Métodos Quantitativos

Aplicados à Contabilidade

Profa. Joana D’Arc de Oliveira

 Testes de hipóteses

Teste de hipóteses, teste estatístico ou teste de

significância é um procedimento estatístico que
permite tomar uma decisão entre duas ou mais
hipóteses, utilizando os dados observados de um
determinado experimento.
 Suponha que você queira testar a hipótese
de que o tempo médio de atendimento na
retirada de uma guia, em uma “prefeitura
considerada modelo de atendimento”, é igual
a 50 segundos.
 Passo 1 – Formular as hipóteses (H0 e H1)
Primeiramente, vamos estabelecer as hipóteses
nula e alternativa.

Considerando um teste de hipótese para uma

média, a hipótese de igualdade é chamada de
hipótese de nulidade ou H0.
No nosso exemplo, essa hipótese será simbolizada da
seguinte maneira:

H0:  = 50 (hipótese de nulidade)

Se você rejeitar essa hipótese, irá aceitar, nesse caso,

outra hipótese, que chamamos de hipótese
alternativa, simbolizada por H1 ou HA.
A partir do nosso exemplo, as hipóteses alternativas mais
comuns são:

H1:  > 50 (teste unilateral ou unicaudal à direita)

O tempo médio de retirada da

guia é superior a 50 segundos (>)
A partir do nosso exemplo, as hipóteses alternativas mais
comuns são:

H1:  < 50 (teste unilateral ou unicaudal à esquerda)

O tempo médio de retirada da

guia é inferior a 50 segundos (<)
O tempo médio de retirada da guia pode ser superior
ou inferior a 50 segundos.

H1:   50 (teste bilateral ou bicaudal)

O tempo médio de retirada da guia

é diferente de 50 segundos ()
 Passo 2 – Definir o nível de significância

O nível de significância de um teste é dado pela probabilidade de se

cometer o erro do tipo I, que ocorre quando o pesquisador rejeita a
hipótese H0 sendo essa hipótese é verdadeira.
Essa probabilidade é chamada de 

Geralmente os valores mais utilizados são 0,01 (1%) e 0,05 (5%).

O complementar do nível de significância é chamado de nível de
confiança dado por 1 – .
Passo 2 – Definir o nível de significância
 Passo 3 – Definir a distribuição amostral a ser utilizada

A estatística a ser utilizada no teste deve ser definida em

razão da distribuição amostral a qual os dados seguem.

Um teste de hipótese para uma média ou diferença entre

médias deverá ser utilizada a distribuição de Z ou t de
Student.

Um teste de hipótese para comparar a variância de duas

populações deverá utilizar a distribuição F.
Distribuição Normal – Z
Distribuição t de Student

Ambas têm o mesmo

formato de curva, ou seja,
são perfeitamente
simétricas
Teste de Hipóteses para a Média populacional
Teste de Hipóteses para a Média populacional
Teste de Hipóteses para a Média populacional
 Tabela Z – Normal Reduzida
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,00 0 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,10 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,20 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,30 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,40 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879

0,50 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,60 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,70 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,80 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,90 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
 Tabela Z – Normal Reduzida (continuação)
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
1,00 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,10 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,20 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,30 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,40 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319

1,50 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,60 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,70 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,80 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,90 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767

Nível de Confiança = 95%, Z = +/- 1,96

 Tabela Z – Normal Reduzida (continuação)

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
2,00 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,10 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,20 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,30 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,40 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936

2,50 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,60 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,70 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,80 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,90 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
alfa bi 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01
alfa uni 0,05 0,045 0,04 0,035 0,03 0,025 0,02 0,015 0,01 0,005
n-1
1 6,3138 7,0264 7,9158 9,0579 10,5789 12,7062 15,8945 21,2049 31,8205 63,6567
2 2,9200 3,1040 3,3198 3,5782 3,8964 4,3027 4,8487 5,6428 6,9646 9,9248
3 2,3534 2,4708 2,6054 2,7626 2,9505 3,1824 3,4819 3,8960 4,5407 5,8409
4 2,1318 2,2261 2,3329 2,4559 2,6008 2,7764 2,9985 3,2976 3,7469 4,6041
Distribuição t
5 2,0150 2,0978 2,1910 2,2974 2,4216 2,5706 2,7565 3,0029 3,3649 4,0321 de Student

