Aula 6. Testes de Hipóteses Paramétricos (I) Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán. Teste de Hipóteses

Transcrição

1 Aula 6. Testes de Hipóteses Paramétricos (I) Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Teste de Hipóteses Procedimento estatístico que averigua se os dados sustentam uma hipótese ( conjectura sobre uma característica da população) Existem duas hipóteses: vs Hipótese Nula A hipótese nula deve ser sempre simples (com sinal de =) Hipótese Alternativa H 1 Podem ser realizado dois tipos de testes: unilaterais: H 1 apenas contempla possibilidades à direita ou à esquerda de ou : µ = 1 vs H 1 : µ > 1 (unilateral à direita) : µ = 1 vs H 1 : µ < 1 (unilateral à esquerda) bilaterais: H 1 contempla possibilidades à direita ou à esquerda de : µ = 1 vs H 1 : µ 1 (bilateral) Existem dos tipos de decisão: ou Rejeitar a hipótese nula Não rejeitar a hipótese nula 2 1

2 Definições básicas Estatística de teste T: estatística calculada a partir da amostra e usada para tomar a decisão Região de rejeição ou região crítica RC: conjunto de valores da estatística de teste que nos levam a rejeitar Nível de significância ou tamanho do teste α: α = P(Erro de tipo I) = P(rejeitar verdadeiro) normalmente α=0.1, α=0.05 ou α=0.01 Potência do teste 1 β: 1 β = 1 P(Erro de tipo II) = P(não rejeitar H0 H1 verdadeiro) p-value: a probabilidade de observar um valor da estatística de teste tanto ou mais afastado que o valor observado na amostra, assumindo que H0 é verdadeira 3 Exemplo de TH para a média µ Máquina de encher pacotes de açúcar. O peso de cada pacote deve ser 8g (isto é, µ = 8). Será que a máquina está a funcionar correctamente? 2 X v.a. que representa o peso de um pacote de açúcar X ~ N(8,σ ) Observa-se uma a.a. com n observações decidir em base à media amostral X Como decidir entre teste unilateral ou bilateral? I. Ponto de vista do fabricante: RC: rejeitar se X >8+c : µ = 8 vs. H 1 : µ > 8 Se rejeitar parar a produção para afinar a máquina, pois a máquina está a encher demais II. Ponto de vista do consumidor: RC: X < 8 c rejeitar : µ = 8 vs. H 1 : µ < 8 Se rejeitar não aceitar a encomenda, pois a máquina está a encher de menos III. Compromisso entre fabricante e consumidor : µ = 8 vs. H 1 : µ 8 X < 8 c rejeitar X > 8 + c RC: 4 2

3 Procedimentos Existem 3 procedimentos para realizar um teste de hipótese ao nível de significância α : 1. Com base na região crítica RC Rejeitar H se o valor t 0 obs encontra-se na RC (t obs - o valor da estatística do teste para os dados observados) 2. Através do p-value Rejeitar se p-value α 3. Através de intervalos de confiança (válido apenas para testes bilaterais) Rejeitar H se o valor do parâmetro especificado em 0 não pertencer ao intervalo de confiança 5 Procedimento usando RC 1. Identificar o parâmetro de interesse e especificar e H 1 2. Escolher uma estatística de teste, T, com distribuição conhecida (admitindo que é verdadeira) 3. Identificar a região de rejeição RC 4. Calcular t obs - o valor que T assume para os dados observados 5. Tomar decisão: rejeitar se o valor t obs encontra-se na RC 6. Concluir 6 3

