Teste para Teste de equivalência de 1 amostra

Encontre definições e orientações de interpretação para cada valor de saída fornecido na tabela Teste do teste de equivalência para para 1 amostra.

Hipótese nula e hipótese alternativa

As hipóteses nula e alternativa são declarações mutuamente exclusivas sobre uma população. Um teste de equivalência usa dados da amostra para determinar se deve rejeitar a hipótese nula.

Para um teste de equivalência de 1 amostra, o Minitab testa duas hipóteses nulas separadas.
Hipóteses nulas (padrão)
H0: Δ ≤ δ1 A diferença (Δ) entre a média da população de teste e o alvo é menor ou igual ao limite inferior de equivalência (δ1).
H0: Δ ≥ δ2 A diferença (Δ) entre a média da população de teste e o alvo é maior ou igual ao limite superior equivalência (δ2).
Hipótese alternativa (padrão)
H1: δ1< Δ < δ2 A diferença (Δ) entre a média da população de teste e o valor alvo é maior do que o limite inferior de equivalência (δ1) e menor do que o limite superior de equivalência (δ2).
Se as duas hipóteses nulas forem rejeitadas, a diferença está dentro do intervalo de equivalência e você pode afirmar que a média de teste e o alvo são equivalentes.

Ao selecionar uma hipótese alternativa diferente quando realiza o teste, você também poderá avaliar conjuntos adicionais de hipótese. Para obter mais informações, acesse Hipóteses para Teste de equivalência de 1 amostra.

Interpretação

Use as hipóteses nula e alternativa para verificar que os critérios de equivalência estejam corretos e que você tenha selecionado a hipótese alternativa apropriada para teste.

Teste Hipótese nula: Diferença ≤ -0,42 ou Diferença ≥ 0,42 Hipótese alternativa: -0,42 < Diferença < 0,42 Nível α: 0,05

Nestes resultados, o Minitab testa duas hipóteses nulas: 1) a diferença entre a média da população e o alvo é inferior ou igual ao limite de equivalência inferior de -0,42, e 2) a diferença entre a média da população e o alvo é maior do que ou igual ao limite superior de equivalência de 0,42. A hipótese alternativa é que a diferença entre a média da população e o alvo se situa entre os limites de equivalência inferior e superior (isto é, a média da população é equivalente ao alvo).

Nível-α

O nível de significância (indicado por α ou alfa) é o nível de risco máximo aceitável para rejeitar a hipótese nula quando ela é verdadeira (erro tipo I). Por exemplo, se você estiver realizando um teste de equivalência usando as hipóteses padrão, um α de 0,05 indica o risco de 5% de afirmar a equivalência quando ela não é realmente verdadeira.

O nível de α para um teste de equivalência também determina o nível de confiança para o intervalo de confiança. Por padrão, o nível de confiança é (1 – α) x 100%. Se você usar o método alternativo de cálculo do intervalo de confiança, o nível de confiança é (1 – 2α) x 100%.

Interpretação

Use o nível-α para decidir se rejeita ou deixar de rejeitar a hipótese nula (H0).

Se o valor-p for inferior ao nível de α, você rejeita H0 e afirma que seus resultados são estatisticamente significativos.

DF

Os graus de liberdade (DF) indicam a quantidade de informações que estão disponíveis em seus dados para estimar os valores de parâmetros desconhecidos e calcular a variabilidade dessas estimativas.

Para um teste de equivalência para 1 amostra, os graus de liberdade totais são o número de observações em sua amostra menos 1 (n – 1).

Interpretação

O Minitab usa os graus de liberdade para calcular a estatística de teste. Os graus de liberdade são afetados pelo tamanho da amostra. Aumentar o tamanho da amostra fornece mais informações sobre a população, que aumenta os graus de liberdade.

Valor de T

O valor de t é o valor observado da estatística do teste t que mede a diferença entre uma estatística da amostra observada e seu parâmetro de população hipotético em unidades de erro padrão.

Interpretação

É possível usar um valor de t para determinar se a hipótese nula deve ser rejeitada. No entanto, a maioria das pessoas utiliza o valor de p ou o intervalo de confiança, porque eles são mais fáceis de serem interpretados.

Em geral, quanto maior for a magnitude do desvio em relação à variabilidade de amostragem aleatória, maior será o valor absoluto do valor de t para o teste, e mais forte será a evidência contra a hipótese nula.

O valor de t para o teste é utilizado para calcular o valor de p correspondente. Se o valor de p for menor que seu nível de significância, você rejeita a hipótese nula e conclui que os resultados são estatisticamente significativos. Para obter mais informações, consulte a seção sobre valor de p e decisão.

Valor de p e decisão

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Interpretação

Use o valor-p para determinar se você tem evidências suficientes para rejeitar as seguintes hipóteses nulas relacionadas à diferença entre a população média e o alvo: 1) a diferença é maior do que o limite inferior da equivalência (não inferioridade) e 2) a diferença é menor que o limite superior de equivalência (não superioridade). Por padrão, o teste de equivalência testa ambas as hipóteses nulas e inclui um valor-p para cada teste.

Para cada hipótese nula, comparar o valor-p para o nível de significância para o teste (denotado como alfa ou α). Um α de 0,05 é mais comum.

Valor-p ≤ α: a diferença está dentro do limite de equivalência
Se o valor-p é menor ou igual a α, rejeitar a hipótese nula e concluir que a diferença entre a média da população e o alvo está dentro do limite de equivalência.
Valor-p > α: a diferença não está dentro do limite de equivalência
Se o valor-p for maior do que o valor-α, você não deve rejeitar a hipótese nula. Você não tem evidências suficientes para concluir que a diferença entre a média da população e o alvo está dentro do limite de equivalência.
Para demonstrar a equivalência, os valores-p de para ambas as hipóteses nulas deve ser inferior ao nível-α. Se o valor-p para qualquer teste for maior que o de nível-α, não é possível afirmar a equivalência.
Dica

Para avaliar visualmente os resultados de um teste de equivalência, examine os resultados no gráfico de equivalência, o que for mais fácil de interpretar do que os valores-p.

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