Aula4 Pae 290316

Aula 4 Planejamento e Anlise de
Experimentos
Professores
Miguel Antonio Sovierzoski, Dr.
miguelaso@utfpr.edu.br;
Vicente Machado Neto, Dr.

vmachado@utfpr.edu.br;
Reviso da aula anterior

Fatores nveis tratamentos;
Discusso sobre os trabalhos a serem desenvolvidos na disciplina,
fatores, nveis, tratamentos;
Valores aleatrios discretos e contnuos;
Funo densidade de probabilidade;
Distribuies de probabilidade normal N, distribuio t de student, ,
distribuio gama, distribuio qui-quadrado e distribuio F;
Distribuio normal padro;
Distribuio amostral da mdia;
Teorema Central do Limite TCL;

Intervalo de confiana conhecido e desconhecido;
Tamanho da Amostra
Uma das questes principais a serem respondidas em um projeto
de experimentos : Quantas amostras ou observaes devo usar?
Infelizmente no existe uma resposta definitiva para esta questo.
Contudo, com algumas informaes adicional e fazendo-se
algumas suposies possvel estimar o nmero mnimo de
observaes.
Tem-se que pensar que quando fala-se em tamanho da amostra
supe-se a obteno de dados nas mesmas condies.
Se os dados forem obtidos em diferentes condies, mesmo que
muitos, isto no significa replicata.
Tambm tem-se que tomar cuidado com uma grande quantidade de
dados
obtidos na mesma condio de experimentao, os
experimentos tem que explorar as diversas variveis presentes no
processo.
Tamanho da Amostra
O objetivo de se fazer replicatas testar a variabilidade dos
resultados.
Uma replicata para ser vlida deve ser feita tudo da condio
zero como se fosse um novo experimento.
Um grave erro de muitos experimentos no se fazer
replicatas. Assim muito experimentos que do um enorme
trabalho so invalidados pela falta das replicatas.
Observa-se ainda que a resposta obtida, pelo mtodo aqui

apresentado a seguir, pode no contemplar o erro tipo desejado.
Tamanho da Amostra
Nmero de amostras para uma largura de Intervalo de Confiana
Algumas vezes o objetivo um particular intervalo de confiana. O
intervalo de confiana da mdia calculado como:
Infelizmente para resolver a equao, depende-se de um particular

valor de t student, que depende do nmero de amostras n. Assim a
equao s pode ser resolvida para grandes valores de n, onde t
torna-se constante (aproxima-se de uma distribuio normal), ou
quando o desvio padro conhecido a priori.
Para grandes valores de n, e uma largura pretendida de intervalo de
12 2
confiana C, a seguinte equao pode ser usada:
Para 95% de intervalo de confiana 1 2 = 0,975 = 1,96;

Para 99% de intervalo de confiana 1 2 = 0,995 = 2,65.
A equao acima razoavelmente precisa para n>50.
Tamanho da Amostra
Para pequenos valores de n e grandes C, a equao subestima o
nmero de observaes.
Estimativas alternativas, para estes casos so:
1) Usar valores tabulados para pequenos valores de n. Para usar a
tabela, calcula-se C/s para a largura de intervalo desejada e o
desvio padro esperado s. Encontre na tabela o valor
imediatamente acima e determine o correspondente valor de n.
2) Usar um mtodo interativo, isto , faa um chute inicial para n e
ajuste at que o desejado intervalo de confiana seja encontrado.
Tamanho da Amostra
Exemplo
No desenvolvimento de um protocolo de validao, para medio de
Oxido Etileno em amostras, um analista deseja assegurar que o
intervalo de confiana de 95% no seja maior do que C= 45 ppm.
Sabe-se de ensaios prvios que o desvio padro igual a 45 ppm.
Quantas observaes so requeridas?
1) Usando-se a tabela. Para C= intervalo de confiana = 45ppm e s =
45 ppm. Observa-se na coluna de 95% de confiana que o valor
imediatamente abaixo de C/s =1 0,925 que corresponde a n=7.
Assim a validao do protocolo requer um mnimo de 7 replicatas.
Tamanho da Amostra
Exemplo
Tamanho da Amostra
Exemplo
No desenvolvimento de um protocolo de validao, para medio de
Oxido Etileno em amostras, um analista deseja assegurar que o
intervalo de confiana de 95% no seja maior do que 45 ppm.
Sabe-se de ensaios prvios que o desvio padro igual a 45 ppm.
Quantas observaes so requeridas?
2) Resolvendo
de
maneira
iterativa
utilizando o Excel,
temos a figura abaixo,
extrada do Excel, que
comprova
que
o
nmero de amostras
fica entre 6 e 7:
Tamanho da Amostra
Nmero de amostras no software Minitab
Stat > Power and Sample Size > Sample Size for Estimation
Tendo-se uma margem de erro para um intervalo de confiana da mdia pode-se
determinar o tamanho da amostra.
Inversamente conhecendo-se o tamanho da amostra pode-se determinar a margem
de erro para um intervalo de confiana.
Tamanho da Amostra
Tamanho da Amostra
Planning Value The necessary
planning value depends on the
chosen parameter.
Statistical analysis
you plan to conduct
1-Sample z
1-Sample t
Paired t
Estimated
parameter
Mean from a
normal
distribution
Planning value
Standard deviation
To estimate samples size or margins of error , you need information about the
data you expect to collect. You can obtain planning values from:
Design specifications
Expert opinions
Prior studies or small pilot studies
The planning value you need depends on the parameter you want to estimate.
Tamanho da Amostra
An electronics company wants to estimate the voltage of a new line of
resistors used in circuit boards. They want to know what sample size they
need to obtain a margin of error of 5. Based on prior studies, the standard
deviation is 22.5.
1 Choose Stat > Power and Sample Size > Sample Size for Estimation.
2 In Parameter, choose Mean (Normal).
3 Under Planning Value, enter 22.5 in Standard deviation.
4 Choose Estimate sample sizes.
5 In Margins of error for confidence intervals, 5.
6 Click OK.
Session window output
Interpreting the results
To achieve a margin of error of 5 when estimating the mean voltage of resistors, the
electronics company needs to collect 81 samples.
Tamanho da Amostra
No software Minitab - Exemplo
Sample Size for Estimation
Method
Parameter
Mean
Distribution
Normal
Standard deviation 22.5 (estimate)
Confidence level 95%
Confidence interval Two-sided
Results
Margin Sample
of Error Size
5 81
Tamanho da Amostra
Exemplo - Resolvendo o mesmo exerccio anterior com o Minitab
No desenvolvimento de um protocolo de validao, para medio de Oxido
Etileno em amostras, um analista deseja assegurar que o intervalo de
confiana de 95% no seja maior do que 45 ppm. Sabe-se de ensaios prvios
que o desvio padro igual a 45 ppm. Quantas observaes so requeridas?
Testes de hipteses
O teste de hipteses um procedimento estatstico em que se
busca verificar uma hiptese a respeito da populao, no sentido
de aceit-la ou rejeita-la, a partir de dados amostrais, tendo por
base a teoria das probabilidades.
Em geral, um problema cientfico (expresso na forma de pergunta)
conduz a uma hiptese cientfica (resposta provisria a esta
pergunta) que requer uma pesquisa cientfica para a sua
verificao. O teste de hiptese um dos procedimentos mais
utilizados na pesquisa cientfica, sobretudo na pesquisa
experimental.
Testes de hipteses
No uso de um teste de hipteses fazemos algumas suposies tais
como: a) Ambas as amostras foram extradas de populaes
independentes que podem ser descritas por distribuies normais; b)
Que o desvio padro ou varincia das populaes so iguais; c) E que
os dados so variveis aleatrias independentes.
A suposio de independncia crtica, mas se as rodadas de
experimentao forem sorteadas e demais variveis forem
selecionadas aleatoriamente, normalmente, satisfaz-se a suposio de
independncia.
As suposies de varincia igual e normalidade so facilmente
verificadas usando-se grficos de verificao da normalidade.
Normalmente softwares incorporam opes de verificao da
normalidade, ou mesmo o procedimento pode ser executado
manualmente, colocando os dados em ordem crescente e seguindo
procedimento especfico.
Testes de hipteses
O grfico mostra a verificao da normalidade de medies de glicose
em amostras de materiais de referncia.
Testes de hipteses
De modo geral, podemos definir cinco passos para construo de um
teste de hipteses:
1) Definir as hipteses estatsticas;

