Hola a todos
Estoy trabajando con datos de algunas pruebas de pasa / falla, donde se ha observado una diferencia en el rendimiento para algunas muestras agrupadas en izquierda y derecha. Estoy tratando de analizar si esto es una diferencia real o más bien una variación debido a la varianza estadística. Estoy haciendo esto usando el marco de análisis de contingencia (Fit X by Y) en JMP.
El problema es que estoy un poco confundido por los resultados, que se muestran a continuación. Suponiendo una confianza del 95%, la prueba de chi-cuadrado muestra que la proporción de dispositivos aprobados y fallidos no parece depender de si son muestras de la izquierda o de la derecha.
Ahora, si también realizo una prueba de dos muestras para proporciones para probar si la probabilidad de aprobados para las muestras del lado derecho será menor o igual al número de aprobados del lado izquierdo, encuentro que puedo rechazar esta hipótesis, lo que implica que pasa por el lado derecho. las muestras laterales son más altas.
Sé que estas dos pruebas prueban diferentes tipos de hipótesis, pero me parece que estas conclusiones se contradicen entre sí.
Finalmente, al observar la prueba de dos muestras, encuentro que el intervalo de confianza va de -0,7% a 9,4% para la diferencia P (pasa | derecha) -P (pasa | izquierda), lo que, sorprendentemente, parece contradecir la conclusión extraída para la prueba de dos muestras justo arriba. ¿No deberían todos los valores de este intervalo ser superiores o iguales a cero?
Todos los comentarios y sugerencias son bienvenidos para ayudarme a comprender todas estas excelentes herramientas. 
La prueba de dos muestras muestra un intervalo de confianza que contiene cero; esto es consistente con la prueba de hipótesis porque es la prueba de dos caras con la que desea compararla.En ambos casos, sujeto a un nivel de confianza del 5%, no se puede rechazar la hipótesis de igualdad.La diferencia entre los resultados de chi-cuadrado y la prueba de Wald requerirá a alguien con un conocimiento estadístico más profundo que el mío.Pero notaré que los números no difieren mucho, y también señalaré que la prueba de chi-cuadrado tiene una serie de resultados alternativos (nuevamente, que requieren un conocimiento más profundo que el mío para explicar las diferencias).No esperaría resultados numéricos idénticos, pero veo que son cualitativamente bastante similares.
Gracias Dale.
Pero, ¿diría que es correcto concluir que los dispositivos del lado izquierdo son significativamente más propensos a fallar según los resultados que se muestran entonces?
Siguiendo esta lógica:
HA: P (Pase | Derecha) - P (Pase | Izquierda)> 0
H0: P (Pase | Derecha) - P (Pase | Izquierda) ≤ 0
Significado: 0.0455
Dado un nivel de confianza del 95%, podemos rechazar la hipótesis nula y aceptar la hipótesis alternativa, que es más probable para un Derecha tipo de dispositivo para aprobar que un dispositivo de tipo izquierdo. Viceversa, es más probable que izquierda tipo de dispositivo para fallar que un dispositivo de tipo correcto
