Testes de Hipóteses: Abordagem Clássica
|
|
- Suzana Lobo Valverde
- 6 Há anos
- Visualizações:
Transcrição
1 1 / 50 Testes de Hipóteses: Abordagem Clássica Marcelo S. Lauretto Escola de Artes, Ciências e Humanidades, Universidade de São Paulo marcelolauretto@usp.br São Paulo - Brasil
2 2 / 50 Problema: Decidir se uma moeda é honesta I Suponha que você seja juiz de uma partida de futebol. Antes do início da partida, chama os capitães das duas equipes, para sorteio de quem iniciará a partida com a bola. Pelas regras do torneio, a posse inicial de bola é decidida através do lançamento de uma moeda: se a moeda der cara, a equipe à sua esquerda (Time A) inicia com a bola; se der coroa, é a equipe à sua direita (Time B) quem inicia com a bola. Ao colocar a mão no bolso, você se dá conta de que esqueceu a moeda. O capitão do time B rapidamente retira uma moeda do bolso e a oferece para o sorteio. O time A somente concorda com a condição de que a moeda seja validada antes de ser oficialmente lançada para decidir a posse de bola.
3 3 / 50 Problema: Decidir se uma moeda é honesta II O sorteio consiste em lançar a moeda 10 vezes sob aproximadamente as mesmas condições e contar a quantidade de caras e coroas. Em quais dos resultados abaixo você desconfiaria da procedência da moeda? 1 5 caras e 5 coroas? 2 6 caras e 4 coroas? 3 4 caras e 6 coroas? 4 2 caras e 8 coroas? 5 1 cara e 9 coroas? 6 0 caras e 10 coroas? Uma pergunta mais geral: Para quais dos possíveis resultados você consideraria que a moeda não é honesta? Para responder a essa questão: Procedimento de teste.
4 4 / 50 Problema: Decidir se uma moeda é honesta III Sob a abordagem de estatística clássica, o procedimento de teste para decidir se a moeda é honesta depende da definição dos seguintes elementos: 1 Condição do experimento e respectiva estatística: Experimento: n lançamentos independentes da moeda (sob aproximadamente as mesmas condições) X: número de caras nos n lançamentos 2 Parâmetro sobre o qual se quer fazer inferência e seu respectivo espaço: Parâmetro p: probabilidade da moeda dar cara em um lançamento. Espaço paramétrico Ω: p [0, 1] 3 Hipótese a ser testada e hipótese alternativa: H 0 : p = 0.5 (moeda honesta) H 1 : p 0.5 (moeda tende a dar mais caras ou mais coroas) Importante: H 0 e H 1 devem formar uma partição de Ω, ou seja: H 0, H 1 ; H 0 H 1 = ; H 0 H 1 = Ω
5 5 / 50 Problema: Decidir se uma moeda é honesta IV (cont.) 4 Distribuição de probabilidade dos possíveis resultados do experimento: P(X = x p): probabilidade de x caras em n lançamentos, dado o parâmetro p: ( ) n P(X = x p) = p x (1 p) n x x 5 Região de rejeição (ou região crítica) do teste: Determinado a partir de: P(X = x p) H 0 e H 1 Nível de significância α
6 6 / 50 Problema: Decidir se uma moeda é honesta V Distribuição de probabilidade: P(X = x p = 0.5) (X: número de caras em n lançamentos)
7 7 / 50 Como interpretar (e definir) α? I Tipos de erro em testes de hipótese: Erro do Tipo I: Probabilidade de rejeitar a hipótese quando esta é verdadeira Erro do Tipo II: Probabilidade de não rejeitar a hipótese quando esta é falsa Poder do teste: Complemento do erro do tipo II, representa a probabilidade de rejeitar corretamente uma hipótese falsa Objetivos conflitantes: Baixo Erro do Tipo I implica em alto Erro do Tipo II e vice-versa
8 8 / 50 Como interpretar (e definir) α? II O valor de α, chamado nível de significância, corresponde ao Erro do Tipo I tolerado, e deve ser estipulado de acordo com o problema e com as consequências do erro de rejeitar uma hipótese verdadeira Valores usuais: α = 0.10, 0.05, 0.01, Se as consequências de um Erro do Tipo I são moderadas, pode-se usar α = 0.1 (p.ex a moeda da partida de futebol) Se as consequências de um Erro do Tipo I são sérias, deve-se adotar valores mais baixos de α P.ex. em um julgamento: um réu só pode ser condenado se houver forte evidência contra a hipótese de sua inocência (baixo valor de α) A Região crítica do teste corresponde ao conjunto de valores de X para os quais a hipótese H 0 será rejeitada, condicionado a Erro do tipo I α
9 Regiões Críticas - Distribuições simétricas 9 / 50
10 10 / 50 Voltando ao problema da moeda: I Como definir as hipóteses nula e alternativa? (ou seja, como definir se a região crítica é uni ou bilateral?) Relembrando: A posse inicial de bola é decidida através do lançamento de uma moeda: se a moeda der cara, a equipe A inicia com a bola se der coroa, é a equipe B quem inicia com a bola O time B ofereceu a moeda para decidir a posse inicial
11 11 / 50 Voltando ao problema da moeda: II Logo, juiz deve escolher uma das três hipóteses (e respectivas regiões de rejeição): H 0 : p = 1/2, H 1 : p 1/2: alta proporção de caras ou de coroas é considerada suspeita Posição mais neutra: moeda é rejeitada se qualquer um dos times puder ser prejudicado por eventual vício na moeda H 0 : p 1/2, H 1 : p < 1/2: baixa proporção de caras é considerada suspeita Moeda é rejeitada somente se o time A puder ser prejudicado por eventual vício na moeda H 0 : p 1/2, H 1 : p > 1/2: alta proporção de caras é considerada suspeita Moeda é rejeitada somente se o time B puder ser prejudicado por eventual vício na moeda
12 12 / 50 Voltando ao problema da moeda: III Possibilidade 1: Região crítica bilateral (ou bicaudal): 1 Hipótese: H 0 : p = 1/2 contra H 1 : p 1/2 2 Nivel de significância: α = 0.1 Rejeitamos a moeda se ela fornecer um número de caras muito abaixo ou muito acima do esperado sob a hipótese.
13 13 / 50 Voltando ao problema da moeda: IV C = {x P(X x p) α/2 P(X x p) α/2} = {0, 1, 9, 10}
14 14 / 50 Voltando ao problema da moeda: V Região crítica unilateral (ou unicaudal): 1 Nivel de significância: α = Hipótese: H 0 : p 1/2 contra H 1 : p < 1/2 Rejeitamos a hipótese da moeda ser honesta se esta fornecer um número de caras muito abaixo do esperado.
15 15 / 50 Voltando ao problema da moeda: VI C = {x P(X x p) α} = {0, 1, 2}
16 16 / 50 Falseabilidade (ou Refutabilidade) de Popper Karl Raimmund Popper ( ): Racionalismo Crítico Oposição ao método indutivo (Dados Teoria) Postulados: Ciência é uma sequência de conjecturas Teorias científicas não podem ser diretamente provadas Teorias são propostas como hipóteses, substituídas por novas hipóteses quando refutadas experimentalmente ( falseadas ) O que diferencia as teorias científicas de outras formas de crença é que as primeiras podem ser falseadas formulação em termos precisos, que definem os resultados esperados.
17 Falseabilidade (ou Refutabilidade) de Popper Tribunais modernos: In dubio pro reo: o réu é considerado inocente até que seja provada sua culpa (benefício da dúvida). O benefício da dúvida torna mais difícil condenar um réu. Por outro lado, o veredito de um julgamento nunca pode ser inocente, apenas culpado ou não culpado. Na metáfora do tribunal: Uma lei científica é (provisoriamente) aceita pelo tribunal como verdadeira, até que esta seja refutada ou provada errônea por evidência pertinente. Evidência para refutar uma teoria tem a forma de observações empíricas que discordam das conseqüências ou previsões feitas pela teoria em julgamento. Um julgamento justo no tribunal científico: pode assegurar a validade das deduções que levaram a uma prova de falsidade; não pode dar uma certificação ou garantia referente à validade ou boa qualidade da teoria. 17 / 50
18 18 / 50 Distribuição Normal Distribuição Normal - Importância: Capaz de descrever vários fenômenos físicos e biológicos Teorema do Limite Central Função de densidade de probabilidade (pdf): ( ) 1 (x µ) 2 f (x µ, σ) = exp σ(2π) 1/2 2σ 2 Parâmetros: µ: média da população; σ 2 : variância da população; σ = σ 2 : desvio padrão Se as variáveis aleatórias X 1, X 2,..., X k forem independendes e X i N(µ i, σ 2 i ), (i = 1,..., k), então X X k N(µ µ k, σ σ 2 k ).
19 19 / 50 Distribuição Normal Se x segue uma distribuição normal, isto é, se X N(µ, σ 2 ), então (x µ) z = N(0, 1). σ N(0, 1): Distribuição normal padrão. É conhecido que P( 1.96 < z < +1.96) = 95% e portanto P(µ 1.96σ < x < µ σ) = 95% Logo, o intervalo [µ 1.96σ, µ σ] fornece um intervalo de previsão para x.
20 20 / 50 Distribuição Normal Distribuição normal padrão
21 21 / 50 Distribuição Normal Distribuição normal com µ = 8, σ = 5
22 22 / 50 Distribuição Normal - Estimadores Valores verdadeiros de µ e σ são quase sempre desconhecidos. Suponha que X = [X 1, X 2,..., X n ] seja uma amostra aleatória de uma distribuição Normal com média µ e variância σ 2 (desconhecidos). Estimadores de máxima verossimilhança para µ e σ 2 são dados por ˆµ = X = 1 n n i=1 x i ; ˆσ 2 = S2 X n, onde S2 X = n ( xi X ) 2. i=1 Estimador não viesado 1 para σ 2 : s 2 = S2 X n 1. (1) 1 E(s 2 ) = σ 2
23 23 / 50 Intervalo de confiança para a média Teorema do Limite Central: Se X é uma amostra aleatória de tamanho n de uma distribuição qualquer com média µ e variância σ 2, então a distribuição da média amostral seguirá aproximadamente uma distribuição Normal com média µ e variância σ 2 /n (DeGroot, 1986, p. 275). Logo, para amostras grandes ou oriundas de uma população com distribuição normal, pode-se obter um intervalo de 95% de confiança para µ por: CI 95% = [li(x n ), ls(x n )] onde se σ 2 é conhecida: li(x) = X 1.96 σ 2 /n, ls(x) = X σ 2 /n se σ 2 é desconhecida: li(x) = X 1.96 s 2 /n, ls(x) = X s 2 /n s 2 : estimador não viesado (Eq. 1)
24 24 / 50 Intervalo de confiança para a média Exemplo: Considere a amostra representada pelo histograma abaixo. A linha vertical central (em vermelho) representa a média amostral, e as linhas horizontais azuis representam o intervalo de 95% de confiança para µ. n = 42, X = 25.9; ˆσ = 16.49; ˆσ/ 42 = 2.54 CI 95% = [20.9, 30.9]
25 25 / 50 Intervalo de confiança: definição informal Seja X uma amostra aleatória oriunda de uma distribuição de probabilidade com parâmetro p a ser estimado. Um intervalo de confiança para o parâmetro p, com nível de confiança ou coeficiente de confiança γ, é um intervalo [li(x), ls(x)] determinado pelo par de variáveis aleatórias li(x) e ls(x), com a propriedade: P (li(x) < p < ls(x)) = γ, para todo p. Interpretação do IC: se coletássemos indefinidamente amostras aleatórias da mesma população e, para cada amostra coletada X, calculássemos li(x) e lu(x), em 100γ% das repetições o valor verdadeiro de p estaria dentro dos intervalos obtidos.
26 26 / 50 Intervalos de confiança testes de hipóteses Seja X n uma amostra de uma população com distribuição normal, e considere a hipótese H 0 : µ = µ 0 contra a alternativa A : µ µ 0. Uma maneira simples para testar H seria construir um intervalo de confiança com coeficiente γ para µ, e verificar se µ 0 pertence a esse intervalo. Se µ 0 [li(x n ), ls(x n )]: não rejeitamos H 0 ; Se µ 0 / [li(x n ), ls(x n )]: rejeitamos H 0, com nível de significância α. O valor de gama é o complementar do nível de significância desejado, ou seja, γ = 1 α. Atenção: somente vale para testes bicaudais (A : µ µ 0 ).
