Teste de Hipóteses

Aula 21

BUSSAB e MORETTIN, 2004, 5a ed.,

cap. 12

MEYER, 1983, 2a ed.,

cap. 15
 Introdução

Um dos problemas a serem resolvidos pela

Inferência Estatística é o de testar uma
hipótese. Isto é, feita uma determinada
afirmação sobre uma população, usualmente
sobre um parâmetro desta, desejamos saber se
os resultados de uma amostra trazem
evidências ou não para refutar tal afirmação.
2
 Exemplo 1
A distribuição de probabilidades do número de pontos
em um exame de inglês pode ser aproximada por uma
normal com média igual a 80 e desvio padrão igual a 8.
Porém, devido a uma série de mudanças no formato da
prova, especialistas desconfiam que, apesar da
distribuição continuar a mesma, o valor médio tenha
aumentado e desejam testar essa afirmação através de
um teste de hipóteses. Aqui, é importante ressaltar que,
de acordo com os especialistas, não existem
desconfianças sobre quaisquer alterações no valor do
3
desvio padrão.
 Exemplo 1 (cont.)

Sorteados 36 estudantes, ao acaso, que fizeram

recentemente o exame, sob esse novo formato, foi
observada uma nota média igual a 86. De acordo com
o resultado observado, qual deve ser a conclusão
deste teste?

4
 Teste de Hipóteses

O resultado amostral indica que

(i) o número médio de pontos no exame de
inglês obtido por toda a população de estudantes
que prestam tal exame aumentou?
ou
(ii) tal valor observado deve ser decorrência do mero
acaso? 5
 Teste de Hipóteses

Será que o número médio de pontos no exame de

inglês poderá ser considerado igual a 80, em 95% das vezes
que amostras de tamanho 36 forem observadas?

Qual a probabilidade dos especialistas estarem corretos,

considerando os dados amostrais obtidos na pesquisa?

6
 Teste de Hipóteses
A teoria do teste de hipóteses fornece métodos para a tomada
de decisão a respeito de hipóteses formuladas, informando
também sobre o risco de erro que acompanha a decisão.

O erro de decisão não pode ser evitado, mas sua probabilidade

de ocorrência pode ser controlada ou mensurada, obtendo-se
uma medida de validade das conclusões obtidas.

Apenas para lembrar: uma hipótese estatística é uma

afirmação feita sobre parâmetros de uma ou mais
populações.
7
 Teste de Hipóteses
O procedimento básico de um teste de hipóteses consiste em
supor verdadeira uma das hipóteses em questão e verificar se
a amostra observada apresenta evidências que levam à
rejeição ou não desta hipótese.

Do exposto, podemos perceber que o objetivo do teste

estatístico de hipóteses será o de fornecer ferramentas que nos
permitam refutar ou não uma hipótese (estatística) a partir dos
resultados provenientes de uma (ou mais) amostra(s).
8
 Procedimento Geral do Teste de Hipóteses

A construção de um teste de hipótese, para um parâmetro

populacional, pode ser colocada da seguinte forma:
a) Existe uma variável aleatória X em uma dada população.
b) Tem-se uma hipótese sobre determinado parâmetro
dessa população. Por exemplo, afirmamos que esse valor é
um número 0.
c) Coleta-se uma amostra aleatória de elementos dessa
população e através dos resultados observados, com base
nesta amostra, tem-se o desejo de verificar se a tal hipótese
pode ou não ser refutada.
9
 Formulação das Hipóteses do Teste
Iniciamos, então, explicitando claramente qual a hipótese que
estamos colocando à prova, e a chamamos de hipótese nula
(H0). No nosso caso:
H0 : θ  θ0 .
Em seguida, convém explicitar também a hipótese que será
adotada, caso H0 seja rejeitada. A esta outra hipótese daremos
o nome de hipótese alternativa, e a sua caracterização
estatística irá depender do grau de conhecimento que se tem
do problema estudado.
10
 Formulação das Hipóteses do Teste

A alternativa mais geral seria

H A : θ  θ0

Poderíamos, ainda, ter alternativas da forma

H A : θ  θ0 ou H A : θ  θ0
dependendo das informações que o problema fornecer.

