Interpretar todas as estatísticas para Teste da taxa de Poisson para 2 amostra

Encontre definições e orientações de interpretação para cada estatística descritiva fornecida com análise da taxa de Poisson para 2 amostras.

Diferença = taxa1 - taxa2

A diferença é a diferença desconhecida entre as taxas de da população que você pretende estimar. O Minitab indica qual taxa da população é subtraída da outra.

Comprimento da observação

Ocorrências de contagem dos processos de Poisson de um determinado evento ou propriedade em uma amplitude de observação específica, que pode representar coisas como tempo, área, volume e número de itens. O comprimento da observação representa a magnitude, duração ou tamanho de cada amplitude de observação.

Interpretação

O Minitab usa o comprimento da observação para converter a taxa de amostra na forma mais conveniente para a situação.

Por exemplo, se cada amostra observada conta o número de eventos de um ano, um comprimento de 1 representa uma taxa anual de ocorrência, e um comprimento de 12 representa uma taxa mensal de ocorrência.

O Minitab usa o total de ocorrências, o tamanho da amostra (N) e o comprimento da observação para calcular a taxa de amostras. Por exemplo, os inspetores inspecionam o número de defeitos em caixas de toalhas de 2 linhas de montagem (A e B). Uma toalha pode ter mais que um defeito, como 1 rasgão e 2 fios puxados (3 defeitos). Para a linha de montagem A, cada caixa contém 10 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 112 defeitos. Para a linha de montagem B, cada caixa contém 15 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 132 defeitos.
  • Para a linha de montagem A, o total de ocorrências é 112 porque os inspetores encontraram 112 defeitos. São 132 para a linha de montagem B porque os inspetores encontraram 132 defeitos.
  • O tamanho da amostra (N) é 50, para ambas as linhas de montagem, porque os inspetores extraem amostras de 50 caixas para as duas.
  • Para determinar o número de defeitos por toalha, os inspetores usam um comprimento de observação de 10 para a linha de montagem A, porque existem 10 toalhas em cada caixa. Para a linha de montagem B, os inspetores usam um comprimento de observação de 15.
  • Para a linha de montagem A, a taxa de amostragem é (Total de ocorrências / N) / (comprimento da observação) = (122/50) / 10 = 0,244. Para a linha de montagem B, a taxa de amostragem é (132/50) / 15 = 0,176. Portanto, em média, cada toalha da linha de montagem A tem 0,244 defeitos, e cada toalha da linha de montagem B tem 0,176 defeitos.
  • Como os inspetores inserem um comprimento de observação que é diferente de 1, o Minitab também calcula a média da amostra. Para a linha de montagem A, a média de amostras é (Total de ocorrências / N) = 112/50 = 2,24. Para a linha de montagem B, a média de amostras é 132/50 = 2,64. A média de amostras descreve o número médio de defeitos por caixa. No entanto, como as caixas tinham diferentes quantidades de toalhas, a taxa de amostras é uma estatística mais útil.

Ocorrências totais

O total de ocorrências é o número de vezes que um evento ocorre na amostra.

O Minitab usa o total de ocorrências, o tamanho da amostra (N) e o comprimento da observação para calcular a taxa de amostras. Por exemplo, os inspetores inspecionam o número de defeitos em caixas de toalhas de 2 linhas de montagem (A e B). Uma toalha pode ter mais que um defeito, como 1 rasgão e 2 fios puxados (3 defeitos). Para a linha de montagem A, cada caixa contém 10 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 112 defeitos. Para a linha de montagem B, cada caixa contém 15 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 132 defeitos.
  • Para a linha de montagem A, o total de ocorrências é 112 porque os inspetores encontraram 112 defeitos. São 132 para a linha de montagem B porque os inspetores encontraram 132 defeitos.
  • O tamanho da amostra (N) é 50, para ambas as linhas de montagem, porque os inspetores extraem amostras de 50 caixas para as duas.
  • Para determinar o número de defeitos por toalha, os inspetores usam um comprimento de observação de 10 para a linha de montagem A, porque existem 10 toalhas em cada caixa. Para a linha de montagem B, os inspetores usam um comprimento de observação de 15.
  • Para a linha de montagem A, a taxa de amostragem é (Total de ocorrências / N) / (comprimento da observação) = (122/50) / 10 = 0,244. Para a linha de montagem B, a taxa de amostragem é (132/50) / 15 = 0,176. Portanto, em média, cada toalha da linha de montagem A tem 0,244 defeitos, e cada toalha da linha de montagem B tem 0,176 defeitos.
  • Como os inspetores inserem um comprimento de observação que é diferente de 1, o Minitab também calcula a média da amostra. Para a linha de montagem A, a média de amostras é (Total de ocorrências / N) = 112/50 = 2,24. Para a linha de montagem B, a média de amostras é 132/50 = 2,64. A média de amostras descreve o número médio de defeitos por caixa. No entanto, como as caixas tinham diferentes quantidades de toalhas, a taxa de amostras é uma estatística mais útil.

