Desvio-padrão amostral
Z=x−μσ. Assim, a distribuição passa a ter média μ=0 e desvio padrão σ=1. Pelo fato da distribuição ser simétrica em relação à média μ=0, a área à direita é igual a área à esquerda de μ.
USO DA TABELA NORMAL PADRÃO Denotamos : A(z) = P(Z z), para z 0. P(Z 0,32) = A(0,32) = 0,6255. Obs.: A(0)=P(Z < 0)=P(Z > 0)=0,5. = A(1,71) - A(0) = 0,9564 - 0,5 = 0,4564.
Aplicações. A distribuição t de Student aparece naturalmente no problema de se determinar a média de uma população (que segue a distribuição normal) a partir de uma amostra. Neste problema, não se sabe qual é a média ou o desvio padrão da população, mas ela deve ser normal.
O Teste T de Studant é um teste estatístico usado para comparar duas médias em duas situações: quando os dados são pareados; e quando os grupos são independentes. ... Já quando os grupos são independentes, o Teste T é usado para fazer comparações entre os mesmos, é usado para testar a igualdade de duas médias.
O teste t, em comparação ao teste z, é mais recomendando quando o tamanho amostral é pequeno. Um importante resultado na Estatística, o Teorema Central do Limite, garante que quando o tamanho da amostra é “grande” o suficiente, a média amostral segue uma distribuição normal.
Se o p-valor for menor que esse "ponto de corte", a hipótese nula é rejeitada. ... Caso seja usado o p-valor 5% como "ponto de corte" e a área abaixo da função densidade de probabilidade da distribuição t de Student seja menor do que 5%, pode-se afirmar que a hipótese nula é rejeitada com nível de confiança de 95%.
Observe o seguinte trecho retirado do material Manual Testes t para comparação de médias de dois grupos independentes de Lopes, Leinioski e Ceccon: É um teste de hipótese que usa conceitos estatísticos para rejeitar ou não uma hipótese nula quando a estatística de teste (t) segue uma distribuição t de Student.
As amostras dependentes são medições pareadas para um conjunto de itens. As amostras independentes são medições feitas em dois conjuntos de itens diferentes. ... Se os valores em uma amostra afetam os valores na outra amostras, então as amostras são dependentes.