Interpretar los resultados clave para 2 proporciones

Complete los siguientes pasos para interpretar una prueba de 2 proporciones. La salida clave incluye la estimación de la diferencia, el intervalo de confianza y el valor p.

Paso 1: Determinar un intervalo de confianza para la diferencia en las proporciones de población

Primero, considere la diferencia en las proporciones de las muestras y luego examine el intervalo de confianza.

La diferencia es una estimación de la diferencia en las proporciones de las poblaciones. 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 entre las proporciones de dos poblaciones. 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. 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.

Estimación de la diferencia

DiferenciaIC de 95% para la
diferencia
0.0992147(0.063671, 0.134759)
IC basado en la aproximación a la normal
Resultados clave: Estimación para la diferencia, IC de 95% para la diferencia

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.

Paso 2: Determinar si la diferencia es estadísticamente significativa

Para determinar si la diferencia entre las proporciones de las poblaciones es estadísticamente significativa, compare el valor p con el nivel de significancia. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe una diferencia cuando no hay una diferencia real.
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 las proporciones de las poblaciones no es igual a la diferencia hipotética. Si no especificó una diferencia hipotética, Minitab prueba si no hay diferencia entre las proporciones (Diferencia hipotetizada = 0). 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 las proporciones de las poblaciones 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 2 proporciones.

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 al 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 puede ser inexacto. El método exacto de Fisher es válido para todas las muestras, pero tiende a ser conservador. Un valor p conservador subestima la evidencia en contra de la hipótesis nula.

Estadísticas descriptivas

MuestraNEventoMuestra p
Muestra 18027250.903990
Muestra 27125730.804775

Prueba

Hipótesis nulaH₀: p₁ - p₂ = 0
Hipótesis alternaH₁: p₁ - p₂ ≠ 0
MétodoValor ZValor p
Aproximación normal5.470.000
Exacta de Fisher  0.000
Resultado clave: Valor p

En estos resultados, la hipótesis nula indica que no hay diferencia en la proporción de estudiantes de sexo masculino y femenino que consiguen un empleo de verano. El número de eventos y no eventos de ambas muestras es por lo menos 5, por lo que ambos valores p son válidos. Puesto que los valores p para ambos métodos son menores que 0.0001, que es menor que el nivel de significancia de 0.05, la decisión es rechazar la hipótesis nula y concluir que la proporción de estudiantes que consiguen un empleo de verano es diferente para hombres y mujeres.