Fase de análisis de Lean Six Sigma de 2025: prueba de hipótesis con Microsoft-Excel y Minitab

1. Entrada de Analytics de datos: Hola amigos. Comencemos en este programa de capacitación, esquinas de análisis de datos usando MinitaB. ¿ Qué vas a aprender en este curso? Por lo que las habilidades que aprenderás en este curso son algunos conceptos básicos de la estadística. Estaremos cubriendo estadística descriptiva, resumen gráfico, distribuciones, histograma, gráfica de caja, gráficos de barras y gráficos circulares. Voy a montar una nueva serie sobre prueba de hipótesis, que estaré compartiendo en el enlace como enlace en el último video. Pero primero entendamos todos los diferentes tipos de análisis gráfico. ¿ Quién debe asistir a esta clase? Cualquier persona que tenga, que sea estudiante de Lean Six Sigma, que quiera certificarse como Green Belt, Black Belt, o que quiera aplicar estadísticas y análisis gráficos en su lugar de trabajo. A pesar de que usted puede ser un empresario o puede ser un estudiante y desea entender la estadística usando MinitaB. Voy a cubrirlo todo. Vamos a aprender qué errores ocurren comúnmente cuando estamos analizando. Porque cuando hacemos análisis utilizando simples puntos de datos basados en teoría, todo parece ser normal. Entonces te voy a mostrar algunas trampas en las que fallará nuestro análisis y cómo debes evitar esas trampas. Intentaremos, al final de este programa, usted, ¿qué le quitará a este programa? Comprenderás cómo hacer algunos análisis básicos. Comprenderá cuáles son las herramientas que se requieren durante la fase de medición, como cálculos de capacidad, etc. Utilizaremos durante la fase de análisis por lo que si es posible, para cubrir prueba de hipótesis. De lo contrario, si se pone, el video se hace más grande, lo pondré como ve aparte. Iván también cubre qué gráfica usar cuando algunos errores comunes tenemos y realizamos análisis gráficos y creación de gráficos. ¿ Y cómo obtengo insights y conclusiones a partir de esas gráficas? Esto realmente te ayudará a entender este programa muy bien. Veamos ¿qué es un Minitab? Minitab es un software estadístico que está disponible y tiene múltiples regiones. Entonces voy a buscar un nuevo proyecto. Mi pantalla de Minitab se ve algo como esto. Tengo un navegador en el lado izquierdo. Tengo mi pantalla de salida en la parte superior, tengo mi ficha de datos, que se parece mucho a una hoja de Excel, con la que puedo trabajar. Puedo seguir agregando estas hojas y tengo muchos datos. Puedo hacer mucho análisis usando mis opciones. Vamos a cubrir estadística básica, regresión. Estaremos cubriendo muchas estadísticas básicas y estaremos cubriendo montones de gráficas usando diferentes tipos de datos, ¿verdad? Entonces si te interesaba saber estas cosas, definitivamente debes inscribirte y ver mi video. Muchas gracias. 2. Resumen de la introducción a Lean Six Sigma: Comprender la función de transferencia en seis sigma. Ahora vamos a explorar la función y su relevancia en seis sigma. Esto comienza por comprender la relación matemática. Y es una función de X. En esta ecuación, Y representa la salida y los resultados o el resultado que queremos mejorar. X representa la variable de entrada o el patrón. F representa la función o la transformación que se puede aplicar en esas entradas. En esencia, fix Sigma se trata identificar y optimizar el factor X, las entradas que impulsan la salida. Al mejorar las Xs, debemos mejorar la Y o enfocarnos en mejorar la Y. El ejemplo de función de transferencia en Dmth Consideremos un ejemplo, llamando a un soporte técnico para resolver una relación informática. En la fase definida, definimos un problema, cuánto tiempo tarda un cliente en recibir una resolución. Y, que es igual al tiempo de resolución, O es el tiempo total que se tarda en resolver el problema del cliente. En la fase de medición, identificamos y medimos los diversos factores involucrados en la convocatoria. Al igual que el tiempo en la cola, el tiempo con soporte, el tiempo dedicado a transferir las llamadas entre agentes, el tiempo de resolución. Analizar fase, determinamos qué X son críticas y cuáles son las variaciones típicas entre los factores. Durante la fase de mejora, implementamos cambios para reducir el tiempo empleado en cada paso. Quizás automatizar ciertas respuestas u optimizar la lógica rutinaria es lo que ahí se cubre Durante la fase de control, monitoreamos el sistema para asegurarnos de que la Y que es un tiempo resolución efectivamente haya mejorado y se haya mantenido en policía con el tiempo. Este proceso se puede repetir continuamente para impulsar mejoras adicionales. Cuando se sigue rigurosamente, el DMAC es una poderosa metodología repetible para lograr Mejora adicional, metodologías en seis Sigma que tenemos pluma. Sixema nan por otras herramientas probadas y técnicas y prácticas que incluyen el control estadístico de procesos Utiliza la tabla de controles para monitorear la variación a lo largo del tiempo. Utiliza el límite de control superior e inferior para identificar cuándo el proceso está estadísticamente fuera de control. Las herramientas SPC pueden activar el ciclo DMX cuando la variación y el defecto exceden el umbral aceptable herramientas de variación y reducción de defectos Las herramientas de variación y reducción de defectos incluyen comúnmente en la gestión de la calidad total. Ayudan a identificar la causa raíz, las oportunidades de optimización. Estas herramientas juegan un papel clave durante la fase de análisis y mejora de DMC Trabajo en equipo y círculos de calidad. Originados en Teta, el énfasis se basó en un enfoque basado en equipos para la mejora del proceso Empleados de todos los niveles colaboran regularmente para resolver un problema utilizando las herramientas y metodologías proporcionadas en seis Sigma. Los círculos de calidad a menudo integran herramientas estadísticas, DMAT y técnicas de DPatrduction A continuación, los proyectos Six Sigma y la carretera del Cinturón Amarillo. En la siguiente sección, discutiremos los proyectos de Six Sigma y destacaremos lo que un cinturón amarillo necesita saber, incluyendo los roles del proyecto, responsabilidades y el valor aporta el Cinturón Amarillo al equipo de mejora. Por lo general, la duración de un proyecto de seis Sigma puede variar significativamente. Un proyecto a corto plazo puede durar solo unas horas o un día, especialmente cuando es impulsado por pequeño equipo de calidad que busca icumentos incrementales Un proyecto a largo plazo puede abarcar más de un año, particularmente cuando el alcance es complejo y funcional cruzado. Aquí es donde entra en juego el cinturón negro. Sin embargo, los proyectos más típicos de Six Sigma, que son un cinturón verde, se ejecutan alrededor de cuatro a ocho semanas, lo que permite el tiempo suficiente para recopilar los datos, se mueven por todas las fases del ciclo DMC Roles adolescentes en seis proyectos Sigma. Cada miembro del equipo juega un papel distinto y crítico. Vamos a entenderlos. Un cinturón maestro negro y un Blag. Estas personas están liderando y administrando proyectos. Aseguran la alineación con la estrategia y mentan a los miembros del equipo. Cinturones verdes. Manejaron un análisis de detalle , recopilación de datos y ayudan a implementar la mejora de procesos. Los cinturones amarillos son las personas que proporcionan insumos clave, ayudan con la recolección de datos y apoyan la actividad de implementación. Aunque no como líderes de proyectos, Yellow Bells tiene un papel muy esencial de miembro del equipo que está impulsando la ejecución diaria del proyecto Six Sigma. ¿Cuáles son los objetivos comunes que tienen los proyectos Six Sigma? El proyecto varía en alcance y a menudo se enfoca en reducir la variación en la experiencia del cliente. En el mundo actual, la experiencia importa mucho. Acelerar el tiempo de comercialización, eliminar errores y defectos, disminuir los costos operativos, alguna consideración crítica para implementar Six Sigma y oferta ejecutiva de patrocinio y gestión. Proyecto sin un fuerte apoyo de liderazgo y financiamiento y visibilidad son muy diferentes a ecofaxe Adecuación de la metodología. Pi Sigma es tan potente, pero no es adecuado para todos los problemas. Evite una metodología de talla única o una mentalidad. Comienza pequeño y luego escala. Desarrolla confianza y habilidades que son proyectos más pequeños y manejables antes de emprender un esfuerzo de transformación más amplio ¿Sabes cuándo usar otros enfoques? En algunos casos, las metodologías alternativas pueden ser más apropiadas. Iniciativa Lean, Reingeniería de procesos de negocio, lo llamamos como BPR, Business Process Management o O la otra metodología que se pueda utilizar. El control del alcance es muy importante. Si el alcance del proyecto es demasiado amplio y carece de un resultado claro, se vuelve inmanejable Costo versus beneficio. Considere el ROI antes de invertir tiempo y recursos. Ejemplo, gastar 100 horas para ahorrar solo 10 horas anuales no es una compensación efectiva. realizar una evaluación de preparación Es muy importante realizar una evaluación de preparación antes de emprender un proyecto. Esto ayuda a la preparación de su organización antes de que nos sumerjamos en recoger un proyecto. Definir