Teste de taxa de Poisson de uma amostra

O teste de taxa de Poisson de uma amostra estima a taxa de eventos por unidade de exposição e a compara com uma taxa hipotética. Use-o para contagens de eventos independentes em uma exposição fixa, não para dados aprovado/reprovado. Os dados podem ser uma coluna de contagens ou um tamanho amostral e um total. Oferece o método exato ou a aproximação normal e informa a taxa amostral, seu intervalo de confiança e um valor-p.

Última revisão

Conclusão principal

O teste de taxa de Poisson de uma amostra estima a taxa de ocorrência de eventos, como defeitos por painel ou paradas por mês, com um intervalo de confiança, e testa se ela difere de uma taxa-alvo ou histórica.

Nesta página
  1. Finalidade
  2. Principais recursos
  3. Métodos estatísticos
  4. Campos de entrada e opções
  5. Descrição da saída
  6. Exemplo prático

Finalidade

O teste de taxa de Poisson de uma amostra (1-Sample Poisson Rate Test) estima a taxa de ocorrência de eventos, como defeitos por painel, paradas por mês ou chamadas por hora, e a compara com uma taxa-alvo ou histórica. Ele fornece a taxa com um intervalo de confiança e, se você quiser, um teste de se a taxa difere do valor hipotético ou é maior ou menor que ele. Use-o para contagens de eventos em uma quantidade fixa de exposição (unidades, área, tempo) em que cada evento é independente, e não para resultados aprovado/reprovado, que exigem o teste 1 Proportion.

Principais recursos

  • Dados como uma coluna de contagens (uma contagem por unidade) ou como um resumo: tamanho amostral e total de ocorrências.
  • Método exato (teste de Poisson exato e intervalo de confiança exato) ou aproximação normal (teste z).
  • Hipóteses alternativas bicaudais ou unicaudais, com um intervalo bilateral ou um limite unilateral correspondente.
  • Taxa por unidade de qualquer duração de observação, ex.: por painel, por 100 m² ou por turno.
  • Apenas o intervalo de confiança, sem teste, quando Perform hypothesis test está desmarcada.

Métodos estatísticos

Com N unidades, cada uma observada por uma duração t (Length of observation, padrão 1), a exposição total é T = N·t. Se X eventos são contados no total, a taxa amostral é λ̂ = X / T. Sob a hipótese nula, a contagem X segue uma distribuição de Poisson com média μ₀ = λ₀·T, em que λ₀ é a taxa hipotética.

Método exato: para Rate > hypothesized rate, o valor-p é P(X ≥ x | μ₀); para Rate < hypothesized rate, é P(X ≤ x | μ₀); e, no teste bicaudal, o valor-p soma a probabilidade na cauda oposta além da contagem que é igualmente improvável segundo a regra da razão de verossimilhança. O intervalo de confiança é o intervalo exato (Garwood) obtido da distribuição qui-quadrado: inferior = χ²(α/2; 2x) / (2T), superior = χ²(1 − α/2; 2x + 2) / (2T), com α / 2 substituído por α para um limite unilateral.

Aproximação normal: z = (λ̂ − λ₀) / √(λ₀ / T), com o valor-p obtido da distribuição normal padrão, e o intervalo λ̂ ± z·√(λ̂ / T), truncado em zero. Ela é próxima do método exato quando a contagem esperada é grande. Ambos os métodos pressupõem que os eventos ocorrem de forma independente a uma taxa constante, de modo que a variância das contagens é igual à sua média; se as contagens variarem muito mais que a média (agrupamentos de defeitos), o valor-p será pequeno demais.

Campos de entrada e opções

Campo

Descrição

Data

Summarized data (padrão) ou Counts in a column.

Sample

Com Counts in a column: a coluna de contagens, uma por unidade. As contagens devem ser números inteiros iguais ou maiores que 0; células em branco são ignoradas.

Sample size / Total occurrences

Com Summarized data: o número de unidades e o número total de eventos contados.

Perform hypothesis test

Marcada por padrão. Desmarque-a para obter apenas a taxa e seu intervalo de confiança.

Hypothesized rate

Obrigatório para o teste. A taxa-alvo ou histórica por duração de observação; acima de 0.

