1

Teoria da Decisão Estatística

Exemplo 1. Suponha que um pesquisador deseje verificar se o medicamento M, utilizado no
tratamento de determinado sintoma, apresenta, como efeito colateral, uma alteração nos níveis da
pressão arterial sistólica (PAS). Como se trata de um medicamento de uso comum, o investigador não
tem dificuldade em localizar pessoas que estão tomando a droga. Seleciona, então, ao acaso, 60
indivíduos adultos, certificando-se de que suas pressões arteriais eram normais antes de serem
medicados. O pesquisador mede a pressão arterial nessas pessoas após elas terem ingerido o
medicamento durante igual período de tempo, e obtém a média de 135 mmHg. Com base nessas
informações, pode o pesquisador concluir que o medicamento M altera a pressão arterial dos
pacientes que o ingerem? Presuma que o desvio padrão seja igual a 24 mmHg.
Conceitos:
Hipóteses estatísticas: são suposições feitas sobre o valor dos parâmetros nas populações (𝜇, 𝜎, 𝜋).
Tipos de hipóteses estatísticas: As hipóteses estatísticas sempre comparam dois ou mais parâmetros,
quer afirmando que são iguais quer que não o são. São de dois tipos:
1) Hipótese nula ou de nulidade (𝐻0 ): estabelece a ausência de diferença entre os parâmetros.
É sempre a primeira a ser formulada.
𝐻0 : a média da população amostrada, de indivíduos tratados com o medicamento M (𝜇𝐴 ), é
igual à média da população tomada como referência (𝜇0 ). Ou, abreviadamente, 𝐻0 : 𝜇𝐴 = 𝜇0 .
2) Hipótese alternativa (𝐻𝐴 𝑜𝑢 𝐻1 ): é a hipótese contrária à hipótese nula. Geralmente, é a que
o pesquisador quer ver confirmada. A hipótese alternativa para o exemplo 1 é:
𝐻1 : a média da população amostrada (𝜇𝐴 ) difere da média da população de referência (𝜇0 ),
ou, abreviadamente, 𝐻1 : 𝜇𝐴 ≠ 𝜇0
Verificação das hipóteses
A verificação das hipóteses estatísticas somente se dará com certeza se for estudada toda a população
de indivíduos tratados com o medicamento, isto é, se 𝜇𝐴 for conhecida. Se o pesquisador tivesse a
informação de que a pressão média de todas as pessoas que ingerem o medicamento é 132 mmHg,
ele poderia afirmar com toda a certeza que o medicamento eleva em 4 mmHg os níveis de tensão
arterial.
Como o mais comum é se desconhecer 𝜇𝐴 (é exatamente por isso que o pesquisador está
realizando o estudo), as decisões vão ser tomadas com base nos dados obtidos em amostras e
envolverão um risco máximo admitido para o erro de afirmar que existe uma diferença, quando ela
efetivamente não existe (𝛼). O pesquisador estabelece tal risco antes de realizar o teste de hipóteses.
TESTE DE HIPÓTESES
O teste de hipóteses é um procedimento estatístico pelo qual se rejeita ou não uma hipótese,
associando à conclusão um risco máximo de erro.
Devido à maneira como os testes são elaborados, a hipótese testada é sempre 𝐻0 . Se for
rejeitada, a alternativa é automaticamente aceita; se 𝐻0 não for rejeitada, 𝐻𝐴 automaticamente o é.
Raciocínio do teste
O pesquisador que deseja estudar o efeito da droga M sobre a pressão arterial deseja uma
resposta à seguinte pergunta:
“Se 𝐻0 for verdadeira, isto é, se a pressão arterial dos indivíduos tratados com M é também
128 mmHg, é razoável (em termos probabilísticos) obter-se uma média igual a 135 mmHg em uma
amostra aleatória de 60 indivíduos desta população?”
Para construir o teste de hipóteses, parte-se da suposição inicial de que 𝐻0 é verdadeira,
porque, se assim for, 𝜇𝐴 = 𝜇0 = 128. Ora, se uma população tem média 128, as amostras aleatórias
de 60 indivíduos retiradas ao acaso dessa população apresentarão médias (𝑥) que se distribuem
segundo uma curva normal, com 𝜇 = 𝜇0 = 128 e 𝜎(𝑥) = 𝜎⁄√𝑛 = 24⁄√60 = 3,1.
Escolhido o nível de significância 𝛼, tem-se o número máximo de erros padrão (𝓏𝛼 ) que define
se uma diferença entre 𝑥 e 𝜇0 é ou não estatisticamente significativa. Procura-se saber, então, a
 2