el resultado deseado. ¿Qué estamos tratando de lograr y por qué? Establecer un criterio de éxito. ¿Cómo es el éxito tanto para la organización como para los individuos involucrados? Evaluar la disponibilidad de los datos. ¿Contamos con datos confiables, relevantes y oportunos para apoyar el análisis? Arme el equipo adecuado. ¿Tenemos personas con las habilidades, influencia y compromiso para que el producto sea exitoso? Construya un caso de negocio. ¿Cuál es el valor de la mejora? ¿Quién tiende a beneficiarse y quién podría resistirse? ¿Cuál es el ROI esperado? Ayudar a la preparación organizacional es muy importante cuando planifica un proyecto de seis Sigma. Son estas preguntas clave porque son muy importantes. Es, ¿cómo se ve el estado futuro en comparación con la situación actual? ¿Estamos resolviendo un problema de la vida real en nuestro negocio? ¿Ahora es el momento adecuado para implementar Six Sigma? Una evaluación cuidadosa asegura que el proyecto Six Sigma no solo sea relevante, sino que también sea alcanzable e impactante para nuestra organización ¿Estamos evaluando el desempeño? ¿Tenemos una justificación sólida aplicar seis sigma en nuestro caso de negocio Y finalmente, ¿está pasando algo más en tu proyecto que necesite tu atención? En Six Sigma, ¿existe realmente el enfoque correcto? Estas preguntas pueden estar seguras de que nuestra organización está lista para seis SEMA para un problema determinado Hay tres pasos clave para evaluar la preparación organizacional. Paso uno, evaluar las perspectivas y el camino futuro. Haz la pregunta, ¿encadeno crítico? Los negocios lo necesitan ahora mismo. Evaluar el desempeño actual. Haz la pregunta. ¿Existe una sólida justificación estratégica para aplicar seis Sigma a nuestro negocio? Revisar los sistemas y la capacidad de cambio. Haz la pregunta, ¿puede la mejora existente entregar el nivel de cambio necesario para mantenernos exitosos, competitivos sin usar seis Sigma? Para comenzar, considere la importancia de la experiencia del cliente, la satisfacción del cliente. Nos enfocamos en la voz del cliente para impulsar el cambio. Las mejoras son esenciales y el cliente las necesita. Aquí es donde seis herramientas de análisis de datos Sigma son útiles. Nos ayuda a entender cómo se preocupa realmente al cliente. Six Sigma proporciona una poderosa herramienta, planeación estratégica futura mejorando la efectividad del marketing, haciendo las cosas bien a la primera vez e identificando lo que realmente le importa al cliente con respecto a nuestros proyectos y servicios. Una de esas herramientas valiosas en Six Sigma Toolkit es el modelo de CO, que nos ayuda a comprender y priorizar las necesidades de los clientes de manera más efectiva El modelo de CO es un método para recopilar datos de los clientes y comprender lo que realmente les importa. ¿Qué diferencia nuestras ofertas del resto? Nos ayuda a identificar cosas importantes como cuáles son las características que pueden aumentar la satisfacción del cliente cuando se entregan bien atribuidas al cliente. ¿Cuáles son los potenciales insatisfactores que podrían perjudicar la experiencia del cliente si no se dirigen Al analizar estos comentarios, podemos priorizar mejoras que pueden crear un mayor valor para nuestro cliente Ahora, consideremos la planeación estratégica. Six Sigma Analytics puede desempeñar un papel crítico al identificar los factores clave que impulsan a los clientes. Satisfacción del cliente, integrándolos en la planeación estratégica. Las mejoras de rendimiento son las más necesarias. Yo una cultura organizacional parte de un enfoque estándar de TIC Sigma a través de fletamento efectivo de proyectos, desarrollo métrico, sistemas de control y equipos de círculo de calidad pueden mejorar significativamente la alineación del desempeño en toda la organización La rentabilidad sigue siendo una prioridad máxima. Six Sigma es específicamente eficaz en la reducción de costos de calidad. Muchas organizaciones gastan del 20 al 75% del costo simplemente asegura la calidad en los productos y servicios. Al reducir estos costos, nos mantenemos estrechamente alineados con las expectativas de los clientes y entregamos consistentemente mejor y más rápido que nuestros competidores. Bien. Concepto de len. Lean manufacturing, particularmente en un entorno del sector servicios, significa reconocer la iniciativa de mejora continua. En esencia, N se enfoca en agilizar y mejorar los procesos para crear más valor con sus recursos TaHiOo a menudo considerado como padre del pensamiento moderno de gravamen, enfatizó que la esencia del gravamen radica en un principio simple, tiempo calculado desde la recepción del pedido del cliente hasta la recepción del pago por cumplirlo, y luego trabajar continuamente para que ese tiempo sea lo más corto posible Len se trata fundamentalmente eliminar el desperdicio en toda la picadura de valor, reduciendo el tiempo, el esfuerzo y los recursos innecesarios. El resultado es maximizar el valor, mejorar la eficiencia, mejor calidad y mayor satisfacción del cliente. En una configuración de fabricación, las historias de éxito son muchas. Actualmente, tenemos mucho, incluso en el sector servicios. 3. Trabajo de proyecto: Vamos a entender cuál es el trabajo de proyecto que vamos a hacer en este programa de análisis de datos usando MinitaB. Como les dije, vamos a trabajar con MinitaB. Y este es el Minitab que voy a estar usando. También estaré compartiendo con ustedes una ficha técnica, su hoja de datos de proyecto, donde tengo múltiples ejemplos, donde estamos haciendo cálculos sobre capacidad. Vamos a tratar de ver distribuciones y se puede ver que hay varias pestañas. Ejemplo uno ejemplo dos ejemplo tres, trataremos de hacer algún análisis de tendencias. Trataremos de ver gráficos de Pareto. Tenemos muchos datos que se han compartido contigo, lo que te dará una experiencia práctica en el trabajo con datos, ¿verdad? Entonces comencemos. 4. Conceptos básicos de la estadística: Bienvenido a nuestro próximo tema importante, Fundamentos de la estadística. En este video, aprenderás qué es la estadística, qué es la estadística descriptiva y qué es la estadística inferencial Empecemos con la primera pregunta. ¿Qué es la estadística? estadística se ocupa de la recolección, análisis y presentación de datos. Por ejemplo, si queremos investigar si el género influye en el periódico preferido, entonces el género y el periódico son nuestras llamadas variables que queremos analizar. Analizar si el género influye en el periódico preferido. Primero necesitamos recopilar datos. Para ello, creamos un cuestionario que pregunta sobre género y periódico preferido. Después enviaremos la encuesta y esperaremos dos semanas. Posteriormente, podemos mostrar las respuestas recibidas en una tabla de esta tabla. Tenemos una columna para cada variable, una para género y otra para periódico. Por otro lado, cada fila representa la respuesta de una persona. Por ejemplo, el primer encuestado es varón y declaró los tiempos de la India El segundo es femenino, y declaró el hindú, y así sucesivamente. Por supuesto, los datos no tienen por qué provenir de una encuesta. Los datos también pueden provenir de un experimento en el que. Por ejemplo, quieren estudiar el efecto de dos fármacos sobre la presión arterial. Consideremos otro ejemplo de la vida real. Imagina que eres un gerente de tienda y quieres saber si una nueva exhibición de producto aumenta las ventas. Podrías recopilar datos sobre ventas antes. Y una vez que se configura la nueva pantalla, estos datos te ayudarán a analizar la efectividad de la pantalla, o supongamos que tu administrador escolar, o supongamos que tu administrador escolar, y quieres entender si las sesiones de tutoría adicionales están ayudando a sesiones de tutoría adicionales están los estudiantes a mejorar sus puntajes de matemáticas ¿Podrías cobrar como puntajes antes? Después de las sesiones de tutoría para analizar el impacto. Ahora ya está hecho el primer paso. Hemos recopilado datos y podemos comenzar a analizar los datos. Pero, ¿qué es lo que realmente queremos analizar? No encuestamos a toda la población sino que tomamos una muestra. Ahora bien, la gran pregunta es, ¿solo queremos describir los datos de la muestra, o queremos hacer una declaración sobre toda la población? Si nuestro objetivo se limita a la muestra en sí. Es decir, solo queremos describir los datos recopilados. Utilizaremos estadísticas descriptivas. estadística descriptiva proporcionará un resumen detallado de la muestra. Por ejemplo, si encuestamos 100 personas sobre su periódico preferido, estadísticas descriptivas nos dirían cuántas personas prefieren tiempos de la India o del hindú No obstante, si queremos sacar conclusiones sobre la población en su conjunto. Utilizamos estadísticas inferenciales. Este enfoque nos permite hacer inferencias sobre la población a partir de nuestros datos de muestra Por ejemplo, usando estadísticas inferenciales, podríamos estimar la proporción de todos los adultos en una ciudad que prefieren un periódico específico a partir una muestra de 500 encuestados Las estadísticas inferenciales también pueden ayudarnos a determinar si un determinado grupo demográfico, como el género, influye significativamente en las preferencias de los periódicos Al analizar nuestros datos de muestra, podemos hacer inferencias sobre las preferencias periodísticas de toda la población Mediante el uso de estadísticas descriptivas e inferenciales, podemos obtener una comprensión más profunda de nuestros hallazgos y tomar decisiones informadas sobre estrategias de marketing o creación de contenido para diferentes periódicos En la siguiente lección, profundizaremos en las aplicaciones prácticas de la estadística. Estén atentos. 