{"id":34958,"date":"2019-10-31T22:01:31","date_gmt":"2019-10-31T19:01:31","guid":{"rendered":"https:\/\/prohoster.info\/blog\/kogda-stoit-proveryat-gipotezu-o-ne-menshej-effektivnosti\/"},"modified":"2019-10-31T22:01:31","modified_gmt":"2019-10-31T19:01:31","slug":"kogda-stoit-proveryat-gipotezu-o-ne-menshej-effektivnosti","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pt\/blog\/news\/kogda-stoit-proveryat-gipotezu-o-ne-menshej-effektivnosti","title":{"rendered":"Quando devemos verificar a hip\u00f3tese de n\u00e3o inferioridade?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Quando
\nO artigo da equipe Stitch Fix sugere usar a abordagem de estudos cl\u00ednicos de efic\u00e1cia n\u00e3o inferior (non-inferiority trials) em testes A\/B de marketing e produtos. Essa abordagem \u00e9 realmente aplic\u00e1vel quando testamos uma nova solu\u00e7\u00e3o que possui vantagens n\u00e3o mensur\u00e1veis pelos testes.<\/p>\n

Um exemplo simples \u00e9 a redu\u00e7\u00e3o de custos. Por exemplo, automatizamos o processo de agendamento da primeira aula, mas n\u00e3o queremos diminuir muito a convers\u00e3o geral. Ou testamos altera\u00e7\u00f5es direcionadas a um segmento de usu\u00e1rios, enquanto monitoramos para que as convers\u00f5es de outros segmentos n\u00e3o caiam drasticamente (ao testar m\u00faltiplas hip\u00f3teses, n\u00e3o devemos esquecer as corre\u00e7\u00f5es).<\/p>\n

Escolher o limite correto de n\u00e3o inferioridade acrescenta desafios adicionais na fase de design do teste. A quest\u00e3o de como escolher \u0394 n\u00e3o \u00e9 muito bem abordada no artigo. Parece que essa escolha n\u00e3o \u00e9 completamente transparente e acontece tamb\u00e9m em ensaios cl\u00ednicos. Vis\u00e3o geral<\/a><\/noindex> Publica\u00e7\u00f5es m\u00e9dicas sobre n\u00e3o inferioridade indicam que apenas em metade dos estudos a escolha do limite \u00e9 justific\u00e1vel, e frequentemente essas justificativas s\u00e3o amb\u00edguas ou n\u00e3o detalhadas.<\/p>\n

De qualquer forma, essa abordagem parece interessante, pois a redu\u00e7\u00e3o do tamanho da amostra necess\u00e1ria pode aumentar a velocidade de teste e, portanto, a velocidade de tomada de decis\u00e3o. \u2014 Darya Mukhina, analista de produtos do aplicativo m\u00f3vel Skyeng.<\/i>
\n<\/a><\/noindex>
\nA equipe Stitch Fix gosta de testar diferentes coisas. Toda a comunidade tecnol\u00f3gica, em geral, adora realizar testes. Qual vers\u00e3o do site atrai mais usu\u00e1rios \u2013 A ou B? A vers\u00e3o A do modelo de recomenda\u00e7\u00e3o gera mais receita do que a vers\u00e3o B? Quase sempre, para verificar as hip\u00f3teses, usamos a abordagem mais simples do curso b\u00e1sico de estat\u00edstica: <\/p>\n

\"Quando
\n
\nEmbora raramente usemos esse termo, essa forma de teste \u00e9 chamada de \"teste de hip\u00f3tese de superioridade\". Com essa abordagem, assumimos que n\u00e3o h\u00e1 diferen\u00e7a entre as duas op\u00e7\u00f5es. Mantemos essa ideia e a descartamos apenas se os dados obtidos forem suficientemente convincentes para isso \u2013 ou seja, demonstram que uma das op\u00e7\u00f5es (A ou B) \u00e9 melhor do que a outra.<\/p>\n

