Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.
- Os dados devem ser contínuos
- Os dados contínuos são medidas que podem, potencialmente, ser qualquer valor numérico dentro de um intervalo de valores ao longo de uma escala contínua, incluindo valores fracionários ou decimais. Exemplos comuns incluem medições como comprimento, peso e temperatura.
- Os dados deve seguir uma distribuição normal para utilizar os resultados do método normal
- Se seus dados seguem uma distribuição normal, o método normal será mais preciso e econômico do que o método não paramétrico. O método normal permite alcançar margens menores de erro, mesmo quando você tem menos observações.
- O método normal não é robusto para grandes desvios da normalidade. Use o método normal somente se você souber que sua população é normalmente distribuída. Se você não tem certeza se a população segue uma distribuição normal, ou se você sabe que a população não segue uma distribuição normal, use o método não paramétrico.
- Coletar dados suficientes para o método não paramétrico
- O método não paramétrico geralmente requer amostras maiores do que o método normal. Você deve usar um tamanho amostral relativamente grande, cerca de 90 ou mais para o intervalo de tolerância para obter precisão. Para se obter um intervalo de tolerância preciso, o nível de confiança alcançado deve estar perto de seu nível de confiança de destino. Se o tamanho amostral não for grande o suficiente, o nível de confiança alcançado para o seu intervalo de tolerância pode ser muito menor do que o nível de confiança de alvo e, portanto, pode produzir resultados imprecisos.
- Para determinar um tamanho de amostra apropriado para um intervalo de tolerância que atenda aos seus objetivos de exatidão e precisão, acesse Tamanho da amostra para intervalos de tolerância.
