Cap3 - ME - Testes e Intervalos para Duas Populações

Métodos Estatísticos
3 –Testes e Intervalos para Duas Populações
Professor Luciano Barboza da Silva

Problema Introdutório
• O tipo de disposição de mercadoria utilizado em
supermercados afeta as vendas dos produtos? Como gerente
regional de vendas da BLK Alimentos, você deseja
comparar os volumes de vendas de refrigerantes da marca
BLK sabor cola quando o produto é exposto em uma
localização normal da prateleira com o volume de vendas
Estatística 2 Prof. Luciano Barboza da Silva 2

quando o produto é exposto em posições especiais de
ponta de corredor. Para testar a eficácia da exposição
em pontas de corredor, você seleciona 20 filiais da
cadeia de supermercados da BLK que apresentam, todas
elas, volumes de vendas similares em todas as seções
das lojas. Depois disso, você designa aleatoriamente,
10 dentre as 20 filiais para a amostra 1 e 10 para a
amostra 2. Os gerentes das 10 filiais da amostra 1
posicionam o refrigerante da marca BLK em prateleiras
de localizações regulares, juntamente com outros tipos
de refrigerante. As 10 lojas na amostra 2 utilizam a
exposição em locais especiais em pontas de corredor,
destinados a promoção. Ao final de uma semana, são
registradas as vendas de refrigerantes da marca BLK.
Como você consegue determinar se as vendas de
refrigerantes da marca BLK com exposição de ponta de
corredor são as mesmas que as ocorridas quando o
refrigerante é exposto em uma prateleira de posição
regular? Como você seria capaz de decidir se a
variabilidade das vendas de refrigerante da marca BLK,
de loja para loja, é a mesma no que diz respeito aos dois
tipos de exposição do produto? Como você poderia
utilizar a resposta para essas perguntas de modo a
incrementar as vendas dos refrigerantes da marca BLK?
Introdução
• Uma boa aplicação para Testes de Hipóteses é a
comparação de duas populações por meio da
observação de amostras retiradas de ambas;
• No caso da BLK Alimentos o gerente precisa,

primeiramente, comparar a média de vendas para duas
situações distintas.
Teste de Diferença entre Médias Aritméticas
de Duas Populações Independentes
• Pressupostos:
– As duas populações são normalmente;
– Ambas as populações tenham variâncias iguais;
– As duas populações têm distribuições independentes;
• Retiramos uma amostra de cada população:

• Pressupostos: Resumo de Parâmetros e Dados
População 1 População 2
Média Populacional μ1 μ2
Desvio Populacional σ σ
Tamanho da Amostra n1 n1
Média Amostral X1 X2
Desvio Amostral S1 S2

• Procedimento:
– Determinação do Nível de Significância ();
– Determinação do Teste:
 H 0 : 1   2  0  H 0 : 1   2  0  H 0 : 1   2  0
  
1 : 1   2  0
H 1 : 1   2  0
H 1 : 1   2  0
H
  
Bicaudal UnicaudalSuperior UnicaudalInferior

• Procedimento:
– Calcular a Estatística de Teste:
X1  X 2    2
    2
T n
S2  1
1 S1 n2 1 S 2
2 1 1 n1  n2  2
p
S p   
 n1 n2 

• Procedimento:
– Calcular a Região Crítica:
RC : T  t 2 RC : T  t RC : T  t

    

P tn1  n2 2   t 2   
 
P tn1  n2 2   t  
2

• Exemplo: Retornemos ao caso da BLK Alimentos.
Considere que de cada uma das populações (com
posicionamento Normal e em Ponta de Corredor)
tenhamos uma amostra de 10 observações, dadas
abaixo:

Normal (1) Ponta de Corredor (2)
22 34 52 62 30 52 71 76 54 67
40 64 84 56 59 83 66 90 77 84
Será que as vendas em Ponta de Estoque são iguais as

vendas em corredor normal? Utilizemos para responder
a essa questão um NS de 5%.

