Inferncia

Estatstica
Para Duas
Amostras
OBJETIVOS DE APRENDIZAGEM
Depois de um cuidadoso estudo deste captulo, voc deve ser capaz de:
1.Estruturar, como testes de hipteses, experimentos comparativos envolvendo duas
amostras
2.Testar hipteses e construir intervalos de confiana para a diferena de mdias de
duas distribuies normais
3.Testar hipteses e construir intervalos de confiana para a razo de varincias ou
desvios-padro de duas distribuies normais
4.Testar hipteses e construir intervalos de confiana para a diferena de propores
de duas populaes
5.Usar a abordagem do valor P para tomar decises em testes de hipteses
6.Calcular potncia, a probabilidade de erro tipo II e tomar decises em relao a
tamanhos de amostra para testes de mdias, varincias e propores considerando
duas amostras
7.Explicar e usar relao entre intervalos de confiana e testes de hipteses
Depois de um cuidadoso estudo deste captulo, voc deve ser capaz de:
1.Estruturar, como testes de hipteses, experimentos comparativos envolvendo duas
amostras
2.Testar hipteses e construir intervalos de confiana para a diferena de mdias de
duas distribuies normais
3.Testar hipteses e construir intervalos de confiana para a razo de varincias ou
desvios-padro de duas distribuies normais
4.Testar hipteses e construir intervalos de confiana para a diferena de propores
de duas populaes
5.Usar a abordagem do valor P para tomar decises em testes de hipteses
6.Calcular potncia, a probabilidade de erro tipo II e tomar decises em relao a
tamanhos de amostra para testes de mdias, varincias e propores considerando
duas amostras
7.Explicar e usar relao entre intervalos de confiana e testes de hipteses
10-1 Introduo
Os dois captulos anteriores apresentaram testes de hipteses e intervalos
de confiana para o parmetro de uma nica populao (a mdia , a
varincia ou uma proporo p). Este captulo estende aqueles
resultados para o caso de duas populaes independentes.
A situao geral mostrada na Fig. 10-1. A populao 1 tem a mdia
1
e varincia
2
1
, enquanto a populao 2 tem mdia
2
e varincia
2
2
.
Inferncias sero baseadas em duas amostras aleatrias de tamanhos n
1
e
n
2
, respectivamente. Ou seja X
11
, X
12
, p, X
1n1
uma amostra aleatria de
n
1
observaes provenientes da populao 1 e X
21
, X
22
, p, X
2n2
uma
amostra aleatria de n
2
observaes provenientes da populao 2. A
maioria das aplicaes prticas dos procedimentos deste captulo aparece
no contexto de experimentos simples comparativos, em que o objetivo
estudar a diferena nos parmetros das duas populaes.
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
Figure 10-1 Duas populaes
independentes.
Suposies
1. X
11
,X
12
,...,X
1n1
uma amostra aleatria proveniente da populao 1
2. X
21
,X
22
,...,X
2n2
uma amostra aleatria proveniente da populao 2
3. As duas propores representadas por X
1
e X
2
so independentes
4. Ambas as populaes so normais.
1. X
11
,X
12
,...,X
1n1
uma amostra aleatria proveniente da populao 1
2. X
21
,X
22
,...,X
2n2
uma amostra aleatria proveniente da populao 2
3. As duas propores representadas por X
1
e X
2
so independentes
4. Ambas as populaes so normais.
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
A grandeza
Tem distribuio N(0,1).
A grandeza
Tem distribuio N(0,1).
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
10-2.1 Testes para a Diferena de Mdias,
Varincias Conhecidas
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
Exemplo 10-1
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
Um idealizador de produtos estinteressado em reduzir o tempo de secagem de um zarco. Duas
formulaes de tinta so testadas; a formulao 1 tem uma qumica-padroe a formulao 2 tem
um novo ingrediente para secagem, que deve reduzir o tempo de secagem. Da experincia sabe-
se que o desvio-padro do tempo de secagem igual a 8 minutos e essa variabilidade inerente
no deve ser afetada pela adio do novo ingrediente. Dez espcimes so pintados com a
formulao 1 e outros dez espcimes so pintados com a formulao 2. Os 20 espcimes so
pintados em uma ordem aleatria. Os tempos mdios de secagem das duas amostras so x
1
=121
mine x
2
=112 min, respectivamente. Quais as concluses que o idealizador de produtos pode
retirar sobre a eficincia do novo ingrediente, usando =0,05?
Aplicamos o procedimento das oito etapas para resolver esse problema, conforme mostrado a
seguir:
1.A grandeza de interesse a diferena nos tempos mdios de secagem,
1
-
2
=0 e
0
=0
2.H
0
:
1
-
2
=0 ou H0:
1
=
2
3.H
1
:
1
>
2
. Queremos rejeitar H
0
se o novo ingrediente reduzir o tempo mdio de secagem.
4. =0.05
Exemplo 10-1
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
5. A estatstica de teste
Onde
2
1
=
2
2
= (8)
2
= 64 e n
1
= n
2
= 10
6. Rejeitar H
0
:
1
=
2
, se z
0
> 1,645 = z
0,05
7. Clculos: uma vez que
1
= 121min e
2
= 112min, a
estatstica de teste :
Exemplo 10-1
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
8. Concluso: J que z
0
= 2,52 > 1,645, rejeitamos H
0
:
1
-
2
, com
=0,05 e conclumos que a adio do novo ingrediente tinta
reduz significativamente o tempo de secagem. Alternativamente,
podemos encontrar o valor P para esse teste como
Conseqentemente, H
0
:
1
=
2
seria rejeitada com qualquer nvel de
significncia 0,0059
Para ilustrar o uso dessas equaes de tamanho de amostra, considere a situao
descrita no Exemplo 10-1 e suponha que se a diferena verdadeira dos tempos de
secagem for to grande quanto 10 minutos, queremos detectar issocom uma
probabilidade de no mnimo 0.90. Sujeito hiptese nula,
0
= 0. Temos uma
hiptese alternativa unilateral com =10, =0.05 (assim, z

