1 / 48

Modelagem Estatística

Modelagem Estatística. Testes de Hipóteses. População. Conjectura (hipótese) sobre o comportamento de variáveis. Amostra. Resultados reais obtidos. Testes de Hipóteses. Decisão sobre a admissibilidade da hipótese. Exemplos de Hipóteses. A propaganda produz um efeito positivo nas vendas.

neveah
Download Presentation

Modelagem Estatística

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Modelagem Estatística Testes de Hipóteses

  2. População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Resultados reais obtidos Testes de Hipóteses Decisão sobre a admissibilidade da hipótese

  3. Exemplos de Hipóteses • A propaganda produz um efeito positivo nas vendas. • Um método de treinamento tende a aumentar a produtividade dos funcionários. • Dois métodos de treinamento produzem resultados diferentes.

  4. Hipóteses de um Teste • Ho - Hipótese Nula • H1 - Hipótese Alternativa

  5. Hipóteses de um Teste • Ho - Hipótese Nula- hipótese que será suposta inicialmente como verdadeira. • É, basicamente, a negação do que o pesquisador deseja provar.

  6. Hipóteses de um Teste • H1 - Hipótese Alternativa- hipótese que será aceita, se os dados mostrarem evidências suficientes para a rejeição da hipótese nula. • Geralmente, é a própria hipótese da pesquisa.

  7. Exemplo Ho: Em média, as vendas não aumentam com a introdução da propaganda. H1: Em média, as vendas aumentam com a introdução da propaganda. Ho: Em média, a produtividade não cresce com o treinamento. H1: Em média, a produtividade cresce com o treinamento.

  8. Exemplo • Suspeita-se que uma moeda, utilizada em jogo de azar, seja viciada, isto é, que a probabilidade de sair “cara” seja diferente de 50%.

  9. Hipóteses Ho: p = 0,5(a probabilidade é 50%) H1: p = 0,5(a probabilidade não é 50%) p - probabilidade de cara.

  10. Amostra • Para se tomar a decisão de se aceitar, ou não, que a moeda seja honesta, tomou-se uma amostra com 10 lançamentos e observou-se o número de caras. (variável X - estatística do teste).

  11. ValorEsperado • Qual é o valor esperado para o número de caras (variável X - estatística do teste) se a probabilidade for realmente 50%? 5 caras

  12. Resultado da amostra • Valor esperado se a probabilidade for realmente 50%: 5 caras. • Situação 1: Valor obtido: X = 10 caras. Qual seria a conclusão? • Situação 2: Valor obtido: X = 7 caras. Qual seria a conclusão?

  13. Valor esperado se Ho for verdadeira Valor observado na amostra ocorreu por acaso? (Ho verdadeira) Desvio Observado Desvio ocorreu porque Ho é falsa ?

  14. Distribuição de Referência • Todo teste está associado a uma distribuição de probabilidades, usada para se verificar a adequação de Ho com o resultado observado na amostra. • No exemplo da moeda, a distribuição é binomial (n=10 ep=0,5).

  15. Exemplo 0.246 • Distribuição (n=10, p=0,5). 0.205 0.205 0.117 0.117 0.044 0.044 0.01 0.01 0.001 0.001 X 0 1 2 3 4 5 6 7 8 9 10

  16. Probabilidade de Significância (ps) • Probabilidade da estatística do teste acusar um resultado tão (ou mais) distante do esperado quanto o resultado ocorrido na amostra observada. • Pode ser compreendida como a probabili-dade do desvio observado ter ocorrido por acaso se a hipótese nula for verdadeira.

  17. Valor esperado se Ho for verdadeira Valor observado na amostra ocorreu por acaso? (Ho verdadeira) Desvio Observado Desvio ocorreu porque Ho é falsa ?

  18. Situação 1 • A amostra apresentou 10 caras. • Sep = 0,5, a probabilidade da amostra apresentar X = 10 (ou X=0) caras é:

  19. Situação 1 0.246 0.205 0.205 0.117 0.117 0.044 0.044 0.01 0.01 0.001 0.001 X 0 1 2 3 4 5 6 7 8 9 10 ps = 0,002 ou 0,2%

  20. Conclusão... • ps = 0,2% (probabilidade do desvio ter ocorrido por acaso) • Qual seria a conclusão? • Rejeita-se Ho, ou seja, não se admite que o desvio tenha ocorrido por acaso.

  21. Situação 2 • A amostra apresentou 7 caras. • Sep = 0,5, a probabilidade da amostra apresentar X = 7 ou mais (ou X=3 ou menos) caras é:

  22. Situação 2 0.246 0.205 0.205 0.117 0.117 0.044 0.044 0.01 0.010 0.001 0.001 X 0 1 2 3 4 5 6 7 8 9 10 ps = 0,344 ou 34,4%

  23. Conclusão... • ps = 34,4% (probabilidade do desvio ter ocorrido por acaso) • Qual seria a conclusão? • Aceita-se Ho,ou seja, não se pode afirmar que o desvio não tenha ocorrido por acaso.