A verifica\u00e7\u00e3o da hip\u00f3tese sobre a superioridade \u00e9 adequada para resolver diversos problemas. Lan\u00e7amos a vers\u00e3o B do modelo de recomenda\u00e7\u00e3o apenas se ela for claramente melhor que a vers\u00e3o A utilizada atualmente. No entanto, em alguns casos, essa abordagem n\u00e3o funciona t\u00e3o bem. Vejamos alguns exemplos.<\/p>\n

1) Usamos um servi\u00e7o de terceiros<\/b>, que ajuda a identificar cart\u00f5es banc\u00e1rios falsificados. Encontramos outro servi\u00e7o que \u00e9 significativamente mais barato. Se o servi\u00e7o mais barato funcionar t\u00e3o bem quanto o que estamos usando agora, optaremos por ele. N\u00e3o \u00e9 necess\u00e1rio que ele seja melhor do que o servi\u00e7o atualmente utilizado. <\/p>\n

2) Queremos nos afastar da fonte de dados<\/b> A e substitu\u00ed-la pela fonte de dados B. Poder\u00edamos adiar a descontinua\u00e7\u00e3o de A se B apresentar resultados muito ruins, mas continuar usando A n\u00e3o \u00e9 uma op\u00e7\u00e3o. <\/p>\n

3) Gostar\u00edamos de mudar da abordagem de modelagem<\/b>A para a abordagem B, n\u00e3o porque esperamos melhores resultados de B, mas porque isso nos d\u00e1 maior flexibilidade operacional. N\u00e3o temos motivos para acreditar que B ser\u00e1 pior, mas n\u00e3o faremos a transi\u00e7\u00e3o se for o caso.<\/p>\n

4) Fizemos algumas mudan\u00e7as qualitativas<\/b> no design do site (vers\u00e3o B) e acreditamos que esta vers\u00e3o supera a vers\u00e3o A. N\u00e3o esperamos mudan\u00e7as na convers\u00e3o ou em quaisquer indicadores-chave de desempenho pelos quais geralmente avaliamos o site. Mas acreditamos que h\u00e1 benef\u00edcios em m\u00e9tricas que s\u00e3o ou imensur\u00e1veis ou para as quais n\u00e3o temos tecnologia suficiente para medir.<\/p>\n

Em todos esses casos, a pesquisa sobre superioridade n\u00e3o \u00e9 a abordagem mais adequada. No entanto, a maioria dos especialistas em tais situa\u00e7\u00f5es a utiliza por padr\u00e3o. Realizamos rigorosamente um experimento para determinar corretamente a magnitude do efeito. Se fosse verdade que as vers\u00f5es A e B funcionam de maneira muito semelhante, haveria uma probabilidade de n\u00e3o conseguirmos rejeitar a hip\u00f3tese nula. Conclu\u00edmos que A e B funcionam de forma semelhante? N\u00e3o! A impossibilidade de rejeitar a hip\u00f3tese nula e a aceita\u00e7\u00e3o da hip\u00f3tese nula n\u00e3o s\u00e3o a mesma coisa.<\/p>\n

Os c\u00e1lculos do volume da amostra (que voc\u00ea, \u00e9 claro, realizou) geralmente s\u00e3o feitos com limites mais rigorosos para o erro do primeiro tipo (a probabilidade de rejeitar incorretamente a hip\u00f3tese nula, frequentemente chamada de alfa) do que para o erro do segundo tipo (a probabilidade de n\u00e3o rejeitar a hip\u00f3tese nula, dado que a hip\u00f3tese nula est\u00e1 errada, frequentemente chamada de beta). O valor t\u00edpico para alfa \u00e9 0,05, enquanto que o valor t\u00edpico para beta \u00e9 0,20, o que corresponde a uma pot\u00eancia estat\u00edstica de 0,80. Isso significa que podemos n\u00e3o detectar o verdadeiro efeito do tamanho que indicamos em nossos c\u00e1lculos de pot\u00eancia com uma probabilidade de 20%, o que \u00e9 uma lacuna de informa\u00e7\u00e3o bastante s\u00e9ria. Como exemplo, vamos considerar as seguintes hip\u00f3teses:<\/p>\n