2) Fixar a taxa de erro aceitvel;
3) Escolher a estatstica para testar a hiptese e verificar as
pressuposies para o seu uso;
4) Usar as observaes da amostra para calcular o valor da

estatstica do teste;
5) Decidir sobre a hiptese testada e concluir.
Testes de hipteses mdia

1) Definir as hipteses estatsticas; A hiptese estatstica uma
suposio feita a respeito de um ou mais parmetros, tais como,
mdia de populaes (), varincias de populaes ( 2 ), etc. As
hipteses estatsticas surgem de problemas cientficos.
Existem dois tipos bsicos de hipteses estatsticas:
Hiptese de nulidade (0 ): a hiptese que est sob verificao. Esta
hiptese supe a igualdade dos parmetros que esto sendo
testados;
Hiptese alternativa ( ): a hiptese que ser considerada caso a
hiptese de nulidade seja rejeitada. Esta hiptese supe que os
parmetros testados so diferentes.

Duas situaes so comuns em testes de hipteses a respeito da mdia
da populao ():
1. Comparao de uma mdia () com um valor (0 ).

Nesta situao, temos uma populao da qual extrada uma amostra e
a mdia desta amostra comparada com um valor j conhecido (valor
padro) que serve como referncia.
0 : = 0 0 = 0
: 0 0 0 hiptese bilateral
> 0 0 > 0 hiptese unilateral direita
< 0 0 < 0 hiptese unilateral esquerda
Devemos escolher a
mais apropriada

2. Comparao entre duas mdias (1 2 ).
Nesta situao, temos duas populaes, de cada uma extrada uma
amostra, e as mdias das duas amostras so comparadas.
0 : 1 = 2 1 2 = 0
: 1 2 1 2 0 hiptese bilateral
1 > 2 1 2 > 0 hiptese unilateral direita
1 < 2 1 2 < 0 hiptese unilateral esquerda
Devemos escolher a
mais apropriada

Exemplificando com um teste de hipteses no qual pretende-se avaliar
duas formulaes de argamassas, que devem ser avaliadas com
respeito resistncia a compresso. Obviamente, seria impossvel
avaliar todas as argamassas produzidas.
Populao 1 a formulao
1
da
argamassa,
a
Populao 2 a formulao
2 da argamassa.
Nestas populaes vamos
estudar a varivel contnua
X=
resistncia
da
argamassa, supondo que
~ , 2 e que 1 2 = 2 2 .

Assim nossos parmetros de interesse so:
1 = 1 = resistncia mdia da populao 1;
2 = 2 = resistncia mdia da populao 2;

Assim devemos considerar
as
seguintes
hipteses
estatsticas.
0 : 1 = 2
: 1 2

Observemos que a hiptese alternativa no corresponde
necessariamente expectativa do pesquisador, ou seja, hiptese
cientfica. A hiptese a ser testada em um teste sempre a hiptese de
igualdade entre os parmetros, enquanto a hiptese alternativa deve ser
definida pelo pesquisador, podendo ser bilateral ou unilateral.
A escolha entre uma e outra, entretanto, jamais deve ser feita com base
nos dados da amostra, tampouco na expectativa do pesquisador.
A hiptese bilateral mais genrica e

deve ser utilizada quando no temos
motivos suficientes para esperar que um
dos parmetros seja maior ou menor que
outro. Assim, supomos apenas que os
parmetros sero diferentes, caso a
hiptese de igualdade seja rejeitada.

As situaes de aplicao da hiptese unilateral so mais restritas e
nem sempre so muito claras. A opo por uma hiptese unilateral
exige que tenhamos mais informaes sobre o comportamento da
varivel de interesse na situao da pesquisa. Estudos anteriores, por
exemplo, podem prover evidncias que suportem uma hiptese
unilateral.

A hiptese unilateral pode ser tambm uma decorrncia lgica da
situao de pesquisa, como, por exemplo, quando comparamos a
mdia de um grupo tratado (que recebe determinado tratamento) com
a mdia de um grupo controle ou testemunha (que no recebe o
tratamento).
Neste caso, se o tratamento
no tem efeito, esperamos
que as mdias dos dois
grupos sejam iguais; mas se
o tratamento tem efeito
significativo
bastante
razovel esperar que a
mdia do grupo tratado (que
expressa este efeito) seja
maior (e nunca menor do que
a mdia do grupo controle.
Testes de hipteses erros

Um elemento intrnseco ao processo de inferncia o erro. Como as
concluses so obtidas a partir de dados amostrais, eventualmente, a
amostra pode no representar o todo (populao).
Como a hiptese sob verificao 0 , dois tipos de erro esto
associados deciso a respeito dela, so eles:
Erro Tipo I: rejeitar 0 quando ela verdadeira

= P(erro tipo I) probabilidade de cometer o erro tipo I
Erro Tipo II: no rejeitar 0 quando ela falsa
= P(erro tipo II) probabilidade de cometer o erro tipo II
Situao de
Deciso
Verdadeira
Falsa
No rejeitar
Acerto
Erro Tipo II -
Rejeitar
Erro Tipo I -
Acerto

Como consequncia, temos que: (1-) a probabilidade de no
cometer o erro tipo I, ou seja, a capacidade de no rejeitar 0
verdadeira, e (1-) a probabilidade de no cometer o erro tipo II, ou
seja, a capacidade de rejeitar 0 falsa. A probabilidade (1-)
denominada poder do teste. Podemos dizer, ento, que o poder do
teste a probabilidade de declarar diferenas quando elas, de fato
existem. O poder de um teste est relacionado com os seguintes
fatores: tamanho da amostra, variabilidade da varivel e magnitude
da diferena existente entre as mdias.
Situao de
Deciso
Verdadeira
Falsa
No rejeitar
Acerto
Erro Tipo II -
Rejeitar
Erro Tipo I -
Acerto

importante ressaltar ainda que as duas taxas de erro ( e ) esto
relacionadas negativamente, de modo que a reduo de implica no
aumento de e vice-versa. Para que os testes de hipteses tenham
validade, necessrio que sejam delineados de modo a minimizar os
erros de concluso. Entretanto, o nico meio de reduzir ambos os
tipos de erro aumentando o tamanho da amostra, o que nem
sempre vivel. Via de regra a preocupao est voltada para
minimizar o erro tipo I. A probabilidade de ocorrncia do erro tipo I ()
chamada de nvel de significncia do teste.
Situao de
Deciso
Verdadeira
Falsa
No rejeitar
Acerto
Erro Tipo II -
Rejeitar
Erro Tipo I -
Acerto
Testes de hipteses critrio de

