Prévia do material em texto
Aula 11 Probabilidade e Estatística 239 O erro tipo II (não rejeitar H 0 , sendo H 0 falsa) é designado por β (lê-se “beta”, a 2ª letra do alfabeto grego). Normalmente, os testes são realizados estabelecendo-se previamente apenas um valor para α, sem mencionar valor algum para β (o cálculo da probabilidade associada a esse erro é mais complexo, pois ele só ocorre quando H 0 é falsa, e existem infinitas possibilidades de H 0 ser falsa, enquanto só há uma possibilidade dela ser verdadeira). Muitas vezes, H 0 é estabelecida com fortes suspeitas de que será rejeitada, mas, para que isso ocorra, é preciso que se tenha uma boa margem de confiança associada à nossa decisão. Essa margem de confiança é exatamente a probabilidade de tomarmos a decisão certa de não rejeitar H 0 quando H 0 for verdadeira. Atente para o quadro que se segue. Ele mostra, resumidamente, os possíveis resultados associados a um teste de hipóteses e suas respectivas probabilidades. Decisão tomada em relação à H 0 Quando H 0 é verdadeira Quando H 0 é falsa Não rejeitar H 0 Decisão correta (1−α) Erro tipo II (β) Rejeitar H 0 Erro tipo I (α) Decisão correta (1−β) São muitas informações, não é? Mas, vamos voltar ao nosso exemplo da moeda para que você entenda melhor a lógica dos testes de hipóteses. Suponha que, para tirar sua dúvida, você obtenha uma amostra composta pelos resultados (cara e coroa) obtidos ao se jogar 200 vezes essa moeda. A partir de tais resultados, você observa o nº de ocorrências do evento “cara” nessa amostra. Se essa moeda é equilibrada (ou seja, se H 0 de fato se verifica), espera-se que, nessas 200 jogadas, a proporção de “caras” seja um valor próximo da proporção de “coroas”, você concorda? Pois se p = 0,5 (como afirma H 0 ), então, a proporção de “cara” observada nessa amostra p deve ser um valor em torno de 0,5, não é mesmo? Caso essa proporção amostral, p , seja muito menor que esse valor, há motivos para você acreditar que P(cara) < P(coroa), para essa moeda, e, conseqüentemente, você deve rejeitar a afirmação feita em H 0 , isto é, você rejeita p = 0,5. Vamos continuar com o exemplo. Suponha que nessas 200 jogadas tenha ocorrido 82 caras e 118 coroas. Diante desses resultados amostrais, qual a decisão a ser tomada? Rejeitar H 0 ou não rejeitar H 0 ? Ora, se o nº de “caras” foi 82 em 200 jogadas, isso nos dá uma estimativa p igual a: p̂ = 82 200 = 0, 41 ou 41%. Para decidir sobre rejeitar ou não H 0 , primeiro temos que averiguar se esse resultado amostral, p = 41%, apóia a afirmação H 0 : p = 0,5. Para isso, precisamos saber quão provável é a ocorrência de valores associados à v.a. proporção amostral (p ), tal que p ≤ 41%, em uma distribuição com parâmetro p = 0,5 (ou seja, supondo H 0 verdadeiro). Observação – Consideramos igual ou menor por causa da formulação de H 1 que afirma p < 0,5. Prob_Est_Livro.indb 239Prob_Est_Livro.indb 239 30/12/14 15:4530/12/14 15:45 Aula 11 Probabilidade e Estatística240 A solução em relação a essa decisão encontra-se na probabilidade associada à ocorrência p < 0,41, sendo E(p ) = 0,5. Tal probabilidade é obtida por meio da distribuição da v.a. proporção amostral (p ), considerando H 0 como verdadeira. Esta será a distribuição de uma estatística a qual chamamos estatística-teste. A estatística-teste nos fornecerá um resultado que será uma espécie de bússola em relação à rejeição ou não de H 0 . Tal resultado sempre irá nortear nossa decisão, pois a estatística-teste é obtida com base nos resultados amostrais (nas estimativas) e na distribuição da v.a. correspondente ao estimador que gerou essa estimativa, supondo H 0 verdadeira. No caso da moeda, a distribuição do estimador p é binomial, porém, como n = 200 (n é grande), então, poderemos usar aproximação pela distribuição normal em nossos cálculos. Nesta aula, veremos tão somente o caso de uma amostra para n ≥ 30, e testes para a proporção p. Assim, no exemplo, supondo H 0 verdadeira, ou seja, p = 0,5, temos que: a média da v. a. será E[p ] = p = 0,5 e a variância σ2 p̂ = pq n = (0, 5)(0, 5) 200 , portanto, a variância é: σ2 p̂ = 0, 25 200 = 0, 00125∴ σ2 p̂ = 0, 00125 ⇒ σp̂ = √ 0, 00125 = 0, 03536 (o desvio padrão). Então, teremos (não esqueça! Sempre supondo H 0 verdadeira!) que a distribuição amostral usada para o cálculo da estatística-teste será uma normal, com as seguintes características: p̂ ∼ N ( 0, 5; 0, 25 200 ) ou p ∼ N (0,5; 0,00125). Você se lembra que na distribuição Normal, sempre escrevemos dentro dos parênteses (média; variância), nesta ordem? A partir dessa distribuição amostral da proporção (você já estudou na aula 8 – Distribuições amostrais da média e da proporção P – lembra?), vamos calcular a probabilidade associada à ocorrência de valores de p para os quais p ≤ 0,41 (resultado da estimativa amostral). Portanto, queremos o resultado dessa probabilidade P(p ≤ 0,41). Então, padronizando, temos que: P (p̂ ≤ 0, 41) ⇒ P ( Z ≤ p̂ − E(p̂) σp̂ ) , essa é a expressão de nossa estatística-teste. Considerando H 0 : p = 0,5, n = 200, teremos, depois de substituirmos os valores que já calculamos, o seguinte resultado: Zteste = p̂ − 0, 5√ 0, 00125 = 0, 41 − 0, 5 0, 03536 = −0, 09 0, 03536 = −2, 55, logo Zteste = −2,55. Esse valor de Zteste indica, de acordo com a tabela da distribuição normal, que: P(p ≤ 0,41) = P(Z ≤ −2,55) = 0,5 − 0,4946, portanto, P(p ≤ 0,41) = 0,0054. Esse resultado (0,0054) evidencia que é muito pequena a probabilidade de, numa amostra de 200 jogadas, se ter uma proporção amostral de caras, p ≤ 0,41, considerando a hipótese H 0 : p = 0,5 como verdadeira. Atenção, esse resultado é possível, no entanto, muito pouco provável para p = 0,5. Prob_Est_Livro.indb 240Prob_Est_Livro.indb 240 30/12/14 15:4530/12/14 15:45