Teste de proporção de duas amostras

Um teste de proporção de duas amostras é um teste de hipóteses que compara as proporções de uma característica específica entre duas populações independentes, determinando se a diferença observada é estatisticamente significativa por meio de um intervalo de confiança para a diferença entre as proporções. É aplicável em saúde, economia e análise de sobrevivência, onde proporções, taxas e porcentagens importam mais que médias ou variâncias, desde que haja independência, amostragem aleatória, resultados binários e amostras suficientes.

Última revisão

Conclusão principal

Um teste de proporção de duas amostras é um teste de hipóteses que compara as proporções de uma característica específica entre duas populações independentes para determinar se a diferença observada é significativa.

Nesta página
  1. O que é o teste de proporção de duas amostras?
  2. Quando usar o teste de proporção de duas amostras?
  3. Diretrizes para o uso correto do teste de proporção de duas amostras
  4. Alternativas: quando não usar o teste de proporção de duas amostras
  5. Exemplo de teste de proporção de duas amostras?
  6. Como fazer o teste de proporção de duas amostras

O que é o teste de proporção de duas amostras?

Um teste de proporção de duas amostras é um teste de hipóteses usado para comparar as proporções de uma característica específica entre duas populações independentes, determinando se a diferença observada é estatisticamente significativa, por meio do cálculo de um intervalo de confiança para a diferença entre as proporções populacionais, e é aplicável em áreas como saúde, economia e análise de sobrevivência, onde proporções, taxas e porcentagens são mais relevantes que médias ou variâncias, desde que as premissas de independência, amostragem aleatória, resultados binários e tamanhos amostrais suficientes sejam atendidas.

Quando usar o teste de proporção de duas amostras?

Um teste de proporção de duas amostras é usado para determinar se há diferença estatisticamente significativa entre as proporções de duas populações com relação a uma determinada característica.

  • Comparação de proporções: Quando você precisa comparar as proporções de uma característica específica entre duas populações ou amostras independentes.
  • Amostras grandes: Use o teste z de duas amostras para proporções quando as duas amostras forem grandes o bastante, geralmente com pelo menos 10 sucessos e 10 fracassos em cada amostra, para satisfazer as condições da aproximação normal.
  • Amostras pequenas: Para amostras pequenas, em que as condições da aproximação normal não são atendidas, use o teste exato de Fisher, um teste não paramétrico que fornece resultados exatos independentemente do tamanho amostral.
  • Resultados binários: Quando os dados consistem em resultados binários (ex.: sucesso/fracasso, sim/não) e você quer determinar se as proporções diferem significativamente.
  • Amostragem aleatória: Quando as amostras são selecionadas aleatoriamente de suas respectivas populações, para garantir resultados válidos e representativos.

Estas são algumas situações em que você pode usar um teste de proporção de duas amostras:

  • Pesquisa médica: Suponha que você esteja testando um novo medicamento destinado a reduzir o risco de doenças cardíacas. Você poderia realizar um teste de proporção de duas amostras para comparar a proporção de pacientes que desenvolvem doença cardíaca em um grupo de tratamento (que recebe o medicamento) e em um grupo de controle (que não o recebe).
  • Pesquisa de mercado: Suponha que você esteja realizando uma pesquisa para determinar a satisfação dos clientes com duas marcas diferentes de um produto. Você poderia usar um teste de proporção de duas amostras para comparar a proporção de clientes satisfeitos com cada marca.
  • Controle da qualidade: Suponha que você esteja testando a qualidade de dois processos de fabricação diferentes para determinar qual produz mais produtos defeituosos. Você poderia usar um teste de proporção de duas amostras para comparar a proporção de produtos defeituosos produzidos por cada processo.

Diretrizes para o uso correto do teste de proporção de duas amostras

  • Amostragem aleatória: Garanta que os dados da amostra sejam selecionados aleatoriamente, para fazer generalizações válidas sobre a população.
  • Dados binários: Os dados devem consistir em apenas duas categorias (ex.: aprovado/reprovado, 1/0). Para dados de contagem, use um teste de taxa de Poisson de 2 amostras.
  • Independência das observações: Cada observação deve ser independente de todas as demais.
  • Tamanho amostral adequado: Garanta que o tamanho amostral seja grande o bastante para fornecer estimativas precisas, intervalos de confiança estreitos e proteção adequada contra erros do tipo I e do tipo II.

Alternativas: quando não usar o teste de proporção de duas amostras

  • Se o seu conjunto de dados for formado por contagens, como o número de defeitos por unidade, é apropriado usar o teste de taxa de Poisson de 2 amostras.

Exemplo de teste de proporção de duas amostras?

