Vous êtes sur la page 1sur 7

Diferencia de proporciones para muestras independientes

Diferencia de proporciones
la proporcin de apoyo al presidente piera es igual en hombres y mujeres?
P1: p de hombres que apoyan a Piera (proporcin de xito en la poblacin 1
)
P2: p de mujeres que apoyan a piera

H0: P1=P2
Ha: p1=/ p2
Ha: P1<P2
Ha: P1>p2
Se rechaza h0 si el valor p es menor que 0,05
EJEMPLO
P1= aprobacin de los hombres al presidente piera: 36.2%
P2= aprobacin de las mujeres al presidente piera: 30.4%

Hiptesis
H0: p1=p2
Ha: P1>p2
NOTA: en este caso ocupamos Ha: P1>p2 porque la tabla muestra que se
aprueban mas hombres que minas.

No se asumen asumen varianzas iguales porque dice que sig es


0,000.
El valor p bilateral es 0,057, el cual es mayor que el valor de significancia 0,05,
por lo tanto no se rechaza la hiptesis nula, y podremos decir que la proporcin
entre hombres y mujeres son iguales en aprobacin del presidente piera.

Correlaciones bivariadas
Podemos ver las correlaciones, para luego elegir un modelo que represente la
estadstica.

Correlaciones

Esperanza de vida

Correlacin de Pearson

masculina

Sig. (bilateral)

Esperanza de

Alfabetizacin

vida masculina

(%)

,000

N
Alfabetizacin (%)

,809**

Correlacin de Pearson

109

107

,809**

Sig. (bilateral)

,000

107

107

**. La correlacin es significativa al nivel 0,01 (bilateral).

Luego nos vamos a regresin y luego a regresin lineal

Resumen del modelo

Modelo

R
,809a

R cuadrado
,654

R cuadrado

Error tp. de la

corregida

estimacin

,651

5,524

a. Variables predictoras: (Constante), Alfabetizacin (%)

El R dice que existe una fuerte correlacin,


el R cuadrado corregido dice, que el 65% de la varianza de Y es
explicado por la varianza de X
Entonces el 65% de la varianza de esperanza de vida, es explicado por la
alfabetizacin.

Entonces el modelo seria


Coeficientesa
Coeficientes
Coeficientes no estandarizados
Modelo
1

B
(Constante)
Alfabetizacin (%)

Error tp.
38,978

1,913

,331

,023

tipificados
Beta

,809

Sig.

20,375

,000

14,095

,000

a. Variable dependiente: Esperanza de vida masculina

Y= 39+ 0,331X

H0: (los coeficientes del modelo son iguales a 0) no hay efecto de la variable X
sobre la variable Y
H1: (Almenos un beta es distinto de 0) si hay efecto de X sobre Y
ENTONCES:
H0: la alfabetizacin no tiene un efecto significativo sobre la esperanza de vida
para los hombres
H1: la alfabetizacin tiene algn efecto significativo sobre la esperanza de vida
para los hombres

La alfabetizacin si es una variable influyente en la esperanza de vida y tiene


mucha relacin.
Luego, en vista de datos, los res_1 quiere decir
quiere decir
que existen otras variables que explicarn de mejor forma el grado de
esperanza de vida.

Despus graficamos los errores:

As comprobamos los supuestos de normalidad de los errores:

Y a su vez, comprobamos que no tiene problema de heterocedasticidad porque


los errores no aprecian ninguna figura fija grficamente.