27 27 / 50 Teste Z para a média de uma população (Distribuição normal, variância conhecida) Outra forma (um pouco mais geral) de resolver o problema anterior: Seja X n uma amostra de uma população com distribuição normal com média µ desconhecida e variância σ 2, e considere a hipótese H 0 : µ = µ 0. Se a hipótese for verdadeira µ = µ 0, então X n N(µ 0, σ 2 /n). Logo, a estatística Z = X µ 0 σ/ N(0, 1)!! n Assim, para testar a hipótese original, basta verificar em qual região da distribuição normal padrão a estatística Z se encontra.
28 Teste Z (Distribuição normal, variância conhecida) Exemplo anterior (assumindo σ = 16.49): n = 42, X = 25.9; σ/ 42 = 2.54 Supondo H 0 : µ = 20. Z = = 2.32 Teste bicaudal (A : µ 20): P( Z 2.32) 0.02 Teste monocaudal (A : µ > 20): P(Z 2.32) / 50
29 29 / 50 Distribuição t Também conhecida pelo nome t de Student, em homenagem a William S. Gosset, que em 1908 publicou seus estudos sobre essa distribuição sob o pseudônimo Student. Definição: Considere duas variáveis aleatórias independentes Y N(0, 1) e Z χ 2 (n). Seja X a variável aleatória definida pela equação X = Y. Z /n Então a distribuição de X é denominada distribuição t com n graus de liberdade. Função de densidade de probabilidade: ( Γ(n + 1)/2 f (x n) = 1 + x 2 ) (n+1)/2 < x <. nπ Γ(n/2) n Média e Variância: Se X t(n): E(X) = 0 (para n > 1), Var(X) = n/(n 2) (para n > 2).
30 30 / 50 Relação entre a distribuição t e amostras aleatórias de distribuições normais Suponha que X 1,..., X n seja uma amostra aleatória de uma distribuição normal com média µ e variância σ 2. Sejam Y = Então: X µ e Z = σ 2 /n S2 X /σ2, onde SX 2 = m i=1 (X i X) 2. Y e Z são são independentes; Y N(0, 1); Z χ 2 (n 1). Logo, da definição da distribuição t segue que a variável T = Y Z /(n 1) = X µ s2 /n, onde s2 = S2 X n 1, segue uma distribuição t com n 1 graus de liberdade (DeGroot 1986, p.396).
31 31 / 50 Distribuição t - Exemplos ν + : a distribuição t converge para a distribuição normal padrão.
32 32 / 50 Distribuição t - Exemplos Comparação entre a distribuição normal padrão e a distribuição t de Student para uma amostra com n = 30. Note a diferença dos valores críticos que determinam a região de significância de 0.05, bilateral.
