Através da análise de um grupo de resultados, construir a ideia de poder e como as variavéis estão atreladas aos testes que podemos fazer
Este relatório foi dividido em quatro “experimentos” com distribuições normais diferentes em cada sessão, dentro de cada uma delas possui ainda 3 alphas diferentes, portanto ao final do relatório é possível a visualização de 12 gráficos e a explicação deles
-α (alpha) é o nível de significância do teste, ele representa a probabilidade de cometer um erro tipo I, ou seja é a chance de rejeitar a hipótese nula H₀ mesmo quando ela é verdadeira.
-Poder é a probabilidade de rejeitar a hipótese nula (H₀) quando ela é falas, é a capacidade do seu teste de encontrar essa diferença quando ela realmente existe.
grafico com alpha de 5%
## Proporção de rejeições de H0 (nível empírico): 4.65 %
grafico com alpha de 1%
## Proporção de rejeições de H0 (nível empírico): 1.03 %
grafico com alpha de 10%
## Proporção de rejeições de H0 (nível empírico): 9.08 %
alpha 5%
## Poder estimado do teste (μ₁ = 91): 0.2614
alpha 1%
## Poder estimado do teste (μ₁ = 91): 0.1054
alpha com 10%
## Poder estimado do teste (μ₁ = 91): 0.3842
alpha 5%
## Poder estimado do teste (μ₁ = 92): 0.7567
alpha 1%
## Poder estimado do teste (μ₁ = 92): 0.5026
alpha com 10%
## Poder estimado do teste (μ₁ = 92): 0.8494
alpha 5%
## Poder estimado do teste (μ₁ = 93): 0.9765
alpha 1%
## Poder estimado do teste (μ₁ = 93): 0.9018
alpha com 10%
## Poder estimado do teste (μ₁ = 93): 0.9914
Conclui-se que quanto maior seu alpha maior é o seu poder, quando se presupõe que H0 é verdadeira, as populações tendem a ser mais homogêneas e se comporta de forma mais previsível