29.2: Comparación de dos medias (Sección 28.2)
- Page ID
- 150662
Para comparar dos medias de muestras independientes, podemos usar la prueba t de dos muestras. Digamos que queremos comparar la presión arterial de fumadores y no fumadores; no tenemos expectativas para la dirección, por lo que usaremos una prueba de dos caras. Primero vamos a realizar un análisis de potencia, de nuevo para un pequeño efecto:
power_results_2sample <- pwr.t.test(d=0.2, power=0.8,
type='two.sample'
)
power_results_2sample
##
## Two-sample t test power calculation
##
## n = 393
## d = 0.2
## sig.level = 0.05
## power = 0.8
## alternative = two.sided
##
## NOTE: n is number in *each* group
Esto nos dice que necesitamos 394 sujetos en cada grupo, así que vamos a muestrear 394 fumadores y 394 no fumadores del conjunto de datos de NHANES, y luego ponerlos en un solo marco de datos con una variable que denota su estado de tabaquismo.
nonsmoker_df <- NHANES_adult %>%
dplyr::filter(SmokeNow=="Yes") %>%
drop_na(BPSysAve) %>%
dplyr::select(BPSysAve,SmokeNow) %>%
sample_n(power_results_2sample$n)
smoker_df <- NHANES_adult %>%
dplyr::filter(SmokeNow=="No") %>%
drop_na(BPSysAve) %>%
dplyr::select(BPSysAve,SmokeNow) %>%
sample_n(power_results_2sample$n)
sample_df <- smoker_df %>%
bind_rows(nonsmoker_df)
Probemos nuestra hipótesis usando una prueba t estándar de dos muestras. Podemos usar la notación de fórmula para especificar el análisis, tal como lo haríamos para lm ()
.
t.test(BPSysAve ~ SmokeNow, data=sample_df)
##
## Welch Two Sample t-test
##
## data: BPSysAve by SmokeNow
## t = 4, df = 775, p-value = 3e-05
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 2.9 7.8
## sample estimates:
## mean in group No mean in group Yes
## 125 120
Esto nos demuestra que hay una diferencia significativa, aunque la dirección es sorprendente: ¡Los fumadores tienen presión arterial más baja!
Veamos el factor Bayes para cuantificar la evidencia:
sample_df <- sample_df %>%
mutate(SmokeNowInt=as.integer(SmokeNow))
ttestBF(formula=BPSysAve ~ SmokeNowInt,
data=sample_df)
## Bayes factor analysis
## --------------
## [1] Alt., r=0.707 : 440 ±0%
##
## Against denominator:
## Null, mu1-mu2 = 0
## ---
## Bayes factor type: BFindepSample, JZS
Esto demuestra que existe evidencia muy contundente contra la hipótesis nula de no diferencia.