\"Quando
\n
\nH0: minha mochila N\u00c3O est\u00e1 no meu quarto (3)
\nH1: minha mochila est\u00e1 no meu quarto (4)<\/i><\/p>\n

Se eu vasculhei meu quarto e encontrei minha mochila \u2014 \u00f3timo, posso rejeitar a hip\u00f3tese nula. Mas se eu olhei o quarto e n\u00e3o consegui encontrar minha mochila (figura 1), que conclus\u00e3o devo tirar? Estou certo de que ela n\u00e3o est\u00e1 l\u00e1? Procurei com aten\u00e7\u00e3o suficiente? E se eu procurei apenas 80% do quarto? Chegar \u00e0 conclus\u00e3o de que a mochila n\u00e3o est\u00e1 definitivamente no quarto seria uma decis\u00e3o precipitada. N\u00e3o \u00e9 surpreendente que n\u00e3o podemos \"aceitar a hip\u00f3tese nula\".
\n\"Quando
\nA \u00e1rea que vasculhamos
\nN\u00e3o encontramos a mochila \u2014 devemos aceitar a hip\u00f3tese nula?<\/i><\/p>\n

Figura 1. Vasculhar 80% do quarto \u00e9 aproximadamente o mesmo que realizar um estudo com pot\u00eancia de 80%. Se voc\u00ea n\u00e3o encontrou a mochila ao inspecionar 80% do quarto, \u00e9 poss\u00edvel concluir que ela n\u00e3o est\u00e1 l\u00e1?<\/i> <\/p>\n

Ent\u00e3o, o que deve fazer um especialista em dados nessa situa\u00e7\u00e3o? Voc\u00ea pode aumentar bastante a pot\u00eancia do estudo, mas para isso precisar\u00e1 de uma amostra muito maior, e o resultado ainda ser\u00e1 insatisfat\u00f3rio.<\/p>\n

Felizmente, problemas como este t\u00eam sido amplamente estudados no mundo das pesquisas cl\u00ednicas. O medicamento B \u00e9 mais barato que o medicamento A; espera-se que o medicamento B cause menos efeitos colaterais do que o medicamento A; o medicamento B \u00e9 mais f\u00e1cil de transportar, pois n\u00e3o precisa ser mantido em refrigerado, enquanto o medicamento A precisa. Vamos verificar a hip\u00f3tese de n\u00e3o menor efic\u00e1cia. Isso \u00e9 necess\u00e1rio para mostrar que a vers\u00e3o B \u00e9 t\u00e3o boa quanto a vers\u00e3o A \u2014 pelo menos dentro de um limite previamente definido de \u201cn\u00e3o menor efic\u00e1cia\u201d, \u0394. Mais adiante, falaremos mais sobre como estabelecer esse limite. Mas agora, vamos supor que essa seja a diferen\u00e7a m\u00ednima que \u00e9 praticamente significativa (no contexto de ensaios cl\u00ednicos, isso \u00e9 geralmente chamado de signific\u00e2ncia cl\u00ednica).<\/p>\n

Hip\u00f3teses de n\u00e3o menor efic\u00e1cia viram tudo de cabe\u00e7a para baixo:<\/p>\n

\"Quando
\n
\nAgora, em vez de supor que n\u00e3o h\u00e1 diferen\u00e7a, supomos que a vers\u00e3o B \u00e9 pior que a vers\u00e3o A e mantemos essa suposi\u00e7\u00e3o at\u00e9 que possamos demonstrar o contr\u00e1rio. Este \u00e9 exatamente o momento em que faz sentido usar o teste de hip\u00f3tese unilateral! Na pr\u00e1tica, isso pode ser feito construindo um intervalo de confian\u00e7a e determinando se o intervalo \u00e9 realmente maior que \u0394 (Figura 2).
\n\"Quando
\n<\/p>\n

