PROBABILIDADE E ESTATÍSTICA

RESUMO DO CAPÍTULO 9: TESTES DE HIPÓTESES PARA

UMA ÚNICA AMOSTRA

LIVRO: ESTATÍSTICA APLICADA E PROBABILIDADE PARA

ENGENHAROS, DOUGLAS C. MONTGOMERY, GEORGE C.
RUNGER – 4ª Edição

EQUIPE:
ANA ISABELE SILVA BARRETO – MATR: 520064
FABIO PEREIRA BEZERRA– MATR: 540470
MAGNA BOCAGE IRINEU – MATR: 539621
MARIANA CLARA BENÍCIO L. CARVALHO – MATR: 540595
OTÁVIO S. COELHO – MATR: 496991

RUSSAS – CE, 2022

9.1 TESTE DE HIPÓTESES

9.1.1 Hipóteses Estatísticas

Diante de uma determinada afirmação sobre um parâmetro, ao aceitar ou rejeitar tal
afirmação, preferencialmente para definir uma decisão mais assertiva, recorre-se a uma
metodologia estatística, acerca de uma ou mais populações baseadas na informação obtida
da amostra.
Onde possibilita analisar e verificar os dados amostrais, verificando as hipóteses
formuladas, tanto as que serão aceitas, quanto aquelas que serão rejeitadas. Ao definir uma
decisão, inicialmente é importante que seja realizado a formulação de suposições ou de
conjeturas a respeito das populações de interesse, que, em geral, consistem em
considerações sobre parâmetros (μ, σ2, p) das mesmas. Essas suposições, que podem ser ou
não verdadeiras, são designadas de Hipóteses Estatísticas.
Em muitas situações práticas o interesse do pesquisador é ratificar a veracidade sobre
um ou mais parâmetros populacionais (μ, σ2, p) ou sobre a distribuição de uma variável
aleatória.
Exemplos:
A proporção de peças defeituosas na unidade de fabricação é de 0,10;
A propaganda produz efeito positivo nas vendas;
Os métodos de ensino produzem resultados diferentes de aprendizagem.

9.1.2 Testes de Hipóteses Estatísticas

O cerne do teste de hipóteses estatísticas é fornece ferramentas que viabilizem rejeitar
ou não uma hipótese estatística através da evidencia fornecida pela amostra. Dessa forma,
uma vez formulada as hipóteses, posteriormente é necessário testa-las para que uma decisão
seja definida, seja em favor da hipótese nula ou da hipótese alternativa. Para tanto é
fundamental algumas evidências, ou seja, de informação.
Com isso a obtenção das evidências ou informação ocorre a partir de uma dada
amostra, e quanto maior as evidências (entende-se por amostra) melhor será a tomada de
decisão. A seguir da construção de um teste de hipótese:
A verificação da taxa média de queima de um propelente é ou não μ=60cm/s.

H0:μ = 60
H1:μ ≠ 60
Para isso inicialmente no exemplo, considera-se uma amostra (tamanho n) onde será
avaliada a taxa média de queima dessa amostra (𝑥̅ ). Importante destacar que a média
amostral é uma estimativa da média populacional.
 Caso a média amostral 𝑥̅ seja próxima da média populacional μ = 60, pode-se
considerar que μ = 60 é a verdadeira média populacional (H0), e caso seja um valor muito
diferente desse, considera-se que μ ≠ 60 é válida, H1. Assim para esse caso a média amostral
é a estatística do teste.

Considerando que a média amostral pode assumir valores distintos, sendo assim pode
supor critérios para se rejeitar ou não rejeitar a hipótese nula, por exemplo, se a média estiver
entre 58,5 ≤ 𝑥̅ ≤ 61,5 não se rejeita a H0, todavia se a média for mais extrema que isso rejeita-
se. Chama-se a região dos valores extremos de região crítica ou região de rejeição.

Na tomada de decisão conforme estabelecido no exemplo acima, dado algum critério,

pode acometer algum erro. Este por sua vez, poderá ser, erro do tipo I e II. Sendo assim:
Erro do Tipo I: Rejeitar a hipótese nula H0 quando ela é verdadeira
Erro do Tipo II: Não Rejeitar a hipótese nula H0 quando ela é falsa

Se H0 é verdadeira Se H0 é falsa
Decisão

Rejeitar H0 Erro do Tipo I Nenhum erro

Não Rejeitar H0 Nenhum erro Erro do Tipo II

A probabilidade de cometer um erro (na tomada de decisão) pode ser explicitado da

seguinte forma:
Probabilidade do Erro do Tipo I:
α = P (erro do tipo I) = P (rejeitar H0 | H0 verdadeira)
A probabilidade do erro do tipo I, α é chamado de nível de significância, ou erro α, ou
ainda, tamanho do teste.
Probabilidade do Erro do Tipo I:
1−β = P (rejeitar H0 | H1 verdadeira)1−β = P (rejeitar H0 | H1 verdadeira)
O poder do teste ou potência é a probabilidade de rejeitar a hipótese nula H0, quando
a hipótese alternativa H1 é verdadeira
 Fonte: https://www.inf.ufsc.br/~andre.zibetti/probabilidade/img/poder-do-teste.png

9.1.3 Hipóteses Unilaterais e Bilaterais

9.1.4 Valores P nos Testes de Hipóteses
O nível de significância não dá ideia ao tomador de decisão a respeito de que o valor
calculado da estatística de teste estava apenas nas proximidades da região de rejeição ou se
estava muito longe desta região. O valor P é a probabilidade de que a estatística de teste
assumirá um valor que é, no mínimo, tão extremo quanto o valor observado da estatística
quando a hipótese nula H0 for verdadeira.
Definição formal
O valor P indica a probabilidade de se observar uma diferença tão grande ou maior
do que a que foi observada sob a hipótese nula. Mas se o novo tratamento tiver um efeito
de tamanho menor, um estudo com uma pequena amostra pode não ter poder suficiente para
detectá-lo.

9.1.5 Conexão entre Testes de Hipóteses e Intervalos de Confiança

9.1.6 Procedimento Geral para Testes de Hipóteses
1. Parâmetro de interesse: A partir do contexto do problema, identifique o parâmetro de
interesse;
2. Hipótese nula, H0: Estabeleça a hipótese nula H0, que é sempre de igualdade;
3. Hipótese alternativa, H1: Especifique uma hipótese alternativa apropriada, H0 (dica:
coloque em H1 aquilo que você quer testar);
4. Estatística de teste: Determine uma estatística apropriada de teste (consultar tabela);
5. Rejeita H0 se: Estabeleça os critérios de rejeição para a hipótese nula H0 (consultar
tabela);
6. Cálculos: Calcule quaisquer grandezas amostrais necessárias, substitua-as na equação
para a estatística de teste e determine seu valor;
7. Conclusões: Decida se H0 deve ou não ser rejeitada e reporte isso no contexto do
problema.

Significância Estatística versus Significância Prática:

O quadro a seguir mostra valor P e potência do teste, para testar H0: μ = 50, quando
observamos e a média verdadeira é 50,5:
 Conclui-se, portanto, que é necessário se atentar a interpretação dos resultados do teste
de hipóteses, sobretudo, quando amostra apresentar um tamanho grande, pois qualquer
pequeno desvio do valor usado na hipótese μ0, será identificado, mesmo quando a diferença
for mínima ou com nenhuma significância pratica

9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL,

VARIÂNCIA CONHECIDA
Consideramos teste de hipóteses próximo da média μ de uma única população,
conhecendo a variância σ2 da população. Como já estudado, a média amostral X é um
estimador não-tendencioso de μ, com variância σ2/n.

9.2.1 Testes de Hipóteses para a Média

Supondo o seguinte teste de hipóteses:
𝐻 :𝜇 =𝜇
𝐻 :𝜇 ≠𝜇
Sendo μ0 uma constante especificada. Tem-se uma amostra aleatória X1, X2, ..., Xn
proveniente de uma população normal. Visto que X tem uma distribuição normal, com
média μ0 e desvio padrão 𝜎/√𝑛, se a hipótese nula for verdadeira, poderá ser construído
uma região crítica baseada no valor calculado da média amostral 𝑋.
É conveniente padronizar a média amostral e usar uma estatística de teste baseada na
distribuição normal padrão. Desse modo o procedimento de teste usa a estatística de teste.
𝑋−𝜇
𝑍 = Estatística de Teste
𝜎/√𝑛
Procedimento de teste de hipótese
Com uma amostra aleatória de tamanho n é calculado o valor da média amostral 𝑥̅ .
Para testar a hipótese nula usando a abordagem de valor P, encontraríamos a probabilidade
de observar um valor da média amostral que é no mínimo tão extrema quanto 𝑥̅ , dado que a
hipótese nula é verdadeira. O valor z da variável normal padrão que corresponde a 𝑥̅ é
encontrado a partir da estatística de teste.
Em termos da função distribuição cumulativa normal padrão (FDC), a probabilidade
que procuramos é 1 – Φ (|z0|). Para a hipótese alternativa bilateral, o valor P é
𝑃 = 2[1 − Φ(|𝑧 |)]