11
 Voltando ao Exemplo 1
No caso do Exemplo 1, os especialistas devem fixar como
hipótese nula que = 80, uma vez que esse é o valor médio
que vem ocorrendo historicamente. Ainda, devido às mudanças
no formato da prova, a hipótese alternativa mais apropriada a
se fixar é a de que > 80.
Assim, teremos, então:
H 0 :   80 pontos
H A :   80 pontos
Note que as hipóteses foram formuladas em termos do
parâmetro da população. Isso ocorre porque há interesse em
avaliar todo o processo, isto é, o resultado de toda a população
de candidatos que prestam tal exame de inglês.
 Teste de Hipóteses
O objetivo do teste de hipótese é dizer, através de uma
estatística θ̂ , obtida a partir de uma amostra, se
existem evidências ou não para refutar a hipótese H0.
Operacionalmente, isto é conseguido através da
construção de uma região denotada por RC.
Caso o valor observado da estatística pertença a
esta região RC, rejeitamos H0; caso contrário,
dizemos que não existem evidências para a rejeição de
H0.
13
 Voltando ao Exemplo 1
Como estamos interessados em discriminar entre um
valor de = 80 contra valores de superiores a 80,
parece razoável refutarmos que seja igual a 80 se o
erro amostral
X  80
for “muito grande”. Intuitivamente, refutaríamos = 80
se

X  80  C.
14
 Teste de Hipóteses

A região RC é construída de modo que

P(θ̂  RC | H 0 é verdadeira)

seja igual a , que é um número fixado.

15
 Teste de Hipóteses

RC recebe o nome de região crítica ou região

de rejeição (convém observar que a
construção da RC é SEMPRE feita
assumindo que H0 seja verdadeira).

16
 Possíveis Erros
Qualquer que seja a decisão tomada, estamos
sujeitos a cometer erros.
Para facilitar a linguagem, necessitamos das
seguintes definições:
Erro do tipo I – rejeitar H0 quando esta é
verdadeira.

Erro do tipo II – não rejeitar H0 quando esta é

falsa.
 Voltando ao Exemplo 1
ERRO TIPO I: erro cometido ao concluir, com base nos
resultados provenientes da amostra, que o número médio de
pontos no exame de inglês aumentou quando, na verdade, o
número médio de pontos no exame de inglês não aumentou.

ERRO TIPO II: erro cometido ao concluir, com base nos

resultados provenientes da amostra, que o número médio de
pontos no exame de inglês não aumentou quando, na
verdade, tal pontuação aumentou.
18
 Voltando ao Exemplo 1
De acordo com o problema:

Rejeitar a Hipótese Nula:

Os resultados estatísticos trazem evidências que a
desconfiança dos especialistas procede.

Não Rejeitar a Hipótese Nula:

Não existe nenhuma evidência estatística que
comprove a desconfiança dos especialistas.
19
 Nível de Significância do Teste
A probabilidade de cometer um erro de primeira
espécie é um valor arbitrário e recebe o nome de
nível de significância do teste.
Assim,
= P(erro do tipo I) =

= P(rejeitar H0 | H0 é verdadeira) =

= P( θ̂ RC | H0 é verdadeira)
20
 Nível de Significância do Teste

O resultado da amostra é cada vez mais

significante para rejeitar H0 quanto menor for
esse nível . Usualmente, esses valores são
fixados abaixo de 10%.

