Prueba de proporción de dos muestras
Una prueba de proporción de dos muestras es una prueba de hipótesis que compara las proporciones de una característica entre dos poblaciones independientes y determina si la diferencia observada es estadísticamente significativa, mediante un intervalo de confianza para la diferencia. Se aplica en salud, economía y análisis de supervivencia, donde las proporciones, tasas y porcentajes importan más que las medias, si se cumplen los supuestos de independencia, muestreo aleatorio, resultados binarios y muestras suficientes.
Última revisión:
Idea clave
Una prueba de proporción de dos muestras es una prueba de hipótesis que compara las proporciones de una característica entre dos poblaciones independientes para determinar si la diferencia observada es significativa.
En esta página
- ¿Qué es la prueba de proporción de dos muestras?
- ¿Cuándo usar la prueba de proporción de dos muestras?
- Pautas para el uso correcto de la prueba de proporción de dos muestras
- Alternativas: cuándo no usar la prueba de proporción de dos muestras
- Ejemplo de prueba de proporción de dos muestras
- Cómo realizar la prueba de proporción de dos muestras
¿Qué es la prueba de proporción de dos muestras?
Una prueba de proporción de dos muestras es una prueba de hipótesis que se utiliza para comparar las proporciones de una característica específica entre dos poblaciones independientes y determinar si la diferencia observada es estadísticamente significativa, mediante un intervalo de confianza para la diferencia entre las proporciones poblacionales. Se aplica en campos como la salud, la economía y el análisis de supervivencia, donde las proporciones, las tasas y los porcentajes son más relevantes que las medias o las varianzas, siempre que se cumplan los supuestos de independencia, muestreo aleatorio, resultados binarios y tamaños de muestra suficientes.
¿Cuándo usar la prueba de proporción de dos muestras?
La prueba de proporción de dos muestras se utiliza para determinar si existe una diferencia estadísticamente significativa entre las proporciones de dos poblaciones con respecto a una determinada característica.
- Comparación de proporciones: Cuando necesite comparar las proporciones de una característica específica entre dos poblaciones o muestras independientes.
- Tamaño de muestra grande: Use la prueba z de dos muestras para proporciones cuando ambas muestras sean lo bastante grandes, en general con al menos 10 éxitos y 10 fallos en cada muestra, para cumplir las condiciones de la aproximación normal.
- Tamaño de muestra pequeño: Para tamaños de muestra pequeños en los que no se cumplen las condiciones de la aproximación normal, use la prueba exacta de Fisher, una prueba no paramétrica que da resultados exactos con independencia del tamaño de muestra.
- Resultados binarios: Cuando los datos consistan en resultados binarios (p. ej., éxito/fallo, sí/no) y desee determinar si las proporciones difieren de forma significativa.
- Muestreo aleatorio: Cuando las muestras se seleccionen al azar de sus respectivas poblaciones para asegurar resultados válidos y representativos.
Estas son algunas situaciones en las que podría usar una prueba de proporción de dos muestras:
- Investigación médica: Suponga que prueba un medicamento nuevo diseñado para reducir el riesgo de enfermedad cardíaca. Podría realizar una prueba de proporción de dos muestras para comparar la proporción de pacientes que desarrollan una enfermedad cardíaca en un grupo de tratamiento (que recibe el medicamento) y en un grupo de control (que no lo recibe).
- Estudios de mercado: Suponga que realiza una encuesta para determinar la satisfacción de los clientes con dos marcas distintas de un producto. Podría usar una prueba de proporción de dos muestras para comparar la proporción de clientes satisfechos con cada marca.
- Control de calidad: Suponga que evalúa la calidad de dos procesos de fabricación distintos para determinar cuál produce más productos defectuosos. Podría usar una prueba de proporción de dos muestras para comparar la proporción de productos defectuosos que produce cada proceso.
Pautas para el uso correcto de la prueba de proporción de dos muestras
- Muestreo aleatorio: Asegúrese de que los datos de la muestra se seleccionen al azar para poder generalizar de forma válida a la población.
- Datos binarios: Los datos deben constar de solo dos categorías (p. ej., aprobado/rechazado, 1/0). Para datos de conteo, use la prueba de tasa de Poisson de 2 muestras.
- Independencia de las observaciones: Cada observación debe ser independiente de todas las demás.
- Tamaño de muestra adecuado: Asegúrese de que el tamaño de muestra sea lo bastante grande para ofrecer estimaciones precisas, intervalos de confianza estrechos y una protección adecuada frente a los errores de tipo I y de tipo II.
Alternativas: cuándo no usar la prueba de proporción de dos muestras
- Si su conjunto de datos consiste en conteos, como el número de defectos por unidad, lo adecuado es usar la prueba de tasa de Poisson de 2 muestras.
Ejemplo de prueba de proporción de dos muestras
Para evaluar si los estudiantes universitarios varones o mujeres tienen más probabilidades de obtener un empleo de verano, un funcionario de ayudas económicas de una universidad selecciona una muestra de estudiantes. De 802 estudiantes varones de la muestra, 725 obtienen un empleo durante el verano, mientras que 573 de las 712 estudiantes mujeres de la muestra obtienen uno. El funcionario usa una prueba de 2 proporciones para evaluar qué género tiene más probabilidades de obtener un empleo de verano. Los pasos son los siguientes:
- Analiza los datos con ayuda de https://statsai.zometric.com/
- Dentro de la herramienta, introduce los datos. Introduce el número de eventos de la muestra 1 como 725, el número de ensayos de la muestra 1 como 802, el número de eventos de la muestra 2 como 573, el número de ensayos de la muestra 2 como 712, la diferencia hipotética como 0 y el nivel de confianza como 95.