  24. Decisão • Se a probabilidade do desvio ter ocorrido por acaso for considerável (ps alta), não há evidências para se rejeitar Ho. Aceita-se Ho. • Quando a probabilidade do desvio ter ocorrido por acaso for considerada pequena (ps baixa), há evidências para a rejeição de Ho. Rejeita-se Ho.

  25. Nível de Significância () • O nível de significância () é o limite para a probabilidade de significância a partir do qual se passa a rejeitar a hipótese nula do teste. • Representa a probabilidade tolerável de se rejeitar Ho quando esta for verdadeira. • Os valores mais comuns para o nível de significância são 5%, 10% e 1%.

  26. A hipótese nula pode ou não ser impugnada pelos resultados de um experimento. Ela nunca pode ser provada, mas pode ser desaprovada no curso da experimentação. R. A. Fisher

  27. Exercício 1 • Exercícios 1, 2 e 4, pg. 208.

  28. Testes Bilaterais • O teste bilateral é empregado quando se deseja detectar variações no parâmetro, tanto para mais quanto para menos. • Num teste bilateral, a hipótese alternativa (H1) diz que o parâmetro é diferente do valor estipulado na hipótese nula.

  29. Testes Bilaterais • No exemplo discutido, o teste é bilateral, pois se deseja detectar variações na probabilidade de sair cara tanto para mais quanto para menos, isto é, rejeita-se Ho quando se achar que a probabilidade de sair cara é diferente de 50%.

  30. Testes Bilaterais HIPÓTESES Ho: p = 0,5 H1: p = 0,5

  31. Testes Bilaterais • A probabilidade de significância é calculada assim: ps / 2 ps / 2 X

  32. Testes Unilaterais • O teste unilateral é empregado quando se deseja detectar se um padrão mínimofoi atingido (unilateral à esquerda) ou se um limite máximonão foi excedido (unilateral à direita).

  33. Testes Unilaterais • Num teste unilateral, a hipótese alternativa (H1) diz que o parâmetro é maior(unilateral à direita) ou menor (unilateral à esquerda) do que o valor estipulado na hipótese nula.

  34. Testes Unilaterais • No exemplo discutido, caso se desejasse testar apenas a possibilidade da probabilidade de cara ser maior que 50%, ter-se-ia um teste unilateral à direita. A rejeição de Ho dar-se-ia somente quando se achasse que a probabilidade fosse maior que 0,5.

  35. Testes Unilaterais HIPÓTESES (unilateral à direita) Ho: p = 0,5 H1: p > 0,5

  36. Testes Unilaterais • A probabilidade de significância seria calculada assim: ps X

  37. Testes Unilaterais • No exemplo discutido, caso se desejasse testar apenas a possibilidade da probabilidade ser menor que 50%, ter-se-ia um teste unilateral à esquerda. A rejeição de Ho dar-se-ia somente quando se achasse que a probabilidade fosse menor que 0,5.

  38. Testes Unilaterais HIPÓTESES (unilateral à esquerda) Ho: p = 0,5 H1: p < 0,5

  39. Testes Unilaterais • A probabilidade de significância seria calculada assim: ps X

  40. Exercício • Para cada um dos exemplos de hipóteses a seguir, indique qual abordagem (unilateral ou bilateral) é a mais adequada.

  41. Exercício • A propaganda produz um efeito positivo nas vendas. • Um método de treinamento tende a aumentar a produtividade dos funcionários. • Dois métodos de treinamento tendem a produzir resultados diferentes na produtividade.

  42. Exercício 2 • Exercícios 8, 10 e 11, pg 211.

  43. TestesO que é preciso saber? • Hipóteses (para que serve o teste?) • Estatística do Teste (qual é a variável aleatória que é utilizada?) • Distribuição de Referência (qual modelo probabilístico deve ser empregado?)

  44. Teste para a Proporção • Hipótese nula: Ho: p = po • Distribuição de referência: Normal (válido quando a amostra for grande). • Estatística:

  45. Teste para a Proporção • Estatística: y’ = y – 0,5 se y > n.p0; ou y’ = y + 0,5 se y < n.p0 (correção de continuidade)

  46. (X -  n t = S Teste paraa Média • Hipótese nula: Ho:  =  • Distribuição de referência: t de Student, com (n-1) graus de liberdade (válido quando a amostra for grande ou a população tiver distribuição normal). • Estatística:

  47. (X -  n t = S X - média observada na amostra S - desvio padrão da amostra o - média considerada na hipótese nula n - tamanho da amostra Teste paraa Média • Estatística:

  48. Realidade H verdadeira falsa H o o E r r o D e c i s ã o Aceitar T i p o II H o  ( ) E r r o Rejeitar T i p o I H o ( )  Tipos de Erros O K O K

More Related