quantos erros padrão corresponde o desvio entre 𝑥 = 135 e 𝜇0 = 128. Se o desvio for não
significativo, conclui-se que a suposição inicial, de que 𝜇𝐴 = 128, pode ser aceita. Mas se o desvio for
significativamente grande, o mais provável é que 𝜇𝐴 não seja 128 e, então, 𝐻0 deve ser rejeitada.
Tomando-se 𝛼 = 0,05, 𝓏0,05 = 1,96. Logo, um desvio de até 1,96 erros padrão é admitido
como não significativo, isto é, casual.
Para os dados do Exemplo 1, verifica-se que
𝑥 − 𝜇0 135 − 128
𝓏𝑐𝑎𝑙𝑐 = = = 2,26
𝜎⁄√𝑛 3,1
Isto é, o afastamento de 𝑥 em relação à 𝜇0 = 128 é de 2,26 erros padrão. O desvio, portanto, é
significativo, sendo dificilmente explicado pelo acaso.
Se a população tiver média 128, é pouco provável que se obtenha, ao acaso, uma média
amostral igual a 135 com uma amostra de 60 indivíduos. Seria mais fácil obter uma amostra com tal
média se a média populacional fosse maior. Portanto, é razoável rejeitar a hipótese (𝐻0 ) de que as
duas populações têm média igual e supor que a média das pessoas que toma M é maior do que 128.
A conclusão, então, é que o medicamento M modifica os níveis de pressão arterial sistólica,
aumentando-os.
Toda conclusão sobre uma população, feita com base em uma amostra, está sujeita a um erro
com probabilidade 𝛼. Isso acontece porque existe a possibilidade, embora remota, de que 𝑥 = 135
seja, na verdade, originária da população onde 𝜇0 = 128. Como é baixa a probabilidade de isto
ocorrer, prefere-se afirmar que 𝑥 = 135 provém de outra população. No entanto, a possibilidade de
𝑥 ser originária de um universo com 𝜇 = 128, embora pouco provável, existe, Daí a possibilidade de
errar ao afirmar que 𝜇𝐴 ≠ 𝜇0 . No teste realizado, a probabilidade associada a esse erro é de, no
máximo, 0,05, pois esse foi o nível de significância (𝛼) escolhido para o teste.
Etapas do teste de hipóteses para uma média, conhecendo-se 𝝈
(1) Estabelecimento das hipóteses estatísticas:
𝐻0 : 𝜇𝐴 = 𝜇0 𝑜𝑢 𝐻0 : 𝜇𝐴 − 𝜇0 = 0
𝐻1 : 𝜇𝐴 ≠ 𝜇0 𝑜𝑢 𝐻1 : 𝜇𝐴 − 𝜇0 ≠ 0
(2) Escolha do nível de significância:
𝛼 = 0,05
(3) Determinação do valor crítico do teste:
𝓏0,05 = 1,96
(4) Determinação do valor calculado do teste:
𝑥 − 𝜇0 135 − 128
𝓏𝑐𝑎𝑙𝑐 = = = 2,26
𝜎⁄√𝑛 3,1
(5) Decisão:
|𝓏𝑐𝑎𝑙𝑐 | < 𝓏𝛼 , 𝑛ã𝑜 𝑠𝑒 𝑟𝑒𝑗𝑒𝑖𝑡𝑎 𝐻0
|𝓏𝑐𝑎𝑙𝑐 | ≥ 𝓏𝛼 , 𝑟𝑒𝑗𝑒𝑖𝑡𝑎 − 𝑠𝑒 𝐻0
Como |𝓏𝑐𝑎𝑙𝑐 | = 2,26 > 𝓏0,05 = 1,96 𝑟𝑒𝑗𝑒𝑖𝑡𝑎 − 𝑠𝑒 𝐻0 .
(6) Conclusão:
A média amostral (135 mmHg) difere significativamente do parâmetro de referência (128
mmHg); portanto, as médias das duas populações não são iguais. A pressão arterial sistólica da
população de indivíduos tratados com o medicamento M é mais elevada do que a PAS da população
de pessoas não tratadas (𝛼 = 0,05).
Erros do Tipo I e II
Se uma hipótese for rejeitada quando deveria ser aceita, diz que foi cometido um erro Tipo I.
Se, por outro lado, for aceita uma hipótese que deveria ser rejeitada, diz que foi cometido um erro
Tipo II. Em ambos os casos ocorreu uma decisão errada ou em erro de julgamento.
Para que quaisquer testes de hipóteses ou regras de decisão sejam bons, eles devem ser
planejados de modo que os erros de decisão sejam reduzidos ao mínimo. Isso não é tarefa simples,
 3

