Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos
6. TESTES DE
HIPÓTESES
alunos (5.1), poderíamos formular a seguinte
Esta hipótese de igualdade é chamada
hipótese nula, e representada por H0.
Ela será investigada a partir da amostra.
Caso contrário, se a amostra não fornece
evidência contra H0, não rejeitamos H0.
Obs - Perceba que não falamos em “aceitar
H0”, e sim “não rejeitar H0”. Um teste de
hipóteses nunca fornecerá evidências que
permitam concluir que H0 seja verdadeira.
Entretanto, “aceitar H0”, em provas da
Cesgranrio, tem sido tomado como certo.
• Testes de Hipóteses
Uma hipótese estatística é uma afirmação
a respeito de um parâmetro da população.
Exemplo 6.1 - No exemplo da altura dos
hipótese: “µ (que é a altura média dos
alunos da turma inteira) é igual a 175 cm”.
Se a amostra fornece evidência contra
H0, então rejeitamos esta hipótese.
Neste caso, aceitamos uma hipótese
alternativa, representada por H1.
H1 contradiz o que se afirma em H0.
No exemplo, teríamos H1: µ ≠ 175.
Em resumo, diante das hipóteses:
H0: µ = 175 (hipótese nula)
e
H1: µ ≠ 175 (hipótese alternativa),
tomamos uma das seguintes decisões:
não rejeitar H0
ou
rejeitar H0 (e, neste caso, aceitar H1).
1
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

• Analogia com um Julgamento

Embora o ponto de partida seja a
hipótese nula, é a hipótese alternativa Em nosso sistema judiciário, um júri
que um teste permite evidenciar (ou não). só decide condenar um réu caso haja
evidência de que ele seja culpado.

É ela, portanto, que queremos tentar Isto porque o sistema considera mais
comprovar, quando formulamos um teste. grave condenar um eventual inocente
do que absolver um eventual culpado.

Isto nada mais é do que • Erros em Testes de Hipóteses

um teste de hipóteses.
Um teste de hipóteses não leva
necessariamente à decisão correta.
Qual a hipótese nula?

Qual a hipótese alternativa? Qualquer que seja nossa decisão,

sempre existe a possibilidade de erro.

R: H0: réu inocente Existem 2 tipos de erro que podemos

H1: réu culpado. cometer ao testar hipóteses: tipo I e tipo II.

• Nível de Significância
O erro tipo I é o erro que consiste em
rejeitar H0, quando ela é verdadeira.
O nível de significância α de um teste é
a probabilidade de cometer o erro tipo I

A probabilidade de cometer este erro é α é pré-especificado por quem vai fazer o

denotada por α, e tem um nome específico: teste. Os valores usuais são: 0,01, 0,05 e 0,1.
nível de significância.

