Etapa 1: Examine os valores calculados
- Diferença (ou razão)
- Se você inserir o tamanho da amostra e o poder do teste, o Minitab calcula a diferença (ou razão) que o teste pode acomodar no poder e tamanho de amostra especificado. Para amostras maiores, a diferença (ou razão) pode estar mais próxima de seus limites de equivalência. Este valor representa a diferença (ou razão) entre a média da população de teste e a média da população de referência.
- Tamanho amostral
- Se você inserir uma diferença (ou razão) e um valor de poder para o teste, o Minitab calcula o tamanho que sua amostra deve ter. Se você aumentar o tamanho amostral, o poder do teste também aumentará. Você quer observações suficientes na sua amostra para alcançar o poder adequado. Porém, você não quer um tamanho amostral tão grande a ponto de perder tempo e dinheiro em amostragens desnecessárias ou detectar diferenças sem importância para serem estatisticamente significativas.
Observação
Como os tamanhos amostrais são números inteiros, o poder real do teste pode ser um pouco maior do que o valor de poder que você especificar.
- Poder
- Se você inserir um tamanho amostral e uma diferença (ou taxa), o Minitab calcula o poder do teste. Em geral, um valor de poder de pelo menos 0,9 é considerado adequado. Um poder de 0,9 indica que você tem uma probabilidade de 90% de demonstrar a equivalência quando a diferença (ou proporção) entre as médias de população está, na verdade, dentro dos limites de equivalência. Se um teste de equivalência tem baixo poder, você pode deixar de demonstrar a equivalência, mesmo quando a média de teste e a média de referência são equivalentes.Normalmente, quando o tamanho amostral é menor ou quando a diferença (ou proporção) está mais perto de um limite de equivalência, o teste tem menos poder para afirmar equivalência.
Observação
As definições e interpretações neste tópico se aplicam a um teste de equivalência que utiliza a hipótese alternativa padrão para a diferença (Limite inferior < média de teste - média de referência < limite superior ou a hipótese alternativa de padrão para a razão (Limite inferior < média de teste / média de referência < limite superior).
Método
| Poder para a diferença: | Média de teste - média de referência |
|---|---|
| Hipótese nula: | Diferença ≤ -1 ou Diferença ≥ 1 |
| Hipótese alternativa: | -1 < Diferença < 1 |
| Nível α: | 0,05 |
| Desvio padrão assumido: | 0,31 |
Resultados
| Diferença | Tamanho Amostral | Poder |
|---|---|---|
| 0,8 | 25 | 0,727010 |
Resultados principais: diferença, tamanho amostral, poder
Estes resultados mostram que, se o tamanho da amostra for 25 em cada grupo e a diferença for 0,8, o poder do teste para demonstrar a equivalência é de aproximadamente 0,73. Como a potência do teste não é adequada para acomodar a diferença de 0,8, você deve aumentar o tamanho amostral, se possível. Você também pode usar a curva de poder para determinar a que menor valor da diferença o teste pode alcançar poder adequado (0,9) com o tamanho amostral especificado.
Etapa 2: Examine a curva de poder
Use a curva de poder para avaliar o tamanho amostral ou o poder adequado para o seu teste.
A curva de poder representa todas as combinações de poder e diferença (ou razão) para cada tamanho amostral quando o nível de significância e o desvio padrão (ou coeficiente de variação) são mantidos constantes. Cada símbolo na curva de poder representa um valor calculado com base nos valores inseridos. Por exemplo, se você inserir um tamanho amostral e um valor de poder, o Minitab calcula a diferença (ou razão) correspondente e exibe o valor calculado no gráfico.
Examine os valores na curva para determinar a diferença (ou razão) entre a média de teste e a média de referência que pode ser acomodada a um determinado valor de poder e tamanho amostral. Em geral, um valor de poder de 0,9 é considerado adequado. No entanto, alguns profissionais consideram o valor de poder de 0,8 como adequado. Se um teste de equivalência tiver baixo poder, talvez não seja possível demonstrar a equivalência mesmo se as médias da população forem equivalentes. Se você aumentar o tamanho amostral, o poder do teste também aumentará. Você quer observações suficientes na sua amostra para alcançar o poder adequado. Porém, você não quer um tamanho amostral tão grande a ponto de perder tempo e dinheiro em amostragens desnecessárias ou detectar diferenças sem importância para serem estatisticamente significativas. Normalmente, as diferenças (ou razões) que estão mais próximas aos limites de equivalência exigem mais poder para demonstrar a equivalência.
Neste gráfico, a curva de poder para um tamanho amostral de 8 (em cada grupo) mostra que o teste tem poder de 0,9 para uma diferença de aproximadamente ± 0,4. A curva de poder de um tamanho amostral de 12 mostra que o teste tem um poder de 0,9 para uma diferença de aproximadamente ± 0,5. A curva de poder de um tamanho amostral de 12 mostra que o teste tem um poder de 0,9 para uma diferença de aproximadamente ± 0,6. Para cada curva, como a diferença se aproxima do limite de equivalência inferior ou do limite de equivalência superior, o poder do teste diminui e se aproxima de α (alfa, que é o risco de afirmar a equivalência quando não ela não é verdadeira).
