Interpretar os principais resultados para Intervalos de tolerância (distribuição normal)

Conclua as etapas a seguir para interpretar intervalos de tolerância.

Etapa 1: Avaliar a normalidade dos dados

O Minitab fornece intervalos de tolerância para o método normal e o método não paramétrico. Se você puder assumir com segurança que seus dados seguem uma distribuição normal, então pode usar o intervalo de tolerância do método normal. Se você não puder assumir com segurança que seus dados seguem uma distribuição normal, então você deve usar o intervalo de tolerância do método não paramétrico.

Para determinar se você pode assumir que os dados seguem uma distribuição normal, compare o valor de p do teste de normalidade com o nível de significância (α). Um nível de significância de 0,05 indica um risco de 5% de concluir que os dados não seguem a distribuição normal quando eles realmente a seguem.

Valor de p ≤ α: Os dados não seguem uma distribuição normal (Rejeite H0)
Se o valor de p for menor ou igual ao nível de significância, é possível concluir que seus dados não seguem uma distribuição normal. Neste caso, você deve usar o intervalo de tolerância do método não paramétrico.
Valor de p > α: Não há evidências suficientes para concluir que os dados não seguem uma distribuição normal (Falha ao rejeitar H0)
Se o valor de p for maior do que o nível de significância, não há evidências suficientes para concluir que os dados não seguem uma distribuição normal. Neste caso, é possível usar o intervalo de tolerância do método normal.
Principais resultados: valor de P

Nestes resultados, o valor de p é 0,340, que é maior do que o nível de significância de 0,05. Como é possível assumir que os dados seguem uma distribuição normal, você pode usar o intervalo de tolerância do método normal.

Etapa 2: Examinar o intervalo de tolerância do método adequado

O Minitab fornece intervalos de tolerância para o método normal e o método não paramétrico. É possível criar um intervalo de tolerância bilateral, ou um intervalo de tolerância unilateral que fornece um limite superior ou um limite inferior.
Bilateral
Usar um intervalo bilateral para determinar o intervalo que contém uma certa porcentagem das medições da população.
Método Nível de confiança 98% Percentual da população no intervalo 99%
Intervalo de 98% de Tolerância Método Confiança Variável Método Normal Não-paramétrico Atingida C1 (-9,604; 10,813) (-9,300; 10,700) 91,0% O nível de confiança atingido se aplica apenas ao método não-paramétrico.
Principais resultados: 98% de intervalo de tolerância

Neste exemplo, utilizando o método normal, é possível ter 98% de certeza que pelo menos 99% de todas as medições estão entre –9,604 e 10,813 do valor alvo. Se você não puder assumir que os dados são normalmente distribuídos, use o intervalo de tolerância do método não paramétrico (–9,300, 10,700). Para o método não paramétrico, a confiança alcançada é de 91,0%, o que é inferior ao valor alvo de 98%.

Limite superior
Use um limite superior para determinar o intervalo que indica que uma certa porcentagem das medições da população não será maior do que um limite superior.
Método Nível de confiança 95% Percentual da população no intervalo 95%
Limite de 95% de Tolerância Superior Método Método Confiança Variável Normal Não-paramétrico Atingida C1 9,043 12,000 95,1% O nível de confiança atingido se aplica apenas ao método não-paramétrico.
Principais resultados: limite de tolerância superior de 95%

Neste exemplo, o limite superior normal é de 9,043, de forma que é possível ter 95% de confiança que 95% do produto medirá 9,043 polegadas ou menos. Se você não puder assumir que os dados são normalmente distribuídos, use o limite superior não paramétrico não paramétrico de 12,000. Para o método não paramétrico, a confiança alcançada é de 95,1%, o que é inferior ao valor alvo de 95%.

Limite inferior
Use um limite inferior para determinar o intervalo que indica que uma certa porcentagem das medições população não será menor do que um limite inferior.
Método Nível de confiança 95% Percentual da população no intervalo 95%
Limite de 95% Tolerância Inferior Método Método Confiança Variável Normal Não-paramétrico Atingida Horas 10,022 10,000 96,6% O nível de confiança atingido se aplica apenas ao método não-paramétrico.
Principais resultados: limite de tolerância inferior de 95%

Neste exemplo, o limite inferior normal de 1085,947, de forma que é possível estar 95% confiante de que pelo menos 95% de todas as medições serão 1085,947 ou maiores. Se você não puder assumir que os dados são normalmente distribuídos, use o limite inferior não paramétrico. Para o método não paramétrico, a confiança alcançada é de 96,3%, o que é superior ao valor alvo de 95%.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política