N

O tamanho amostral (N) é o número total de observações na amostra.

Interpretação

O tamanho amostral afeta o intervalo de confiança, o poder do teste e a taxa de ocorrências.

Normalmente, uma amostra maior resulta em um intervalo de confiança mais estreito. Uma amostra maior também proporciona ao teste mais poder para detectar uma diferença. Para obter mais informações, vá para O que é potência?.

O Minitab usa o total de ocorrências, o tamanho da amostra (N) e o comprimento da observação para calcular a taxa de amostras. Por exemplo, os inspetores inspecionam o número de defeitos em caixas de toalhas de 2 linhas de montagem (A e B). Uma toalha pode ter mais que um defeito, como 1 rasgão e 2 fios puxados (3 defeitos). Para a linha de montagem A, cada caixa contém 10 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 112 defeitos. Para a linha de montagem B, cada caixa contém 15 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 132 defeitos.
  • Para a linha de montagem A, o total de ocorrências é 112 porque os inspetores encontraram 112 defeitos. São 132 para a linha de montagem B porque os inspetores encontraram 132 defeitos.
  • O tamanho da amostra (N) é 50, para ambas as linhas de montagem, porque os inspetores extraem amostras de 50 caixas para as duas.
  • Para determinar o número de defeitos por toalha, os inspetores usam um comprimento de observação de 10 para a linha de montagem A, porque existem 10 toalhas em cada caixa. Para a linha de montagem B, os inspetores usam um comprimento de observação de 15.
  • Para a linha de montagem A, a taxa de amostragem é (Total de ocorrências / N) / (comprimento da observação) = (122/50) / 10 = 0,244. Para a linha de montagem B, a taxa de amostragem é (132/50) / 15 = 0,176. Portanto, em média, cada toalha da linha de montagem A tem 0,244 defeitos, e cada toalha da linha de montagem B tem 0,176 defeitos.
  • Como os inspetores inserem um comprimento de observação que é diferente de 1, o Minitab também calcula a média da amostra. Para a linha de montagem A, a média de amostras é (Total de ocorrências / N) = 112/50 = 2,24. Para a linha de montagem B, a média de amostras é 132/50 = 2,64. A média de amostras descreve o número médio de defeitos por caixa. No entanto, como as caixas tinham diferentes quantidades de toalhas, a taxa de amostras é uma estatística mais útil.

Taxa de amostra

A taxa da amostra de um evento é o número médio de vezes que o evento ocorre por comprimento da unidade de observação na amostra.

Interpretação

A taxa amostral de cada amostra é uma estimativa da taxa da população de cada amostra.

O Minitab usa o total de ocorrências, o tamanho da amostra (N) e o comprimento da observação para calcular a taxa de amostras. Por exemplo, os inspetores inspecionam o número de defeitos em caixas de toalhas de 2 linhas de montagem (A e B). Uma toalha pode ter mais que um defeito, como 1 rasgão e 2 fios puxados (3 defeitos). Para a linha de montagem A, cada caixa contém 10 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 112 defeitos. Para a linha de montagem B, cada caixa contém 15 toalhas. Os inspetores extraem amostras de 50 caixas no total e encontram um total de 132 defeitos.
  • Para a linha de montagem A, o total de ocorrências é 112 porque os inspetores encontraram 112 defeitos. São 132 para a linha de montagem B porque os inspetores encontraram 132 defeitos.
  • O tamanho da amostra (N) é 50, para ambas as linhas de montagem, porque os inspetores extraem amostras de 50 caixas para as duas.
  • Para determinar o número de defeitos por toalha, os inspetores usam um comprimento de observação de 10 para a linha de montagem A, porque existem 10 toalhas em cada caixa. Para a linha de montagem B, os inspetores usam um comprimento de observação de 15.
  • Para a linha de montagem A, a taxa de amostragem é (Total de ocorrências / N) / (comprimento da observação) = (122/50) / 10 = 0,244. Para a linha de montagem B, a taxa de amostragem é (132/50) / 15 = 0,176. Portanto, em média, cada toalha da linha de montagem A tem 0,244 defeitos, e cada toalha da linha de montagem B tem 0,176 defeitos.
  • Como os inspetores inserem um comprimento de observação que é diferente de 1, o Minitab também calcula a média da amostra. Para a linha de montagem A, a média de amostras é (Total de ocorrências / N) = 112/50 = 2,24. Para a linha de montagem B, a média de amostras é 132/50 = 2,64. A média de amostras descreve o número médio de defeitos por caixa. No entanto, como as caixas tinham diferentes quantidades de toalhas, a taxa de amostras é uma estatística mais útil.