2
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos
Uma questão que pode surgir é: por
que não trabalhar com um valor de α
bem pequeno, para minimizar a
possibilidade de cometer o erro tipo I?
Porque também existe o erro tipo II...
Obs - α e β não têm uma relação exata. Por
exemplo, não se pode afirmar que α+β = 1.
A única coisa que se garante é que
quando um diminui, o outro aumenta.
A única forma de reduzir α e β
simultaneamente é aumentando
o tamanho da amostra.
• Como Testar Hipóteses?
Primeiramente, é necessário
definir 2 quantidades:
- Estatística de teste
- Região crítica
Professor: Eduardo Campos
O erro tipo II é o erro que consiste em
não rejeitar H0, quando ela é falsa.
A probabilidade do erro tipo II
é designada por β.
O problema de usar um α muito
pequeno é que quanto menor o
valor de α, maior o valor de β.
Resumo - Erros em um Teste de Hipóteses:
H0 Verdadeira H0 Falsa
Rejeitar H0 Erro Tipo I
Não Rejeitar Erro Tipo II
H0
a probabilidade α de cometer este
erro é o nível de significância.
A estatística de teste é uma estatística
(= função das v.a.`s na amostra) baseada
no estimador do parâmetro de interesse.
Seja µ a média de uma população
Normal com σ conhecido. A estatística
do teste de H0: µ = k contra H1: µ ≠ k é:
X−k
Z= .
σ/ n
3
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos
Quando H0 é verdadeira
(µ = k), sabemos que:
X−k
Z= ~ N(0,1).
σ/ n
Portanto, se houver evidência de que o
resultado acima não seja válido, então
é porque H0 não deve ser verdadeira.
A região crítica RC é o conjunto dos
valores de z0 que levam à rejeição de H0.
Para o teste de H0: µ = k contra
H1: µ ≠ k (σ conhecido):
RC = (-∞,-zα/2]∪[zα/2,∞).
este valor é chamado valor crítico.
1 - H0 é verdadeira, e o evento Z∈RC, cuja
ocorrência era improvável (probabilidade
α) acabou ocorrendo por obra do acaso
ou
2 - H0 é falsa.
O mais lógico é optar pela alternativa 2.
Assim, tomamos a decisão de rejeitar H0.
Professor: Eduardo Campos
O valor observado de Z é:
x−k
z0 = .
σ/ n
Se z0 é um valor pouco provável quando
Z ~ N(0,1), isto é uma evidência contra Z
seguir uma N(0,1) e, portanto, contra H0.
Por Que Rejeitar H0 Quando z0 ∈ RC?
Note que, se H0 é verdadeira:
P(Z∈RC) = P[(Z≤-zα/2)∪(Z≥zα/2)] = α,
que é um valor pré-especificado e baixo.
Assim, se z0∈RC, temos que decidir entre:
Resumo:
Se o valor observado da estatística de
teste pertencer à RC, a amostra fornece
evidência estatística para rejeitar H0.
Nesta situação, tomamos a
decisão de rejeitar H0.
4
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

Retomando o exemplo 6.1, considerando a

Se o valor observado da estatística de amostra observada fornecida no módulo 5,
teste não pertencer à RC, a amostra não vamos conduzir o seguinte teste:
fornece evidência para rejeitar H0.
H0: µ = 175
x
Nesta situação, tomamos a H1: µ ≠ 175,
decisão de não rejeitar H0.
ao nível α = 0,05, considerando σ = 6,0828.

Como α = 0,05:
Valores Críticos da Normal RC = (-∞,-1,96]∪[1,96,∞).
(Testes Bilaterais):
Por outro lado:

Se α = 0,01 ⇒ z0,005 = 2,575. x − 175 180 − 175

z0 = = = 1,8380.
6,0828 / 5 6,0828 / 5
Se α = 0,05 ⇒ z0,025 = 1,96.
Este valor não pertence à RC.
Se α = 0,1 ⇒ z0,05 = 1,645.
Logo, não rejeitamos H0.

Se σ é desconhecido, a estatística do
teste de H0: µ = k contra H1: µ ≠ k é: O valor observado de T é:

X−k x−k
T= . t0 = .
S/ n s/ n

Quando H0 é verdadeira (µ = k), a E a região crítica é:

estatística acima, como já vimos, não RC = (-∞,-tn-1;α/2]∪[tn-1;α/2,∞).
segue distribuição Normal, e sim t de
Student com n-1 graus de Liberdade.

5
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

No exemplo 6.1, Consultando a Tabela t:

vamos testar novamente as hipóteses:

H0: µ = 175
x
H1: µ ≠ 175,

considerando agora σ desconhecido

e estimado (a estimativa foi s = 6,0828). t 4;0,025 = 2,7764.