Escolhendo \u0394<\/h3>\n

\nComo escolher corretamente \u0394? O processo de escolha de \u0394 envolve justificativa estat\u00edstica e avalia\u00e7\u00e3o de conte\u00fado. No mundo das pesquisas cl\u00ednicas, existem diretrizes normativas que indicam que a delta deve representar a menor diferen\u00e7a clinicamente significativa \u2014 aquela que ter\u00e1 import\u00e2ncia na pr\u00e1tica. Aqui est\u00e1 uma cita\u00e7\u00e3o da diretriz europeia que pode servir como refer\u00eancia: \u201cSe a diferen\u00e7a foi escolhida corretamente, o intervalo de confian\u00e7a que est\u00e1 completamente entre \u2013\u2206 e 0\u2026, ainda \u00e9 suficiente para demonstrar n\u00e3o menor efic\u00e1cia. Se esse resultado n\u00e3o parece aceit\u00e1vel, isso significa que \u2206 n\u00e3o foi escolhido corretamente.\u201d<\/p>\n

A delta n\u00e3o deve, de forma alguma, ultrapassar o efeito da vers\u00e3o A em rela\u00e7\u00e3o ao controle verdadeiro (placebo \/ aus\u00eancia de tratamento), pois isso nos leva a concluir que a vers\u00e3o B \u00e9 pior que o controle verdadeiro, enquanto demonstra 'n\u00e3o menor efic\u00e1cia'. Suponhamos que, quando a vers\u00e3o A foi apresentada, existia a vers\u00e3o 0 ou a fun\u00e7\u00e3o n\u00e3o existia de modo algum (veja a Figura 3). <\/p>\n

Com os resultados da verifica\u00e7\u00e3o da hip\u00f3tese de superioridade, foi identificado um efeito E (ou seja, supostamente \u03bc^A\u2212\u03bc^0=E). Agora A \u00e9 nosso novo padr\u00e3o, e queremos garantir que B n\u00e3o \u00e9 inferior a A. Outra forma de escrever \u03bcB\u2212\u03bcA\u2264\u2212\u0394 (a hip\u00f3tese nula) \u00e9 \u03bcB\u2264\u03bcA\u2212\u0394. Se admitirmos que o que fazemos \u00e9 igual ou superior a E, ent\u00e3o \u03bcB \u2264 \u03bcA\u2212E \u2264 placebo. Agora vemos que nossa estimativa para \u03bcB supera completamente \u03bcA\u2212E, o que assim refuta totalmente a hip\u00f3tese nula e permite concluir que B n\u00e3o \u00e9 inferior a A, mas ao mesmo tempo \u03bcB pode ser \u2264 \u03bc placebo, o que n\u00e3o \u00e9 o que precisamos. (Figura 3).<\/p>\n

\"Quando
\nFigura 3. Demonstra\u00e7\u00e3o dos riscos da escolha de um limite de n\u00e3o menor efic\u00e1cia. Se o limite for muito grande, pode-se concluir que B n\u00e3o \u00e9 inferior a A, mas ao mesmo tempo \u00e9 indistingu\u00edvel do placebo. N\u00e3o iremos substituir um medicamento que \u00e9 claramente mais eficaz que o placebo (A) por um que tem a mesma efic\u00e1cia que o placebo. <\/i><\/p>\n

Escolha de \u03b1 <\/h3>\n

\nVamos passar para a escolha de \u03b1. Pode-se usar o valor padr\u00e3o \u03b1 = 0,05, mas isso n\u00e3o \u00e9 exatamente justo. Por exemplo, quando voc\u00ea compra algo na internet e usa v\u00e1rios c\u00f3digos de desconto ao mesmo tempo, embora eles n\u00e3o devam se acumular \u2014 foi apenas um erro do desenvolvedor, e voc\u00ea se beneficiou disso. De acordo com as regras, o valor de \u03b1 deve ser igual \u00e0 metade do valor de \u03b1 que \u00e9 usado na verifica\u00e7\u00e3o da hip\u00f3tese de superioridade, ou seja, 0,05 \/ 2 = 0,025.<\/p>\n