33 33 / 50 Teste t para uma amostra (Distribuição normal, variância desconhecida) Seja X 1,..., X n uma amostra de uma população com distribuição normal com média µ desconhecida e variância σ 2, e considere a hipótese H 0 : µ = µ 0. Se a hipótese for verdadeira µ = µ 0, então X N(µ 0, σ 2 /n). Logo, pelo resultado anterior, a estatística T = X µ 0 segue uma s 2 /n distribuição t de Student com n 1 graus de liberdade. Assim, para testar a hipótese original, basta verificar em qual região da distribuição t de student a estatística T se encontra. No exemplo apresentado anteriormente, supondo H 0 : µ = 20. n = 42, X = 25.9; s 2 = ; s2 /n = 2.54, ν = 41 T = = 2.32 Teste bicaudal (A : µ 20): P( T 2.32) Teste monocaudal (A : µ > 20): P(T 2.32) 0.013
34 Teste t para uma amostra (Distribuição normal, variância desconhecida) Outro exemplo: TCB uso de contraceptivo Um pesquisador deseja saber se o uso de contraceptivos orais tem efeito sobre a temperatura corporal basal 2 (TCB) de mulheres na faixa de 18 a 25 anos. Para tal finalidade, ele seleciona uma amostra de 20 mulheres que usam contraceptivos orais, e encontra uma temperatura média X = 36.7 o C, com desvio ˆσ = 0.5 o C. Ele deseja comparar esses dados com aqueles da população de mulheres na mesma faixa etária que não usam contraceptivos orais. A TCB média dessa população (µ 0 ) é assumida como 36.3 o C. Considerando que os dados sejam normalmente distribuídos, existe diferença estatisticamente significativa entre a TCB média de mulheres com uso de contraceptivos orais (µ) e a TCB média de mulheres da população, na mesma faixa etária? 2 Temperatura do corpo medida imediatamente após a pessoa acordar, antes de qualquer atividade física 34 / 50
35 Teste t para uma amostra (Distribuição normal, variância desconhecida) Exemplo: TCB uso de contraceptivo (cont) H 0 : µ = µ 0 = 36.3 X = 36.7; s 2 = 0.25; s2 /20 = 0.09; ν = n 1 = 19 T = = 4.44 Teste bicaudal (A : µ 36.3): P( T 4.44) 2.8E 4 Teste monocaudal (A : µ > 36.3): P(T 4.44) 1.4E 4 35 / 50
36 36 / 50 Teste t para duas amostras (mesma variância) Sejam X 1,..., X m, Y 1,..., Y n amostras aleatórias independentes, X 1,..., X m N(µ 1, σ 2 ), Y 1,..., Y n N(µ 2, σ 2 ) (todos os parâmetros desconhecidos). Denote por S 2 X = m i=1 (x i X) e S 2 Y = m j=1 (y j Y ). Note que X N(µ 1, σ 2 /m) e Y N(µ 1, σ 2 /n). Como X e Y são independentes, segue que a diferença X Y segue uma distribuição normal com média µ 1 µ 2 e variância ( 1 m + 1 m ) σ 2. Logo, quando µ 1 = µ 2, a variável X Y Z 1 = ( 1 m + ) 1 1/2 m σ segue uma distribuição normal padrão.
37 37 / 50 Teste t para duas amostras (mesma variância) Adicionalmente, para quaisquer valores de µ 1, µ 2, σ 2, as variáveis aleatórias S 2 X /σ2 e S 2 Y /σ2 são independentes e possuem distribuições qui-quadrado com m 1 e n 1 graus de liberdade, respectivamente. Logo, a variável aleatória Z 2 = S2 X + S2 Y σ 2 possui uma distribuição de qui-quadrado com m + n 2 graus de liberdade. Pelo fato de X, Y, SX 2, S2 Y serem independentes (DeGroot, 1986, pg 509), segue que Z 1 e Z 2 são independentes. Portanto, quando µ 1 = µ 2, pela da definição da distribuição t, a estatística Z 1 T = [Z 2 /(m + n 2)] = (m + n 2)1/2 (X Y ) 1/2 ( 1 m + ) 1 1/2 ( ) n S 2 X + SY 2 1/2 possui uma distribuição t com m + n 2 graus de liberdade.
38 38 / 50 Teste t para duas amostras (mesma variância) Exemplo: Um pesquisador deseja saber se a concentração de lipídios da espécie de peixe mapará é influenciada por dois diferentes métodos de medição. 10 amostras foram medidas pelo método 1, e 12 amostras foram medidas pelo método 2. Assume-se que as amostras são distintas (ou seja, feitas em espécimes diferentes). Dados são apresentados na tabela a seguir. Para um nível de significância de 0.05, há diferença significativa entre os dois métodos? Em outras palavras, as medidas médias são similares?
