Aviso
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con:
La diferencia es la diferencia desconocida entre las proporciones de población que usted desea estimar. Minitab indica cuál proporción de población se resta de la otra.
El tamaño de la muestra (N) es el número total de observaciones en la muestra.
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?.
El evento es el valor en la muestra que representa un éxito. 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 usa como el evento al cambiar el orden de los valores. Para obtener más información, vaya a Cambiar el orden de presentación de los valores de texto en la salida de Minitab.
La proporción de la muestra es igual al número de eventos dividido entre el tamaño de la muestra (N).
La proporción de cada muestra es una estimación de la proporción de población de cada muestra.
La diferencia es la diferencia entre las proporciones de las dos muestras.
Puesto que la diferencia se basa en los datos de una muestra y no en toda la población, es improbable que la diferencia en las muestras sea igual a la diferencia en las poblaciones. Para estimar mejor la diferencia en las poblaciones, utilice el intervalo de confianza de la diferencia.
El intervalo de confianza proporciona un rango de valores probables para la diferencia 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 diferencia de población desconocida. El porcentaje de estos intervalos o bordes de confianza que contiene el parámetro es el nivel de confianza del intervalo. Por ejemplo, un nivel de confianza de 95% indica que si usted toma 100 muestras aleatorias de la población, podría esperar que aproximadamente 95 de las muestras contengan la diferencia de población.
Un borde superior define un valor en comparación con el cual es probable que la diferencia de población sea menor. Un borde inferior define un valor en comparación con el cual es probable que la diferencia de población sea mayor.
El intervalo de confianza ayuda a evaluar la significancia práctica de los resultados. Utilice su conocimiento especializado para determinar si el intervalo de confianza incluye valores que tienen significancia práctica para su situación. Si el intervalo es demasiado amplio para ser útil, considere aumentar el tamaño de la muestra. Para obtener más información, vaya a Maneras de obtener un intervalo de confianza más preciso.
| Diferencia | IC de 95% para la diferencia |
|---|---|
| 0.0992147 | (0.063671, 0.134759) |
En estos resultados, la estimación de la diferencia en las proporciones de población en los empleos de verano para estudiantes de sexo masculino y femenino es 0, aproximadamente 0,099. Usted puede estar 95% seguro de que la relación de las desviaciones estándar de las poblaciones está entre aproximadamente 0,06 y 0,13.
En la salida, las hipótesis nula y alternativa le ayudan a verificar que usted ingresó el valor correcto de la diferencia de la prueba.
El valor Z es un estadístico de prueba para las pruebas Z que mide la diferencia entre un estadístico observado y su parámetro hipotético de población en unidades de error estándar.
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 su valor crítico. El valor crítico es Z1-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. Si el valor absoluto del valor Z es menor que el valor crítico, usted 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".
El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Un valor p más pequeño proporciona una evidencia más fuerte en contra de la hipótesis nula.
Utilice el valor p para determinar si la diferencia en las proporciones de las poblaciones es estadísticamente significativa.
Minitab utiliza el método de aproximación a la normal y el método exacto de Fisher para calcular los valores p para la prueba de 2 proporciones. Si el número de eventos y el número de no eventos es por lo menos 5 en ambas muestras, utilice el menor de los dos valores p. Si el número de eventos o el número de no eventos es menor que 5 en cualquiera de las muestras, el método de aproximación a la normal podría ser inexacto. El método exacto de Fisher es válido para todas las muestras, pero tiende a ser conservador. Un valor p conservador minimiza la evidencia contra la hipótesis nula.
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con: