Interpretar los resultados clave para Prueba de equivalencia de 1 muestra

Realice los siguientes pasos para interpretar una prueba de equivalencia de 1 muestra. La salida clave incluye la estimación de la diferencia, el intervalo de confianza, la gráfica de equivalencia y otras gráficas.

Paso 1: Determinar si la media de la población y el objetivo son equivalentes

Compare el intervalo de confianza con los límites de equivalencia. Si el intervalo de confianza está completamente dentro de los límites de equivalencia, usted puede afirmar que la media de la población es equivalente al objetivo. Si parte del intervalo de confianza está fuera de los límites de equivalencia, no puede afirmar equivalencia.

Diferencia: Media(Fuerza) - Objetivo IC de 95% para Intervalo de Diferencia EE equivalencia equivalencia 0.28500 0.13831 (0, 0.520586) (-0.42, 0.42) El IC no está dentro del intervalo de equivalencia. No se puede afirmar equivalencia.
Resultados clave: IC de 95%, Intervalo de equivalencia

En estos resultados, el intervalo de confianza de 95% excede el límite de equivalencia superior. Por lo tanto, usted no puede afirmar que la media de la población es equivalente al objetivo.

Nota

Si usted seleccionó una hipótesis alternativa para probar una desigualdad en lugar de una equivalencia, evalúe los resultados generales comparando el borde inferior con el límite inferior o el borde superior con el límite superior. Para obtener más información, vaya a Diferencia para Prueba de equivalencia de 1 muestra y haga clic en "Borde inferior". o "Borde superior".

Paso 2: Verificar si hay problemas en los datos

Problemas con sus datos, como asimetría o valores atípicos, pueden afectar negativamente sus resultados. Utilice gráficas para buscar asimetría (examinando la dispersión de los datos) e identificar posibles valores atípicos.

Determinar si los datos parecen ser asimétricos

Cuando los datos son asimétricos, la mayoría de los datos se ubica hacia la parte superior o inferior de la gráfica. A menudo, es más fácil identificar la asimetría con una gráfica de caja o un histograma.

Asimétrico hacia la derecha
Asimétrico hacia la izquierda

Por ejemplo, el histograma con asimetría hacia la derecha muestra datos sobre salario. Muchos empleados reciben una cantidad relativamente pequeña, mientras que cada vez menos empleados reciben grandes salarios. El histograma con asimetría a la izquierda muestra datos de tasa de falla. Unos pocos elementos fallan antes, mientras que un número creciente de elementos falla posteriormente.

Los datos que son marcadamente asimétricos pueden afectar la validez de los resultados de la prueba si su muestra es pequeña (< 20 valores). Si sus datos son marcadamente asimétricos y tiene una muestra pequeña, considere aumentar el tamaño de la muestra.

Identifique valores atípicos

Los valores atípicos, que son puntos de datos que están muy alejados de la mayoría de los demás datos, pueden afectar considerablemente sus resultados. Es más fácil identificar los valores atípicos en una gráfica de caja.

En una gráfica de caja, los valores atípicos se identifican con asteriscos (*).

Usted debe tratar de identificar la causa de cualquier valor atípico. Corrija cualquier error de entrada de datos o de medición. Considere eliminar los datos que estén asociados a causas especiales y repetir el análisis. Para obtener más información sobre causas especiales, vaya a Uso de gráficas de control para detectar la variación de causa común y la variación por causas especiales.

En estas gráficas, los datos no parecen ser asimétricos y no hay valores atípicos.

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