deciso
A regra de deciso a respeito de 0 pode ser estabelecida com base
num valor crtico:
Teste bilateral: se a hiptese alternativa for bilateral, o valor crtico
ser:
2() : valor da estatstica t, para graus de liberdade, que delimita a
rea 2, encontrado na tabela da distribuio t (limites bilaterais);
Teste unilateral: se a hiptese alternativa for unilateral, o valor crtico
ser:
() : valor da estatstica t, para graus de liberdade, que delimita a
rea , encontrado na tabela da distribuio t (limites unilaterais);
Para decidir comparamos o valor da estatstica t=
()
com o valor
crtico:
Rejeitamos , ao nvel , se o valor da estatstica, em mdulo,
for maior que o valor crtico: > valor crtico

deciso
O Excel tem uma funo que retorna o valor de
A funo =INV.T(probabilidade; graus de liberdade) retorna o valor de t.
t.
Para a funo =INV.T(0,025;22) o valor retornado ser -2,07387, ou se voc

entrar com a funo =INV.T(0,975;22) obter o valor 2,073873.
No teste de hipteses compara-se sempre o valor do t crtico
como positivo, assim mesmo a funo =INV.T(0,025;22) retornar
o valor -2,07387 o valor do t crtico a ser comparado 2,07387.
Em alguns critrios de rejeio o sinal est a frente do valor
crtico, neste caso o valor a ser comparado ser negativo.

deciso
No temos motivos suficientes para rejeitar , ao nvel , se o
valor da estatstica, em mdulo, for menor que o valor crtico:
< valor crtico.
Podemos observar a seguir as regies de rejeio 0 na curva da
distribuio t para cada uma das trs possibilidades de hiptese
alternativa:
Para hiptese alternativa bilateral, ou seja, : 1 2 0

deciso
Para hiptese alternativa unilateral direita ou seja, : 1 2 > 0

deciso
Para hiptese alternativa unilateral esquerda ou seja, : 1 2 < 0
Testes de hipteses P valor

Outro critrio tem sido frequentemente utilizado para decidir sobre 0 .
Essa deciso tambm pode ser baseada em um valor que expressa a
probabilidade de que seja obtido um valor t mais extremo que o valor
observado, dado que 0 verdadeiro. Esta probabilidade conhecida
como P valor.

A deciso a respeito de 0 tomada da seguinte forma:
Se o valor P for maior ou igual
a , no rejeitamos a hiptese
nula, pois t tpico ou est em
uma
regio
de
alta
probabilidade.
Se o valor P for menor que ,

rejeitamos a hiptese nula, pois
t atpico ou est em uma
regio de baixa probabilidade.

O P valor para distribuio Z calculado para testes bilaterais como: =
2 1 0
No caso dos testes unilaterais, o P valor calculado pela equao:
= 1 0 para o teste unilateral superior;
= 0 para o teste unilateral inferior.

Para simplificar o clculo do P valor para uma hiptese bicaudal,
utilizando a distribuio t, podemos utilizar a funo do Excel
DIST.T.BC(0 ; graus de liberdade). A funo retorna diretamente o P
valor.
Da mesma forma a funo DIST.T.CD (0 ; graus de liberdade), retorna o
valor percentual da cauda direita e pode ser usada para clculo do P
valor para hipteses unilaterais.
Testes de hipteses mdias

varincia conhecida
Testes de hipteses mdias varincia

conhecida Intervalos de confiana
2 + 2
1 2 2
1 2 2 2
1 2 2 2
+
1 2 1 2 + 2
+
1
2
1
2
Testes de
hipteses
mdias
varincia
desconhecida
Testes de hipteses mdias varincia

desconhecida Intervalos de Confiana
Intervalos de Confiana Bilaterais
2
< < + 2
1 1 1 2 + 2 1 2 2
=
1 + 2 2
1
1
1
1
1 2 2;1+22
+
1 2 1 2 + 2;1+22
+
1 2
1 2
1 2 2;
1 2 2 2
1 2 2 2
+
1 2 1 2 + 2;
+
1
2
1
2
Testes de hipteses varincias
Testes de hipteses varincias

Intervalos de confiana bilaterais
1 2
1 2
2
2
2 2;1
1(2);1
1 2
2 2
12,21,11
1 2 1 2
2 2 2,21,11
2
2
1,2,1 =
1
,2,1
Exerccio 1 - Testes de hipteses

A resistncia de um freio de fibra deve ser de pelo menos 150psi.
Experincia anterior indica que o desvio padro da resistncia do freio
de =3psi. Uma amostragem aleatria de 4 peas so testadas e os
resultados foram: y1= 145; y2=153; y3=150 e y4=147.
(a) Estabelea as hipteses que voc acha que deveriam ser testadas
neste experimento.
(b) Teste as hipteses usando = 0,05. Qual a sua concluso?
(c) Encontre o p-value para o teste do item (b).
(d) Construa o intervalo de confiana de 95% da resistncia mdia do
freio.

(a) Exerccio envolve a comparao da mdia de uma populao com
um valor especfico.
Hipteses:
H0 : = 150 psi
H1 : 150 psi
A hiptese pode ser testada se a populao normal com uma varincia
conhecida.
Resultados do Minitab:
One-Sample Z: Resis Freios
Test of mu = 150 vs not = 150
The assumed standard deviation = 3
Variable
N Mean StDev SE Mean
95% CI
Z
P
Resis Freios 4 148,75 3,50 1,50
(145,81; 151,69) -0,83 0,405
O grfico mostra em azul o intervalo de confiana de 95%
O grfico mostra os quartis e bigodes do box plot

H0 : = 150 pode ser rejeitada se 0 > 2
0 148,75 150
0 =
=
= 0,833. .

3 4
2 = 0,025 = 1,960

Ou tabela Z aproximadamente pegando a probabilidade 97,5%
(0,97500) correspondente ao Z de 1,96.
Pelo excel =INV.NORMP.N(0,975)=1,959964 (ou INV.NORMP)
Como 0 < 2 = 0,833 < 1,96 a hiptese nula no pode ser
descartada.
Ou seja no podemos descartar com 95% de certeza que a resistncia
dos freios seja igual a 150 psi.

O P valor pode ser definido como o menor nvel de significncia que
podemos rejeitar a hiptese nula.
No software Minitab nota-se que o p-value de 0,405 indicando que
no podemos rejeitar a hiptese nula j que o p-value maior que
=0,05.
Pode-se utilizar a funo do Excel =DIST.NORMP.N(0,833;VERDADEIRO) e obter o resultado 0,202422 e multiplicar por 2
para obter o P valor = 0,404845
Pela tabela (Z) encontramos o valor para P=(0,83) =0,79673 (aprox).
Como o P valor calculado para testes bilaterais como: =
2 1 0 = 2.[1-0,797577635]=0,40484473
Ou seja no podemos descartar a hiptese nula de igualdade da
resistncia a 150 psi com o nvel de significncia de 95% como foi
pedido.

