Teste para Teste de equivalência para experimento cruzado 2x2

Encontre definições e orientações de interpretação para cada resultado fornecido na tabela de teste do teste de equivalência para um experimento cruzado 2x2.

Hipótese nula e hipótese alternativa

As hipóteses nula e alternativa são declarações mutuamente exclusivas sobre uma população. Um teste de equivalência usa dados de exemplo para determinar se deve rejeitar a hipótese nula.
Hipótese nula
O Minitab testa uma ou ambas das seguintes hipóteses nulas, dependendo da hipótese alternativa escolhida:
  • A diferença (ou razão) entre a média da população de teste e a média da população de referência é maior ou igual ao limite superior de equivalência.
  • A diferença (ou razão) entre a média da população de teste e a média da população de referência é menor ou igual ao limite inferior de equivalência.
Hipóteses alternativas
A hipótese alternativa estabelece um ou ambos as premissas a seguir:
  • A diferença (ou razão) entre a média da população de teste e a média da população de referência é menor do que o limite superior de equivalência
  • A diferença (ou razão) entre a média da população de teste e a média da população de referência é maior do que o limite inferior de equivalência

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 ≤ -0,5 ou Diferença ≥ 0,5 Hipótese alternativa: -0,5 < Diferença < 0,5 Nível α: 0,05

Nestes resultados, o Minitab testa duas hipóteses nulas sobre a diferença entre a média da população de teste e a média da população de referência: 1) a diferença entre a média da população é menor ou igual ao limite de equivalência inferior de -0,5, e 2) a diferença entre a média da população é maior ou igual ao limite de equivalência superior de 0,5. A hipótese alternativa é que a diferença entre a média da população se situa entre os limites de equivalência inferior e superior (isto é, a média da população de teste é equivalente à média da população de referência).

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.

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 T para o teste

A estatística de teste avalia o tamanho da diferença entre duas médias de população em relação à variação da amostra. Se os critérios de equivalência forem expressos em termos de uma diferença entre a média de teste e a média de referência, ou uma razão da média de teste/média de referência usando uma transformação lognormal, o valor-t mede a diferença entre a média de referência da amostra e a média de teste da amostra em unidades de erro padrão. Se os critérios de equivalência forem expressos em termos de uma razão entre a média do teste e a média de referência, o valor-t mede da diferença entre a de média de teste da amostra e uma proporção de uma média de referência, em relação à variabilidade de ambas as amostras.

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 da diferença ou razão em relação à variabilidade de amostragem, 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 cada teste é utilizado para calcular o seu valor de p correspondente. Se o valor de p associado a este valor de for menor do que o 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 o valor de p para o teste.

Valor de P parar teste

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.

A hipótese nula depende sobre qual hipótese alternativa você selecionar para o teste. Para obter mais informações, acesse Hipóteses para Teste de equivalência para experimento cruzado 2x2.

Interpretação

Use o valor-p para o teste determinar se existem evidencias suficientes para rejeitar a hipótese nula e aceitar a hipótese alternativa. Compare cada valor-p com o nível significativo (também denotado como alpha ou α). Normalmente, um α de 0,05 funciona bem.

Quando testar para equivalência usando a hipótese default, o Minitab testa duas hipóteses nulas sobre a diferença (ou razão) entre a média de teste e a média de referência: 1) a diferença (ou razão) da média da população é maior que o limite inferior da equivalência e 2) a diferença (ou razão) da média da população é menor que o limite superior da equivalência.

Valor-p ≤ α: a diferença (ou razão) está dentro do limite de equivalência
Se o valor-p for menor ou igual a α, rejeite a hipótese nula e conclua que a diferença (ou razão) entre a média da população está dentro do limite de equivalência.
Valor-p > α: a diferença (ou razão) 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 (ou razão) entre as médias da população e o alvo está dentro do limite de equivalência.
Para demonstrar a equivalência, os valores-p 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