias Considerações gerais Vocês têm que prestar atenção na construção da estatística de teste, que tem que seguir a especificação
Leia maisAula 8 - Testes de hipóteses
Aula 8 - Testes de hipóteses PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 1 Testes de hipóteses Exemplo
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Jussara Almeida DCC-UFMG 2014 Measurements are not to provide numbers, but insights Metodologia de Comparação de Sistemas Experimentais
Leia mais(Hipótese alternativa unilateral)
Nível descritivo e Teste de Hipóteses para a média populacional µ 1 Exemplo 1: Pelo Anuário do IBGE de 2010, a proporção de analfabetos em uma cidade era de 15%. Em 2015, entre 200 entrevistados dessa
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Leia maisTESTES DE HIPÓTESES PARA DIFERENÇA DE DUAS MÉDIAS
TESTES DE HIPÓTESES PARA DIFERENÇA DE DUAS MÉDIAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 23 de outubro de 2017 Introdução Tipos de Hipóteses Há muitos
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisAula 9: Introdução à Inferência Estatística
Aula 9: Introdução à Inferência Estatística Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA Aula 5
ESTATÍSTICA NÃO-PARAMÉTRICA Aula Prof. Dr. Edmilson Rodrigues Pinto Faculdade de Matemática - UFU edmilson@famat.ufu.br Caso de amostras relacionadas O obetivo principal desses testes é comprovar a hipótese
Leia mais