porquanto para um dado tamanho de amostra, a tentativa de diminuir um certo tipo de erro é
acompanhada, em geral, pelo acréscimo de outro, de modo que se deve procurar uma acomodação
que favoreça a limitação do erro mais sério. O único caminho para a redução de ambos os tipos de
erros consiste em aumentar o tamanho da amostra, o que pode ou não ser possível.
A probabilidade do erro Tipo I é determinada pelo pesquisador, mas para determinar a
probabilidade de erro Tipo II, devemos considerar a hipótese nula com falsa e, então determinar qual
a verdadeira distribuição da característica em estudo.

Exemplo 2. O peso médio de litros leite de embalagens enchidas em uma linha de produção está sendo
estudado. O padrão prevê um conteúdo médio de 1000 ml por embalagem. Sabe-se que o desvio
padrão é de 10 ml e que a variável tem distribuição normal.
Para encontrar a probabilidade de erro Tipo II, quando testamos a média ser diferente de 1000 ml ao
nível de 5% de significância com 4 unidades amostrais, e sendo o real conteúdo médio da embalagem
de 1012 ml, tem-se:

Ou seja, a probabilidade de não rejeitarmos H0, quando a média real da embalagem é de 1012 ml é de
33%. A partir dessa informação podemos obter o poder do teste é de:
1 − 𝛽 = 1 − 0,33 = 0,67
Nível de Significância
Ao testar uma hipótese estabelecida, a probabilidade máxima com a qual estaremos dispostos
a correr o risco de um erro do Tipo I é denominada nível de significância do teste. Essa probabilidade,
representada frequentemente por 𝛼, é geralmente especificada antes da extração de quaisquer
amostras, de modo que os resultados obtidos não influenciam a escolha.
Na prática, é usual a adição de um nível de significância 0,05 ou 0,01, embora possam ser
usados outros valores. Se, por exemplo, é escolhido um nível de significância 0,05 ou 5%, no
planejamento de um teste de hipótese, há então cerca de 5 chances em 100, da hipótese ser rejeitada,
quando deveria ser aceita, isto é, há uma confiança de cerca de 95% de que se tome uma decisão
acertada. Nesses casos, diz-se que a hipótese é rejeitada no nível de significância 0,05, o que significa
que a probabilidade de erro seria de 0,05.
 4

Testes de Hipóteses numa cauda e nas duas caudas

Muitas vezes, entretanto, pode-se ter interesse apenas nos valores extremos de um único lado
da média, isto é, em uma “extremidade” da distribuição, como, por exemplo, quando se está testando
a hipótese de um processo ser melhor do que outro (o que é diferente de testar se um processo é
melhor ou pior do que outro). Nesses casos, a região crítica está situada de um só lado da distribuição
e sua área é igual ao nível de significância.
 Um teste de hipótese numa cauda da distribuição é um teste onde a hipótese alternativa 𝐻1
define a mudança em alguma direção da hipótese nula 𝐻0 , incluindo na especificação um dos
símbolos “≤” ou “≥”.
 Um teste de hipótese em duas caudas da distribuição é um teste onde a hipótese alternativa
𝐻1 define uma mudança da hipótese nula 𝐻0 , sem especificar nenhuma direção, incluindo na
especificação o símbolo “≠”.

Teste de Hipótese para uma Média com variância populacional conhecida

Hipóteses:
𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0 𝑜𝑢 𝐻1 : 𝜇 > 𝜇0 𝑜𝑢 𝐻1 : 𝜇 < 𝜇0
Estatística do Teste:
𝑥 − 𝜇0
𝓏𝑐𝑎𝑙𝑐 =
𝜎⁄√𝑛
Exemplo 3. A resistência à tração do aço inoxidável produzido numa certa usina permanecia estável,
com uma resistência média de 72 kg/mm2. Recentemente, a máquina foi ajustada. A fim de determinar
o efeito do ajuste, 10 amostras foram testadas. As resistências médias são apresentadas a seguir: 76,2;
78,3; 76,4; 74,7; 72,6; 78,4; 75,7; 70,2; 73,3; 74,2. Podemos concluir que o ajuste mudou a
resistência à tração do aço? (Adote 5% de significância).

