Interpretar os principais resultados para Teste para 1 proporção

Conclua as etapas a seguir para interpretar um teste de 1 proporção. A saída principal inclui a estimativa de proporção, o intervalo de confiança e o valor de p.

Neste tópico

Passo 1: Determinar um intervalo de confiança para a proporção da população
Passo 2: determine se os resultados de teste são estatisticamente significativos

Passo 1: Determinar um intervalo de confiança para a proporção da população

Primeiro, considere a proporção da amostra e depois examine o intervalo de confiança.

A proporção amostral é uma estimativa da proporção populacional.Como a proporção é baseada em dados amostrais e não em toda a população, é improvável que a proporção da amostra seja igual à proporção da população.Para estimar melhor a proporção da população, use o intervalo de confiança.

O intervalo de confiança fornece um intervalo de valores possíveis para a proporção da população. Por exemplo, um nível de confiança de 95% indica que, se você pegar 100 amostras aleatórias da população, poderá esperar que aproximadamente 95 das amostras produzam intervalos que cubram a proporção da população. O intervalo de confiança ajuda a avaliar o significado prático de seus resultados. Use seu conhecimento especializado para determinar se o intervalo de confiança inclui valores que têm significado prático para sua situação. Se o intervalo for muito amplo para ser útil, considere aumentar o tamanho da amostra.Para obter mais informações, acesse Como obter um intervalo de confiança mais preciso.

Estatísticas Descritivas

N	Evento	Amostra p	IC de 95% para p
1000	87	0,087000	(0,070617; 0,106130)

Principais resultados: Amostra p, IC 95%

Nestes resultados, a estimativa da proporção da população para casas que fizeram uma compra é 0,087. Você pode ter 95% de confiança que a proporção da população está entre aproximadamente 0,07 e 0,106.

Passo 2: determine se os resultados de teste são estatisticamente significativos

Para determinar se a diferença entre a proporção da população e a proporção hipotética é estatisticamente significante, compare o valor-p com o nível de significância. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica que o risco de se concluir que existe uma diferença, quando, na verdade, não existe nenhuma diferença real, é de 5%.

Valor-p ≤ α: A diferença entre as proporções é estatisticamente significativa (rejeite H₀): Se o valor-p for menor ou igual ao nível de significância, você deve rejeitar a hipótese nula. É possível concluir que a diferença entre a proporção da população e a proporção hipotética é estatisticamente significativa.Use seu conhecimento especializado para determinar se a diferença é praticamente significativa.Para obter mais informações, acesse Significância estatística e prática.
Valor-p > α: A diferença entre as proporções não é estatisticamente significativa (não rejeite H₀): Se o valor-p for maior do que o nível de significância, você não deve rejeitar a hipótese nula. Não há evidências suficientes para concluir que a diferença entre a proporção da população e a proporção hipotética é estatisticamente significativa. Certifique-se de que o teste tenha poder suficiente para detectar uma diferença que seja significativa na prática. Para obter mais informações, vá para Poder e tamanho de amostra para 1 proporção.

Teste

Hipótese nula	H₀: p = 0,065
Hipótese alternativa	H₁: p ≠ 0,065

Valor-p
0,007

Principal resultado: Valor-P

Nestes resultados, a hipótese nula afirma que a proporção de famílias que compraram um novo produto é igual a 6,5%. Como o valor de p é de 0,007, que é menor que o nível de significância de 0,05, a amostra fornece fortes evidências contra a hipótese nula. A decisão é rejeitar a hipótese nula e concluir que a proporção populacional de domicílios que compraram o novo produto é diferente de 6,5%.