Sumário de Testes para a Média, Variância Conhecida

Exemplo – Taxa de queima de propelente

Os sistemas de escape da tripulação de uma aeronave funcionam por causa de um
propelente sólido. A taxa de queima desse propelente é uma característica importante do
produto. As especificações requerem que a taxa média de queima tem de ser 50 centímetros
por segundo. Sabemos que o desvio-padrão da taxa de queima é σ = 2 centímetros por
segundo. O experimentalista decide especificar uma probabilidade do erro tipo I, ou nível
de significância, de α = 0,05. Ele seleciona uma amostra aleatória de n = 25 e obtém uma
taxa média amostral de queima de 𝑥̅ = 51,3 centímetros por segundo. Que conclusões
poderiam ser tiradas?
Podemos resolver esse problema por meio do procedimento de sete etapas. Isso resulta
em
1.Parâmetro de interesse: O parâmetro de interesse é µ, a taxa média de queima.
2.Hipótese nula, H0: H0: µ = 50 centímetros por segundo.
3.Hipótese alternativa, H1: H1: µ ≠ 50 centímetros por segundo.
4.Estatística de teste: A estatística de teste é

𝑋−𝜇
𝑍 =
𝜎/√𝑛
 5.Rejeite H0 se: Rejeite H0 se o valor P for menor do que 0,05. Para usar o teste com
nível de significância fixo, os limites da região crítica seriam z0,025 = 1,96 e –z0,025 = –
1,96.

6.Cálculos: Desde que = 51,3 e σ = 2,

51,3 − 50
𝑍 = = 3,25
2/√25

7.Conclusão: Como o valor P = 2[1 – (3,25)] = 0,0012, rejeitamos H0: µ = 50, com
nível de significância de 0,05.

Concluímos que a taxa média de queima difere de 50 centímetros por segundo, com base
em uma amostra de 25 medidas. De fato, há forte evidência de que a taxa média de queima
exceda 50 centímetros por segundo.

9.2.2 Erro Tipo II e Escolha do Tamanho da Amostra

Para o teste de hipóteses, o analista seleciona diretamente a probabilidade do erro tipo
I. Entretanto, a probabilidade β do erro tipo II depende da escolha do tamanho da amostra.

Encontrando a Probabilidade β do Erro Tipo II

Hipótese bilateral:
𝐻 :𝜇 = 𝜇 𝐻 :𝜇 ≠𝜇
Suponha que a hipótese nula seja falsa e que o valor verdadeiro da média seja µ = µ0 +
δ, por exemplo, em que δ > 0. O valor esperado da estatística de teste Z0 é
𝐸(𝑋) − 𝜇 (𝜇 + 𝛿) − 𝜇 𝛿/√𝑛
𝐸(𝑍 ) = = =
𝜎/√𝑛 𝜎/√𝑛 𝜎
Consequentemente, a distribuição de Z0 quando H1 for verdadeira será
𝛿/√𝑛
𝑍 ~𝑁 ,1
𝜎
e H1 for verdadeira, um erro tipo II será cometido somente se – 𝑍 /2 ≤ 𝑍 ≤ 𝑍 /2.