21
 Nível de Significância do Teste
Na construção do teste de hipóteses, procuramos
controlar o erro do tipo I, fixando a sua probabilidade
de ocorrência . Fixado esse número, a região de
rejeição RC é construída de modo que

P(θ̂  RC | H0 é verdadeira )  

Ou seja, admitindo que H0 seja verdadeira, estamos

admitindo conhecido(s) o(s) parâmetro(s) que
define(m) a distribuição da estatística usada no teste.
22
 Poder (Potência) de um Teste
Já, a probabilidade de erro do tipo II, na maioria dos
casos, não é possível calcular, pois a hipótese
alternativa usualmente não especifica uma única
possibilidade, mas uma família de possibilidades
alternativas. Em todo caso, chamamos de a
probabilidade de cometermos o erro do tipo II, isto é,

= P(erro do tipo II) =

= P(não rejeitar H0 | H0 é falsa) =
= P( θ̂ RC | H0 é falsa)
23
 Poder (Potência) de um Teste

Ainda, definida uma hipótese, H0, sobre um

parâmetro, , e determinada uma região crítica, RC,
para sua estatística, ̂ , chamaremos de função poder
do teste a função

()  1  ()  P(ˆ  RC | H0 é falsa)

24
 Poder (Potência) de um Teste

Essa função indica a probabilidade de uma decisão

correta, segundo as diversas alternativas do
parâmetro, e pode ser usada para julgar-se como
decidir entre dois testes para a mesma hipótese.

25
 Passos para Construção de um
Teste de Hipóteses

Primeiro Passo: Fixe qual a hipótese nula, H0, a ser

testada e qual a hipótese alternativa (HA).

Segundo Passo: Use a teoria estatística e as

informações disponíveis para decidir qual estatística
será usada para julgar a hipótese H0. Não se esqueça
de levantar as propriedades dessa estatística.
26
 Passos para Construção de um
Teste de Hipóteses

Terceiro Passo: Fixe a probabilidade de cometer

um erro de primeira espécie e use este valor para
construir a região crítica RC. Lembre que esta região
é construída para a estatística definida no segundo
passo, usando os valores hipotetizados por H0.

27
 Passos para Construção de um
Teste de Hipóteses

Quarto Passo: Use as informações fornecidas pela

amostra para encontrar o valor da estatística que
definirá a decisão.

Quinto Passo: Se o valor da estatística, observado na

amostra, não pertencer à região crítica, não rejeite H0;
caso contrário, rejeite.
28
 Exercício 1
(ANPEC – 2012 – Q01)

(MUITO FALSO!!!)

(FALSÍSSIMO!!!)

(F)
Estatística do Teste

Caso 1
(variância populacional conhecida)
Vamos considerar a seguinte hipótese nula:

H 0 :   0

Vimos que um estimador com boas propriedades para o

parâmetro é X .

Caso a variável de interesse seja normalmente distribuída com

média e variância 2,

 2 
X ~ N   , 
 n 

Obs.: Caso a distribuição de probabilidades da variável de

interesse seja desconhecida, podemos usar o TLC, desde que
n .
Ainda,
X 
~ N 0, 1

n

Porém, a quantidade anterior não pode ser usada

como estatística, uma vez que é um parâmetro
desconhecido. Entretanto, sob H0

X  0
Z ~ N 0, 1

n

pode ser considerada uma estatística.

Assim, sob a hipótese nula, podemos facilmente
calcular valor da estatística Z. Para concluir o teste,
precisamos construir a RC e verificar se o valor de Z
pertence ou não à RC, lembrando que esta região é
construída de modo que

P(Z  RC | H 0 é verdadeira)   .

A localização da RC depende das hipóteses

formuladas (olhar para o sentido de HA):
 Unilateral à direita
H0 : = o
HA : > o

 2 
Sob H0, X ~ N   0 , 
 n 

o X crítico
rej
. H0


Região crítica: Rejeita-se H0 para valores grandes da estatística de teste

 Unilateral à esquerda
H0 : = o
HA : < o

 2 
Sob H0, X ~ N  0 , 
 n 

X crítico o
 
rej . H 0

Região crítica: Rejeita-se H0 para valores “pequenos” da estatística de teste

 Bilateral
H0 : = o
HA : ≠ o

 2 
Sob H0, X ~ N  0 , 
 n 

/2 /2

X crítico 1 o X crítico 2
 
rej . H 0
rej
. H0


Região crítica: Rejeita-se H0 para valores, em módulo, grandes da estatística de teste

 Voltando ao Exemplo 1
A distribuição de probabilidades do número de pontos
em um exame de inglês pode ser aproximada por uma
normal com média igual a 80 e desvio padrão igual a 8.
Porém, devido a uma série de mudanças no formato da
prova, especialistas desconfiam que, apesar da
distribuição continuar a mesma, o valor médio tenha
aumentado e desejam testar essa afirmação através de
um teste de hipóteses. Ainda, de acordo com os
especialistas, não existem desconfianças sobre
quaisquer alterações no valor do desvio padrão. 37
Voltando ao Exemplo 1 (cont.)