(d) O intervalo de confiana especificado para a condio em que temos
uma populao normalmente distribuda com varincia conhecida :
2 + 2
148,75 1,96 3 4 148,75 148,75 + 1,96 3 4
Assim o intervalo de confiana de 95% da resistncia do freio :
145,81 148,75 151,69

Boxplot of Resistncia Freios
Podemos
testar
ainda 0
de
igualdade contra a
hiptese que a
mdia seja igual a
150 psi, diminuindo
a significncia para
60%. Pelo software
Minitab
obtemos
os valores abaixo.
(with Ho and 60% Z-confidence interval for the Mean, and StDev = 3)
_
X
Ho
144

145
146
147
148
149
150
Resistncia Freios
Variable
60% CI
Z P
Resistncia Freios 4 148,75 3,50 1,50 (147,49; 150,01) -0,83 0,405
151
152
153

Boxplot of Resistncia Freios
Neste caso ficamos

no limite de aprovar
ou
descartar
a
hiptese H0 com o
nvel de significncia
de 60%.
J que 150 psi est
no limite inferior do
IC de 60%.
_
X
Ho
144

145
146
147
148
149
150
Resistncia Freios
Variable
60% CI
Z
P
Resistncia Freios 4 148,75 3,50 1,50 (147,49; 150,01) -0,83 0,405
151
152
153

Podemos
testar
ainda 0
de
igualdade contra a
hiptese que a
mdia seja maior
do que 150 psi.
Pelo
software
Minitab
obtemos
os valores abaixo.
Boxplot of C1
_
X
Ho
144
145
Test of mu = 150 vs > 150

146
147
148
149
C1
150
95% Lower
Variable N Mean StDev SE Mean Bound
Z
P
C1
4 148,75 3,50 1,50
146,28
-0,83 0,798
151
152
153

Pela tabela Z apndice I observamos que 0 est entre 1,64 (prob de 0,94950) e
1,65 (prob de 0,95053), j que o valor a ser procurado a probabilidade de 0,95
e no mais 0,975 como no teste bilateral. Pelo Excel usando-se a funo
=INV.NORMP.N(0,95) obtemos o valor 1,644854.
Para rejeitar 0 0 > . Como 0 = 0,833
no maior que 1,644854, no podemos descartar a hiptese 0 de igualdade
contra a hiptese alternativa que a mdia seja maior do que 150 psi.

Obtemos o P valor usando a funo excel =DIST.NORMP.N(-0,833;VERDADEIRO),
que retorna o valor 0,202422, fazendo (1-0,202422) obtemos 0,797578 que o
P valor. Pelo P valor observamos que a hiptese de igualdade da mdia a 150
psi forte j que o P valor alto.
Assim no podemos afirmar que o valor da resistncia seja maior do que
150 psi. Desejvamos descartar a hiptese 0 de igualdade contra a
hiptese que a resistncia fosse maior do que 150 psi, j que a condio
estabelecida pelo problema que a resistncia tem que ser de no
mnimo 150 psi.

Duas mquinas so usadas para o enchimento de garrafas plsticas com 16,0
ml. O processo de enchimento pode ser assumido como normal, com um
desvio padro de 1 = 0,015 2 = 0,018. O departamento de engenharia
suspeita da qualidade das maquinas, se ambas as mquinas encham o mesmo
volume ou no. A referncia o volume de 16,0 ml. Um experimento
elaborado pegando amostras aleatrias da sada da cada mquina.
(a) Estabelea as hipteses que
deveriam ser testadas neste
experimento;
(b) Teste estas hipteses usando
=0,05. Quais suas concluses?
(c) Encontre o valor de P para este
teste;
(d) Encontre o intervalo de
confiana de 95%, da mdia de
preenchimento
das
duas
mquinas.
Mquina 1
Mquina 2
16,03
16,01
16,02
16,03
16,04
15,96
15,97
16,04
16,05
15,98
15,96
16,02
16,05
16,02
16,01
16,01
16,02
15,99
15,99
16,00

(a) Estabelea as hipteses que deveriam ser testadas neste experimento;
Hipteses:
0 : 1 = 2
1 : 1 2
(b) Teste estas hipteses usando =0,05. Quais suas concluses?
0 =
1 2
1 2 2 2
1 + 2
1 = 16,0150 2 = 16,0050
0 =
16,0150 16,0050
0,015 0,018
10 + 10
= 0,17407765

2 = 0,025 = 1,960 Pelo excel =INV.NORMP.N(0,975)=1,959964
Critrio de Rejeio: |0 | > 2 0,1741 < 1,960 portanto no
podemos rejeita 0 .

(c) Encontre o valor de P para este teste;
Pode-se utilizar a funo do Excel =DIST.NORMP.N(0,1741;VERDADEIRO)
e obter o resultado 0,569106, diminuir de 1 (1-0,569106) e multiplicar por 2
para obter o P valor = 0,861787.
Pela tabela podemos obter o P Valor aproximado j que Z=0,17 indica uma
probabilidade de 0,56749
= 2 1 0 = 2[1 0,17410 ] =2[1-0,56749]= 2.[0,43251]=0,8650
Como o valor de P maior do que 0,025 o critrio de deciso para uma
hiptese bilateral com =0,05, no podemos rejeitar 0 .
(d) Encontre o intervalo de confiana de 95%, da diferenas das mdias de
preenchimento das duas mquinas.
1 2 + 2
1 2 2 2
1 2 2 2
+
> > 1 2 2
+
1
2
1
2
0,0152 0,0182
16,015 16,005 1,96
+
10
10
0,01 0,014522 0,004522 < 0,01 < 0,024522

Resolvendo usando-se o Mini Tab.
Sample N Mean StDev SE Mean

1
10 16,0150 0,0150 0,0047
2
10 16,0050 0,0180 0,0057
Difference = mu (1) - mu (2)

Estimate for difference: 0,01000
95% CI for difference: (-0,00563; 0,02563)
T-Test of difference = 0 (vs not =): T-Value =1,35 P-Value = 0,195 DF = 17
Os resultados deram diferentes dos calculados anteriormente, porque o software
calcula considerando valores da distribuio t e anteriormente considerou-se
distribuio Z.

O tempo de reparo de um instrumento eletrnico normalmente
distribudo, sendo a varivel aleatria medida em horas. Os tempos de
reparo de 16 destes instrumentos escolhidos aleatoriamente esto na
tabela abaixo.
Horas
(a) Deseja-se saber se o tempo de reparo
excede 225 horas. Estabelea as hipteses
apropriadas;
(b) Teste as hipteses, quais as concluses?
Use =0,05;
(c) Encontre o P valor do teste;
(d) Construa o intervalo de confiana de 95% do
tempo mdio de reparo.
159
280 101
212
224
379 179
264
222
362 168
250
149
260 485
170

(a) Deseja-se saber se o tempo de reparo excede 225 horas. Estabelea as
hipteses apropriadas;
One-Sample T: Tempo de reparo
Variable
95% CI
Tempo de reparo 16 241,5 98,7 24,7
(188,9; 294,1)
T
P
0,67 0,514
Boxplot of Tempo de reparo
(with Ho and 95% t-confidence interval for the mean)
SE Mean = StDev / RAIZ(n)
_
X
Ho
100
200
300
Tempo de reparo
400
500

(a) Deseja-se saber se o tempo de reparo excede 225 horas. Estabelea as
hipteses apropriadas;
0 : = 225
1 : 225
(b) Teste as hipteses, quais as concluses? Use =0,05;
0 = 0 critrio de rejeio: 0 > 2;1

241,5 225
0 =
= 0,6687
98,7 16
2;1 = 0,025;15 = 2,131
Pelo Excel =INV.T(0,975;15) = 2,13245
Como 0 < 0,025;15 0,6687 < 2,131 No podemos descartar 0 .
(c) Encontre o P valor do teste;
Pelo Excel = . . (0,6687; 15) = 0,513847

(d) Construa o intervalo de confiana de 95% do tempo mdio de reparo.
98,7
; 1 : 2 241,52,131 16 241,5 52,58 188,92
294,08

A tabela a seguir mostra os tempos de queima de duas diferentes
formulaes qumicas combustveis. O engenheiro projetista est
interessado na mdia e na varincia dos tempos de queima das formulaes.
Tipo 1
Tipo 2
65
82
64
56
81
67
71
69
57
59
83
74
66
75
59
82
82
70
65
79
(a) Teste as hiptese que as duas varincias so

iguais. Use =0,05.
(b) Use os resultados de (a), teste as hiptese que a
mdia dos tempos de queima so iguais. Use
=0,05. Qual o valor de P para este teste?
(c) Discuta o papel da normalidade assumida neste
problema. Verifique a normalidade das duas
formulaes.