Fórmulas do Tamanho da Amostra

Tamanho da Amostra para um Teste Unilateral para a Média, Variância Conhecida

Exemplo 2 | Erro Tipo II para a taxa de queima de propelente

 Considere o problema do propelente de foguete do Exemplo 9.2. Suponha que a taxa
verdadeira de queima seja de 49 centímetros/segundo. Qual é o valor de β para o teste
bilateral, com α = 0,05, σ = 2 e n = 25?
Aqui, δ = 1 e = 1,96. Da Equação 9.20,

√25 √25
𝛽 = Φ 1,96 − − Φ −1,96 − = Φ(−0,54) − Φ(−4,46) = 0,295
σ σ

Existe probabilidade de cerca de 0,3 de que essa diferença de 50 centímetros por

segundo não seria detectada. Ou seja, probabilidade de cerca de 0,3 de que o teste falhará
em rejeitar a hipótese nula quando a verdadeira taxa de queima for de 49 centímetros por
segundo.
Uma amostra de tamanho n = 25 parece razoável, mas não de grande potência = 1 – β
= 1 – 0,3 = 0,70.
Suponha que o analista deseje planejar o teste de modo que, se a taxa média verdadeira
de queima diferir de 50 centímetros por segundo, por não mais que 1 centímetro por
segundo, o teste detectará isso (ou seja, rejeita H0: µ = 50) com alta probabilidade, digamos
de 0,90. Agora, notamos que σ = 2, δ = 51 – 50 = 1, α = 0,05 e β = 0,10. Uma vez
que zα/2 = z0,025 = 1,96 e zβ = z0,10 = 1,28, o tamanho requerido da amostra para detectar esse
desvio de H0: µ = 50 é encontrado pela Equação 9.22 como

𝑍 +𝑍 𝜎 (1,96 + 1,28) 2
𝑛≅ = ≅ 42
𝛿 (1 )

A aproximação é boa, desde que Φ −𝑧 − 𝛿 = Φ −1,96 − (1) = Φ(−5,20) ≅

0, que é pequena em relação a β.
Para conseguir uma potência muito maior de 0,90, é necessário um tamanho de amostra
grande, n = 42, em vez de n = 25.

EXEMPLO 3 | Tamanho da Amostra a Partir da Curva CO para a Taxa de Queima do

Propelente

Suponha que, se a taxa média verdadeira de queima diferir de 50 centímetros por

segundo, por não mais que 1 centímetro por segundo, o teste detectará isso (ou seja,
rejeitará H0: µ= 50) com uma probabilidade alta, como 0,90. Esse é exatamente o mesmo
requerimento do Exemplo 9.3, em que usamos a Equação 9.22 para encontrar o tamanho
requerido da amostra como n = 42. As curvas características operacionais podem também
ser usadas para encontrar o tamanho da amostra para esse teste. Visto que d = |µ − µ0|/σ =
1/2, α = 0,05 e β = 0,10, encontramos, a partir do Gráfico VIIa do Apêndice A, que o
tamanho requerido para a amostra é aproximadamente n = 40. Esse valor é muito próximo
àquele calculado pela Equação 9.22.

Em geral, as curvas características operacionais envolvem três parâmetros: β, d, e n.

Dados dois quaisquer desses parâmetros, o valor do terceiro pode ser determinado.
9.2.3 Teste para Amostras Grandes
O procedimento de teste para a hipótese nula H0: µ = µ0 foi desenvolvido considerando
que a população fosse distribuída normalmente e que σ2 fosse conhecida. Em muitas das
situações práticas, σ2 será desconhecida. Além disso, não tem como estar certo de que a
população seja bem modelada por uma distribuição normal. Nessas situações, se n for
grande (n ≥ 40), o desvio-padrão s da amostra poderá substituir σ nos procedimentos de
teste, tendo pouco efeito. Dessa maneira, embora tenhamos dado um teste para a média de
uma distribuição normal, com σ2 conhecida, ele pode ser facilmente convertido em
um procedimento de teste para amostra grande no caso de σ2 desconhecida, que seja válido,
independentemente da forma da distribuição da população. Esse teste para amostra grande
se baseia no teorema central do limite, tal qual o intervalo de confiança para µ no caso de
amostra grande, que foi apresentado no capítulo prévio. O tratamento exato do caso em que
a população é normal, com σ2 sendo desconhecida e n sendo pequeno, envolve o uso da
distribuição t, e será analisado na próxima seção.

9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL,

VARIÂNCIA DESCONHECIDA

9.3.1 Teste de Hipóteses para a Média

Os testes de hipótese são constituídos de alternativas que são testadas. Uma população
tem uma amostra retirada e através da aplicação de teoria de probabilidades é possível tirar
conclusões em relação a essa amostra, a validade de teste descreverá testes para suposição
de as distribuições da população seja no mínimo aproximadamente normal.
O resultado importante sobre qal procedimento de teste se baseia é que 𝑥 𝑥 …𝑥
É uma amostra aleatória proveniente de uma distribuição normal, com 𝜇 e 𝑣 a variação
aleatória.

