Selecionar as opções de análise para Poder e tamanho de amostra para 2 proporções

Selecione a hipótese alternativa ou especifique o nível de significância para o teste.

Hipótese alternativa

Em Hipótese alternativa, selecione a hipótese que você deseja testar:

• Menor que (p1 < p2): Use este teste unilateral para determinar se uma proporção da população é menor que a outra proporção da população. Este teste unilateral tem maior poder do que um teste bilateral, mas não pode detectar se uma proporção da população é maior do que outra proporção da população. Se você selecionar essa opção, o valor inserido para Proporções de comparação (p1) deve ser menor do que o valor que você inseriu para Proporção da linha de base (p2) na caixa de diálogo Poder e tamanho de amostra para 2 proporções.

  Por exemplo, um engenheiro utiliza este teste unilateral para determinar se a diferença entre as proporções de partes defeituosas de duas qualidades de material é menor do que 0. Este teste unilateral tem maior poder para detectar se a diferença nas proporções de partes defeituosas é menor do que 0, mas não pode detectar se a diferença é maior do que 0.

• Diferente (p1 ≠ p2): Utilize este teste bilateral para determinar se duas proporções populacionais são diferentes. Este teste bilateral pode detectar se uma proporção de população é menor ou maior do que a outra proporção de população, mas tem menos poder do que um teste unilateral.

  Por exemplo, um gerente de banco testa se a proporção de clientes que têm contas de poupança é diferente em dois locais. Como qualquer diferença nas proporções é importante, o gerente utiliza este teste bilateral para determinar se a proporção em um só local é maior ou menor do que no outro local.

• Maior que (p1 > p2): Use este teste unilateral para determinar se uma proporção da população é maior que a outra proporção da população. Este teste unilateral tem maior poder do que um teste bilateral, mas não pode detectar se uma proporção da população é menor do que outra proporção da população. Se você selecionar essa opção, o valor inserido para Proporções de comparação (p1) deve ser maior do que o valor que você inseriu para Proporção da linha de base (p2) na caixa de diálogo Poder e tamanho de amostra para 2 proporções.

  Por exemplo, um analista de logística utiliza um teste unilateral para determinar se a diferença nas proporções de entregas com limite de horário para dois locais é maior que 0. Este teste unilateral tem um maior poder de detectar se a diferença de entregas com limite de horário é superior a 0, mas não pode detectar se a diferença é menor do que 0.

Para obter mais informações sobre como selecionar uma hipótese alternativa unilateral ou bilateral, acesse Sobre as hipóteses nula e alternativa.

Nível de significância

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.

Em geral, 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 concluir que existe uma diferença, quando, na verdade, não existe nenhuma diferença, é de 5%. Ele também indica que o poder do teste é de 0,05 quando não há nenhuma diferença.

• Escolha um nível de significância mais elevado, como 0,10, para ter mais certeza de que seja detectada alguma diferença que possivelmente exista. Por exemplo, um engenheiro de qualidade compara a estabilidade de novos rolamentos de esferas com a estabilidade dos rolamentos atuais. O engenheiro deve estar altamente certo que os novos rolamentos de esferas são estáveis porque rolamentos de esferas instáveis podem causar um desastre. Portanto, o engenheiro escolhe um nível de significância de 0,10 para ter mais certeza de detectar qualquer diferença possível na estabilidade dos rolamentos de esferas.
• Escolha um nível de significância inferior, como 0,01, para ter mais certeza de que seja detectada apenas uma diferença que realmente exista. Por exemplo, um cientista em uma empresa farmacêutica deve estar muito certo de que a alegação de que um novo medicamento da empresa reduz significativamente os sintomas é verdadeira. O cientista escolhe um nível de significância de 0,01 para ter mais certeza de que exista qualquer diferença significativa nos sintomas.