Interpretar los resultados clave para la Procedimiento bootstrap para medias de 2 muestras

Complete los siguientes pasos para interpretar un análisis de procedimiento bootstrap de media de 2 muestras. La salida clave incluye el histograma, el promedio y el intervalo de confianza.

Paso 1: Examinar la forma de la distribución bootstrap

Utilice el histograma para examinar la forma de la distribución bootstrap. La distribución bootstrap es la distribución de la diferencia en las medias de cada muestra repetida. La distribución bootstrap debe parecer normal. Si la distribución bootstrap es no normal, usted no puede confiar en los resultados.
50 muestras repetidas
1000 muestras repetidas

La distribución suele ser más fácil de determinar con más muestras repetidas. Por ejemplo, en estos datos, la distribución es ambigua para 50 muestras repetidas. Con 1000 muestras repetidas, la forma parece aproximadamente normal.

En este histograma, la distribución bootstrap parece ser normal.

Paso 2: Determinar un intervalo de confianza para la media de la población

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

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

Los intervalos de confianza se basan en la distribución de muestreo de un estadístico. Si un estadístico no tiene sesgo como estimador de un parámetro, su distribución de muestreo se centra en el valor verdadero del parámetro. Una distribución bootstrap se aproxima a la distribución de muestreo del estadístico. Por lo tanto, el 95% intermedio de los valores de la distribución bootstrap proporciona un intervalo de confianza de 95% para el parámetro. El intervalo de confianza ayuda a evaluar la significancia práctica de la estimación del parámetro de la población. Utilice su conocimiento especializado para determinar si el intervalo de confianza incluye valores que tienen significancia práctica para su situación.

Nota

Minitab no calcula el intervalo de confianza cuando el número de muestras repetidas es demasiado bajo para obtener un intervalo de confianza preciso.

Bootstrapping para la diferencia en las medias: Calificación por Hospital

Histograma de bootstrap para Calificación por Hospital

Muestras observadas Hospital N Media Desv.Est. Varianza Mínimo Mediana Máximo A 20 80.30 8.18 66.96 62.00 79.00 98.00 B 20 59.30 12.43 154.54 35.00 58.50 89.00
Diferencia en las muestras observadas Media de A - Media de B = 21
Muestras de bootstrap para la diferencia en las medias Número de IC de 95% para remuestreos Promedio Desv.Est. la diferencia 1000 20.960 3.279 (14.400, 27.600)
Resultados clave: Promedio, IC de 95% para la diferencia

En estos resultados, la estimación de la diferencia de las poblaciones es 20.96. Usted puede estar 95% seguro de que la diferencia en las poblaciones está entre 14.4 y 27.6.

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