Aviso
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con:
El estadístico de arrastre mide el efecto de un tratamiento sobre el siguiente tratamiento. Por ejemplo, supongamos que el tratamiento de referencia tiene un efecto fuerte y el tratamiento de la prueba tiene un efecto débil. Si el período de reposo farmacológico no es suficientemente largo, los efectos residuales del tratamiento de referencia en el Período 1 puede causar que los efectos del tratamiento de la prueba en el Período 2 parezcan más fuertes de lo que realmente son.
Compare el valor p del efecto de arrastre con el nivel de significancia (denotado como alfa o α). Un α de 0,05 es común. Si el valor p es menor que α, el efecto de arrastre es estadísticamente significativo. En ese caso, los resultados de la prueba de equivalencia pueden estar sesgados.
| Efecto | EE | GL | Valor T | Valor p | IC de 95% para equivalencia | |
|---|---|---|---|---|---|---|
| Efecto remanente | 0.45181 | 0.64988 | 15 | 0.69521 | 0.498 | (-0.93339, 1.8370) |
| Tratamiento | -0.32104 | 0.060641 | 15 | -5.2941 | 0.000 | (-0.45030, -0.19179) |
| Punto | -0.097708 | 0.060641 | 15 | -1.6112 | 0.128 | (-0.22696, 0.031546) |
En estos resultados, el efecto de arrastre es 0,45181. Sin embargo, el valor p es 0,498, que es mayor que α (0,05). Por lo tanto, el efecto de arrastre no es estadísticamente significativo.
Si el efecto de arrastre o el efecto del período es estadísticamente significativo, los resultados de la prueba de equivalencia pudieran no ser fiables. Además, el efecto del tratamiento se puede confundir con el efecto de arrastre y/o el efecto del período, lo que hace que las estimaciones sean dudosas. Cuando utilice un diseño cruzado 2x2, debe planear cuidadosamente su estudio para evitar efectos de arrastre y efectos del período antes de recopilar y analizar los datos.
El estadístico del tratamiento mide la diferencia entre los efectos del tratamiento de prueba y los efectos del tratamiento de referencia. En la mayoría de los estudios, el efecto del tratamiento es el efecto de interés.
Compare el valor p del efecto del tratamiento con el nivel de significancia (denotado como alfa o α). Un α de 0,05 es común. Si el valor p es menor que α, el efecto del tratamiento es estadísticamente significativo.
| Efecto | EE | GL | Valor T | Valor p | IC de 95% para equivalencia | |
|---|---|---|---|---|---|---|
| Efecto remanente | 0.45181 | 0.64988 | 15 | 0.69521 | 0.498 | (-0.93339, 1.8370) |
| Tratamiento | -0.32104 | 0.060641 | 15 | -5.2941 | 0.000 | (-0.45030, -0.19179) |
| Punto | -0.097708 | 0.060641 | 15 | -1.6112 | 0.128 | (-0.22696, 0.031546) |
En estos resultados, el efecto del tratamiento estimado es −0,32104. El valor p del efecto del tratamiento es 0,000, que es menor que 0,05. Por lo tanto, el efecto del tratamiento es estadísticamente significativo en el nivel de 0,05. El hecho de que el efecto del tratamiento sea significativo indica que un tratamiento tiene un mayor efecto que el otro. Sin embargo, un efecto significativo del tratamiento no significa que no se puede afirmar que existe equivalencia. La diferencia entre las medias de los tratamientos aún pudiera estar dentro de los límites de equivalencia.
Si el efecto de arrastre o el efecto del período es estadísticamente significativo, los resultados de la prueba de equivalencia pudieran no ser fiables. Además, el efecto del tratamiento se puede confundir con el efecto de arrastre y/o el efecto del período, lo que hace que las estimaciones sean dudosas. Cuando utilice un diseño cruzado 2x2, debe planear cuidadosamente su estudio para evitar efectos de arrastre y efectos del período antes de recopilar y analizar los datos.