Teste de Hipótese para uma Média com variância populacional conhecida

Hipóteses:
𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0 𝑜𝑢 𝐻1 : 𝜇 > 𝜇0 𝑜𝑢 𝐻1 : 𝜇 < 𝜇0
Estatística do Teste:
𝑥 − 𝜇0
𝑡𝑐𝑎𝑙𝑐 =
𝑆⁄√𝑛
Exemplo 4. A percentagem média da receita municipal dos quase 600 municípios de um estado têm
sido 7%. O governo pretende melhorar este índice e, para isso, está estudando alguns incentivos. Para
verificar os efeitos destes incentivos, sorteou 10 cidades e estudou quais seriam as porcentagens
investidas neles. Os resultados foram: 8, 10, 9, 11, 8, 12, 16, 9, 12, 10. Admitindo que estes
números venham a ocorrer, os dados trazem evidências de melhoria? (Adote 5% de significância).

Teste de Hipótese para proporção

Hipóteses:
𝐻0 : 𝜋 = 𝜋0
𝐻1 : 𝜋 ≠ 𝜋0 𝑜𝑢 𝐻1 : 𝜋 > 𝜋0 𝑜𝑢 𝐻1 : 𝜋 < 𝜋0
Estatística do Teste:
𝑝̂ − 𝜋0
𝓏𝑐𝑎𝑙𝑐 =
√𝑝̂ . (1 − 𝑝̂ )
𝑛
Exemplo 5. O presidente do clube A, afirma que 58% da população de sua cidade torce para seu time.
O presidente do clube rival com o intuito de desmentir a afirmação, contrata uma pesquisa que
 5

entrevistou 200 pessoas na qual 107 afirmaram realmente torcer para o clube A. Formule a hipótese
e realize o teste ao nível de significância de 10%.
 6

Exercícios
1) Dada a amostra de observações de glicemia: 76, 90, 78, 82, 90, 84, 86, 90 e 107 mg/dL,
determinar a probabilidade de essa amostra pertencer a uma população cuja média é 75 mg/dL
para 𝛼 = 5%. (Adote 𝑡0,05;8 = 2,30).

2) Um investigador deseja avaliar a eficácia de uma dieta para a redução da concentração de

colesterol total sérico. Para tanto, de uma população de homens com 55 anos de idade e média
de colesterol 245 mg/dL, foi extraída uma amostra aleatória de 14 indivíduos. Após três meses de
uso da dieta, os resultados obtidos para n=14 sujeitos foram: média de colesterol total = 239 mg/dL
e desvio padrão = 13,2. Com base nos dados, existem evidências estatísticas para afirmar que a
dieta reduz o colesterol para o nível de significância 𝛼 = 5% (Adote 𝑡0,05;13 = 1,77).

3) Deseja-se saber se um novo medicamento para a redução de PAS tem maior ou menor eficiência
que o medicamento correntemente utilizado para um nível de significância 𝛼 = 5%. Foram
selecionados 32 pacientes hipertensos e divididos em dois grupos por processo aleatório. Após o
emprego da medição corrente (grupo 1) e do novo medicamento (grupo 2), obtiveram-se os
seguintes resultados:
Grupo 1: 𝑛1 = 15; 𝑥1 = 134 𝑚𝑚𝐻𝑔 𝑠12 = 98
Grupo 2: 𝑛1 = 17; 𝑥1 = 128 𝑚𝑚𝐻𝑔 𝑠12 = 87
(Adote 𝑡0,05;30 = 2,04).

4) Para avaliar a efetividade de um programa de perda de peso, dez indivíduos foram selecionados
aleatoriamente para a investigação. Os participantes foram pesados antes e após a participação
no programa de perda de peso. Deseja-se saber: o programa de perda de peso surtiu efeito para
𝛼 = 5%? (Adote 𝑡0,05;9 = 2,26).
Sujeitos Peso inicial (kg) Peso final (kg) Diferença (𝑑) 𝑑2
1 96 94 2 4
2 81 79 2 4
3 100 97 3 9
4 92 92 0 0
5 103 100 3 9
6 85 86 -1 1
7 94 93 1 1
8 97 93 4 16
9 104 103 1 1
10 90 88 2 4
𝑥1 = 94,2 𝑘𝑔 𝑥2 = 92,5 𝑘𝑔 ∑ 𝑑 = 17 ∑ 𝑑2 = 49