• Temos:
– NS = 5%   = 0,05  /2 = 0,025
– Definição do Teste:
 H 0 : 1   2  0

1 : 1   2  0
H 
Bicaudal

– Estatística de Teste:
X1  50,3 S12  350,81 X 2  72,0 S22  157,25
S 
2 n1  1S1
2
 n2  1S 2
2

10  1 350,81  10  1157,25
 254,03
n1  n2  2 10  10  2
p
X1  X 2 50,3  72
T   3,044
1 1 1 1
S   
2
254,03  
 10 10 
p
 n1 n2 
– Região Crítica:
Pt10102   t0,025   0,025  t0,025  2,101
RC : T  2,101
 
Bicaudal

• Conclusão: Como o módulo da estatística de teste |T|
3,044 > 2,101 = t/2, REJEITAMOS a Hipótese Nula
(H0) de que não haja diferença entre o volume médio de
vendas para refrigerantes em posição normal e em ponta
de corredor com NS = 5%.

• Podemos abordar o mesmo problema utilizando o p-
valor.
• Sabemos:
– NS = 5%
 H 0 : 1   2  0
– Teste 
1 : 1   2  0
H 
Bicaudal
– Estatística de Teste: T = -3,0443
– Assim:
 
p  valor  PT  3,0443  P t18  3,0443  2Pt18  3,0443
0,005  p  valor  0,01
Como p-valor menor que o NS

(0,05), REJEITA-SE H0 com NS
= 5%
• Exemplo: Você e alguns amigos decidiram testar a
validade de um anúncio feito por uma pizzaria local,
que afirma entregar pizza nos dormitórios mais rápido
que uma cadeia nacional de pizzarias. Tanto a pizzaria
local quanto a da cadeia nacional estão localizadas do
outro lado da rua do campus da usa universidade. Você
define a variável de interesse como o tempo de entrega,
em minutos, desde o tempo em que a pizza é
encomendada até o momento em que é entregue. Você
coleta os dados encomendando 10 pizzas da locar e 10
pizzas da cadeia de pizzarias, todas em diferentes
horários. Você organiza e armazena os dados. A tabela
a seguir mostra os tempo correspondentes à entrega:
Local Cadeia Nacional

16,8 11,7 15,6 16,7 17,5 22,0 15,2 18,7 15,6 20,8
18,1 14,1 21,8 13,9 20,8 19,5 17,0 19,5 16,5 24,0
No nível de significância de 0,05, existem evidências de

que a média aritmética dos tempos de entrega
da pizzaria local é menor que o tempo da cadeia
nacional de pizzarias?

• Resumo dos dados:
Local Nacional
Média Populacional μL μN
Desvio Populacional σ σ
Tamanho da Amostra nL nN
Média Amostral XL XN
Desvio Amostral SL SN

• Temos:
X L  16,7 S L2  9,5822 X N  18,88 S N2  8,2151
S 
2 nL  1S 2
L  n N  1S 2
N

10  1 9,5822  10  1 8,2151
 8,8987
nL  nN  2 10  10  2
p

• Procedimento de Teste:
– Nível de Significância: 5%
– Teste:
Note que: pede-se para verificar se há evidências
H 0 :  L   N  0 de que o tempo da local é melhor que o da rede. A

1 : L  N  0
H forma que temos de fazer isso é supor que a local
  tem tempo maior ou igual e achar evidências do
UnicaudalInferior
contrário.

XL  XN 16,7  18,88
T   1,6341
 1 1  1 1
S  
2
 8,8987  
p
 nL n N   10 10 

Pt10102   t0,05   0,05  t0,05  1,734
RC: 
 
T1,
734

UnicaudalInferior

– Conclusão: Como a estatística do teste T = -1,6341 não é

menor que o limite da região crítica (t = -1,734), NÂO há
evidência amostral para rejeitar a hipótese nula (H0) de que o
tempo da pizzaria local é maior ou igual que o tempo da
cadeia nacional.

