Carlos Antonio Filho
|
|
- Isabela Gabeira Oliveira
- 6 Há anos
- Visualizações:
Transcrição
1 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 / 137
2 Comparação de médias de duas populações Vamos ver como comparar as médias de duas populações através de Testes de Hipóteses e Intervalos de Confiança. A estatística usada dependerá de qual das quatro situações tivermos: Amostras pareadas (ou dependentes, ou emparelhadas) variâncias conhecidas Amostras independentes variâncias desconhecidas e iguais variâncias desconhecidas e diferentes Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
3 Amostras pareadas versus Amostras independentes Amostras pareadas Cada membro de uma amostra corresponde a um membro da outra amostra. Exemplo: Amostra 1: Ritmo cardíaco, em descanso, de 35 indivíduos, antes de tomar café. Amostra 2: Ritmo cardíaco dos mesmos indivíduos, depois de beber duas xícaras de café. Amostras independentes As amostras selecionadas das duas populações não são relacionadas. Exemplo: Amostra 1: Nota em um teste para 35 estudantes de Estatística. Amostra 2: Nota no mesmo teste para 42 estudantes de Biologia. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
4 Amostras pareadas Exemplo Cinco operadores de certo tipo de máquina são treinados em máquinas de duas marcas diferentes, A e B. O tempo gasto por cada um deles para a realização de uma mesma tarefa, em cada uma das máquinas, é medido para analisar se a tarefa, em média, demora mais para ser realizada na máquina A, em relação à máquina B. Nesse caso, as amostras são pareadas (ou dependentes, ou emparelhadas), ou seja, cada elemento da amostra da máquina A tem o seu correspondente na amostra da máquina B (no caso, cada elemento da amostra da máquina A é o tempo gasto por um operador com a máquina A, ao qual corresponde o tempo gasto pelo mesmo operador na máquina B). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
5 Amostras pareadas (continuação) Então temos duas variáveis: e X = tempo gasto na realização da tarefa na máquina A Y = tempo gasto na realização da tarefa na máquina B e respectivas amostras X 1, X 2,..., X n e Y 1, Y 2,..., Y n, que na verdade são observações pareadas: X 1 e Y 1 são os tempos gastos pelo 1 o operador nas máquinas A e B, respectivamente; X 2 e Y 2 são os tempos gastos pelo 2 o operador nas máquinas A e B, respectivamente; e assim sucessivamente. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
6 Amostras pareadas (continuação) Definimos então a variável D = X Y que mede a diferença entre o tempo gasto na máquina A e o tempo gasto na máquina B por um mesmo operador e obtemos uma amostra D 1, D 2,..., D n da variável D: Operador X Y D = X - Y 1 X 1 Y 1 D 1 = X 1 Y 1 2 X 2 Y 2 D 2 = X 2 Y n X n Y n D n = X n Y n Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
7 Amostras pareadas (continuação) Observe que reduzimos o problema a um problema com uma única variável, a variável D. O nosso interesse passa a ser o de estudar a média µ D = µ X µ Y da variável D, a qual estimamos pela média amostral D = D 1 + D D n n Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
8 Amostras pareadas (continuação) Como o nosso interesse é testar se há diferença entre as médias das variáveis X e Y, então nossa hipótese nula será sempre Contra a hipótese alternativa H 0 : µ D = 0 H 1 : µ D 0 ou H 1 : µ D > 0 ou H 1 : µ D < 0 dependendo se queremos testar apenas se há diferença entre as médias, ou se a média de X é maior ou menor que a média de Y. Os procedimentos para a realização do teste de hipóteses de comparação de médias, no caso de amostras pareadas, é semelhante ao caso em que testávamos a média de uma população. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
9 Amostras pareadas (continuação) Se não conhecemos a variância σd 2, fazemos o teste t-pareado, usando a estatística T = D µ D S D n t n 1 com a variância amostral S 2 D = 1 n 1 n i=1 ( Di D ) 2 = 1 n 1 [( n i=1 D 2 i ) n ( D ) ] 2 A variável T tem distribuição t-student com n 1 graus de liberdade. Observação n é o número de pares de valores das amostras. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
10 Teste por Região de Rejeição - teste bilateral (1) Hipóteses do teste: H 0 : µ D = 0 versus H 1 : µ D 0 (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ D = 0): T = D S D n t n 1 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
11 Teste por Região de Rejeição - teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: t c e t c onde t c é o valor tal que P(T > t c ) = α 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
12 Teste por Região de Rejeição - teste bilateral (continuação) (5) Decisão estatística: t obs = d obs s Dobs n Se t obs > t c ou t obs < t c, rejeitamos H 0 ao nível de significância α. Se t c < t obs < t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
13 Exemplo de teste bilateral Um médico deseja saber se uma certa droga altera a pressão arterial média. Para isso mediu a pressão arterial em cinco voluntários, antes e depois da ingestão da droga, obtendo os dados abaixo. Existe evidência estatística de que a droga altera a pressão arterial? Suponha que a pressão arterial segue uma distribuição Normal e use um nível de significância de 10%. Voluntário Antes Depois Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
14 Exemplo de teste bilateral (continuação) Em primeiro lugar calculamos as diferenças entre as pressões arteriais medidas para cada voluntário: Voluntário Antes Depois D = Antes - Depois De onde se obtém d obs = 4, 2 e s Dobs = 4, 49. D = diferença entre as pressões arteriais antes e depois da ingestão da droga, tem distribuição Normal Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
15 Exemplo de teste bilateral (continuação) (1) Hipóteses do teste: H 0 : µ D = 0 versus H 1 : µ D 0 (2) Nível de significância do teste: α = 10% = 0, 1 (3) Estatística do teste: T = D = D t n S D 5 S 4 D Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
16 Exemplo de teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: t c e t c onde t c é o valor tal que P(T > t c ) = 0, 05, com 4 graus de liberdade, de onde t c = 2, 132. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
17 Exemplo de teste bilateral (continuação) (5) Conclusão do teste: Ou seja, t c < t obs = 2, 09 < t c. t obs = d obs s Dobs = 4, 2 n 4,49 = 2, 09 5 Portanto, não rejeitamos H 0 ao nível de significância de 10%, ou seja, a droga não altera a pressão arterial. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
18 Teste por Região de Rejeição - teste unilateral (1) Hipóteses do teste: H 0 : µ D = 0 versus H 1 : µ D > 0 (ou H 1 : µ D < 0) (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ D = 0): T = D S D n t n 1 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
19 Teste por Região de Rejeição - teste unilateral (continuação) (4) Região de rejeição do teste: Caso H 1 : µ D > 0 Valor crítico: t c onde t c é o valor tal que P(T > t c ) = α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
20 Teste por Região de Rejeição - teste unilateral (continuação) (4) Região de rejeição do teste: Caso H 1 : µ D < 0 Valor crítico: t c onde t c é o valor tal que P(T > t c ) = α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
21 Teste por Região de Rejeição - teste unilateral (continuação) (5) Decisão estatística: t obs = d obs s Dobs n Caso H 1 : µ D > 0 Se t obs > t c, rejeitamos H 0 ao nível de significância α. Se t obs < t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Caso H 1 : µ D < 0 Se t obs < t c, rejeitamos H 0 ao nível de significância α. Se t obs > t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
22 Exemplo de teste unilateral Para verificar se um novo tipo de gasolina aumenta o rendimento de motores de carros, selecionou-se 12 carros de um mesmo modelo e mediu-se o consumo de combustível. Depois, abasteceu-se os carros por 5 semanas com a nova gasolina e mediu-se novamente o consumo. Sendo X o consumo de um carro, em km/l, com gasolina convencional e Y o consumo com o novo tipo de gasolina, e assumindo normalidade das variáveis em estudo, qual a conclusão ao nível de significância de 5%? Veículo X Y 1 8,1 11,6 2 7,9 8,8 3 6,8 9,9 4 7,8 9,5 5 7,6 11,6 6 7,9 9,1 Veículo X Y 7 5,7 10,6 8 8,4 10,8 9 8,0 13,4 10 9,5 10,6 11 8,0 10,5 12 6,8 11,4 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
23 Exemplo de teste unilateral (continuação) Em primeiro lugar calculamos as diferenças entre os consumos para cada carro (D = X Y ): Veículo X Y D 1 8,1 11,6-3,5 2 7,9 8,8-0,9 3 6,8 9,9-3,1 4 7,8 9,5-1,7 5 7,6 11,6-4,0 6 7,9 9,1-1,2 Veículo X Y D 7 5,7 10,6-4,9 8 8,4 10,8-2,4 9 8,0 13,4-5,4 10 9,5 10,6-1,1 11 8,0 10,5-2,5 12 6,8 11,4-4,6 d obs = 2, 9 e s Dobs = 1, 55 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
24 Exemplo de teste unilateral (continuação) D = X Y = km/l da gasolina velha - km/l da gasolina nova, tem distribuição Normal (1) Hipóteses do teste: (2) Nível de significância do teste: (3) Estatística do teste: H 0 : µ D = 0 versus H 1 : µ D < 0 α = 5% = 0, 05 T = D = n S D D S D 12 t 11 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
25 Exemplo de teste unilateral (continuação) (4) Região de rejeição do teste: Valor crítico: t c onde t c é o valor tal que P(T > t c ) = 0, 05, com 11 graus de liberdade, de onde t c = 1, 796. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
26 Exemplo de teste unilateral (continuação) (5) Conclusão do teste: Ou seja, t obs < t c. t obs = d obs s Dobs = 2, 9 n 1,55 = 6, Portanto, rejeitamos H 0 ao nível de significância de 5%, de onde conclui-se que µ D < 0, ou seja, a média da diferença D = X Y é menor que zero, logo a gasolina Y é mais eficiente. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
27 Observação Para n > 30, pode-se usar, por aproximação, a estatística Z = onde usamos a estimativa σ D = s Dobs. D s Dobs n N(0, 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
28 Intervalo de Confiança É possível construir-se um intervalo de confiança para µ D, de maneira análoga ao caso da média de uma população. Usando a estatística T : IC µd = [ ] D t γ SD 2 n ; D + t γ SD 2 n onde t γ 2 é tal que P ( ) t γ < T < t γ = γ 2 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
29 Intervalo de Confiança (continuação) Usando a estatística Z (n > 30): onde z γ 2 é tal que IC µd = [ ] D z γ SD 2 n ; D + z γ SD 2 n ( ) P 0 < Z < z γ 2 = γ 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
30 Teste por Valor-p H 0 : µ D = 0 versus H 1 : µ D > 0 valor-p = P(T > t obs ) H 0 : µ D = 0 versus H 1 : µ D < 0 valor-p = P(T < t obs ) H 0 : µ D = 0 versus H 1 : µ D 0 se t obs < 0: valor-p = 2.P(T < t obs ) se t obs > 0: valor-p = 2.P(T > t obs ) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
31 Teste por Valor-p (continuação) Para α > valor-p, rejeitamos H 0. Para α < valor-p, não rejeitamos H 0. Para n > 30, pode-se usar, por aproximação, a estatística Z = adotando σ D = s Dobs, e, portanto D s Dobs n N(0, 1) valor-p = P(Z > z obs ) ou valor-p = P(Z < z obs ) ou valor-p = 2.P(Z < z obs ) ou valor-p = 2.P(Z > z obs ) em cada um dos casos. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
32 Exercícios Exercícios 1 e 2 dos Exercícios de Aula - Seção 04. PS /1 - Exercício 6 PS /2 - Exercício 7 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
33 Amostras independentes Quando, por exemplo, deseja-se comparar a altura média da população de duas cidades, o que se faz é coletar uma amostra aleatória em cada cidade e calcular a média observada em cada amostra para realizar a comparação. Não há como estabelecer uma relação de paridade entre as amostras nesse caso. Temos então um caso de amostras independentes. Eventualmente, as amostras podem até ser de tamanhos diferentes. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
34 Amostras independentes (continuação) Neste caso, temos duas variáveis X e Y (por exemplo, alturas em cada cidade), ambas com distribuição Normal, e queremos testar: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 (ou H 1 : µ X µ Y < 0 ou H 1 : µ X µ Y > 0) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
35 Amostras independentes (continuação) Nesse caso, temos duas amostras independentes X 1, X 2,..., X n1 é uma amostra de X Y 1, Y 2,..., Y n2 é uma amostra de Y e usamos a estimativa para µ X µ Y. X Y = X 1 + X X n1 n 1 ( ) Y1 + Y Y n2 n 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
36 Amostras independentes (continuação) Ao comparar as médias de duas populações com amostras independentes, temos 3 casos: (I) Variâncias Conhecidas (II) Variâncias Desconhecidas e Iguais (III) Variâncias Desconhecidas e Diferentes Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
37 1 o Caso - Variâncias Conhecidas Nesse caso, se ou seja, e X N(µ X, σ 2 X ) e Y N(µ Y, σ 2 Y ), X tem distribuição Normal com média µ X e variância σ 2 X Y tem distribuição Normal com média µ Y e variância σ 2 Y, e sendo X 1, X 2,..., X n1 e Y 1, Y 2,..., Y n2 amostras independentes então ( ) X Y N µ X µ Y, σ2 X n1 + σ2 Y n2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
38 1 o Caso - Variâncias Conhecidas (continuação) Portanto a estatística de teste será (assumindo H 0 verdadeira, ou seja, que µ X µ Y = 0): σ 2 X n 1 Z = X Y (µ X µ Y ) + σ2 Y n2 = X Y σ 2 X n 1 + σ2 Y n2 N(0, 1) (Z tem distribuição Normal com média 0 e variância 1.) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
39 Teste por Região de Rejeição - teste bilateral (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ X µ Y = 0): Z = X Y σ 2 X n 1 + σ2 Y n2 N(0, 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
