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

\[T = \frac{\bar X - \mu}{S_c/\sqrt{n}} \; \sim \; t_{n-1}\]

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

\[IC_{1-\alpha}(\mu) = \left[ \bar x - t_{n-1,1-\alpha/2} \frac{s_c}{\sqrt{n}},\; \bar x + t_{n-1,1-\alpha/2} \frac{s_c}{\sqrt{n}} \right]\]

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.

\[T = \frac{\bar X - \mu}{S_c/\sqrt{n}} \; | \; H_0 \; \sim t_{n-1}\]
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 \(\mu_0\):

\[t_{obs} = \frac{\bar x - \mu_0}{s_c/\sqrt{n}}\]
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.

\[T = \frac{\bar X - \mu}{S_c/\sqrt{n}} \; | \; H_0 \; \sim t_{n-1}\]
3. Obter o valor da estatística de teste

Com base na média amostral e valor \(\mu_0\):

\[t_{obs} = \frac{\bar x - \mu_0}{s_c/\sqrt{n}}\]
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.

\[IC_{1-\alpha}(\mu) = \left[ \bar x - t_{n-1,1-\alpha/2} \frac{s_c}{\sqrt{n}},\; \bar x + t_{n-1,1-\alpha/2} \frac{s_c}{\sqrt{n}} \right]\]
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