(a) Teste as hiptese que as duas varincias so iguais. Use =0,05.
Pelo software Minitab obtemos:
Test and CI for Two Variances: Tipo 1; Tipo 2
Method
Null hypothesis
Variance(Tipo 1) / Variance(Tipo 2) = 1
Alternative hypothesis Variance(Tipo 1) / Variance(Tipo 2) not = 1
Significance level
Alpha = 0,05
Statistics
Variable N StDev Variance
Tipo 1 10 9,264 85,822
Tipo 2 10 9,367 87,733
Ratio of standard deviations = 0,989
Ratio of variances = 0,978

Test and CI for Two Variances: Tipo 1; Tipo 2
95% Confidence Intervals
CI for
Distribution CI for StDev
of Data
Ratio
Normal
(0,493; 1,985)
Continuous (0,508; 1,933)
Variance
Ratio
(0,243; 3,938)
(0,258; 3,735)
Tests
Test
Method
DF1 DF2 Statistic P-Value
F Test (normal)
9 9
0,98
0,974
Levene's Test (any continuous) 1 18
0,00
1,000

Teste estatstico 0 =
1 2
2 2
85,822
= 87,732 = 0,97823
Critrio de rejeio: 0 > 2,1 1,21 0 < 12,11,21

2,11,21=4,03 ou 12,11,21 = 0,25
Pelo Excel =INV.F.CD(0,025;9;9) = 4,025994
Pelo Excel =INV.F.CD(0,975;9;9) = 0,248386
Como 0 < 4,03 e 0 > 0,25
no podemos descartar 0 de igualdade das varincias.
Podemos determinar o P Valor para o teste F, usando-se a seguinte funo
do Excel =DIST.F(0,97823;9;9;VERDADEIRO) =0,487191 e multiplicarmos
por dois por ser hiptese bilateral, onde teremos o valor 0,974382.

(b) Use os resultados de (a), teste as hiptese que a mdia dos tempos de
queima so iguais. Use =0,05. Qual o valor de P para este teste?
0 : 1 = 2
1 : 1 2
1 2
70,4070,20
2
Teste estatstico: 0 =
=
=
4,8011
10
= 0,048011
1
1
1 1
+
1
2
9,3147
10 10
1 1 1 2 + 2 1 2 2
10 1 85,74 + 10 1 87,79
=
=
1 + 2 2
10 + 10 2
= 9,3147
Critrio de deciso: 0 > 2; = 1 + 2 2 = 18 2; = 0,025;18 =
2,101
Pelo Excel =INV.T(0,975;18) = 2,100922
Como: 0 > 2; 0,048< 2,101 no podemos descartar 0 de igualdade.
Encontre o P valor do teste;
Pelo Excel =DIST.T.BC(0,048011;18)= 0,962236

Two-sample T for Tipo 1 vs Tipo 2
Tipo 1 10 70,40 9,26 2,9
Tipo 2 10 70,20 9,37 3,0
Difference = mu (Tipo 1) - mu (Tipo 2)
Estimate for difference: 0,20
95% CI for difference: (-8,55; 8,95)
T-Test of difference = 0 (vs not =): T-Value = 0,05 P-Value = 0,962 DF = 18
Both use Pooled StDev = 9,3155

(c) Discuta o papel da normalidade assumida neste problema. Verifique a
normalidade das duas formulaes.
Probability Plot of Tipo 1
Normal
99
Mean
StDev
N
AD
P-Value
95
90
Percent
80
70
60
50
40
30
20
10
5
50
60
70
Tipo 1
80
90
70,4
9,264
10
0,344
0,409

(c) Discuta o papel da normalidade assumida neste problema. Verifique a
normalidade das duas formulaes.
Probability Plot of Tipo 2
Normal
99
Mean
StDev
N
AD
P-Value
95
90
Percent
80
70
60
50
40
30
20
10
5
50
60
70
Tipo 2
80
90
70,2
9,367
10
0,186
0,876

Histogram of Tipo 1; Tipo 2
Normal
Variable
Tipo 1
Tipo 2
0,04
Mean StDev N
70,4 9,264 10
70,2 9,367 10
0,03
Density
(c) Discuta o papel da

normalidade
assumida
neste
problema. Verifique a
normalidade das duas
formulaes.
Observando
os
grficos
de
normalidade das duas
formulaes, pode-se
dizer que as duas
formulaes podem
ser admitidas como
normais, a segunda
formulao com os
pontos mais prximo
de uma reta que a
primeira formulao.
0,02
0,01
0,00
50
60
70
Data
80
90

Cinco medidas do contedo de alcatro em um cigarro X acusaram: 14,5;
14,2; 14,4; 14,8 e 14,1 miligramas por cigarro. Este conjunto de cinco valores
tem mdia de 14,4 e desvio padro 0,274. O leitor pretende testar a hiptese
nula Ho: =14,1 (conforme declarado no mao) ao nvel de 0,05 de
significncia.
Ho seria aceita, contra a alternativa Ha: 14,1?
Ho seria aceita, contra a alternativa Ha: <14,1?
Ho seria aceita, contra a alternativa Ha: >14,1?
Que suposies so necessrias para fazer o teste de hipteses?

Test of mu = 14,1 vs not = 14,1
Variable N Mean StDev SE Mean
95% CI
T
P
C1
5 14,400 0,274 0,122 (14,060; 14,740) 2,45 0,070
No rejeitamos
H0 contra a
hiptese que a
mdia
seja
diferente do que
14,1.
Obs: Podemos
ver
que
o
intervalo
de
confiana
em
azul inclui H0.

0 =
14,4 14,1
= 2,44825
0,274 5
Pela tabela 2;1 = 0,025;4 = 2,776
Pelo Excel =INV.T(0,975;4) = 2,7764

Como 0 < 0,025;4 2,45 < 2,78 No
podemos descartar 0 .
O P Valor do teste;
Pelo Excel = . . (2,44825; 4) = 0,070578

Test of mu = 14,1 vs < 14,1
95% Upper
Variable N Mean StDev SE Mean
C1
5 14,400 0,274 0,122
No rejeitamos H0
contra a hiptese
que a mdia seja
menor do que
14,1.
Bound T
P
14,661 2,45 0,965

0 =
14,4 14,1
= 2,44825
0,274 5
Pela tabela ;1 = 0,05;4 = 2,132
Pelo Excel =INV.T(0,95;4) = 2,131847

Como 0 > 0,05;4 2,45 > 2,132 no
podemos descartar 0 contra a hiptese
que a mdia seja menor do que 14,1.
O P valor do teste;
Pelo Excel temos que fazer = . . (2,44825; 4) = 0,035289 depois
diminuir este valor de 1, assim (1-0,035289)=0,964711 que o P Valor.
Como o valor de P bem maior do que 0,05 o critrio de deciso para uma
hiptese unilateral com =0,05, no podemos rejeitar 0 .
Podemos notar que como o P valor bem maior do que , ficamos seguros
em rejeitar a hiptese alternativa que a mdia seja menor do que 14,1.

