Etape 1 : examiner les valeurs calculées
- Différence
- Si vous entrez l'effectif de l'échantillon et la puissance du test, Minitab calcule la différence pouvant être adaptée par le test à la puissance et à l'effectif d'échantillon indiqués. Pour des effectifs d'échantillons plus grands, la différence peut être plus proche des limites d'équivalence. Cette valeur représente la différence entre la moyenne de population et la cible.
- Effectif d'échantillon
- Si vous indiquez une différence et une valeur de puissance pour le test, Minitab calcule l'effectif d'échantillon nécessaire. 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.
Remarque
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.
- Puissance
- Si vous saisissez un effectif d'échantillon et une différence, Minitab calcule la puissance du test. La valeur de puissance 0,9 est généralement appropriée. Une puissance de 0,9 indique que vous avez 90 % de chances de démontrer une équivalence lorsque la différence entre les populations se trouve réellement dans les limites d'équivalence. Si un test d'équivalence offre une faible puissance, il se peut que vous ne puissiez pas démontrer l'équivalence même lorsque la moyenne de population et la cible sont équivalentes. En général, plus l'effectif d'échantillon est faible ou plus la différence est proche d'une limite d'équivalence, moins le test est puissant pour établir une équivalence.
Remarque
Les définitions et l'interprétation dans cette rubrique sont applicables à un test d'équivalence type utilisant l'hypothèse alternative par défaut (Limite inférieure < moyenne du test - cible < limite supérieure).
Méthode
| Puissance pour la différence : | Moyenne du test - cible |
|---|---|
| Hypothèse nulle : | Différence ≤ -0,3 ou différence ≥ 0,3 |
| Hypothèse alternative : | -0,3 < différence < 0,3 |
| Niveau α : | 0,05 |
| Ecart type supposé : | 0,165 |
Résultats
| Différence | Effectif d'échantillon | Puissance |
|---|---|---|
| 0,2 | 25 | 0,902911 |
Résultats principaux : différence, effectif de l'échantillon et puissance
Ces résultats montrent que si l'effectif de l'échantillon est de 25 et que la différence du test est de 0,2, la puissance du test d'équivalence est d'environ 0,9. Par conséquent, un effectif d'échantillon de 25 fournit une puissance adéquate pour une différence de 0,2.
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 différence pour chaque effectif de l'échantillon lorsque le seuil de signification et l'écart type restent constants. 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 différence correspondante et affiche la valeur calculée sur le graphique.
Examinez les valeurs sur la courbe pour déterminer la différence entre la moyenne et la cible, pouvant être adaptée 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'équivalence offre une puissance inférieure, il se peut que vous ne puissiez pas démontrer l'équivalence même lorsque la moyenne est équivalente à la cible. 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. Dans la plupart des cas, les différences plus proches des limites d'équivalence requièrent une puissance plus importante pour démontrer l'équivalence.
Dans ce graphique, la courbe de puissance pour un effectif d'échantillon de 30 indique que le test ne peut atteindre une puissance de 0,9 pour aucune différence d'effectif. La courbe de puissance pour un effectif d'échantillon de 40 indique que le test offre une puissance d'approximativement 0,9 pour une différence de 0,0. La courbe de puissance pour un effectif d'échantillon de 100 indique que le test offre une puissance d'approximativement 0,9 pour une différence de ±0,2. Pour chaque courbe, lorsque la différence se rapproche de la limite d'équivalence inférieure ou supérieure, la puissance du test diminue et se rapproche de α (alpha, qui représente le risque de déclarer l'équivalence alors qu'elle n'existe pas).