Sorteados 36 estudantes, ao acaso, que fizeram

recentemente o exame, sob esse novo formato, foi
observada uma nota média igual a 86. De acordo com
o resultado observado, qual será a conclusão deste
teste? Adote um nível de significância de 2,5%.

38
 Resolução do Exemplo 1
H0 : = 80
HA : > 80
=0,025
 64 
Sob H0, X ~ N  80, 
 36 
80 X crítico
 8 rej
. H0

X crítico   0  z0, 025  80  1,96  82,613
n 6

Como X obs  86 pertence à RC, então, com 97,5% de confiança, os

resultados amostrais trazem evidências para rejeitarmos a hipótese
nula. Ou seja, temos evidências de que a nota média no teste de inglês
aumentou, após a série de mudanças no formato da prova.
 Exercício 2
Fazendo o teste

H0: = 1150 ( = 150) contra HA: = 1200 ( = 200),

e n = 100, estabeleceu-se a seguinte região crítica:

RC = [1170; + )

(a) Qual a probabilidade de rejeitar H0 quando H0 é

verdadeira?
(b) Qual a probabilidade de rejeitar H0 quando HA é
verdadeira?
40
 Nível Descritivo do Teste
Vamos considerar, por exemplo, o problema de testar
H0 :   0
HA :    0

0: conhecido
: desconhecido

Sejam x1, x2, ..., xn os valores observados de X para

uma amostra aleatória de tamanho n.
É razoável rejeitar H0 se a média amostral for muito
maior que 0.
41
Vamos supor que para uma amostra particular seja
observado o valor da média amostral e que ele seja
superior a 0.

Definição: Supondo que H0 é verdadeira (isto é, = 0),

qual é a probabilidade de se ter uma evidência tão (ou
mais) desfavorável à hipótese nula do que a encontrada
na amostra (p-valor)? Em outras palavras, quanto vale

P( X  x |   0 )  ?

Essa probabilidade é denominada nível descritivo e

será denotada por p-valor, p-value ou, simplesmente
p.
42
Se p-valor for “alto” significa que não é difícil ocorrer
um valor tão desfavorável quanto a média amostral
observada quando = 0. Logo, é razoável neste
caso não rejeitar H0.

Por outro lado, se p-valor for um valor “pequeno”

significa que é pouco provável ocorrer um valor tão
desfavorável quanto a média amostral observada
quando = 0. Logo, é razoável, neste caso, rejeitar
H0.

Se for estabelecido como sendo o risco máximo

em rejeitar H0 quando H0 é verdadeira então, com
base no nível descritivo, deve-se rejeitar H0 se p-
valor < .
43
 Voltando ao Exemplo 1
A distribuição de probabilidades do número de pontos
em um exame de inglês pode ser aproximada por uma
normal com média igual a 80 e desvio padrão igual a 8.
Porém, devido a uma série de mudanças no formato da
prova, especialistas desconfiam que, apesar da
distribuição continuar a mesma, o valor médio tenha
aumentado e desejam testar essa afirmação através de
um teste de hipóteses. Ainda, de acordo com os
especialistas, não existem desconfianças sobre
quaisquer alterações no valor do desvio padrão. 44
Voltando ao Exemplo 1 (cont.)

Sorteados 36 estudantes, ao acaso, que fizeram

recentemente o exame, sob esse novo formato, foi
observada uma nota média igual a 86. De acordo com
o cálculo do nível descritivo do teste, qual será a
conclusão deste teste? Adote um nível de significância
de 2,5%.