Tamanho da amostra <\/h3>\n

\nComo avaliar o tamanho da amostra? Se voc\u00ea acredita que a verdadeira diferen\u00e7a m\u00e9dia entre A e B \u00e9 0, ent\u00e3o o c\u00e1lculo do tamanho da amostra ser\u00e1 o mesmo que ao verificar a hip\u00f3tese de superioridade, exceto que voc\u00ea substituir\u00e1 o tamanho do efeito pelo limite de n\u00e3o menor efic\u00e1cia, desde que voc\u00ea use \u03b1n\u00e3o menor efic\u00e1cia = 1\/2\u03b1superioridade <\/b>(\u03b1n\u00e3o inferioridade=1\/2\u03b1superioridade). Se voc\u00ea tem raz\u00f5es para acreditar que a op\u00e7\u00e3o B pode ser um pouco pior que a op\u00e7\u00e3o A, mas deseja provar que n\u00e3o \u00e9 pior do que \u0394, ent\u00e3o voc\u00ea teve sorte! Na verdade, isso reduz o tamanho da sua amostra, pois \u00e9 mais f\u00e1cil demonstrar que B \u00e9 pior que A se voc\u00ea realmente acredita que \u00e9 um pouco pior e n\u00e3o equivalente.<\/p>\n

Exemplo de decis\u00e3o <\/h3>\n

\nSuponha que voc\u00ea deseja mudar para a vers\u00e3o B sob a condi\u00e7\u00e3o de que ela seja pior que a vers\u00e3o A n\u00e3o mais do que 0,1 pontos em uma escala de satisfa\u00e7\u00e3o do cliente de 5 pontos\u2026 Vamos abordar essa tarefa usando a hip\u00f3tese de superioridade.<\/p>\n

Para testar a hip\u00f3tese de superioridade, calcular\u00edamos o tamanho da amostra da seguinte forma:<\/p>\n

\"Quando
\n
\nOu seja, se voc\u00ea tiver 2103 observa\u00e7\u00f5es em seu grupo, poder\u00e1 ter 90% de confian\u00e7a de que detectar\u00e1 um efeito de tamanho 0,10 ou mais. Mas se 0,10 for muito grande para voc\u00ea, talvez n\u00e3o valha a pena testar a hip\u00f3tese de superioridade nesse caso. Pode ser que, para mais confiabilidade, voc\u00ea decida realizar um estudo para um tamanho de efeito menor, por exemplo, 0,05. Nesse caso, voc\u00ea precisaria de 8407 observa\u00e7\u00f5es, o que implica um aumento quase quatro vezes no tamanho da amostra. Mas e se decidirmos manter nosso tamanho de amostra original, mas aumentar o poder para 0,99, para que n\u00e3o tenhamos d\u00favidas se obtermos um resultado positivo? Nesse caso n para um grupo ser\u00e1 3676, o que j\u00e1 \u00e9 melhor, mas aumenta o tamanho da amostra em mais de 50%. E, no final, ainda assim n\u00e3o conseguiremos refutar a hip\u00f3tese nula, em vez de obter uma resposta para nossa pergunta.<\/p>\n

E se, em vez disso, test\u00e1ssemos a hip\u00f3tese de n\u00e3o menor efic\u00e1cia? <\/p>\n

\"Quando
\n
\nO tamanho da amostra ser\u00e1 calculado pela mesma f\u00f3rmula, exceto pelo denominador.
\nAs diferen\u00e7as da f\u00f3rmula usada ao testar a hip\u00f3tese de superioridade s\u00e3o as seguintes:<\/p>\n

\u2014 Z1\u2212\u03b1\/2 \u00e9 substitu\u00eddo por Z1\u2212\u03b1, mas se voc\u00ea fizer tudo certinho, voc\u00ea substitui \u03b1 = 0,05 por \u03b1 = 0,025, ou seja, \u00e9 o mesmo n\u00famero (1,96)<\/p>\n