• Pelo procedimento do p-valor temos:
– NS = 0,05
– Teste: H 0 :  L   N  0

1 : L  N  0
H  
Unicaudal Inferior
– Estatística de Teste: T = -1,6341

• Pelo procedimento do p-valor temos:
– Temos:
p  valor  PT  1,6341  PT  1,6341  Pt18  1,6341
0,05  p  valor  0,10
Como p-valor é maio que o NS

(0,05), NÂO há evidências para
rejeitar H0 com NS = 5%
Estimativa de Intervalo de Confiança para a
Diferença Entre Duas Médias Aritméticas
• Sob as mesmas condições da execução do Teste de
Diferença de Médias:
• Procedimento:
     
IC1   X 1  X 2   t 2 S p2    ; X 1  X 2   t 2 S p2    
1 1 1 1
  n1 n2   n1 n2  

 
P tn1  n2 2   t 2 
2
• Exemplo: Retornando ao exemplo da BLK Alimentos,
estime um Intervalo de Confiança para a diferença entre
as Médias Aritméticas do volume de vendas do
refrigerante tipo cola quando localizado normalmente e
quando localizado na ponta de prateleira. Utiliza 95%
de Nível de Confiança.
• Temos:
22 34 52 62 30 52 71 76 54 67
40 64 84 56 59 83 66 90 77 84
X1  50,3 S12  350,81 X 2  72,0 S22  157,25

Pt10102   t0,025   0,025  t0,025  2,101
S 
2 n1  1S1
2
 n2  1S 2
2

10  1 350,81  10  1157,25
 254,03
n1  n2  2 10  10  2
p

• Assim:
 1 
2 1 1 2 1
IC1   X 1  X 2   t 2 S p    ; X 1  X 2   t 2 S p    
  n1 n2   n1 n2  
 
 1 1  1 1 
IC0,95  50,3  72,0  2,101 254,03   ; 50,3  72,0  2,101 254,03   
   10 10 
   10 10  

 14, 9756 14, 9756 
IC0,95   36,6756 ;  6,7244

• Conclusão: Note que o Intervalo Teórico é um gerador
de intervalos que têm probabilidade de 95% de chances
de conter a verdadeira diferença de médias. Sendo
assim cremos que o intervalo [-36,6756 ; -6,7244]
contém o verdadeiro valor da diferença (nossa
confiança é de 95%).
• Assim:
– O zero não está presente, o que implica que temos confiança que
a diferença existe (NC = 95%);
– Temos confiança de que a população 1 (posicionamento normal

nas prateleiras) tem uma média (em volume de vendas) menor
que a população 2 (mercadoria em ponta de prateleira)

Teste de Diferença entre Proporções
• Procedimento:
– Determinação do Nível de Significância ();
– Determinação do Teste:
H 0 :  1   2  0 H 0 :  1   2  0 H 0 :  1   2  0
  
1 : 1   2  0
H 1 : 1   2  0
H 1 : 1   2  0
H
  
Bicaudal Unicaudal Superior Unicaudal Inferior

• Procedimento:
– Calcular a Estatística de Teste:
 p1  p2    1   2  X1  X 2
W p
n1  n2
1 1
p 1  p   
 n1 n2  p1 
X1
p2 
X2
n1 n2

• Procedimento:
p j  Proporção do item de interesse na Amostra j = 1,2
n j  Tamanho da Amostra j = 1,2
X j  Número de itens de interesse na Amostra j = 1,2
p j  Estimativa agrupada para a proporção dos itens de

interesse na população
 j  Proporção populacional do item de interesse na
população j = 1,2
• Procedimento:
– Calcular a Região Crítica:
RC : W  z 2 RC : W  z RC : W   z
    

PZ  z 2   PZ  z   
2

• Exemplo: Você é gerente do T. C. Resort Propoerties,
um grupo de hotéis cinco estrelas, localizados em duas
ilhas balneárias. Em uma das ilhas a T. C> Resort
possui dois hotéis, o Beachcomber e o Windsurfer. Você
definiu como objetivo estratégico da empresa melhorar
a taxa de retorno dos hóspedes nesses hotéis. No
questionário preenchido pelos hóspedes na hora em que
deixam o hotel uma pergunta era se ele retornaria.
Pergunta a essas e outra perguntas foram coletadas de
227 hóspedes no Beachcomber e 262 do Windsurfer. Os
resultados para a pergunta em questão indicam que 163
dos 227 do Beachcomber e 154 dentre os 262 do
Windsurfer responderam que SIM, voltariam ao hotel.
No Nível de Significância de 5%, existe evidências de
uma diferença significativa de satisfação dos hóspedes
(media com base na probabilidade de retorno do
hóspede) entre os dois hotéis?

