Vea cómo examinar:
Nota: Las preguntas y respuestas se intercalan a lo largo del vídeo.
Por que usar Exploradores de tamaño de muestra para DOE, introducido en JMP 16? Equilibrar nuestros recursos (no queremos realizar demasiadas pruebas) con los resultados deseados.Estos resultados dependen de la confianza y el poder deseados, junto con algunas estimaciones específicas de la prueba.Responder preguntas, incluyendo
- ¿Cuántas unidades debo probar?
- ¿Podré detectar una diferencia en los medios de mi 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 piezas y realizamos una medición en cada una de esas piezas, podemos calcular una media y una desviación estándar para esa muestra específica.La muestra se extrajo de una "población" de piezas, que tiene su propia media verdadera y su propia desviación estándar verdadera.No tenemos forma de conocer la media y la desviación estándar verdaderas de la población (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 y la desviación estándar de la población. Desviación Estándar.Nos gustaría poner límites a un rango de valores donde creemos que realmente podría estar la media de la población total.
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 95%, pero depende de su aplicación.Entonces, después de algunos cálculos, terminamos con una afirmación como "Nuestra muestra de 15 partes tenía una media de 13,1.Tenemos un 95% de confianza en que la verdadera media poblacional 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 20 veces) acertaré.La verdadera media poblacional estaría realmente entre 10,4 y 15,8.
El 5% de las veces restante (1 vez de 20) nos equivocaríamos.La verdadera media poblacional sería menor que 10,4 o mayor que 15,8.
Tenga en cuenta que si extraemos 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 más, esta vez de 30 partes, podríamos producir un intervalo de confianza del 95% más ajustado, digamos de 12,1 a 14,5.Es más ajustado porque tenemos una mejor estimación de la verdadera media poblacional y la desviación estándar, en virtud del mayor tamaño de la muestra.
Acerca del poder estadístico
Esto generalmente implica ser capaz de detectar una DIFERENCIA. Por ejemplo, queremos saber si la verdadera media poblacional 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 1,0 unidades. Cuando estimamos la media real de la población, queremos tener un 95% de confianza en la estimación.
¿Con qué frecuencia estaremos en lo cierto al suponer que la verdadera media poblacional es 15 +/- 1?Esto es PODER ESTADÍSTICO.En este caso acertaríamos el 40% de las veces.Entonces, si tomamos varias muestras de 5 partes cada una y cada vez sacamos una conclusión sobre si la media poblacional es realmente 15 +/- 1, solo acertaremos el 40% de las veces. Podemos aumentar la potencia aumentando nuestra número de muestras, o ampliando la diferencia a detectar, o reduciendo nuestra confianza en la estimación de la media poblacional.Potencia = probabilidad de rechazar correctamente la hipótesis nula.Normalmente sólo nos interesa el poder cuando el valor nulo es realmente falso.
Recursos
gracias por la aclaración @calking !
Además, mientras revisaba mi diario, encontré algunos errores en el cuadro de "Errores tipo 1 y tipo 2" que se muestra en el video.He corregido los errores en el diario adjunto y en la imagen siguiente:
#JMP16, #Errores_Tipo_1_Tipo_2
Durante la sesión hubo una pregunta sobre la naturaleza de los coeficientes previstos; ya sea que estuvieran en los factores escalados o en los niveles reales. Puedo confirmar con un compañero desarrollador que se refieren a la escala que utiliza el modelo de ajuste en sus modelos (por ejemplo, guarde la fórmula de predicción y anote el factor de centrado y escala utilizado allí).
