Poder e tamanho amostral para 1 variância
Planeja um teste de 1 variância da dispersão do processo contra um valor-alvo ou histórico. Informe quaisquer dois entre tamanho amostral, razão (desvio padrão real dividido pelo desvio padrão hipotético) e poder, e a ferramenta resolve o terceiro com um cálculo qui-quadrado exato. Supõe dados normais e é sensível à não normalidade. A saída traz uma tabela de resultados com o poder real e uma curva de poder.
Última revisão
Conclusão principal
Poder e tamanho amostral para 1 variância planeja um teste qui-quadrado do desvio padrão de um processo contra um alvo, resolvendo o tamanho amostral, o poder ou a razão detectável entre os desvios padrão real e hipotético.
Nesta página
Finalidade
Poder e tamanho amostral para 1 variância planeja um teste do desvio padrão (ou da variância) de um processo contra um valor-alvo ou histórico. Responde quantas medições são necessárias para detectar um dado aumento ou redução da dispersão, que poder uma amostra planejada oferece ou qual é a menor mudança de dispersão que uma dada amostra consegue detectar. A mudança é informada como uma razão entre o desvio padrão real e o hipotético, de modo que você não precisa informar o próprio desvio padrão. Informe quaisquer dois entre tamanho amostral, razão e poder, e a ferramenta resolve o terceiro. Use antes de um teste de 1 variância, por exemplo, para verificar se uma mudança no processo não piorou a dispersão.
Principais recursos
- Resolve o tamanho amostral, o poder ou a razão: deixe em branco o que você quer obter.
- Vários valores de uma vez, por exemplo, razões “1.25 1.5 2” e valores de poder “0.8 0.9”, geram uma linha para cada combinação.
- Hipóteses alternativas bicaudais (Ratio ≠ hypothesized ratio) ou unicaudais (menor que, maior que), no nível de confiança que você escolher.
- Cálculo qui-quadrado exato, sem aproximação normal.
- Curva de poder em função do tamanho amostral para cada razão, com os pontos resolvidos marcados.
Métodos estatísticos
O teste por trás do cálculo é o teste qui-quadrado para uma variância: com n medições de uma população normal, (n − 1)·S²/σ₀² segue uma distribuição qui-quadrado com n − 1 graus de liberdade quando o desvio padrão real é igual ao valor hipotético σ₀. Se o desvio padrão real é σ = r·σ₀, a mesma estatística é r² vezes uma variável qui-quadrado, de modo que só a razão r importa. O nível de significância é α = 1 − nível de confiança / 100.
Para a alternativa “maior que”, poder = P(χ²ₙ₋₁ > c₁₋α / r²), em que c₁₋α é o valor crítico qui-quadrado superior. Para “menor que”, poder = P(χ²ₙ₋₁ < c_α / r²). Para o teste bicaudal, as duas caudas contam, usando c_α/2 e c₁₋α/2. O tamanho amostral para um poder-alvo é encontrado numericamente e arredondado para cima, e o poder nesse número inteiro é informado como o poder real. Ao resolver a razão, a ferramenta procura abaixo de 1 para a alternativa “menor que” e acima de 1 nos demais casos.
O teste qui-quadrado supõe dados normais e é sensível a desvios da normalidade, portanto verifique a forma dos dados ao executar o teste. Detectar uma mudança na dispersão exige mais dados do que a maioria das pessoas espera: razões pequenas, como 1.25, exigem amostras grandes.
