Nível alfa
O nível de significância (indicado por alfa ou α) é o nível máximo de risco aceitável para rejeitar a hipótese nula quando ela é verdadeira (erro tipo 1). Por exemplo, se você executar um ANOVA com um fator utilizando as hipóteses padrão, um α de 0,05 indica um risco de 5% de concluir que existe uma diferença quando não existe realmente uma diferença.
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.
Desvio padrão suposto
O desvio padrão é a medida mais comum da dispersão, ou quanto os dados variam em relação à média. A variação que é aleatória ou natural de um processo é frequentemente referida como ruído.
Interpretação
O desvio padrão suposto é um planejamento estimado do desvio padrão da população que você insere para a análise de poder. O Minitab utiliza o desvio padrão suposto a calcular o poder do teste. Os valores mais elevados do desvio padrão indicam que existe mais variação nos dados, o que diminui o poder estatístico de um teste.Diferença máxima
A diferença máxima é a diferença entre a menor média de grupo e a maior média de grupo.
Interpretação
Se você inserir o tamanho amostral e o poder, o Minitab calcula a diferença máxima. Em geral, amostras maiores possibilitam que você possa detectar uma diferença máxima menor a um poder especificado.
- Com 5 observações em cada grupo, o poder do teste é de 0,9 quando a diferença fica aproximadamente 4,4.
- Com 8 observações em cada grupo, o poder do teste é de 0,9 quando a diferença fica aproximadamente 3,6.
- Com 9 observações em cada grupo, o poder do teste é de 0,9 quando a diferença fica aproximadamente 3,1.
Para investigar melhor a relação entre o tamanho da amostra e a diferença que o ensaio pode acomodar a um determinado poder, use a curva de poder.
Resultados
| Tamanho Amostral | Poder | Diferença Máxima |
|---|---|---|
| 5 | 0,9 | 4,42404 |
| 7 | 0,9 | 3,58435 |
| 9 | 0,9 | 3,09574 |
Poder
O poder de um ANOVA com um fator é a probabilidade de que o teste irá determinar que a diferença máxima entre as médias dos grupos é estatisticamente significativa, quando a diferença realmente existe.
Interpretação
Se você inseriu o tamanho amostral e o poder, o Minitab calcula o poder do teste. 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, pelo menos, duas das médias quando essa diferença realmente existe nas populações. 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.
Por exemplo, nos resultados seguintes, um tamanho amostral de 4 fornece um poder de aproximadamente 0,9 para uma diferença máxima de 6, mas apenas 0,69 para uma diferença máxima de 4. Em cada valor máximo de diferença, o aumento do tamanho amostral aumenta o poder do teste.
Resultados
| Diferença Máxima | Tamanho Amostral | Poder |
|---|---|---|
| 2 | 4 | 0,206970 |
| 2 | 6 | 0,332203 |
| 2 | 8 | 0,454971 |
| 4 | 4 | 0,688630 |
| 4 | 6 | 0,909626 |
| 4 | 8 | 0,978713 |
| 6 | 4 | 0,968086 |
| 6 | 6 | 0,999226 |
| 6 | 8 | 0,999988 |
Curva de poder
A curva de poder representa graficamente o poder do teste versus a diferença máxima entre a menor média e a maior média.
Interpretação
Use a curva de poder para avaliar o tamanho amostral ou o poder adequado para o seu teste.
A curva de poder representa cada combinação de poder e a diferença máxima para cada tamanho amostral quando o nível de significância e o desvio-padrão são mantidos constantes. Cada símbolo na curva de poder representa um valor calculado com base nos valores inseridos por duas propriedades. Por exemplo, se você inserir um tamanho amostral e um valor de poder, o Minitab calcula a diferença máxima correspondente e exibe o valor no gráfico.
Examine os valores na curva para determinar a diferença que o teste pode detectar a um determinado 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 uma ANOVA com um fator tiver baixo poder, talvez não seja possível detectar a menor diferença e a maior diferença quando realmente existir uma.
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.
Neste gráfico, cada tamanho amostral tem a sua própria curva. A curva de poder para um tamanho amostral de 5 (em cada grupo) mostra que o teste tem um poder de aproximadamente 0,8 para uma diferença máxima de 4. A curva de poder de um tamanho amostral de 7 mostra que o teste tem um poder de aproximadamente 0,95 para uma diferença máxima de 4. A curva de poder de um tamanho amostral de 9 mostra que o teste tem um poder que se aproxima de 1,0 para uma diferença máxima de 4. Para cada curva do tamanho amostral, conforme a diferença máxima aumenta, também aumenta o poder.
Tamanho amostral
O tamanho amostral é o número total de observações na amostra.
Interpretação
Se você inserir o poder e a diferença máxima, o Minitab calcula o tamanho que sua amostra deve ter. O tamanho amostral se refere ao número de observações em cada grupo. 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.
Por exemplo, os resultados a seguir mostram que, para uma diferença máxima de 4, um tamanho amostral maior produz poder mais elevado. O tamanho amostral de 5 em cada grupo produz um poder real de aproximadamente 0,83, e um tamanho amostral de 6 produz um poder real aproximadamente 0,91.
Resultados
| Diferença Máxima | Tamanho Amostral | Poder Alvo | Poder Real |
|---|---|---|---|
| 4 | 5 | 0,8 | 0,826860 |
| 4 | 6 | 0,9 | 0,909626 |
