H2: Fundamentos da Inferência Estatística e Teste de Hipóteses

Tema 1: Hipótese Estatística

Uma hipótese estatística é uma reivindicação sobre uma característica ou parâmetro de uma população, realizada com o objetivo de realizar uma análise. Ela pode ser rejeitada ou aceita de acordo com as informações fornecidas, em relação a uma hipótese alternativa ($ ext{H}_1$) e uma hipótese nula ($ ext{H}_0$). Ambas podem ser simples (se investigarem apenas um valor do parâmetro) ou compostas (se envolverem um intervalo de valores).

Nível de Significância ($\alpha$)

O nível de significância é o nível de erro Tipo I que estamos dispostos a suportar, expresso em termos percentuais. É a probabilidade de erro que estamos dispostos a tolerar. Chamamos de tamanho do erro Tipo I ($\alpha$):

• Tipo I: $\alpha = P(\text{rejeitar } \text{H}_0 \mid \text{H}_1 \text{ é verdadeiro})$.

Erro Tipo II e Poder do Contraste

• Erro Tipo II: $\beta = P(\text{aceitar } \text{H}_1 \mid \text{H}_1 \text{ é verdadeiro})$.
• Poder de um Contraste (avaliação estatística): $P(\text{rejeitar } \text{H}_0 \mid \text{H}_0 \text{ falsa}) = 1 - \beta$.

Conceitos Chave

• Estatística de Teste: Qualquer valor obtido a partir de uma amostra para teste.
• Região de Aceitação: O intervalo de valores possíveis da estatística de teste que leva à aceitação da hipótese nula ($ ext{H}_0$).
• Região Crítica: A região da curva da distribuição onde a hipótese nula é rejeitada.
• Nível de Confiança: Um valor teórico da probabilidade de que um intervalo de confiança específico abranja o verdadeiro parâmetro populacional.
• Estatística Inferencial: É um processo pelo qual podemos tirar conclusões sobre a população a partir de uma determinada amostra.

Teorema de Neyman-Pearson (Newman-Pearson)

Usado para localizar uma região crítica e garantir que ela seja a mais confiável possível. Para sua aplicação, são necessárias as seguintes condições:

1. $ ext{H}_0$ e $ ext{H}_1$ devem ser simples.
2. Necessidade de uma amostra de tamanho $n$.
3. Nível de significância ($\alpha$, erro Tipo I) fixado.
4. Função de Máxima Verossimilhança sob $ ext{H}_0$ ($ ext{L}_0$).
5. Função de Máxima Verossimilhança sob $ ext{H}_1$ ($ ext{L}_1$).
6. A relação deve ser: $\text{L}_0 / \text{L}_1 \le k$, onde $k$ é uma constante positiva.

Relação entre Erros Tipo I, II e Tamanho da Amostra

1. $\beta$ (beta) não é complementar de $\alpha$. O complementar de $\alpha$ é $1 - \alpha$.
2. Mesmo que $\alpha$ e $\beta$ sejam independentes, para um dado valor de $n$, se $\beta$ diminui, $\alpha$ aumenta, e vice-versa. Assim, a probabilidade dos erros Tipo I e II são inversamente correlacionadas.
3. Os erros não são independentes do tamanho da amostra; eles dependem do valor do parâmetro em contraste e do tamanho da amostra.

Passos para Realizar um Contraste

1. Definir a hipótese nula ($ ext{H}_0$) e a alternativa ($ ext{H}_1$).
2. Escolher um nível de significância ($\alpha$).
3. Verificar a hipótese.
4. Determinar se o valor calculado da estatística de teste permite rejeitar ou aceitar $ ext{H}_0$.

Região Uniformemente Mais Potente (RUMP)

É obtida pelo teorema de Neyman-Pearson, mas garante que, para qualquer valor alternativo do parâmetro, a região crítica é sempre do mesmo lado.

Teste do Rácio de Verossimilhança (Likelihood Ratio Test)

Utilizado quando o teorema de Neyman-Pearson não pode ser aplicado (por exemplo, quando $ ext{H}_0$ e $ ext{H}_1$ são compostas):

• É um procedimento geral.
• Coincide com o de Neyman-Pearson no caso de hipóteses simples.
• Não garante a obtenção do teste ideal.
• Possui boas propriedades para amostras grandes ($n > 30$).
• Baseia-se na relação entre as razões de verossimilhança.