Test of mu = 14,1 vs > 14,1
95% Lower
Variable N Mean StDev SE Mean Bound
C1
5 14,400 0,274 0,122 14,139
Rejeitamos
H0
contra a hiptese
que a mdia seja
maior do que 14,1.
T P
2,45 0,035

0 =
14,4 14,1
= 2,44825
0,274 5
Pela tabela ;1 = 0,05;4 = 2,132
Pelo Excel =INV.T(0,95;4) = 2,131847

Como 0 > 0,05;4 2,45 > 2,132
descartamos 0 contra a hiptese que a
mdia seja maior do que 14,1.
O P valor do teste;
Pelo Excel temos que fazer = . . (2,44825; 4) = 0,035289 este j o P
valor.
Como o valor de P menor do que 0,05, o critrio de deciso, para uma
hiptese unilateral com =0,05, podemos rejeitar 0 .
Podemos notar que como o P valor menor do que , indicando que
devemos rejeitar a hiptese 0 que a mdia seja igual a 14,1.

No exerccio 5 fizemos 3 testes de hipteses.
No primeiro a hiptese de igualdade da mdia a 14,1, no pode ser
descartada, contra a hiptese alternativa de que a mdia seria
diferente de 14,1. Assim soubemos que a mdia era diferente, mas
no sabamos se para cima ou para baixo de 14,1.
No segundo a hiptese de igualdade da mdia a 14,1, tambm no
pode ser descartada, contra a hiptese alternativa de que a mdia
seria menor do que 14,1. Neste caso o P Valor deu alto, indicando
uma concluso forte, que a mdia no era menor do que 14,1.
No terceiro a hiptese de igualdade da mdia a 14,1, foi descartada,
contra a hiptese alternativa de que a mdia seria superior a 14,1.
Conclumos assim, estatisticamente, que a mdia maior do que
14,1. Indicando que o cigarro est com mais alcatro que o
permitido.

Observamos pelo exerccio que j poderamos suspeitar que a
mdia das amostras estavam acima de 14,1 pelo prprio box plot
das amostras e partir diretamente para uma hiptese alternativa que
a mdia era maior do que 14,1.

Na validao de um mtodo de medio de xido de etileno em
produtos mdicos, fez-se 7 medies de uma substncia padro
que possua o valor de referncia de 1,697 ppm de OE. Determine
com nveis de confiana de 95%, 99% e outros nveis, se os
resultados obtidos validam ou no o mtodo de medio.
OE (ppm)
1,715
1,581
1,943
1,882
1,954
1,975
1,715
Fazendo inicialmente o teste

de hipteses para o nvel de
confiana de 95%.

Boxplot of OE
_
X
Ho
1,6
1,7
1,8
OE
1,9
2,0

Boxplot of OE
Fazendo agora o teste

de hipteses para o
nvel de confiana de
99%.
Observa-se que ao
contrrio do que
pensamos mais fcil
aprovar o teste com
nvel de confiana de
99%.
_
X
Ho
1,6
1,7
1,8
1,9
OE
2,0
2,1

Boxplot of OE

de hipteses para o
nvel de confiana de
92,9%.
(with Ho and 92,9% t-confidence interval for the mean)
Neste caso ficamos

na dvida j que que
o p value igual a p
crtico ou seja 0,071.
Note que H0 est no
limite do IC de 92,9%
_
X
Ho
1,6
1,7
1,8
OE
1,9
2,0

Boxplot of OE

de hipteses para o
nvel de confiana de
90%.
Neste caso a hiptese

H0 descartada j
que o P Valor 0,071
e deveria ser maior
ou igual a 0,1.
_
X
Ho
1,6
1,7
1,8
OE
1,9
2,0
Testes de hipteses Comparao

pareada
Em alguns experimentos comparativos podemos aumentar grandemente
a preciso fazendo comparaes combinadas aos pares do material. Por
exemplo, considere uma mquina de medio de dureza, que com uma
ponteira pressiona uma amostra, com uma determinada fora. Pela
medio da profundidade do afundamento causado pela ponteira, a
dureza do material determinada. Duas ponteiras diferentes esto
disponveis pela mquina, embora a preciso (variabilidade) das
medies feitas pelas duas ponteiras seja a mesma, suspeita-se que
uma ponteira produza diferente leitura em relao a outra.
Um experimento poderia ser delineado como a seguir. Um nmero de
amostras de metal (10) poderia ser aleatoriamente selecionado. Metade
das amostras poderia ser testada por uma ponteira 1 e a outra metade
pela ponteira 2.

pareada
Por ser um projeto completamente aleatrio, as mdias das durezas das
duas amostras podem ser comparadas usando-se um teste t.
Pode haver uma desvantagem deste projeto de aleatorizao. Suponha

que as amostras so obtidas em diferentes tmperas, ou que no seja
completamente homognea entre amostras.
Esta falta de homogeneidade entre as amostras, ira contribuir para a
variabilidade das medies de dureza aumentando o erro experimental.
Para se proteger contra isto um projeto experimental alternativo pode ser
feito. Este projeto pode dividir cada amostra em duas partes,
submetendo, aleatoriamente, cada parte a um tipo de ponteira.

pareada
Podemos escrever a modelo estatstico que descreve os dados para
este experimento como:
= + + = 1,2
= 1,2, , 10
Onde e a medio de dureza da ponteira na amostra , a mdia
de dureza da amostra sima, um efeito da dureza devido sima
amostra e o erro experimental aleatrio com mdia zero e varincia
2 . Isto 1 2 a varincia das medies de dureza com a ponteira 1 e
2 2 a varincia das medies de dureza com a ponteira 2.
Note que teremos se computarmos a diferena pareada das amostras.
= 1 2
= 1,2, , 10
A diferena esperada : = = 1 2 = 1 2 =
1 + 2 = 1 2
Nota-se que o feito aditivo das amostras cancelado quando as
medies pareadas desta forma.

pareada
Assim testar a hiptese: 0 : 1 = 2 equivalente a testar:
0 : = 0
1 : 0
1
O teste estatstico para esta hiptese : 0 =
onde = =1

a mdia da diferena das amostras e

2 12
=1( )
=1 2
1
(=1 )2
12
=
1
o desvio padro da diferena .
0 : = 0 ser rejeitada se 0 > 2;1
Este planejamento usualmente chamado de teste t pareado.

pareada
Voltando ao nosso exemplo de
medies de dureza.
1
1
= =
1 = 0,10
10
=1
12
1
=1 2 (=1 )2
=
1
12
1
13
12
10
=
= 1,20
10 1
Supondo =0,05
Amos
tra
Pontei
ra 1
Pontei Difere
ra 2
na
-2
-2
10
-1

pareada
Supondo =0,05. Para tomarmos uma Amos Pontei Pontei Difer
deciso, precisamos determinar 0 e rejeitar tra
ra 1
ra 2
ena
0 se 0 > 0,025 ;9 = 2,262.
1
7
6
1
A funo Excel =INV.T(0,975;9) retorna
2
3
3
0
2,262157163.
3
3
5
-2
A funo Excel =INV.T(0,025;9) retorna 2,262157163.
4
4
3
1
5
-2
10
-1

pareada
O valor de 0 =
0,10
1,20 10
= 0,26
Como
0 = 0,26 0,025;9 = 2,262 , no
podemos rejeitar a hiptese 0 : = 0. Ou
seja no evidncias que as duas ponteiras
produzam diferentes leituras de dureza.
Amos Pontei Pontei Difer

tra
ra 1
ra 2
ena
-2
-2
10
-1

pareada
Analisando o ensaio notamos que embora 2n=2(10)=20 medies
tenham sido feitas, temos somente n-1=9 graus de liberdade.
Comparando o desvio padro de todas as 20 medies obtemos o
valor = 2,32, comparando com o desvio padro das diferenas
temos = 1,20, ou seja uma variabilidade quase 50% menor.
Os intervalos de confiana para o ensaio pareado contra a anlise
independente so:
0,025;9 = 0,10 2,262 1,20 10 = 0,10 0,86
1 2 0,025;18
1
1
+
= 4,80 4,90 2,101 2,32
1 2
1
1
+
10 10
= 0,10 2,18
O intervalo de confiana bem mais estreito da comparao pareada,
ilustra a reduo do rudo prprio da blocagem.

pareada
Nem sempre a comparao pareada a melhor escolha, caso a
variao da comparao pareada seja igual ao do ensaio normal,
neste caso a melhor opo o ensaio normal devido a reduo de n-1
graus de liberdade do ensaio pareado.

pareada
Exerccio resolvido no Minitab:
Pelo P Valor = 0,798 no podemos afirmar que as ponteiras sejam diferentes.
Exerccio teste de hipteses

Produtos mdicos foram submetidos esterilizao com xido etileno.
Aps o processo de esterilizao os resduos devem ser removidos, j
que so nocivos sade humana. So aceitos limites mximos de 25
ppm.
Utilizando o worksheet Minitab_worksheet_comp_residuos.MTW que
contm os resduos de xido etileno e etilenocloridrina. Faa os testes
de hipteses necessrios para comprovar se o produto cateter est
dentro dos limites de norma de 25 ppm.
Teste 1.