5. Importancia de los niveles de medida o los tipos de datos: Importancia de los niveles de medición. Comprender el nivel de medición es crucial por varias razones. Análisis apropiado. Los diferentes niveles de medición requieren diferentes técnicas estadísticas. Usar el método incorrecto puede llevar a conclusiones incorrectas. Interpretación de datos. Conocer el nivel ayuda a interpretar incorrectamente los resultados. Por ejemplo, los valores medios son significativos para los datos de intervalo y relación, pero no para los datos nominales u ordinales Visualización, las técnicas efectivas de visualización de datos varían en función del nivel de medición. Los gráficos de barras son adecuados para datos nominales, mientras que los histogramas son mejores para los datos de intervalo y relación Profundicemos en cada nivel de medición. Nivel nominal de medición. Las variables nominales categorizan los datos sin establecer ningún orden significativo Por ejemplo, preguntar a los encuestados sobre su modo de transporte a la escuela, autobús, automóvil, bicicleta o caminar es nominal. Cada categoría es distinta, pero no hay una clasificación u orden inherente entre ellas. análisis de datos nominales implica contar frecuencias o usar gráficos de barras para visualizar distribuciones. Nivel ordinal de medición, las variables ordinales introducen un orden significativo o clasificación entre categorías, pero las diferencias entre rangos no son consistentemente Por ejemplo, pedir a los estudiantes que califiquen su satisfacción con su modo de transporte como muy satisfechos, satisfechos, neutrales, satisfechos o muy satisfechos demuestra una medición ordinal Si bien podemos clasificar estas respuestas de menos a más satisfechas, la diferencia numérica entre satisfecha y muy satisfecha no es cuantificable El análisis generalmente implica cálculos de mediana y pruebas no paramétricas Intervalo y cociente niveles de medición, variables métricas. Las variables de intervalo y relación se consideran variables métricas. Comparten la característica de que los intervalos entre valores están igualmente espaciados, pero las variables de relación también tienen un verdadero punto cero, haciendo válidas todas las operaciones aritméticas Los ejemplos incluyen medir la edad, el peso o los ingresos. Por ejemplo, preguntar a los encuestados sobre la cantidad de minutos que se tarda en llegar a la escuela mide datos de intervalo, donde los intervalos entre respuestas, EG, 10 minutos, 20 minutos son consistentes y significativos. Esto permite medidas estadísticas como el cálculo promedios y el uso técnicas estadísticas avanzadas como el análisis de regresión. Resumen. Comprender estos niveles de medición es crucial para diseñar encuestas y elegir análisis estadísticos adecuados. Los datos nominales nos informan sobre categorías sin ningún pedido. Los datos ordinales permiten clasificación pero no la medición precisa de las diferencias, y el intervalo y la relación de datos métricos permiten medición precisa y admiten una amplia gama de análisis estadísticos Ya sea creando tablas de frecuencias, gráficos de barras o histogramas, seleccionar el nivel correcto de medición garantiza una interpretación precisa de los datos y conocimientos significativos en diversos campos de estudio e investigación Echemos un vistazo más de cerca a cada nivel de medición. Nivel nominal de medición. Los datos nominales son el nivel de medición más básico. Las variables nominales categorizan los datos, pero no permiten una clasificación significativa de las categorías Los ejemplos incluyen género, macho, hembra, tipos de animales, perro, gato, pájaro, periódicos preferidos. En todos estos casos, se puede distinguir entre valores, pero no puede clasificar las categorías de manera significativa Por ejemplo, investigar si el género influye en el periódico preferido involucra variables nominales. En un cuestionario, enumerarías posibles respuestas para ambas variables. no existir un orden inherente, la disposición de las categorías en el cuestionario no importa. Los datos recopilados se pueden mostrar en una tabla y las tablas de frecuencia o gráficos de barras se pueden usar para visualizar las distribuciones. Nivel ordinal de medición. Los datos ordinales pueden clasificarse y clasificarse en un orden significativo, pero las diferencias entre rangos no son matemáticamente iguales Ejemplos incluyen rankings, primero, segundo, tercero, calificaciones de satisfacción, muy insatisfechos, insatisfechos , neutrales, satisfechos, muy satisfechos, niveles de educación, preparatoria, licenciatura, maestros, en este caso, mientras que el Los intervalos entre rangos no son necesariamente iguales. Por ejemplo, si un cuestionario pregunta, ¿qué tan satisfecho está con su trabajo actual con opciones que van desde muy insatisfechos hasta muy satisfechos? opciones que van desde muy insatisfechos hasta muy satisfechos Las categorías de respuesta están ordenadas, pero la diferencia exacta entre cada nivel de satisfacción no es cuantificable El análisis de los datos ordinales a menudo implica calcular medianas y usar pruebas no paramétricas Nivel de medición a intervalos. Los datos de intervalo tienen intervalos iguales entre valores, pero carecen de un verdadero punto cero. Los ejemplos incluyen la temperatura en grados Celsius o Fahrenheit. Los datos de intervalo permiten la medición de diferencias entre valores. Pero debido a que no hay un verdadero cero, los ratios no son significativos. operaciones estadísticas como el cálculo de promedios y el uso de técnicas como Son posibles operaciones estadísticas como el cálculo de promedios y el uso de técnicas como el análisis de regresión. Relación nivel de medición. Los datos de relación tienen intervalos iguales entre valores e incluyen un verdadero punto cero. Los ejemplos incluyen la edad, el peso o los ingresos, porque los datos de relación incluyen un cero verdadero. Todas las operaciones aritméticas son válidas. Este nivel permite el cálculo de ratios y promedios y permite el uso de métodos estadísticos avanzados. Oh. Lo que hemos aprendido hasta ahora usando un ejemplo. Imagina que estás realizando una encuesta en una escuela para entender cómo llegan los alumnos a la escuela. Aquí hay preguntas que podrías hacer. Cada uno corresponde a un nivel de medición diferente. La primera pregunta podría ser, ¿qué modo de transporte usas para llegar a la escuela? Las opciones pueden incluir autobús, automóvil, bicicleta o caminar. Esta es una variable nominal. Las respuestas pueden ser categorizadas, pero no hay un orden significativo. Esto quiere decir que el autobús no es más alto que la bicicleta. Caminar no es más alto que el auto y así sucesivamente. Si quieres analizar los resultados de esta pregunta, puedes contar cuántos alumnos utilizan cada medio de transporte y presentarlo en un gráfico de barras. Siguiente, Podrías preguntar, ¿qué tan satisfecho estás con tu actual modo de transporte? Las opciones pueden incluir muy insatisfechos, insatisfechos, neutrales, satisfechos o muy Esta es una variable ordinal. Puedes clasificar las respuestas para ver qué modo de transporte ocupa un lugar más alto en satisfacción. Pero la diferencia exacta entre satisfecho y muy satisfecho. Por ejemplo, no es cuantificable. Para la pregunta final, ¿cuántos minutos te lleva llegar a la escuela? Aquí, minutos para llegar a la escuela es una variable métrica. puede calcular el tiempo promedio que se tarda en llegar a la escuela y utilizar todas las medidas estadísticas estándar. Podemos visualizar estos datos con un histograma que muestra la distribución de los tiempos que se tarda en llegar a la escuela y comparar los diferentes modos de transporte Entonces, usando datos nominales, podemos categorizar y contar las respuestas, pero no podemos inferir ningún orden Los datos ordinales nos permiten clasificar las respuestas, pero no medir diferencias precisas entre rangos. Los datos métricos nos permiten medir diferencias exactas entre puntos de datos. Como ya se mencionó, los niveles métricos de medición se pueden subdividir en intervalos y escala de relación Pero, ¿cuál es la diferencia entre los niveles de intervalo y relación? Exploremos la diferencia entre los niveles de medición de intervalo y relación usando un ejemplo. Intervalo versus relación nivel de medición. En un maratón, el tiempo que toman los corredores para completar la carrera sirve de ejemplo práctico. Considera un escenario donde el corredor más rápido termine en 2 horas y el más lento termine en 6 horas. Así es como clasificamos el nivel de medición en función de la información proporcionada Relación nivel de medición. Un nivel de relación de medición se caracteriza por tener un verdadero punto cero donde cero representa la