Interpretar os principais resultados para Teste para 2 proporções

Conclua as etapas a seguir para interpretar um teste com 2 proporções. A saída principal inclui a estimativa de diferença, o intervalo de confiança e o valor de p.

Neste tópico

Etapa 1: Determine um intervalo de confiança para a diferença nas proporções de população
Passo 2: Determine se a diferença é estatisticamente significativa

Etapa 1: Determine um intervalo de confiança para a diferença nas proporções de população

Primeiro, considere a diferença nas proporções das amostras e depois examine o intervalo de confiança.

A diferença é uma estimativa da diferença nas proporções da população. Como a diferença média está baseada em dados das amostras e não na população total, é improvável que a diferença da amostra seja igual à diferença da população. Para estimar melhor a diferença da população, use o intervalo de confiança da diferença.

O intervalo de confiança fornece um intervalo de valores prováveis para a diferença entre duas proporções de população. Por exemplo, um nível de confiança de 95% indica que, se você extrair 100 amostras aleatórias da população, poderia esperar que, aproximadamente, 95 das amostras produza intervalos que contêm a diferença da população. O intervalo de confiança ajuda a avaliar a significância prática de seus resultados. Use seu conhecimento especializado para determinar se o intervalo de confiança inclui valores que tenham significância prática para a sua situação. Se o intervalo for muito amplo para ser útil, pense em aumentar o tamanho da amostra. Para obter mais informações, vá para Como obter um intervalo de confiança mais preciso.

Estimativa da diferença

Diferença	IC de 95% para a Diferença
0,0992147	(0,063671; 0,134759)

Principais resultados: Estimativa para diferença, IC de 95% para diferença

Nesses resultados, a estimativa da diferença da população em proporções no emprego no verão para alunos e alunas é 0, aproximadamente 0,099. Você pode ter 95% de confiança de que a razão dos desvios padrão da população está entre, aproximadamente, 0,06 e 0,13.

Passo 2: Determine se a diferença é estatisticamente significativa

Para determinar se a diferença entre as proporções da população é estatisticamente significativa, compare o valor de 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 as proporções da população não é igual à diferença hipotética. Se você não especificar uma diferença hipotética, o Minitab testa se não há diferença entre as proporções (Diferença hipotética = 0) 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 as proporções da população 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, acesse Poder e tamanho de amostra para 2 proporções.

O Minitab usa o método de aproximação normal e o método exato de Fisher para calcular os valores de p para o teste de 2 proporções. Se o número de eventos e o número de não eventos for pelo menos 5 em ambas as amostras, use o menor dos dois valores-p. Se o número de eventos ou o número de não eventos for inferior a 5 em qualquer amostra, o método de aproximação normal pode ser impreciso. O método exato de Fisher é válido para todas as amostras, mas tende a ser conservador. Um valor de p conservador subestima a evidência contra a hipótese nula.

Estatísticas Descritivas

Amostra	N	Evento	Amostra p
Amostra 1	802	725	0,903990
Amostra 2	712	573	0,804775

Teste

Hipótese nula	H₀: p₁ - p₂ = 0
Hipótese alternativa	H₁: p₁ - p₂ ≠ 0

Método	Valor-Z	Valor-p
Aproximação normal	5,47	0,000
Exato de Fisher		0,000

Principal resultado: Valor-p

Nestes resultados, a hipótese nula afirma que não há diferença na proporção de estudantes do sexo masculino e feminino que conseguem um emprego de verão. O número de eventos e não-eventos para ambas as amostras é de pelo menos 5, de modo que ambos os valores-p são válidos. Como os valores-p para ambos os métodos são menores de 0,0001, que é menor do que o nível de significância de 0,05, a decisão é rejeitar a hipótese nula e concluir que a proporção de alunos que conseguiram um emprego de verão é diferente para homens e mulheres.