Boxplot of Cateter OE
Teste 1.
_
X
Ho
100
200
300
Cateter OE
400
500

Teste 2.
_
X
Ho
100
200
300
Cateter OE
400
500

Teste 3.
_
X
Ho
100
200
300
Cateter OE
400
500
Testes de hipteses Propores

estudos baseados na dist normal
O mesmo teste de hipteses feito com respeito s mdias pode ser
feito com relao a dados obtidos na forma de propores.
Exerccio:
Um estudo foi projetado para investigar se um certo detonador usado
em explosivos de uma mina de cal, atingem o requisito de 90% de
funcionamento. No teste realizado com 200 detonadores, 174
funcionaram adequadamente. Determine com 95% de certeza se o
detonador est dentro das especificaes de 90% de funcionamento.
Resolvendo o exerccio pelo Minitab sem maiores explicaes da

formulao utilizada temos:

Exerccio:
No teste realizado com 200 detonadores,
adequadamente, resoluo pelo Minitab.
174
funcionaram

Exerccio:
No teste realizado com 200 detonadores,
adequadamente, resoluo pelo Minitab.
174
funcionaram
Conclumos que no podemos descartar a hiptese que a proporo

de detonadores que funcionam adequadamente seja igual a 90%. J
que o p value deu 0,079, portanto maior do que 0,05 , valor de .

Exerccio:
Um estudo mostra que 16 de 200 bebes recm natos apresentam
complicaes em um hospital A. Um hospital B tem uma taxa de 14
complicaes para 400. Para um nvel de confiana de 99%, podemos
afirmar que o hospital B melhor que o hospital A para os recm
natos?
Hiptese nula
=
Hiptese alternativa >

Exerccio:
Hiptese nula
=
16/200 = 14/400

Exerccio:
Hiptese nula
=
16/200 = 14/400
Concluindo podemos descartar a hiptese de igualdade das

propores contra a hiptese alternativa que > . Esta concluso
pode ser tirada j que o p valor = 0,009 menor que =0,01.
Testes baseados em atributos

A maioria das medies industriais usam escalas, micrometros e
outros dispositivos que fornecem diretamente a medida fsica de um
produto. Contudo, as vezes as medidas so subjetivas, classificaes
e avaliaes, por exemplo: a) Classificao da fbrica pelo tipo de
defeito; b) Classificao da solda como boa ou ruim; c) Ranking da
qualidade do vinho na escala de 1 a 10; d) Ranking das bolhas de ar
no vidro na escala de 1 a 5;
Usa-se Anlise de atributos para avaliar a consistncia e a correo

em rankings subjetivos.
- Avaliaes da taxa de acerto do avaliador em relao a um padro;
- Avaliao entre os avaliadores;
- Consistncia das avaliaes de um mesmo avaliador.

Uma das preocupaes em testes baseados em atributos a
consistncia dos avaliadores. Por exemplo um mesmo avaliador pode
avaliar um vinho com alta pontuao e em um segundo momento,
avaliar o mesmo vinho com baixa pontuao.
Caso no se confie na consistncia dos avaliadores, no se pode
confiar nos dados que eles reportam.
Uma anlise de atributos pode ajudar a decidir se os avaliadores so

consistentes nas suas pontuaes.
Anlises tambm podem ser feitas levando-se em conta padres
estabelecidos e as avaliaes dos avaliadores.

Tipos de dados
As variveis devem ser colocadas em colunas de dados numricos ou
texto. Os dados podem ser tipo binrio (good/bad), nominal
(blue/yellow/red) ou ordinal (ruim/razovel/bom). Deve-se distinguir as
respostas de acordo com o avaliador e tentativa.
Para se criar uma planilha de atributos no Minitab, use o Create
Attribute Agreement Analysis Worksheet.

Exerccio
Dois avaliadores avaliaram trs substncias, cada uma duas vezes.
Tem-se um padro de referncia, para comparar os resultados.
Os dados devem ser

colocados no formato do
Minitab.

Exerccio
Dois avaliadores avaliaram trs substncias, cada uma duas vezes.
Tem-se um padro de referncia, para comparar os resultados.

Exerccio
Caso os avaliadores tenham duas ou mais avaliaes do mesmo
item, pode-se avaliar a consistncia do avaliador. Deve-se observar
que aqui no se faz uma comparao com o padro, assim mesmo
que as avaliaes sejam consistentes, elas no so
necessariamente corretas.
Analisando a consistncia dos resultados dos dois avaliadores.
No
exerccio
houve
coincidncia de duas das
trs avaliaes feitas,
para os dois avaliadores,
Jim e Vanessa, ou seja
66,67%
IC95%
(9,43;
99,16).

Exerccio
Utilizando o coeficiente kappa para comparar os resultados dos
avaliadores, tem-se que kappa=1 caso haja perfeita concordncia dos
resultados, caso kappa = 0 a concordncia aleatria. Valores
negativos uma concordncia menor do que a aleatria. Valores de
kappa menores do que 0,7, indicam que o sistema de mensurao
precisa melhorias. Valores de kappa maiores que 0,9 so considerados
excelentes.

Exerccio
Tem-se a comparao estatstica conforme a estatstica kappa para
cada resposta e geral, assim pode-se responder questo: Os
avaliadores tem dificuldades com uma resposta em particular?
Um teste de hipteses feito com as hipteses:
H0: A concordncia do avaliador igual a aleatria.
H1: A concordncia do avaliador no igual a aleatria.

Exerccio
Analisando os resultados abaixo pode-se observar que os avaliadores
Jim e Vanessa no apresentam resultados consistentes. A mdia geral
dos dois para o p valor de 0,0603 valor este que no permite
descartar a hiptese de aleatoriedade dos resultados obtidos.

Exerccio
Coeficiente de concordncia de Kendall expressa o grau de
associao entre as vrias avaliaes feitas por um avaliador. Ele usa
informaes sobre as classificaes relativas e sensvel gravidade
do erro de classificao.
O coeficiente de concordncia de Kendall possvel de ser obtido
quando o avaliador faz duas ou mais avaliaes da mesma unidade.
Com 3 ou mais nveis o coeficiente Kendall pode ser calculado.
O coeficiente de concordncia de Kendall pode variar de 0 a 1, quanto
maior o coeficiente de Kendal mais forte a associao.
O p valor testa as hipteses:
H0: No h associao entre os vrios rankings de um mesmo
avaliador;
H1: Os rankings de um mesmo avaliador esto associados entre si.

