Σ
SDCalc
AvançadoAvançado·14 min

Teste de Hipóteses com Desvio Padrão

Aprenda como o desvio padrão é usado em testes de hipóteses. Entenda testes t, testes z e como determinar significância estatística.

Visão Geral

O teste de hipóteses é um método estatístico para tomar decisões sobre populações com base em dados amostrais. O desvio padrão desempenha um papel fundamental na determinação de se as diferenças observadas são estatisticamente significativas ou apenas resultado do acaso.

1

Formular as Hipóteses

Definir a hipótese nula (H₀) e a hipótese alternativa (H₁)
2

Escolher o Nível de Significância

Escolher o nível de significância (α), tipicamente 0,05
3

Calcular a Estatística de Teste

Calcular a estatística de teste usando o desvio padrão
4

Comparar com o Valor Crítico

Comparar com o valor crítico ou calcular o valor-p
5

Tomar a Decisão

Decidir: rejeitar ou não rejeitar H₀

Teste Z

Use o teste Z quando você conhece o desvio padrão populacional (σ) e tem um tamanho de amostra grande (n ≥ 30).

Estatística do Teste Z

z = (x̄ - μ₀) / (σ / √n)

Exemplo

Um fabricante afirma que as baterias duram 100 horas em média (μ₀ = 100). Você testa 36 baterias e encontra x̄ = 98 horas. Se σ = 12 horas: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Com z = -1 e α = 0,05 (bilateral), não rejeitamos H₀. A diferença não é estatisticamente significativa.

Teste T

Use o teste t quando você não conhece o desvio padrão populacional e precisa estimá-lo a partir da amostra (usando s em vez de σ).

Estatística do Teste T

t = (x̄ - μ₀) / (s / √n)

Quando Usar Teste T vs Teste Z

- Teste Z: σ é conhecido, n ≥ 30 - Teste T: σ é desconhecido (usa-se s), qualquer tamanho de amostra Na prática, testes t são muito mais comuns porque raramente conhecemos o verdadeiro σ populacional.

Erro Padrão

O erro padrão (EP) mede o quanto as médias amostrais variam em relação à média populacional. É a ligação fundamental entre desvio padrão e teste de hipóteses.

Erro Padrão da Média

SE = σ / √n (or s / √n when using sample SD)

O erro padrão diminui conforme o tamanho da amostra aumenta. Amostras maiores fornecem estimativas mais precisas e facilitam a detecção de diferenças reais.

Significância Estatística

Um resultado é estatisticamente significativo quando a probabilidade de observá-lo por acaso (valor-p) está abaixo do limiar escolhido (α).

Se valor-p < α

Rejeitar H₀. O resultado é estatisticamente significativo.

Se valor-p ≥ α

Não rejeitar H₀. O resultado pode ser devido ao acaso.

Significância Estatística vs Significância Prática

Um resultado estatisticamente significativo não é necessariamente importante na prática. Com amostras muito grandes, diferenças minúsculas podem ser “significativas” mas irrelevantes na prática. Sempre considere o tamanho do efeito junto com os valores-p.

Further Reading

← Centro de Aprendizado

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.