4 TH para µ com variância conhecida µ desconhecido, mas σ 2 conhecido Teste de Hipóteses com nível de significância (tamanho) α : µ = µ 0 vs. H 1 : µ µ 0 teste bilateral : µ = µ 0 vs. H 1 : µ < µ 0 teste unilateral (inferior) : µ = µ 0 vs. H 1 : µ > µ 0 teste unilateral (superior) Estatística do Teste: X µ T = σ n ~ 0 N sob H0 (0,1) Região de Rejeição (Região Crítica (RC) : H 1 : µ µ 0 RC α = { t R : t > z } 1-α/2 RC α para teste bilateral RC 1 α f T (x) RC H 1 : µ < µ 0 RC α = { t R : t < z α } H 1 : µ > µ 0 RC α = { t R : t > z 1-α } α 2 α 2 - z α/2 z α/2 + 7 IC e TH para µ com variância conhecida exercício 1.1, capítulo 4 Uma refinaria de petróleo possui um parque de enchimento que lhe permite encher, por dia, uma média de 30 tanques com um desvio padrão de 6 tanques. Modificando o processo de enchimento observou-se o parque durante 36 dias e registou-se uma média amostral de 34 tanques. Admite-se que os valores obtidos pelo novo processo de enchimento são bem modelados pela distribuição Normal sem alteração no desvio padrão 1. Determine um IC a 95% para o valor médio do novo processo de enchimento Para grau de confiança 95%: σ σ (1-α) x 100% = 95% (1-α) =0.95 α= α/2=0.975 IC( 1 α ) ( µ ) = X z1 α 2, X + z1 α 2 n n z IDF.Normal(0.975, 0, 1) em SPSS = 1.96 IC ) = X z σ X + z n 95 %( µ 0,975, 0, 975 Substituindo por X = 34, σ = 6, n = 36 σ n IC ( 95 % µ ) = 34 1,96 IC95 %( µ ) = ( , ) IC ( 95 % µ ) = + 6, ,96 36 ( 32.04, 35.96)

5 IC e TH para µ com variância conhecida exercício 1.2, capítulo Para α =0.05, conclua se é razoável admitir uma alteração do valor médio, efectuando um teste de hipóteses com base na região crítica 1. Identificar o parâmetro de interesse e especificar as hipóteses e H 1 Parâmetro de interesse - µ, nível de significância - α = 0.05 : µ = 30 vs. H 1 : µ 30 teste bilateral 2. Escolher uma estatística do teste T com distribuição conhecida admitindo que é verdadeira X µ T = σ n ~ 0 N sob H0 (0,1) Substituindo por µ 0 = 30, σ = 6, n = 36 X 30 T = 6 sob ~ 36 N(0,1) 9 IC e TH para µ com variância conhecida exercício 1.2, capítulo 4 (cont ) 3. Identificar a região de rejeição (região crítica RC) se H 1 : µ 30 RC α = { t R : t > z 1-α/2 } se α= α/2=0.975 RC α = { t R : t > z } RC α = { t R : t > 1,96} z = Calcular t obs (valor de T para os dados observados) Substituindo por X = t = X obs = = e 6. Tomar decisão e Concluir Como t obs =4 > 1.96 (encontra-se na região crítica) rejeita-se a favor de H 1. Logo, ao nível de significância α=0.05 rejeita-se a hipótese de a média ser 30 e conclui-se que: houve alteração ao valor médio RC bilateral α/2 f T (x) α/2 t < 1.96 t >1. 96 RC RC 10 5