40 Teste por Região de Rejeição - teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: z c e z c onde z c é o valor tal que P(0 < Z < z c ) = 0, 5 α 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
41 Teste por Região de Rejeição - teste bilateral (continuação) (5) Decisão: σ 2 X n 1 z obs = x obs y obs + σ2 Y n2 Se z obs > z c ou z obs < z c, rejeitamos H 0 ao nível de significância α. Se z c < z obs < z c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
42 Exemplo de teste bilateral Uma empresa avaliadora de imóveis está estudando as regiões central e oeste da cidade de São Paulo, para verificar se o preço médio, para imóveis comerciais de um dado tamanho, é o mesmo nas duas áreas. De levantamentos anteriores, a empresa sabe que os desvios padrões são de 0,82 UPC (unidade padrão de construção) na região oeste e 0,71 UPC na região central. Uma amostra de tamanho 18 foi coletada na região oeste, assim como uma de tamanho 20 na região central, obtendo médias de 36,7 e 40,2 UPC, respectivamente. Ao nível de significância de 5%, qual a conclusão? Suponha normalidade das variáveis. X = preço de um imóvel na região oeste N(µ X, σ 2 X = (0, 82)2 ) Y = preço de um imóvel na região central N(µ Y, σ 2 Y = (0, 71)2 ) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
43 Exemplo de teste bilateral (continuação) (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 (2) Nível de significância do teste: α = 5% = 0, 05 (3) Estatística do teste: Z = X Y σ 2 X n 1 + σ2 Y n2 = X Y (0,82) (0,71)2 20 N(0, 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
44 Exemplo de teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: z c e z c onde z c é o valor tal que P(0 < Z < z c ) = 0, 475, de onde z c = 1, 96. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
45 Exemplo de teste bilateral (continuação) (5) Conclusão do teste: Ou seja, z obs < z c. σ 2 X n 1 z obs = x obs y obs = + σ2 Y n2 36, 7 40, 2 (0,82) (0,71)2 20 = 14 Portanto, rejeitamos H 0 ao nível de significância de 5%, de onde conclui-se que µ X µ Y 0, ou seja, os imóveis situados nas regiões central e oeste de São Paulo têm preços médios diferentes. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
46 Teste por Região de Rejeição - teste unilateral (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y > 0 (ou H 1 : µ X µ Y < 0) (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ X µ Y = 0): Z = X Y σ 2 X n 1 + σ2 Y n2 N(0, 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
47 Teste por Região de Rejeição - teste unilateral (continuação) (4) Região de rejeição do teste: Caso H 1 : µ X µ Y > 0 Valor crítico: z c onde z c é o valor tal que P(0 < Z < z c ) = 0, 5 α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
48 Teste por Região de Rejeição - teste unilateral (continuação) (4) Região de rejeição do teste: Caso H 1 : µ X µ Y < 0 Valor crítico: z c onde z c é o valor tal que P(0 < Z < z c ) = 0, 5 α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
49 Teste por Região de Rejeição - teste unilateral (continuação) (5) Conclusão do teste: Caso H 1 : µ X µ Y > 0 σ 2 X n 1 z obs = x obs y obs + σ2 Y n2 Se z obs > z c, rejeitamos H 0 ao nível de significância α. Se z obs < z c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Caso H 1 : µ X µ Y < 0 Se z obs < z c, rejeitamos H 0 ao nível de significância α. Se z obs > z c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
50 Exemplo de teste unilateral Um estudo envolve a avaliação de um novo sistema operacional de computador, desenvolvido para crianças com idades entre 8 e 12 anos. Afirma-se que o novo sistema é mais rápido do que o atual, ĺıder de mercado. Para testar essa afirmação, foram selecionados dois grupos, com 15 crianças cada, sem conhecimento prévio relacionado ao uso de computadores, para realizar uma certa tarefa, que teve seu tempo anotado. O primeiro grupo, trabalhou com o sistema operacional convencional, com um tempo médio de 179,73 min, enquanto que o segundo grupo, trabalhando com o novo sistema operacional, levou, em média, 89,86 min para realizar a tarefa. Ao nível de significância de 5%, qual a conclusão? Suponha normalidade das variáveis e desvio padrão populacional de 10 min em ambos os casos. X = tempo gasto no sistema convencional N(µ X, σ 2 X = 102 ) Y = tempo gasto no novo sistema N(µ Y, σ 2 Y = 102 ) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
51 Exemplo de teste unilateral (continuação) (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y > 0 (2) Nível de significância do teste: α = 5% = 0, 05 (3) Estatística do teste: Z = X Y σ 2 X n 1 + σ2 Y n2 = X Y N(0, 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
52 Exemplo de teste unilateral (continuação) (4) Região de rejeição do teste: Valor crítico: z c onde z c é o valor tal que P(0 < Z < z c ) = 0, 45, de onde z c = 1, 64. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
53 Exemplo de teste unilateral (continuação) (5) Conclusão do teste: Ou seja, z obs > z c. σ 2 X n 1 z obs = x obs y obs = + σ2 Y n2 179, 73 89, = 24, 62 Portanto, rejeitamos H 0 ao nível de significância de 5%, de onde conclui-se que µ X µ Y > 0, ou seja, o novo sistema operacional é mais eficiente. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
54 Intervalo de Confiança É possível construir-se um intervalo de confiança para a diferença entre as médias µ X µ Y de maneira semelhante ao caso da média de uma população. Usando a estatística Z, se z γ 2 é tal que ( ) P 0 < Z < z γ = γ 2 2 ( ou ) P z γ < Z < z γ = γ 2 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
55 Intervalo de Confiança (continuação) Então z γ < Z < z γ 2 2 σ 2 X n 1 z γ < X Y (µ X µ Y ) 2 + σ2 Y n2 < z γ 2 de onde Logo X Y z γ 2 IC µx µ Y = σ 2 X n 1 + σ2 Y n2 [ X Y z γ σ 2 X 2 n 1 < µ X µ Y < X Y z γ σ 2 X 2 n 1 + σ2 Y n2 ; X Y + z γ σ 2 X 2 n 1 + σ2 Y n2 ] + σ2 Y n2 Onde o intervalo construído tem probabilidade γ de conter µ X µ Y. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
56 Teste por Valor-p H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y > 0 valor-p = P(Z > z obs ) H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y < 0 valor-p = P(Z < z obs ) H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 se z obs < 0: valor-p = 2.P(Z < z obs ) se z obs > 0: valor-p = 2.P(Z > z obs ) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
57 Teste por Valor-p (continuação) Para α > valor-p, rejeitamos H 0. Para α < valor-p, não rejeitamos H 0. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
58 Exercícios Exercícios 3 e 4 dos Exercícios de Aula - Seção 04. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
