Gráfico de equivalência
Um gráfico de equivalência exibe os limites de equivalência, o intervalo de confiança para equivalência, e a decisão sobre se você pode afirmar equivalência.
Interpretação
Use o gráfico de equivalência para exibir um resumo gráfico dos resultados do teste de equivalência e para determinar se pode afirmar equivalência.
Compare o intervalo de confiança com os limites de equivalência. Se o intervalo de confiança estiver completamente dentro dos limites de equivalência, você poderá afirmar que a média da população do teste é equivalente à média da população de referência. Se parte do intervalo de confiança estiver fora dos limites de equivalência, você não poderá afirmar a equivalência.
Nesses resultados, o intervalo de confiança de 95% está completamente dentro do intervalo de equivalência definido pelo limite equivalência inferior (LEL) e pelo limite de equivalência superior (UEL). Portanto, você pode concluir que a média do teste é equivalente à média de referência.
Histograma
Um histograma divide os valores amostrais em diversos intervalos e representa a frequência dos valores de dados em cada intervalo com uma barra.
Interpretação
Use histogramas para avaliar a forma e a dispersão dos dados. Os histogramas são melhores quando o tamanho amostral é maior do que 20.
- Dados assimétricos
-
Determine se seus dados parecem ser assimétricos.quando os dados estão assimétricos, a maior parte dos dados está voltada para o lado alto ou baixo do gráfico. Com frequência, a assimetria é mais fácil de identificar com um boxplot ou histograma.
Assimétricos à direita
Assimétricos à esquerda
Por exemplo, o histograma assimétrico à direita mostra dados salariais. A muitos funcionários é paga uma quantidade relativamente pequena, enquanto, cada vez mais, a poucos funcionários são pagos grandes salários. O histograma assimétrico à esquerda mostra dados de taxa de falha. Alguns itens falham antes enquanto um número crescente de itens falham mais tarde.
Os dados que são severamente assimétricos podem afetar a validade dos resultados do teste se sua amostra for muito pequena (< 20 valores). Se seus dados forem severamente assimétricos e você tiver uma pequena amostra, considere aumentar o tamanho amostral.
- Outliers
-
Outliers, que são pontos de dados que estão longe da maioria dos outros dados, podem afetar fortemente os resultados. Os outliers são facilmente identificados em um boxplot.
Em um histograma, barras isoladas nas extremidades sugerem possíveis outliers.
Você deve tentar identificar a causa de qualquer outliers. Corrija os erros de entrada de dados ou de medição. Considere remover os dados que estão associados a causas especiais e repetir a análise. Para obter mais informações sobre causas especiais, acesse Usando cartas de controle para detectar variação de causa comum e variação de causa especial.
Gráfico de perfil do sujeito
Mostra a resposta ao tratamento de referência e o tratamento de teste de cada participante no estudo.
Interpretação
Use o gráfico de perfil do sujeito para examinar as respostas de cada participante ao tratamento do teste e ao tratamento de referência.
Verifique se o padrão geral é consistente com os resultados do teste de equivalência. Identifique quaisquer sujeitos cuja resposta é marcadamente inconsistente com as outras respostas, que poderia afetar os resultados gerais.
Este gráfico de perfil do sujeito mostra que a maioria dos participantes do estudo responderam similarmente ao tratamento do teste e ao tratamento de referência. Nenhum dos dois tratamentos parece estar consistentemente associado a uma resposta mais alta ou mais baixa. Os resultados no gráfico concordam com os resultados do teste (não mostrados), que indicam que os dois tratamentos são equivalentes. Além disso, nenhuma resposta difere enormemente das outras respostas.
Boxplot
O boxplot fornece um resumo gráfico da distribuição das diferenças emparelhadas que mostra a sua variabilidade e tendência central.
Interpretação
Use um boxplot para examinar a dispersão dos dados e identificar quaisquer outliers potenciais. Os boxplots são melhores quando o tamanho amostral for superior a 20.
- Dados assimétricos
-
Determine se seus dados parecem ser assimétricos.quando os dados estão assimétricos, a maior parte dos dados está voltada para o lado alto ou baixo do gráfico. Com frequência, a assimetria é mais fácil de identificar com um boxplot ou histograma.
Assimétricos à direita
Assimétricos à esquerda
Por exemplo, o histograma assimétrico à direita mostra dados salariais. A muitos funcionários é paga uma quantidade relativamente pequena, enquanto, cada vez mais, a poucos funcionários são pagos grandes salários. O histograma com dados assimétricos à esquerda mostra a taxa de falha de dados. Alguns itens falham antes enquanto um número crescente de itens falham mais tarde.
Os dados que são severamente assimétricos podem afetar a validade dos resultados do teste se sua amostra for muito pequena (< 20 valores). Se seus dados forem severamente assimétricos e você tiver uma pequena amostra, considere aumentar o tamanho amostral.
- Outliers
-
Outliers, que são pontos de dados que estão longe da maioria dos outros dados, podem afetar fortemente os resultados. Os outliers são facilmente identificados em um boxplot.
Em um boxplot, os outliers são identificados por asteriscos (*).
Você deve tentar identificar a causa de qualquer outliers. Corrija os erros de entrada de dados ou de medição. Considere remover os dados que estão associados a causas especiais e repetir a análise. Para obter mais informações sobre causas especiais, acesse Usando cartas de controle para detectar variação de causa comum e variação de causa especial.
