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.
← Centro de Aprendizado