6 Procedimento usando o p-value 1. Identificar o parâmetro de interesse e especificar e H 1 2. Escolher uma estatística de teste, T, com distribuição conhecida e calcular t obs para os dados observados 3. Determinar o p-value do teste se teste unilateral à direita: p-value = P(T > t obs ) se teste unilateral à esquerda: p-value = P(T < t obs ) se teste bilateral: p-value = 2P(T < t obs ) se t obs for reduzido 2P(T > t obs ) se t obs for elevado t obs é reduzido (elevado) se a estimativa que se obtém para o parâmetro a testar é inferior (superior) ao valor especificado em 4. Tomar decisão: rejeitar se p-value α (nível de significância) 5. Concluir 11 IC e TH para µ com variância conhecida exercício 1.3, capítulo Determine o p-value do teste efectuado e confirme as conclusões a que chegou 1. Calcular o p-value: 1. Teste bilateral RC é bilateral com igual probabilidade para os dois lados 2. t obs é elevado X = 34 > µ = 30 p-value = 2 P(T > t obs )= 2 P(T > 4 ) = 2 (1 P(T<4 ) ) = 2 x (1-CDF.NORMAL(4,0,1)) (calcular em SPSS) = 2 x (1-0,99997) = 6,33 x Tomar decisão e concluir Como p-value = 6,33x10-5 < α = 0.05 rejeita-se a favor de H 1. Logo, confirma-se a rejeição de a hipótese de a média ser 30 e conclui-se que: houve alteração ao valor médio 12 6

7 Procedimento usando IC (válido apenas para testes bilaterais) 1. Identificar o parâmetro de interesse e especificar e H 1 2. Construir um intervalo de confiança para o parâmetro 3. Tomar decisão: Rejeitar H se o valor do parâmetro especificado em 0 não pertencer ao intervalo de confiança 4. Concluir 13 IC e TH para µ com variância conhecida exercício 1.4, capítulo Poderia chegar à mesma conclusão através do IC calculado em 1.1.? 1. Identificar o parâmetro de interesse e especificar as hipóteses e H 1 Parâmetro de interesse - µ, nível de significância - α = 0.05 : µ = 30 vs. H 1 : µ 30 teste bilateral 2. Construir um intervalo de confiança para µ Para X = 34, σ = 6, n = 36 IC 95 %( µ ) = 34 1,96 IC95 %( µ ) = 6, ,96 36 ( 32.04, 35.96) Tomar decisão e concluir Rejeita-se a favor de H 1 se o valor do parâmetro especificado, µ = 30, não pertencer ao intervalo de confiança. Como neste caso não pertence, confirma-se a rejeição de a hipótese de a média ser 30 e conclui-se que: houve alteração ao valor médio 14 7

8 TH para µ com variância desconhecida µ desconhecido, σ 2 desconhecido Teste de Hipóteses com nível de significância (tamanho) α : µ = µ 0 vs. H 1 : µ µ 0 teste bilateral : µ = µ 0 vs. H 1 : µ < µ 0 teste unilateral (inferior) : µ = µ 0 vs. H 1 : µ > µ 0 teste unilateral (superior) Estatística do Teste: T X µ ~ 0 = tn 1 Sc sob Região de Rejeição (Região Crítica (RC) : se H 1 : µ µ 0 RC α = { t R : t > t } 1-α/2, n-1 se H 1 : µ < µ 0 RC α = { t R : t < t } α, n-1 se H 1 : µ > µ 0 RC α = { t R : t > t } 1-α, n-1 n 15 TH para µ com variância desconhecida Determinada empresa de segurança foi contactada para uma eventual prestação de serviços no Euro 2004 e o Gerente tratou de assegurar ao potencial cliente que na sua empresa os seus seguranças estão muito preparados fisicamente mas conseguem passar despercebidos pois o peso médio deles inferior a 68 kg. Seleccionou ao acaso 50 guardas e registou-se os seus pesos. A amostra está disponível no ficheiro PesosSeg.sav 1. Poderá considerar que o peso de um guarda escolhido ao acaso tem distribuição Normal? Por forma a averiguar se a distribuição dos pesos é Normal construi-se um um QQ-plot (com o SPSS) exercício 10, capítulo 4 2. Teste ao nível de significância de 5% se a afirmação do gerente foi imprudente Por forma a averiguar se a afirmação do gerente foi imprudente realiza-se um teste paramétrico para µ com população Normal e variância desconhecia Parâmetro de interesse - µ, nível de significância - α = 0.05 : µ = 68 kg vs. H 1 : µ > 68 kg teste unilateral superior 16 8