=z
0,05
=1.645) e, desde
que a potncia seja 0.9, =0.10 (assim z

= z
0,10
= 1,28). Logo podemos encontrar
o tamanho requerido da amostra, a partir da Equao 10-6, como segue
Esse exatamente o mesmo resultado obtido quando usamos as curvas CO.
Exemplo 10-3
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
10-2.3 Intervalo de Confiana para a Diferena de
Mdias, Varincias Conhecidas
Definio
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
Se x
1
- x
2
, forem mdias de duas amostras aleatrias independentes de tamanhos n
1
e
n
2
, provenientes de populaes com varinciasconhecidas
2
1
e
2
2
,
respectivamente, ento um intervalo de confiana 100(1-)% para
1
-
2

Sendo z
/2
o ponto percentual superior /2 da distribuio normal padro.
Se x
1
- x
2
, forem mdias de duas amostras aleatrias independentes de tamanhos n
1
e
n
2
, provenientes de populaes com varinciasconhecidas
2
1
e
2
2
,
respectivamente, ento um intervalo de confiana 100(1-)% para
1
-
2

Sendo z
/2
o ponto percentual superior /2 da distribuio normal padro.
Exemplo 10-4
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
Testes de resistncia tenso foram feitos em dois tipos diferentes de estruturas de alumnio.
Essas estruturas foram usadas na fabricao das asas de um avio comercial. De experincias
passadas com o processo de fabricao dessas estruturas e com o procedimento de testes, os
desvios-padro das resistncias tenso so considerados conhecidos. Os dados obtidos so
os seguintes: n
1
=10, x
1
=87.6,
1
=1, n
2
=12, x
2
=74,5,
2
=1,5. Se
1
e
2
denotarem as
resistncias mdias verdadeiras tenso para os dois tipos da estrutura, ento podemos achar
um intervalo de confiana de 90% para a diferena na resistncia mdia
1
-
2
, conforme a
seguir
Exemplo 10-4
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
Desse modo, o intervalo de confiana de 90% para a diferena na
resistncia mdia tenso (em quilogramas por milmetro
quadrado)
Note que o intervalo de confiana no inclui o zero, implicando que
a resistncia mdia da estrutura 1 (
1
) excede a resistncia mdia da
estrutura 2 (
2
). De fato podemos estabelecer que estamos 90%
confiantes de que a resistncia mdia tenso da estrutura 1 excede
a resistncia mdia tenso da estrutura 2 por um valor entre 12,22
e 13,98 quilogramas por milmetro quadrado.
Escolha do Tamanho da Amostra
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
Limites Unilaterais de Confiana
Limite Unilateral Superior de Confiana
Limite Unilateral Inferior de Confiana
10-2 Inferncia na Diferena de Mdias de
Duas Distribuies Normais, Varincias
Conhecidas
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
Desejamos Testar:
Caso 1:
2 2
2
2
1
= =
O Estimador combinado de
2
:
Caso 1:
2 2
2
2
1
= =
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
O Estimador combinado de
2
, denotado por S
2
p
, definido por
O Estimador combinado de
2
, denotado por S
2
p
, definido por
Caso 1:
2 2
2
2
1
= =
Dadas as suposies desta seo, a grandeza
Tem uma distribuio t , com n
1
+ n
2
- 2 graus de liberdade.
Dadas as suposies desta seo, a grandeza
Tem uma distribuio t , com n
1
+ n
2
- 2 graus de liberdade.
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
Definio: Teste t Combinado
*
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-5
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Dois catalisadores esto sendo analisados para determinar como
eles afetam o rendimento mdio de um processo qumico.
Especificamente, o catalisador 1 estcorrentemente em uso, mas o
catalisador 2 aceitvel. Uma vez que o catalisador 2 mais barato,
ele deve ser adotado, desde que ele no mude o rendimento do
processo. Um teste feito em uma planta-piloto, resultando nos
dados mostrados na Tabela 10-1. Halguma diferena entre os
rendimentos mdios? Use =0.05 e considere varincias iguais.
Exemplo 10-5
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Tabela 10-1 Dados do Rendimento dos Catalisadores, Exemplo 10-5
Exemplo 10-5
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
A soluo usando o procedimento das oito etapas para o teste de hipteses dada a
seguir:
1.Os parmetros de interesse so
1
e
2
, o rendimento mdio do processo usando os
catalisadores 1 e 2, respectivamente. Queremos saber se
1
-
2
= 0.
2.H
0
:
1
-
2
=0 ou H
0
:
1
=
2
3.H
1
:
1

