Pós-graduação
  1. Introdução à análise real  1.1. Teoria dos conjuntos e lógica em análise real  1.1.1. Conjuntos e operações na teoria dos conjuntos e lógica em análise real  1.1.2. Relações e funções  1.1.3. Lógica e quantificadores  1.1.4. Cardinalidade dos conjuntos  1.2. Espaço métrico  1.2.1. Introdução aos conjuntos abertos e fechados em espaços métricos  1.2.2. Convergência de sequências em um espaço métrico  1.2.3. Função contínua em um espaço métrico  1.2.4. Compacidade e completude em espaços métricos na análise real  1.3. Sequências e séries  1.3.1. Convergência de sequências  1.3.2. Séries infinitas  1.3.3. Convergência uniforme  1.3.4. Séries de potências  1.4. Discriminação  1.4.1. Teorema do valor médio  1.4.2. Série de Taylor  1.4.3. Funções de várias variáveis  1.4.4. Derivada parcial  1.5. Integração  1.5.1. Integração de Riemann e Lebesgue  1.5.2. Integrais impróprias  1.5.3. Teoria da Medida: uma ferramenta fundamental na integração  1.5.4. Teorema de Fubini  1.6. Análise funcional  1.6.1. Compreendendo espaços de Banach  1.6.2. Espaços de Hilbert  1.6.3. Operadores em espaços  1.6.4. Teoria Espectral
  2. Álgebra Abstrata  2.1. Compreendendo grupos na álgebra abstrata  2.1.1. Definições e exemplos de grupos na álgebra abstrata  2.1.2. Homomorfismos de grupos  2.1.3. Introdução aos subgrupos normais  2.1.4. Teorema de Sylow  2.2. Anéis e campos  2.2.1. Ideais e anéis quocientes  2.2.2. Extensões de campos  2.2.3. Teoria de Galois  2.2.4. Anéis de polinômios  2.3. Introdução aos módulos em álgebra abstrata  2.3.1. Homomorfismo de Módulos  2.3.2. Módulos livres  2.3.3. Introdução aos produtos tensoriais  2.3.4. Sequência exata em módulos  2.4. Álgebra linear  2.4.1. Espaço vetorial  2.4.2. Autovalores e autovetores  2.4.3. Espaço de produto interno  2.4.4. Diagonalização
  3. Topologia  3.1. Topologia Geral  3.1.1. Conjuntos abertos e fechados  3.1.2. Compacidade e conexidade  3.1.3. Mapas contínuos  3.1.4. Axioma de separação  3.2. Topologia algébrica  3.2.1. Compreendendo grupos fundamentais em topologia algébrica  3.2.2. Homotopia e homologia  3.2.3. Complexo simplicial  3.2.4. Sequências exatas em homologia  3.3. Topologia Diferencial  3.3.1. Compreendendo variedades na topologia diferencial  3.3.2. Funções Suaves  3.3.3. Espaço tangente e cotangente  3.3.4. Feixes vetoriais
  4. Equações diferenciais  4.1. Equação diferencial ordinária  4.1.1. Equações de primeira ordem  4.1.2. Equações lineares de segunda ordem  4.1.3. Sistemas de equações diferenciais  4.1.4. Análise de estabilidade em equações diferenciais ordinárias  4.2. Equações diferenciais parciais  4.2.1. Classificação de PDE  4.2.2. Compreendendo séries de Fourier em equações diferenciais parciais  4.2.3. Introdução às funções de Green  4.2.4. Método de caracterização  4.3. Sistemas dinâmicos em equações diferenciais  4.3.1. Teoria da Sustentabilidade  4.3.2. Ciclos limite em sistemas dinâmicos  4.3.3. Teoria do caos  4.3.4. Teoria da bifurcação
