Prueba de tasa de Poisson de dos muestras

La prueba de tasa de Poisson de 2 muestras compara las tasas de eventos entre dos grupos a partir de conteos de eventos independientes en una exposición conocida. Estima la diferencia de tasas con un intervalo de confianza y la contrasta con una aproximación normal y, cuando la diferencia hipotética es 0, con una prueba binomial exacta. Supone que los eventos ocurren de forma independiente a una tasa constante. Los datos pueden ser resumidos, en dos columnas o apilados.

Última revisión:

Idea clave

La prueba de tasa de Poisson de 2 muestras compara la frecuencia de eventos en dos grupos, como defectos por unidad o paradas por turno, y estima la diferencia de tasas con un intervalo de confianza y una prueba exacta o normal.

En esta página
  1. Finalidad
  2. Capacidades principales
  3. Métodos estadísticos
  4. Campos de entrada y opciones
  5. Descripción de la salida
  6. Ejemplo

Finalidad

La prueba de tasa de Poisson de 2 muestras compara las tasas a las que ocurren eventos en dos grupos, como paradas por turno en los turnos de día y de noche, defectos por unidad de dos líneas, o reclamaciones por mes antes y después de un cambio. Estima la diferencia entre las dos tasas con un intervalo de confianza y comprueba si difiere de cero o de otra diferencia hipotética. Úsela para conteos de eventos independientes en una cantidad conocida de exposición; para resultados de pasa/no pasa utilice la prueba de proporción de dos muestras.

Capacidades principales

  • Datos como conteos resumidos, como dos columnas de conteos o como una columna de conteos con una columna de identificadores de muestra.
  • Prueba exacta (binomial condicional) y aproximación normal lado a lado cuando la diferencia hipotética es 0.
  • Varianza de la diferencia a partir de las tasas por separado o de la tasa combinada.
  • Alternativas bilaterales o unilaterales, con un intervalo de confianza o una cota unilateral para la diferencia.
  • Duraciones de observación distintas para las dos muestras, p. ej., turnos de 8 y de 12 horas.

Métodos estadísticos

Para la muestra i con Nᵢ unidades, cada una observada durante una duración tᵢ (Observation length), la exposición es Tᵢ = Nᵢ·tᵢ y, con Xᵢ eventos en total, la tasa es λ̂ᵢ = Xᵢ / Tᵢ. La diferencia estimada es D = λ̂₁ − λ̂₂, Sample 1 menos Sample 2. Con datos en dos columnas o apilados, Nᵢ es el número de conteos no vacíos de la muestra y Xᵢ su suma.

Aproximación normal: z = (D − D₀) / SE, donde D₀ es la diferencia hipotética. Con Estimate the rates separately, SE = √(λ̂₁ / T₁ + λ̂₂ / T₂); con Use the pooled estimate of the rates, SE = √[λ̂ₚ(1 / T₁ + 1 / T₂)] con λ̂ₚ = (X₁ + X₂) / (T₁ + T₂). Cuando las dos exposiciones son iguales, los dos métodos dan el mismo SE. El valor p proviene de la distribución normal estándar, y el intervalo de confianza para la diferencia es D ± z·SE (o una cota unilateral).

Prueba exacta, que se da solo cuando D₀ = 0: si las tasas son iguales, el conteo X₁ del total X₁ + X₂ sigue una distribución binomial con probabilidad T₁ / (T₁ + T₂). Los valores p unilaterales son las colas binomiales, y el valor p bilateral es el doble de la cola menor. Se prefiere la prueba exacta cuando los conteos son pequeños. Ambos métodos suponen que los eventos ocurren de forma independiente a una tasa constante dentro de cada grupo.

Campos de entrada y opciones

Campo

Descripción

Data

Summarized data (por defecto), Each sample is in its own column o Both samples are in one column.

Sample 1 / Sample 2

Con Each sample is in its own column: las dos columnas de conteos.

Samples / Sample IDs

Con Both samples are in one column: la columna de conteos y la columna que nombra la muestra de cada fila (exactamente dos valores distintos; el primero que se encuentra es Sample 1).

Sample 1 sample size / Sample 1 total occurrences / Sample 2 sample size / Sample 2 total occurrences

Con Summarized data: el número de unidades y el número total de eventos de cada muestra.

Hypothesized difference

Por defecto 0. El valor de λ₁ − λ₂ bajo la hipótesis nula; la prueba exacta se da solo para 0.

Confidence level

Por defecto 95; de 75 a 100.

Alternative hypothesis

Difference ≠ hypothesized difference (por defecto), Difference < hypothesized difference o Difference > hypothesized difference.

Test method

Estimate the rates separately (por defecto) o Use the pooled estimate of the rates, para la aproximación normal.

Observation length (Sample 1) / Observation length (Sample 2)

Por defecto 1. La exposición de cada unidad; Sample 2 usa la duración de Sample 1 cuando se deja en blanco.

two-sample-poisson-rate-test-inputs


Figura 1 — Opciones del ejemplo: Machine Stoppages apiladas en una columna con Shift como identificador de muestra, bilateral, tasas estimadas por separado.

Descripción de la salida

  • Method — qué muestra es λ₁ y cuál es λ₂, y la diferencia λ₁ − λ₂.
  • Descriptive Statistics — Sample, N, Total Occurrences y Sample Rate de cada muestra.
  • Estimation for Difference — la Estimated Difference y su intervalo de confianza (o cota superior o inferior).
  • Test — las hipótesis nula y alternativa, y una tabla con el Z-Value y el P-Value de los métodos Exact y Normal approximation, con una nota cuando se usa la estimación combinada.
  • Exportación a PDF mediante Download.

two-sample-poisson-rate-test-output


Figura 2 — Los turnos de día tienen en promedio 3.233 paradas y los de noche 4.567; el IC del 95% para la diferencia, de −2.333 a −0.334, excluye 0 (p exacto = 0.0106).

Ejemplo

Un gerente de producción compara las paradas imprevistas de máquina en una línea de envasado entre los turnos de día y de noche, contando las paradas de cada turno durante 30 días laborables. Data = Both samples are in one column, Samples = Machine Stoppages, Sample IDs = Shift, Hypothesized difference = 0, Confidence level = 95, bilateral, Test method = Estimate the rates separately, Observation length = 1 (un turno).

Los turnos de día tuvieron 97 paradas en 30 turnos, una tasa de 3.233 por turno, y los de noche 137 en 30 turnos, 4.567 por turno. La diferencia estimada, día menos noche, es −1.333 paradas por turno, con un IC del 95% de −2.333 a −0.334: el intervalo excluye 0. La prueba exacta da p = 0.0106 y la aproximación normal z = −2.61, p = 0.0089. El turno de noche tiene más paradas, aproximadamente un 40% más que el de día.

Como ambas muestras abarcan 30 turnos, Use the pooled estimate of the rates da aquí el mismo z y el mismo valor p. Si el gerente hubiera esperado que el turno de noche fuera peor antes de recoger los datos, Difference < hypothesized difference da p = 0.0053 (exacto) y una cota superior del 95% de −0.495 para la diferencia. El siguiente paso es averiguar qué es distinto por la noche, por ejemplo la dotación de personal, los cambios de formato o el material, antes de que las paradas adicionales cuesten más producción.

Preguntas frecuentes

¿Cuándo se debe usar una prueba de tasa de Poisson de 2 muestras?

Úsela para comparar las tasas a las que ocurren eventos en dos grupos, con conteos de eventos independientes en una cantidad conocida de exposición, como paradas por turno en los turnos de día y de noche, defectos por unidad de dos líneas, o reclamaciones por mes antes y después de un cambio. Para resultados de pasa/no pasa utilice en su lugar la prueba de proporción de dos muestras.

¿Cuál es la diferencia entre la prueba exacta y la aproximación normal?

La prueba exacta condiciona al conteo total: si las tasas son iguales, el conteo de Sample 1 sigue una distribución binomial con una probabilidad igual a su parte de la exposición total. Se da solo cuando la diferencia hipotética es 0 y se prefiere cuando los conteos son pequeños. La aproximación normal usa un estadístico z con un error estándar por separado o combinado.

¿Cuáles son los supuestos de la prueba de tasa de Poisson de 2 muestras?

Tanto el método exacto como el normal suponen que los eventos ocurren de forma independiente a una tasa constante dentro de cada grupo. La tasa de cada muestra es su total de eventos dividido por su exposición, el número de unidades por la duración de observación, de modo que las dos muestras pueden tener duraciones de observación distintas, como turnos de 8 y de 12 horas.

¿Cómo se interpretan los resultados de la prueba de tasa de Poisson de 2 muestras?

La salida da la tasa de cada muestra, la diferencia estimada, Sample 1 menos Sample 2, con su intervalo de confianza, y los valores p de los métodos exacto y normal. Si el intervalo de confianza para la diferencia excluye 0 y el valor p es pequeño, las dos tasas de eventos son distintas.