2
4.=0.05
5.A estatstica de teste
6.Rejeitar H
0
se t
0
> t
0.025;14
= 2.145 ou se t
0
<-t
0.025;14
= -2.145.
7. Clculos: da Tabela 10-1, temos x
1
=92.255, s
1
=2.39, n
1
=8, x
2
=92,733, s
2
=
2.98, n
2
=8. Conseqentemente
8. Concluses: jque -2.145<t
0
=-0,35 <2.145, a hiptese nula no pode ser
rejeitada. Ou seja, no nvel de significncia de 0.05, no temos evidncia forte
para concluir que o catalisador 2 resulta em um rendimento mdio que difere do
rendimento mdio quando o catalisador 1 usado.
Exemplo 10-5
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Sada do Minitab para o Exemplo 10-5
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Figure 10-2 Grfico de probabilidade normal e diagrama de caixa
comparativos para os dados de rendimento do catalisador do
Exemplo 10-5.(a)Grfico de Probabilidade Normal,(b)Box plot.
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
2
2
2
1
Caso 2:
serdistribudanormalmentecomot com grausde
liberdadedados por mnimoentre n
1
-1 e n
2
-1 ou
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
2
2
2
1
Caso 2:
10-3.1 Testes de Hipteses para a Diferena de Mdias,
Varincias Desconhecidas
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-6
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
A concentrao de arsnio em suprimentos pblicos de gua potvel um risco potencial
sade. Um artigo no jornal Arizona Republic (Domingo, 27 de maio de 2001) reportou
as concentraes, em partes por bilho (ppb), de arsnio em gua potvel para 10
comunidades metropolitanas de Fnix e 10 comunidades rurais do Arizona. Eis os dados:
Exemplo 10-6 (Continuao)
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Desejamos determinar se halguma diferena nas concentraes mdias de arsnio entre as
comunidades metropolitanas de Fnix e as comunidades rurais do Arizona. A Fig10.3 mostra
uma grfico de probabilidade normal para as duas amostras de concentrao de arsnio. A
suposio de normalidade parece bem razovel, porm uma vez que as inclinaes das duas
linhas retas so muito diferentes, improvvel que as varincias das populaes sejam as
mesmas.
Aplicando o procedimento das oito etapas temos:
1.Os parmetrosde interesse so as concentraesmdiasde arsniopara as duas regies
geogrficas,
1
e
2
. Estamos interessados em sabe se
1
-
2
=0.
2.H
0
:
1
-
2
=0 ou H
0
:
1
=
2
3.H
1
:
1