\u2014 no denominador aparece (\u03bcB\u2212\u03bcA)<\/p>\n

\u2014 \u03b8 (tamanho do efeito) \u00e9 substitu\u00eddo por \u0394 (limite de n\u00e3o menor efic\u00e1cia)<\/p>\n

Se assumirmos que \u00b5B = \u00b5A, ent\u00e3o (\u00b5B \u2212 \u00b5A) = 0 e o c\u00e1lculo do tamanho da amostra para o limite de n\u00e3o inferioridade \u00e9 exatamente o que obter\u00edamos ao calcular a superioridade para um tamanho de efeito de 0,1, \u00f3timo! Podemos realizar um estudo da mesma escala com diferentes hip\u00f3teses e uma abordagem diferente para as conclus\u00f5es, e obteremos a resposta para a pergunta que realmente queremos responder.<\/p>\n

Agora, suponhamos que na verdade n\u00e3o acreditamos que \u00b5B = \u00b5A e
\npensamos que \u00b5B \u00e9 um pouco pior, talvez em 0,01 unidades. Isso aumenta nosso denominador, reduzindo o tamanho da amostra do grupo para 1737.<\/p>\n

O que acontece se a vers\u00e3o B for realmente melhor do que a vers\u00e3o A? Estamos rejeitando a hip\u00f3tese nula de que B \u00e9 pior que A em mais de \u0394 e aceitaremos a hip\u00f3tese alternativa de que B, se pior, n\u00e3o \u00e9 pior do que \u0394, e pode ser melhor. Tente incluir essa conclus\u00e3o em uma apresenta\u00e7\u00e3o multifuncional e veja o que acontece (s\u00e9rio, tente). Em uma situa\u00e7\u00e3o onde \u00e9 necess\u00e1rio navegar por perspectivas, ningu\u00e9m quer concordar que \"n\u00e3o \u00e9 pior do que \u0394 e, possivelmente, \u00e9 melhor\".<\/p>\n

Nesse caso, podemos realizar um estudo que se chama de forma muito breve \"teste da hip\u00f3tese de que uma das op\u00e7\u00f5es supera a outra ou \u00e9 inferior a ela\". Nele s\u00e3o utilizados dois conjuntos de hip\u00f3teses:<\/p>\n

O primeiro conjunto (o mesmo da verifica\u00e7\u00e3o da hip\u00f3tese de n\u00e3o inferioridade): <\/p>\n

\"Quando
\n
\nO segundo conjunto (o mesmo da verifica\u00e7\u00e3o da hip\u00f3tese de superioridade):<\/p>\n

\"Quando
\n
\nTestamos a segunda hip\u00f3tese somente se a primeira for rejeitada. Em testes sequenciais, mantemos o n\u00edvel geral de erro do primeiro tipo (\u03b1). Na pr\u00e1tica, isso pode ser alcan\u00e7ado criando um intervalo de confian\u00e7a de 95% para a diferen\u00e7a entre as m\u00e9dias e verificando se todo o intervalo excede -\u0394. Se o intervalo n\u00e3o exceder -\u0394, n\u00e3o podemos rejeitar o valor nulo e paramos. Se todo o intervalo realmente exceder \u2212\u0394, continuaremos e veremos se o intervalo inclui 0. <\/p>\n

H\u00e1 outro tipo de pesquisa que n\u00e3o discutimos \u2013 pesquisas de equival\u00eancia. <\/p>\n

