Interpretar os principais resultados para Teste de Mann-Whitney

Conclua as etapas a seguir para interpretar um teste de Mann-Whitney. A saída principal inclui a estimativa de ponto, o intervalo de confiança, e o valor de p.

Etapa 1: determine um intervalo de confiança para a diferença entre duas medianas populacionais

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

A diferença é uma estimativa da diferença nas medianas 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.

O intervalo de confiança fornece um intervalo de valores prováveis para a diferença entre duas medianas da 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.

Estimativa da diferença

DiferençaIC para a
diferença
Confiança
Atingida
-1,85(-3; -0,9)95,52%
Principais resultados: Diferença, IC para a diferença

Nesses resultados, a estimativa da mediana da população em número de meses que a tinta persiste nas duas rodovias é −1,85. Você pode ter 95,52% de confiança de que a diferença entre as medianas da população esteja entre −3,0 e −0,9.

Etapa 2: Determine se a diferença é estatisticamente significativa

Para determinar se a diferença entre as medianas 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 de p ≤ α: A diferença entre as medianas é estatisticamente significativa (rejeite H0)
Se o valor de p for menor ou igual ao nível de significância, você deve rejeitar a hipótese nula. É possível concluir que a diferença entre as medianas da população 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 de p > α: A diferença entre as medianas não é estatisticamente significativa (não deve rejeitar H0)
Se o valor de 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 medianas da população é estatisticamente significativa. Certifique-se de que o teste tenha poder suficiente para detectar uma diferença que seja significativa na prática.

Um empate ocorre quando o mesmo valor está ambas as amostras. Se os seus dados têm empates, o Minitab exibe um valor de p que é ajustado para empates e um valor de p que não é ajustado para empates. O valor de p ajustado geralmente é mais preciso do que o valor de p não ajustado. No entanto, como o valor de p não ajustado é sempre maior do que o valor de p ajustado para um par específico de amostras, ele é considerado a estimativa mais conservadora.

Teste

Hipótese nulaH₀: η₁ - η₂ = 0
Hipótese alternativaH₁: η₁ - η₂ ≠ 0
MétodoValor WValor-p
Não ajustado para empates76,500,002
Ajustado para empates76,500,002
Resultados principais: valor-p

Nestes resultados, a hipótese nula afirma que a diferença no tempo mediano que duas marcas de tinta persistem em uma estrada é 0. Como o valor de p é 0,002, que é menor do que o nível de significância de 0,05, a decisão é rejeitar a hipótese nula e concluir que o tempo que as duas marcas de tinta persistem são diferentes.