2
4.=0.05 (digamos)
Exemplo 10-6 (Continuao)
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
5. A estatstica do teste :
6. Os graus de liberdade t
0
*
so encontrados a partir da equao 10-16 como
Logo, usando =0.05, rejeitaremos H
0
:
1
=
2
se t
0
*
>t
0.025;13
=2.160 ou se t
0
*
<-t
0.025;13
=-
2.160
Exemplo 10-6 (Continuao)
Figure 10-3 Grfico de
probabilidade normal
dos dados de
concentrao de arsnio
do Exemplo 10-6.
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-6 (Continuao)
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
7. Clculos: usando os dados amostrais, temos
8. Concluses: jque t
0
*
= -2.77 < t
0.025;13
=-2.160, rejeitamos a hiptese nula.
Logo, hevidncia para concluir que a concentrao mdia de arsnio na
gua potvel na zona rural do Arizona diferente da concentrao mdia de
arsnio na gua potvel da rea metropolitana de Fnix. Alm disso, a
concentrao mdia de arsnio maior nas comunidades rurais do Arizona.
O valor P para este teste aproximadamente P =0.016 .
10-3.3 Intervalo de Confiana para a Diferena de
Mdias, Varincias Desconhecidas
Caso 1:
2 2
2
2
1
= =
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Se x
1,
x
2
, s21 e s22 forem mdiase as varinciasamostrais de duas amostras
aleatriasindependentes de tamanhos n
1
e n
2
, respectivamente, provenientes de
populaesnormais independentes, com varinciasdesconhecidas, porm
iguais, ento um intervalo de confiana 100(1-)% para diferena de mdia
1
-

2
:
Em que a estimativa combinada do
desvio-padro comum da populao e t
/2,n1+n2+2
o ponto percentual superior
/2 da distribuio t , com n
1
+ n
2
+ 2 graus de liberdade.
Se x
1,
x
2
, s21 e s22 forem mdiase as varinciasamostrais de duas amostras
aleatriasindependentes de tamanhos n
1
e n
2
, respectivamente, provenientes de
populaesnormais independentes, com varinciasdesconhecidas, porm
iguais, ento um intervalo de confiana 100(1-)% para diferena de mdia
1
-

2
:
Em que a estimativa combinada do
desvio-padro comum da populao e t
/2,n1+n2+2
o ponto percentual superior
/2 da distribuio t , com n
1
+ n
2
+ 2 graus de liberdade.
Exemplo 10-8
Case 1:
2 2
2
2
1
= =
Um artigo no jornal Hazardous Waste and Hazardous Materials (Vol.6,1989) reportou os
resultados de uma anlise do peso de clcio em cimento-padro e em cimento contendo
chumbo. Nveis reduzidos de clcio indicariam que o mecanismo de hidratao no cimento
estaria bloqueado, permitindo gua atacar vrias localizaes na estrutura do cimento.
Dez amostras de cimento-padro tiveram um teor mdio percentual em peso de clcio de x
1
=90.0, com um desvio-padro amostral de s
1
=5 enquanto 15 amostras do cimento com
chumbo tiveram um teor mdio percentual em peso de clcio de x
2
=87.0, com um desvio-
padro amostral de s
2
=4.0 .
Consideraremos que o teor percentual em peso de clcio seja normalmente distribudo e
encontraremos 95% para a diferena de mdias,
1

2
, para os dois tipos de cimento.
Alm disso, consideraremos que ambas as populaes tenham o mesmo desvio-padro.
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Case 1:
2 2
2
2
1
= =
Exemplo 10-8 (Continuao)
A estimativa combinada do desvio-padro comum
encontrada usando a Equao 10-12, conforme segue:
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Case 1:
2 2
2
2
1
= =
Exemplo 10-8 (Continuao)
Por conseguinte, a estimativa combinada do desvio-padro comum
s
p
= 19.52 = 4.4 . O intervalo de confiana de 95% encontrado
usando a Equao 10-19:
Ou substituindo os valores das amostras e usanto t
0.025;23
= 2,069
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Exemplo 10-8 (Continuao)
Case 1:
2 2
2
2
1
= =
Que reduz para
Note que o intervalo de confiana de 95% inclui o zero; assim, nesse nvel de
confiana, no podemos concluir que haja uma diferena entre as mdias.
Dizendo de outra forma, no hevidncia de que o cimento contendo chumbo
tenha afetado o percentual mdio em peso de clcio; desse modo, no podemos
afirmar que a presena de chumbo afete esse aspecto do mecanismo de
hidratao, com um nvel de 95% de confiana.
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Case 2:
2
2
2
1