Assim:
Exemplo 6.2 - Um AAS de 25
RC = (-∞,-2,7764]∪[2,7764,∞). trabalhadores de uma fábrica foi
selecionada, fornecendo salário médio
de R$ 400,00 e desvio padrão R$ 450,00.
x − 175 180 − 175
t0 = = = 1,8380.
s/ 5 6,08 / 5 Considerando a população Normal, use o
método da RC para testar a hipótese de que
Este valor não pertence à RC. o salário médio dos empregados da fábrica
seja igual a R$ 600,00, ao nível α = 0,1.
Logo, não rejeitamos H0.

Solução: Consultando a Tabela t:

1 - As hipóteses de interesse são:
H0: µ = 600 (hipótese nula);
H1: µ ≠ 600 (hipótese alternativa).
O nível de significância pedido é α = 0,1.
2 - A região crítica do teste é:
RC = (-∞,-t24;0,05]∪[t24;0,05,∞).
Da tabela t, temos que t24;0,05 = 1,7109.

6
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

3 - Cálculo de t0:
Em algumas situações específicas, não
x − 600 400 − 600 200 estaremos preocupados em evidenciar
t0 = = =− = −2,2222. se o parâmetro de interesse (µ, nos
s / 25 450 / 5 90
exemplos até aqui) é diferente de k, e
sim se ele é maior ou menor do que k.
4 - Verifica-se que t0 pertence à RC.

5 - Conclusão: rejeitamos H0, ao nível 0,1. Isto conduz ao estudo de testes unilaterais.

• Testes Unilaterais/Unicaudais A região crítica é definida com base na

hipótese alternativa, e será, neste caso:
Exemplo 6.3 - Um fabricante afirma RC = [tn-1;α;∞).
que seus cigarros contém, em média, no
máximo 30mg de nicotina. Queremos não dividimos α por 2!
verificar a partir de uma amostra se
existe evidência contra esta afirmação.
Foi coletada uma amostra de 25 cigarros,
fornecendo média e desvio padrão de,
Neste caso, é mais correto estabelecer
respectivamente, 31,5 e 3 mg. Ao nível 0,05,
as hipóteses: H0: µ = 30 x H1: µ > 30.
os dados refutam a afirmação do fabricante?

Da tabela t, t24;0,05 = 1,7109, Observações Importantes:

e assim: RC = [1,7109;∞).

1 - H0 também pode ser µ ≤ 30. O teste

t0 = 2,5, que pertence à RC acima. (ou seja, a estatística e a região crítica) é
exatamente o mesmo do que com H0: µ = 30.
Conclusão: rejeitamos H0, ao nível de
significância estabelecido (α = 0,05).
2 - se H1 fosse µ < 30, a região
Os dados refutam a afirmação do fabricante! crítica seria: RC = (-∞;-tn-1;α].

7
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

• Teste para uma Proporção O teste baseia-se no seguinte resultado

aproximado (para grandes amostras):
As hipóteses de interesse são:
proporção amostral.
p̂ − p
H0: p = k Z= ≈ N(0,1).
H1: p ≠ k, p(1 − p)
n
sendo p uma proporção populacional
(por exemplo, de eleitores que O teste resultante será válido apenas em
pretendem votar em um certo candidato). grandes amostras (é um teste assintótico).

Estatística de Teste O teste consiste em calcular o valor da

estatística Z para a amostra observada:
A estatística de teste é obtida substituindo
em Z o valor considerado em H0 (p = k):
p̂ − k
z0 = ,
k (1 − k )
p̂ − k
Z= . n
k (1 − k )
n e verificar se z0 pertence à RC, que
é baseada na distribuição Normal.

Exemplo 6.4 - Uma corretora afirma Solução:

que 30% dos seus clientes são avessos
ao risco. Uma AAS de 64 clientes
revela que 20 são avessos ao risco.
Teste a afirmação da corretora, ao
nível de significância α = 0,1.
As hipóteses de interesse são:
H0: p = 0,3
H1: p ≠ 0,3,
sendo p a proporção do total de clientes
da corretora que são avessos ao risco.