45
 Resolução do Exemplo 1
H0 : = 80
HA : > 80

 64 
Sob H0, X ~ N  80, 
 36 
p  valor  P X  86 | H 0 é verdadeira  
     
 P Z    P Z    PZ  4,5  0,001
86 80 86 80
8   8 
 6   6 

Como p-valor < (2,5%), os resultados amostrais trazem

evidências para rejeitarmos a hipótese nula. Ou seja, temos
evidências de que a nota média no teste de inglês aumentou.
Caso Bilateral:

H0 :   0
HA :    0

É razoável rejeitar H0 se a média amostral observada

for muito maior ou muito menor que 0.

Como calcular o p-valor neste caso?

47
Verifique se a média amostral observada é superior
ou inferior a 0. Vamos supor que tenha sido
superior, então, calculamos

p´ P( X  x |   0 )

define-se o nível descritivo

p  2p´

48
 Exemplo 2
H 0 :   30
H A :   30

n  100; σ  6; x  28,5;   0,05

p-valor = ?

49
 Exemplo 3
H 0 :   30
H A :   30

n  100; σ  6; x  30,5;   0,05

p-valor = ?

50
Voltando ao Exercício 1
(ANPEC – 2012 – Q01)

(FALSO!!!)

(FALSO!!!)
 Tamanho de Amostra Sugerido em
Testes de Hipóteses Unilaterais para a
Média Populacional

( z  z  )  
2 2

n
0   A  2

em que
z - valor z proveniente de uma área numa
distribuição normal padrão;
z - valor z proveniente de uma área numa
distribuição normal padrão;
 Tamanho de Amostra Sugerido em
Testes de Hipóteses Unilaterais para a
Média Populacional
em que
– desvio padrão populacional;
0 – média populacional sob H0;

A – média populacional sob HA;

OBSERVAÇÃO
Num teste de hipóteses bilateral
utilizo z /2 no lugar de z .
 Exercício 3
(ANPEC – 2012 – Q02)
 Exercício 3
(ANPEC – 2012 – Q02)

(FALSO!!!)

(FALSO!!!)
 Exercício 3
(ANPEC – 2012 – Q02)

(FALSO!!!)

(FALSO!!!)

(VERDADEIRO!!!)
 Estatística do Teste

Caso 2
(variância populacional desconhecida)
 Exemplo 4
O ministro da saúde desconfia que certa marca de
cigarros apresenta, em média, mais de 0,60 mg de
nicotina em sua composição. Sorteados 25 cigarros,
ao acaso, da produção de um determinado dia, a
média observada foi de 0,72 mg com um desvio
padrão associado de 0,08 mg. Adotando um nível de
significância de 1% e fazendo todas as suposições
necessárias, qual será a conclusão deste teste?

58
Vamos considerar a seguinte hipótese nula:

H 0 :   0

Vimos que um estimador com boas propriedades

para o parâmetro é X .

Supondo que a população de interesse seja

normalmente distribuída com média e variância 2,

 2 
X ~ N   , 
 n 
Ainda,

X 
~ N 0, 1

n
Porém, a quantidade anterior não pode ser considerada como
estatística, uma vez que e são parâmetros desconhecidos.
Mas, sob a hipótese nula, vem que

X  μ0
z ~ N( 0 ,1 )
σ
n
que também não pode ser considerada uma estatística, uma
vez que é desconhecido.
Mas, utilizando o estimador S2 para 2 e supondo que a a.a. foi
coletada de uma população cuja variável de interesse é
normalmente distribuída, temos, sob H0, que

X  0
t ~ t( n 1)
S
n

pode ser considerada uma estatística de teste.

Assim, sob a hipótese nula, podemos facilmente
calcular valor da estatística t.

Para concluir o teste, precisamos construir a RC e

verificar se o valor de t pertence ou não à RC,
lembrando que esta região é construída de modo que

P(t  RC | H 0 é verdadeira)   .

Vale lembrar que a localização da RC depende das

hipóteses formuladas (olhar para o sentido de HA):
 Teste unilateral à direita

H 0 :   0
H A :   0

Estatística do teste (sob H0)

x  0
t obs 
s
n

Regra de rejeição, ao nível de significância

Rejeito H0 se tobs  t n(1)

 Teste unilateral à esquerda

H 0 :   0
H A :   0

Estatística do teste (sob H0)

x  0
t obs 
s
n

Regra de rejeição, ao nível de significância

( )
Rejeito H0 se tobs  t n 1
 Teste bilateral (bicaudal)

H 0 :   0
H A :   0

Estatística do teste (sob H0)

x  0
t obs 
s
n

Regra de rejeição, ao nível de significância

( / 2 )
Rejeito H0 se tobs  t n 1
 Voltando ao Exemplo 4
O ministro da saúde desconfia que certa marca de
cigarros apresenta, em média, mais de 0,60 mg de
nicotina em sua composição. Sorteados 25 cigarros,
ao acaso, da produção de um determinado dia, a
média observada foi de 0,72 mg com um desvio
padrão associado de 0,08 mg. Adotando um nível de
significância de 1% e fazendo todas as suposições
necessárias, qual será a conclusão deste teste?

66
 Resolução do Exemplo 4
H0 : = 0,60
HA : > 0,60

Estatística do teste (sob H0)

0,72  0,60
t obs   7,5
0,08
25

Como tobs > tcrítico (2,492), os resultados amostrais trazem

evidências para rejeitarmos a hipótese nula. Ou seja, os dados
corroboram com a desconfiança do ministro da saúde.
Teste para Proporção

Seção 12.6 – Bussab e Morettin

68
 Exemplo 5
Uma amostra aleatória de eleitores registrados
em um distrito eleitoral acusou o seguinte
resultado: de 100 eleitores, 60 apóiam
determinado projeto. O que se pode concluir
sobre a aprovação deste projeto, sabendo que
são necessários mais do que 50% dos votos
favoráveis? Utilize = 10%.
69
 Distribuição amostral
Ep
ˆ  p

p1  p
 ˆ  Varp 
2 ˆ
p n

Aproximação para grandes amostras:

p̂  p
 N 0;1
p1  p 
n
70
 Teste de Hipóteses
H0: p = p0

Sob H0, p = p0:

2 p0 1  p0 
ˆ 
p n
e
p̂  p 0
Z  N 0, 1
p 0 1  p 0 
n 71
 Teste de Hipóteses
O problema fornece informações sobre a alternativa,
que pode ter uma das três formas a seguir:

H A: p  p0

H A: p  p0 H A: p  p0

72
 Voltando ao Exemplo 5
Uma amostra aleatória de eleitores registrados
em um distrito eleitoral acusou o seguinte
resultado: de 100 eleitores, 60 apóiam
determinado projeto. O que se pode concluir
sobre a aprovação deste projeto, sabendo que
são necessários mais do que 50% dos votos
favoráveis? Utilize = 10%.
73
 Resolução
H 0 : p  0,50
H A : p  0,50
60
pˆ obs   0,60   0,10  z0,10  1,29
100
RC  { pˆ obs  pˆ crítico }

Sob H0
p0 1  p0  0,501  0,50
pˆ crítico  p0  z .  0,50  1,29.  0,57
n 100

RC  { pˆ obs  0,57} pˆ obs  RC  rej. H 0 74

 Resolução
H 0 : p  0,50
H A : p  0,50
60
pˆ obs   0,60   0,10
100
Sob H0
p  valor  P( pˆ obs  0,60 | p  0,50) 
 
 
 0,60  0,50 
P Z 
 0,501  0,50 
 
 100 
 P(Z  2,00)  0,0228 < rej. H0.
Inferência para a variância

Seção 12.9 – Bussab e Morettin

76
 Exemplo 6
Uma máquina de encher pacotes de café está
regulada para enchê-los com média de 500 g e
desvio padrão de 10 g. O peso de cada pacote X
segue uma distribuição normal. Coletou-se uma
amostra de 16 pacotes e observou-se uma
variância de 169 g2. Com esse resultado, a 5% de
significância, você diria que a máquina está
desregulada com relação à variância?
77
 Teste de Hipóteses

Um teste sobre a variância desconhecida de uma

variável aleatória, com distribuição normal, poderá
ser concluído com base nos resultados
provenientes da distribuição Qui-quadrado.

78
 Teste de Hipóteses

H 0: 2= 2
0

Sob H0

(n  1) S 2
 2obs  ~  n21
σ 20
79
 Teste de Hipóteses
Rejeito H0 se

 obs
2
  (2 ; n 1) (teste unicaudal à direita)

 2
obs  2
(1- ; n 1) (teste unicaudal à esquerda)

 obs
2
  (2 / 2; n 1) ou  obs
2
 2  (teste bicaudal)
(1 - ; n 1)
2

80
 Voltando ao Exemplo 6
Uma máquina de encher pacotes de café está
regulada para enchê-los com média de 500 g e
desvio padrão de 10 g. O peso de cada pacote X
segue uma distribuição normal. Coletou-se uma
amostra de 16 pacotes e observou-se uma
variância de 169 g2. Com esse resultado, a 5% de
significância, você diria que a máquina está
desregulada com relação à variância?
81
 Resolução
H 0 :  2  100
H A :   100
2

s  169
2
n  16   0,05   (20,05;15)  25

RC  { obs
2
 25}
Sob H0
15 169
 2
obs   25,35
100

 2
obs  RC  rej. H 0 82
Exercícios

83
 Exercício 4
Sobre testes de hipóteses, pode-se afirmar que:
(0) O erro do tipo I consiste em rejeitar a hipótese nula quando
ela é verdadeira.
(verdadeiro)
(1) Nível de significância é a probabilidade de se cometer erro
do tipo II.
(falso)
(2) Por potência do teste entende-se a probabilidade de se
rejeitar a hipótese nula quando esta for falsa.
(verdadeiro)
84
 Exercício 4 (cont.)
Sobre testes de hipóteses, pode-se afirmar que: (cont.)

(3) A opção pelo teste unilateral ou bilateral decorre da

expectativa teórica sobre o parâmetro que estiver sendo
testado.
(verdadeiro)

(4) Um intervalo de confiança de 100(1- )% também pode ser

utilizado para o teste de significância de um parâmetro
populacional, caso o teste seja bilateral.
(verdadeiro)
85
 Exercício 5
Com relação a testes de hipótese, é correto afirmar que:
(0) o nível de significância de um teste é a probabilidade de se
cometer o erro tipo I;
(verdadeiro)
(1) a potência do teste é a probabilidade de se cometer o erro tipo
II;
(falso)
(2) o nível de significância de um teste de hipótese cresce com o
tamanho da amostra.
(falso)
86
 Exercício 6
Indique se as seguintes considerações sobre a teoria dos testes
de hipótese são verdadeiras (V) ou falsas (F).

Ⓞ O erro do tipo II é definido como a probabilidade de não se

rejeitar uma hipótese nula quando esta for falsa e o erro do tipo
I é definido como a probabilidade de se rejeitar a hipótese nula
quando esta for verdadeira.
(falso, porém, anulada pela ANPEC)

① No teste de hipótese para proporções, se a variância da

proporção populacional for desconhecida, a estatística t de
Student com n-1 graus de liberdade (n é o tamanho da
amostra) é a indicada para o teste.
87
(falso)
 Exercício 6 (cont.)
Indique se as seguintes considerações sobre a teoria dos testes
de hipótese são verdadeiras (V) ou falsas (F).

②Não se pode realizar um teste de hipótese para a variância

populacional pois a estatística do teste, que segue uma
distribuição Qui-quadrado com n -1 graus de liberdade (n é
tamanho da amostra), não é simétrica.
(falso)

③ No teste de hipótese para a média

H0: = 0 contra HA: 0
ao nível de significância , se o intervalo de confiança com 1-
de probabilidade não contiver = 0, não se poderá rejeitar H0.
88
(falso)