O teste t é usado para determinar se as médias de dois grupos diferem estatisticamente de forma significativa.
É usado para avaliar se uma diferença observada entre dois grupos vai além de flutuações aleatórias.
A decisão é tomada comparando o valor p com o nível de significância predeterminado (geralmente α = 0,05):
- p ≤ α → aceitar H₁ (rejeitar H₀)
- p > α → manter H₀
Em desenvolvimento de produto, uma nova receita de molho de tomate está sendo testada. O objetivo é verificar se a viscosidade da nova receita difere em média da receita anterior. Para este fim, são realizadas medições de viscosidade em amostras da receita antiga e nova.
Interpretação dos resultados:
O valor p determinado está significativamente acima do nível de significância de 0,05, portanto, a hipótese nula é mantida. Não há evidências de que a viscosidade média da nova receita difira da anterior.
Explicações do gráfico:
- Os pontos marcam os valores médios de viscosidade para a receita antiga e nova.
- As barras de erro representam o intervalo de confiança de 95% da média.
- A sobreposição significativa dos intervalos de confiança mostra que não há diferença estatisticamente significativa.
Preparação
- Selecione uma medição contínua (por exemplo, viscosidade).
- Defina dois grupos cujas médias devem ser comparadas.
- Defina o nível de significância (geralmente α = 0,05).
- Verifique se os dados não apresentam fortes desvios da distribuição normal.
- Garanta que as medições foram coletadas de forma independente.
Usar no AlphadiTab
- Selecione a ferramenta 2-amostras t na fase de Análise.
- Selecione o primeiro grupo para a amostra 1.
- Selecione o segundo grupo para a amostra 2.
- Conduza a análise por Criar Novo.
Interpretação
- Verifique se o valor p é menor ou igual ao nível de significância.
- p ≤ α → diferença estatisticamente significativa nas médias.
- p > α → nenhuma diferença estatisticamente significativa nas médias.
- A interpretação refere-se exclusivamente à média.
O teste t oferece duas configurações principais: o tipo de entrada de dados e a direção da hipótese.
Entrada manual: A comparação é baseada em desvios padrão e tamanhos de amostra de duas amostras inseridos manualmente.
Entrada não manual (conjunto de dados): A comparação é baseada nas colunas de dados selecionadas.
H₀: μ₁ − μ₂ = Δ₀ | H₁: μ₁ − μ₂ ≠ Δ₀
Selecione bilateral se você quiser testar se as médias das duas amostras diferem sem especificar uma direção particular. Útil quando não há expectativa específica sobre a direção da diferença. Exemplo: As pontuações médias dos testes do Grupo A e do Grupo B diferem?
H₀: μ₁ − μ₂ = Δ₀ | H₁: μ₁ − μ₂ > Δ₀
Selecione maior se você quiser testar se a média da primeira amostra é maior que a da segunda. Testa apenas se a amostra 1 tem valores significativamente mais altos. Exemplo: A receita média após uma campanha publicitária é maior do que antes?
H₀: μ₁ − μ₂ = Δ₀ | H₁: μ₁ − μ₂ < Δ₀
Selecione menor se você quiser testar se a média da primeira amostra é menor que a da segunda. Testa apenas se a amostra 1 tem valores significativamente mais baixos. Exemplo: O tempo médio de processamento após uma otimização é menor do que antes?
Quantidade de Enchimento Molho de Tomate
Na produção, duas máquinas de enchimento são usadas. Deve-se investigar se a média da quantidade de enchimento difere entre a Máquina A e a Máquina B. Os dados de medição para ambas as máquinas estão disponíveis de forma resumida:
- Máquina A: n = 25, Média = 500,2 ml, Desvio Padrão = 1,1 ml
- Máquina B: n = 25, Média = 498,9 ml, Desvio Padrão = 1,0 ml
A comparação das médias é feita usando um teste t (2 amostras).
Interpretação
O teste t mostra uma diferença estatisticamente significativa na média da quantidade de enchimento entre as duas máquinas. O valor p é inferior a 0,05, portanto, a hipótese nula é rejeitada.
→ As máquinas diferem na média da quantidade de enchimento.
