¿Me pregunto si otros usuarios de JMP han utilizado la ventana "Detalles de energía" en la plataforma Oneway?
Tras la charla "¿ Podemos hablar... del tamaño de la muestra? " (2026-US-30MP-2930) de Dale Human en Discovery Summit 2026, me pareció muy interesante cómo mencionó la importancia de comprobar la potencia estadística y el tamaño de la muestra antes y después de un análisis. Dale sugirió utilizar DOE > Sample Size Explorers > Power > Power for Two Independent Sample Means para comprobar la potencia estadística.
No sabía que la plataforma Oneway tiene la opción de "Energía", ¡y que al seleccionarla en el menú, muestra una ventana de "Detalles de energía"! ¡Esto es otro momento de "¡OMJ!" ("Oh, mi JMP ya lo tenía!")
Utilizando el conjunto de datos Fitness, graficando Oxy vs Sex, realizando una prueba t de dos muestras, el valor p es bajo, de 0,0057. Pero ahora verifiquemos la potencia de esta prueba.
Desde el menú, si selecciona "Energía", se agregará la sección "Ventana de detalles de energía" a la ventana de Oneway:
Si selecciona "Calcular potencia", obtendrá la potencia de esta prueba.
Además, puedes usar una condición "wait-if" para aumentar el número de muestras, paso a paso. Se vería así:
¡Y hay un pequeño gráfico de potencia en la parte inferior!
Al recrear el experimento en DOE > Exploradores de tamaño de muestra > Potencia > Potencia para dos medias de muestra independientes, se obtiene el mismo valor de 0,8218 para la potencia.
También resulta interesante el script para habilitar esto:
Oneway(
Y( :Oxy ),
X( :Sex ),
Means( 1 ),
Mean Diamonds( 1 ),
Power(
Alpha( 0.05 ),
Sigma( 4.74003159066053 ),
Delta( 2.53881137990873 ),
Number( 31 ),
Solve for Power,
Done
)
);
o para comprobar incrementos del tamaño de la muestra:
Oneway(
Y( :Oxy ),
X( :Sex ),
Power(
Alpha( 0.05 ),
Sigma( 4.74003159066053 ),
Delta( 2.53881137990873 ),
Number( 31, 60, 5 ),
Solve for Power,
Done
)
);
¿Alguien tiene experiencia utilizando las otras opciones?
- Resolver para el número menos significativo
- Resolver para el valor menos significativo
- Nivel de potencia y confianza ajustado
Me gustaría incorporar esto a nuestra formación en estadística y me preguntaba si alguien más ha utilizado esta opción de menú en la plataforma Oneway.
Gracias @MRB3855 . Es bueno saber que la potencia y el valor p están directamente relacionados. No soy estadístico de formación, solo ingeniero de procesos con mucha experiencia.
Propongo enseñar este cálculo de potencia en el contexto de la producción en volumen (formación Six Sigma). Explico que nunca estamos completamente seguros de nada y que cuantos más datos, mejor. Ilustro que el umbral del valor p de 0,05 (5 %) es algo arbitrario; somos humanos, nos guiamos por el número 10, nos gusta el 5 y nos resulta conveniente. JMP ayuda a ilustrar esto con colores: un color para valores entre 0,01 y 0,05, otro para valores inferiores a 0,01, para señalar que el rango de 0,01 a 0,05 aún puede resultar engañoso.
Además, beta suele ser 10, lo que implica estar más dispuesto a asumir riesgos con beta (perder una señal) que con alfa (riesgo de una señal falsa y realizar trabajo innecesario), ya que en la producción en serie nunca dejamos de medir. Este es el principio del gráfico SPC.
En este contexto, para un gráfico SPC, existe el riesgo de reaccionar a una señal falsa (alfa), aunque en el gráfico SPC el alfa sea mucho menor. Por otro lado, un gerente a menudo pedirá que, después de trabajar en una herramienta, se verifique que se ha vuelto al objetivo con el número mínimo de ejecuciones. ¡Algunos dirán que en 1 o 2 ejecuciones! Ilustro con una simulación cómo, incluso si una herramienta tiene un cambio después del trabajo, se necesita tiempo, debido al ruido de fondo, para detectar una señal que realmente existe. Aquí es donde me gusta ilustrar la potencia. Puede haber una potencia de 0,90 para detectar una señal en 12 ejecuciones, según el delta para detectar y el ruido de fondo (desviación estándar) en las curvas de potencia/tamaño de muestra. ¡Pero eso no es una garantía! El gráfico SPC puede detectarla antes (tuviste suerte) o puede tardar un poco más (tuviste mala suerte), pero con más datos eventualmente la detectará (la discusión sobre el tamaño de la muestra).
Por eso estoy de acuerdo en que lo importante es la curva de potencia frente a la curva del tamaño de la muestra, y no el valor de potencia a posteriori para su prueba en particular.
Espero poder continuar con esta publicación y contarles cómo se desarrolla la discusión en las próximas clases.
