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.
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.
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.
Muestra | N | Evento | Muestra p |
---|---|---|---|
Muestra 1 | 802 | 725 | 0.903990 |
Muestra 2 | 712 | 573 | 0.804775 |
Hipótesis nula | H₀: p₁ - p₂ = 0 |
---|---|
Hipótesis alterna | H₁: p₁ - p₂ ≠ 0 |
Método | Valor Z | Valor p |
---|---|---|
Aproximación normal | 5.47 | 0.000 |
Exacta de Fisher | 0.000 |
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.