10-3.3 Intervalo de Confiana para a Diferena de
Mdias, Varincias Desconhecidas
10-3 Inferncia na Diferena de Mdia de
Duas Distribuies Normais, Varincias
Desconhecidas
Se x
1,
x
2
, s21 e s22 forem mdiase as varinciasde duas amostras aleatrias
independentes de tamanhos n
1
e n
2
, respectivamente, provenientes de
populaesnormais independentes, com varinciasdesconhecidas e desiguais,
ento um intervalo de confiana 100(1-)% para diferena de mdia
1
-
2
:
Em que v dado pela Equao 10-16 e t
/2,v
o ponto percentual superior /2 da
distribuio t , com v graus de liberdade.
Se x
1,
x
2
, s21 e s22 forem mdiase as varinciasde duas amostras aleatrias
independentes de tamanhos n
1
e n
2
, respectivamente, provenientes de
populaesnormais independentes, com varinciasdesconhecidas e desiguais,
ento um intervalo de confiana 100(1-)% para diferena de mdia
1
-
2
:
Em que v dado pela Equao 10-16 e t
/2,v
o ponto percentual superior /2 da
distribuio t , com v graus de liberdade.
Um caso especial de testes t para duas amostras da
Seo 10-3 ocorre quando as observaes nas duas
populaes de interesse so so coletados empares.
Cada par de observaes, como (X
1j
, X
2j
), tomado
sob condies homogneas, mas essas condies
podemmudar de um par para outro.
10-4 Teste t Emparelhado
O Teste t Emparelhado
10-4 Teste t Emparelhado
Exemplo 10-9
Um artigo no J ournal of Strain Analysis (1983, Vol 18, No.2) compara vrios mtodos para
prever a resistncia ao cisalhamento em traves planas metlicas. Dados para dois desses
mtodos, os procedimentos de Karlsruhe e Lehigh, quando aplicados a nove traves
especficas, so mostrados na Tabela 10-2. Desejamos determinar se hqualquer diferena
(na mdia) entre dois mtodos.
Tabela 10-2 Previses de Resistncia para Nove Traves Planas de Ao (Carga Prevista/Carga Observada)
10-4 Teste t Emparelhado
Exemplo 10-9
Procedimento de oito etapas aplicado a seguir:
1.O parmetro de interesse a diferena na resistncia mdia ao
cisalhamento entre os dois mtodos, como
d
=
1
-
2
=0.
2.H
0
:
d
=0
3.H
1
:
d
0
4. = 0.05
5.A estatstica do teste
6.Rejeitar H
0
se t
0
> t
0.025
= 2.306 ou se t
0
< - t
0.025
= -2.306
10-4 Teste t Emparelhado
Exemplo 10-9
7. Clculos: a mdia e o desvio-padro amostrais das diferenas d
j
so d =0,2739 e s
D
=
0,1351; logo, de modo que a estatstica de teste
8. Concluses: uma vez que t
0
=6,08 >2,306, conclumos que os mtodos de previso da
resistncia fornecem resultados diferentes. Especificamente, os dados indicam que o
mtodo de Karlsruhe produz, em mdia, previses maiores para resistncia do que o
mtodo de Lehigh. O valor P para t
0
=6,08 P =0,0003; logo, a estatstica de teste
estbem dentro da regio crtica.
10-4 Teste t Emparelhado
Comparaes Emparelhadas versus
Desemparelhadas
10-4 Teste t Emparelhado
Assim, como decidimos conduzir o experimento? Devemos ou no emparelhar
as observaes? Embora no haja uma resposta geral a essa questo, podemos
dar algumas regras baseadas na discusso anterior.
1.Se as unidades experimentais forem relativamente homogneas ( pequena) e
a correlao intrapares (within) for pequena, o ganho na preciso atribudo ao
emparelhamento sercompensado pela perda de graus de liberdade; por
conseguinte, o experimento com amostra independente deve ser usado.
2.Se as unidades experimentais forem relativamente heterogneas ( grande) e
se houver uma grande correlao positiva intrapares (within), o experimento
emparelhado deve ser usado. Tipicamente, esse caso ocorre quandoas unidades
experimentais forem as mesmas para ambos os tratamentos. Como noExemplo
10-9, as mesmas traves foram usadas para testar os dois mtodos.
Um Intervalo Confiana para
D
Definio
10-4 Teste t Emparelhado
Se d e s
D
forem a mdiae o desvio-padro amostrais da diferenade n pares
aleatriosde medidas distribudasnormalmente, ento um intervalo de
confiana 100(1-)% para diferena de mdia
1
-
2
:
Sendo t
/2,n-1
o ponto percentual superior /2% da distribuio t , com n-1 graus
de liberdade.
Se d e s
D
forem a mdiae o desvio-padro amostrais da diferenade n pares
aleatriosde medidas distribudasnormalmente, ento um intervalo de
confiana 100(1-)% para diferena de mdia
1
-
2
:
Sendo t
/2,n-1
o ponto percentual superior /2% da distribuio t , com n-1 graus
de liberdade.
Exemplo 10-10
Peridico Human Factors (1962, pp. 375-380) reporta um estudo em que se pediu a
n =14 pessoas para estacionarem dois carros, de forma paralela, tendo barras de
direo e raios de giro muito diferentes. O tempo em segundos para cada pessoa foi
registrado, sendo apresentado na Tabela 10-3. Da coluna das diferenas observadas,
calculamos d=1.21 e s
D
= 12.68 . O intervalo de confiana de 90% para
d
=
1

2
encontrado a partir da Equao 10-23 conforme segue:
Note que o intervalo de confiana para d inclui o zero. Isso implica que, com um
nvel de confiana de 90%, os dados no confirmam a afirmao de que os dois
carros tm diferentes tempos mdios,
1
e
2
, para estacionar. Ou seja, o valor
d
=

1

2
= 0 consistente com os dados observados.
10-4 Teste t Emparelhado
Exemplo 10-10
Tabela 10-3 Tempo em
segundos para Estacionar
Dois Automveis
Paralelamente
10-4 Teste t Emparelhado
10-5.1 A Distribuio F
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Desejamos testar as hipteses:
O desenvolvimento de um procedimento para essas
hipteses requer uma nova distribuio de
probabilidades, a distribuio F.
10-5.1 A Distribuio F
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Sejam W e Y variveis aleatrias independentes qui-quidrado, com u e v graus
de liberdade, respectivamente. Ento a razo
Tem funo densidade de probabilidade
E dito seguir a distribuio F com u graus de liberdade no numerador e v graus
de liberdade no denominador. geralmente abreviada como F
u,v
.
Sejam W e Y variveis aleatrias independentes qui-quidrado, com u e v graus
de liberdade, respectivamente. Ento a razo
Tem funo densidade de probabilidade
E dito seguir a distribuio F com u graus de liberdade no numerador e v graus
de liberdade no denominador. geralmente abreviada como F
u,v
.
10-5.1 A Distribuio F
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Figura 10-4 Funes densidade de
probabilidade de duas distribuies F
Figura 10-5 Pontos percentuais superior
e inferior da distribuio F
Os pontos percentuais na extremidade inferior f
1-,u,
Podemser encontrados como se segue.
10-5.1 A Distribuio F
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
10-5.2 Testes de Hipteses para a Razo de Duas
Varincias
Seja X
11
, X
12
,..., X
1n1
uma amostra aleatria proveniente de uma populao
normal, com mdia
1
e varincia
2
1
. Seja X
21
,X
22
,...,X
1n2
uma amostra
aleatria proveniente de uma populao normal, com mdia
2
e varincia

2
2
. Considere que ambas as populaes normais sejam independentes.
Sejam S
2
1
e S
2
2
as varincias das amostras. Ento a razo
Tem uma distribuio F, com n
1
1 graus de liberdade no numerador e n
2
-1
graus de liberdade no denominador.
Seja X
11
, X
12
,..., X
1n1
uma amostra aleatria proveniente de uma populao
normal, com mdia
1
e varincia
2
1
. Seja X
21
,X
22
,...,X
1n2
uma amostra
aleatria proveniente de uma populao normal, com mdia
2
e varincia

2
2
. Considere que ambas as populaes normais sejam independentes.
Sejam S
2
1
e S
2
2
as varincias das amostras. Ento a razo
Tem uma distribuio F, com n
1
1 graus de liberdade no numerador e n
2
-1
graus de liberdade no denominador.
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
10-5.2 Testes de Hipteses para a Razo de Duas
Varincias
Exemplo 10-11
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Camadas de xidos em pastilhas de semicondutores so atacadas com uma
mistura de gases, de modo a atingir a espessura apropriada. A variabilidade na
espessura dessas camadas de xidos uma caracterstica crtica da pastilha. Uma
baixa variabilidade desejada para as etapas subseqentes do processo. Duas
misturas diferentes de gases esto sendo estudadas para determinar se uma delas
superior na reduo da variabilidade de espessura das camadas de xido. Vinte
pastilhas so atacadas com cada gs. Os devios-padroda espessura de xido so
s
1
=1.96 ngstromse s
2
=2,13 ngstroms, respectivamente. Hqualquer
evidncia que indique ser um gs prefervel em relao ao outro? Use = 0.05 .
Exemplo 10-11
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Procedimento de oito etapas para o teste de hipteses pode ser aplicado a esse
problema conforme a seguir:
1.Os parmetros de interesse so as varincias,
2
1
e
2
2
, da espessura das
camadas de xido. Consideraremos que a espessura de xido seja uma varivel
aleatria normal para ambas as misturas de gases.
2.H
0
:
2
1
=
2
2
3.H
1
:
2
1

2
2
4. = 0.05
5.A estatstica de teste dada pela Equao 10-29:
Exemplo 10-11
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
6. Uma vez que n
1
= n
2
=n, rejeitaremos H
0
:
2
1
=
2
2
se f
0
> f
0.025;19;19
= 2.53
ou se f
0
< f
0.975;19;19
= 1/2.53 = 0.40 .
7. Clculos: jque s
2
1
= (1,96)
2
= 3,84 e s
2
2
= (2,13)
2
=4.54, a estatstica de
teste
8. Concluses: uma vez que f
0.p75;19;19
= 0.40 < f
0
= 0.85 < f
0.025;19;19
= 2.53,
no podemos rejeitar a hiptesenula H
0
:
2
1
=
2
2
com nvel de
significncia de 0.05. Conseqentemente, no hevidncia forte para
indicar que um gs que resulte e m uma varincia menor da espessura de
xido.
10-5.4 Intervalo de Confiana para a Razo de Duas
Varincias
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Se s
2
1
es
2
2
forem as varincias de amostras aleatrias de tamanhos n
1
e n
2
,
respectivamente, provenientes de duas populaes normais independentes,
com varinciasdesconhecidas
2
1
e
2
2
, ento um intervalo de confiana de
100 (1 )% para razo
2
1
/
2
2
ser:
Em que f
/2,n2-1,n1-1
e f
1-/2,n2-1,n1-1
so os pontos percentuais /2 superior e inferior
da distribuio F, com n
2
-1 graus de liberdade no numerador e n
1
-1 graus de
liberdade no denominador, respectivamente. Um intervalo de confiana para
razo de dois desvios-padro pode ser obtido extraindo a raiz quadrada da
Equao 10-31.
Se s
2
1
es
2
2
forem as varincias de amostras aleatrias de tamanhos n
1
e n
2
,
respectivamente, provenientes de duas populaes normais independentes,
com varinciasdesconhecidas
2
1
e
2
2
, ento um intervalo de confiana de
100 (1 )% para razo
2
1
/
2
2
ser:
Em que f
/2,n2-1,n1-1
e f
1-/2,n2-1,n1-1
so os pontos percentuais /2 superior e inferior
da distribuio F, com n
2
-1 graus de liberdade no numerador e n
1
-1 graus de
liberdade no denominador, respectivamente. Um intervalo de confiana para
razo de dois desvios-padro pode ser obtido extraindo a raiz quadrada da
Equao 10-31.
Exemplo 10-13
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Uma companhia fabrica propulsores para uso em motores de turbinas a jato. Uma
das operaes envolve dar um acabamento, esmerilhando uma determinada
superfcie de um componente feito com liga de titnio. Dois processos diferentes
para esmerilhar podem ser usados, podendo produzir peas com iguais rugosidades
mdias na superfcie. Uma amostra aleatria de n
1
= 11 peas proveniente do
primeiro processo, resulta em um desvio-padro de s
1
=5.1 micropolegadas. Uma
amostra aleatria n
2
= 16 peas, proveniente do segundo processo, resulta em um
desvio-padro de s
2
= 4.7 micropolegadas. Encontraremos um intervalo de confiana
de 90% para a razo de dois desvios-padro
1
/
2
.
Exemplo 10-13
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Considerando que os dois processos sejam independentes e que a rugosidade
na superfcie seja normalmente distribuda, podemos usar a Equao 10-31
como a seguir:
Exemplo 10-13
10-5 Inferncias Para Varincias de Duas
Distribuies Normais
Ou fazendo os clculos e extraindo a raiz quadrada,
Note que temos usado a equao 10-28 para achar f
0.95;15;10
=1/f
0.05;10;15
= 1/2.54
= 0.39. Uma vez que esse intervalo de confiana inclui a unidade, no podemos
afirmar que os desvios-padro da rugosidade da superfcie para os dois
processos sejam diferentes com um nvel de confiana de 90%.
10-6.1 Testes para a Diferena nas Propores
de uma Populao, Amostras Grandes
Estamosinteressadosemtestar as hipteses:
10-6 Inferncias Para Propores de Duas
Populaes
A estatsticade testequesegue distribuda
aproximadamentecomoumanormal padroe
esteotestebsico:
10-6 Inferncias Para Propores de Duas
Populaes
10-6.1 Testes para a Diferena nas Propores
de uma Populao, Amostras Grandes
10-6 Inferncias Para Propores de Duas
Populaes
10-6.1 Testes para a Diferena nas Propores
de uma Populao, Amostras Grandes
Exemplo 10-14
10-6 Inferncias Para Propores de Duas
Populaes
Extratos de erva-de-so-jooso largamente usados para tratar depresso. Um
artigo na edio de 18 de abril de 2001 da revista Journal of the American
Medical Association (Effectiveness of St. Johns Wort on Major Depression: A
Randomized Controlled Trial Eficincia da erva-de-so-joo em Depresso
Unipolar: Uma tentativa Aleatorizada Controlada) comparou a eficcia de um
extrato-padro de erva-de-so-joocom um placebo em 200 pacientes
diagnosticados com depresso unipolar. Pacientes foram designados
aleatoriamente em dois grupos: um grupo recebeu a erva-de-so-jooe o outro
recebeu placebo. Depois de oito semanas, 19 dos pacientes tratados com placebo
mostraram melhorias, enquanto 27 daqueles tratados com a erva-de-so-joo
melhoraram. Halguma razo para acreditar que a erva-de-so-jooseja efetiva
no tratamento de depresso unipolar? Use = 0.05 .
O procedimento de oito etapas para o teste de hipteses conduz aos seguintes
resultados:
Exemplo 10-14
10-6 Inferncias Para Propores de Duas
Populaes
1. Os parmetros de interesse so p
1
e p
2
, as propores de pacientes que
melhoraram depois do tratamento com erva-de-so-joo(p
1
) e com o
placebo (p
2
).
2. H
0
: p
1
= p
2
3. H
1
: p
1
p
2
4. = 0.05
5. A estatstica de teste
Onde e
Exemplo 10-14
10-6 Inferncias Para Propores de Duas
Populaes
6. Rejeitar H
0
: p
1
= p
2
se z
0
> z
0.025
= 1.96 ou se z
0
<-z
0.025
= - 1.96
7. Clculos: o valor da estatstica de teste
8. Concluses: uma vez que z
0
= 1.35 no excede z
0.025
, no podemos
rejeitar a hiptese nula. Note que o valor de P P 0.179. No h
evidncias suficientes para confirmar que a erva-de-so-jooseja
efetiva no tratamento de depresso unipolar.
Sada do Minitab para o Exemplo 10-14
10-6 Inferncias Para Propores de Duas
Populaes
10-6.3 Intervalo de Confiana para a Diferena de
Propores de Populaes
10-6 Inferncias Para Propores de Duas
Populaes
Se p
1
e p
2
forem as propores amostrais de observaes em duas amostras
aleatrias e independentes, de tamanhos n
1
e n
2
que pertenam a uma classe
de interesse, ento um intervalo aproximado de confiana de 100 (1 -
)% nas propores verdadeiras p
1
p
2
ser
Se p
1
e p
2
forem as propores amostrais de observaes em duas amostras
aleatrias e independentes, de tamanhos n
1
e n
2
que pertenam a uma classe
de interesse, ento um intervalo aproximado de confiana de 100 (1 -
)% nas propores verdadeiras p
1
p
2
ser
Sendo z
/2
o ponto percentual superior /2 da distribuio normal padro.
Sendo z
/2
o ponto percentual superior /2 da distribuio normal padro.
Considere o processo descrito no Exemplo 8-7 sobre a fabricao de mancais para
eixos de manivela. Suponha que uma modificao seja feita no processo de
acabamento da superfcie e que , subseqentemente, obtenha-se uma segunda amostra
aleatria de 85 eixos. O nmero de eixos defeituosos nessa segunda amostra 8. Por
conseguinte, uma vez que n
1
= 85, p
1
=0.12, n
2
= 85, p
2
= 8/85 = 0.09, podemos obter
um intervalo aproximado de confiana de 95% para a diferena da proporo de
mancais defeituoso produzidos pelos dois processos a partir da equao 10-39
conforme se segue:
Example 10-15
10-6 Inferncias Para Propores de Duas
Populaes
Exemplo 10-15
10-6 Inferncias Para Propores de Duas
Populaes
Ou
Isso simplifica para
Esse intervalo de confiana inclui o zero: assim, baseado nos dados das amostras,
parece improvvel que mudanas feitas no processo de acabamento da superfcie
tenham reduzido a proporo de mancais com eixos defeituoso sendo produzidos.