• Temos:
– NS = 5%
– Teste
H 0 :  B   W  0

1 :  B  W  0
H  
Bicaudal

• Temos:
X B 163 X W 154 X B  X W 163  154
pB    0,7181 pW    0,5878 p   0,6483
nB 227 nW 262 nB  nW 227  262
W
 pB  pW    B   W 

0,7181  0,5878  3,0094
 1 1   1 1 
p 1  p    0,64831  0,6483  
 nB nW   227 262 
• Temos:
PZ  z0,025   0,025  z0,025  1,96
RC : Z  1,96
  
Bicaudal

• Conclusão: Como o módulo da estatística de teste |Z| =
3,0094 > 1,96 = z/2, REJEITAMOS a hipótese nula H0
(de que não há diferença entre a satisfação dos clientes
dos hotéis) com um NS = 5%

• Utilizando o valor-p temos:
– NS = 5%
– Teste: H 0 :  B   W  0

1 :  B  W  0
H  
Bicaudal
– Estatística de Teste: W = 3,0094

p  valor  PW  3,0094  P Z  3,0094  2PZ  3,0094
p  valor  2  0,5  0,49869  0,0026
Como o p-valor =0,0026 < 0,05 =

NS, REJEITAMOS H0 com NS= 5%

• Exemplo: A tecnologia vem acarretando um
crescimento na quantidade de trabalhadores extremados,
com 60 ou mais horas de trabalho por semana. Um dos
motivos alegados pelos empregados sobre o porquê de
trabalharem tantas horas é o fato de amarem seu
trabalho por ele ser estimulados/desafiados/
proporcionar um fluxo acelerado de adrenalina.
Suponha que uma pesquisa realizada junto a 1564
workaholics tenha incluído 786 homens e 778 mulheres
e que 707 homens e 638 mulheres tenham declarado
amar seu trabalho (pelos mesmo motivos expostos
acima). No Nível de Significância de 5% você deseja
determinar a proporção de homens workaholic e que
amam seu trabalho é maior que a proporção de
mulheres?

• Temos:
– NS = 5%
– Teste
H 0 :  H   M  0

1 : H M  0
H   
UnicaudalSuperior

• Temos:
X H 707 X M 638 X B  X W 707  638
pH    0,8995 pM    0,8201 p    0,8600
nH 786 nM 778 nB  nW 786  778
W
 pH  pM    H   M 

0,8995  0,8201  4,5247
 1 1   1 1 
p 1  p    0,86001  0,8600  
 nH nM   786 778 
• Temos:
PZ  z0,05   0,05  z0,05  1,65
RC
  1
:W ,
65
UnicaudalSuperior

• Conclusão: Como a estatística de teste W = 4,5247 >
1,65 = z, REJEITAMOS a hipótese nula H0 (de que a
proporção de homens é menor ou igual à proporção de
mulheres) com um NS = 5%

– NS = 5%
– Teste: H 0 :  H   M  0

1 : H M  0
H   
UnicaudalSuperior
– Estatística de Teste: W = 4,5247

p  valor  PW  4,5247  PZ  4,5247
p  valor  0,5  0,5  0,0000
Como o p-valor =0,0000 < 0,05 =

NS, REJEITAMOS H0 com NS= 5%

Diferença Entre Proporções
• Sob as mesmas condições da execução do Teste de
Diferença de Proporções:
• Procedimento:
 p1 1  p1  p2 1  p2  p1 1  p1  p2 1  p2  
IC1    p1  p2   z 2  ;  p1  p2   z 2  
 n1 n2 n1 n2 

PZ  z 2  
2
• Exemplo: Retornando ao problema dos Hotéis,
podemos criar um Intervalo de Confiança, com Nível de
Confiança de 95% para a diferença entre as proporções
de hóspedes do Beachcomber e do Windsurfer.