39 39 / 50 Teste t para duas amostras (mesma variância) Valores da concentração de lipídios da espécie de peixe mapará, medidos por dois diferentes métodos. H 0 : µ 1 = µ 2, A = µ 1 µ 2 m = 10, n = 12 X = 15.6, Y = 16.2 S 2 X = 6.7, S2 Y = 5.5 s 2 X = 0.74, s2 Y = 0.50 T = 1.56 pv = Pr(T 1.56) + Pr(T 1.56) = diferenças não significativas
40 Teste t para duas amostras (variâncias distintas) Sejam X 1,..., X m, Y 1,..., Y n amostras aleatórias independentes, X 1,..., X m N(µ 1, σ 2 1 ), Y 1,..., Y n N(µ 2, σ 2 2 ) (todos os parâmetros desconhecidos). Problema conhecido como problema de Behrens-Fisher. Sejam sx 2 = 1 m m 1 i=1 (x i X) e sy 2 = n 1 1 m j=1 (y j Y ) (variâncias amostrais). Note que X N(µ 1, σ 2 /m) e Y N(µ 1, σ 2 /n). Estatística T é dada por: X Y T = ( ) s 2 1/2. X m + s2 Y n Graus de liberdade estimados: (g X + g Y ) 2 ˆν = gx 2 /(m 1) + g2 Y /(n 1), onde g X = s2 X m, g Y = s2 Y n. 40 / 50
41 41 / 50 Teste t para duas amostras (variâncias distintas) Valores da concentração de lipídios da espécie de peixe mapará, medidos por dois diferentes métodos. H 0 : µ 1 = µ 2, A = µ 1 µ 2 m = 10, n = 12 X = 15.6, Y = 16.2 s 2 X = 0.74, s2 Y = 0.50 T = 1.53, ˆν = 17 pv = Pr(T 1, 53)+Pr(T 1, 53) = diferenças não significativas
42 42 / 50 Teste t para duas amostras pareadas Sejam X 1,..., X n, Y 1,..., Y n amostras aleatórias pareadas - medidas observáveis sobre os mesmos indivíduos ou sobre as mesmas condições - onde µ 1 e µ 2 são as médias (desconhecidas) das medidas X e Y na população. Considere as variáveis aleatórias D 1 = X 1 Y 1,..., D n = X n Y n. Denote por D e por s 2 D a média e a variância amostrais de D 1,..., D N, respectivamente. Se D 1,..., D n N(µ D, σd 2 ), então sob a hipótese H 0 : µ 1 = µ 2 H 0 : µ D = 0, a estatística T = D 0 sd 2 /n segue uma distribuição t com n 1 graus de liberdade.
43 43 / 50 Teste t para duas amostras pareadas Valores da concentração de lipídios da espécie de peixe mapará, medidos por dois diferentes métodos sobre os mesmos espécimes. H 0 : µ 1 = µ 2, A = µ 1 µ 2 m = 10, n = 12 X = 15.6, Y = 16.2, D = 0.53 s 2 X = 0.74, s2 Y = 0.52, s2 D = 0.53 T = 2.30 pv = Pr(T 2.30) + Pr(T 2.30) = diferenças significativas para α = 0.05.
44 44 / 50 Distribuição qui-quadrado Distribuição Gama: f (x α, β) = βα Γ(α) x α 1 e βx, x > 0 onde Γ(α) = 0 x α 1 e x. α, β > 0: parâmetros de forma e de escala. Distribuição qui-quadrado: para qualquer inteiro positivo k, a distribuição gama com α = k/2 e β = 1/2 é denominada a distribuição qui-quadrado (χ 2 ) com k graus de liberdade: f (x k) = 1 Γ(α) x (k/2) 1e x/2, x > 0.
