NOES DE TESTE DE

HIPTESES (II)
Teste de Hipteses sobre p

Nvel Descritivo
1
Resumo
(1) Estabelecer as hipteses sobre p:
H: p = p
0
x A: p = p
0
;

(ou A: p > p
0
, ou A: p < p
0
)
(2) Escolher um nvel de significncia o.
(3) Determinar a regio crtica RC da forma
{ X s k
1
, X > k
2
}; (ou { X > k } ou { X s k })
2
(4) Selecionar uma amostra: obter X = x
(5) Regra de Deciso: x e RC rejeitamos H
x e RC no rejeitamos H
Fixar o e obter RC
ou
Fixar RC e obter o
X ~ binomial (n; p )
Exemplo 1: Uma indstria de medicamentos afirma que o
processo de fabricao de embalagens produz 90% de
itens dentro das especificaes. O IPEM deseja investigar
se este processo de fabricao ainda est sob controle.
Regio crtica: RC = {X s k}
Seleciona-se uma amostra aleatria de 15 itens e se
observa o nmero de itens satisfatrios (X),
H: p = 0,9
A: p < 0,9
Sendo p a proporo de embalagens dentro das
especificaes, as hipteses de interesse so:
X ~ b(15, p). ento
3
Logo, para o = 6%
Crtica: arbitrariedade na escolha da RC (nvel de
significncia).
b) o = 1%
a) o = 6%
Se x
obs
= 10 itens satisfatrios, ento
Para o = 1%
temos k = 11 e RC = {X s 11}.
temos k = 9 e RC = {X s 9}.
Rejeitamos H ao nvel de significncia de 6%.
10 e RC
No rejeitamos H ao nvel de significncia de 1%.
10 e RC

4
Sugesto: determinar um nvel de significncia
associado evidncia experimental.
O nvel de significncia seria
P(X s 10 | p = 0,9) = 0,0127.
Esse valor o nvel descritivo do teste.
Indicando-o por P, ento P = 0,0127.


Qual seria o nvel de significncia se fosse utilizada a
RC = { X s 10 } ?
Nesse exemplo, temos RC = {X s k} e x
obs
= 10.
NVEL DESCRITIVO: P (ou "P-value")


6
No exemplo, P = 0,0127.
Portanto, para um o fixado,

P s o rejeitamos H
P > o no rejeitamos H

Adotando o = 0,05, temos P < o e, portanto,
rejeitamos H.
7
Se o nvel de significncia o maior ou igual ao
nvel descritivo P, ento a regio crtica de nvel o
contm o valor observado e, portanto,
rejeitamos H.

Se tivermos x
obs
= 12, qual ser o nvel descritivo?
Nvel Descritivo o menor nvel de significncia
para o qual o resultado observado significante, ou
seja, conduz rejeio da hiptese nula H.
Concluso: no rejeitamos H.
= 0,1840 P = P (X s 12 | p = 0,9)
8
Exemplo 2: A diretoria de uma escola acredita
que neste ano a proporo p de alunos usurios
da Internet maior que os 70% encontrados no
ano anterior. Se uma pesquisa com 30 alunos,
escolhidos ao acaso, mostrou que 26 so
usurios da Internet, podemos concluir que a
afirmao da diretoria verdadeira?
H: p = 0,7
A: p > 0,7
Hipteses estatsticas:
9
rejeitamos H, ou seja, os
dados indicam que a proporo
de usurios aumentou ( maior
que 70%).
Se o = 5%, P < o
Concluso:
= 0,0301 P = P (X > 26 | p = 0,7)
nvel descritivo do teste dado por:
Se x
obs
= 26 usurios da Internet, o
Seja
X: n de usurios em 30 entrevistados.
X ~ b (30, p).
Ento

10
Uso da Aproximao Normal
Pergunta: Esses dados suportam a tese de
diminuio do analfabetismo na cidade de 1988
para 1998? E de 1988 para 2008?
Em 2008, entre 200 entrevistados, 19 eram analfabetos.
Vamos supor duas pesquisas:

