gracias por la aclaración @calking !
Además, al revisar mi diario, encontré algunos errores en la tabla de 'Errores de tipo 1 y tipo 2' que se muestra en el video.He corregido los errores en el diario adjunto y en la imagen a continuación:
# JMP16, # Type_1_Type_2_Errors
Vea cómo examinar:
Nota: Las preguntas y respuestas se intercalan a lo largo del video.
Por que usar Exploradores de tamaño de muestra para DOE, introducido en JMP 16? Para equilibrar nuestros recursos (no quiero ejecutar demasiadas pruebas) con los resultados deseados.Estos resultados dependen de la confianza y el poder deseados, junto con algunas estimaciones específicas de la prueba.Responda preguntas, incluidas
- ¿Cuántas unidades debo probar?
- ¿Podré detectar una diferencia en mis medios de tratamiento?
- ¿Cuántas muestras se necesitan para construir un intervalo con un ancho específico?
- ¿Cuántas unidades debo probar para estimar el tiempo de falla?
Acerca de la confianza estadística
Si recolectamos una muestra de partes y hacemos una medición en cada una de esas partes, podemos calcular una media y una desviación estándar para esa muestra específica.La muestra se extrajo de una "población" de partes, que tiene su propia media verdadera y su desviación estándar verdadera.No tenemos forma de conocer la verdadera media de la población y la desviación estándar (a menos que midamos TODAS LAS PARTES de la población, lo que generalmente tiene un costo prohibitivo). Es probable que la media y la desviación estándar de la muestra no sean las mismas que la media de la población y Desviación Estándar.Nos gustaría poner límites a un rango de valores donde pensamos que la media de la población total podría ser realmente.
Para determinar este rango, debemos tener cierta confianza en nuestros resultados.Puede ser cualquier porcentaje entre 0 y 100%.A menudo se elige que sea del 95%, pero depende de su aplicación.Entonces, después de algunos cálculos, terminamos con una declaración como "Nuestra muestra de 15 partes tenía una media de 13,1.Tenemos un 95% de confianza en que la media real de la población de la que se extrajeron estas 15 partes está entre 10,4 y 15,8.Esto significa que el 95% de las veces (o 19 de cada 20 veces) tendré razón.La verdadera media de la población estaría entre 10,4 y 15,8.
El 5% restante de las veces (1 vez de cada 20) estaríamos equivocados.La verdadera media de la población sería menor de 10,4 o mayor de 15,8.
Tenga en cuenta que si sacamos otra muestra de 15 partes, obtendremos otra respuesta.Quizás obtengamos una media muestral de 13,3 con una desviación estándar muestral diferente.Ahora nuestro intervalo de confianza del 95% podría ser de 10,9 a 15,7. Si extraemos otra muestra, esta vez de 30 partes, podríamos producir un intervalo de confianza del 95% más estricto, digamos 12,1 a 14,5.Es más estricto porque tenemos una mejor estimación de la media y la desviación estándar de la población real, en virtud del tamaño de muestra más grande.
Acerca del poder estadístico
Esto generalmente implica poder detectar una DIFERENCIA. Por ejemplo, queremos saber si la media real de la población es 15, dentro de +/- 1 unidad. Pretendemos extraer una muestra de 25 partes de la población.Esperamos que la desviación estándar de las piezas sea de 1,0 unidades. Cuando estimamos la media real de la población, queremos tener un 95% de confianza en la estimación.
¿Con qué frecuencia tendremos razón en mi suposición de que la media real de la población es 15 +/- 1?Este es el PODER ESTADÍSTICO.En este caso tendríamos razón el 40% de las veces.Entonces, si sacamos múltiples muestras de 5 partes cada una, y cada vez sacamos una conclusión sobre si la media de la población es realmente 15 +/- 1, solo acertaremos el 40% de las veces. número de muestras, o ampliando la diferencia para detectar, o reduciendo nuestra confianza en la estimación de la media poblacional.Potencia = probabilidad de rechazar correctamente la hipótesis nula.Por lo general, solo nos interesa el poder cuando el nulo es realmente falso.
Recursos
Durante la sesión se planteó una pregunta sobre la naturaleza de los coeficientes previstos; si estaban en los factores escalados o en los niveles reales. Puedo confirmar de un compañero desarrollador que están en referencia a la escala que utiliza el modelo de ajuste en sus modelos (por ejemplo, guarde la fórmula de predicción y observe el centrado y la escala del factor que se usa allí).
