Ficha de leitura

Teste de hipóteses
Depois de obtida a estimativa de um parâmetro, o passo seguinte, é saber quão "boa" é a estimativa, para aquela que não parece ser igual ao verdadeiro valor do parâmetro. O problema de teste de hipótese estatística pode ser exposto nos seguintes termos: “uma dada observação ou descoberta é compatível ou não com alguma hipótese formulada?”. A palavra “compatível” quer dizer “suficientemente” próximo do valor admitido por hipótese para que a hipótese nula não seja rejeitada.
Abordagem de Intervalo de Confiança e Teste de Significância
Existem duas abordagens mutuamente complementares que delineiam regras ou procedimentos para decidir se uma hipótese nula deve ser rejeitada ou não: Intervalo de Confiança e teste de
Significância

Abordagem de Intervalo de Confiança
Na abordagem de intervalo de confiança especificamos um intervalo de confiança dado pela expressão (9.4) ou (9.5) dependendo se a variância populacional é conhecida ou não:

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

e verificamos se o valor sob hipótese nula se encontra dentro ou fora desse intervalo. Caso se encontre dentro do intervalo, não rejeitamos a hipótese nula, caso contrário, rejeitamos a hipótese nula. Abordagem de Teste de Significância
O teste de significância é uma alternativa, mas complementar e talvez a mais curta forma de teste de hipóteses. Por esta abordagem, ao em vez de especificarmos um intervalo plausível de valores, tomamos um valor específico do parâmetro sugerido pela hipótese nula, calculamos o teste estatístico (t, Z, F, etc.) e encontramos a sua distribuição e a probabilidade de obter um valor específico de tal teste estatístico. Se este valor for maior em termos absolutos que o valor crítico da distribuição correspondente, a um nível de significância _ previamente escolhido, rejeitamos a hipótese nula, caso contrário, não rejeitamos.
Na prática o recurso a teste de hipótese quer pela abordagem do intervalo de confiança