Etape 1 : examiner les valeurs calculées
En utilisant les valeurs des deux variables de fonction de puissance que vous avez entrées, Minitab calcule la différence, l'effectif de l'échantillon ou la puissance du test.
- Différence
-
Minitab calcule 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.
Cette valeur représente la différence entre la moyenne de population réelle et la moyenne hypothétisée.
- Effectif d'échantillon
-
Minitab calcule l'effectif d'échantillon nécessaire pour un test avec la puissance que vous avez saisie pour détecter chaque différence indiquée. 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 différence 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 moyenne de la population et la cible 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
| Différence | Effectif d'échantillon | Puissance cible | Puissance réelle |
|---|---|---|---|
| 1,5 | 32 | 0,9 | 0,903816 |
Résultats principaux : différence, effectif de l'échantillon et puissance
Ces résultats montrent que si l'effectif de l'échantillon est de 1,5 et que la différence est de 0,9, vous devez sélectionner un effectif d'échantillon de 32. Etant donné que la valeur de puissance cible de 0,9 produit un effectif d'échantillon qui n'est pas un entier, Minitab affiche également la puissance (Puissance réelle) pour l'effectif d'échantillon arrondi.
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 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 32 indique que le test offre une puissance de 0,9 pour une différence de 1,5. Plus la différence est proche de 0, plus la puissance du test diminue et se rapproche de α (également appelé seuil de signification), qui est de 0,05 pour cette analyse.