El estadístico del período mide la diferencia entre la respuesta en el Período 1 y en el Período 2. Por ejemplo, si usted mide la presión arterial como respuesta, pudiera encontrar que la respuesta disminuye durante el Período 2 simplemente porque los participantes están más adaptados al ambiente y los procedimientos de la prueba. La adaptación de los participantes podría generar entonces un efecto del período.
Compare el valor p del efecto del período con el nivel de significancia (denotado como alfa o α). Un α de 0,05 es común. Si el valor p es menor que α, el efecto del período es estadísticamente significativo. En ese caso, los resultados de la prueba de equivalencia pueden estar sesgados.
| Efecto | EE | GL | Valor T | Valor p | IC de 95% para equivalencia | |
|---|---|---|---|---|---|---|
| Efecto remanente | 0.45181 | 0.64988 | 15 | 0.69521 | 0.498 | (-0.93339, 1.8370) |
| Tratamiento | -0.32104 | 0.060641 | 15 | -5.2941 | 0.000 | (-0.45030, -0.19179) |
| Punto | -0.097708 | 0.060641 | 15 | -1.6112 | 0.128 | (-0.22696, 0.031546) |
En estos resultados, el efecto del período estimado es −0,097708. Sin embargo, el valor p es 0,128, que es mayor que alfa (0,05). Por lo tanto, el efecto del período no es estadísticamente significativo.
Si el efecto de arrastre o el efecto del período es estadísticamente significativo, los resultados de la prueba de equivalencia pudieran no ser fiables. Además, el efecto del tratamiento se puede confundir con el efecto de arrastre y/o el efecto del período, lo que hace que las estimaciones sean dudosas. Cuando utilice un diseño cruzado 2x2, debe planear cuidadosamente su estudio para evitar efectos de arrastre y efectos del período antes de recopilar y analizar los datos.
El error estándar de cada efecto estima la variabilidad entre el efecto de las muestras que usted obtendría si tomara muestras repetidas de la misma población.
Utilice el error estándar del efecto para evaluar la precisión de la estimación de cada efecto con respecto a la variabilidad del muestreo aleatorio. Por lo general, mientras más pequeño sea el error estándar, más precisa será la estimación del efecto y más estrecho su intervalo de confianza.
Al dividir cada efecto entre su error estándar, se calcula un valor t para el efecto. Mientras menor sea el error estándar en relación con el tamaño del efecto, mayor será el valor absoluto del valor t. Si el valor p asociado con este valor t es menor que el nivel de significancia, usted concluye que el efecto es estadísticamente significativo. Para obtener más información, vaya a la sección Valor p de los efectos.
Los grados de libertad (GL) indican la cantidad de información disponible en los datos para estimar los valores de los parámetros desconocidos y para calcular la variabilidad de esas estimaciones.
Minitab utiliza los grados de libertad para calcular el estadístico de la prueba. Los grados de libertad se ven afectados por el tamaño de la muestra. Si incrementa el tamaño de la muestra, obtendrá más información sobre la población, con lo cual aumentan los grados de libertad.
El valor t es un estadístico de prueba que mide la magnitud de un efecto en relación con la variabilidad de las muestras (el error estándar).
Usted puede utilizar el valor t para determinar si puede rechazar la hipótesis nula. Sin embargo, la mayoría de las personas utilizan el valor p o el intervalo de confianza, porque son más fáciles de interpretar.
Al dividir cada efecto por su error estándar, se calcula el valor t del efecto. Mientras más pequeño sea el tamaño del error estándar en relación al tamaño del efecto, mayor será el valor absoluto del valor t y más fuerte será la evidencia en contra de la hipótesis nula.
El valor t de cada efecto se utiliza para calcular su valor p correspondiente. Si el valor p asociado con este valor t es menor que el nivel de significancia, usted concluye que el efecto es estadísticamente significativo. Para mayor información, véase la sección Valor p de los efectos.
El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula.
