TH Proporcao

1
UNIVERSIDADE FEDERAL DE LAVRAS

DEPARTAMENTO DE ESTATÍSTICA
Disciplina: GES104 – Estatística aplicada à Engenharia

Docente responsável: Camilla Marques Barroso
Testes de hipóteses para a proporção
1 Introdução
Frequentemente é necessário testar hipóteses para a proporção de uma população. Por exemplo, supo-
nha que uma amostra aleatória de tamanho n tenha sido retirada de uma população e que x observações nessa
x
amostra tenham uma característica de interesse. Então, p̂ = é um estimador pontual da proporção p da
n
população de pertencer a essa classe. Note que n e p são parâmetros de uma distribuição binomial.
2 Teste de hipóteses para proporção
Vimos na seção anterior o procedimento geral para testes de hipóteses.
3 Procedimento geral para testes de hipóteses
Sabemos que a distribuição amostral de p̂ será aproximadamente normal com média p e variância
p(1 − p)
, se np e n(1 − p) forem maiores ou iguais a 5. Para a construção de um teste de hipóteses para
n
proporção considere, então, as seguintes etapas.
1. Hipóteses: Defina a hipótese nula (H0 ) e a hipótese alternativa (H1 ) convenientes (teste bilateral, unila-
teral à esquerda ou unilateral à direita). Escolha um dos três testes de acordo com o problema:
Teste bilateral:
(
H0 : p = p0
H1 : p 6= p0
ou Teste unilateral à esquerda:
(
H0 : p = p0
H1 : p < p0
ou Teste unilateral à direita:
(
H0 : p = p0
H1 : p > p0
2. Regra de decisão: Estabeleça um nível de significância α e, baseado no teste escolhido no item anterior,
construa as regiões de rejeição (em azul) e de aceitação (em branco) como na Figura 3.1. (Aqui você
precisa encontrar os pontos que dividem essas regiões usando tabelas ou pacotes do software R).
Figura 3.1 – Regiões de rejeição e aceitação em testes de hipóteses

2
3. Estatística de teste: Calcule a estatística de teste dada por:
p̂ − p0
Z=q
p0 (1−p0 )
n
em que p0 é o valor que testamos quando estabelecemos as hipóteses na Etapa 1 e p̂ é a proporção na

amostra.
4. Conclusão: Compare o valor da estatística do teste, Z, com as regiões obtidas na etapa 2 e decida se H0
deve ou não ser rejeitada. Rejeitaremos H0 se a estatística de teste, Z, cair na região de rejeição (azul) e
aceitamos H0 se cair na região de aceitação (branco).
Exemplo 1. Um fabricante de semicondutores produz controladores usados em aplicações no motor de auto-

móveis. O consumidor requer que a proporção defeituosa em uma etapa crítica de fabricação não exceda 0,06
e que o fabricante demonstre uma capacidade de processo nesse nível de qualidade, usando α = 0,05. O fabri-
cante de semicondutores retira uma amostra aleatória de 200 aparelhos e encontra quatro deles defeituosos.
O fabricante pode demonstrar a capacidade de processo requerida pelo consumidor?
Vamos seguir as etapas para construção do teste de hipóteses para a proporção em estudo.
1. Como o fabricante quer demonstrar que a proporção defeituosa não excede 0,06, definimos um teste
unilateral à esquerda:
(
H0 : p = 0,06
H1 : p < 0,06
2. Considerando α = 0,05, podemos usar a função qnorm() para encontrar o quantil que deixa essa área
à esquerda;
Use a função qnorm() para encontrar o quantil que separa as regiões

de rejeição e aceitação:
qnorm(0.05)
-1.644854
3. Calcule a estatística de teste dada por:
p̂ − p0 0,02 − 0,06
Z=q =q = −2,38
p0 (1−p0 ) 0,06(1−0,06)
n 200
x 4
em que p̂ = = = 0,02, p0 é valor estabelecido nas hipóteses e n é o tamanho amostral.
n 200
3
4. Para concluir, compare o valor da estatística do teste, Z = −2,38, com o gráfico construído na etapa 2
e decida se H0 deve ou não ser rejeitada. Rejeitaremos H0 se a estatística de teste, Z, cair na região de
rejeição (azul), ou seja de Z < −1,64 e aceitamos H0 se cair na região de aceitação (branco), ou seja
se Z > −1,64.
No caso temos, Z < −1,64
e portanto, rejeitamos H0 ao nível de 5% de significância e mantemos H1 : p < 0,06, ou seja, o fabri-

cante pode demonstrar a capacidade de processo requerida pelo consumidor. A proporção defeituosa
em uma etapa crítica de fabricação é menor que 0,06.
No R usamos a função prop.test do pacote "stats":
prop.test(x = 4, # numero de sucessos na amostra

n = 200, # tamanho amostral
p = 0.06, # proporcao a ser testada
conf.level = 0.95, # nivel de confianca
correct = F, # correcao de continuidade
alternative = "less")
## No argumento "alternative" escolha o tipo de teste:

