teste e intervalo t para a média
Usa-se quando a variância populacional, \(\sigma^2\), é desconhecida.
Testes e intervalo de confiança para a média (\(\mu\)) de uma população normal com variância desconhecida (\(\sigma^2\)).
Em notação matemática:
\(X \sim N(\mu,\; \sigma^2)\): os dados são bem modelados por uma distribuição normal
\(\sigma^2\) é desconhecida do problema em investigação (ver variância populacional)
\(s_c\) é obtido no problema em investigação
e nestas condições, a variável fulcral é
que segue distribuição de amostragem t-Student.
procedimento para obter o IC
O procedimento, tendo em conta os pressupostos
\(X \sim N(\mu, \sigma^2)\): os dados são bem modelados por uma distribuição normal;
\(\sigma^2\) é desconhecida: a variância populacional não é fornecida no enunciado.
\(s_c\) é obtido no problema em investigação
em que, com base na distribuição de amostragem t-Student,
tabelas: \(t_{n-1,1-\alpha/2} = F^{-1}_{t,n-1}(1-\alpha/2)\)
calculadoras: \(t_{n-1,1-\alpha/2} = \text{INV.T}(1-\alpha/2,\;n-1)\) (o resultado é sempre positivo)
O grau de confiança, \(1 - \alpha\), é colocado no centro da distribuição \(t_{n-1}\).
TH com base no p-value
Antes de avançar é necessária a verificação dos pressupostos:
\(X \sim N(\mu,\sigma^2)\) (X segue uma distribuição normal)
\(\sigma^2\) desconhecido (a variância populacional é desconhecida)
o problema em investigação fornece \(s_c\) (desvio padrão corrigido)
- 1. Especificar a hipóteses H0 e H1
\(\mu_0\) é um valor real obtido no problema em investigação.
teste bilateral:
\(H_0:\, \mu = \mu_0 \quad vs \quad H_1:\, \mu \neq \mu_0\)
teste unilateral à direita:
\(H_0:\, \mu = \mu_0 \quad vs \quad H_1:\, \mu > \mu_0\)
teste unilateral à esquerda:
\(H_0:\, \mu = \mu_0 \quad vs \quad H_1:\, \mu < \mu_0\)
- 2. Identificar a estatística de teste
A estatístisca de teste relaciona as médias amostral e populacional.
A notação «\(| \; H_0\)» designa «sob H0», ou seja, sendo H0 verdade então o valor de \(\mu\) é o valor real \(\mu_0\) indicado no problema em investigação.
- 3. Obter o valor da estatística de teste
Sob H0, o valor do parâmetro \(\mu\) é o valor real \(\mu_0\).
O valor da estatística de teste é obtido com base na média e desvio padrão amostral corrigido e no valor \(\mu_0\):
- 4. Calcular o p-value
No que se segue, \(F_{t,n-1}(t) = \text{CDF.T}(lower=-\infty, upper=t,\; df=n-1)\) em que lower, upper e df (degrees of freedom ou graus de liberdade) são valores habitualmente pedidos nas calculadoras.
4a. Calcular o p-value de um teste bilateral
se \(t_{obs}\) é negativo então
tabelas: \(\text{p-value} = 2 \times F_{t,n-1}(t_{obs})\)
calculadoras: \(\text{p-value} = 2 \times \text{CDF.T}(lower=-\infty,\;upper=t_{obs},\;n-1)\)
se \(t_{obs}\) é positivo então
tabelas: \(\text{p-value} = 2 \times (1 - F_{t,n-1}(t_{obs}))\)
calculadoras: \(\text{p-value} = 2 \times \text{CDF.T}(lower=t_{obs},\;upper=+\infty,\;n-1)\)
4b. Calcular o p-value de um teste unilateral à direita
Independentemente de \(t_{obs}\) ser positivo ou negativo:
tabelas: \(\text{p-value} = 1 - F_{t,n-1}(t_{obs})\)
calculadoras: \(\text{p-value} = \text{CDF.T}(lower=t_{obs},\;upper=+\infty,\;n-1)\)
4c. Calcular o p-value de um teste unilateral à esquerda
Independentemente de \(t_{obs}\) ser positivo ou negativo:
tabelas: \(\text{p-value} = F_{t,n-1}(t_{obs})\)
calculadoras: \(\text{p-value} = \text{CDF.T}(lower=-\infty,\;upper=t_{obs},\;n-1)\)
- 5. Concluir
se \(\text{p-value} \le \alpha\) então rejeita-se H0 em favor de H1
se \(\text{p-value} > \alpha\) então não se rejeita H0
- 6. Interpretar no contexto do problema em investigação
Sugestão de interpretação para o caso em que X é um peso:
«o peso médio (é / não é) significativamente diferente de \(\mu_0\) considerando o nível de significância \(\alpha=5\%\) e com base na amostra considerada.»
«o peso médio (é / não é) significativamente maior que \(\mu_0\) considerando o nível de significância \(\alpha=5\%\) e com base na amostra considerada.»
«o peso médio (é / não é) significativamente menor que \(\mu_0\) considerando o nível de significância \(\alpha=5\%\) e com base na amostra considerada.»