59 Variâncias Desconhecidas Em geral, não conhecemos as variâncias das variáveis X e Y e precisamos estimá-las: SX 2 = 1 n 1 n 1 1 ( Xi X ) [( n1 ) ] 2 1 = n 1 1 Xi 2 n 1 X 2 i=1 i=1 e S 2 Y = 1 n 2 1 n 2 j=1 ( Yj Y ) 2 1 = n 2 1 n 2 Yj 2 j=1 n 2 Y 2 onde, novamente, X 1, X 2,..., X n1 e Y 1, Y 2,..., Y n2 são amostras independentes das variáveis X e Y, respectivamente, que admitimos possuírem distribuição Normal. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
60 Variâncias Desconhecidas (continuação) Como veremos posteriormente, apesar de não conhecermos as variâncias σx 2 e σ2 Y, é possível testar se elas são iguais ou não. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
61 2 o Caso - Variâncias Desconhecidas e Iguais No caso de igualdade, temos σ 2 X = σ2 Y = σ2 e usa-se a estimativa agrupada (variância agrupada): S 2 p = (n 1 1)S 2 X + (n 2 1)S 2 Y (n 1 1) + (n 2 1) Nesse caso, a estatística de teste será (assumindo H 0 verdadeira, ou seja, que µ X µ Y = 0): T = X Y (µ X µ Y ) S p 1 n n 2 = X Y S p 1 n n 2 t (n1 +n 2 2) (T tem distribuição t-student com n 1 + n 2 2 graus de liberdade.) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
62 Teste por Região de Rejeição - teste bilateral (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ X µ Y = 0): T = X Y S p 1 n n 2 t (n1 +n 2 2) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
63 Teste por Região de Rejeição - teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: t c e t c onde t c é o valor tal que P(T > t c ) = α 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
64 Teste por Região de Rejeição - teste bilateral (continuação) (5) Conclusão do teste: t obs = x obs y obs s pobs 1 n n 2 Se t obs > t c ou t obs < t c, rejeitamos H 0 ao nível de significância α. Se t c < t obs < t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
65 Exemplo de teste bilateral Digitadores são treinados em uma empresa em duas turmas distintas. Na primeira turma usa-se um método japonês de ensino, ao passo que na segunda turma usa-se um método alemão. Para comparar os dois métodos, 16 alunos de cada turma foram escolhidos aleatoriamente e uma mesma tarefa foi atribuída a cada aluno. No processo, dois computadores usados por alunos da primeira turma e três usados pela segunda turma apresentaram problemas que impediram a realização da tarefa, reduzindo os tamanhos das amostras para 14 e 13, respectivamente para a primeira turma e a segunda turma. Se os alunos selecionados da primeira turma realizaram a tarefa com um tempo médio de 11,57 min e variância de 4, 1min 2 ao passo que os alunos da segunda turma realizaram a tarefa com tempo médio de 15,38 min e variância de 4, 3min 2, qual a conclusão ao nível de significância de 1%? Suponha normalidade das variáveis em estudo. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
66 Exemplo de teste bilateral (continuação) X = tempo gasto por um aluno do método japonês, tem distribuição Normal Y = tempo gasto por um aluno do método alemão, tem distribuição Normal (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 (2) Nível de significância do teste: (3) Estatística do teste: α = 1% = 0, 01 T = X Y 1 S p t 25 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
67 Exemplo de teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: t c e t c onde t c é o valor tal que P(T > t c ) = 0, 005, com 25 graus de liberdade, de onde t c = 2, 787. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
68 Exemplo de teste bilateral (continuação) (5) Conclusão do teste: s pobs = (n 1 1)sX 2 obs + (n 2 1)sY 2 obs (n 1 1) + (n 2 1) = = 2, 05 t obs = Ou seja, t obs < t c. x obs y obs s pobs 1 n n 2 = (14 1)4, 1 + (13 1)4, 3 (14 1) + (13 1) 11, 57 15, 38 = 4, 83 2, Portanto, rejeitamos H 0 ao nível de significância de 1%, de onde conclui-se que µ X µ Y 0, ou seja, os tempos médios gastos usando os dois métodos são diferentes. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
69 Teste por Região de Rejeição - teste unilateral (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y > 0 (ou H 1 : µ X µ Y < 0) (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ X µ Y = 0): T = X Y S p 1 n n 2 t (n1 +n 2 2) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
70 Teste por Região de Rejeição - teste unilateral (continuação) (4) Região de rejeição do teste: Caso H 1 : µ X µ Y > 0 Valor crítico: t c onde t c é o valor tal que P(T > t c ) = α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
71 Teste por Região de Rejeição - teste unilateral (cont.) (4) Região de rejeição do teste: Caso H 1 : µ X µ Y < 0 Valor crítico: t c onde t c é o valor tal que P(T > t c ) = α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
72 Teste por Região de Rejeição - teste unilateral (cont.) (5) Decisão: t obs = x obs y obs s pobs 1 n n 2 Caso H 1 : µ X µ Y > 0 Se t obs > t c, rejeitamos H 0 ao nível de significância α. Se t obs < t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Caso H 1 : µ X µ Y < 0 Se t obs < t c, rejeitamos H 0 ao nível de significância α. Se t obs > t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
73 Exemplo de teste unilateral Duas técnicas de venda são aplicadas por dois grupos de vendedores: a técnica A por 12 vendedores e a técnica B por 15 vendedores. Espera-se que a técnica B produza melhores resultados. No final de um mês obtiveram-se os resultados abaixo: Dados Técnica A Técnica B Média Variância Vendedores Vamos testar, ao nível de significância de 5% se a técnica B é de fato melhor. Informações adicionais permitem supor que as vendas sejam normalmente distribuídas, com mesma variância, desconhecida. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
74 Exemplo de teste unilateral (continuação) X = vendas usando técnica A, tem distribuição Normal Y = vendas usando técnica B, tem distribuição Normal (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y < 0 (2) Nível de significância do teste: (3) Estatística do teste: α = 0, 05 (5%) T = X Y 1 S p t 25 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
75 Exemplo de teste unilateral (continuação) (4) Região de rejeição do teste: Valor crítico: t c, onde t c é o valor tal que P(T > t c ) = 0, 05, com 25 graus de liberdade, de onde t c = 1, 708. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
76 Exemplo de teste unilateral (continuação) (5) Conclusão do teste: (n 1 1)sX 2 s pobs = obs + (n 2 1)sY 2 obs = (n 1 1) + (n 2 1) t obs = Ou seja, t obs < t c. x obs y obs s pobs 1 n n 2 = (12 1)50 + (15 1)75 = 8 (12 1) + (15 1) = 2, 58 Portanto, rejeitamos H 0 ao nível de significância de 5%, de onde conclui-se que µ X µ Y < 0, ou seja, a técnica B deve ser melhor. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
77 Intervalo de Confiança Como no caso anterior, é possível construir um intervalo de confiança para a diferença entre as médias µ X µ Y. Usando a estatística T : Se t γ é tal que 2 ou ( ) P 0 < T < t γ 2 ( ) P T > t γ 2 = γ 2 = 1 γ 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
