Métodos

Quantitativos
em Medicina

Prof. Neli Ortega

Teste de Hipótese
Estatística z

Aula 6

Prof. Neli Ortega

1
 Amostragem
Situação 1: Suponha que a medida de massa corpórea em uma
população de pacientes com diabetes mellitus obedece uma
distribuição normal, com média 27 kg/cm2 e desvio-padrão de
3 kg/cm2 .
• Qual a probabilidade de sortearmos um indivíduo dessa
população e ele apresentar um indíce de massa corpórea entre
26 e 27 kg/cm2 ?
• Se uma amostra de 9 indivíduos for escolhida ao acaso que
resultado podemos esperar para o indíce de massa corpórea
médio dessa amostra?
• Qual a probabilidade de que X esteja entre 26 kg/cm2 e µ?

Prof. Neli Ortega

Amostragem - Populações Normais

• Qual a probabilidade de uma observação X entre 26 e 27 kg/cm2 ?

X − µ 26 − 27 Logo, a chance de sortearmos p uma

z= = pessoa ao acaso e ela apresentar
σ 3
índice de massa corpórea entre X26 e
= − 0,333 ⇒ p = 0,131 26 27
27 kg/cm2 é 13,1%.
- 0,333 0 z

• Qual a prob. de se obter um índice de massa corpórea médio entre 26

e 27 kg/cm2 , em uma amostra com 9 indivíduos escolhidos ao acaso?

Esta situação é diferente da anterior?

Prof. Neli Ortega

2
 Erro Padrão da Média

Se retirarmos de uma população um número, m, de amostras

aleatórias de mesmo tamanho, n, não devemos esperar que todas
as médias amostrais sejam iguais.

População (N) Amostras (n)

X 1

X 2

...
µ ,σ 2

X m −1

X m

Prof. Neli Ortega

Erro Padrão da Média

De fato, o que obtemos é uma distribuição das médias amostrais.
É intuitivo pensar que o centro dessa distribuição esteja próximo
da média verdadeira da população.

Prof. Neli Ortega

3
 Erro Padrão da Média

Exemplo: Considere o conjunto de freqüências cardíacas de

uma certa população:

67 67 68 68 68 69 69 69 69 69
70 70 70 70 71 71 72 72 73 74

Podemos escolher cinco amostras aleatórias dessa população,

cada uma com três elementos (n = 3).

Prof. Neli Ortega

Erro Padrão da Média

Num. da Amostra (a) Dados Amostrais Xa
1 68, 69, 71 69,33
2 68, 70, 72 70,00
3 67, 70, 73 70,00
4 67, 69, 69 68,33
5 68, 69, 70 69,00

Média das médias amostrais:

69,33 + 70,00 + 70,00 + 68,33 + 69,00

X= = 69,33
5

Prof. Neli Ortega

4
 Erro Padrão da Média
O desvio padrão das médias amostrais:
Média das médias amostrais
∑( X )
n 2
−X
(69,33 − 69,33) + ... + ( 69,00 − 69,33)
a 2 2

DP = i =1
= = 0,71
n −1 4

DP = 0,71 é uma medida da dispersão das cinco médias amostrais.

Esse é um método empírico para definição de Erro Padrão da
Média (EPM)

Qual a dependência entre o EPM e o tamanho da amostra?

Prof. Neli Ortega

Simulações - Populações Normais

Prof. Neli Ortega

5
 Erro Padrão da Média
Existe uma relação inversa entre o tamanho da
amostra e o EPM.

Tamanho da Amostra ↑⇒ EPM ↓

Matematicamente temos:

σ s
EPM = ou EPM =
n n

onde n é o tamanho da amostra, σ e s o desvio-padrão da

população e da amostra, respectivamente.

Prof. Neli Ortega

Amostragem - Populações Normais

Retomemos a situação anterior. Qual a prob. de se obter uma média
amostral, X , entre 26 e 27 kg/cm2 , para uma amostra de 9 indivíduos,?

