Interpretar los resultados clave para Prueba de equivalencia de 2 muestras

Realice los siguientes pasos para interpretar una prueba de equivalencia de 2 muestras. La salida clave incluye la estimación de la diferencia (o relación), el intervalo de confianza, la gráfica de equivalencia y otras gráficas.

Paso 1: Determinar si la media de la prueba y la media de referencia 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 de la prueba es equivalente a la media de la población de referencia. Si parte del intervalo de confianza está fuera de los límites de equivalencia, no puede afirmar equivalencia.

Diferencia: Media(Descuento) - Media(Original) IC de 95% para Intervalo de Diferencia EE equivalencia equivalencia -0.12122 0.20324 (-0.483449, 0.241005) (-0.5, 0.5) El IC está dentro del intervalo de equivalencia. Se puede afirmar equivalencia.
Resultados clave: IC de 95%, Intervalo de equivalencia

En estos resultados, el intervalo de confianza de 95% está completamente dentro del intervalo de equivalencia definido por el límite de equivalencia inferior (LEI) y el límite de equivalencia superior (LES). Por lo tanto, usted puede concluir que la media de la prueba es equivalente a la media de referencia.

Nota

Usted también puede utilizar los valores p para evaluar los resultados de la prueba de equivalencia. Para demostrar equivalencia, los valores p de las dos hipótesis nulas deben ser menores que alfa.

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.

Compare la dispersión de los datos (opcional)

Por opción predeterminada, la prueba de equivalencia no presupone que las varianzas de cada grupo sean iguales. Sin embargo, si usted seleccionó la opción Presuponer varianzas iguales para la prueba, compare las gráficas de cada grupo para asegurar que la dispersión de los datos sea similar. Si la dispersión difiere considerablemente, no debe presuponer varianzas iguales cuando realiza la prueba.
Nota

Para verificar formalmente varianzas iguales, utilice la prueba de 2 varianzas.

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

La dispersión de los datos no parece ser la misma para el grupo de la prueba y el grupo de referencia. Por lo tanto, usted no debe presuponer varianzas iguales para la prueba.

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