Interprétation des résultats principaux pour Puissance et effectif de l'échantillon pour 1 proportion

Suivez les étapes ci-dessous pour interpréter Puissance et effectif de l'échantillon pour 1 proportion. Les résultats principaux incluent la proportion de comparaison, l'effectif de l'échantillon, la puissance et la courbe de puissance.

Etape 1 : examiner les valeurs calculées

En utilisant les valeurs des deux variables de fonction de puissance que vous avez entrées, Minitab calcule la proportion de comparaison, l'effectif de l'échantillon ou la puissance du test.

p de comparaison

Minitab calcule la proportion de comparaison. La différence entre la proportion de comparaison et la proportion hypothétisée est la différence minimale pour laquelle vous pouvez atteindre le niveau de puissance indiqué pour chaque effectif de l'échantillon. Des effectifs d'échantillons plus grands permettent au test de détecter de plus petites différences. Vous voulez détecter la plus petite différence ayant des conséquences pratiques pour votre application.

Effectif d'échantillon

Minitab calcule l'effectif d'échantillon nécessaire pour un test avec la puissance que vous avez saisie pour détecter la différence entre la proportion hypothétisée et la proportion de comparaison. Etant donné que les effectifs d'échantillons sont des nombres entiers, la puissance réelle du test peut être légèrement supérieure à la valeur de puissance que vous avez indiquée.

Si vous augmentez l'effectif de l'échantillon, la puissance du test augmente également. L'échantillon doit contenir suffisamment d'observations pour atteindre une puissance adéquate. Toutefois, si l'effectif de l'échantillon est trop grand, vous risquez de gaspiller du temps et de l'argent sur un échantillonnage inutile ou de détecter des différences non significatives sur le plan statistique.

Puissance

Minitab calcule la puissance du test en fonction de l'effectif d'échantillon et de la proportion de comparaison spécifiés. La valeur de puissance 0,9 est généralement appropriée. Une valeur de 0,9 indique que vous avez 90 % de chances de détecter une différence entre la proportion hypothétisée et la proportion de comparaison de la population lorsqu'elle existe réellement. Si un test a une faible puissance, vous pouvez ne pas réussir à détecter une différence et conclure à tort qu'il n'en existe aucune. En général, plus la différence ou l'effectif d'échantillon est faible, moins le test est puissant pour détecter une différence.

Résultats p de Effectif comparaison d'échantillon Puissance 0,045 500 0,431131 0,045 1000 0,764259 0,085 500 0,449114 0,085 1000 0,703796
Résultats principaux : p de comparaison, effectif de l'échantillon et puissance

Ces résultats montrent que, si la proportion de comparaison est de 0,045 et que les effectifs d'échantillons sont de 500 et de 1 000, la puissance du test est d'approximativement de 0,43 et de 0,76, pour chaque effectif d'échantillon respectivement. Si la proportion de comparaison est de 0,085 et que les effectifs d'échantillons sont de 500 et de 1 000, la puissance du test est approximativement de 0,45 et de 0,7, pour chaque effectif d'échantillon respectivement. Etant donné que la puissance du test n'est pas adéquate pour une proportion de comparaison de 0,045 et de 0,085, vous devez augmenter l'effectif de l'échantillon, si possible. Vous pouvez également utiliser la courbe de puissance pour déterminer à quelle proportion de comparaison le test peut atteindre la puissance adéquate (0,9) pour l'effectif d'échantillon donné.

Etape 2 : examiner la courbe de puissance

La courbe de puissance vous permet d'évaluer la puissance ou l'effectif d'échantillon adapté pour le test.

La courbe de puissance représente toutes les combinaisons de puissance et de proportion de comparaison pour chaque effectif de l'échantillon lorsque le seuil de signification reste constant. Chaque symbole sur la courbe de puissance représente une valeur calculée en fonction des valeurs saisies. Par exemple, si vous entrez un effectif d'échantillon et une valeur de puissance, Minitab calcule la proportion de comparaison correspondante et affiche la valeur calculée sur le graphique.

Examinez les valeurs sur la courbe pour déterminer la différence entre la proportion de comparaison et la proportion hypothétisée, pouvant être détectée à une valeur de puissance et un effectif d'échantillon spécifiques. La valeur de puissance 0,9 est généralement appropriée. Toutefois, certains spécialistes considèrent que la valeur 0,8 est adéquate. Si un test d'hypothèse offre une puissance inférieure, il se peut que vous ne puissiez pas détecter une différence significative sur le plan pratique. Si vous augmentez l'effectif de l'échantillon, la puissance du test augmente également. L'échantillon doit contenir suffisamment d'observations pour atteindre une puissance adéquate. Toutefois, si l'effectif de l'échantillon est trop grand, vous risquez de gaspiller du temps et de l'argent sur un échantillonnage inutile ou de détecter des différences non significatives sur le plan statistique. Lorsque vous réduisez la taille de la différence à détecter, la puissance diminue également.

Dans ce graphique, la courbe de puissance pour un effectif d'échantillon de 500 indique que le test offre une puissance de 0,431 pour une proportion de comparaison de 0,045 et une puissance de 0,449 pour une proportion de comparaison de 0,085. Pour un effectif d'échantillon de 1 000, la courbe de puissance indique que le test offre une puissance de 0,764 pour une proportion de comparaison de 0,045 et une puissance de 0,704 pour une proportion de comparaison de 0,085. Etant donné que la puissance du test n'est pas adéquate pour détecter une différence entre la proportion de comparaison et la proportion de référence de 0,065, augmentez l'effectif de l'échantillon, si possible. Vous pouvez également utiliser la courbe de puissance pour déterminer différentes valeurs correspondant à un niveau adéquat de puissance avec l'effectif d'échantillon indiqué.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique