A relação entre os intervalos de confiança e testes de significância
Você pode usar intervalos de confiança (IC) como uma alternativa para alguns dos testes de significância usuais. Para avaliar a importância usando ICs, você primeiro definir um número que mede a quantidade de efeito que você está testando. Este tamanho do efeito pode ser a diferença entre dois meios ou duas proporções, a razão entre dois meios, uma razão de probabilidade, uma razão de risco relativo, ou uma taxa de risco, entre outros.
Conteúdo
A completa ausência de qualquer efeito corresponde a uma diferença de 0, ou uma proporção de 1, de modo que estes são chamados os valores “sem efeito”.
A seguir, são sempre verdadeiro:
Video: Teste de hipótese para a diferença de duas médias populacionais com SIGMA 1 e 2 conhecidos
Se o IC de 95 por cento em torno do tamanho do efeito observado inclui o valor sem efeitos (0 para diferenças, um para rácios), em seguida, o efeito é não estatisticamente significativa (isto é, um teste de significância para esse efeito vai produzir p gt; 0,05).
Se o IC de 95 por cento em torno do tamanho do efeito observado não inclui o valor sem efeito, em seguida, o efeito é significativa (isto é, um teste de significância para esse efeito vai produzir p
O mesmo tipo de correspondência é verdadeiro para outros níveis de confiança e níveis de significância: níveis de confiança de 90 por cento corresponde ao nível de significância p = 0,10, níveis de confiança de 99 por cento corresponde ao p = 0,01 nível de significância, e assim por diante.
Então você tem duas diferentes, mas relacionadas, maneiras de provar que algum efeito está presente - você pode usar testes de significância, e você pode usar intervalos de confiança. Qual é o melhor? Os dois métodos são consistentes entre si, mas muitas pessoas preferem a abordagem CI à abordagem p-valor. Por quê?
O valor p é o resultado da interação complexa entre o tamanho observado efeito, o tamanho da amostra e do tamanho de flutuações aleatórias, tudo se resumia em um único número que não lhe dizer se o efeito era grande ou pequena, clinicamente importante ou insignificante.
O CI em torno do efeito médio mostra claramente o tamanho do efeito observado, juntamente com um indicador de quão incerto o seu conhecimento de que o tamanho do efeito é. Diz-lhe não só se o efeito é estatisticamente significativa, mas também pode dar-lhe um sentido intuitivo de se o efeito é clinicamente importante.
Video: Estatística com Planilhas (CALC) - Correlação Linear Simples com Teste de Significância
A abordagem CI presta-se a uma forma muito simples e natural de comparar dois produtos para equivalência ou não inferioridade.
Video: Estatística - Aula 24 - Teste de Hipóteses para Média com Variância Desconhecida