78 Intervalo de Confiança (continuação) Então t γ < T < t γ 2 2 t γ < X Y (µ X µ Y ) < t γ 2 S 1 p n n 2 de onde X Y t γ S 1 p n1 n2 Logo IC µx µ Y = [ X Y t γ S 1 p n1 n2 < µ X µ Y < X Y + t γ 2 S p 1 n n 2 ; X Y + t γ 2 S p 1 n n 2 Onde o intervalo construído tem probabilidade γ de conter µ X µ Y. ] Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
79 Exercícios Exercícios 5 e 6 dos Exercícios de Aula - Seção 04. P2-2012/1 - Exercício 18 P2-2012/2 - Exercício 4 PS /1 - Exercício 5 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
80 3 o Caso - Variâncias Desconhecidas e Diferentes Nesse caso, usa-se o teste T com variâncias separadas, ou seja, a estatística (assumindo H 0 verdadeira, ou seja, que µ X µ Y = 0): S 2 X n 1 T = X Y (µ X µ Y ) + S2 Y n2 = X Y S 2 X n 1 + S2 Y n2 cuja distribuição pode ser aproximada por uma t-student com ν graus de liberdade, onde sendo ν = (A + B)2 A 2 n B2 n 2 1 A = S2 X n1 e B = S2 Y n2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
81 3 o Caso - Variâncias Desconhecidas e Diferentes Como esse valor, geralmente, não é inteiro, arredondamos para o inteiro mais próximo para obter o número de graus de liberdade. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
82 Teste por Região de Rejeição - teste bilateral (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ X µ Y = 0): T = X Y S 2 X n 1 + S2 Y n2 t ν Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
83 Teste por Região de Rejeição - teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: t c e t c onde t c é o valor tal que P(T > t c ) = α 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
84 Teste por Região de Rejeição - teste bilateral (continuação) (5) Conclusão do teste: t obs = x obs y obs s 2 X obs n 1 + s2 Y obs n 2 Se t obs > t c ou t obs < t c, rejeitamos H 0 ao nível de significância α. Se t c < t obs < t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
85 Exemplo de teste bilateral Queremos testar as resistências de dois tipos de vigas de aço, A e B. Tomando-se 16 vigas de cada tipo, obtemos os valores na tabela abaixo: Tipo de viga Média Variância A 70,5 81,6 B 84,3 161,5 Vamos testar, ao nível de significância de 10% se há diferença entre os dois tipos de vigas, supondo normalidade das variáveis. Realizando um teste prévio, rejeitamos a hipótese de variâncias iguais. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
86 Exemplo de teste bilateral (continuação) X = resistência de uma viga do tipo A, tem distribuição Normal Y = resistência de uma viga do tipo B, tem distribuição Normal (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y 0 (2) Nível de significância do teste: α = 10% = 0, 1 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
87 Exemplo de teste bilateral (continuação) (3) Estatística do teste: onde T = X Y S 2 X n 1 + S2 Y n2 t ν com ν = (A + B)2 A 2 n B2 n 2 1, A = s2 X obs n 1 = 81,6 16 = 5, 1 e B = s2 Y obs n 2 = 161,5 16 = 10, 1 ou seja ν = Tomamos ν = 27. (5, , 1)2 (5,1) (10,1)2 15 = 231, 04 1, , 8 = 27, 07, Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
88 Exemplo de teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: t c e t c onde t c é o valor tal que P(T > t c ) = 0, 05 com 27 graus de liberdade, de onde t c = 1, 703. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
89 Exemplo de teste bilateral (continuação) (5) Conclusão do teste: t obs = x obs y obs = + s2 Y obs n 2 s 2 X obs n 1 Ou seja, t obs < t c. 70, 5 84, 3 81, ,5 16 = 13, 8 5, , 1 = 3, 54 Portanto, rejeitamos H 0 ao nível de significância de 10%, de onde conclui-se que µ X µ Y 0, ou seja, as resistências das vigas diferem em média. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
90 Teste por Região de Rejeição - teste unilateral (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y > 0 (ou H 1 : µ X µ Y < 0) (2) Nível de significância do teste: α (3) Estatística do teste (sob H 0, ou seja, µ X µ Y = 0): T = X Y S 2 X n 1 + S2 Y n2 t ν Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
91 Teste por Região de Rejeição - teste unilateral (cont.) (4) Região de rejeição do teste: Caso H 1 : µ X µ Y > 0 Valor crítico: t c, onde t c é o valor tal que P(T > t c ) = α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
92 Teste por Região de Rejeição - teste unilateral (cont.) (4) Região de rejeição do teste: Caso H 1 : µ X µ Y < 0 Valor crítico: t c, onde t c é o valor tal que P(T > t c ) = α Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
93 Teste por Região de Rejeição - teste unilateral (cont.) (5) Conclusão do teste: t obs = x obs y obs s 2 X obs n 1 + s2 Y obs n 2 Caso H 1 : µ X µ Y > 0 Se t obs > t c, rejeitamos H 0 ao nível de significância α. Se t obs < t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Caso H 1 : µ X µ Y < 0 Se t obs < t c, rejeitamos H 0 ao nível de significância α. Se t obs > t c, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
94 Exemplo de teste unilateral Para comparar as médias de duas populações Normais, amostras aleatórias foram obtidas. Sabe-se que as variâncias populacionais são diferentes, sendo seus valores desconhecidos. Amostra I Amostra II Pode-se dizer que a média da primeira população é menor que a da segunda, com α = 5%? Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
95 Exemplo de teste unilateral (continuação) X = um valor da população I, tem distribuição Normal Y = um valor da população II, tem distribuição Normal Da tabela, obtém-se: x obs = 7, 43, sxobs = 2, 7, y obs = 7 e s Yobs = 5, 08 (1) Hipóteses do teste: H 0 : µ X µ Y = 0 versus H 1 : µ X µ Y < 0 (2) Nível de significância do teste: α = 5% = 0, 05 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
96 Exemplo de teste unilateral (continuação) (3) Estatística do teste: onde T = X Y S 2 X n 1 + S2 Y n2 t ν com ν = (A + B)2 A 2 n B2 n 2 1, A = s2 X obs n 1 = (2,7)2 7 = 1, 04 e B = s2 Y obs n 2 = (5,08)2 7 = 3, 69 ou seja Tomamos ν = 9. (1, , 69)2 ν = = (1,04) (3,69)2 6 22, 37 0, , 27 = 9, 13, Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
97 Exemplo de teste unilateral (continuação) (4) Região de rejeição do teste: t c é o valor tal que P(T > t c ) = 0, 05, com 9 graus de liberdade, de onde t c = 1, 833. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
98 Exemplo de teste unilateral (continuação) (5) Conclusão do teste: t obs = x obs y obs = + s2 Y obs n 2 s 2 X obs n 1 Ou seja, t obs > t c. 7, 43 7 (2,7) (5,08)2 7 = 0, 43 1, , 69 = 0, 09 Portanto, não rejeitamos H 0 ao nível de significância de 5% (não há evidências estatísticas suficientes, ao nível de significância de 5%, de que as médias das duas populações sejam diferentes. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
99 Exercícios Exercício 7 dos Exercícios de Aula - Seção 04. P2-2012/1 - Exercício 20 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