Média da amostra

Quando o comprimento observado é diferente de 1, o Minitab mostra a média da amostra. A média da amostra é o número total de ocorrências dividido pelo tamanho amostral. No entanto, como o comprimento de observação difere de 1, a taxa de amostragem geralmente será mais útil para sua situação específica.

Diferença estimada

A diferença estimada é a diferença entre as taxas de ocorrência das duas amostras.

Como a diferença média está baseada em dados das amostras e não na população total, é improvável que a diferença da amostra seja igual à diferença da população. Para estimar melhor a diferença da população, use o intervalo de confiança da diferença.

Intervalo de confiança (IC) e limites

O intervalo de confiança fornece um intervalo de valores possíveis para a diferença da população. Como as amostras são aleatórias, é improvável que duas amostras de uma população produzam intervalos de confiança idênticos. Porém, se você repetir sua amostra muitas vezes, uma certa porcentagem dos intervalos ou fronteiras de confiança resultantes contém a diferença de população desconhecida. A porcentagem destes intervalos de confiança ou fronteiras que contêm a diferença é o nível de confiança do intervalo. 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 diferença da população.

Uma fronteira superior define um valor provável que a diferença da população seja menor. Uma fronteira inferior define um valor provável que a diferença da população seja maior.

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.

Estimativa da diferença Diferença IC de 95% para a Estimada Diferença -7,7 (-14,6768; -0,723175)

Nesses resultados, a estimativa da taxa da população da ocorrência para a diferença em visitas dos clientes a duas lojas dos correios é de aproximadamente −7,7. Você pode ter 95% de confiança de que a diferença média da população está entre −14,7 e −0,7.

Hipótese nula e hipótese alternativa

O teste para a diferença mostra as hipóteses nula e alternativa. As hipóteses nula e alternativa são duas declarações mutuamente exclusivas sobre uma população. Um teste de hipótese usa dados amostrais para determinar se deve rejeitar a hipótese nula.
Hipótese nula
A hipótese nula afirma que um parâmetro da população (como a média, o desvio padrão, e assim por diante) é igual a um valor hipotético. A hipótese nula é, muitas vezes, uma afirmação inicial baseado em análises anteriores ou no conhecimento especializado.
Hipótese alternativa
A hipótese alternativa afirma que um parâmetro da população é menor, maior ou diferente do valor hipotético na hipótese nula. A hipótese alternativa é aquela que você acredita que pode ser verdadeira ou espera provar ser verdadeira.

Na saída, as hipóteses nula e alternativa ajudam a verificar se você inseriu o valor correto para a diferença do teste.

Valor-z

O valor-z é uma estatística de teste para testes Z que mede a diferença entre uma estatística observada e seu parâmetro de população em unidades de erro padrão.

Interpretação

Você pode comparar o valor-z a valores críticos da distribuição normal padrão a fim de determinar se deve rejeitar a hipótese nula. No entanto, o uso do valor-p do teste para fazer a mesma determinação é geralmente mais prático e conveniente.

Para determinar se a hipótese nula deve ser rejeitada, compare o valor-z com seu valor crítico. O valor crítico é Z1-α/2 para um teste bilateral e Z1-α para um teste unilateral. Para um teste bilateral, se o valor absoluto do valor-z for maior do que o valor crítico, você deve rejeitar a hipótese nula. Se o valor absoluto do valor-z for menor do que o valor crítico, você não deve rejeitar a hipótese nula. Você pode calcular o valor crítico no Minitab ou encontrar o valor crítico de uma tabela normal padrão na maioria dos livros de estatística. Para obter mais informações, acesse Usando a função de distribuição acumulada inversa (ICDF) e clique em "Use o ICDF para calcular valores críticos".

O valor-z é usado para calcular o valor-p.

Valor de P

O valor de p é uma probabilidade que mede a evidência contra a hipótese nula. Um valor de p menor fornece uma evidência mais forte contra a hipótese nula.

Interpretação

Use o valor de p para determinar se a diferença nas taxas de ocorrência da população é estatisticamente significativa.

Para determinar se a diferença entre as taxas de ocorrência 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 as taxas da população não é igual à diferença hipotética. Se você não especificar uma diferença hipotética, o Minitab testa se não há diferença entre as taxas (Diferença hipotética = 0).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 as taxas de população são diferentes. 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 2 amostras.

Quando a diferença hipotética é igual a 0, o Minitab testa a hipótese nula com um procedimento exato. O valor de p para o teste exato é o resultado deste procedimento exato. O outro valor de p é baseado na aproximação normal, e pode ser impreciso quando o número total de ocorrências é baixo.

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