Considerações de dados para Análise de médias

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.

Os dados de resposta deve seguir uma distribuição normal, binomial ou de Poisson

Os dados normalmente distribuídos são tipicamente dados de medição, como o peso. Com dados normalmente distribuídos, o Minitab compara a média de cada grupo com a média global.
Os dados binomiais classificam cada observação em uma de duas categorias, como aprovação/reprovação. Com os dados binomiais, o Minitab compara a porcentagem de cada amostra com a proporção global.
Os dados de Poisson contêm contagens, como o número de defeitos por unidade ou amostra. Com os dados de Poisson, o Minitab compara a taxa de ocorrência de cada amostra com a taxa global.

Se os seus dados seguem uma distribuição normal, os dados devem incluir um ou dois fatores categóricos

Experimentos de análise de médias que tenham dois fatores devem ter um experimento balanceado. Um experimento balanceado possui o mesmo número de observações para todas as combinações possíveis de níveis de fatores. Se seu experimento tiver dois fatores categóricos e estiver desbalanceado, use Ajustar modelo linear generalizado se você tiver todos os fatores fixos ou Ajustar modelo de efeitos mistos se você tiver fatores aleatórios.
Se seu experimento tiver mais de dois fatores categóricos ou incluir covariáveis, use Ajustar modelo linear generalizado se você tiver todos os fatores fixos ou Ajustar modelo de efeitos mistos se você tiver fatores aleatórios.

Para obter mais informações sobre fatores e experimentos balanceados, acesse Fatores e níveis de fatores e Experimentos balanceados e não balanceados em modelos ANOVA.

Se você tiver dados binomiais, o tamanho da amostra deve ser constante e suficientemente grande

Todas as amostras devem ter o mesmo tamanho para garantir que a comparação da proporção de cada amostra com a proporção global seja válida.
O tamanho da amostra deve ser suficientemente grande para garantir que a distribuição normal aproxima a distribuição binomial de forma adequada porque os limites de decisão são baseados na distribuição normal. A distribuição normal é adequada quando np > 5 e n (1 - p) > 5, onde n é o tamanho da amostra e P é a proporção de eventos.

Se suas amostras não atendem a esses critérios, seus resultados podem não ser válidos.

Se você tiver dados de Poisson, o tamanho da amostra deve ser constante e suficientemente grande

Todas as amostras devem ser do mesmo tamanho, de modo que a taxa por amostra seja válida.
O tamanho da amostra deve ser suficientemente grande para garantir que a distribuição normal aproxima a distribuição de Poisson de forma adequada porque os limites de decisão são baseados na distribuição normal. A distribuição normal é adequada quando a média é de pelo menos 5.

Se suas amostras não atendem a esses critérios, seus resultados podem não ser válidos.

Cada observação deve ser independente de todas as outras observações

Se suas observações são dependentes, seus resultados podem não ser válidos. Considere os seguintes pontos para determinar se suas observações são independentes:

Se uma observação não fornece informações sobre o valor de outra observação, as observações são independentes.
Se uma observação fornece informações sobre o valor de outra observação, as observações são dependentes.

Os dados da amostra devem ser selecionados aleatoriamente

As amostras aleatórias são usadas para fazer generalizações, ou inferências, sobre uma população. Se seus dados não foram coletados aleatoriamente, seus resultados podem não representar a população.

Coleta de dados usando as práticas recomendadas

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes:

Certifique-se de que os dados representem a população de interesse.
Colete dados suficientes para proporcionar a precisão necessária.
Meça as variáveis com o máximo rigor e precisão possível.
Registro os dados na ordem em que são coletados.