ausencia de la cantidad que se está midiendo. En el ejemplo de Maratón, todos los corredores inician al mismo tiempo 0.0 en el que inician la carrera. Con un verdadero punto cero, podemos hacer comparaciones significativas como afirmar que el corredor más rápido tardó tres veces menos tiempo que el corredor más lento, 2 horas frente a 6 horas Este nivel permite operaciones significativas de multiplicación y división Por ejemplo, si un corredor termina en 4 horas y otro en 12 horas, podemos decir con precisión que el primer corredor fue tres veces más rápido que el segundo. Nivel de medición a intervalos. Un nivel de medición de intervalo carece de un punto cero verdadero. En el contexto maratónico, si el cronómetro arranca tarde y solo medimos las diferencias de tiempo al corredor más rápido que comenzó a tiempo, perdemos la verdadera referencia cero Si bien los intervalos entre valores todavía están igualmente espaciados y las operaciones aritméticas como la suma y la resta son válidas, la multiplicación y la división pueden no ser significativas Por ejemplo, decir que un corredor terminó 4 horas por delante de otro es significativo. Pero no podemos afirmar que un corredor fue cuatro veces más rápido que otro sin saber el tiempo total para ambos. En resumen, la medición de nivel de intervalo permite intervalos iguales entre valores y admite operaciones como suma y resta, pero no posee un verdadero punto cero necesario para relaciones significativas Ahora, un poco de ejercicio para comprobar si todo está claro para ti. Primero, tenemos estado de EU, que es un nivel nominal de medición. Esto significa que los datos se utilizan para etiquetar o nombrar categorías sin ningún valor cuantitativo En este caso, los estados son nombres sin orden o clasificación inherente. A continuación, tenemos calificaciones de productos en una escala 1-5. Este es un ejemplo de datos ordinales. Aquí, los números sí tienen un orden o rango. Cinco es mejor que uno, pero los intervalos entre las calificaciones no son necesariamente iguales. Pasando a nombres de departamentos como las compras, ventas, operaciones, finanzas, esto también es nominal. Las categorías aquí, como diferentes departamentos son para categorización y no implican ningún orden A continuación, tenemos CO dos emisiones en un año, que se mide en una escala de ratio métrico. Este nivel permite la gama completa de operaciones matemáticas, incluyendo proporciones significativas. Cero emisiones significa que no hay emisiones en absoluto. Entonces tenemos números telefónicos. Aunque los números de teléfono son numéricos, se clasifican como nominales. Son solo identificadores sin valor numérico para el análisis. El nivel de comodidad es otro ejemplo ordinal. Esto podría incluir niveles como el cuidado bajo, medio y alto, que indican un orden, pero no la diferencia exacta entre estos niveles. espacio habitable en metros cuadrados se mide en una escala de proporción. Al igual que las emisiones de CO dos, metros cuadrados significan que no hay espacio vital y las comparaciones como el doble o la mitad son significativas. Por último, tenemos satisfacción laboral en una escala 1-4. Se trata de datos ordinales. Clasifica los niveles de satisfacción, pero no se cuantifica la diferencia entre cada nivel En la siguiente lección, profundizaremos en las aplicaciones prácticas del diseño de experimentos. Estén atentos. 6. Medidas del centro y medidas de dispersión: Examinemos ambos métodos, comenzando con estadísticas descriptivas. ¿Por qué es importante la estadística descriptiva? Por ejemplo, si una empresa quiere entender cómo sus empleados viajan al trabajo Se puede crear una encuesta para recabar esta información. Una vez que se recolectan suficientes datos, se pueden analizar mediante estadística descriptiva. Entonces, qué es exactamente la estadística descriptiva, su propósito es describir y resumir un conjunto de datos de manera significativa Sin embargo, es crucial señalar que las estadísticas descriptivas solo reflejan los datos recopilados y no llegan a conclusiones sobre una población mayor. En otras palabras, saber cómo algunos empleados una empresa viajan diariamente no nos permite ver cómo les va a todos los trabajadores Ahora, para describir los datos descriptivamente, nos enfocamos en cuatro componentes clave, medidas de tendencia central, medidas de dispersión, tablas de frecuencias y gráficos Empecemos con medidas de tendencia central, que incluyen la media, mediana y más. Primero, la media, la media aritmética se calcula sumando todas las observaciones juntas y dividiendo por el número de observaciones Por ejemplo, si tenemos los puntajes de las pruebas de cinco alumnos, sumamos los puntajes, y dividimos entre cinco para encontrar que la puntuación media de la prueba es de 86.6 Siguiente es la mediana. Cuando los valores de un conjunto de datos se organizan en orden ascendente, la mediana es el valor medio. Si hay un número impar de puntos de datos, es simplemente el valor medio. Si hay un número par, la mediana es el promedio de los dos valores medios. Un aspecto importante de la mediana es que es resistente a valores extremos o valores atípicos Por ejemplo, independientemente de la altura, la última persona está en un conjunto de datos altos. La mediana seguirá siendo la misma. Si bien la media puede cambiar significativamente con base en ese valor, la mediana permanece sin cambios independientemente de la estatura de la última persona. Es decir, no se ve afectado por valores atípicos. En contraste, los hombres pueden cambiar significativamente con base en la estatura de esa última persona, haciéndola sensible a los valores atípicos Ahora, hablemos del modo. El modo es el valor o valores que ocurren con mayor frecuencia en un conjunto de datos. Por ejemplo, si 14 personas viajan en automóvil, seis en bicicleta, cinco a pie y cinco toman el transporte público, entonces el automóvil es el modo ya que aparece con mayor frecuencia A continuación, pasamos a las medidas de dispersión, que describen qué tan dispersos están los valores en un conjunto de datos. Las medidas clave de dispersión incluyen variantes. desviación estándar y rango intecuatle, comenzando con Indica la distancia promedio entre cada punto de datos y la media. Esto nos dice cuánto se desvían los puntos de datos individuales del promedio Por ejemplo, si la desviación promedio de la media es de 11.5 centímetros, podemos calcular la desviación estándar usando la fórmula. Sigma es igual a la raíz cuadrada de la suma de cada valor menos la media. cuadrado, dividido por n, donde Sigma es la desviación estándar N es el número de individuos. X sub i es el valor de cada individuo, y x bar es la media. Es importante tener en cuenta que existen dos fórmulas para la desviación estándar. On divide por n, mientras que el otro divide por n menos uno Este último se utiliza cuando nuestra muestra no cubre toda la población, como en estudios clínicos. Este último se utiliza cuando nuestra muestra no cubre toda la población, como en estudios clínicos. Ahora bien, ¿en qué se diferencia la desviación estándar de la varianza? La desviación estándar mide la distancia promedio desde la media. Mientras que la varianza es simplemente el valor cuadrado de la desviación estándar A continuación, discutamos el rango y el rango intecuatle. El rango es la diferencia entre los valores máximo y mínimo en un conjunto de datos. Por otro lado, el rango inecuartil representa el 50% medio de los datos, calculado como la diferencia entre el primer cuartil, Q uno y el tercer cuartil, Q uno y el Esto significa que 25% de los valores se encuentran por debajo y 25% por encima del rango del cuartil inte Antes de pasar a los puntos finales, comparemos brevemente estos conceptos, medidas de tendencia central y medidas de dispersión. Consideremos medir la presión arterial de los pacientes. Las medidas de tendencia central proporcionan un único valor que representa todo el conjunto de datos. Ayudando a identificar un punto central alrededor del cual los puntos de datos tienden a agruparse. Por otro lado, las medidas de dispersión, como la desviación estándar, rango y el rango inteqatile indican qué tan dispersos están los puntos de datos Ya sea que estén muy agrupados alrededor del centro o ampliamente dispersos. En resumen, mientras que las medidas de tendencia central resaltan el punto central del conjunto de datos, las medidas de dispersión describen cómo se distribuyen los datos alrededor de ese centro. Ahora, pasemos a las mesas, centrándonos en los tipos más importantes, frecuencias y tablas de contingencia Una tabla de frecuencias muestra la frecuencia con cada valor distinto aparece en un conjunto de datos. Por ejemplo, una empresa encuestó a sus empleados sobre sus opciones de viaje, automóvil, bicicleta, paseo y transporte público Aquí están los resultados de 30 empleados mostrando sus respuestas. Podemos crear una tabla de frecuencias para resumir estos datos enumerando las cuatro opciones en la primera columna, y contando sus ocurrencias desde la tabla Es claro que el modo de transporte más común entre los empleados es en automóvil. Con 14 empleados eligiendo esta opción. La tabla de frecuencias proporciona un resumen conciso de los datos. Pero, ¿y si tenemos dos variables categóricas en lugar de una Aquí es donde entra en juego una tabla de contingencia, también conocida como tabulación cruzada ¿Imagina que la compañía tiene dos fábricas, una en Detroit y otra en Cleveland? Si también preguntamos a los empleados sobre su ubicación de trabajo, podemos mostrar ambas variables usando una tabla de contingencia Esta tabla permite analizar y comparar la relación entre las dos variables categóricas Las filas representan las categorías de una variable. Mientras que las columnas representan las categorías de la otra, cada celda de la tabla muestra el número de observaciones que encajan en la combinación de categorías correspondiente. Por ejemplo, la primera celda indica cuántos empleados viajan en automóvil y el trabajo en Detroit se reportó seis veces Gracias. Te veo en la siguiente lección de estadística. 