Solicitações de tempo de resposta
No service desk de TI, os tickets são processados em vários locais. Os tempos de resposta são avaliados regularmente para identificar diferenças na qualidade do serviço. No exemplo, estão disponíveis dados de três locais. O teste t (2 amostras) é basicamente adequado apenas para comparar dois grupos. Para mais de dois locais, existem duas abordagens:
Comparações pareadas com o teste t: Cada local pode ser comparado pareadamente com os outros (por exemplo, A vs. B, A vs. C, B vs. C).
Alternativa – Análise de variância (ANOVA): Se todos os locais devem ser considerados simultaneamente, uma ANOVA é a ferramenta mais adequada. Ela verifica se há pelo menos uma diferença significativa entre as médias sem ter que realizar vários testes individuais.
Nota: Com múltiplos testes t pareados, o risco de acertos aleatórios aumenta.
Interpretação
O teste t mostra nenhuma diferença estatisticamente significativa entre os tempos médios de processamento dos locais DLZ Norte e DLZ Leste. O valor p está acima de 0,05, portanto, a hipótese nula é mantida.
→ Nenhuma diferença média; prefira ANOVA para mais de dois locais.
Taxa de Vendas por Região
Nas vendas, as ofertas aos clientes são processadas por duas equipes. Deve-se investigar se o tempo médio de processamento (DLT) difere entre a Equipe A e a Equipe B.
Interpretação
O teste t mostra nenhuma diferença estatisticamente significativa no tempo médio de processamento entre as duas equipes. O valor p está acima de 0,05, portanto, a hipótese nula é mantida.
→ Ambas as equipes processam as ofertas igualmente rápido, em média.
Tempo de entrega após o centro logístico
No departamento de logística, os pedidos dos clientes são separados e enviados. Para aumentar a eficiência, novos empilhadores foram introduzidos. Deve-se investigar se o tempo médio de entrega (em horas) diminuiu após a introdução. A análise é realizada como um teste t unilateral (direção “maior”).
H₀: μAntes − μDepois = 0 | H₁: μAntes − μDepois > 0
Interpretação
O teste t unilateral mostra uma diferença estatisticamente significativa (t = 3.29; p = 0.001). O tempo médio de entrega antes da introdução é significativamente maior do que depois.
→ Os novos empilhadores reduziram significativamente o tempo médio de entrega.
Comparação de Fornecedores
Nas compras, os componentes são adquiridos de dois fornecedores. Deve-se investigar se a taxa média de rejeição por entrega difere entre o Fornecedor A e o Fornecedor B (medida em %).
Nota: O teste t assume dados contínuos aproximadamente distribuídos normalmente. Valores percentuais podem ser discretos; com pequenas quantidades de entrega, a suposição de distribuição normal pode ser violada. Com quantidades maiores de entrega, o teste t geralmente não apresenta problemas na prática.
Interpretação
O teste t mostra uma diferença estatisticamente significativa na taxa média de rejeição entre os fornecedores (p < 0,05). A hipótese nula é rejeitada.
→ O Fornecedor A tem a melhor (menor) taxa de rejeição.
Desvio de previsão
No planejamento de produção, previsões de demanda são criadas para diferentes períodos de planejamento. Para avaliar a qualidade da previsão, o desvio de previsão é calculado. É examinado se o desvio de previsão médio difere entre os períodos de planejamento de curto e longo prazo:
- Horizonte de curto prazo: n = 30, média = 0,0 %, desvio padrão = 1,5 %
- Horizonte de longo prazo: n = 30, média = 0,0 %, desvio padrão = 3,8 %
Interpretação
O teste t para duas amostras independentes mostra que os desvios médios de previsão não diferem estatisticamente de forma significativa. Como o valor p está acima de 0,05, a hipótese nula não é rejeitada.
→ Nenhuma diferença no desvio médio de previsão entre curto e longo prazo.
t-valor: Estatística de teste do teste t. Razão da diferença média observada para a variabilidade dos dados.
p-valor: Resultado do teste de hipótese. Base para a decisão entre H₀ e H₁.
α = Nível de significância: Probabilidade de erro predefinida (geralmente 0,05).
H₀ (Hipótese nula): As médias dos dois grupos são iguais.
H₁ (Hipótese alternativa): As médias dos dois grupos diferem.
df = Graus de liberdade: Derivado dos tamanhos das amostras de ambos os grupos.
Intervalo de confiança: Faixa de valores que contém a verdadeira diferença média com o nível de confiança escolhido.
Bilateral / unilateral: Indica se uma diferença é testada em ambas as direções ou apenas em uma.