Tem uma distribuição t com n – 1 graus de liberdade.

Testes de Hipóteses
𝐻 :𝜇 𝜇
𝐻 :𝜇 ∕ 𝜇
Estatística de teste:

̅∕
 Se a hipótese nula for verdadeira, t0 terá uma distribuição t com n – 1 graus de
liberdade. Quando a distribuição de estatística de teste H0 é verdadeira chamamos de
distribuição nula.

Nesse caso será usado os pontos percentuais t – tu2n -1 e ta/2n-1, como os limites da
região crítica, de modo que rejeitaríamos 𝐻 : 𝜇 = 𝜇

Sendo t0 o valor observado da estatística de teste T0. O procedimento de teste é muito similar
ao teste para a média com variância conhecida.
Vamos apresentar agora um resumo dos procedimentos de teste para as hipóteses
alternativas uni e bilaterais:

Teste de hipóteses para uma única amostra:

No exemplo 6, ele fala sobre o projeto taco de golfe, onde é relatado que tacos com
cabeças ocas e faces muito finas pode resultar em tacadas muito mais longas, isso se deve
pelo efeito mola que a face fina impõe a bola. Então sabemos que ao bater na bola de golfe
com a cabeça do taco e medir a razão entre a velocidade de saída da bola e velocidade de
chegada podem qualificar no efeito mola. A razão da velocidade é chamada de coeficiente
de restituição do taco. Então foi realizado um experimento onde bolas de golfe foram
atiradas a partir de um canhão de ar, de modo que a velocidade de chegada e a taxa de giro
da bola poderiam ser precisamente controladas. Determinado se há evidencia (com ∝ - 0,05)
que suporte a afirmação de que o coeficiente médio de restituição exceda 0.82.
0.8411 0.8191 0.8182 0.8125 0.8750

0.8580 0.8532 0.8483 0.8276 0.7983

0.8042 0.8730 0.8282 0.8359 0.8660

A média e o desvio-padrão da amostra são 𝑥⃗ = 0,83725 e s = 0,02456.
Foi usado o procedimento de 8 etapas para o teste de hipóteses.

1. O parâmetro de interesse é o coeficiente de restituição, 𝜇

2. 𝐻 : 𝜇 = 0,82
3. 𝐻 : 𝜇> 0,82, queremos rejeitar 𝐻 se o coeficiente médio de restituição exceder 0,82.
4. ∝ = 0,05
5. 𝑎 𝑒𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑎 𝑑𝑒𝑠𝑠𝑒 é
𝑥−𝜇
𝑡 =
𝑠 ∕ √𝑛
6. 𝑅𝑒𝑗𝑒𝑖𝑡𝑒 𝐻 se t0 > t0,05.14 – 1.761
7. Cálculos: Já que x = 0,83725, s=0,02456, 𝜇 = 0.82 e n = 15, temos

8. Conclusões: uma vez que t0 = 2,72 > 1, 761, rejeitamos 𝐻 e conclui-se que em um
nível de 0.05 de significância, que o coeficiente médio de restituição excede 0,82.

9.3.2 Valor P para um teste t

O valor P para um teste t é apenas o menor nível de significância no qual a hipótese
nula seria rejeitada. Uma vez que a tabela t do Apêndice A contém somente 10 valores
críticos para cada distribuição t, o cálculo exato do valor P diretamente da tabela é
geralmente impossível. No entanto, é fácil encontrar os limites superior e inferior para o
valor P a partir dessa tabela.

T0 = 2,72, esse valor está entre dois valores tabelados, 2,624 e 2,977. Desse modo, o valor
P tem de estar entre 0,01 e 0,005. Esses são efetivamente os limites superior e inferior para
o valor P. O valor 2,624 <t0 <2,977, de modo que os limites inferiores são superiores para
o valor P seriam 0,01 = 2(0,005) < valor P < 0,02 – 2(0,01) para esse caso.

