Ao usar os valores das duas propriedades que você inseriu, o Minitab calcula a diferença, o tamanho amostral, ou o poder do teste.
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.
As definições e interpretações neste tópico se aplicam a um teste de equivalência padrão que utilizam a hipótese alternativa padrão (Limite inferior < média de teste - média de referência < limite superior).
Poder para a diferença: | Média de teste - média de referência |
---|---|
Hipótese nula: | Diferença ≤ -0,45 ou Diferença ≥ 0,45 |
Hipótese alternativa: | -0,45 < Diferença < 0,45 |
Nível α: | 0,05 |
Diferença | Tamanho Amostral | Poder |
---|---|---|
0,4 | 12 | 0,603466 |
Estes resultados mostram que, se o tamanho amostral for 12 em cada sequência e a diferença for 0,4, o poder do teste para demonstrar a equivalência é de aproximadamente 0,6. Como o poder do teste não é adequado para acomodar a diferença de 0,4, você deve aumentar o tamanho amostral, se possível. Também é possível usar a curva de poder para determinar em que valor de diferença o teste pode alcançar o poder adequado (0,9) para o tamanho amostral especificado.
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.