100 Comparação de médias de duas populações com amostras independentes - Teorema Central do Limite Em se tratando de comparação de duas médias com amostras independentes e variâncias desconhecidas, se os tamanhos das amostras são grandes, isto é, n 1 > 30 e n 2 > 30, podemos usar aproximação pela distribuição Normal, com SX 2 e S Y 2 (variâncias amostrais) no lugar das variâncias populacionais. Nesse caso, a estatística de teste será (assumindo H 0 verdadeira, ou seja, que µ X µ Y = 0): S 2 X n 1 Z = X Y (µ X µ Y ) + S2 Y n2 = X Y S 2 X n 1 + S2 Y n2 N(0, 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
101 Exercícios P2-2012/1 - Exercício 17 PS /1 - Exercício 6 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
102 Comparação de variâncias de duas populações Normais Quando temos amostras independentes e não conhecemos as variâncias populacionais (σx 2 e σ2 Y ), podemos testar a igualdade das mesmas, com base nas variâncias amostrais (SX 2 e S Y 2 ), para decidir então qual teste usar na comparação das médias. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
103 Comparação de variâncias (continuação) Sejam X e Y duas variáveis com distribuição Normal X N(µ X, σ 2 X ) e Y N(µ Y, σ 2 Y ), cujas variâncias σ 2 X e σ2 Y não conhecemos. Queremos testar H 0 : σ 2 X = σ2 Y versus H 1 : σ 2 X σ2 Y para saber qual teste de comparação de médias usar. Observação Eventualmente, pode haver o interesse em testar H 0 : σ 2 X = σ2 Y versus H 1 : σ 2 X < σ2 Y (ou H 1 : σ 2 X > σ2 Y ) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
104 Comparação de variâncias (continuação) Para isso, utilizaremos o estimador F = S 2 X S 2 Y do quociente σ2 X σy 2, e, assim, as hipóteses anteriores transformam-se em H 0 : σ2 X σ 2 Y = 1 versus H 1 : σ2 X σ 2 Y 1 (ou σx 2 σy 2 < 1 ou σx 2 σy 2 > 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
105 Comparação de variâncias (continuação) Lembrando que temos duas amostras independentes X 1, X 2,..., X n1 e Y 1, Y 2,..., Y n2 de X e Y, respectivamente, e que S 2 X = 1 n 1 1 n 1 i=1 ( Xi X ) [( n1 2 1 = n 1 1 i=1 X 2 i ) n 1 X 2 ] e S 2 Y = 1 n 2 1 n 2 j=1 ( Yj Y ) 2 1 = n 2 1 n 2 Yj 2 j=1 n 2 Y 2 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
106 Comparação de variâncias (continuação) Então pode ser mostrado que F = S 2 X S 2 Y F (n 1 1, n 2 1) ou seja, a variável aleatória F tem distribuição de Fisher-Snedecor (ou distribuição F) com n 1 1 graus de liberdade do numerador e n 2 1 graus de liberdade do denominador. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
107 Distribuição de Fisher - Snedecor Gráfico da função densidade de probabilidades da distribuição F : Observe que uma variável com distribuição F não assume valores negativos, ao contrário do que acontece com as distribuições t-student e Normal. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
108 Tabelas da distribuição F Se F F (a, b) então o corpo da tabela da distribuição F, de cauda de 5%, apresenta o valor f c tal que P(F > f c ) = 0, 05, sendo a a coluna e b a linha da tabela onde se localiza o valor f c. graus 1 de. liberdade b f c do denominador. graus de liberdade do numerador 1 2 a 120 Para cada valor de P(F > f c ) (por exemplo, 1%, 2,5%, 10% etc.), há uma tabela diferente. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
109 Se F F (15, 10) e P(F > f c ) = 5%, então f c = 2, 85. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
110 Procedimento para comparação de variâncias Temos que se F = S X 2 SY 2 F (n 1 1, n 2 1) então 1 F = S Y 2 SX 2 F (n 2 1, n 1 1) Isso significa que, se desejarmos descobrir o valor de f c tal que P(F < f c ) = 5%, podemos levar em consideração que F < f c 1 F > 1 ( 1, logo P(F < f c ) = P f c F > 1 ) f c Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
111 Por exemplo, se F = S X 2 SY 2 F (15, 10) então 1 F (10, 15), e F ( 1 P(F < f c ) = 5% P F > 1 ) = 5% f c de onde 1 f c = 2, 54, o que significa que f c = 1 2, 54 = 0, 39. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
112 Por questões práticas, para fazermos o teste bilateral de comparação das variâncias, procuraremos sempre colocar no numerador da estatística F, a maior variância, isto é: se S 2 X > S 2 Y então adotamos F = S 2 X S 2 Y se S 2 Y > S 2 X então adotamos F = S 2 Y S 2 X Então f obs será sempre maior ou igual a 1. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
113 Fazendo isso, no teste bilateral só será necessário encontrar o valor crítico da direita, pois o valor crítico da esquerda será sempre menor que 1 (o valor crítico da esquerda será sempre o inverso de um valor da tabela F e todos os valores da tabela F são maiores que 1). f obs não pertencerá ao lado esquerdo da região de rejeição, pois f obs > 1 e f 1 < 1, logo sempre f obs > f 1. Bastará, então, verificar se f obs é maior ou menor que f 2. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
114 Teste bilateral (1) Hipóteses do teste: ou seja H 0 : σ 2 X = σ2 Y versus H 1 : σ 2 X σ2 Y H 0 : σ2 X σ 2 Y = 1 versus H 1 : σ2 X σ 2 Y 1 Tome o cuidado de que sempre σx 2 (ou seja, a variância do numerador) seja a variância da variável com maior variância amostral (ou seja, SX 2 > S Y 2 ). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
115 Teste bilateral (continuação) (2) Nível de significância do teste: (3) Estatística do teste: α F = S 2 X S 2 Y F (n 1 1, n 2 1) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
116 Teste bilateral (continuação) (4) Região de rejeição do teste: Valores críticos: f 1 e f 2, onde f 1 é o valor tal que P(0 < F < f 1 ) = α 2 e f 2 é o valor tal que P(F > f 2 ) = α 2 Observação importante Na prática, procuraremos apenas o valor de f 2 na tabela. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
117 Teste bilateral (continuação) (5) Conclusão do teste: f obs = s2 X obs s 2 Y obs Se f obs > f 2 ou f obs < f 1, rejeitamos H 0 ao nível de significância α. Se f 1 < f obs < f 2, não rejeitamos H 0 (não há evidências estatísticas suficientes, ao nível de significância α, para rejeitar H 0 ). Observação importante Na prática, apenas observaremos se f obs > f 2 (e rejeitaremos H 0 nesse caso) ou se f obs < f 2 (e não rejeitaremos H 0 nesse caso). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
118 Observações Observação 1 No caso de teste bilateral, em função de restrições de tabelas, usaremos sempre α = 10%. Observação 2 No caso em que estamos comparando as médias de duas populações com variâncias desconhecidas, devemos inicialmente testar a igualdade das variâncias para decidir qual teste de comparação de médias devemos usar. Então, nessa comparação prévia de variâncias, estaremos sempre interessados em realizar um teste bilateral. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