8
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

α = 0,1 ⇒ z0,05 = 1,645, e assim: Exemplo 6.5 - Uma emissora de TV

afirma que o índice de audiência de seu
RC = (-∞,-1,645]∪[1,645,∞). programa “carro chefe”, em determinada
localidade e horário, é de 60%. Um
instituto de pesquisa entrevista 400
0,3125 − 0,3
z0 = = 0,2182. pessoas naquela localidade. Se 220
0,3(1 − 0,3) entrevistados assistem ao programa no
64 horário em questão, existe evidência
estatística contra a afirmativa feita pela
Como z0 não pertence à RC, não emissora, ao nível de significância 0,05?
rejeitamos H0 ao nível α = 0,1.

Solução: Valores Críticos da Normal

(Testes Unilaterais):
As hipóteses de interesse são:
Se α = 0,01 ⇒ z0,01 = 2,33.
H0: p = 0,6
H1: p < 0,6, Se α = 0,05 ⇒ z0,05 = 1,645.

sendo p a proporção de audiência do Se α = 0,1 ⇒ z0,1 = 1,28.

programa na população em estudo.

Para α = 0,05: Conclusão:

RC = (-∞,-1,645].

0,55 − 0,6 A amostra fornece evidência contra a

z0 = = −2,04. afirmativa da emissora, ao nível 0,05.
0,6(1 − 0,6)
400
E aos outros níveis usuais?
Como z0 pertence à RC,
rejeitamos H0 ao nível α = 0,05.

9
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

• Decisão x Nível de Significância Note então que:

Se uma hipótese não é rejeitada a um
No exemplo 6.5, rejeitamos H0 aos certo nível de significância, também não
níveis 0,05 e 0,1, mas não ao nível 0,01. o será a níveis inferiores (a RC diminuirá).

Ou seja: Por outro lado:

Se uma hipótese é rejeitada a um certo
a decisão em um teste depende do
nível de significância, também o será a
nível de significância estabelecido!
níveis superiores (pois a RC aumentará).

P-Valor ou Nível Descritivo

Podemos definir um “ponto de corte”, isto é,
um valor de α abaixo do qual não rejeitamos
H0, e acima do qual passamos à rejeitar H0. O p-valor de um teste é o menor
valor de α que nos leva à rejeitar H0.

Este ponto é chamado p-valor do teste. O p-valor, também chamado nível

descritivo, é utilizado para testar
hipóteses de uma forma direta.

Exemplo 6.6 - O p-valor obtido para um

• Testando Hipóteses Usando o P-Valor
teste foi 0,07. Qual a conclusão do teste
para os 3 níveis de significância usuais?

A regra de decisão é a seguinte: Solução:

Para α = 0,01 ou 0,05, não rejeitamos H0

se p-valor ≤ α ⇒ rejeitamos H0 (pois o p-valor é maior do que ambos);
se p-valor > α ⇒ não rejeitamos H0
Para α = 0,1, rejeitamos H0
(pois o p-valor é menor do que 0,1).

10
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

• Cálculo do P-Valor Para elucidar a definição, considere o teste

de H0: µ = k contra H1: µ > k, em que z0
é o valor observado da estatística de teste.
O p-valor de um teste é dado pela
probabilidade, calculada sob H0, Note que, se z0 ≥ zα, o p-valor fica
de que a estatística de teste assuma menor do que α. Isto corresponde
um valor igual ou “mais extremo” à situação em que H0 é rejeitada.
do que o valor calculado na amostra.
Por outro lado, se z0 < zα, o p-valor
fica maior do que α. Isto corresponde
Mais extremo = mais “dentro” da RC.
à situação em que H0 não é rejeitada.

Exemplo 6.7 - Retomemos o exemplo Solução:

6.3. Considere agora o desvio padrão
conhecido (para que o p-valor possa ser
calculado pela Normal), e igual a 3 mg.
p - valor = PH (Z ≥ 2,5) = 0,5 − 0,49379= 0,00621.
0

indica que a probabilidade é calculada sob H0

Calcule o p-valor do teste, e utilize-o para
formular sua conclusão aos níveis usuais.
Conclusão?

