Funciones De Minitab

Objetivo:

• Aprender sobre las distintas funciones de Minitab, así como el uso correcto de sus componentes estadísticos.

Resultados:

2-Proportions

Utilice el comando 2 proporciones para calcular un intervalo de confianza y realizar una prueba de hipótesis de la diferencia entre dos proporciones. Minitab ofrece dos pruebas de hipótesis para la diferencia entre dos proporciones: La prueba exacta de Fisher y una prueba basada en una aproximación normal. La prueba de aproximación normal puede ser inexacta para muestras en las cuales el número de eventos de cada muestra es menor que cinco o si la diferencia entre el número de ensayos y eventos de cada muestra es menor que cinco. La prueba exacta de Fisher es exacta para todos los tamaños de muestra, pero sólo se puede calcular cuando la hipótesis nula establece que las proporciones de población son iguales. En otras palabras, Minitab sólo realiza la prueba exacta de Fisher cuando usted especifica una diferencia de la prueba de cero en el cuadro de diálogo secundario Opciones.

Por ejemplo, supongamos que usted desea saber si la proporción de consumidores que responden a una encuesta pudiera incrementarse al ofrecer un incentivo tal como una muestra del producto. Usted puede incluir la muestra del producto en la mitad de sus correos y determinar si obtiene más repuestas del grupo que recibió la muestra que del grupo que no la recibió. Para una prueba de dos colas de dos proporciones:

H0: p1 - p2 = p0 versus H1: p1 - p2 ≠ p0

Cuando p1 y p2 son las proporciones de eventos en las poblaciones 1 y 2, respectivamente, y p0 es la diferencia hipotética entre las dos proporciones.

2-Variances

El procedimiento de 2 varianzas realiza pruebas de hipótesis y calcula intervalos de confianza para las relaciones entre las varianzas y las desviaciones estándar de dos poblaciones; una relación de 1 sugiere igualdad entre las poblaciones. Utilice esta prueba para determinar si una condición de tratamiento tiene más variabilidad que la otra.

El procedimiento predeterminado utiliza la prueba F y la prueba de Levene para probar la hipótesis nula de que las dos varianzas son iguales (H0: s21 / s22 = 1), en relación con una hipótesis alterna, que puede ser de cola izquierda (H1: s21 / s22 < 1), de cola derecha (H1: s21 / s22 > 1), o de dos colas (H1: s21 / s22 ≠ 1). De forma opcional, las relaciones de prueba diferentes de 1 (igualdad) se pueden especificar.

Correlation

Calcula el coeficiente de correlación producto-momento de Pearson entre cada par de variables que usted especifique. Puede utilizar el coeficiente de correlación producto-momento de Pearson para medir el grado de relación lineal entre dos variables. El coeficiente de correlación presupone un valor entre -1 y +1. Si una variable tiende a incrementarse mientras las demás disminuyen, el coeficiente de correlación es negativo. En cambio, si las dos variables tienden a incrementarse al mismo tiempo, el coeficiente de correlación es positivo. Para una prueba de dos colas de la correlación: H0: r = 0 versus H1: r ≠ 0 donde r es la correlación entre un par de variables.

Normality Test

Genera una gráfica de probabilidad normal y realiza una prueba de hipótesis para examinar si las observaciones siguen o no una distribución normal. Para la prueba de normalidad, las hipótesis son, H0: los datos siguen una distribución normal vs. H1: los datos no siguen una distribución normal La escala vertical de la gráfica se asemeja a la escala vertical del papel de probabilidad normal. El eje horizontal es una escala lineal. La línea forma un estimado de la función de distribución acumulada para la población de la cual se extrajeron los datos. Con la gráfica se muestran estimaciones numéricas de los

...