- Detalles
- Categoría: Minitab
- Visto: 26983
Bonnie K. Stone
En la Parte 1 de esta serie de entradas en el blog de Minitab, Bonnie escribió sobre cómo la inferencia estadística utiliza datos de una muestra de individuos para llegar a conclusiones sobre toda la población. Esa es una herramienta muy potente, pero cuando se hagan inferencias estadísticas se deben de verificar las suposiciones. La violación de cualquiera de estas suposiciones puede dar lugar a falsos positivos o falsos negativos, invalidando así los resultados.
Los suposiciones respecto a los datos más comunes son: muestras aleatorias, independencia, normalidad, igual varianza, estabilidad, y que el sistema de medición es preciso y exacto.
La última vez se habló de las muestras aleatorias y la independencia estadística. Ahora se considerarán los supuestos de Normalidad e Igualdad de Varianza.
¿Qué es la asunción de la…
- Detalles
- Categoría: Minitab
- Visto: 4030
¿Ven sus directivos cómo sus iniciativas de calidad afectan el resultado final? Tal vez lo harían más a menudo si tuvieran una visión accesible del rendimiento y, en última instancia, del impacto general de los proyectos de mejora.
Por ejemplo, el 60% de las organizaciones encuestadas por la Sociedad Estadounidense para la Calidad en su estudio del estado global de la calidad de 2016 decían que no sabían o no medían el impacto financiero de la calidad.
La evidencia muestra que los líderes de la compañía simplemente no tienen un buen acceso al tipo de información que necesitan sobre sus iniciativas de mejora de la calidad.
El estudio del estado global de la calidad de ASQ 2013 indicó que más de la mitad de los directivos reciben actualizaciones sobre la calidad solo una vez por trimestre o incluso menos. Puede estar seguro que toman…
- Detalles
- Categoría: Minitab
- Visto: 20763
Por Bonnie K. Stone
La inferencia estadística utiliza datos de una muestra de individuos para llegar a conclusiones sobre toda la población. Es una herramienta muy potente. Pero como dice el refrán, "¡con gran poder viene una gran responsabilidad!" Cuando intente hacer inferencias a partir de los datos de una muestra, debe verificar sus suposiciones. La violación de cualquiera de estos supuestos puede dar como resultado falsos positivos o falsos negativos, lo que invalida los resultados. En otras palabras, corre el riesgo de que sus resultados sean incorrectos, que sus conclusiones sean erróneas y, por lo tanto, que las soluciones que implemente no resuelvan el problema (¡a menos que tenga mucha suerte!).
Ha oído el chiste sobre ¿qué sucede cuando asumes? Para esta publicación, preguntemos "¿Qué sucede cuando no puedes verificar tus…
- Detalles
- Categoría: Minitab
- Visto: 4032
Cuando se habla de Big Data todo el mundo entiende que se hace referencia a conjuntos de datos enormes, tanto estructurados como no estructurados, capturados en multitud de ambientes y que requieren de técnicas de procesamiento de datos especiales para poder extraer la información valiosa que pueden contener.
No todas las aplicaciones informáticas están preparadas para realizar este tipo de procesado tanto por el hecho de tener que manejar mucha información como por la necesidad de disponer de herramientas específicas para encontrar patrones, desechar valores sin efecto, visualizarlos adecuadamente, etc.
El interés creciente por manejar estas cantidades inmensas de datos viene por la posibilidad cada vez más fácil de captarlos y después almacenarlos, que además ofrece la posibilidad de realizar estudios estadísticos y obtener modelos…