7. Minitab: En esta clase, vamos a aprender sobre las pruebas de hipótesis. Te voy a enseñar pruebas de hipótesis usando MiniTab. También te voy a enseñar pruebas de hipótesis usando Microsoft Office. Eso es usar Excel y Microsoft Office para quienes estén interesados en ir por MiniTab. Déjame mostrarte desde donde puedes descargar Minitab. Minitab.com bajo Descargas. Aquí llegamos a la sección de descargas. Tienes el software estadístico MiniTab, y está disponible por 30 días de forma gratuita. También he descargado la versión de prueba en mi sistema y análisis Dando y te lo mostraste. Recuerda, solo está disponible por 30 días. Por favor, asegúrate de completar todo el programa de capacitación dentro de los primeros 30 días. Cuando sientas el valor en esto, definitivamente deberías seguir adelante y seguir la versión con licencia de MiniTab, que está disponible aquí. Sólo tengo que dar click en Descargar y descargar Woodstock. Comienza con una prueba gratuita de 30 días. Y ya es tiempo suficiente para que practiques todos los ejercicios que se impulsan. Te pedirá algunos datos personales para que puedan estar en contacto contigo y te puedan ayudar con algunos descuentos. Si hay alguno. una sección llamada como Dr. MiniTab o tienes un número de teléfono. Si llamas desde el Reino Unido, te será fácil llamar allí. Pero si estás hablando desde otros lugares, hablar con MiniTab es una opción mucho más fácil. Esta es una muy buena herramienta estadística y siguen actualizando las características regularmente. Entonces, personalmente, siento que esta inversión valdrá la pena. Pero para aquellos que no pueden darse el lujo de ir por la licencia, pueden usar Microsoft Office, al menos algunas de las características, no todas, pero algunas de las características están disponibles. Por lo que inicialmente te mostraré todo el ejercicio de diferentes tipos de hipótesis usando MiniTab. Y luego pasaremos a Microsoft Excel, mantendremos conectados y seguiremos aprendiendo. 8. Estadísticas descriptivas: En la sesión de hoy, vamos a aprender sobre estadística descriptiva. Estadística descriptiva significa que quiero entender medidas de centro. Al igual que las medidas de centro, media, modo mediano. Quiero entender las medidas de propagación. Eso no es más que rango, desviación estándar y varianza. Tomemos un dato sencillo que tengo. Tengo tiempo de ciclo en minutos para casi 100 puntos de datos. Voy a tomar el tiempo de ciclo en minutos de mi hoja de datos del proyecto de día. Voy a ir a MinitaB y pegaré mis datos donde aquí quiero hacer alguna estadística descriptiva. Estadísticas. Da clic en Estadística Básica y di Mostrar estadística descriptiva. Cuando hago esto, me da una opción en la ventana emergente, que se llama as, que me muestra los campos de datos disponibles que tengo. Tengo tiempo de ciclo en minutos. Entonces me está diciendo que quiero analizar el tiempo de ciclo variable en minutos. Simplemente haré clic en, Ok, e inmediatamente lo encontrarás en mi ventana de salida. Yo sólo puedo tirar esto hacia abajo. En mi ventana de salida. Me está mostrando que ha hecho algún análisis estadístico para el tiempo de ciclo variable en minutos. Tengo 100 puntos de datos por aquí. El número de valores faltantes es 0. La media es 10.064. error estándar de la media es 0.103, desviación estándar es de 1 al valor mínimo es 7.5. Uno no es más que tu cuartil uno es 9.1. Mediana, es decir, su Q2 es 10.35, Q3 es 10.868, y el valor máximo es 12.490. Si necesito más análisis estadístico, puedo seguir adelante y repetir este análisis. Esta vez, voy a dar clic en Estadísticas. Y puedo mirar los otros puntos de datos que necesito. Supongamos que si necesito el rango, no necesito error estándar, necesito rango intercuartil. Quiero identificar cuál es el estado de ánimo. Quiero identificar cuál es la asimetría y mis datos. ¿ Cuál es la curtosis en mis datos? Puedo seleccionarlo todo y decir, está bien, voy a dar clic en, Ok. Cuando haga esto, todos los demás parámetros estadísticos que he seleccionado saldrán en mi ventana de salida. Esta es mi ventana de salida. Por lo que es de nuevo me dice ese punto de datos adicional que seleccioné. Entonces el radio no es más que tu desviación estándar al cuadrado. Es 0.0541. Me está diciendo el rango que es máximo menos mínimo. Es 4.95. rango intercuartil es de 1.707. No hay modo en mis datos. Y número de puntos de datos en 0 porque no hay más, los datos no están sesgados. Los valores muy cercanos a 0, es 0.05, pero hay curtosis. Significa que mis datos no están apareciendo como un ir no laboral. Tan bien, nos gusta ver cómo queda mi distribución. Hagamos eso. Hago clic en estadísticas, hago clic en Estadísticas Básicas, y haré clic en resumen gráfico. Selecciono el tiempo de ciclo en minutos. Y digo que quiero ver intervalo de confianza del 95%. Dé clic en, De acuerdo, veamos la salida. El resumen de los minutos de diamante de ciclo. Me está mostrando la media, desviación estándar, varianza. Todas las cosas estadísticas se están mostrando en el lado derecho. Media, desviación estándar, varianza, asimetría, curtosis, número de puntos de datos mediana mínima del primer cuartil , máximo del tercer cuartil. Estos puntos de datos que usted ve como mínimo Q1, mediana, Q3 y máximo serán cubiertos en la gráfica de caja. La gráfica de caja se enmarca utilizando estos puntos de datos. Y cuando se mira el velcro, dice que la campana no es curva empinada, es una curva un poco más gorda, y de ahí que el valor de curtosis sea un valor negativo. Continuaremos nuestro aprendizaje más a detalle en el siguiente video. Gracias. 9. Estadísticas descriptivas versus inferenciales: Examinemos ambos métodos, comenzando con estadísticas descriptivas. ¿Por qué es importante la estadística descriptiva? Por ejemplo, si una empresa quiere entender cómo sus empleados viajan al trabajo Se puede crear una encuesta para recabar esta información. Una vez que se recolectan suficientes datos, se pueden analizar mediante estadística descriptiva. Entonces, qué es exactamente la estadística descriptiva, su propósito es describir y resumir un conjunto de datos de manera significativa Sin embargo, es crucial señalar que las estadísticas descriptivas solo reflejan los datos recopilados y no llegan a conclusiones sobre una población mayor. En otras palabras, saber cómo algunos empleados una empresa viajan diariamente no nos permite ver cómo les va a todos los trabajadores Ahora, para describir los datos descriptivamente, nos enfocamos en cuatro componentes clave, medidas de tendencia central, medidas de dispersión, tablas de frecuencias y gráficos Empecemos con medidas de tendencia central, que incluyen la media, mediana y más. Primero, la media, la media aritmética se calcula sumando todas las observaciones juntas y dividiendo por el número de observaciones Por ejemplo, si tenemos los puntajes de las pruebas de cinco alumnos, sumamos los puntajes, y dividimos entre cinco para encontrar que la puntuación media de la prueba es de 86.6 Siguiente es la mediana. Cuando los valores de un conjunto de datos se organizan en orden ascendente, la mediana es el valor medio. Si hay un número impar de puntos de datos, es simplemente el valor medio. Si hay un número par, la mediana es el promedio de los dos valores medios. Un aspecto importante de la mediana es que es resistente a valores extremos o valores atípicos Por ejemplo, independientemente de la altura, la última persona está en un conjunto de datos altos. La mediana seguirá siendo la misma. Si bien la media puede cambiar significativamente con base en ese valor, la mediana permanece sin cambios independientemente de la estatura de la última persona. Es decir, no se ve afectado por valores atípicos. En contraste, los hombres pueden cambiar significativamente con base en la estatura de esa última persona, haciéndola sensible a los valores atípicos Ahora, hablemos del modo. El modo es el valor o valores que ocurren con mayor frecuencia en un conjunto de datos. Por ejemplo, si 14 personas viajan en automóvil, seis en bicicleta, cinco a pie y cinco toman el transporte público, entonces el automóvil es el modo ya que aparece con mayor frecuencia A continuación, pasamos a las medidas de dispersión, que describen qué tan dispersos están los valores en un conjunto de datos. Las medidas clave de dispersión incluyen variantes. desviación estándar y rango intecuatle, comenzando con Indica la distancia promedio entre cada punto de datos y la media. Esto nos dice cuánto se desvían los puntos de datos individuales del promedio Por ejemplo, si la desviación promedio de la media es de 11.5 centímetros, podemos calcular la desviación estándar usando la fórmula. Sigma es igual a la raíz cuadrada de la suma de cada valor menos la media. cuadrado, dividido por n, donde Sigma es la desviación estándar N es el número de individuos. X sub i es el valor de cada individuo, y x bar es la media. Es importante tener en cuenta que existen dos fórmulas para la desviación estándar. On divide por n, mientras que el otro divide por n menos uno Este último se utiliza cuando nuestra muestra no cubre toda la población, como en estudios clínicos. Este último se utiliza cuando nuestra muestra no cubre toda la población, como en estudios clínicos. Ahora bien, ¿en qué se diferencia la desviación estándar de la varianza? La desviación estándar mide la distancia promedio desde la media. Mientras que la varianza es simplemente el valor cuadrado de la desviación estándar A continuación, discutamos el rango y el rango intecuatle. El rango es la diferencia entre los valores máximo y mínimo en un conjunto de datos. Por otro lado, el rango inecuartil representa el 50% medio de los datos, calculado como la diferencia entre el primer cuartil, Q uno y el tercer cuartil, Q uno y el Esto significa que 25% de los valores se encuentran por debajo y 25% por encima del rango del cuartil inte Antes de pasar a los puntos finales, comparemos brevemente estos conceptos, medidas de tendencia central y medidas de dispersión. Consideremos medir la presión arterial de los pacientes. Las medidas de tendencia central proporcionan un único valor que representa todo el conjunto de datos. Ayudando a identificar un punto central alrededor del cual los puntos de datos tienden a agruparse. Por otro lado, las medidas de dispersión, como la desviación estándar, rango y el rango inteqatile indican qué tan dispersos están los puntos de datos Ya sea que estén muy agrupados alrededor del centro o ampliamente dispersos. En resumen, mientras que las medidas de tendencia central resaltan el punto central del conjunto de datos, las medidas de dispersión describen cómo se distribuyen los datos alrededor de ese centro. Ahora, pasemos a las mesas, centrándonos en los tipos más importantes, frecuencias y tablas de contingencia Una tabla de frecuencias muestra la frecuencia con cada valor distinto aparece en un conjunto de datos. Por ejemplo, una empresa encuestó a sus empleados sobre sus opciones de viaje, automóvil, bicicleta, paseo y transporte público Aquí están los resultados de 30 empleados mostrando sus respuestas. Podemos crear una tabla de frecuencias para resumir estos datos enumerando las cuatro opciones en la primera columna, y contando sus ocurrencias desde la tabla Es claro que el modo de transporte más común entre los empleados es en automóvil. Con 14 empleados eligiendo esta opción. La tabla de frecuencias proporciona un resumen conciso de los datos. Pero, ¿y si tenemos dos variables categóricas en lugar de una Aquí es donde entra en juego una tabla de contingencia, también conocida como tabulación cruzada ¿Imagina que la compañía tiene dos fábricas, una en Detroit y otra en Cleveland? Si también preguntamos a los empleados sobre su ubicación de trabajo, podemos mostrar ambas variables usando una tabla de contingencia Esta tabla permite analizar y comparar la relación entre las dos variables categóricas Las filas representan las categorías de una variable. Mientras que las columnas representan las categorías de la otra, cada celda de la tabla muestra el número de observaciones que encajan en la combinación de categorías correspondiente. Por ejemplo, la primera celda indica cuántos empleados viajan en automóvil y el trabajo en Detroit se reportó seis veces Gracias. Te veo en la siguiente lección de estadística. 10. Conceptos de estadísticas inferenciales, parte 2: Vamos a sumergirnos en las estadísticas inferenciales. Comenzaremos con una breve descripción de lo que es. Seguido de una explicación de los seis componentes clave. Entonces, ¿qué son las estadísticas inferenciales? Nos permite sacar conclusiones sobre una población a partir de datos de una muestra. Para aclarar, la población es todo el grupo que nos interesa. Por ejemplo, si queremos estudiar la estatura promedio de todos los adultos en Estados Unidos, nuestra población incluye a todos los adultos del país. La muestra por otro lado, es un subconjunto menor tomado de esa población. Por ejemplo, si seleccionamos 150 adultos de EU, podemos usar esta muestra para hacer inferencias sobre la población más amplia Ahora, aquí están los seis pasos involucrados en este proceso. Hipótesis. Comenzamos con una hipótesis. ¿Cuál es una declaración que pretendemos probar? Por ejemplo, podríamos querer investigar si un medicamento impacta positivamente la presión arterial en individuos con hipotensión Oh, en este caso, nuestra población consiste todos los individuos con hipertensión arterial en EU, ya que no es práctico recabar datos de toda la población Nos basamos en una muestra para hacer inferencias sobre la población utilizando nuestra muestra Empleamos pruebas de hipótesis. Este es un método utilizado para evaluar una afirmación sobre un parámetro de población basado en datos de muestra. Hay varias pruebas de hipótesis disponibles, y al final de este video. Te guiaré sobre cómo elegir la correcta. ¿Cómo funcionan las pruebas de hipótesis? Comenzamos con una hipótesis de investigación. También conocida como hipótesis alternativa, que es lo que buscamos evidencia en nuestro estudio. También se llama hipótesis alternativa. Esto es para lo que estamos tratando de encontrar pruebas. En nuestro caso, la hipótesis es que el medicamento afecta la presión arterial. Sin embargo, no podemos probarlo directamente con una prueba de hipótesis clásica. Entonces probamos la hipótesis opuesta, que la droga no tiene ningún efecto sobre la presión arterial. Aquí está el proceso. Uno, asumir la hipótesis de no. Asumimos que el medicamento no tiene ningún efecto, es decir, que las personas que toman el medicamento y las que no tienen la misma presión arterial promedio. T, recopilar y analizar datos de muestra. Tomamos una muestra aleatoria. Si el medicamento muestra un gran efecto en la muestra, entonces determinamos la probabilidad de extraer dicha muestra o una que se desvía aún más, si el medicamento realmente no tiene efecto, o uno que se desvía aún más, si el medicamento realmente no tiene efecto, T, evaluar el valor de probabilidad p. Si la probabilidad de observar tal resultado bajo la hipótesis nula es muy baja. Consideramos la posibilidad que el medicamento sí tenga un efecto. Si tenemos pruebas suficientes, podemos rechazar la hipótesis nula. El valor p es la probabilidad que mide la fuerza de la evidencia contra la hipótesis nula. En resumen, la hipótesis nula establece que no hay diferencia en la población, y la prueba de hipótesis calcula qué tan probable es observar los resultados de la muestra si la hipótesis nula es verdadera. Queremos encontrar evidencia para nuestra hipótesis de investigación. El medicamento afecta la presión arterial. Sin embargo, no podemos probar esto directamente, así que probamos la hipótesis opuesta, la hipótesis nula. El medicamento no tiene efecto sobre la presión arterial. Así es como funciona. Asumir la hipótesis de no. Supongamos que el medicamento no tiene efecto. Es decir, las personas que toman el medicamento, y las que no tienen la misma presión arterial promedio, recopilan y analizan datos. Toma una muestra aleatoria. Si el medicamento muestra un gran efecto en la muestra. Determinamos qué tan probable es obtener tal resultado, o uno más extremo. Si el medicamento realmente no tiene efecto, calcule el valor p. El valor p es la probabilidad de observar una muestra tan extrema como la nuestra. Suponiendo que la hipótesis nula es verdadera. Significancia estadística. Si el valor p es menor que un umbral establecido, generalmente 0.05. El resultado es estadísticamente significativo, lo que significa que es poco probable que haya ocurrido solo por casualidad. Entonces tenemos evidencia suficiente para rechazar la hipótesis nula. Un pequeño valor de p sugiere que los datos observados son inconsistentes con la hipótesis nula. Llevándonos a rechazarlo a favor de la hipótesis alternativa. Un gran valor de p sugiere que los datos son consistentes con la hipótesis nula. No lo rechazamos. Puntos importantes. Un pequeño valor de p no prueba que la hipótesis alternativa sea cierta. Simplemente indica que tal resultado es poco probable si la hipótesis nula es cierta. Del mismo modo, un valor p grande no prueba que la hipótesis nula sea cierta. Sugiere que los datos observados son probables bajo la hipótesis nula. Gracias. Te veré en la siguiente lección de estadística. 