Em um teste bilateral, o p-valor é obtido Exercício 6.1 - No exemplo 6.5, calcule o

multiplicando o p-valor unilateral por 2. p-valor do teste, e utilize-o para formular
suas conclusões aos níveis usuais.

No exemplo 6.7, se H1: µ ≠ 30:

R: 0,02068.
R: p-valor = 2*0,00621 = 0,01242.

11
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

• Testando uma Hipótese a partir • IC`s e Testes de Hipóteses (Bilaterais)

de um Intervalo de Confiança
O IC com grau permite testar ao
O teste de H0: µ = k contra H1: µ ≠ k,
de confiança:: nível de significância:
ao nível de significância α, pode ser
feito usando o IC de 100(1-α)%. 90% 0,1

A regra de decisão é a seguinte: 95% 0,05

99% 0,01
• Se k não pertence ao IC, rejeitamos H0
• Caso contrário, ou seja, se k
pertence ao IC, não rejeitamos H0 O método do IC não se aplica a testes unilaterais.

Erros em um Teste de Hipóteses x Poder:

Poder de um Teste
H0 Verdadeira H0 Falsa
O poder π de um teste de hipóteses
é a probabilidade de rejeitar H0 Decisão
π = 1-β
quando ela é falsa (π β, sendo Rejeitar H0 Erro Tipo I
Correta
β a probabilidade do erro tipo II).
Não Rejeitar Erro Tipo II
Obs - o poder também é H0
chamado potência do teste.
a probabilidade desta decisão correta é o poder do teste

Relação entre o Poder e a

Probabilidade do Erro Tipo II:
Temos então que o poder de um teste é
a probabilidade de uma decisão correta.
É fácil concluir que:
A idéia é que um bom teste deve - ao
menos na maioria das vezes - conduzir
à rejeição de H0 quando ela for falsa. π = 1-β.

12
 Curso DSc Concurso: EPE – Analista de Pesquisa Energética
Disciplina: Métodos Quantitativos Professor: Eduardo Campos

• Cálculo do Poder de um Teste Exemplo 6.8 - Considere o teste para a

média de uma população Normal com σ = 3:
O poder de um teste é
H0: µ = 30
calculado da seguinte forma:
x
H1: µ > 30
π = PH1(Estatística do Teste ∈ RC).

ao nível de significância α = 0,05.

indica que a probabilidade será calculada sob H1 Calcule o poder do teste, assumindo que
o valor verdadeiro de µ seja igual a 32.

Solução: Passo 2 − Aplicar a definição de π :

Este cálculo envolve 3 passos:
π = PH1 ( Z ∈ RC) = PH1 ( X ≥ 30,99).

Passo 1 − Reescrever a RC em termos de X :

Passo 3 − Padronizar X , usando o valor de µ :

X - 30
Z ≥ 1,645 ⇒ ≥ 1,645 ⇒
3 / 25
X ≥ 1,645 * 0,6 + 30 ⇒ X ≥ 30,99. 30,99 − µ
π(µ) = PH1 ( Z ≥ ).
0,6

Passo 4 − Substituir o valor de • Cálculo da Probabilidade do Erro Tipo II

µ fornecido no enunciado :
A probabilidade de que se cometa o
erro tipo II em um teste, denotada
30,99 − 32 − 1,01 por β, é calculada da seguinte forma:
π(32) = P( Z ≥ ) = P( Z ≥ )
0,6 0,6
= P( Z ≥ −1,68) = 0,95352.
β = PH1(Estatística do Teste ∉ RC).

Obs - na prática, não saberemos o valor de µ, e

faz mais sentido expressar π como função de µ Ou, se já tiver calculado π, fazer: β = 1-π.
(a curva resultante é chamada curva de poder)

13