• Temos: NC = 0,95   = 0,05  /2 = 0,025;
PZ  z0,025   0,025  z0,025  1,96
   
0 , 0837
 0,71811  0,7181 0,58781  0,5878 

0,7181  0,5878  1,96  ;
IC0,95   227 262 
 0,71811  0,7181 0,58781  0,5878 
0,7181  0,5878  1,96  
  227
 262 
 0 , 0837 

– Logo
IC0,95  0,1303  0,0837 ; 01303  0,0837
IC0,95  0,0466 ; 0,2140

• Conclusão: Pelo mecanismo de criação de Intervalos de
Confiança 95% dos intervalos gerados contêm o
verdadeiro valor da diferença entre as proporções dos
hotéis. Em particular cremos que a diferença entre a
proporção de Beachcomber e do Windsurfer está no
intervalo [0,0466; 0,2140] com 95% de confiança.
• Note que o zero não pertence ao intervalo, o que nos
leva a concluir que podemos descartar a hipótese de que
as proporções sejam iguais.

Teste para Comparação de Variâncias
• Considere mais uma vez: duas populações Normais e
independentes;
• Podemos testar se ambas tem a mesma variância (teste

que pode garantir podermos usar o teste de comparação
de médias)

• Procedimento:
– Estabelecer o Nível de Significância ();
– Definir o Teste:
H 0 :  1   2 H 0 :  1   2
 
1 : 1   2
H 1 : 1   2
H
   
Bicaudal UnicaudalSuperior

• Procedimento:
– Calcular a Estatística do Teste:
S12 S 
População 1 será definida como aquela
F 2
2
1
S2 de maior Variância Amostral

• Procedimento:
– Calcular a Região Crítica do Teste:

RC : F  F 2 RC : F  F
   
Bicaudal UnicaudalSuperior

P Fn1 1, n2 1  F 2   
 
P Fn1 1, n2 1  F  
2
n j  Tamanho da Amostra j = 1,2

• Exemplo: Voltemos ao exemplo da BLK Alimentos.
Nosso problema é executar um teste de comparação de
médias entre o volume de vendas com o produto em
posição normal e em ponta de corredor. Para executar o
teste t temos que garantir que as variâncias são as
mesmas. Para verificar isso podemos executar um teste
de comparação de variâncias. Temos:
22 34 52 62 30 52 71 76 54 67
40 64 84 56 59 83 66 90 77 84
S12  350,81 S22  157,25

como a amostra da posição normal tem maior variância
que a de ponta de corredor será chamada população 1.
• Procedimento:
– NS = 5%
H 0 :  1   2

1 : 1   2
H
 
Bicaudal

• Procedimento:

S12 350,81
F 2   2,2754
S 2 157,25
– Região Crítica
PF101,101  F0,025   0,025  F0,025  4,026
RC : F
  4,026

Bicaudal
• Conclusão: Como a estatística de Teste F = 2,2754 <
4,026 = F/2, NÂO há evidências para rejeitarmos H0
(de que as variâncias são idênticas) com NS de 5%.
Dessa forma poderemos aplicar o teste t de comparação
de médias

• Exemplo: Remessas de carne, produtos derivados da
carne e outros ingredientes são misturados para várias
linhas de abastecimento em uma fábrica de ração
enlatada para cães. Gerentes de operações suspeitam
que, embora a quantidade de carne abastecida por lata
seja geralmente estável, a variabilidade nas latas
abastecidas na linha de alimentos A é maior que a
variabilidade na linha de alimentos B. Os dados de uma
amostra de latas contendo 8 onças (1 onça = 28,350
gramas) se apresenta do seguinte modo:
Linha A Linha B
Média Aritmética 8,005 7,997
Desvio Padrão 0,012 0,005
Tamanho da Amostra 11 16
Ao nível de significância de 5%, existe evidências de
que a variância da linha A seja maior que a da B?
Suponha que a população das quantidades abastecidas
tenham distribuição normal.

• Procedimento:
– NS = 5%
H 0 :  1   2

1 : 1   2
H
 
Bicaudal

• Procedimento:

S12 350,81
F 2   2,2754
S 2 157,25
PF101,101  F0,025   0,025  F0,025  4,026
RC : F
  4,026

Bicaudal
• Conclusão: Como a estatística de Teste F = 2,2754 <
4,026 = F/2, NÂO há evidências para rejeitarmos H0
(de que as variâncias são idênticas) com NS de 5%.
Dessa forma poderemos aplicar o teste t de comparação
de médias

• Procedimento:
– NS = 5%
H 0 :  A   B

1 : A   B
H 
Bicaudal

• Procedimento:

S A2 0,012
2
F 2   5,76
S B 0,005 2
PF111,161  F0,05   0,05  F0,05  2,544
RC:
 F
2,
544

UnicaudalSuperior
• Conclusão: Como a estatística de Teste F = 5,74 < 2,544
= F, REJEITA-SE H0 (de que a variância de A seja
menor ou igual a variância de B) com NS de 5%.

