α (alfa)
O nível de significância (indicado como α ou alfa) é o nível máximo aceitável de risco para rejeitar a hipótese nula quando ela é verdadeira (erro tipo I). Alfa também é interpretado como o poder do teste quando a hipótese nula (H0) for verdadeira. Em geral, você escolhe o nível de significância antes de analisar os dados. Por padrão, o nível de significância é 0,25.
Interpretação
Use o nível de significância para minimizar o valor do poder do teste quando a hipótese nula (H0) for verdadeira. Os valores mais elevados para o nível de significância dão mais poder ao teste, mas também aumentar a chance cometer um erro do tipo I, que está rejeitando a hipótese nula quando ela é verdadeira.
Comparação p
A proporção de comparação é o valor que você deseja comparar com a proporção hipotética.
Interpretação
O Minitab calcula a proporção comparação. A diferença entre a proporção de comparação e a proporção hipotética é a diferença mínima para o qual é possível alcançar o nível especificado de potência para cada tamanho amostral. Amostras maiores permitem que o teste para detecte diferenças menores. Você deseja detectar a menor diferença que tenha consequências práticas para sua aplicação.
Para investigar melhor a relação entre o tamanho amostral e a proporção de comparação a um determinado poder, use a curva de poder.
Tamanho amostral
O tamanho amostral é o número total de observações na amostra.
Interpretação
Use o tamanho amostral para estimar quantas observações que você precisa para obter um certo valor de poder para um teste de hipótese com uma diferença específica.
O Minitab calcula o tamanho que sua amostra deve ter para que um teste com o seu poder especificado detecte a diferença entre a proporção hipotética e a comparação da proporção. 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.
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.
Para investigar melhor a relação entre o tamanho amostral e a diferença um determinado poder, use a curva de poder.
Poder
O poder de um teste de hipótese é a probabilidade de que o teste rejeite corretamente a hipótese nula. O poder de um teste de hipótese é afetado pelo tamanho amostral, a diferença, a variabilidade dos dados e o nível de significância do teste.
Para obter mais informações, vá para O que é potência?.
Interpretação
O Minitab calcula o poder do teste com base na proporção da comparação e tamanho amostral. Em geral, um valor de poder de 0,9 é considerado adequado. Um valor de 0,9 indica que não há uma probabilidade de 90% de detectar uma diferença entre a proporção hipotética e a proporção de comparação da população quando uma diferença realmente existe. Se um teste apresenta baixo poder, talvez não seja possível detectar a diferença e você conclua erroneamente que não existe nenhuma. Normalmente, quando o tamanho amostral é menor ou a diferença é menor, o teste tem menos poder para detectar uma diferença.
Se você inserir proporção de comparação e um valor de poder para o teste, o Minitab calcula o tamanho que sua amostra deve ter. O Minitab também calcula o poder real do teste para aquele tamanho da amostral. 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.
Curva de poder
A curva de poder representa graficamente o poder do teste versus a proporção de comparação.
Interpretação
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 proporção de comparação para cada tamanho amostral quando o nível de significância é mantido constante. 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 proporção de comparação correspondente e exibe o valor calculado no gráfico.
Examine os valores na curva para determinar a diferença entre a proporção de comparação e a proporção hipotética que pode ser detectada 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 hipótese tiver baixo poder, talvez não seja possível detectar a diferença que é praticamente significativa. 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. Se você diminuir o tamanho da diferença que deseja detectar, o poder também diminuirá.
Neste gráfico, a curva de poder para um tamanho amostral de 500 mostra que o teste tem um poder de 0,431 para uma proporção de comparação de 0,045 e um poder de 0,449 para uma proporção comparação de 0,085. Para um tamanho amostral de 1000, a curva de poder mostra que o teste tem um poder de 0,764 para uma proporção comparação de 0,045 e um poder de 0,704 para uma proporção comparação de 0,085. Como o poder do teste não é suficiente para detectar uma diferença entre a proporção comparação da linha de referência e a proporção de 0,065, tentar aumentar o tamanho amostral, se possível. Também é possível usar a curva de poder para determinar diferentes valores que correspondem a um nível adequado de poder com o tamanho amostral especificado.