X − µ 26-27 −1
z= = = = − 1,0 p
σ 3 1
EPM n 9
⇒ p = 0,3413 - 1,0 0 z

Logo, 34,13% de todas as amostras possíveis de tamanho igual

a 9 teriam uma média amostral entre 26 e 27 kg/cm2 .

A chance de que a média de uma amostra de 9 valores esteja

próxima de µ é maior que a chance de que um único valor
esteja próxima da média populacional (que era 13,1%).

Prof. Neli Ortega

6
 Amostragem - Populações Normais
Como estes resultados seriam alterados se a amostra
contivesse 50 indivíduos, ao invés de 9?

X − µ 26-27 −1 Portanto, esperaríamos que

z= = = = −2,357
σ 3 0,42 49,1% das amostras de
n 50 tamanho 50 tivessem médias
⇒ p = 0,491 entre 26 e 27 kg/cm2 .

Portanto, ao aumentar o tamanho da amostra aumentamos a

probabilidade de que esta contenha a média da populacão,
pois a dispersão em torno da média µ diminui.
X → µ se n → N

Prof. Neli Ortega

Resultado Teórico
Distribuição Amostral da Média
Seja X1 , X2 , X3 , ... , Xn amostras aleatórias
(observações independentes) de uma população onde Xi
segue uma distribuição normal:

Xi ~ N ( µ , σ 2 )
Então, a média X também obedece uma distribuição normal:

 σ2 
X ~ N  µ , 
 n 

Prof. Neli Ortega

7
 Teste de Hipótese
Teste z para Uma Amostra

Prof. Neli Ortega

Teste de Hipóteses
Estatística do teste z (µ e σ conhecidos)
X −µ
Testa-se H0 com z =
EPM

Situação 2: Suspeita-se de que um medicamento vasodilatador

(Nifedipina) para Hipertensão Arterial, amplamente receitado,
esteja aumentando a freqüência cardíaca dos pacientes. Para
verificar essa suspeita colheu-se uma amostra aleatória de 50
pacientes que recebem Nifedipina e mediu-se a freqüência
cardíaca de cada um. É sabido que a freqüência cardíaca na
população normal tem distribuição normal com média 69,8
bat/min e desvio-padrão de 1,86 bat/min.

Prof. Neli Ortega

8
 Teste de Hipóteses
Estatística do teste z (µ e σ conhecidos)
A amostra com 50 pacientes forneceu uma média de 70,5 bat/min.
Será que essa média amostral é diferente da esperada para a
população normal, assumindo um nível de significância de 5%?

H0 : X = µ e HA : X ≠ µ

Como são conhecidos os parâmetros da população é possível

aplicar uma estatística z. Deseja-se testar apenas a diferença, logo
o teste deve ser bicaudal. Para o nível de significância de 5%
consideramos o valor crítico zc = 1,96 .
0,025

Prof. Neli Ortega

Estatística e Decisão no Teste z -

Bicaudal
X −µ
z= →p Rejeitar H0 Não-Rejeitar Rejeitar H0
σ α/2 α/2
H0
n 3
- 2
- 1
- 0 1 2 3

-1,96 z 0 +1,96
z z
Regra de Decisão
z < −1,96 ⇒ Rejeitar H 0 → p < α 2 p < α → Rejeitar H 0
z > 1,96 ⇒ Rejeitar H0 → p < α 2 p > α → Aceitar H0
−1,96 ≤ z ≤ 1,96 ⇒ Aceitar H 0 → p > α 2

Prof. Neli Ortega

9
 Teste de Hipóteses
Estatística do teste z (µ e σ conhecidos)
Retomando o exemplo temos:

Parâmetros da população com freqüência cardíaca normal:

µ = 69,8 e σ = 1,86

Resultados da amostra com n = 50 pacientes que tomam o

remédio:
σ 1,86
X = 70,5 e EPM = = = 0,26
n 50

Prof. Neli Ortega

Teste de Hipóteses
Estatística do teste z Bicaudal
X − µ 70,5 − 69,8
z= = = 2,69
σ 0,26
n
⇒ p = 0,00357 z > 1,96 ⇒ Rejeitar H 0

Logo, há evidências de que a freqüência cardíaca média

no grupo de pacientes que tomam o remédio é diferente
da esperada para uma população normal, com um nível de
significância de 5%.