Para una prueba de equivalencia para un diseño cruzado 2x2, Minitab calcula valores p para el efecto de arrastre, el efecto del período y el efecto del tratamiento.
Utilice el valor p de cada efecto para determinar si el efecto es estadísticamente significativo. Compare cada valor p con el nivel de significancia (denotado como alfa o α). Por lo general, un α de 0.05 funciona adecuadamente.
Si el efecto de arrastre o el efecto del período es estadísticamente significativo, los resultados de la prueba de equivalencia pudieran no ser fiables. El efecto del tratamiento se puede confundir con el efecto del período y/o el efecto de arrastre. Cuando utilice un diseño cruzado 2x2, debe planear cuidadosamente su estudio para evitar efectos de arrastre y efectos del período antes de recopilar y analizar los datos.
Si el efecto de arrastre y el efecto del período no son estadísticamente significativos, determine si el efecto del tratamiento es estadísticamente significativo. Por lo general, el efecto del tratamiento es el efecto de interés.
| Efecto | EE | GL | Valor T | Valor p | IC de 95% para equivalencia | |
|---|---|---|---|---|---|---|
| Efecto remanente | 0.45181 | 0.64988 | 15 | 0.69521 | 0.498 | (-0.93339, 1.8370) |
| Tratamiento | -0.32104 | 0.060641 | 15 | -5.2941 | 0.000 | (-0.45030, -0.19179) |
| Punto | -0.097708 | 0.060641 | 15 | -1.6112 | 0.128 | (-0.22696, 0.031546) |
En estos resultados, los valores p del efecto de arrastre y del efecto del período son ambos mayores que 0,05, el nivel de significancia. Por tanto, estos efectos no son estadísticamente significativos. El valor p del efecto del tratamiento es menor que 0,05, lo que indica que la diferencia entre los tratamientos es estadísticamente significativa.
Un efecto del tratamiento que es estadísticamente significativo no indica que usted no pueda afirmar que existe equivalencia. La diferencia entre las medias de los tratamientos aún pudiera estar dentro de los límites de equivalencia. Utilice los resultados en la gráfica de equivalencia para determinar si puede afirmar que existe equivalencia. Para obtener más información, vaya a Gráficas para Prueba de equivalencia para un diseño cruzado 2x2 y haga clic en "Gráfica de equivalencia".
El intervalo de confianza para la equivalencia proporciona un rango de valores probables para cada efecto con base en los datos de la muestra.
Para cada efecto, utilice el intervalo de confianza y el valor p para determinar si el efecto es estadísticamente significativo.
| Efecto | EE | GL | Valor T | Valor p | IC de 95% para equivalencia | |
|---|---|---|---|---|---|---|
| Efecto remanente | 0.45181 | 0.64988 | 15 | 0.69521 | 0.498 | (-0.93339, 1.8370) |
| Tratamiento | -0.32104 | 0.060641 | 15 | -5.2941 | 0.000 | (-0.45030, -0.19179) |
| Punto | -0.097708 | 0.060641 | 15 | -1.6112 | 0.128 | (-0.22696, 0.031546) |
En estos resultados, el intervalo de confianza de 95% para el efecto de arrastre es (−0,93339 y 1,8370) y el intervalo de confianza de 95% para el efecto del período es (−0,22696, 0,031546). Sin embargo, ninguno de estos efectos es estadísticamente significativo (p > 0,05). El intervalo de confianza de 95% para el efecto del tratamiento es (−0,45030, −0,19179). El efecto del tratamiento es estadísticamente significativo (p = 0.000).
Si el efecto de arrastre o el efecto del período es estadísticamente significativo, los resultados de la prueba de equivalencia pudieran no ser fiables. Además, el efecto del tratamiento se puede confundir con el efecto de arrastre y/o el efecto del período, lo que hace que las estimaciones sean dudosas. Cuando utilice un diseño cruzado 2x2, debe planear cuidadosamente su estudio para evitar efectos de arrastre y efectos del período antes de recopilar y analizar los datos.
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con: