Ciao a tutti
Sto lavorando con i dati di alcuni test pass-fail, in cui è stata osservata una differenza di prestazioni per alcuni campioni raggruppati in sinistra e destra. Sto cercando di analizzare se questa è una differenza reale o piuttosto una variazione dovuta alla varianza statistica. Lo sto facendo utilizzando il framework di analisi delle contingenze (Fit X by Y) in JMP.
Il problema è che sono un po' confuso dai risultati, che sono mostrati di seguito. Supponendo una confidenza del 95%, il test Chi-quadrato mostra che il rapporto tra dispositivi superati e non riusciti non sembra dipendere dal fatto che siano campioni di sinistra o di destra.
Ora, se eseguo anche un test a due campioni per le proporzioni per verificare se la probabilità di esito positivo per i campioni del lato destro sarà inferiore o uguale al numero di passaggi del lato sinistro, trovo che posso rifiutare questa ipotesi, il che implica che passa per il lato destro i campioni laterali sono più alti.
So che questi due test mettono alla prova diversi tipi di ipotesi, ma mi sembra che queste conclusioni si contraddicano a vicenda.
Infine, osservando i due test di esempio trovo che l'intervallo di confidenza va da -0,7% a 9,4% per la differenza P(pass|right)-P(pass|left), che a me, sorprendentemente, sembrano contraddire la conclusione tratta per i due test di esempio appena sopra. Tutti i valori in questo intervallo non dovrebbero essere maggiori o uguali a zero?
Tutti i commenti e i suggerimenti sono i benvenuti per aiutarmi a capire tutti questi fantastici strumenti. 
Il test a due campioni mostra un intervallo di confidenza che contiene zero - questo è coerente con il test di ipotesi perché è il test a due code con cui vuoi confrontarlo.In entrambi i casi, fermo restando un livello di confidenza del 5%, non si può rifiutare l'ipotesi di uguaglianza.La differenza tra i risultati del chi quadrato e il test di Wald richiederà qualcuno con una conoscenza statistica più profonda della mia.Ma noterò che i numeri non differiscono così tanto, e noterò anche che il test chi-quadrato ha una serie di risultati alternativi (di nuovo, che richiedono una conoscenza più profonda della mia per spiegare le differenze).Non mi aspetterei risultati numerici identici, ma vedo che sono qualitativamente abbastanza simili.
Grazie Dale.
Ma diresti che è corretto concludere che i dispositivi di tipo sinistro sono significativamente più inclini a fallire in base ai risultati mostrati allora?
Seguendo questa logica:
HA: P(Pass|Destra) - P(Pass|sinistra) > 0
H0: P(Pass|Destra) - P(Pass|sinistra) ≤ 0
Significato: 0,0455
Dato un livello di confidenza del 95% possiamo rifiutare il nulla e accettare l'ipotesi alternativa, che è più probabile per a Giusto digita dispositivo su passaggio di un dispositivo di tipo sinistro. Viceversa è più probabile per a sinistra digita dispositivo su fallire di un dispositivo di tipo giusto
