Interpretar os principais resultados para Poder e tamanho de amostra para teste de equivalência para 1 amostra

Conclua as etapas a seguir para interpretar o poder e tamanho de amostra para um teste de equivalência para 1 amostra. A saída principal inclui a diferença, o tamanho da amostra, o poder e a curva de poder.

Etapa 1: Examine os valores calculados

Diferença
Se você inserir o tamanho amostral e o poder do teste, o Minitab calcula a diferença que o teste pode acomodar ao poder e tamanho de amostra especificados. Para amostras maiores, a diferença pode estar mais próxima de seus limites de equivalência. Este valor representa a diferença entre a média da população e o alvo.
Tamanho amostral
Se você inserir a diferença e um valor de poder para o teste, o Minitab calcula o tamanho que sua amostra deve ter. Se você aumentar o tamanho amostral, o poder do teste também aumentará. Você quer observações suficientes na sua amostra para alcançar o poder adequado. Porém, você não quer um tamanho amostral tão grande a ponto de perder tempo e dinheiro em amostragens desnecessárias ou detectar diferenças sem importância para serem estatisticamente significativas.
Observação

Como os tamanhos amostrais são números inteiros, o poder real do teste pode ser um pouco maior do que o valor de poder que você especificar.

Poder
Se você inserir um tamanho amostral e uma diferença, o Minitab calcula o poder do teste. Em geral, um valor de poder de 0,9 é considerado adequado. Um poder de 0,9 indica que você tem uma probabilidade de 90% de demonstrar a equivalência quando a diferença da população está, na verdade, dentro dos limites de equivalência. Se um teste de equivalência tem baixo poder, você pode deixar de demonstrar a equivalência, mesmo quando a média da população e o alvo são equivalentes. Normalmente, quando o tamanho amostral é menor ou a diferença está mais perto de um limite de equivalência, o teste tem menos poder para afirmar equivalência.
Observação

As definições e interpretações neste tópico se aplicam a um teste de equivalência padrão que utilizam a hipótese alternativa padrão (Limite inferior < média de teste - alvo < limite superior).

Poder e Tamanho de Amostra

Teste de Equivalência para 1 amostra Método Poder para a diferença: Média de teste - alvo Hipótese nula: Diferença ≤ -0,3 ou Diferença ≥ 0,3 Hipótese alternativa: -0,3 < Diferença < 0,3 Nível α: 0,05 Desvio padrão assumido: 0,165
Resultados Tamanho Diferença Amostral Poder 0,2 25 0,902911
Resultados principais: diferença, tamanho amostral, poder

Estes resultados mostram que, se o tamanho amostral é 25 e a diferença é 0,2, o poder do teste de equivalência é de aproximadamente 0,9. Portanto, usar um tamanho amostral de 25 proporciona poder adequado para uma diferença de 0,2.

Etapa 2: Examine a curva de poder

Use a curva de poder para avaliar o tamanho amostral ou o poder adequado para o seu teste.

A curva de poder representa todas as combinações de poder e diferença para cada tamanho amostral, quando o nível de significância e o desvio padrão são mantidos constantes. Cada símbolo na curva da poder representa um valor calculado com base nos valores inseridos. Por exemplo, se você inserir um tamanho amostral e um valor de poder, o Minitab calcula a diferença correspondente e exibe o valor calculado no gráfico.

Examine os valores na curva para determinar a diferença entre a média e o alvo que pode ser acomodada a um determinado valor de poder e tamanho amostral. Em geral, um valor de poder de 0,9 é considerado adequado. No entanto, alguns profissionais consideram o valor de poder de 0,8 como adequado. Se um teste de equivalência tiver baixo poder, talvez não seja possível demonstrar a equivalência mesmo se a média for equivalente ao alvo. Se você aumentar o tamanho amostral, o poder do teste também aumentará. Você quer observações suficientes na sua amostra para alcançar o poder adequado. Porém, você não quer um tamanho amostral tão grande a ponto de perder tempo e dinheiro em amostragens desnecessárias ou detectar diferenças sem importância para serem estatisticamente significativas. Normalmente, as diferenças que estão mais próximas aos limites de equivalência exigem mais poder para demonstrar a equivalência.

Neste gráfico, a curva de poder para um tamanho de amostra de 30 mostra que o teste não pode alcançar um poder de 0,9 por qualquer diferença de tamanho. A curva de poder para um tamanho de amostra de 40 mostra que o teste tem um poder de aproximadamente 0,9 para uma diferença de 0,0. A curva de poder para um tamanho amostral de 100 mostra que o teste tem um poder de aproximadamente 0,9 para uma diferença de ±0,2. Para cada curva, conforme a diferença se aproxima do limite de equivalência inferior ou limite de equivalência superior, o poder do teste diminui e se aproxima de α (alfa, que é o risco de afirmar equivalência quando ela não é verdadeira).

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