9 1.Construindo o QQ Plot em SPSS 17 1.Construindo o QQ Plot em SPSS 1. Poderá considerar que o peso de um guarda escolhido ao acaso tem distribuição Normal? Sim, uma vez que os quantis de uma distribuição Normal se sobrepõem aos quantis da amostra (os pontos se dispõem em torno de uma recta) 18 9

10 2. TH para µ com variância desconhecida exercício 10.2, capítulo 4 I-Procedimento com base na região de rejeição 1. Identificar o parâmetro de interesse e especificar as hipóteses e H 1 Parâmetro de interesse - µ, nível de significância - α = 0.05 : µ = 68 kg vs. H 1 : µ >68 kg teste unilateral (superior) 2. Escolher uma estatística do teste T com distribuição conhecida admitindo que é verdadeira T X µ ~ 0 = tn 1 Sc sob H0 n 3. Identificar a região de rejeição (região crítica RC) RC α = { t R : t > t 1-α, n-1 } RC α = { t R : t > 1,68} se α= α = 0.95 graus de liberdade n-1 = 49 t 0.95, IDF.T (0.95, 49)= TH para µ com variância desconhecida exercício 10.2, capítulo 4 (cont ) 4. Calcular t obs (valor de T para os dados observados) Calcular media amostral e desvio padrão usando o SPSS t obs = X 68 66,82 68 = = 1,4945 Sc 5, t-distribution : df=49 5. Tomar decisão e concluir RC α = { t R : t > 1,68} rejeitar se t obs RC Como t obs = -1,4945 < 1.68 t obs não pertence à região de rejeição, logo não se rejeita 6. Concluir t obs - 1, 5 RC Ao nível de significância de 5% não há razões para considerar que a afirmação do gerente for imprudente 20 10

11 2. TH para µ com variância desconhecida exercício 10.2, capítulo 4 (cont ) II -Procedimento com base no p-value usando o SPSS TH para µ com variância desconhecida exercício 10.2, capítulo 4 (cont ) II -Procedimento com base no p-value usando o SPSS Aqui devemos indicar o valor do teste µ 0 = 68 Aqui devemos indicar o nível de confidencia 22 11

12 2. TH para µ com variância desconhecida exercício 10.2, capítulo 4 (cont ) II -Procedimento com base no p-value usando o SPSS Intervalo de Confiança t obs - valor da estatística T para os dados observados p-value para teste bilateral Para transformar um p-value bilateral em unilateral divide-se por dois desde que a amostra aponte no sentido da hipótese alternativa. Caso contrário, calcula-se 1-(p-value/2) Como a amostra não aponta no sentido da hipótese alternativa : p-value (unilateral) = 1- p-value (bilateral) /2 = 1-0,141 /2 = 0,9295 Como p-value = 0,9295 > α = 0.05 não se rejeita-se Logo, confirma-se que não há razões para considerar que a afirmação do gerente for imprudente TH para µ com variância desconhecida exercício 10.2, capítulo 4 (cont ) Calculando o p-value usando o SPSS e a tabela de Distribuição t-student se teste unilateral à direita: p-value = P(T > t obs ) p-value = P(T > t obs ) = P(T > ) = 1 P(T ) = 1-F(-1.494)) = F(1.494)= CDF.T(1.494, 49) = Como p-value = 0,9292 > α = 0.05 não se rejeita-se t-distribution : df=49 p-value = P(T >t ob s ) O p-value está situado entre 0.9 e 0.95 t obs - 1,

13 Referências Livro: Grande Maratona de Estatística no SPSS Andreia Hall, Cláudia Neves e António Pereira Capítulo 4.2. Testes de Hipóteses Paramétricos Acetatos: Testes de Hipóteses I Andreia Hall URL: Capítulo 8. Testes de Hipóteses Ana Pires, IST Lisboa disciplina: Probabilidades e Estatística. URL: :