Interpretar los resultados clave para Prueba de equivalencia con datos pareados

Realice los siguientes pasos para interpretar la prueba de equivalencia con datos pareados. 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(Nueva) - Media(Marca destacada) IC de 95% para Intervalo de Diferencia Desv.Est. EE equivalencia equivalencia -0.11929 0.42324 0.11312 (-0.319605, 0.0810335) (-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 definido por el límite de equivalencia inferior (LEL) y el límite de equivalencia superior (UEL). 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 (*).

En la gráfica del perfil del sujeto, busque una respuesta del sujeto que difiera considerablemente de las demás respuestas y de los resultados de la prueba de equivalencia.

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.

La gráfica de caja y el histograma muestran que las diferencias no parecen ser asimétricas y no hay valores atípicos. La gráfica del perfil del sujeto muestra que las mediciones varían entre los participantes. Sin embargo, las líneas que conectan cada par de observaciones son casi horizontales. Por lo tanto, los valores de los tratamientos de la prueba y de referencia son similares para cada sujeto. Este patrón concuerda con los resultados estadísticos, lo que sugiere que ambas soluciones son igualmente efectivas.

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