AUTORA
Rosana Ferrero
Data Scientist
Rosana Ferrero
Data Scientist
AUTOR
Juan L. López
Data Scientist
Juan L. López
Data Scientist
H0: p1=p2
|
No existen diferencias entre las proporciones de las poblaciones (p1– p2=0).
La proporción de sujetos que respondieron “sí” a la encuesta, fue similar entre fumadores y no fumadores.
|
H1: p1 ≠ p2
|
La diferencia entre las proporciones de población (p1– p2) no es igual a la diferencia hipotética (d0).
De los sujetos que respondieron “sí” a la encuesta, existen diferencias en la proporción de no fumadores (p1) y la de fumadores (p2).
|
H1: p1 > p2
|
La proporción de la población 1 (p1) es mayor que la proporción de la población 2 ( p2).
De los sujetos que respondieron “sí” a la encuesta, la proporción de no fumadores (p1) es mayor que la proporción de fumadores (p2).
|
H1: p1 < p2
|
La proporción de la población 1 (p1) es menor que la proporción de la población 2 (p2).
De los sujetos que respondieron “sí” a la encuesta, la proporción de no fumadores (p1) es menor que la proporción de fumadores (p2).
|
> datos <- + matrix(c(351, 41, 254, 154), + nrow = 2, + dimnames = list(Grupo = c("No fumador", "Fumador"), + Encuesta = c("Sí", "No")))
> datos Encuesta Grupo Sí No No fumador 351 254 Fumador 41 154
> prop.table(datos,margin=1) # margin=1 indica que queremos las proporciones por filas Encuesta Grupo Sí No No fumador 0.5801653 0.4198347 Fumador 0.2102564 0.7897436
Recuerda: p1 será la proporción de la primera fila y primera columna, y p2 la proporción de la segunda fila y primera columna.
> prop.test(datos) 2-sample test for equality of proportions with continuity correction data: datos X-squared = 79.273, df = 1, p-value < 2.2e-16 alternative hypothesis: two.sided 95 percent confidence interval: 0.2971087 0.4427091 sample estimates: prop 1 prop 2 0.5801653 0.2102564
> prop.test(datos,alternative = “greater") 2-sample test for equality of proportions with continuity correction data: datos X-squared = 79.273, df = 1, p-value < 2.2e-16 alternative hypothesis: greater 95 percent confidence interval: 0.3082679 1.0000000 sample estimates: prop 1 prop 2 0.5801653 0.2102564
Hola, mi pregunta es la siguiente:
Tengo dos grupos (pacientes y controles, N=19 para cada grupo) con una proporción similar de mujeres vs hombres, pero necesito asegurarme de que la diferencia no es estadísticamente significativa, para hacer el pareo (match) de sexo. Con un N de esa magnitud para ambos grupos, me sirve el test Z?
Buenas Juan José,
puedes evaluar si el sexo se distribuye de igual manera en los grupos de tratamiento analizando la tabla de contingencia con una prueba de independencia Chi-cuadrado.
Saludos
Hola Rosana,
Es posible hacer una comparación con un N=5 y un N=3160 con una T de student?
Gracias
Hola Rubén,
si bien la prueba t de Student no requiere que las muestras sean de igual tamaño, puede que tus datos no se adecúen a los supuestos de la prueba (normalidad y homocedasticidad). Para hacer frente a la falta de homocedasticidad podrías utilizar la corrección de Welch, y para resolver el problema de la distribución de los datos es posible que desees utilizar bootstrapping, ya que no hace ninguna suposición sobre la distribución de la estadística de la muestra. Consulta esta función: https://www.rdocumentation.org/packages/MKinfer/versions/0.5/topics/boot.t.test
No obstante, hay algunas preguntas que sería interesante que te hagas antes de realizar los análisis, se indican en este foro: https://stats.stackexchange.com/questions/45666/small-and-unbalanced-sample-sizes-for-two-groups-what-to-do
Saludos
tengo dos poblaciones: grupo uno, con un n=2, y 2,5 episodios de sangrado por paciente; el otro grupo: n=29, con 0.9 episodios por paciente;
que método estadistico uso para compararlas? en metodo de comparacion de proporciones no me sirve, el t-test y el chi-cuadrado tampoco. estimo empiricamente que el grupo 1 sangra mas, pero no lo puedo demostrar
Hola Adriana, con n=2 no se podría decir mucho la verdad. Te recomendaría aumentar la muestra, porque los resultados sino podrían ser mero reflejo de las peculiaridades de esos 2 casos.
Saludos
My buen ejemplo y fácil de entender.
Tengo una pregunta: ¿Como se haría una prueba unilateral izquierda?
Saludos y muchas gracias.
Hola Alfredo, gracias por tu comentario. En la función prop.test() de R tienes el argumento «alternative» donde puedes elegir entre la opción bilateral (por defecto), o unilaterales (izquierda o derecha). Así: alternative = c(«two.sided», «less», «greater»).El procedimiento es similar al que observas en el post.
Saludos