Pesquisas desse tipo podem ser substitu\u00eddas por estudos para testar a hip\u00f3tese de n\u00e3o menor efic\u00e1cia e vice-versa, mas elas t\u00eam uma diferen\u00e7a importante. O teste para validar a hip\u00f3tese de n\u00e3o menor efic\u00e1cia tem o objetivo de demonstrar que a variante B \u00e9 pelo menos t\u00e3o boa quanto a A. J\u00e1 um estudo de equival\u00eancia visa mostrar que a variante B \u00e9 pelo menos t\u00e3o boa quanto a A, e que a variante A \u00e9 t\u00e3o boa quanto a B, o que \u00e9 mais complicado. Essencialmente, estamos tentando determinar se todo o intervalo de confian\u00e7a para a diferen\u00e7a de m\u00e9dias est\u00e1 entre \u2212\u0394 e \u0394. Esses estudos requerem um tamanho de amostra maior e s\u00e3o realizados com menor frequ\u00eancia. Portanto, da pr\u00f3xima vez que voc\u00ea realizar uma pesquisa em que seu objetivo principal \u00e9 garantir que a nova vers\u00e3o n\u00e3o seja pior, n\u00e3o aceite a \"impossibilidade de refutar a hip\u00f3tese nula\". Se voc\u00ea deseja testar uma hip\u00f3tese realmente importante, considere diferentes op\u00e7\u00f5es.
\n
Fonte: habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u0421\u0442\u0430\u0442\u044c\u044f \u043e\u0442 \u043a\u043e\u043c\u0430\u043d\u0434\u044b Stitch Fix \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0435\u0442 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u0434\u0445\u043e\u0434 \u043a\u043b\u0438\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0439 \u043d\u0435 \u043c\u0435\u043d\u044c\u0448\u0435\u0439 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u0438 (non-inferiority trials) \u0432 \u043c\u0430\u0440\u043a\u0435\u0442\u0438\u043d\u0433\u043e\u0432\u044b\u0445 \u0438 \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u043e\u0432\u044b\u0445 A\/B \u0442\u0435\u0441\u0442\u0430\u0445. \u0422\u0430\u043a\u043e\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c, \u043a\u043e\u0433\u0434\u0430 \u043c\u044b \u0442\u0435\u0441\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u043e\u0432\u043e\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u0435, \u0438\u043c\u0435\u044e\u0449\u0435\u0435 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0430, \u043d\u0435\u0438\u0437\u043c\u0435\u0440\u044f\u0435\u043c\u044b\u0435 \u0442\u0435\u0441\u0442\u0430\u043c\u0438. \u0421\u0430\u043c\u044b\u0439 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u2014 \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u0435 \u043a\u043e\u0441\u0442\u043e\u0432. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0438\u0440\u0443\u0435\u043c \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0443\u0440\u043e\u043a\u0430, \u043d\u043e \u043d\u0435 \u0445\u043e\u0442\u0438\u043c \u0441\u0438\u043b\u044c\u043d\u043e \u0443\u0440\u043e\u043d\u0438\u0442\u044c \u0441\u043a\u0432\u043e\u0437\u043d\u0443\u044e \u043a\u043e\u043d\u0432\u0435\u0440\u0441\u0438\u044e. \u0418\u043b\u0438 \u0442\u0435\u0441\u0442\u0438\u0440\u0443\u0435\u043c […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":26311,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-34958","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47Quando verificar a hip\u00f3tese de n\u00e3o menor efic\u00e1cia? | ProHoster","description":"Artigo da equipe Stitch Fix.","canonical_url":"https:\/\/prohoster.info\/pt\/blog\/news\/kogda-stoit-proveryat-gipotezu-o-ne-menshej-effektivnosti","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"pt_PT","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041a\u043e\u0433\u0434\u0430 \u0441\u0442\u043e\u0438\u0442 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u0443 \u043e \u043d\u0435 \u043c\u0435\u043d\u044c\u0448\u0435\u0439 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u0438? | ProHoster","og:description":"\u0421\u0442\u0430\u0442\u044c\u044f \u043e\u0442 \u043a\u043e\u043c\u0430\u043d\u0434\u044b Stitch Fix.","og:url":"https:\/\/prohoster.info\/pt\/blog\/news\/kogda-stoit-proveryat-gipotezu-o-ne-menshej-effektivnosti","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T19:01:31+00:00","article:modified_time":"2019-10-31T19:01:31+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"34958","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-21 21:15:19","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 02:12:27","updated":"2026-01-21 21:15:19","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/posts\/34958","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/comments?post=34958"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/posts\/34958\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/media\/26311"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/media?parent=34958"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/categories?post=34958"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/pt\/wp-json\/wp\/v2\/tags?post=34958"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}