Em 1998, entre 200 entrevistados, 27 eram analfabetos.
Pelo Anurio IBGE/1988: 15% de analfabetos.
Exemplo 3: Proporo de analfabetos em uma cidade
12
Em ambos os casos, o teste de interesse das
hipteses:
sendo p a proporo populacional de analfabetos na
cidade (no ano da pesquisa).
H : p = 0,15
A : p < 0,15
Seja
X: n
o
de analfabetos em 200 cidados entrevistados
(no ano da pesquisa).
Ento,
X ~ b(200, p).
13
1) Se adotarmos RC = {X s 23}
Concluso:
Em 2008, x
obs
= 19 e RC Rejeitamos H
Em 1998, x
obs
= 27 e RC No rejeitamos H

o = P(rejeitar H | H verdadeira)
= 0,0958
= P( X s 23 | p = 0,15)
Clculo do nvel de significncia:
= 0,2016
= P(X > 23 | p = 0,10)
|(0,10) = P(no rejeitar H | p = 0,10)
Clculo do tamanho do erro tipo II:
14
o = P( X s 23 | p = 0,15)
Usando aproximao normal:
E(X) = np = 2000,10 = 20
Var(X) = np(1-p) = 2000,100,90 = 18
DP(X) = \18 = 4,24
| (0,10) = P(X > 24 | p = 0,10)
E(X) = np = 2000,15 = 30
Var(X) = np(1-p) = 2000,150,85 = 25,5
DP(X) = \25,5 = 5,05
( ) 0823 0 39 1 , , Z P = s =
|
.
|

\
|

> ~
24 4
20 24
,
Z P |(0,10)
o
|
.
|

\
|

s ~
05 5
30 23
,
Z P
( ) 1746 0 94 0 , , Z P = > =
16
2) Adotando o nvel descritivo:
Usando aproximao:
rejeitamos H em 2008, P < o
no rejeitamos H em 1998, P > o
Concluso: fixando o = 5%,
= 0,3164
= 0,0148 P = P(X s 19 | p = 0,15) Em 2008, x
obs
= 19
P = P(X s 27 | p = 0,15) Em 1998, x
obs
= 27
( ) 2776 0 59 0 , , Z P = s =
( ) 0146 0 18 2 , , Z P = s =
Em 1998, P = P(X s 27 | p = 0,15)
|
.
|

\
|

s ~
05 5
30 27
,
Z P
Em 2008, P = P(X s 19 | p = 0,15)
|
.
|

\
|

s ~
05 5
30 19
,
Z P
17
Exemplo 3: Uma pesquisa considerou 92 voluntrios para
fazerem parte do estudo sendo que cada um deles jogava
uma moeda. O voluntrio seria submetido ou no a um teste,
conforme o resultado fosse cara ou coroa. Os seguintes
resultados foram obtidos:
Voluntrios
n caras 35
n coroas 57
Total 92
Com base nos resultados dos 92 lanamentos voc diria que
a moeda usada era honesta? Tome a deciso com base no
nvel descritivo.
18
H: p = 0,5
A: p = 0,5
Hipteses estatsticas:
sendo p a probabilidade de coroa da moeda.
Seja
X: n
o
de coroas em 92 lanamentos da moeda.
Ento, X ~ b(92, p).

Sob H, p=0,5 e E(X)=92x0,5= 46, Var(X)=92x0,5x0,5=23


19
Como a hiptese alternativa bilateral, no clculo
do valor P, devemos considerar que a regio
crtica envolve os valores de X que se distanciam
muito (para mais ou para menos) do valor previsto
pela hiptese nula H.


Sob H, o valor esperado de X 46.

Como x
obs
= 57, que maior que 46, calcula-se

P(X > 57 | p = 0,50)


20
Usando a aproximao normal :
( ) 011 0 29 2 , , Z P = > =
|
.
|

\
|

> ~
23
46 57
Z P
P > o No rejeitamos H Para o = 1%,
e o nvel descritivo ser P = 2 x 0,011=0,022
21
Para o = 5%, P < o Rejeitamos H

22
|
.
|

\
|

s =
23
46 34
2

Z P P
P = 2 P ( Z s - 2,5 ) = 2 x [ 1 A( 2,5) ]

= 2 x [1- 0,9938] = 0,0124 .
Se o valor de x
obs
fosse menor que 46, por
exemplo, x
obs
= 34, ento