6 1,9432 2,0192 2,1043 2,2011 2,3133 2,4469 2,6122 2,8289 3,1427 3,7074
7 1,8946 1,9662 2,0460 2,1365 2,2409 2,3646 2,5168 2,7146 2,9980 3,4995
8 1,8595 1,9280 2,0042 2,0902 2,1892 2,3060 2,4490 2,6338 2,8965 3,3554
9 1,8331 1,8992 1,9727 2,0554 2,1504 2,2622 2,3984 2,5738 2,8214 3,2498
10 1,8125 1,8768 1,9481 2,0283 2,1202 2,2281 2,3593 2,5275 2,7638 3,1693

11 1,7959 1,8588 1,9284 2,0067 2,0961 2,2010 2,3281 2,4907 2,7181 3,1058
12 1,7823 1,8440 1,9123 1,9889 2,0764 2,1788 2,3027 2,4607 2,6810 3,0545
13 1,7709 1,8317 1,8989 1,9742 2,0600 2,1604 2,2816 2,4358 2,6503 3,0123
14 1,7613 1,8213 1,8875 1,9617 2,0462 2,1448 2,2638 2,4149 2,6245 2,9768
15 1,7531 1,8123 1,8777 1,9509 2,0343 2,1314 2,2485 2,3970 2,6025 2,9467

16 1,7459 1,8046 1,8693 1,9417 2,0240 2,1199 2,2354 2,3815 2,5835 2,9208
17 1,7396 1,7978 1,8619 1,9335 2,0150 2,1098 2,2238 2,3681 2,5669 2,8982
18 1,7341 1,7918 1,8553 1,9264 2,0071 2,1009 2,2137 2,3562 2,5524 2,8784
19 1,7291 1,7864 1,8495 1,9200 2,0000 2,0930 2,2047 2,3456 2,5395 2,8609
20 1,7247 1,7816 1,8443 1,9143 1,9937 2,0860 2,1967 2,3362 2,5280 2,8453
 O valor
Sim de n é maior
Não
que 30 ?

A população é
O valor de  Sim Não
aproximadamente
é conhecido ? normal ?

Sim Não

O valor de 
é conhecido ?
Use s para Aumente o tamanho da
estimar  Sim Não amostra para n  30 para
poder realizar o
procedimento de inferência
Use s para
estimar 

Use Use s  s
xz xz x Use
z x Use
t
n n n n
Passo 4 – Definir os limites da região de rejeição

Os limites entre as regiões de rejeição e de não

rejeição da hipótese H0 são definidos com base:

 no tipo de hipótese H1
 no valor de  (nível de significância)
 na distribuição amostral utilizada
Passo 4 – Definir os limites da região de rejeição

Considerando-se um teste bilateral, temos a região de não

rejeição com uma probabilidade de 1– e uma região de
rejeição com probabilidade  (/2 + /2).
 Passo 5 – Cálculo da estimativa do teste estatístico

O resultado do teste estatístico será utilizado para

rejeitar ou não a hipótese H0.

A estrutura desse cálculo para a média de forma generalista

é dada por:

𝒆𝒔𝒕𝒊𝒎𝒂𝒕𝒊𝒗𝒂 − 𝒑𝒂𝒓â𝒎𝒆𝒕𝒓𝒐
𝑬𝒔𝒕𝒂𝒕í𝒔𝒕𝒊𝒄𝒂 𝒅𝒂 𝒅𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒊çã𝒐 =
𝒆𝒓𝒓𝒐 𝒑𝒂𝒅𝒓ã𝒐 𝒅𝒂 𝒆𝒔𝒕𝒊𝒎𝒂𝒕𝒊𝒗𝒂
Exemplificando a partir da distribuição Z:
Se o valor da estatística estiver na região crítica (região de rejeição),
então, a hipótese H0 será rejeitada, caso contrário, a hipótese H0 não
será rejeitada.
 Teste de hipótese para uma média
Primeira situação: se o desvio padrão da população é conhecido ou
a amostra é considerada grande (n > 30): a distribuição amostral a
ser utilizada será da Normal ou Z e a estatística teste que você
utilizará será:

Onde:
ഥ−𝝁
𝑿 ഥ  média amostral
𝑿
𝒁= 𝝈   média populacional
  desvio padrão populacional
𝒏 n  tamanho da amostra
 Teste de hipótese para uma média
Exercício 1

Uma instituição de ensino alega que a média de seus alunos

em provas de vestibulares de universidades de primeira
linha é igual a 7,60. Uma amostra aleatória formada por 60
alunos revelou uma média igual a 6,80, com desvio igual a
2,40. Assumindo alfa igual a 5%, teste a alegação da
instituição, supondo que as hipóteses alternativas (H1)
sejam: (a) média populacional diferente de 7,60; (b) média
populacional menor que 7,60.
Item (a)
Construção das hipóteses
H0: µ = 7,6
H1: µ ≠ 7,6 (teste bilateral)