11. Conceptos de pruebas de hipótesis en detalle: Bienvenida de nuevo. Entendamos la hipótesis con más detalle. Hipótesis de Tenemos una población entera que nos encantaría estudiar. Pero siempre habría restricción de tiempo y recursos para estudiar a toda la población. Por lo tanto, se toma una muestra de la población utilizando diferentes técnicas de muestreo y se extrae una muestra. Estudiamos la muestra y algunas inferencias sobre la población, y eso es como estadística inferencial ¿Qué es exactamente la hipótesis? Una hipótesis es una suposición que no puede ser propensa ni desaprobar En un proceso de investigación, la hipótesis se hace desde el principio, y el objetivo es rechazar o no rechazar la hipótesis. Para rechazar o no rechazar la hipótesis, ejemplo de datos del experimento se necesita una encuesta, que luego se evalúan mediante prueba de hipótesis. Usando hipótesis, generalmente las hipótesis se realizan a partir de una revisión literal Con base en la revisión literal, puedes justificar por qué formulaste la hipótesis de esta manera. Un ejemplo de hipótesis podría ser los hombres ganan más que las mujeres por el mismo trabajo en Austria. La hipótesis es un supuesto de asociación esperada. Tu objetivo es rechazar o no rechazar la hipótesis nula. Puedes probar tu hipótesis con base en los datos. El análisis de los datos se realiza mediante la prueba de hipótesis. El hombre gana más que las mujeres por el mismo trabajo en Austria. Realizaste una encuesta a casi 1,000 empleados que trabajan en Australia, una prueba T de muestra independiente. En esta prueba, la hipótesis que necesita de la encuesta pruebas de hipótesis adecuadas como la prueba T o la prueba de análisis de correlación. Podemos usar herramientas en línea como pestaña Datos o herramientas de Excel para resolver esto. ¿Cómo formulo una hipótesis? Para formular una hipótesis, primero se debe definir una pregunta de investigación. Una hipótesis precisa de formulación sobre la población puede entonces derivarse de la pregunta de investigación. El hombre gana más que las mujeres por el mismo trabajo en Australia. Al tema, ¿cuál es la pregunta que queremos hacer y cuál es la hipótesis? A continuación, proporcionará los datos a la prueba de hipótesis y sacará la conclusión. Esta es una representación visual muy hermosa de cómo se realiza una prueba de hipótesis. Las hipótesis no son simples afirmaciones. Están formulados de tal manera que se pueden probar con Pueden ser probados con datos recopilados en el transcurso del proceso de investigación. Para probar hipótesis, es necesario definir exactamente qué variables están involucradas y cómo se relacionan estas variables. Hipótesis entonces son supuestos sobre la relación causa y efecto de la asociación entre las variables. ¿Qué es una variable en este caso? Variable no es más que una propiedad de un objeto o un par que puede tomar diferentes valores. Por ejemplo, un color de ojos es una variable. Si la propiedad del objeto, puedo tomar diferentes valores. Si estás investigando una ciencia social, tus variables pueden ser género, ingresos, actitudes, protección ambiental, etcétera Si estás investigando sobre el campo médico, entonces tus variables podrían ser peso corporal, estado de tabaquismo, frecuencia cardíaca, etc. Entonces, ¿cuál es exactamente la hipótesis nula y alternativa? Siempre hay dos hipótesis que son exactamente opuestas entre sí y que pretenden ser opuestas Estas hipótesis opuestas se denominan hipótesis nula y alternativa y están representadas por H nada y H A o H uno, H cero y H La hipótesis nula de H nada supone que no hay diferencia entre dos o más grupos con respecto a las características que estamos tratando de estudiar La hipótesis nula son hen. La hipótesis nula asume que no hay diferencia entre dos o más grupos con respecto a las características. Ejemplo, el salario de los hombres y mujeres no son diferentes en Austria. La hipótesis alternativa es la hipótesis que queremos probar o estamos recopilando datos para probarla. Entonces hipótesis alternas, en cambio, asume que existe una diferencia entre los dos o más grupos. Ejemplo, el salario de los hombres y mujeres difiere en Austria. La hipótesis que quieres probar o lo que quieres bucear de la teoría suele afirmar el efecto. El género incide en el salario. Esta hipótesis se denomina como hipótesis alternativa. Es una declaración muy bonita, ¿verdad? Hay otra forma de escribirla, y es decir, un género tiene un efecto sobre el salario, y la prueba de hipótesis se denomina como hipótesis alternativa. La hipótesis nula suele afirmar que no hay efecto. El género no tiene efecto sobre el salario. En la prueba de hipótesis, solo se puede probar la hipótesis nula. El objetivo es averiguar si la hipótesis nula es rechazada o no. Existen diferentes tipos de hipótesis. ¿Qué tipos de hipótesis están disponibles? La distinción más común es entre diferencias, hipótesis de correlación, puede ser hipótesis direccional y no direccional. Hipótesis diferencial y correlación. Se utilizan hipótesis diferenciales cuando hay que distinguir diferentes grupos y el grupo de hombres y el grupo de mujeres Las hipótesis de correlación se utilizan cuando se quiere establecer una relación o se va a probar una correlación entre la variable La relación entre edad y estatura. Hipótesis de diferencia. Hipótesis de diferencia es prueba donde nosotros si hay una diferencia entre dos o más grupos. El ejemplo de hipótesis de diferencia es que el grupo de hombres gana más que las mujeres. Los fumadores tienen mayor riesgo de sufrir ataques cardíacos que los no fumadores. Hay una diferencia entre Alemania, Austria y Francia en términos de horas de trabajo por semana. Así, una variable es siempre una variable categórica como el género, estado tabáquico o el país Por otro lado, la otra variable es una variable ordinal o una variable de salario, porcentaje de riesgo de infarto, y horas de trabajo por semana Ahora bien, entendamos un poco más detalladamente la hipótesis de correlación . Una prueba de hipótesis de correlación, relaciones entre dos variables. Por ejemplo, la estatura y el peso corporal. A medida que aumenta la estatura de la persona, el peso corporal se ve impactado. La hipótesis de correlación, por ejemplo, es más alta que una persona es, cuanto más pesada es, cuanto más potencia tiene un automóvil, mayor es su consumo de combustible. Cuanto mejor sea el grado de matemáticas, mayor será el salario futuro. Como puede ver en los ejemplos, hipótesis de correlación a menudo toma la forma de cuanto más alto, menor. Así, se están examinando al menos dos variables de escala ordinal están examinando al menos dos variables de escala Hipótesis direccional y no direccional, las hipótesis se dividen en direccionales y no direccionales. Es decir, o son hipótesis unilateral o bilateral. Si la hipótesis contiene palabras como mejor que, peor entonces, la hipótesis suele ser direccional. Podría ser un positivo o un negativo. En el caso de la hipótesis no direccional, a menudo se descubren los bloques de construcción, como hay una diferencia entre la formulación, pero no se establece en qué dirección se encuentra la diferencia. Para la hipótesis no direccional, lo único de interés es si existe una diferencia en el valor entre las variables bajo consideración. En una hipótesis direccional, ¿cuál es el interés si un grupo es mayor o menor que el otro? Tienes hipótesis de dos lados, o puedes tener hipótesis de un lado como el lado izquierdo o el lado derecho. Hipótesis no direccional, una hipótesis no direccional prueba si existe una diferencia o una relación. No importa en qué dirección exista la relación o los diferentes cos. En el caso de una hipótesis de diferencia, significa que hay una diferencia entre dos grupos, pero no dice si un grupo tiene un valor mayor. Hay una diferencia entre el salario de hombres y mujeres, pero no dice quién gana más. Existe una diferencia en el riesgo de ataques cardíacos entre fumadores y no fumadores, pero no dice quién está en mayor riesgo. En cuanto a la hipótesis de correlación, significa que una relación o una correlación entre dos variables. Pero eso Pero no se dice si la relación es positiva o negativa. Existe una correlación entre altura y el peso y existe una correlación entre la potencia del caballo y el consumo de combustible en el automóvil. En ambos casos, no se dice que la correlación sea positiva o negativa. Cuando se habla de una hipótesis direccional, además estamos indicando la dirección de la relación o la diferencia. En caso de la hipótesis diferente, se hace enunciado, ¿qué grupo es mayor o menor valor? Los hombres ganan más que las mujeres. Los fumadores tienen un mayor riesgo de sufrir ataques cardíacos que los no fumadores. En caso de una hipótesis de correlación, la relación se hace en cuanto a si una correlación es positiva o negativa. Cuanto más alta es una persona, más pesada es. Cuanto más potencia tenga un automóvil, mayor será su economía de combustible. hipótesis alternativa direccional unilateral incluye solo los valores que difieren en una dirección de los valores de la hipótesis nula. Ahora bien, ¿cómo interpretamos el valor p en una hipótesis direccional? Por lo general, los softwares estadísticos siempre te ayudan a calcular el valor p. Excel también se ha vuelto muy inteligente en el cálculo del valor p, y ayuda en el cálculo de la prueba no direccional y también ayuda a dar el valor p para esto. Para obtener el valor p para la hipótesis direccional, se debe verificar si el efecto está en la dirección correcta, entonces el valor p se divide por dos, y si el nivel de significancia no está acelerada por dos, sino solo por un lado. Más que esto, tenemos un tutorial sobre el valor P. Así que por favor ve a ver eso en la fase analizada de mi curso. Si selecciona una hipótesis alternativa dirigida en un tipo de datos lil software, para el cálculo de hipótesis, la conversión se realiza automáticamente y solo se puede leer. Ahora, instrucción paso a paso para probar la hipótesis. Se debe hacer una investigación literaria, formular la hipótesis, definir el nivel de escala, determinar el nivel de significancia, determinar la prueba de hipótesis, ¿qué prueba de hipótesis es adecuada para niveles de escala y estilo de hipótesis? El siguiente tutorial trata sobre las pruebas de hipótesis. Aprenderás sobre las pruebas de hipótesis y descubrirás cuál es mejor y cómo leerla. 