9.3.3 Erro Tipo II e Escolha do Tamanho da Amostra

A probabilidade de erro tipo II para testes na média de uma distribuição normal com
variância desconhecida dependerá da distribuição da estatística de teste na equação 9-23,
quando hipótese nula 𝐻 : 𝜇 = 𝜇 for falsa. Quando o valor verdadeiro da média for 𝜇 =
𝜇 + 8, a distribuição para T0 será chamada de distribuição-não central t, com n -1 grau
de liberdade e parâmetro de não-centralidade 8√𝑛 ∕ 𝜎. Se 8=0 então a distribuição t não
centralizada se reduz á usual distribuição t central. O erro do tipo II da alternativa bilateral
seria:

Em que T0 denota a variável aleatória não-central t.

Potencia e Tamanho da Amostra
Teste t para uma amostra
Testando média nula (versus > nula)
Calculando a potencia para a média nula + diferença
Alfa – 0,05 sigma – 0,02456
Diferença Tamanho da Potência Alvo Potência Real
Amostra
0,01 39 0,8000 0,8029

O Minitab reproduz a solução para o Exemplo 7-7, verificando que um tamanho de

amostra de n=15 é adequada para fornecer potência de no mínimo 0,8 por no mínimo 0,02.
Foi calculado a potência para detectar uma diferença entre 𝜇 e 𝜇 – 0,82 de 0,01. Então
temos n =15, a potência cai consideravelmente para 0,4425. A porção final da saída é o
tamanho da amostra requerido para uma potência de no mínimo 0,8, se a diferença entre
𝜇 𝑒 𝜇]} de interesse for realmente 0,01. Um n muito maior é requerido para detectar essa
diferença menor.

9.4 TESTES PARA A VARIÂNCIA E PARA O DESVIO-PADRÃO DE

UMA DISTRIBUIÇÃO NORMAL
 Muitas das vezes, são necessários testes de hipóteses e intervalos de confiança para a
variância ou desvio-padrão da população. Hipóteses são sempre afirmações sobre a
população ou distribuição sob estudo, não afirmações sobre a amostra, o intuito é determinar
se o valor dos parâmetros variou, porém, o nosso aqui somente verificar a teoria ou modelo.
Testar hipóteses envolve considerar uma amostra aleatória, computar uma estatística de
teste a partir de dados amostrais e então usar a estatística de tese para tomar uma decisão a
respeito da hipótese nula.

9.4.1 Testes de Hipóteses para a Variância

Para teste de uma hipótese para uma variância
𝐻 ∶ 𝜎 = 𝜎 (𝐻𝑖𝑝𝑜𝑡𝑒𝑠𝑒 𝑛𝑢𝑙𝑎)
𝐻 ∶ 𝜎 ≠ 𝜎 (𝐻𝑖𝑝𝑜𝑡𝑒𝑠𝑒 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎)
Sempre lembrando que:
Erro Tipo I: rejeição da hipótese nula 𝐻 quando ela for verdadeira.
Erro Tipo II: a falha em rejeitar a hipótese nula quando ela é falsa.

E usando da estatística de teste, temos que:

(𝑛 − 1)𝑆²
𝑋 =
𝜎

Onde temos que 𝑛 é o número de uma amostra aleatória proveniente de uma

população. Caso 𝐻 seja verdadeira, então a estatística de teste 𝑋 segue a distribuição
qui-quadrado, com n-1 graus de liberdade. Distribuição de referência para esse
procedimento de teste. De modo a executar um teste de nível de significância fixo,
tomaríamos uma mostra aleatória proveniente da população de interesse calcularmos 𝑋 , o
valor da estatística de teste 𝑋 e a hipótese 𝐻 ∶ 𝜎 = 𝜎 seria rejeitada se

𝑋 > 𝑋∝, 𝑂𝑈 𝑋 < 𝑋 ∝

,

Usando a mesma ideia em um caso de uma hipótese unilateral

𝐻 ∶𝜎 =𝜎
𝐻 ∶𝜎 >𝜎

Onde 𝐻 seria rejeitado, se 𝑋 < 𝑋 ∝

, .
EXEMPLO 1
Uma máquina de enchimento automático é utilizada para encher garrafas com
detergente líquido. Uma amostra aleatória de 20 garrafas resulta em uma variância amostral
de volume de enchimento de enchimento de s²= 0,0153. Se a variância do volume de
enchimento exceder 0,01 (onça fluida) ², existirá uma proporção inaceitável de garrafas cujo
enchimento não foi completo ou foi em demasia. Há evidência nos dados da amostra
sugerindo que o fabricante tenha um problema com garrafas com falta ou excesso de
detergente? Use 𝛼 = 0,05 e considere que o volume de enchimentos tem distribuição
normal.
O parâmetro de interesse é a variância da população 𝜎
Sabemos também que a hipótese nula é 𝐻 ∶ 𝜎 = 𝜎 e hipótese alternativa 𝐻 ∶ 𝜎 ≠ 𝜎
Logo usaremos a estatística de tese que é
(𝑛 − 1)𝑆²
𝑋 =
𝜎
Em seguida usando 𝛼 = 0,05 e rejeitando 𝐻 se 𝑋 > 𝑋 . , = 30,14
Fazendo a substituição
19(0,0153)
𝑋 = = 29,07
0,01
Visto claramente que houve uma variância no volume de enchimento excedendo 0,01 (onça
fluida) ².

9.4.2 Erro Tipo II e Escolha de Tamanho da Amostra

De maneira geral o erro tipo II está ligado ao tamanho da amostra, ao tamanho do
efeito teste e ao nível de significância. Portanto, para atingir determinado valor beta, seria
necessário determinar antes o tamanho do efeito, amostra e significância. O cálculo do 𝛽
depende do teste que for realizado e leva em consideração o nível de significância, o
tamanho do efeito da amostra.
O uso gráfico de curvas pode ser usado para avaliar o 𝛽 associado com um teste
particular.
𝜎
ʎ=
𝜎
Para hipótese alternativa bilateral os gráficos (a) e (b) plotam 𝛽 contra um parâmetro
na abscissa
 (a)𝐻 ∶ 𝜎 > 𝜎 (b) 𝐻 ∶ 𝜎 < 𝜎
Para vários tamanhos n de amostra, em que 𝜎 denota o valor verdadeiro do desvio-padrão.

EXEMPLO 2
Considere o problema do enchimento das garrafas do exemplo 1. Se a variação do
processo exceder 0,01(onça fluida) ², então muitas garrafas não serão cheias completamente.
Dessa forma, o valor da hipótese do desvio-padrão é 𝜎 = 0,10. Suponha que, se o desvio-
padrão verdadeiro do processo de enchimento excedesse esse valor por 25% gostaríamos de
detectar isso com uma probabilidade de no mínimo 0,80. O tamanho da amostra de n=20 é
adequado?
Para resolver o problema basta substituir os valores na equação
𝜎 0,125
ʎ= = = 1,25
𝜎 0,10
encontramos então o parâmetro da abscissa para o gráfico VIIk, e partir desses resultados
𝑛 = 20 𝑒 ʎ = 1,25, encontraremos que 𝛽 ≅ 0,6. Porém há apenas 40% de chance de a
hipótese nula ser rejeitada, se o desvio-padrão verdadeiro for realmente tão alto quanto é
𝜎 = 1,25. Fazendo a redução de 𝛽 a partir de uma curva característica operacional, com
𝛽 = 0,20 𝑒 ʎ = 1,25 , chegamos ao resultado de n=75, aproximadamente. Assim o
tamanho da amostra tem de ser no mínimo 75 garrafas.

9.5 TESTES PARA A PROPORÇÃO DE UMA POPULAÇÃO

Frequentemente, é necessário testar hipóteses para a proporção de uma população.

Por exemplo, suponha que uma amostra aleatória de tamanho n lenha sido retirada de uma
grande (possivelmente infinita) população e que X (*- n) observações nessa amostra
pertençam a uma classe de interesse. Então, PX7 um pectinador pontual da projeção da
população que pertence a essa classe Note que n e p são os parâmetros de uma distribuição
binomial. Aléni disso, sabemos que a disiribuição amostrai de Pé aproximadamente normal
com média P c variânciap (I — p)/n. se p não estiver muito próximo de 0 ou1 c se n for
rclaiivamentc grande. Tipicamente, para aplicar essa aproximação, necessitamos que np e
/:(I /)) sejam maiores do que ou iguais a 5. Daremos um leste para amostras grandes que luz
uso da aproximação da distribuição binomial pela normal.
9.5.1 Testes para uma Proporção, Amostra Grande

Em muitos problemas de engenharia, estamos preocupados com uma variável

aleatória que siga a distribuição binomial. Por exemplo, considere um processo de
produção que fabrica itens que são classificados como aceitáveis ou defeituosos. É
geralmente razoável modelar a ocorrência de defeitos com a distribuição binoinia em que
o parâmetro binomial p representa a proporção de itens defeituosos produzidos.
Consequentemente. muitos problemas de decisão em engenharia incluem teste de hipóteses
sobre p.