119 Exemplo Um fabricante de esferas para rolamentos desenvolveu um novo método de produção, mais barato. Entretanto, ele desconfia que os novos lotes apresentam variabilidade diferente daqueles produzidos pelo método antigo (com relação ao diâmetro das esferas). Para cada método, ele selecionou 15 esferas, que forneceram variâncias amostrais de 0,03 e 0,19 para os métodos antigo e novo, respectivamente. Teste se há diferença entre as variâncias populacionais, com α = 10% e supondo normalidade dos diâmetros em ambos os métodos. X = diâmetro de uma esfera de rolamento fabricada pelo método novo N(µ X, σ 2 X ) Y = diâmetro de uma esfera de rolamento fabricada pelo método antigo N(µ Y, σ 2 Y ) Observe que a variância amostral do método novo (0,19) é maior que a do método antigo, por isso colocamos a do método novo no numerador. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
120 Exemplo (continuação) (1) Hipóteses do teste: H 0 : σx 2 = σ2 Y versus H 1 : σx 2 σ2 Y (2) Nível de significância do teste: α = 10% = 0, 1 (3) Estatística do teste: F = S 2 X S 2 Y F (14, 14) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
121 Exemplo (continuação) (4) Região de rejeição do teste: Valores críticos: f 1 e f 2, onde f 2 é o valor tal que P(F > f 2 ) = 0, 05, com 14 gl no numerador e 14 gl no denominador, de onde f 2 = 2, 48. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
122 Exemplo (continuação) (5) Conclusão do teste: Ou seja, f obs > f 2. f obs = 0, 19 0, 03 = 6, 33 Portanto, rejeitamos H 0 ao nível de significância de 10%, de onde conclui-se que existem diferenças em relação à variabilidade dos diâmetros das esferas de rolamento, dependendo do método de fabricação. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
123 Exercícios Exercícios 8 e 9 dos Exercícios de Aula - Seção 04. P2-2012/1 - Exercício 14 P2-2013/1 - Exercícios 3 e 4 P2-2013/2 - Exercício 10 PS /2 - Exercício 11 PS /2 - Exercício 14 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
124 Comparações de médias no Excel Vamos ver dois exemplos de realização de testes de comparação de médias de duas populações no Excel: um de amostras emparelhadas e um de amostras independentes. É preciso instalar o suplemento de Ferramentas de Análise de dados do Excel. (Ver link no site da disciplina.) Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
125 Exemplo 1 - Amostras Emparelhadas Feldspato é gerente de RH de uma empresa. Aplicou um programa de treinamento aos seus funcionários e quer saber se a sua produtividade aumentou com este treinamento. Para tanto, coletou a produção de um conjunto de 30 funcionários antes e depois do treinamento (planilha Feldspato - dados emparelhados; disponível no site). Usando a Análise de Dados do Excel, podemos fazer o Teste T: duas amostras em par para médias, usando um nível de significância de 5%, conforme indicado na figura a seguir (Não esqueça de indicar a hipótese da diferença das médias e marcar a caixa Rótulos). Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
126 Exemplo 1 - Amostras Emparelhadas - continuação Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
127 Exemplo 1 - Amostras Emparelhadas - continuação Na figura do slide anterior, foram escolhidas (de acordo com os intervalos de células fornecidos na caixa de diálogo): Variável 1 = Depois Variável 2 = Antes Então está sendo testada a média µ D da variável E, portanto, o teste é: D = Depois Antes H 0 : µ D = 0 versus H 1 : µ D > 0 pois queremos saber se a produtividade aumentou com o treinamento. Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de / 137
Inferência 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 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 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 maisAula 9 - Tópicos Especiais
Aula 9 - Tópicos Especiais PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 13 Comparação de duas médias Comparar
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 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 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 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 maisProf. Lorí Viali, Dr. Mat2282 Análise Estatística Não Paramétrica
Prof. Lorí Viali, Dr. http://www.pucrs.br/~viali/ viali@pucrs.br Objetivos Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacionamentos ou modelos (testes não paramétricos). Envolvem
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 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 maisProf. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar
Teste de hipótese para a média de populações normais Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Teste de hipóteses para média de populações normais Objetivo: avaliar afirmações sobre
Leia maismat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br
Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes
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 maisTestes de Hipóteses: Média e proporção
Testes de Hipóteses: Média e proporção Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 12 de setembro de 2018 Londrina 1 / 27 Viu-se a construção de intervalos de confiança
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 maisBioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: inferência Nome: GABARITO
Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: inferência Nome: GABARITO GRR: Observação: em todos os problemas que envolvem teste de hipótese, é necessário
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 mais1 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 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 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 maisTestes de Hipóteses II
Testes de Hipóteses II Capítulo 12, Estatística Básica (Bussab&Morettin, 8a Edição) 6a AULA 06/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 5a aula (06/04/2015) MAE229 1 / 23 1. Teste para
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 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 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 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. 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 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 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 maisMétodos Quantitativos em Medicina. Prof. Neli Ortega
Métodos Quantitativos em Medicina Teste de Hipótese Estatística t-student ula 7 Teste de Hipóteses - Estatística do teste estatística do teste de hipótese depende da distribuição da variável na população
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 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 maisTestes de hipóteses com duas amostras CURSO DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA. Módulo: ESTIMATIVA E TESTE DE HIPÓTESE.