45 Distribuição qui-quadrado Principais propriedades: Se Y χ 2 (n), então E(Y ) = n e Var(Y ) = 2n. Se Y 1 χ 2 (n 1 ), Y 2 χ 2 (n 2 ),..., Y k χ 2 (n k ), então Y 1 + Y Y k χ 2 (n 1 + n n k ). Se Y 1, Y 2,..., Y k N(0, 1), então Y Y Y 2 k χ2 (k). Teorema: Suponha que X 1,..., X n formam uma amostra aleatória de uma distribuição normal com média µ e variância σ 2. Então: A média amostral X e a variância amostral SX 2 /n são independentes 3 ; X N(µ, σ 2 /n); SX 2 /σ2 χ 2 (n 1). 3 S 2 X = n i=1 (X i X) 2 45 / 50
46 Distribuição qui-quadrado 46 / 50
47 47 / 50 X n = x 1, x 2,..., x n : amostra observada Teste de qui-quadrado - Ideia Geral E n = e 1, e 2,..., e n : valores esperados para x 1, x 2,..., x n assumindo que a hipótese H 0 fosse verdadeira. Estatística qui-quadrado: T = (x 1 e 1 ) 2 + (x 2 e 2 ) (x n e n ) 2 e 1 e 2 e n n (x i e i ) 2 = i=1 e i Sob a hipótese H 0, T segue uma distribuição χ 2 com k graus de liberdade. Logo, uma vez calculada T, pode-se verificar se T está ou não na região crítica de rejeição sob χ 2. Como obter e 1,..., e n? Como obter k? Depende de cada problema
48 48 / 50 Testes em tabelas de contingência Dados categóricos, categorias excludentes. Notação: X: matrix de frequências observadas; p: parâmetros x 11 x x 1c x 1 x 21 x x 2c x , x r1 x r2... x rc x r x 1 x 2... x c n p 11 p p 1c p 1 p 21 p p 2c p p r1 p r2... p rc p r p 1 p 2... p c n x i = c j=1 x ij, x j = r i=1 x ij; idem para p i, p j
49 49 / 50 Testes de qui-quadrado em tabelas de contingência x 11 x x 1c x 1 x 21 x x 2c x , x r1 x r2... x rc x r x 1 x 2... x c n p 11 p p 1c p 1 p 21 p p 2c p p r1 p r2... p rc p r p 1 p 2... p c n Independência: Duas variáveis categóricas são consideradas simultaneamente. p ij : Probabilidade do indivíduo pertencer à i ésima categoria na 1a variável e à j categoria na 2a variável. x ij : Frequência observada de indivíduos pertencentes simultaneamente à categoria i (1a variável) e j (2a variável) Hipótese: independência entre variáveis. H 0 : p ij = p i p j e ij = x i x j /n k = (r 1) (c 1)
50 50 / 50 Referências DeGroot M.H. (1986). Probability and Statistics, 2nd Ed. Menlo Park, CA: Addison-Wesley G.B.Drummond and B.D.Tom (2011). How can we tell if frogs jump further? Br J Pharmacol 164(2): Mitchell, T.M. (1997). Machine Learning. McGraw-Hill. POPPER, K. (1953). Science: Conjectures and Refutations. science-conjectures-and-refutations.pdf Stern, J.M. (2011). Constructive Verification Empirical Induction, and Falibilist Deduction: A Threefold Contrast. Information 2,
ACH Inferência Estatística Testes de Hipóteses Clássicos
1 / 71 ACH4513 - Inferência Estatística Testes de Hipóteses Clássicos Marcelo S. Lauretto Escola de Artes, Ciências e Humanidades, Universidade de São Paulo marcelolauretto@usp.br www.each.usp.br/lauretto
Testes 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
Testes 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
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.
Teoria 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
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,
Introdução 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
Testes 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
Razão 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
Introdução 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
Probabilidade 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
AULA 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
Testes 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
7 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
Testes 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
Teste 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
Teste 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
Estatística Aplicada
Estatística Aplicada Testes de Hipóteses Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada TESTES DE HIPÓTESES Inferência estatística: tomar decisões sobre a população com base
ESTATÍSTICA 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
ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Testes 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
Inferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
AULA 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
AULA 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
Teste de hipóteses para proporção populacional p
Teste de hipóteses para proporção populacional p 1 Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 2 TESTE DE HIPÓTESES Eu acredito
Unidade 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
MAB-515 Avaliação e Desempenho (DCC/UFRJ)
MAB-515 Avaliação e Desempenho (DCC/UFRJ) Aula 7: Intervalos de Confiança 13 de novembro de 2012 1 2 3 4 Percentil 100p%-percentil O ponto t 0 tal que t 0 = F 1 X (p) = min{t : F X (t) p}, 0 < p < 1 é
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos. 6 a aula Testes de Hipóteses
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 6 a aula Testes de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 2007 Estatística Aplicada ao Gerenciamento
Estimação 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
MAE0229 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
TESTE 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
Princípios 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
(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
Bioestatística 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.
Distribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
TESTES 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
Inferência 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
Intervalos 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
AULA 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
INFERÊNCIA 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
Estatística 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
Lecture 3a Testes de Hipótese
Métodos Quantitativos em Contabilidade I Programa de Pós-Graduação em Controladoria e Contabilidade Lucas Barros lucasbarros@usp.br Henrique Castro hcastro@usp.br Universidade de São Paulo 1 of 19 Lecture
Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 8 Testes de hipóteses APOIO: Fundação de Ciência e Tecnologia
Probabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução Hipóteses Estatísticas São suposições quanto ao valor de um parâmetro populacional
Testes 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
Unidade IV Inferência estatística
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 4.6.
NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional
NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses TESTE
DE 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
Capítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Carlos 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
Professora 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
X ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H
NOÇÕES DE TESTE DE HIPÓTESES (II) Nível Descritivo valor P Resumo X ~ Binomial (n ; p) (1) Estabelecer as hipóteses sobre p: H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) (2) Escolher um nível de
Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
PRINCIPAIS DISTRIBUIÇÕES (continuação)
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior PRINCIPAIS DISTRIBUIÇÕES (continuação)
Intervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
MAE 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
MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Testes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou
Testes de Hipóteses Professor: Josimar Vasconcelos Contato: josimar@ufpi.edu.br ou josimar@uag.ufrpe.br http://prof-josimar.blogspot.com.br/ Universidade Federal do Piauí UFPI Campus Senador Helvídio Nunes
Aula 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
POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS
POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.
Estatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
TESTE 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.
Probabilidade 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
Testes 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
Métodos. Inferência. Estatística. Descritiva. Teste de. Estimação
NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses TESTE
1 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
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Cap. 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
Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Modelos discretos e contínuos
Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1
Análise de Aderência e de Associação
Análise de Aderência e de Associação Capítulo 14, Estatística Básica (Bussab & Morettin, 8a Edição) Capítulo 8, Introdução Computacional à Probabilidade e Estatística (Pedrosa & Gama, Porto Editora) 8a
AULA 11 Teste de Hipótese
1 AULA 11 Teste de Hipótese Ernesto F. L. Amaral 20 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Inferência Estatística Básica. Teste de Hipóteses: decidindo na presença de incerteza
Inferência Estatística Básica Teste de Hipóteses: decidindo na presença de incerteza Exemplo Inicial A ProCare Industries LTDA lançou, certa vez, um produto chamado Gender Choice. De acordo com a propaganda,
3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Testes 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
Lista 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
Métodos 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
Universidade Federal de Pernambuco Departamento de Estatística Inferência Estatística 2 (ET593) Fases de uma Análise Estatística
Universidade Federal de Pernambuco Departamento de Estatística Inferência Estatística 2 (ET593) Fases de uma Análise Estatística Dados Organização Estatística Descritiva Interpretação Os Dados vêm da amostra
Capítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Teste 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
Testes 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
Delineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Enrico 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
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Distribuições 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,
PROBABILIDADE 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
BIOESTATÍSTICA. 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
Tomada de Decisão para uma Única Amostra
Tomada de Decisão para uma Única Amostra Testes de Hipóteses Teste de Hipóteses Procedimento de tomada de decisão sobre hipóteses envolvendo a população Aspecto bastante útil da Inferência Estatística:
Testes 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
6. 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
Econometria II. Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias.
Eco 2 monitoria Leandro Anazawa Econometria II Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias. E(a) = a E(aX) = ae(x) E(a + bx) =
Tratamento de dados em Física
Tratamento de dados em Física Métodos e testes estatísticos V. Oguri Departamento de Física Nuclear e Altas Energias (DFNAE) Programa de Pós-graduação em Física (PPGF) Instituto de Física Armando Dias
PE-MEEC 1S 09/ Capítulo 7 - Estimação por intervalos. 7.2 Intervalos de. confiança para. média de uma. normal 7.
Capítulo 7 - Estimação por intervalos 7.1 Noções básicas 7.2 Intervalos de confiança para a média de uma população normal 7.3 Intervalos de confiança para a diferença de duas médias de populações normais
CONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Aula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento