Ao usar os valores das duas variáveis de função de poder que você inseriu, o Minitab calcula a diferença, o tamanho amostral, ou o poder do teste.
O Minitab calcula a diferença mínima para a qual é possível alcançar o nível especificado de poder para cada tamanho amostral. Amostras maiores permitem que o teste detecte diferenças menores. Você deseja detectar a menor diferença que tenha consequências práticas para sua aplicação.
Esse valor representa a diferença entre as médias populacionais das observações pareadas.
O Minitab calcula o tamanho que sua amostra deve ter para que um teste com o seu poder especificado detecte cada diferença especificada. 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.
O Minitab calcula o poder do teste com base na diferença e tamanho amostral especificado. Em geral, um valor de poder de 0,9 é considerado adequado. Um valor de 0,9 indica que você tem uma probabilidade de 90% de detectar uma diferença entre as médias pareadas 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.
Diferença | Tamanho Amostral | Poder |
---|---|---|
3 | 10 | 0,395918 |
3 | 20 | 0,721005 |
3 | 50 | 0,986031 |
Estes resultados mostram que, se a diferença for de 3 e os tamanhos amostrais forem de 10, 20 e 50, o poder do teste é de aproximadamente 0,4, 0,72 e 0,99 para cada tamanho amostral, respectivamente. O tamanho amostral de 20 ou menos não dá ao teste o poder adequado para detectar uma diferença de 3, enquanto um tamanho amostral de 50 pode dar ao teste poder em demasia.
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 para cada tamanho amostral, quando o nível de significância e o desvio padrão são mantidos constantes. Cada símbolo na curva da 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 correspondente e exibe o valor calculado no gráfico.
Examine os valores na curva para determinar a diferença entre as médias pareadas 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 hipóteses tiver baixo poder, talvez não seja possível detectar uma diferença 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 10 mostra que o teste tem um poder de aproximadamente 0,4 para uma diferença de 3. A curva de poder de um tamanho amostral de 20 mostra que o teste tem um poder de aproximadamente 0,72 para uma diferença de 3. A curva de poder para um tamanho amostral de 50 mostra que o teste tem um poder de aproximadamente 0,99 para a diferença de 3. Conforme a diferença de se aproxima de 0, o poder dos testes diminui e se aproxima de α (também chamado de nível de significância ), que é de 0,05 para esta análise.