TH com base na região crítica
Antes de avançar é necessária a verificação dos pressupostos:
\(X \sim N(\mu,\sigma^2)\) (X segue uma distribuição normal)
\(\sigma^2\) (a variância populacional é desconhecida)
o problema em investigação fornece \(s_c\) (desvio padrão corrigido)
- 1. Especificar a hipóteses H0 e H1
\(\mu_0\) é um valor real obtido no problema em investigação
teste bilateral:
\(H_0:\, \mu = \mu_0 \quad vs \quad H_1:\, \mu \neq \mu_0\)
teste unilateral à direita:
\(H_0:\, \mu = \mu_0 \quad vs \quad H_1:\, \mu > \mu_0\)
teste unilateral à esquerda:
\(H_0:\, \mu = \mu_0 \quad vs \quad H_1:\, \mu < \mu_0\)
- 2. Identificar a estatística de teste
A estatístisca de teste relaciona as médias amostral e populacional.
A notação «\(| \; H_0\)» designa «sob H0», ou seja, sendo H0 verdade então o valor de \(\mu\) é o valor real \(\mu_0\) indicado no problema em investigação.
- 3. Obter o valor da estatística de teste
Com base na média amostral e valor \(\mu_0\):
- 4. Obter a região crítica
A região crítica é um intervalo que contendo \(t_{obs}\) então deve rejeitar-se H0.
No que se segue, \(F^{-1}_{t,n-1}(prob) = \text{INV.T}(prob,\; df=n-1)\) em que prob é uma probabilidade em \([0,\; 1]\) e df são degrees of freedom (ou graus de liberdade).
4a. região crítica bilateral
tabelas: \(t_{critico} = F^{-1}_{t,n-1}(1-\alpha/2)\)
calculadoras: \(t_{critico} = \text{INV.T}(1-\alpha/2,\;n-1)\) (o resultado é sempre positivo)
\(RC = ]-infty,\; t_{critico}[ \;\cup\; ]t_{critico},\; +\infty[\).
4b. região crítica unilateral à direita
tabelas: \(t_{critico} = F^{-1}_{t,n-1}(1-\alpha)\)
calculadoras: \(t_{critico} = \text{INV.T}(1-\alpha,\;n-1)\) (o resultado é sempre positivo)
\(RC = ]t_{critico},\; +\infty[\)
4c. região crítica unilateral à esquerda
tabelas: \(t_{critico} = F^{-1}_{t,n-1}(\alpha)\)
calculadoras: \(t_{critico} = \text{INV.T}(\alpha,\;n-1)\) (o resultado é sempre negativo)
\(RC = ]-\infty,\; t_{critico}[\)
- 5. Concluir
se \(t_{obs}\) pertence à região crítica então rejeita-se H0 em favor de H1,
se \(t_{obs}\) não pertence à região crítica então não se rejeita H0.
- 6. Interpretar no contexto do problema em investigação:
Sugestão de interpretação para o caso em que X é um peso:
«o peso médio (é / não é) significativamente diferente de \(\mu_0\) considerando o nível de significância \(\alpha=5\%\) e com base na amostra considerada.»
«o peso médio (é / não é) significativamente maior que \(\mu_0\) considerando o nível de significância \(\alpha=5\%\) e com base na amostra considerada.»
«o peso médio (é / não é) significativamente menor que \(\mu_0\) considerando o nível de significância \(\alpha=5\%\) e com base na amostra considerada.»
TH com base no método do IC
Antes de avançar é necessária a verificação dos pressupostos:
\(X \sim N(\mu,\sigma^2)\) (X segue uma distribuição normal)
\(\sigma^2\) (a variância populacional é desconhecida)
o problema em investigação fornece \(s_c\) (desvio padrão corrigido)
o TH a efetuar é do tipo bilateral (\(H_1:\; \mu \neq \mu_0\))
- 1. Especificar a hipóteses H0 e H1
\(\mu_0\) é um valor real obtido no problema em investigação
O método do IC apenas se aplica ao teste bilateral:
\(H_0:\, \mu = \mu_0 \quad vs \quad H_1:\, \mu \neq \mu_0\)
- 2. Usar ou determinar o IC
(Ver também procedimento para obter o IC.)
Se o problema em investigação já dispõe de um IC passa-se para a etapa seguinte.
- 3. Concluir
se \(\mu_0\) não pertence ao IC então rejeita-se H0 em favor de H1,
se \(\mu_0\) pertence ao IC então não se rejeita H0.
- 4. Interpretar no contexto do problema em investigação
Sugestão de interpretação para o caso em que X é um peso:
«o peso médio (é / não é) significativamente diferente de \(\mu_0\) considerando o nível de significância \(\alpha=(1\%,5\%,10\%)\) e com base na amostra considerada.»
Recorda-se: o método do IC só é aplicável ao teste bilateral.
calculadoras gráficas
texas TI Nspire CX
intervalo t
stat => MENU » ESTATÍSTICA(6) » intervalos de confiança (6) » Intervalo T… » método de entrada de dados=estatística » OK
teste t
Estatística (2) => TEST (F3) => T => 1-Sample (F1) =>
Data: Variable
miu = > miu
miu0 = 0.4
Output:
«p» é o p-value
«t» é o t_obs
texas TI 84 e variantes
intervalo t
STAT => TESTS => TInterval => Inpt: stats => (dar os dados) OK
teste t
STAT => TESTS => T test => «Stats»
miu 0
sigma
barra x
n
“<”, ou “diferente”, ou “>”
n
casio FX 9860gii e similares
intervalo T
STAT => INTR => T => 1-S (1 sample) => (modo variable) => média amostral, st deviation, C-Level
casio FX CG 20
intervalo T
STAT => INTR => T => 1-S (1 sample) => (modo variable) => média amostral, st deviation, C-Level