  5. Probabilidade e estatística  5.1. Teoria da probabilidade  5.1.1. Variáveis aleatórias  5.1.2. Distribuições de probabilidade  5.1.3. Lei dos grandes números  5.1.4. Teorema Central do Limite  5.2. Inferência estatística  5.2.1. Teste de hipótese  5.2.2. Intervalo de confiança  5.2.3. Métodos bayesianos  5.2.4. Estimativa de máxima verossimilhança  5.3. Processos estocásticos  5.3.1. Cadeias de Markov  5.3.2. Movimento Browniano  5.3.3. Compreendendo os processos de Poisson  5.3.4. Martingales: Um estudo abrangente em probabilidade e estatística
  6. Análise numérica  6.1. Soluções numéricas de equações  6.1.1. Descoberta original  6.1.2. Métodos iterativos  6.1.3. Análise de convergência  6.1.4. Limites de erro em soluções numéricas de equações  6.2. Álgebra linear numérica  6.2.1. Fatoração de matrizes  6.2.2. Cálculo de autovalores  6.2.3. Matrizes esparsas  6.2.4. Técnicas de pré-condicionamento  6.3. Integração e diferenciação numéricas  6.3.1. Métodos de quadratura  6.3.2. Introdução às diferenças finitas  6.3.3. Análise de erro na integração e diferenciação numérica  6.3.4. Métodos adaptativos em integração e diferenciação numérica
  7. Análise complexa  7.1. Números complexos  7.1.1. Forma polar  7.1.2. Conjugados Complexos  7.1.3. Forma exponencial de números complexos  7.1.4. Raízes da unidade  7.2. Funções analíticas  7.2.1. Equações de Cauchy–Riemann  7.2.2. Séries de potências  7.2.3. Mapeamento conforme  7.2.4. Funções harmônicas  7.3. Integração no plano complexo  7.3.1. Teorema de Cauchy  7.3.2. Teorema do resíduo  7.3.3. Integração de contorno  7.3.4. Transformadas integrais
  8. Lógica Matemática e Fundamentos  8.1. Lógica proposicional  8.1.1. Tabelas de verdade  8.1.2. Equivalência lógica na lógica proposicional  8.1.3. Técnicas de prova em lógica proposicional  8.1.4. Solução na lógica proposicional  8.2. Lógica de predicados  8.2.1. Quantificadores na lógica de predicados  8.2.2. Sistemas formais na lógica de predicados  8.2.3. Completude e correção  8.2.4. Teoria dos modelos  8.3. Teoria dos conjuntos  8.3.1. Cardinalidade e ordinalidade  8.3.2. Sistemas axiomáticos  8.3.3. Compreendendo a teoria dos conjuntos de Zermelo-Fraenkel  8.3.4. Forças na teoria dos conjuntos
  9. Personalização  9.1. Programação linear  9.1.1. Método simplex  9.1.2. Dualidade na programação linear  9.1.3. Análise de sensibilidade em programação linear  9.1.4. Métodos de ponto interior  9.2. Programação não linear  9.2.1. Descida do Gradiente  9.2.2. Múltiplos de Lagrange  9.2.3. Otimização convexa  9.2.4. Programação quadrática  9.3. Otimização Combinatória  9.3.1. Algoritmos de grafos  9.3.2. Programação inteira  9.3.3. Fluxo de Rede  9.3.4. Algoritmos de aproximação
  10. Matemática discreta  10.1. Teoria dos grafos  10.1.1. Representação de grafos  10.1.2. Planicidade e cor  10.1.3. Algoritmo de caminho mais curto  10.1.4. Fluxo de rede  10.2. Companheirismo  10.2.1. Percmutações e combinações  10.2.2. Função geradora  10.2.3. Relação de recorrência  10.2.4. Compreendendo o Princípio da Inclusão-Exclusão  10.3. Criptografia  10.3.1. Aplicações da teoria dos números na criptografia  10.3.2. Criptografia Simétrica e Assimétrica  10.3.3. RSA e criptografia de curva elíptica  10.3.4. Criptografia pós-quântica

Pós-graduação → Probabilidade e estatística → Inferência estatística ↓


Teste de hipótese


O teste de hipótese é um conceito fundamental em estatística, utilizado para fazer julgamentos sobre as características de uma população. É um método que nos permite usar dados amostrais para decidir entre duas hipóteses concorrentes sobre um parâmetro populacional.

Introdução ao teste de hipótese

Básicamente, o teste de hipótese é um processo pelo qual verificamos se uma afirmação (hipótese) sobre um parâmetro populacional é plausível com base nos dados amostrais que temos. Os principais elementos do teste de hipótese são a hipótese nula, hipótese alternativa, estatística de teste, região de rejeição e conclusão.

Hipóteses nula e alternativa

A hipótese nula (denotada como H 0) é uma afirmação sobre o parâmetro populacional que queremos testar. Geralmente, é uma afirmação de nenhum efeito ou nenhuma diferença. Em contraste, a hipótese alternativa (denotada como H 1 ou H a) é o que assumimos ser verdadeiro se a hipótese nula for rejeitada. Representa um efeito ou uma diferença.

Hipótese Nula (H 0 ): μ = μ 0 Hipótese Alternativa (H a ): μ ≠ μ 0 (bilateral) Hipótese Alternativa (H a ): μ > μ 0 (unilateral à direita) Hipótese Alternativa (H a ): μ < μ 0 (unilateral à esquerda)

Estatística de teste

Uma estatística de teste é um valor calculado a partir de dados amostrais que é usado para avaliar a probabilidade da hipótese nula. A escolha da estatística de teste depende do tipo de dados e da hipótese que está sendo testada. Exemplos comuns incluem o escore z, escore t e estatística F.

Por exemplo, se quisermos testar uma hipótese sobre uma média, podemos calcular escore z para a média amostral:

z = (x̄ - μ 0 ) / (σ/√n)
Teste estatística: z

Zona de rejeição

A região de rejeição é determinada pelo nível de significância, denotado por α, que é a probabilidade de rejeitar a hipótese nula quando ela é realmente verdadeira. Escolhas comuns para α são 0.05, 0.01 e 0.10.

Se a estatística de teste cair na região de rejeição, rejeitamos a hipótese nula em favor da hipótese alternativa.

Cauda esquerda Cauda direita

Conclusão

Com base na estatística de teste e na região de rejeição, tiramos conclusões. Se a estatística de teste cair na região de rejeição, rejeitamos a hipótese nula, sugerindo que há evidências suficientes para apoiar a hipótese alternativa. Se não cair na região de rejeição, não rejeitamos a hipótese nula.

Tipos de teste de hipótese

Os testes de hipóteses podem ser classificados em vários tipos, dependendo dos parâmetros populacionais de interesse e dos dados disponíveis.

Teste-z de uma amostra

O teste-z de uma amostra é usado quando queremos comparar uma média amostral com uma média populacional conhecida. Esse teste assume que a população é normalmente distribuída e que a variância populacional é conhecida.

Teste-t de uma amostra

Se a variância populacional for desconhecida, usamos um teste-t de uma amostra em vez de um teste-z. É apropriado quando o tamanho da amostra é pequeno, e a população é assumida como normalmente distribuída.

Teste-t de duas amostras

O teste-t de duas amostras compara as médias de duas amostras independentes. Ele testa se as médias de dois grupos são iguais. Este teste usa a desvio padrão combinado quando se assume que as variâncias são iguais ou usa as variâncias individuais quando as variâncias são desiguais.

Exemplo: teste de hipótese para a média

Suponha que uma empresa fabrica lâmpadas com uma vida média de 1000 horas. Um pesquisador acredita que a verdadeira vida média é inferior a 1000 horas e deseja testar essa hipótese usando uma amostra aleatória de 30 lâmpadas.

Vamos definir nossas hipóteses:

H 0 : μ = 1000 H a : μ < 1000

Nível de significância: α = 0.05.

Assumindo que o desvio padrão da população é 100, a estatística de teste pode ser calculada da seguinte forma:

z = (x̄ - μ 0 ) / (σ/√n) x̄ = média da amostra n = tamanho da amostra σ = desvio padrão da população μ 0 = média populacional sob H 0

Se o valor calculado de z estiver à esquerda do nosso valor crítico na curva de distribuição normal (encontrado em tabelas-z), rejeitaremos a hipótese nula.

Aplicações reais do teste de hipótese

  • Pesquisa médica: Comparando a eficácia de um novo medicamento com um placebo.
  • Fabricação: Comparando as médias de diferentes processos de produção para determinar qual processo é mais eficiente.
  • Marketing: Avaliando o impacto de uma nova campanha sobre as vendas ou o engajamento dos clientes em comparação com uma estratégia antiga.
  • Educação: Determinando se um novo método de ensino funciona melhor do que o método tradicional.

Erros comuns no teste de hipótese

Erros do Tipo I e Tipo II

Dois erros comuns no teste de hipótese são os erros do Tipo I e Tipo II:

  • Erro do Tipo I: rejeitar a hipótese nula quando ela é verdadeira. A probabilidade de um erro do Tipo I ocorrer é o nível de significância α.
  • Erro do Tipo II: Falhar em rejeitar a hipótese nula quando a hipótese alternativa é verdadeira. A probabilidade de cometer um erro do Tipo II é denotada como β.

Exemplo de erros no teste de hipótese: testes médicos

Em um teste médico para uma doença, a hipótese nula pode ser que a pessoa não tenha a doença (H 0: a pessoa não tem a doença). A hipótese alternativa pode ser que a pessoa tem a doença (H a: a pessoa tem a doença).

  • Erro do Tipo I: O teste mostra que a pessoa tem a doença quando, na verdade, ela não tem. Isso pode causar estresse desnecessário e tratamento.
  • Erro do Tipo II: O teste falha em identificar uma doença quando uma pessoa realmente a tem. Isso resulta na doença não sendo tratada.

O poder do teste

O poder de um teste é a probabilidade de que ele rejeite corretamente a hipótese nula falsa (1 - β). Maior poder significa uma maior probabilidade de detectar um efeito quando há um efeito, reduzindo assim erros do tipo II.

O poder pode ser aumentado da seguinte forma:

  • Aumentando o tamanho da amostra.
  • Selecionando um nível de significância mais alto (o que aumenta a probabilidade de um erro do Tipo I).
  • Isso é o aumento no tamanho do efeito que esperamos encontrar.

Valores críticos e p-valores

Valores críticos

Valores críticos são os valores de limite que definem as fronteiras da(s) região(ões) de rejeição. Para um teste-z, os valores críticos correspondem aos escores z nos quais a(s) cauda(s) da distribuição normal além do valor crítico caem dentro de um nível de significância predefinido (α).

P-valor

O p-valor é a probabilidade de atingir um pico pelo menos igual à estatística de teste observada, assumindo que a hipótese nula é verdadeira. Um p-valor pequeno (normalmente ≤ 0.05) indica forte evidência contra a hipótese nula, portanto, rejeitamos H 0. Um p-valor grande (> 0.05) indica evidência fraca contra H 0, portanto, não conseguimos rejeitá-la.

Exemplo de uso de p-valor

Em um estudo sobre as horas médias de sono entre estudantes, a hipótese nula afirma que os estudantes dormem uma média de 7 horas por noite. Os dados da amostra fornecem uma média de 6,6 horas com um p-valor calculado de 0.03.

Conclusão: Como 0.03 < 0.05, rejeitamos a hipótese nula e concluímos que o tempo médio de sono é diferente de 7 horas.

Conclusão

O teste de hipótese fornece uma maneira sistemática de tomar decisões usando dados. Embora não forneça evidências definitivas, ajuda-nos a avaliar evidências contra afirmações de probabilidade sobre uma população. Entender o processo, os tipos, os erros e como aplicar esses conceitos efetivamente pode impactar significativamente nos resultados em áreas como medicina, negócios e ciências sociais.

Materiais e referências para leitura adicional

  • Using and Interpreting Statistics in the Social, Behavioral, and Health Sciences, por William R. Nugent
  • Statistics for Experimenters: Design, Innovation, and Discovery, por George E. P. Box, J. Stuart Hunter, e William G. Hunter
  • Principles of Statistics, por M.G. Bulmer

Pós-graduação → 5.2.1


U
username
0%
concluído em Pós-graduação

← Anterior (5.2)
Inferência estatística
Próximo (5.2.2) →
Intervalo de confiança

Comentários 



Teste de hipótese

https://www.buddymath.com/g/5.2.1?bmal=pt