## “two.sided” (bilateral) ou
## “less” (unilateral a esquerda) ou
## “greater” (unilateral a direita)
Resultado:
1-sample proportions test without continuity correction
data: 4 out of 200, null probability 0.06

X-squared = 5.6738, df = 1, p-value = 0.00861
alternative hypothesis: true p is less than 0.06
95 percent confidence interval:
0.00000000 0.04380346
sample estimates:
p
0.02
Com o resultado retornado pelo R podemos tirar conclusões baseado no valor-p. Por aqui vemos que
o valor-p é igual a 0,00861, ou seja, menor que o nível de significância α = 0,05. Portanto, rejeitamos H0 .
Lembre-se:
• Se valor-p < α : Rejeito H0
• Se valor-p > α : Aceito H0

4
Exemplo 2. Suponha que 500 peças sejam testadas na fabricação e que 10 sejam rejeitadas. Teste a hipótese
H0 : p = 0,03 versus H1 : p 6= 0,03, com α = 0,05.
No R:
prop.test(x = 10, # numero de sucessos

alternative = "two.sided")
Resposta:

alternative hypothesis: true p is not equal to 0.03
0.01089918 0.03642018
sample estimates:
p
0.02
O resultado apresenta valor-p = 0,1899, que é maior que o nível de significância, α, ou seja, valor-p > 0,05.
Portanto, aceitamos H0 e concluímos, com 5% de significância que a proporção é igual a 0,03.
Exemplo 3. A remoção de pedras nos rins pela nefrolitotomia percutânea (NP) tem uma taxa de sucesso igual
a 289 de 350 pacientes. O método tradicional foi 78% efetivo. Há evidências de que a taxa de sucesso par NP
seja maior do que a taxa histórica de sucesso? Use α = 5%.
Testamos a hipótese H0 : p = 0,78 versus H1 : p > 0,78, com α = 0,05.
prop.test(x = 289, # numero de sucessos

alternative = "greater")

alternative hypothesis: true p is greater than 0.78
0.7898968 1.0000000
sample estimates:
p
0.8257143
Temos valor-p igual a 0,01948, que é menor que o nível de significância α = 0.05. Portanto, rejeitamos
H0 e concluímos que há evidências de que a taxa de sucesso par NP seja maior do que a taxa histórica de
sucesso.
5
Referências
[1] P. A. Bussab, W. de O. e Morettin, Estatística Básica. Saraiva, 2017.
[2] J. L. Devore, Probabilidade e estatística para engenharia e ciências. Cengage Learning Edições Ltda.,
2018.
[3] D. F. Ferreira, Estatística básica. UFLA, 2009.
[4] G. C. Montgomery, Douglas C e Runger, Estatística aplicada e probabilidade para engenheiros. Grupo
Gen-LTC, 2020.

TH Proporcao

Enviado por

Direitos autorais:

Formatos disponíveis

TH Proporcao

Enviado por

Dados do documento

Título original

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

TH Proporcao

Enviado por

Direitos autorais:

Formatos disponíveis

1

UNIVERSIDADE FEDERAL DE LAVRAS

Disciplina: GES104 – Estatística aplicada à Engenharia

Testes de hipóteses para a proporção

2 Teste de hipóteses para proporção

Vimos na seção anterior o procedimento geral para testes de hipóteses.

3 Procedimento geral para testes de hipóteses

Figura 3.1 – Regiões de rejeição e aceitação em testes de hipóteses

3. Estatística de teste: Calcule a estatística de teste dada por:

em que p0 é o valor que testamos quando estabelecemos as hipóteses na Etapa 1 e p̂ é a proporção na

Exemplo 1. Um fabricante de semicondutores produz controladores usados em aplicações no motor de auto-

Use a função qnorm() para encontrar o quantil que separa as regiões

3. Calcule a estatística de teste dada por:

e portanto, rejeitamos H0 ao nível de 5% de significância e mantemos H1 : p < 0,06, ou seja, o fabri-

No R usamos a função prop.test do pacote "stats":

prop.test(x = 4, # numero de sucessos na amostra

## No argumento "alternative" escolha o tipo de teste:

1-sample proportions test without continuity correction

data: 4 out of 200, null probability 0.06

• Se valor-p < α : Rejeito H0

• Se valor-p > α : Aceito H0

prop.test(x = 10, # numero de sucessos

1-sample proportions test without continuity correction

data: 10 out of 500, null probability 0.03

prop.test(x = 289, # numero de sucessos

1-sample proportions test without continuity correction

data: 289 out of 350, null probability 0.78

[1] P. A. Bussab, W. de O. e Morettin, Estatística Básica. Saraiva, 2017.

[3] D. F. Ferreira, Estatística básica. UFLA, 2009.

Você também pode gostar