Confidence level

Padrão 95; de 75 a 100.

Alternative hypothesis

Rate ≠ hypothesized rate (padrão), Rate < hypothesized rate ou Rate > hypothesized rate.

Method

Exact (padrão) ou Normal approximation.

Length of observation

Padrão 1. A quantidade de exposição de cada unidade, nas unidades em que a taxa é expressa.

one-sample-poisson-rate-test-inputs


Figura 1 — Opções do exemplo: defeitos de pintura contados em cada painel, taxa hipotética 2, bicaudal, método exato.

Descrição da saída

  • Descriptive Statistics — N, Total Occurrences, Sample Rate e o intervalo de confiança para λ (ou um limite inferior ou superior em um teste unicaudal), com notas que indicam a coluna, o método e qualquer duração de observação diferente de 1.
  • Test — as hipóteses nula e alternativa e o P-Value (com o Z-Value na aproximação normal).
  • Exportação em PDF por meio de Download.

one-sample-poisson-rate-test-output


Figura 2 — 148 defeitos em 50 painéis: uma taxa de 2.96 por painel, IC de 95% de 2.502 a 3.477, p < 0.001 em relação à taxa histórica de 2.

Exemplo prático

Historicamente, um painel de porta de automóvel tem em média 2 defeitos de pintura. Um engenheiro da pintura inspeciona 50 painéis aleatórios e conta os defeitos em cada um. A taxa mudou? Data = Counts in a column, Sample = Paint Defects, Hypothesized rate = 2, Confidence level = 95, Alternative hypothesis = Rate ≠ hypothesized rate, Method = Exact, Length of observation = 1.

Os 50 painéis têm 148 defeitos no total, uma taxa amostral de 2.96 defeitos por painel. O intervalo de confiança de 95% para λ vai de 2.502 a 3.477: o intervalo inteiro está acima de 2. O valor-p exato é menor que 0.001, portanto a taxa de defeitos mudou; ela é cerca de uma vez e meia a anterior. As contagens parecem seguir Poisson: sua variância (2.37) é próxima da média, portanto não há sinal de defeitos em agrupamentos que tornariam o teste otimista demais.

A aproximação normal leva à mesma conclusão (z = 4.8, p < 0.001, intervalo de 2.483 a 3.437). Se a pergunta for apenas se a taxa aumentou, Rate > hypothesized rate fornece um limite inferior de 95% de 2.571 defeitos por painel: a taxa de defeitos está pelo menos cerca de 29% acima do nível histórico, e o engenheiro deve investigar o que mudou no processo de pintura. O mesmo resultado é obtido com Data = Summarized data, Sample size = 50 e Total occurrences = 148.

Perguntas frequentes

O que é um teste de taxa de Poisson de uma amostra?

Um teste de taxa de Poisson de uma amostra estima a taxa de ocorrência de eventos, como defeitos por painel, paradas por mês ou chamadas por hora, e a compara com uma taxa-alvo ou histórica. Ele fornece a taxa com um intervalo de confiança e pode testar se a taxa difere do valor hipotético ou é maior ou menor que ele.

Quando usar um teste de taxa de Poisson em vez de um teste de 1 proporção?

Use o teste de taxa de Poisson para contagens de eventos em uma quantidade fixa de exposição, como unidades, área ou tempo, em que cada evento é independente e uma unidade pode ter vários eventos. Para resultados aprovado/reprovado, em que cada item simplesmente é conforme ou não, use o teste 1 Proportion.

Quais são as premissas do teste de taxa de Poisson?

Tanto o método exato quanto a aproximação normal pressupõem que os eventos ocorrem de forma independente a uma taxa constante, de modo que a variância das contagens é igual à sua média. Se as contagens variarem muito mais que a média, por exemplo quando os defeitos surgem em agrupamentos, o valor-p será pequeno demais.

Qual é a diferença entre o método exato e a aproximação normal?

O método exato usa a distribuição de Poisson para o valor-p e o intervalo exato de Garwood obtido da distribuição qui-quadrado. A aproximação normal usa um teste z e o intervalo taxa mais ou menos z vezes a raiz quadrada da taxa dividida pela exposição. Ela é próxima do método exato quando a contagem esperada é grande.