Interpretar os principais resultados para Teste da taxa de Poisson para 2 amostra

Conclua as etapas a seguir para interpretar um teste de taxa de Poisson com 2 amostras. A saída principal inclui a estimativa para diferença, o intervalo de confiança e o valor de p.

Etapa 1: Determine um intervalo de confiança para a diferença nas taxas de população

Primeiro, considere a diferença nas taxas das amostras e depois examine o intervalo de confiança.

A diferença estimada é uma estimativa da diferença nas taxas da população da ocorrência. 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.

O intervalo de confiança fornece um intervalo de valores prováveis para a diferença entre duas taxas de 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 diferença 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.

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

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.

Etapa 2: Determine se a diferença 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.
Método Valor-Z Valor-p Exato 0,031 Aproximação normal -2,16 0,031
Resultados principais: valor-p

Nestes resultados, a hipótese nula afirma que a diferença no número de clientes entre os dois postos dos correios é 0. Como o valor-p de 0,031 é menor que o nível de significância de 0,05, o analista rejeita a hipótese nula e conclui que o número de clientes difere entre os dois postos dos correios. O IC de 95% indica que é provável que a Filial B tenha uma taxa mais elevada de clientes do que a Filial A.

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