Cap3 - ME - Testes e Intervalos para Duas Populações

Enviado por

Direitos autorais:

Formatos disponíveis

Cap3 - ME - Testes e Intervalos para Duas Populações

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap3 - ME - Testes e Intervalos para Duas Populações

Enviado por

Direitos autorais:

Formatos disponíveis

Métodos Estatísticos

3 –Testes e Intervalos para Duas Populações

Professor Luciano Barboza da Silva

Estatística 2 Prof. Luciano Barboza da Silva 2

• No caso da BLK Alimentos o gerente precisa,

– As duas populações são normalmente;

– Ambas as populações tenham variâncias iguais;

– As duas populações têm distribuições independentes;

• Retiramos uma amostra de cada população:

Estatística 2 Prof. Luciano Barboza da Silva 8

Estatística 2 Prof. Luciano Barboza da Silva 9

– Determinação do Nível de Significância ();

Estatística 2 Prof. Luciano Barboza da Silva 10

– Calcular a Estatística de Teste:

Estatística 2 Prof. Luciano Barboza da Silva 11

– Calcular a Região Crítica:

Estatística 2 Prof. Luciano Barboza da Silva 12

Estatística 2 Prof. Luciano Barboza da Silva 13

Será que as vendas em Ponta de Estoque são iguais as

Estatística 2 Prof. Luciano Barboza da Silva 14

– NS = 5%   = 0,05  /2 = 0,025

Estatística 2 Prof. Luciano Barboza da Silva 15

X1  50,3 S12  350,81 X 2  72,0 S22  157,25

Pt10102   t0,025   0,025  t0,025  2,101

Estatística 2 Prof. Luciano Barboza da Silva 17

Estatística 2 Prof. Luciano Barboza da Silva 18

0,005  p  valor  0,01

Como p-valor menor que o NS

Local Cadeia Nacional

No nível de significância de 0,05, existem evidências de

Estatística 2 Prof. Luciano Barboza da Silva 24

Estatística 2 Prof. Luciano Barboza da Silva 25

Estatística 2 Prof. Luciano Barboza da Silva 26

Estatística 2 Prof. Luciano Barboza da Silva 27

Estatística 2 Prof. Luciano Barboza da Silva 28

Estatística 2 Prof. Luciano Barboza da Silva 29

– Conclusão: Como a estatística do teste T = -1,6341 não é

Estatística 2 Prof. Luciano Barboza da Silva 30

– Estatística de Teste: T = -1,6341

Estatística 2 Prof. Luciano Barboza da Silva 31

0,05  p  valor  0,10

Como p-valor é maio que o NS

X1  50,3 S12  350,81 X 2  72,0 S22  157,25

Estatística 2 Prof. Luciano Barboza da Silva 35

IC0,95   36,6756 ;  6,7244

Estatística 2 Prof. Luciano Barboza da Silva 36

– Temos confiança de que a população 1 (posicionamento normal

Estatística 2 Prof. Luciano Barboza da Silva 38

– Determinação do Nível de Significância ();

Estatística 2 Prof. Luciano Barboza da Silva 39

– Calcular a Estatística de Teste:

Estatística 2 Prof. Luciano Barboza da Silva 40

p j  Estimativa agrupada para a proporção dos itens de

– Calcular a Região Crítica:

Estatística 2 Prof. Luciano Barboza da Silva 42

Estatística 2 Prof. Luciano Barboza da Silva 45

Estatística 2 Prof. Luciano Barboza da Silva 46

PZ  z0,025   0,025  z0,025  1,96

Estatística 2 Prof. Luciano Barboza da Silva 48

Estatística 2 Prof. Luciano Barboza da Silva 49