En este tema
Hipótesis nula e hipótesis alternativa
- Hipótesis nula
- La hipótesis nula indica que un parámetro de población (tal como la media, la desviación estándar, etc.) es igual a un valor hipotético. La hipótesis nula es a menudo la hipótesis de "sin diferencia" o "sin efecto".
- Hipótesis alternativa
- La hipótesis alternativa establece que un parámetro de población es más pequeño, más grande o diferente del valor hipotético de la hipótesis nula. La hipótesis alternativa establece lo que sospechas que es cierto que es contrario al enunciado de la hipótesis nula. A menudo, el objetivo de una prueba de hipótesis es demostrar que los datos de la muestra proporcionan suficiente evidencia para rechazar la hipótesis nula. El rechazo de la hipótesis nula apoya la hipótesis alternativa.
En la salida, las hipótesis nula y alternativa le ayudan a verificar que usted ingresó el valor correcto de la proporción hipotética.
N
El tamaño de la muestra (N) es el número total de observaciones en la muestra.
Interpretación
El tamaño de la muestra afecta el intervalo de confianza y la potencia de la prueba.
Generalmente, un tamaño de la muestra más grande da como resultado un intervalo de confianza más estrecho. Con un tamaño de la muestra más grande, la prueba también tendrá más potencia para detectar una diferencia. Para obtener más información, vaya a ¿Qué es potencia?.
Evento
El evento es el valor de interés de la muestra. Minitab utiliza el número de eventos para calcular la proporción de la muestra, que es una estimación de la proporción de la población. Usted puede cambiar el valor que Minitab utiliza como evento seleccionando el otro valor cuando especifique el análisis. Seleccione el evento de acuerdo con la proporción que desea que el análisis estire.
Muestra p
La proporción de la muestra es igual al número de eventos dividido entre el tamaño de la muestra (N).
Interpretación
La proporción de la muestra es una estimación de la proporción de la población del evento de interés.
Puesto que la proporción se basa en los datos de una muestra y no en toda la población, es improbable que la proporción de la muestra sea igual a la proporción de la población. Para estimar mejor la proporción de la población, utilice el intervalo de confianza.
Intervalo de confianza (IC) y límites
El intervalo de confianza proporciona un rango de valores probables para la proporción de población. Puesto que las muestras son aleatorias, es poco probable que dos muestras de una población produzcan intervalos de confianza idénticos. Sin embargo, si usted repitiera muchas veces la muestra, un determinado porcentaje de los intervalos o bordes de confianza resultantes contendría la proporción de población desconocida. El porcentaje de estos intervalos de confianza o límites que cubren la proporción es el nivel de confianza del intervalo. Por ejemplo, un nivel de confianza del 95 % indica que si toma 100 muestras aleatorias de la población, podría esperar que aproximadamente 95 de las muestras produzcan intervalos que cubran la proporción de la población.
Un borde superior define un valor en comparación con el cual es probable que la proporción de población sea menor. Un borde inferior define un valor en comparación con el cual es probable que la proporción de población sea mayor.
El intervalo de confianza ayuda a evaluar la significancia práctica de los resultados. Utilice sus conocimientos especializados para determinar si el intervalo de confianza incluye valores que tienen un significado práctico para su situación. Si el intervalo es demasiado amplio para ser útil, considere la posibilidad de aumentar el tamaño de la muestra. Para obtener más información, vaya a Maneras de obtener un intervalo de confianza más preciso.
Estadísticas descriptivas
| N | Evento | Muestra p | IC de 95% para p |
|---|---|---|---|
| 1000 | 87 | 0.087000 | (0.070617, 0.106130) |
En estos resultados, la estimación de la proporción de la población de unidades familiares que realizaron una compra es 0,087. Usted puede estar 95% seguro de que la proporción de la población está entre aproximadamente 0,07 y 0,106.
Valor p
El valor p es una probabilidad que mide la evidencia frente a la hipótesis nula que se encuentra en la muestra de datos. Un valor p más pequeño proporciona una evidencia más fuerte en contra de la hipótesis nula.
Interpretación
Utilice el valor p para determinar si la proporción de la población es estadísticamente diferente de la proporción hipotética.
- Valor p ≤ α: La diferencia entre las proporciones es estadísticamente significativa (Rechazar 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 la proporción de la población y la proporción hipotética es estadísticamente significativa. 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 proporciones no es estadísticamente significativa (No se 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 la proporción de la población y la proporción hipotética es estadísticamente significativa. Debe asegurarse de que su prueba tenga suficiente potencia para detectar una diferencia que sea significativa desde el punto de vista práctico. Para obtener más información, vaya a Potencia y tamaño de la muestra para 1 proporción.
Valor Z
Los resultados incluyen el valor Z cuando los cálculos utilizan Wilson-Score sin una corrección de continuidad.
Interpretación
Usted puede comparar el valor Z con los valores críticos de la distribución normal estándar para determinar si puede rechazar la hipótesis nula. Sin embargo, por lo general es más práctico y conveniente utilizar el valor p de la prueba para hacer la misma determinación.
Para determinar si puede rechazar la hipótesis nula, compare el valor Z con el valor crítico. El valor crítico es Z 1-α/2 para una prueba bilateral y Z1-α para una prueba unilateral. Para una prueba bilateral, si el valor absoluto del valor Z es mayor que el valor crítico, usted rechaza la hipótesis nula. De lo contrario, no puede rechazar la hipótesis nula. Puede calcular el valor crítico en Minitab o buscar el valor crítico en una tabla de distribución normal estándar en la mayoría de los libros de estadística. Para obtener más información, vaya a Uso de la función de distribución acumulada inversa (ICDF) y haga clic en "Usar la ICDF para calcular los valores críticos".
