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.
Comprimento da observação
Poisson processa as ocorrências de contagem de um determinado evento ou propriedade em uma escala de observação específica, o que pode representar coisas como tempo, área, volume e número de itens. O comprimento da observação representa a magnitude, duração ou tamanho do período de cada intervalo de observação.
Interpretação
O Minitab o comprimento da observação para converter a taxa de ocorrência na forma mais conveniente para a situação.
Por exemplo, se cada observação na amostra conta o número de eventos em um ano, um comprimento 1 representa uma taxa de ocorrência anual e um comprimento 12 representa uma taxa de ocorrência mensal.
- O total de ocorrências é 122 porque os inspetores encontram 122 defeitos.
- O tamanho amostral (N) é 50 porque os inspetores amostram 50 caixas.
- Para determinar o número de defeitos por toalha, os inspetores usam o comprimento de observação 10 porque existem 10 toalhas em cada caixa. Para determinar o número de defeitos por caixa, os inspetores usam o comprimento de observação 1.
- A taxa de ocorrência é (Total de ocorrências / N / (comprimento da observação) = (122/50) / 10 = 0,244. Por isso, cada toalha tem, em média, 0,244 defeitos.
Taxa de comparação
A taxa de comparação é o valor que você deseja comparar com a taxa hipotética.
Interpretação
O Minitab calcula a taxa de comparação. A diferença entre a taxa de comparação e a taxa hipotética é a diferença mínima para a 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 taxa 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 ser para que um teste com o seu poder especificado detecte a diferença entre a taxa hipotética e a taxa de comparação. 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 taxa 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 taxa hipotética e a taxa 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 taxa 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 taxa 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 taxas 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 taxa de comparação e a taxa 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 25 mostra que o teste tem um poder de aproximadamente 0,84 para uma taxa de comparação de 13. Para um tamanho amostral de 100, a curva de poder mostra que o teste tem um poder de aproximadamente 0,9 para uma taxa de comparação de 13. Conforme a taxa de comparação se aproxima da taxa hipotética (15 no gráfico), o poder do teste diminui e se aproxima de α (também chamado de nível de significância), que é de 0,05 para esta análise.
