Vea cómo examinar:
Nota: A lo largo del vídeo se intercalan preguntas y respuestas.
¿Por qué usar los Exploradores de tamaño de muestra para el diseño de experimentos (DOE), introducidos en JMP 16? Para equilibrar nuestros recursos (no queremos realizar demasiadas pruebas) con los resultados deseados. Estos resultados dependen de la confianza y la potencia deseadas, junto con algunas estimaciones específicas de la prueba. Responda preguntas, incluyendo:
- ¿Cuántas unidades debo probar?
- ¿Podré detectar alguna diferencia en los medios de mi tratamiento?
- ¿Cuántas muestras se necesitan para construir un intervalo con un ancho determinado?
- ¿Cuántas unidades debo probar para estimar el tiempo de falla?
Acerca de la confianza estadística
Si tomamos una muestra de piezas y medimos cada una de ellas, podemos calcular la media y la desviación estándar de esa muestra específica. La muestra se extrajo de una "población" de piezas, que tiene su propia media y desviación estándar reales. No tenemos forma de conocer la media y la desviación estándar reales de la población (a menos que midamos TODAS las piezas de la población, lo cual suele ser prohibitivo en términos de costos). Es probable que la media y la desviación estándar de la muestra no coincidan con la media y la desviación estándar de la población. Nos gustaría establecer límites para un rango de valores donde creemos que podría estar la media total de la población.
Para determinar este rango, necesitamos tener cierta confianza en nuestros resultados. Esta puede ser cualquier porcentaje entre 0 y 100%. A menudo se elige el 95%, pero depende de la aplicación. Así que, después de algunos cálculos, llegamos a una afirmación como: "Nuestra muestra de 15 partes tuvo 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 veces de cada 20) estaré en lo cierto. La verdadera media poblacional estaría realmente entre 10,4 y 15,8".
En el 5% restante de los casos (1 vez de cada 20), estaríamos equivocados. La verdadera media poblacional sería menor que 10,4 o mayor que 15,8.
Tenga en cuenta que si tomamos otra muestra de 15 partes, obtendremos un resultado diferente. Quizás obtengamos una media muestral de 13,3 con una desviación estándar muestral distinta. En ese caso, nuestro intervalo de confianza del 95 % podría ser de 10,9 a 15,7. Si tomamos otra muestra, esta vez de 30 partes, podríamos obtener un intervalo de confianza del 95 % más ajustado, por ejemplo, de 12,1 a 14,5. Es más ajustado porque, gracias al mayor tamaño de la muestra, tenemos una mejor estimación de la media y la desviación estándar poblacionales reales.
Acerca del poder estadístico
Esto generalmente implica poder detectar una diferencia. Por ejemplo, queremos saber si la media poblacional real es 15, con un margen de error de +/- 1 unidad. Tomaremos una muestra de 25 elementos de la población. Esperamos que la desviación estándar de los elementos sea de 1,0 unidad. Al estimar la media poblacional real, buscamos tener un 95 % de confianza en la estimación.
¿Con qué frecuencia acertaremos en mi suposición de que la media poblacional real es 15 ± 1? Esto es POTENCIA ESTADÍSTICA. En este caso, acertaríamos el 40% de las veces. Por lo tanto, si tomamos múltiples muestras de 5 partes cada una y llegamos a una conclusión cada vez sobre si la media poblacional es realmente 15 ± 1, solo acertaremos el 40% de las veces. Podemos aumentar la potencia aumentando nuestro 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, solo nos interesa la potencia cuando la hipótesis nula es realmente falsa.
Recursos