Nível de significância = 5%, nível de confiança = 95%,

portanto 0,475 para cada lado.
Na tabela Z: Ztab = + ou – 1,96.
Item (a)

Calculando a estatística do teste:

𝟔, 𝟖 − 𝟕, 𝟔 −𝟎, 𝟖
𝒁𝒄𝒂𝒍 = = = −𝟐, 𝟓𝟖𝟐
𝟐, 𝟒 𝟐, 𝟒
𝟔𝟎 𝟕, 𝟕𝟒𝟔

Conclusão:
Dado que (- Zcal ) < (- Ztab), rejeita-se H0 e conclui-se que µ ≠ 7,6.
Item (b)
Construção das hipóteses
H0: µ = 7,6
H1: µ < 7,6 (teste unilateral à esquerda)
Nível de significância = 5%, nível de confiança = 95%,
portanto 0,45 para o lado esquerdo.
Na tabela Z, temos que: ( ̶ Ztab) = (– 1,64).
Item (b)
Calculando a estatística do teste

𝟔, 𝟖 − 𝟕, 𝟔 −𝟎, 𝟖
𝒁𝒄𝒂𝒍 = = = −𝟐, 𝟓𝟖𝟐
𝟐, 𝟒 𝟐, 𝟒
𝟔𝟎 𝟕, 𝟕𝟒𝟔

Conclusão: Dado que (- Zcal ) < (- Ztab ), rejeita-se H0 e conclui-se que

µ < 7,6.
 Segunda situação: Se a variância populacional σ² da variável for
desconhecida. Naturalmente esse é o caso mais encontrado na
prática.
Como se deve proceder? Dependerá do tamanho da amostra.

Grandes amostras (mais de 30 elementos)

Nestes casos procede-se como no item anterior, apenas fazendo
com que σ=s, ou seja, considerando que o desvio padrão da variável
na população é igual ao desvio padrão da variável na amostra
(suposição razoável para grandes amostras).
Segunda situação: Se a variância populacional σ² da variável for
desconhecida - Pequenas amostras (até 30 elementos)
Nestes casos deve ser feita uma correção na distribuição normal
padrão (Z) através da distribuição t de Student.
A variável de teste será então tn-1 (t com n – 1 graus de liberdade)

Onde:
ഥ−𝝁
𝑿 ഥ  média amostral
𝑿
𝒕𝒏−𝟏 = 𝒔   média populacional
s  desvio padrão amostral
𝒏 n  tamanho da amostra.
 Uma empresa produtora de cosméticos alega que a
quantidade de algas marinhas especiais contida em
frascos de 400 g é, no mínimo, igual a 58 g. Uma amostra
formada por 23 frascos revelou que estes continham, em
média, 52 g, com um desvio padrão de 18 g.

Pede-se: (a) é possível concordar com a afirmação do

fabricante? (b) refaça a questão, supondo que a amostra
tivesse sido formada por 74 frascos. Assuma alfa igual a
3% e suponha população normalmente distribuída.
Item (a)
Distribuição t de student, dado que n = 23
Construção das hipóteses
H0: µ = 58 g. (a empresa alega que µ ≥ 58g.)
H1: µ < 58 g. (teste unilateral à esquerda)

Nível de significância = 3%, nível de confiança = 97%, sendo

22 graus de liberdade.
Na tabela t: ttab = 1,9829 (Utiliza-se o simétrico – 1,9829)
Item (a)
Calculando a estatística do teste:

𝟓𝟐 − 𝟓𝟖 −𝟔
𝒕𝒄𝒂𝒍 = = = −𝟏, 𝟓𝟗𝟗
𝟏𝟖 𝟏𝟖
𝟐𝟑 𝟐, 𝟖𝟒

Conclusão: Dado que (- tcal ) > (- ttab ), não se pode rejeitar

H0 e conclui-se que t = 58g.
Item (b)

Construção das hipóteses

H0: µ = 58g.

H1: µ < 58g. (teste unilateral à esquerda)

Nível de significância = 3%, nível de confiança = 97%,

portanto 0,475 para cada lado.

Na tabela Z: ( ̶ Ztab) = (– 1,88).

Item (b)
Calculando a estatística do teste:

𝟓𝟐 − 𝟓𝟖 −𝟔
𝒁𝒄𝒂𝒍 = = = −𝟐, 𝟖𝟔𝟕
𝟐𝟖 𝟏𝟖
𝟕𝟒 𝟖, 𝟔

Conclusão: Dado que (- Zcal ) < (- Ztab ), rejeita-se H0 e

conclui-se que µ < 58g.
Muito Obrigada!