Para avaliar se estudantes universitários do sexo masculino ou feminino têm mais probabilidade de conseguir um emprego de verão, um responsável pela assistência financeira de uma universidade seleciona uma amostra de estudantes. Dos 802 estudantes homens amostrados, 725 conseguem um emprego no verão, enquanto 573 das 712 estudantes mulheres amostradas conseguem. O responsável usa um teste de 2 proporções para avaliar qual gênero tem mais probabilidade de conseguir um emprego de verão. Os passos a seguir:

  1. Analisa os dados com a ajuda de https://statsai.zometric.com/
  2. Dentro da ferramenta, insira os dados. Informe o número de eventos na amostra 1 como 725, o número de tentativas na amostra 1 como 802, o número de eventos na amostra 2 como 573, o número de tentativas na amostra 2 como 712, a diferença hipotética como 0 e o nível de confiança como 95.
  3. Depois de usar a ferramenta mencionada acima, obtém-se a seguinte saída:
Two sample proportion test — figure 1

Como fazer o teste de proporção de duas amostras

O guia é o seguinte:

  1. Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  2. Na página inicial, escolha Statistical Tool> Graphical analysis >Two sample proportion test.
  3. Clique em Two sample proportion test para acessar o painel (dashboard).
  4. Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
  5. Em seguida, você precisa inserir os valores do número de eventos, do número de tentativas, da proporção hipotética e do nível de confiança.
  6. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

No painel (dashboard) do teste de proporção de duas amostras, a janela tem apenas a parte esquerda.

Two sample proportion test — figure 2

Nesta parte esquerda, há várias opções, descritas a seguir:

  • Number of events: Em um teste de proporção de uma amostra, o número de eventos refere-se ao número de ocorrências do evento de interesse na amostra analisada.
  • Number of trials: Em um teste de proporção de uma amostra, o número de tentativas refere-se ao número de tentativas ou observações independentes e idênticas feitas na amostra analisada.
  • Hypothesized difference: A diferença hipotética refere-se à diferença nos parâmetros populacionais entre a hipótese nula e a hipótese alternativa. Por exemplo, se quisermos testar se a nota média em uma prova é significativamente diferente entre dois grupos (ex.: homens e mulheres), a diferença hipotética seria a diferença entre a nota média dos homens e a nota média das mulheres.
  • Confidence level: Em testes de hipóteses, o nível de confiança representa o grau de certeza ou de confiança que temos em nossa análise estatística. É um valor de probabilidade que indica a chance de o verdadeiro parâmetro populacional estar dentro da faixa de valores especificada. Normalmente, o nível de confiança é expresso como porcentagem e denotado por (1 - α), em que α é o nível de significância, ou seja, a probabilidade de rejeitar uma hipótese nula verdadeira. Por exemplo, se temos um nível de confiança de 95%, estamos dizendo que temos 95% de confiança de que o verdadeiro parâmetro populacional está dentro da nossa estimativa intervalar, e há 5% de chance de cometer um erro do tipo I (rejeitar uma hipótese nula verdadeira). Na prática, um nível de confiança maior significa que temos mais confiança em nossa análise e em nossos resultados estatísticos. No entanto, aumentar o nível de confiança também aumenta a largura do intervalo de confiança, tornando mais difícil detectar efeitos pequenos. Portanto, a escolha do nível de confiança depende do contexto do estudo e dos objetivos do pesquisador.
  • Alternative hypothesis: Em testes de hipóteses, a hipótese alternativa (também chamada de hipótese de pesquisa) é uma afirmação que representa uma conclusão diferente da hipótese nula. A hipótese nula normalmente representa o status quo ou a suposição de que não há diferença ou relação significativa entre dois ou mais grupos ou variáveis. A hipótese alternativa é a afirmação que está sendo testada e propõe que há uma diferença ou relação significativa entre os grupos ou variáveis estudados.
  • Load example: Os dados de exemplo serão carregados.
  • Method:
    • Estimate the proportions separately: Para estimar as proporções separadamente em um teste de proporção de duas amostras, você precisa primeiro coletar dados de duas amostras independentes e calcular a proporção de sucessos (ou do evento de interesse) em cada amostra.
    • Use the pooled estimate of the proportion: Em um teste de proporção de duas amostras, a estimativa combinada (pooled) da proporção é uma média ponderada das proporções das duas amostras, assumindo que as verdadeiras proporções nas populações são iguais. Essa estimativa é usada para calcular a estatística de teste e determinar se a diferença entre as proporções das duas amostras é estatisticamente significativa.

Perguntas frequentes

O que é um teste de proporção de duas amostras?

Um teste de proporção de duas amostras é um teste de hipóteses que compara a proporção de uma característica específica entre duas populações independentes e determina se a diferença observada é estatisticamente significativa. Ele também fornece um intervalo de confiança para a diferença entre as proporções populacionais.

Quais são as premissas de um teste de proporção de duas amostras?

Os dados devem ser binários, como aprovado/reprovado ou sim/não; as amostras devem ser selecionadas aleatoriamente; cada observação deve ser independente de todas as demais; e os tamanhos amostrais devem ser grandes o bastante. O teste z para proporções geralmente exige pelo menos 10 sucessos e 10 fracassos em cada amostra para a aproximação normal.

Quando usar o teste exato de Fisher?

Para amostras pequenas, em que as condições da aproximação normal não são atendidas, use o teste exato de Fisher, um teste não paramétrico que fornece resultados exatos independentemente do tamanho amostral. O teste z de duas amostras para proporções é adequado para amostras com pelo menos 10 sucessos e 10 fracassos cada.

Quando usar um teste de taxa de Poisson de 2 amostras?

Use o teste de taxa de Poisson de 2 amostras quando os dados forem contagens, como o número de defeitos por unidade, e não resultados binários. O teste de proporção de duas amostras só se aplica quando cada item se enquadra em uma de duas categorias, por exemplo, defeituoso ou não defeituoso.