Resumo de Teste de Hipóteses Estatísticas
Teste de Hipóteses Estatísticas: Guia Completo para Estudantes
Introdução
Os testes de proporções analisam se a proporção de uma característica em uma população difere de um valor hipotético ou atende a uma direção específica. São ferramentas fundamentais em estudos de qualidade, pesquisas e controles de processos para avaliar mudanças em percentuais ou partes de um todo.
Definição: Um teste de proporções avalia se a proporção populacional $p$ é igual, maior ou menor que um valor hipotético $p_0$ usando as informações de uma amostra e um nível de significância $\alpha$.
Conceitos-chave detalhados
População, amostra e proporção amostral
- População: conjunto completo de interesse (por exemplo, todas as entregas de uma empresa).
- Amostra: subconjunto selecionado aleatoriamente.
- Proporção amostral: $\hat{p} = \frac{x}{n}$ onde $x$ é o número de sucessos na amostra e $n$ o tamanho da amostra.
Hipóteses para testes de proporções
- Teste bilateral (duas caudas): usado para detectar qualquer diferença em relação a $p_0$.
$$H_0: p = p_0$$
$$H_1: p \neq p_0$$ - Teste unilateral à direita (cauda direita): usado quando se espera um aumento.
$$H_0: p \leq p_0$$
$$H_1: p > p_0$$ - Teste unilateral à esquerda (cauda esquerda): usado quando se espera uma diminuição.
$$H_0: p \geq p_0$$
$$H_1: p < p_0$$
Definição: Valor crítico — número que delimita a região de rejeição de $H_0$ para um nível de significância $\alpha$; obtido da distribuição normal padrão ou por meio de calculadora inferencial.
Estatística de teste
Para amostras suficientemente grandes (regra prática: $np_0 \ge 5$ e $n(1-p_0) \ge 5$), usa-se a estatística z: $$z = \frac{\hat{p} - p_0}{\sqrt{\frac{p_0\left(1-p_0\right)}{n}}}$$ A decisão é tomada comparando $z$ com os valores críticos de acordo com o tipo de teste.
Regiões de rejeição e não rejeição
- Região de rejeição: se a estatística cair nesta região, rejeitamos $H_0$.
- Região de não rejeição: não há evidência suficiente para rejeitar $H_0$.
Tabela comparativa de tipos de teste
| Tipo de teste | Hipótese nula $H_0$ | Hipótese alternativa $H_1$ | Região de rejeição (exemplo para $\alpha$) |
|---|---|---|---|
| Bilateral | $p = p_0$ | $p \neq p_0$ | $ |
| Unilateral direita | $p \le p_0$ | $p > p_0$ | $z > z_{1-\alpha}$ |
| Unilateral esquerda | $p \ge p_0$ | $p < p_0$ | $z < -z_{1-\alpha}$ |
Procedimento passo a passo
- Definir $p_0$, $\alpha$ e o tipo de teste (bilateral ou unilateral).
- Coletar a amostra e calcular $\hat{p} = \frac{x}{n}$.
- Verificar as condições: $np_0 \ge 5$, $n(1-p_0) \ge 5$.
- Calcular o estatístico: $$z = \frac{\hat{p} - p_0}{\sqrt{\frac{p_0\left(1-p_0\right)}{n}}}$$
- Encontrar o(s) valor(es) crítico(s) para $\alpha$.
- Concluir: comparar $z$ com o(s) valor(es) crítico(s) e decidir rejeitar ou não $H_0$.
Exemplos Práticos
Exemplo 1 (a partir do material)
Uma empresa deseja avaliar se seu novo sistema aumentou a pontualidade de entregas em relação aos 85% anteriores. Formula-se:
$$H_0: p \le 0{,}85$$
$$H_1: p > 0{,}85$$
Este é um caso de teste unilateral à direita porque se busca demonstrar um aumento.
Exemplo 2: Aplicação de calculadora inferencial (bilateral)
Historicamente, $p_0 = 0{,}70$. Considera-se $n = 200$ e $x = 154$, então $\hat{p} = \frac{154}{200} = 0{,}77$. Com $\alpha = 0{,}05$ e teste bilateral:
- Calcular o estatístico:
$$z = \frac{0{,}77 - 0{,}70}{\sqrt{\frac{0{,}70\left(1-0{,}70\right)}{200}}}$$ - Resultado: se $|z| > z_{0{,}975} = 1{,}96$, rejeita-se $H_0$. No exemplo mostrado, a calculadora indica evidência suficiente para rejeitar $H_0$ a $5%$.
Exemplo 3 (Atividade 2 adaptada)
Uma empresa de comércio eletrônico garante pelo menos $95%$ das entregas sem erros. Amostra: $n = 250$, $x = 231$, $\hat{p} = \frac{231}{250} = 0{,}924$. As hipóteses apropriadas são:
$$H_0: p \ge 0{,}95$$
$$H_1: p < 0{,}95$$
Trata-se de um teste unilateral à esquerda (busca-se evidência de diminuição). Calc
Regista-te para o resumo completoJá tem uma conta? Entrar
Testes de proporções
Klíčové pojmy: Calcular $\hat{p}=\frac{x}{n}$ antes de qualquer teste, Usar teste bilateral se o objetivo for detectar qualquer diferença em relação a $p_0$, Usar teste unilateral à direita se o objetivo for detectar um aumento: $H_1: p>p_0$, Usar teste unilateral à esquerda se o objetivo for detectar uma diminuição: $H_1: p<p_0$, Estatística de teste para amostras grandes: $z=\frac{\hat{p}-p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}}$, Verificar as condições: $np_0\ge 5$ e $n(1-p_0)\ge 5$, Comparar $z$ com os valores críticos ou usar o p-valor para a decisão, Redigir a conclusão indicando o nível de significância $\alpha$, Para proporções extremas ou amostras pequenas, usar testes exatos, Os valores críticos dependem de $\alpha$ e do tipo de teste