- Después de usar la herramienta mencionada, se obtiene la siguiente salida:

Cómo realizar la prueba de proporción de dos muestras
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> Graphical analysis >Two sample proportion test.
- Haga clic en Two sample proportion test para acceder al tablero.
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
- A continuación, debe introducir los valores del número de eventos, el número de ensayos, la proporción hipotética y el nivel de confianza.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de la prueba de proporción de dos muestras, la ventana solo tiene la parte izquierda.

En esta parte izquierda hay varias opciones, como se indica a continuación:
- Number of events: En una prueba de proporción de una muestra, el número de eventos se refiere al número de apariciones del evento de interés en la muestra analizada.
- Number of trials: En una prueba de proporción de una muestra, el número de ensayos se refiere al número de ensayos u observaciones independientes e idénticos realizados en la muestra analizada.
- Hypothesized difference: La diferencia hipotética se refiere a la diferencia en los parámetros poblacionales entre la hipótesis nula y la hipótesis alternativa. Por ejemplo, si queremos comprobar si la puntuación media de una prueba es significativamente distinta entre dos grupos (p. ej., hombres y mujeres), la diferencia hipotética sería la diferencia entre la puntuación media de los hombres y la puntuación media de las mujeres.
- Confidence level: En las pruebas de hipótesis, el nivel de confianza representa el grado de certeza o de confianza que tenemos en nuestro análisis estadístico. Es un valor de probabilidad que indica la verosimilitud de que el verdadero parámetro poblacional se encuentre dentro del rango de valores especificado. Normalmente, el nivel de confianza se expresa como porcentaje y se denota con (1 - α), donde α es el nivel de significancia o la probabilidad de rechazar una hipótesis nula verdadera. Por ejemplo, si tenemos un nivel de confianza del 95%, decimos que tenemos un 95% de confianza en que el verdadero parámetro poblacional se encuentra dentro de nuestra estimación por intervalo, y que existe un 5% de probabilidad de cometer un error de tipo I (rechazar una hipótesis nula verdadera). En términos prácticos, un nivel de confianza mayor significa que tenemos más confianza en nuestro análisis estadístico y en sus resultados. Sin embargo, aumentar el nivel de confianza también aumenta la amplitud del intervalo de confianza, lo que dificulta detectar efectos pequeños. Por lo tanto, la elección del nivel de confianza depende del contexto del estudio y de los objetivos del investigador.
- Alternative hypothesis: En las pruebas de hipótesis, la hipótesis alternativa (también llamada hipótesis de investigación) es un enunciado que representa una conclusión distinta de la de la hipótesis nula. La hipótesis nula suele representar el statu quo, es decir, la suposición de que no existe una diferencia o relación significativa entre dos o más grupos o variables. La hipótesis alternativa es el enunciado que se pone a prueba y propone que existe una diferencia o relación significativa entre los grupos o variables estudiados.
- Load example: Se cargarán los datos de ejemplo.
- Method:
- Estimate the proportions separately: Para estimar las proporciones por separado en una prueba de proporción de dos muestras, primero debe recopilar datos de dos muestras independientes y calcular la proporción de éxitos (o del evento de interés) de cada muestra.
- Use the pooled estimate of the proportion: En una prueba de proporción de dos muestras, la estimación combinada (pooled) de la proporción es un promedio ponderado de las proporciones de las dos muestras, suponiendo que las proporciones verdaderas de las poblaciones son iguales. Esta estimación se utiliza para calcular el estadístico de prueba y determinar si la diferencia de proporciones entre las dos muestras es estadísticamente significativa.
Preguntas frecuentes
¿Qué es una prueba de proporción de dos muestras?
Una prueba de proporción de dos muestras es una prueba de hipótesis que compara la proporción de una característica específica entre dos poblaciones independientes y determina si la diferencia observada es estadísticamente significativa. También da un intervalo de confianza para la diferencia entre las proporciones poblacionales.
¿Cuáles son los supuestos de una prueba de proporción de dos muestras?
Los datos deben ser binarios, como aprobado/rechazado o sí/no; las muestras deben seleccionarse al azar; cada observación debe ser independiente de todas las demás; y los tamaños de muestra deben ser lo bastante grandes. La prueba z para proporciones requiere, en general, al menos 10 éxitos y 10 fallos en cada muestra para la aproximación normal.
¿Cuándo debe usarse en su lugar la prueba exacta de Fisher?
Para muestras pequeñas en las que no se cumplen las condiciones de la aproximación normal, use la prueba exacta de Fisher, una prueba no paramétrica que da resultados exactos con independencia del tamaño de muestra. La prueba z de dos muestras para proporciones es adecuada para muestras con al menos 10 éxitos y 10 fallos cada una.
¿Cuándo debe usarse en su lugar una prueba de tasa de Poisson de 2 muestras?
Use la prueba de tasa de Poisson de 2 muestras cuando los datos sean conteos, como el número de defectos por unidad, en lugar de resultados binarios. La prueba de proporción de dos muestras se aplica solo cuando cada elemento pertenece a una de dos categorías, por ejemplo, defectuoso o no defectuoso.