Campos de entrada e opções
Campo | Descrição |
Sample sizes | Separados por espaço ou vírgula, por exemplo, “10 20 30”. Deixe em branco para resolver o tamanho amostral. |
Ratio(s) | Separados por espaço ou vírgula, por exemplo, “1.5 2”. Razão entre o desvio padrão real e o desvio padrão hipotético que você quer detectar. Deixe em branco para resolvê-la. |
Power values | Separados por espaço ou vírgula, por exemplo, “0.8 0.9”. Deixe em branco para resolver o poder. |
Confidence level | Padrão 95 (α = 0.05); de 75 a 100. |
Alternative hypothesis | Ratio ≠ hypothesized ratio (padrão), Ratio < hypothesized ratio ou Ratio > hypothesized ratio. |
Power curve | Marcado por padrão: desenha o poder em função do tamanho amostral. |
Title | Título exibido na saída e na curva de poder. |

Figura 1 — Resolvendo o tamanho amostral: Ratio(s) = 1.5, Power values = 0.8 0.9, unicaudal (Ratio > hypothesized ratio) com 95% de confiança.
Descrição da saída
- Settings — o que foi resolvido, o nível de confiança e a hipótese alternativa.
- Results — uma linha por combinação: razão, tamanho amostral e poder-alvo e poder real ao resolver o tamanho amostral, ou o poder ao resolver o poder, ou a razão ao resolver a razão.
- Power Curve — poder em função do tamanho amostral para cada razão, com os pontos calculados marcados.
- Exportação em PDF por meio de Download.

Figura 2 — Resultados do exemplo: 19 comprimidos para 80% de poder e 27 para 90% de poder para detectar um aumento de 50% no desvio padrão.
Exemplo prático
Uma prensa de comprimidos tem um desvio padrão de peso de longo prazo de 2 mg. Depois que um novo jogo de punções é instalado, a equipe da qualidade quer verificar se a dispersão não aumentou, e um aumento para 3 mg (uma razão de 1.5) seria um problema. Só um aumento importa, então escolhem Ratio > hypothesized ratio. Deixam Sample sizes em branco e informam Ratio(s) = 1.5 e Power values = 0.8 0.9, com 95% de confiança.
A ferramenta exige 19 comprimidos para 80% de poder (poder real 0.802) e 27 comprimidos para 90% de poder (poder real 0.900). Uma verificação rápida com 10 comprimidos tem poder de apenas 0.583. O tamanho da mudança importa muito: detectar uma razão de 1.25 (2.5 mg) com 80% de poder exige 61 comprimidos, enquanto uma duplicação do desvio padrão exige apenas 8. Um teste bicaudal com razão 1.5 exige 24 comprimidos para 80% de poder.
Perguntas frequentes
Por que a mudança na dispersão é informada como uma razão?
O teste qui-quadrado para uma variância usa (n - 1) vezes S ao quadrado dividido pela variância hipotética. Se o desvio padrão real é r vezes o hipotético, essa estatística é r ao quadrado vezes uma variável qui-quadrado, de modo que só a razão r importa. Por isso, você informa a razão entre o desvio padrão real e o hipotético, e não o próprio desvio padrão.
Quantas amostras são necessárias para detectar uma mudança no desvio padrão?
Detectar uma mudança na dispersão exige mais dados do que a maioria das pessoas espera. Em um exemplo prático, detectar um aumento de 50% no desvio padrão (razão 1.5) com um teste unicaudal a 95% de confiança exige 19 itens para 80% de poder e 27 para 90%. Uma razão de 1.25 exige 61 itens para 80% de poder, enquanto uma duplicação exige apenas 8.
Quais são as premissas do cálculo de poder para 1 variância?
Supõe-se que as medições vêm de uma população normal, pois o teste qui-quadrado para uma variância depende da normalidade e é sensível a desvios dela. Verifique a forma dos dados ao executar o teste. O cálculo em si é exato, usando a distribuição qui-quadrado em vez de uma aproximação normal.
O teste de 1 variância deve ser unicaudal ou bicaudal?
Escolha uma alternativa unicaudal quando só importa um aumento ou só uma redução da dispersão, como ao verificar se uma mudança no processo não piorou a variação. Um teste bicaudal exige mais medições: no exemplo prático, uma razão de 1.5 exige 19 itens para 80% de poder no teste unicaudal, mas 24 itens no bicaudal.