Prof. Neli Ortega

10
 Teste de Hipóteses
Estatística do teste z Monocaudal
H0 : X ≤ µ e HA : X ≥ µ
Não- Rejeitar
Rejeitar α
Valor crítico: z c 0,05
= 1,645
3- 2- 1- 0 1 2 3

0 +1,645
70,5 − 69,8
z= = 2,69
0,26 Há evidências de que a freqüência
cardíaca média no grupo de
pacientes que tomam o remédio é
z > 1,64 ⇒ Rejeitar H 0 maior que a da população normal,
com α de 5%.

Prof. Neli Ortega

Teste de Hipótese
Teste z para Duas Amostras

Prof. Neli Ortega

11
 Teste de Hipóteses para Duas Amostras
Estatística do teste z (σ conhecido)
Distribuição das Diferenças entre médias amostrais:

Retirada de amostras
de duas populações
diferentes.
Cálculo das médias e
das diferenças entre
médias.

Prof. Neli Ortega

Erro Padrão das Diferenças entre Médias

As diferenças entre as médias amostrais têm distribuição
normal, e portanto podemos calcular o desvio padrão destas
diferenças (Erro Padrão das Diferenças entre Médias –EPMD).

σ A, σ B (conhecidos)

σA ≠ σB σ 2 A σ 2B
EPM D = +
nA nB

σ A = σB 1 1
EPM D = σ +
n A nB

Prof. Neli Ortega

12
 Teste z para Duas Amostras

Situação 3: Para avaliar a eficiência de uma droga hipnótica

comparou-se a média de horas de sono em um grupo que
recebeu a droga com outro que recebeu placebo. Deseja-se
testar se existe diferença estatisticamente significante, ao
nível α de 5%.

H0 : X1 = X 2 e H A : X1 ≠ X 2

X A − XB
Estatística z z =
EPM D

Prof. Neli Ortega

Teste z para Duas Amostras

Eficiência de uma Droga Hipnótica

Os resultados do experimento e os σ conhecidos são:

Grupo 1 (placebo) Grupo 2 (Droga)

X 8,5 10,1
σ 2,0 2,0
n 36 36

1 1 1 1
EPM D = σ + = 2,0 + = 0,4714
n1 n2 36 36

Prof. Neli Ortega

13
 Teste z para Duas Amostras
Eficiência de uma Droga Hipnótica

X1 − X 2 1,6
z= = = −3,39 ⇒ p = 0,00070
EPM D 0,4714
−1,96 < z < 1,96 Existe 0,07% de chance
de que 1,6 h de diferença
⇒ Rejeita − se H0
entre os grupos ocorra
por acaso. Logo, para α
de 5%, concluímos que
as médias dos grupos são
significativamente
diferentes.

Prof. Neli Ortega

Teorema Central do Limite

“Se tomarmos grandes amostras (n > 30) de uma população,
as médias amostrais terão distribuição normal mesmo que os
dados originais não tenham distribuição normal”

simulação

Prof. Neli Ortega

14
Teste de Hipóteses - Estatística do teste
A estatística do teste de hipótese depende da distribuição
da variável na população e das informações disponíveis.

Dist. Normal
Sim Não
(População)

Sim “Amostra Não

Grande”

Sim σ
Não
conhecido? Testes não
paramétricos
Teste z Teste t

Prof. Neli Ortega

15