Interpretar los resultados clave para t de 2 muestras

Complete los siguientes pasos para interpretar una prueba t de 2 muestras. La salida clave incluye la estimación de la diferencia, el intervalo de confianza, el valor p y varias gráficas.

Paso 1: Determinar un intervalo de confianza para la diferencia en las medias de población

Primero, considere la diferencia en las medias de las muestras y luego examine el intervalo de confianza.

La diferencia es una estimación de la diferencia en las medias de las poblaciones. Puesto que la diferencia se basa en los datos de una muestra y no en toda la población, es improbable que la diferencia en las muestras sea igual a la diferencia en las poblaciones. Para estimar mejor la diferencia en las poblaciones, utilice el intervalo de confianza de la diferencia.

El intervalo de confianza proporciona un rango de valores probables para la diferencia entre las medias de dos poblaciones. Por ejemplo, un nivel de confianza de 95% indica que si usted toma 100 muestras aleatorias de la población, podría esperar que aproximadamente 95 de las muestras contengan la diferencia de población. El intervalo de confianza ayuda a evaluar la significancia práctica de los resultados. Utilice su conocimiento especializado para determinar si el intervalo de confianza incluye valores que tienen significancia práctica para su situación. Si el intervalo es demasiado amplio para ser útil, considere aumentar el tamaño de la muestra. Para obtener más información, vaya a Maneras de obtener un intervalo de confianza más preciso.

Estimación de la diferencia IC de 95% para la Diferencia diferencia 21.00 (14.22, 27.78)
Resultados clave: Estimación para la diferencia, IC de 95% para la diferencia

En estos resultados, la estimación de la diferencia en las medias de las poblaciones en las calificaciones de los hospitales es 21. Usted puede estar 95% seguro de que la media de las poblaciones está entre 14.22 y 27.78.

Paso 2: Determinar si la diferencia es estadísticamente significativa

Para determinar si la diferencia entre las medias de población es estadísticamente significativa, compare el valor p con el nivel de significancia. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe una diferencia cuando no hay una diferencia real.
Valor p ≤ α: La diferencia entre las medias es estadísticamente significativa (Rechaza H0)
Si el valor p es menor que o igual al nivel de significancia, la decisión es rechazar la hipótesis nula. Usted puede concluir que la diferencia entre las medias de las poblaciones no es igual a la diferencia hipotética. Si no especificó una diferencia hipotética, Minitab prueba si no hay diferencia entre las medias (Diferencia hipotetizada = 0). Utilice su conocimiento especializado para determinar si la diferencia es significativa desde el punto de vista práctico. Para obtener más información, vaya a Significancia estadística y práctica.
Valor p > α: La diferencia entre las medias no es estadísticamente significativa (No puede rechazar H0)
Si el valor p es mayor que el nivel de significancia, la decisión es que no se puede rechazar la hipótesis nula. Usted no tiene suficiente evidencia para concluir que la diferencia entre las medias de las poblaciones es estadísticamente significativa. Debe asegurarse de que su prueba tenga suficiente potencia para detectar una diferencia que es significativa desde el punto de vista práctico. Para obtener más información, vaya a Potencia y tamaño de la muestra para t de 2 muestras.

Valor T GL Valor p 6.31 32 0.000

Prueba Hipótesis nula H₀: μ₁ - µ₂ = 0 Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Resultado clave: Valor p

En estos resultados, la hipótesis nula indica que la diferencia en la calificación media entre dos hospitales es 0. Puesto que el valor p es menor que 0.00, que es menor que el nivel de significancia de 0.05, la decisión es rechazar la hipótesis nula y concluir que las calificaciones de los hospitales son diferentes.

Paso 3: Verificar si hay problemas en los datos

Los problemas con los datos, como la asimetría y los valores atípicos, pueden afectar negativamente los resultados. Utilice gráficas para buscar asimetría (examinando la dispersión de cada muestra) y para identificar posibles valores atípicos.

Examine la dispersión de los datos para determinar si los datos parecen ser asimétricos.

Cuando los datos son asimétricos, la mayoría de los datos se ubican en la parte superior o inferior de la gráfica. Con frecuencia, es fácil detectar la asimetría con un histograma o una gráfica de caja.

Asimétrico hacia la derecha
Asimétrico hacia la izquierda

La gráfica de caja con datos asimétricos hacia la derecha muestra tiempos de espera. La mayoría de los tiempos de espera son relativamente cortos y solo unos pocos son largos. La gráfica de caja con datos asimétricos hacia la izquierda muestra datos de tiempo de falla. Unos pocos elementos fallan inmediatamente y muchos otros fallan posteriormente.

Los datos marcadamente asimétricos pueden afectar la validez del valor p si las muestras son pequeñas (cualquiera de las muestras tiene menos de 15 valores). Si los datos son marcadamente asimétricos y usted tiene una muestra pequeña, considere aumentar el tamaño de la muestra.

Salida de la muestra

En estas gráficas de caja, los datos del Hospital B parecen ser muy asimétricos.

Identificar valores atípicos

Los valores atípicos, que son valores de datos que están muy distantes de otros valores de datos, pueden afectar considerablemente los resultados de un análisis. Con frecuencia, es fácil identificar los valores atípicos en una gráfica de caja.

En una gráfica de caja, los asteriscos (*) denotan valores atípicos.

Trate de identificar la causa de cualquier valor atípico. Corrija cualquier error de entrada de datos o de medición. Considere eliminar los valores de datos asociados con eventos anormales y únicos (también conocidos como causas especiales). Luego, repita el análisis. Para obtener más información, vaya a Identificar valores atípicos.

Salida de la muestra

En estas gráficas de caja, los datos del Hospital B tienen 2 valores atípicos.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política