Documentos de Académico
Documentos de Profesional
Documentos de Cultura
H0: 𝑝1= 𝑝2
Ha: 𝑝! ≠ 𝑝"
PAUSA MUSICAL
https://open.spotify.com/playlist/6ASzrKjIwpPyW87kW7knyr
?si=8gvJDy1UTW-0Ac3RKEFVlw
“Infinite” Sugerencia de Simei
¡Volvamos en 10 minutos!
Prueba de hipótesis bivariada:
Experimento de votación
La fórmula para calcular un intervalo de confianza puede ajustarse ser
para niveles de 90%, 95%, o 99%.
Como tenemos muchas observaciones, deberíamos usar alpha
𝝰 = 0.01.
𝑝!! − 𝑝!" ± 𝑧 𝑠𝑒
𝑝̂! = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑛ú𝑚𝑒𝑟𝑜 1
𝑝̂" = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑛ú𝑚𝑒𝑟𝑜 2
𝑧 = 1.96 𝑠𝑖 𝑢𝑠𝑎𝑚𝑜𝑠 𝑛𝑖𝑣𝑒𝑙𝑒𝑠 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 95%
𝑠𝑒 = 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
Prueba de hipótesis bivariada:
Experimento de votación
Para usar esta fórmula, tendremos que calcular los errores estándares a
partir de los datos de la tabla de contingencia que hemos construido.
𝑝!! − 𝑝!" ± 𝑧 𝑠𝑒
?̂!
𝑝̂! 1 − 𝑝 ?̂"
𝑝̂" 1 − 𝑝
𝑠𝑒# = +
𝑛! 𝑛"
𝑝̂! − 𝑝̂ " ± 𝑧 𝑠𝑒
39,700/53,408) − (34,700/47,888) ± 2.58 𝑠𝑒
Prueba de hipótesis bivariada:
Experimento de votación
𝑝̂! − 𝑝̂ " ± 𝑧 𝑠𝑒
39,700/53,408) − (34,700/47,888) ± 2.58 𝑠𝑒
( 0.7433) − (0.7246) ± 2.58 𝑠𝑒
Prueba de hipótesis bivariada:
Experimento de votación
𝑝̂! − 𝑝̂ " ± 𝑧 𝑠𝑒
0.1908 0.20
𝑠𝑒" = +
53,408 47,888
Prueba de hipótesis bivariada:
Experimento de votación
0.1908 0.20
𝑠𝑒" = +
53,408 47,888
𝑠𝑒" = 0.00000357 + 0.00000418
𝑠𝑒" = 0.00000775
𝑠𝑒" = 0.00278
Comparar proporciones: Experimento de
votación
Aquí están los valores
que tenemos:
𝑝!! − 𝑝!" ± 𝑧 𝑠𝑒
𝑝̂C = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑛ú𝑚𝑒𝑟𝑜 1
𝑠𝑒# = 0.0028
𝑝̂D = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑛ú𝑚𝑒𝑟𝑜 2
𝑝̂! = 0.7246 𝑧 = 2.58 𝑠𝑖 𝝰 = 0.01
𝑝̂ " = 0.7433 𝑠𝑒 = 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
𝑛! = 47,888
𝑛" = 53,408
Comparar proporciones: Experimento de
votación
• Intervalo de confianza de 99% [0.01798, 0.019416]
¿Cómo interpretar este intervalo de confianza?
Queremos saber si la información tiene un efecto en la probabilidad de votar.
Información => probabilidad de votar
1. Averigua primero si 0 cae dentro del intervalo. Si es así, es plausible que
los grupos son iguales, y entonces la información no tiene ningún efecto
causal. Es decir, no podemos diferenciar la probabilidad de votar de las
personas que recibieron la información sobre el tiempo con la probabilidad
de votar de las personas que recibieron la información sobre lxs candidatxs.
Comparar proporciones: Experimento de
votación
• Intervalo de confianza de 99% [0.01798, 0.019416]
¿Cómo interpretar este intervalo de confianza?
2. Si todos los valores del intervalo de confianza son positivos, podrías inferir
que el efecto de la variable independiente sobre la variable dependiente es
mayor de cero, o que la probabilidad de votar del grupo 1 es mayor que la
probabilidad de votar del grupo 2. Este intervalo muestra cuánto mayor sería
esa probabilidad.
Al contrario, si todos los valores son negativos, podrías inferir que la
probabilidad de votar del grupo 1 es menor que la probabilidad de votar del
grupo 2. En este caso, la variable independiente tendría un efecto negativo.
Si todos los valores en el intervalo de confianza están cerca a cero (pero no
0), sugiere que el efecto existe, pero es bastante pequeño en cuánto a su
magnitud.
Comparar proporciones: Experimento de
votación
Intervalo de confianza de 99% [0.01798, 0.019416]
Significa que estamos muy seguros (99%) que la proporción población
de votar es entre 0.01798 y 0.019416 más alto para el grupo tratado
que para el grupo no tratado.
Gracias al hecho de que la variable independiente fue aleatorizada,
podemos inferir causalidad: sí, la información sobre lxs candidatxs
aumentó la probabilidad de votar.
la información sobre lxs candidatxs => la probabilidad de votar.
Conclusiones
• Prueba de hipótesis bivariadas suelen ser más relevantes para lxs
cientistas políticxs que pruebas de hipótesis univariadas.
• La lógica para estas pruebas de hipótesis de LA MISMA.
• Las fórmulas van a cambiar de acuerdo con qué tipo de variables
están usando.
• Podemos construir intervalos de confianza y también calcular
estadísticos de prueba y valores-p para tomar decisiones.
Próxima Sesión 16: Pruebas de hipótesis
bivariadas
• Vamos a terminar este ejemplo del efecto causal de información
sobre la probabilidad de votar el jueves 8 de octubre.
• Pruebas de hipótesis bivariadas:
• Una variable categórica y una cuantitativa
• Introducir y practicar pruebas de hipótesis bivariadas con diferencias
de medias.
Ejemplo 1: sexo de los presidentes y aprobación presidencial.
Ejemplo 2: tipo de gobierno parlamentario y duración de gobierno.