Exerccio
Para o exemplo observa-se que os rankings de um mesmo avaliador
esto associados entre si, j que os p valores deram valores acima de
, descartando a hiptese H0.
Observa-se que embora as classificaes dos avaliadores possam ser
consistentes, elas podem no ser corretas, j que no faz-se um
comparao com o padro estabelecido.

Exerccio
Caso tenha-se um padro pode-se avaliar a assertividade de cada
avaliador.
No caso do avaliador Jim ele acertou 1 de 3 avaliaes feitos, ou seja

33,33% - IC95% (0,84; 90,57). No caso do avaliador Vanessa esta
acertou 2 de 3 avaliaes, ou seja 66,67% IC95% (9,43; 99,16).

Exerccio
Caso tenha-se um padro pode-se avaliar a assertividade de cada
avaliador.
Date of study :
Reported by :
Name of product:
Misc:
Assessment Agreement
Within Appraisers
100
Appraiser vs Standard
100
95,0% C I
P ercent
80
80
60
60
Percent
Percent
No
caso
do
avaliador Jim ele
acertou 1 de 3
avaliaes
feitos,
ou seja 33,33% IC95% (0,84; 90,57).
No
caso
do
avaliador Vanessa
esta acertou 2 de 3
avaliaes, ou seja
66,67% IC95% (9,43;
99,16).
40
20
95,0% C I
P ercent
40
20
0
Jim
Vanessa
Appraiser
Jim
Vanessa
Appraiser

Exerccio
O primeiro grfico mostra o porcentual de concordncia das avaliaes
de um mesmo avaliador. O segundo o porcentual de concordncia das
avaliaes dos avaliadores com o padro.
Date of study :
Reported by :
Name of product:
Misc:
Assessment Agreement
Within Appraisers
100
Appraiser vs Standard
100
95,0% C I
P ercent
80
80
60
60
Percent
Percent
O
crculo
azul
indica o porcentual
de acerto atual;
A linha vermelha
mostra o intervalo
de confiana do
acerto;
E os Xs indicam os
limites inferior e
superior
do
intervalo
de
confiana.
40
20
95,0% C I
P ercent
40
20
0
Jim
Vanessa
Appraiser
Jim
Vanessa
Appraiser

Exerccio
Utilizando a estatstica de FleissKappa para avaliar a assertividade
dos avaliadores, teremos kappa =1 caso haja uma perfeita
concordncia, se kappa =0 a concordncia a mesma esperada para
aleatoriedade. Kappa menores que 0,7 indicam que o sistema de
medio precisa de melhorias e Kappa acima de 0,9 indicam que o
sistema excelente.
H0: A concordncia entre os avaliadores e o padro aleatria;
H1: A concordncia entre os avaliadores e o padro no aleatria.

Exerccio
Para o exemplo em estudo observa-se que para a resposta 4 o
avaliador Jim apresenta perfeita concordncia com o padro Kappa = 1
e p valor 0,0072. No entanto para a resposta 10 o avaliador Jim est
abaixo da aleatoriedade com p valor 0,6879.

Exerccio
O coeficiente de correlao mdio de Kendall um coeficiente de
correlao entre todas as avaliaes de um mesmo avaliador.
Coeficiente de concordncia de Kendall expressa o grau de
associao entre as vrias avaliaes feitas por um avaliador. Ele usa
informaes sobre as classificaes relativas e sensvel gravidade
do erro de classificao.
O coeficiente de Kendall pode variar de -1 at 1. Um valor positivo
indica uma associao positiva e um valor negativo indica uma
associao negativa. Quanto maior o coeficiente maior a associao.
H0: A concordncia dos rankings so devido a aleatoriedade;
H1: A concordncia dos rankings no so devido a aleatoriedade.

Exerccio
Observa-se para o exemplo que com os p valor so altos (maior que )
no podemos descartar a hiptese da aleatoriedade H0.


Exerccio
Observa-se para o exemplo que com os p valor so altos (maior que )
no podemos descartar a hiptese da aleatoriedade H0.


Exerccio
No exerccio pode-se determinar o quanto cada avaliador concorda
com o outro.
Observa-se um ndice de 33,33% de concordncia entre os

avaliadores IC95% (0,84; 90,57).

Exerccio
No exerccio pode-se determinar a concordncia entre os avaliadores e
a resposta.
No exemplo observa-se uma boa concordncia entre os avaliadores

somente para a resposta 4.
H0: A concordncia entre os avaliadores e devido a aleatoriedade;
H1: A concordncia entre os avaliadores no devido a aleatoriedade.

Exerccio
No exerccio pode-se avaliar a concordncia geral entre os avaliadores
e o padro estabelecido.

H0: A concordncia entre os avaliadores e o padro devido a
aleatoriedade;
H1: A concordncia entre os avaliadores e o padro no devido a
aleatoriedade;

Exerccio
No exerccio pode-se avaliar a concordncia geral entre os avaliadores
e o padro estabelecido.

H0: No h associao entre os rankings dos avaliadores e o padro
estabelecido;
H1: H associao entre os rankings dos avaliadores e o padro
estabelecido.

Aula4 Pae 290316

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Aula4 Pae 290316

Загружено:

Авторское право:

Доступные форматы

Aula 4 Planejamento e Anlise de

Vicente Machado Neto, Dr.

Reviso da aula anterior

Teorema Central do Limite TCL;

Observa-se ainda que a resposta obtida, pelo mtodo aqui

Infelizmente para resolver a equao, depende-se de um particular

confiana C, a seguinte equao pode ser usada:

Para 95% de intervalo de confiana 1 2 = 0,975 = 1,96;

1) Definir as hipteses estatsticas;

4) Usar as observaes da amostra para calcular o valor da

Testes de hipteses mdia

Testes de hipteses mdia

1. Comparao de uma mdia () com um valor (0 ).

Testes de hipteses mdia

Testes de hipteses mdia

Testes de hipteses mdia

2 = 2 = resistncia mdia da populao 2;

Testes de hipteses mdia

A hiptese bilateral mais genrica e

Testes de hipteses mdia

Testes de hipteses mdia

Testes de hipteses erros

Erro Tipo I: rejeitar 0 quando ela verdadeira

Testes de hipteses erros

Testes de hipteses erros

Testes de hipteses critrio de

Testes de hipteses critrio de

Para a funo =INV.T(0,025;22) o valor retornado ser -2,07387, ou se voc

Testes de hipteses critrio de

Testes de hipteses critrio de

Testes de hipteses critrio de

Testes de hipteses P valor

Testes de hipteses P valor

Se o valor P for menor que ,

Testes de hipteses P valor

Testes de hipteses P valor

Testes de hipteses P valor

Testes de hipteses P valor

Testes de hipteses P valor

Testes de hipteses P valor

Testes de hipteses P valor

Testes de hipteses mdias

Testes de hipteses mdias varincia

Testes de hipteses mdias varincia

Testes de hipteses varincias

Testes de hipteses varincias

Exerccio 1 - Testes de hipteses

Exerccio 1 - Testes de hipteses

Exerccio 1 - Testes de hipteses

O grfico mostra em azul o intervalo de confiana de 95%

Exerccio 1 - Testes de hipteses

O grfico mostra os quartis e bigodes do box plot

Exerccio 1 - Testes de hipteses

Exerccio 1 - Testes de hipteses

Exerccio 1 - Testes de hipteses

Exerccio 1 - Testes de hipteses

Exerccio 1 - Testes de hipteses

Test of mu = 150 vs not = 150

Exerccio 1 - Testes de hipteses

Neste caso ficamos

Test of mu = 150 vs not = 150

Exerccio 1 - Testes de hipteses

Test of mu = 150 vs > 150