Um teste aproximado, baseado na aproximação da binomial pela normal será dado

Como notado anteriormente. esse procedimento aproximado será válido desde quep
não esteja catrimaniense próximo de zero ou um c se o tamanho da amostra for
relativamente grande. Seja X o número de observações cm uma amostra aleatória de
tamanho tt que pertença à classe associada coin />. Então, se a hipótese nula p - p.
for verdadeira, teremos

Note que a distribuição normal padrão é a distribuição de referencia para essa

estatistica de teste Regiões críticas para hipóteses alternativas unilaterais seriam construídas
da maneira usual.

EXEMPLO 9-10 | Controlador de Motor de Automóveis

Um fabricante de semicondutores produz circuladores usados com aplicações no

motor de automóveis. O consumidor requer que a fração defeituosa em uma etapa crítica de
fabricação não exceda 0,05 e que o fabricante demonstre uma capacidade de processo nesse
nível de qualidade, usando α - 0.05. O fabricante de semicondutores retira uma amostra
aleatória de 200 aparelhos e encontra que quatro deles são defeituosos. O fabricante pode
demonstrar uma capacidade de processo para o consumidor?
Podemos resolver este problema, usando o procedimento das oito etapas do teste de
hipóteses, conforte se segue.
1. () parâmetro de interesse è a fração deleitiiova do processo, p.
2. //r:p- ÜJ)5
3. < 0,05

Essa formulação do problema permitirá ao fabricante fazer uma afirmativa forte sobre a
capacidade do processo, se a hipótese nula
//„: p — 0.05 for rejeitada. 4. cx - 0,05
5. A estatística de teste é (da Equação 9-32)

6. Rejeite 0,05 se é ,’

7. Cálculamos a estatística de teste c 1 9<

Amostra X 200V‘200(0.05){0(95)
8. Conclusões: uma vez. Que 1,95 temos //,, e concluímos que a fração defeituosa do
processo,/*, é menor do que 0.05. O valor P para esse valor da estatística de teste e P 0.0256.
que é menor que ix 0.05. Concluímos que o processo é capaz.

Urna outra forma da estatística de teste, Zw, na Eq. 9-32 é ocasionalrnente encontrada. Note
que se X foro número de observações um uma amostra aleatória de tamanho ?? que pertença
a uma classe de interesse, então P — X/n e a proporção amostrai que pertence àquela classe.
Agora, divida o numerador e o denominador de Z

Essa equação apresenta a estatistica de teste em termos da proporção amostrai, em vez do

número de itens X na amostra que pertence à classe de interesse.Pacotes estatisticos
comerciais gcraJnicmc
A saída do Minitab para o Exemplo 9-10 é dada a seguir.
Note que são mostradas ambas as estatisticas de teste (e o valor Pque acompanha) e o [imite
unilateral superior de confiança de
95%. O limite unilateral superior de confiança de 95'3 ê 0.036283, que é menor do que 0.05. Isso
é consistente com a rejeição da hipótese nula: p — 0.05.
9-5*2 Erro Tipo II e Escolha do Tamanho
da AmostraPuni os lestes na Seção 9-5.1. será possível obter equações exatas para o erro |3
aproximado. Suponha que/> seja o valor verdadeiro da proporção da população- O erro |5
aproximado para a alternativa bilateral f~l\: p pf, c
Pn - p + -u/2 V^ü( 1 - /O/»V>(1 - ;?)/nV- j?)/x
fornecem o teste Z para uma amostra aplicado à proporção.
Referências Bibliográficas além do livro
https://www.ufrgs.br/probabilidade-estatistica/slides/slides_3/3-
2_Testes%20de%20Hipoteses_Medias.pdf
https://www.ime.usp.br/~leugim/aulas/MAE229/AULA5.pdf