Interpretar os principais resultados para Teste da taxa de Poisson para 1 amostra

Conclua as etapas a seguir para interpretar um teste de taxa de Poisson com 1 amostras. A saída principal inclui a taxa de ocorrência, o intervalo de confiança e o valor de p.

Etapa 1: Determine um intervalo de confiança para a taxa de população de ocorrência

Primeiro, considere a taxa amostral e depois examine o intervalo de confiança.

taxa da amostra de um evento é uma estimativa da taxa da população da ocorrência daquele evento. Como a taxa amostral é baseada em dados da amostra e não na população total, é improvável que a taxa amostral seja igual à taxa de ocorrência. Para estimar melhor a taxa da população da ocorrência, use o intervalo de confiança.

O intervalo de confiança fornece um intervalo de valores possíveis para a taxa da população da ocorrência. Por exemplo, um nível de confiança de 95% indica que, se você extrair 100 amostras aleatórias da população, poderia esperar que, aproximadamente, 95 das amostras produza intervalos que contêm a razão da população. O intervalo de confiança ajuda a avaliar a significância prática de seus resultados. Use seu conhecimento especializado para determinar se o intervalo de confiança inclui valores que tenham significância prática para a sua situação. Se o intervalo for muito amplo para ser útil, pense em aumentar o tamanho da amostra. Para obter mais informações, vá para Como obter um intervalo de confiança mais preciso.

Estatísticas Descritivas Total de Taxa N Ocorrências amostral IC de 95% para λ 30 598 19,9333 (18,3675; 21,5970)
Principais resultados: taxa de amostra, IC de 95%

Nesses resultados, a estimativa da taxa da população da ocorrência para o número de reclamações dos clientes, por dia, é de aproximadamente 19,93. Você pode ter 95% de confiança de que a taxa da população da ocorrência está entre aproximadamente 18,37 e 21,6.

Etapa 2: Determine se os resultados de teste são estatisticamente significativos

Para determinar se a diferença entre a taxa da população e a taxa hipotética é estatisticamente significativa, compare o valor de p com o nível de significância. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica que o risco de se concluir que existe uma diferença, quando, na verdade, não existe nenhuma diferença real, é de 5%.
Valor de p ≤ α: A diferença entre as taxas é estatisticamente significativa (rejeite H0)
Se o valor de p for menor ou igual ao nível de significância, você deve rejeitar a hipótese nula. É possível concluir que a diferença entre a taxa da população e a taxa hipotética é estatisticamente significativa. Use seu conhecimento especializado para determinar se a diferença é praticamente significativa. Para obter mais informações, acesse Significância estatística e prática.
Valor de p > α: A diferença entre as taxas não é estatisticamente significativa (não deve rejeitar H0)
Se o valor de p for maior do que o nível de significância, você não deve rejeitar a hipótese nula. Não há evidências suficientes para concluir que a diferença entre a taxa da população e a taxa hipotética é estatisticamente significativa. Certifique-se de que o teste tenha poder suficiente para detectar uma diferença que seja significativa na prática. Para obter mais informações, acesse Poder e tamanho de amostra para teste de taxa de Poisson para 1 amostras.
Teste Hipótese nula H₀: λ = 10 Hipótese alternativa H₁: λ > 10

Valor-p 0,000

Resultados principais: valor-p

Nestes resultados, a hipótese nula afirma que a taxa é de 10 queixas por dia. Como o valor-p de 0,00 é menor que o nível de significância de 0,05, o gerente rejeita a hipótese nula e conclui que a taxa de queixas é maior do que 10 por dia.

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