Interpretar todas as estatísticas e gráficos para Poder e tamanho de amostra para teste de 1 variância

Encontre definições e orientações interpretação para cada estatística e gráfico fornecido com Poder e tamanho de amostra para teste de 1 variância.

α (alfa)

O nível de significância (indicado como α ou alfa) é o nível máximo aceitável de risco para rejeitar a hipótese nula quando ela é verdadeira (erro tipo I). Alfa também é interpretado como o poder do teste quando a hipótese nula (H0) for verdadeira. Em geral, você escolhe o nível de significância antes de analisar os dados. Por padrão, o nível de significância é 0,25.

Interpretação

Use o nível de significância para minimizar o valor do poder do teste quando a hipótese nula (H0) for verdadeira. Os valores mais elevados para o nível de significância dão mais poder ao teste, mas também aumentar a chance cometer um erro do tipo I, que está rejeitando a hipótese nula quando ela é verdadeira.

Proporção

Este valor representa a razão entre o desvio padrão de comparação ou de variância e o valor hipotético.

Interpretação

O Minitab calcula a menor razão que será possível detectar com base no poder e tamanho da amostra especificado. Amostras maiores permitem a detecção de razões menores. Você quer poder detectar a menor razão que tenha consequências práticas para a sua aplicação.

Para investigar melhor a relação entre o tamanho amostral e a razão um determinado poder, use a curva de poder.

Tamanho amostral

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

Interpretação

Use o tamanho amostral para estimar quantas observações que você precisa para obter um certo valor de poder para um teste de hipótese com uma diferença específica.

O Minitab calcula o tamanho que sua amostra deve ter para que um teste com seu poder especificado detecte a razão especificada. 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.

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.

Para investigar melhor a relação entre o tamanho amostral e a diferença um determinado poder, use a curva de poder.

Poder

O poder de um teste de hipótese é a probabilidade de que o teste rejeite corretamente a hipótese nula. O poder de um teste de hipótese é afetado pelo tamanho amostral, a diferença, a variabilidade dos dados e o nível de significância do teste.

Para obter mais informações, vá para O que é potência?.

Interpretação

O Minitab calcula o poder do teste com base na taxa e tamanho amostral especificado. Em geral, um valor de poder de 0,9 é considerado adequado. Um valor de 0,9 indica que há uma probabilidade de 90% de detectar uma diferença entre o desvio padrão ou variância da comparação população e o desvio padrão ou variância hipotética quando a diferença realmente existe. Se um teste apresenta baixo poder, talvez não seja possível detectar a diferença e você conclua erroneamente que não existe nenhuma. Normalmente, quando o tamanho amostral é menor ou a taxa é próxima de 1, o teste tem menos poder para detectar uma diferença.

Se você inserir uma proporção e um valor de poder para o teste, o Minitab calcula o tamanho que sua amostra deve ter. O Minitab também calcula o poder real do teste para aquele tamanho da amostral. 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.

Observação

Ao realizar Teste para 1 variância na Estatística Básica, o Minitab exibe a saída tanto para o método do qui-quadrado quanto para o método de Bonett. No entanto, quando você realizar Poder e tamanho de amostra para teste de 1 variância, o Minitab utiliza apenas o método do qui-quadrado.

Curva de poder

A curva de poder representa graficamente o poder do teste versus a razão.

Interpretação

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 razão para cada tamanho amostral quando o nível de significância é mantido constante. Cada símbolo na curva de 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 razão correspondente e exibe o valor calculado no gráfico.

Examine os valores na curva para determinar a razão que pode ser detectada 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 hipótese tiver baixo poder, talvez não seja possível detectar a razão que é praticamente significativa. 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. Se você diminuir o tamanho da diferença que deseja detectar, o poder também diminuirá.

Observação

Ao realizar Teste para 1 variância na Estatística Básica, o Minitab exibe a saída tanto para o método do qui-quadrado quanto para o método de Bonett. No entanto, quando você realizar Poder e tamanho de amostra para teste de 1 variância, o Minitab utiliza apenas o método do qui-quadrado.

Neste gráfico, a curva de poder para um tamanho amostral 50 mostra que o teste tem um poder de aproximadamente 0,54 para uma razão de 0,8. Para um tamanho de amostra de 100, a curva de poder mostra que o teste tem um poder de aproximadamente 0,87 para uma razão de 0,8. Se um poder de 0,87 for apropriado à sua situação, você deve coletar um tamanho amostral de 100. Se você precisar detectar uma razão menor do que 0,8, será necessário coletar uma amostra maior.

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