CURSO DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA Módulo: ESTIMATIVA E TESTE DE HIPÓTESE slide Testes de hipóteses com duas amostras slide Larson/Farber 4th ed Descrição - Testar a diferença entre médias
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 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 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 maisIntrodução em Probabilidade e Estatística II
Introdução em Probabilidade e Estatística II Lista 7 Exercicio Em estudo genético um gene A foi destacado para detectar uma doença. Se dita que em pessoas doentes (pacientes) este gene mostra atividade
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 maisEstatística Aplicada. Teste de hipóteses ou teste de significância Cap. 11
Estatística Aplicada Teste de hipóteses ou teste de significância Cap. 11 Conceito Objetivo: decidir se uma afirmação sobre um parâmetro populacional é verdadeira a partir de informações obtidas de uma
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 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 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 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 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 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 maisInferência para Duas Populações
Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência para Duas Populações Ana Maria Lima de Farias Fábio Nogueira Demarqui Departamento de Estatística Março 07 Sumário Conceitos
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 maisTeste de hipóteses para uma média populacional com variância conhecida e desconhecida
Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida Tomando-se como exemplo os dados de recém-nascidos
Leia maisInferência para Duas Populações
Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência para Duas Populações Ana Maria Lima de Farias Fábio Nogueira Demarqui Departamento de Estatística Março 07 Sumário Inferência
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 maisMétodos Quantitativos em Medicina
Métodos Quantitativos em Medicina Comparação de Duas Médias Terceira Aula 009 Teste de Hipóteses - Estatística do teste A estatística do teste de hipótese depende da distribuição da variável na população
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 2019 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
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 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 maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisINTERVALOS DE CONFIANÇA: DIFERENÇA ENTRE DUAS MÉDIAS
INTERVALOS DE CONFIANÇA: DIFERENÇA ENTRE DUAS MÉDIAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de outubro de 2017 Há situações em que o interesse do
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 maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
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 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 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 maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisUniversidade Estadual de Londrina. 10 de outubro de Lucas Santana da Cunha
TESTES DE HIPÓTESES PARA DIFERENÇA DE MÉDIAS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 10 de outubro de 2016 Amostras Independentes
Leia maisInferência Estatística Básica. Teste de Hipóteses para uma média populacional Cálculo do Valor p
Inferência Estatística Básica Teste de Hipóteses para uma média populacional Cálculo do Valor p Exemplo 1 Um restaurante compra frangos abatidos inteiros com peso médio de 3 Kg há vários anos de um mesmo
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 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Dependentes Teste t para amostras emparelhadas Variâncias Teste z Conhecidas Independentes Variâncias Desconhecidas Supostas iguais
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisTESTES DE HIPÓTESES ADICIONAIS
TESTES DE HIPÓTESES ADICIONAIS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 30 de outubro de 2017 Foi visto que para a realização do teste t para a diferença
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016
Leia maisa) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%
0. 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 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 maisTeoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas
Teoria da Estimação Fabricio Goecking Avelar Universidade Federal de Alfenas - Instituto de Ciências Exatas junho - 2018 Algumas distribuições importantes Sumário 1 Algumas distribuições importantes 2
Leia maisCap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
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 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 maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade de Variância (ANOVA) 1/24
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 07: Análise de Variância (ANOVA) 1/24 Definição A análise de variância (ANOVA) é um método para testar a igualdade
Leia maisTESTE DE HIPÓTESES NÍVEL DESCRITIVO
TESTE DE HIPÓTESES NÍVEL DESCRITIVO Exemplo 1: Em períodos de pico, os clientes de um banco são obrigados a enfrentar longas filas para sacar dinheiro nos caixas eletrônicos. Dados históricos de vários
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
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 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 maisBioestatística e Computação I
Bioestatística e Computação I Inferência por Teste de Hipótese Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M.
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 maisTESTE DE HIPÓTESES ELISETE AUBIN E MONICA SANDOVAL - IME
1 TESTE DE HIPÓTESES ELISETE AUBIN E MONICA SANDOVAL - IME 2 MÉTODOS ESTATÍSTICOS Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 3 Teste de hipóteses para
Leia maisTESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média
TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 21 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
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 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 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 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 maisLista de Exercícios #8 Assunto: Teste de Hipóteses
. ANPEC 8 - Questão 5 Indique se as seguintes considerações sobre a teoria dos testes de hipótese são verdadeiras (V) ou falsas (F): () No teste de hipótese para proporções, se a variância da proporção
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 mais1. (a) Lembre-se que a média de uma variável aleatória discreta é uma média ponderada de seus valores, com as probabilidades sendo os pesos.
GET00172 - Fundamentos de Estatística Aplicada Gabarito da Lista de Exercícios Inferência rofa. Ana Maria Farias 1. a Lembre-se que a média de uma variável aleatória discreta é uma média ponderada de seus
Leia maisTeste de hipóteses. Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA Teste de hipóteses Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento de
Leia maisESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
Leia mais