12. Introducción a las herramientas 7Qc: T. Bienvenido a la nueva clase sobre siete herramientas de calidad. Este es uno de los conceptos más importantes si estás pensando en hacer pequeñas mejoras continuas en tu proceso u operaciones o configuración de fabricación. Incluso si estás en la industria de servicios, estas herramientas te ayudarán a realizar un seguimiento de la calidad. Con eso, comencemos. Entonces las siete herramientas de control de calidad, ¿qué voy a cubrir como parte de este programa de capacitación? Se trata de las siete herramientas de control de calidad. Número uno, catapulta de cosas, histograma de diagrama de flujo Análisis de Pareto, quemadura de pescado también llamado como diagrama Ishikawa No sólo vamos a cubrir estas herramientas a un alto nivel. Vamos a hacer algunos ejemplos, cómo dibujar estas cosas usando Microsoft Excel siempre que sea posible. También te vamos a dar algunos ejercicios de muestra con datos que pueden ayudarte a realizar estas actividades muy fácilmente. Vamos a hablar sobre qué es la herramienta, cómo usar la herramienta, cuándo usarla, algunos errores comunes que debemos evitar, y una guía paso a paso para crear la salida que se requiere. 13. Hoja de verificación: Pasemos a la siguiente herramienta de calidad de las siete herramientas de control de calidad, esa es la hoja de verificación. Aprendamos más sobre la hoja de verificación. Las hojas de verificación se utilizan para registrar y compilar sistemáticamente los datos A partir de las fuentes históricas u observaciones a medida que ocurren. Se puede utilizar para recopilar datos en ubicaciones donde los datos se generan realmente a lo largo del tiempo. Se puede utilizar para capturar datos tanto cuantitativos como cualitativos. Entonces te he mostrado una simple hoja de verificación donde tienes tipos de defectos y cuántas veces está ocurriendo este defecto en particular. Esto puede ser utilizado para registrar y compilar sistemáticamente datos de fuentes históricas u observaciones a medida que ocurren. Se puede utilizar para recopilar datos en ubicaciones donde se generan datos en tiempo real. Este tipo de datos pueden ser tanto cuantitativos como cualitativos. La hoja de verificación es uno de los siete QC básicos. ¿Qué hace la hoja de verificación? Se utiliza para crear datos fáciles de comprender y que vienen con un proceso simple y eficiente Con cada entrada, crear una imagen clara de los hechos como se propone a la opinión de cada miembro del equipo. Por eso es uno de los datos impulsados. Se estandariza el acuerdo sobre definiciones de todas y cada una de las condiciones ¿Cómo se usa una forma de cheque? Acordamos la definición de eventos o condiciones que se están observando. Ejemplo. Si buscamos la causa raíz de severidad uno defectos, entonces el acuerdo es convertirlo como severidad uno. Decidir quién recaba los datos, decidir la persona que participará en esta actividad. Anote las fuentes de donde se recogen los datos. Los datos deben ser en forma de muestra o de toda la población. Puede ser tanto cualitativo como cuantitativo. Decidir el nivel de conocimiento requerido para la persona involucrada en el plan de recolección de datos. Decidir sobre la frecuencia de recolección de datos, si los datos deben ser necesarios para ser recolectados, semanalmente, por hora, diariamente o mensualmente. Decidir sobre la duración de la recolección de datos, es decir, cuánto tiempo deben recopilarse los datos para que sean un resultado significativo. Construya una hoja de verificación que sea simple usar concisa, completa y que tenga consistencia en la acumulación de datos a lo largo del período de recolección Tenga en cuenta que las hojas de verificación fueron creadas como una de las herramientas de calidad cuando estábamos en la era industrial. Actualmente, estamos en la era de la información. Tenemos tantos softwares ERP, Machine ese capturando datos debido a TI, y hay varios otros informes generados por computadora que son aplicables Busca usar una hoja de verificación solo y solo cuando estés en un proceso de captura de datos completamente manual Es una de las herramientas, pero la que menos utiliza herramientas en los últimos meses. Permítanme reformular, usar menos herramientas en los últimos años. A menos y hasta que su empresa no esté completamente teniendo ningún enfoque sistemático de captura de los datos. Es una muy buena herramienta si estás usando personas que son empleados de color azul y no tienes sistemas de alta tecnología para capturar los datos. Por lo que he adjuntado la plantilla para la hoja de verificación en la sección de proyecto y recursos. Se puede referir a ella. Sólo dame un segundo. Te mostraré la hoja de cheques en la pantalla. Entonces puedo usar una hoja de verificación que te he dado como parte de mi plantilla parado. Puedes anotar las categorías por aquí, diciéndome que es defecto un defecto dos. Hight es un problema ahí de cual sea el nombre de tu defecto, por favor lista todos los defectos aquí, ¿verdad? Y entonces se puede comercializar eso ¿con qué frecuencia sucede esto? Dondequiera que esté sucediendo, por favor comience a escribir uno. ¿Con qué frecuencia ves esto y cuándo lo ves? Esto en conjunto con puedo usar más adelante estos datos para mi análisis de Pareto, para lo cual he creado un video separado, puedes usar eso No necesitas una hoja de verificación separada en el mundo actual. Puedes usar el que te he dado aquí. Gracias. Te veo en la siguiente clase. 14. diagrama de caja: Hoy, vamos a aprender sobre boxplot y entenderlo en detalle Todos hubiéramos visto boxplot en múltiples instancias. Pero veamos qué interpreta. Entonces, ¿qué es exactamente una trama de caja? Con una gráfica de caja, normalmente puede mostrar gráficamente mucha información sobre sus datos El cuadro indica el rango del 50% medio del lugar donde se encuentra tu valor. Entendamos la trama de caja, cómo se divide. Si el inicio de la caja se llama como Q uno, es el extremo inferior de la caja, y también se le llama como el primer cuartil Q es el extremo superior de la caja o el tercer cuartil. La distancia entre Q tres y Q se denomina como rango intercuartil, que es el 50% medio de tus datos El 25% de los datos está por debajo de Q uno, En la casilla, tiene el 50% de los datos, y por lo tanto, el 25% de los datos se encuentra por encima de la caja. Tienes una línea principal y la mediana dentro de la caja, que nuevamente divide los datos en 25 y 25% Entonces digamos cuando mostramos la edad del participante, la trama de caja, uno es 31 años. Significa que 25% de los participantes son menores de 31 años. Q tres es 63 años. Significa que 25% de los participantes son mayores de 63 años. El 50% de los participantes tienen 31-63 años de edad. La media y la mediana. La mediana es de 42 años, lo que significa que la mitad de los participantes tienen más de 42 años y la otra mitad son menores de 42 años. La línea de trazos también se llama como la línea promedio o el valor principal, que representa el promedio. Como la media está alejada de la mediana, claramente dice que los datos son. La línea continua representa la mediana y la línea punteada representa el promedio. El punto que están más lejos se llama como valores atípicos. La altura del bigote es aproximadamente 1.5 veces el rango intercuartal El bigote no puede seguir haciendo ping sin cesar. El valor atípico y los bigotes en forma de ti. Si no hay un valor atípico, el valor máximo está aquí Si hay un valor atípico, el bigote en forma de T es el último punto en el que 1.5 veces el rango interquaral y otros se denominan ¿Cómo creo un boxplot? Tienes hoja de Excel para crear tu boxplot, y también puedes hacerlo usando herramientas en línea Sí, así que sólo puedo ir por los gráficos. Con eso, puedo decir que estoy tomando la variable métrica, entonces tienes una opción de histograma, y también tienes una opción de boxplot, que claramente dice que el Q uno es 29, es 66, mediana es 42, Man es 46 Máximo es 99, la barda superior es 99. No hay valores atípicos. Vamos a cambiar los datos. Déjame hacer esto como 126. En cuanto cambie el valor de una persona a 126, cuando vuelvas, encontrarás que hay un valor atípico en el histograma, y es muy evidente por aquí que 126 es un Y aquí, la barda superior es 92. El Q tres sigue siendo el mismo, el Q uno sigue siendo el mismo. Entonces el tamaño de la caja no cambia y así sucesivamente. ¿Verdad? ¿Y si la persona es un ero? En ese caso, verá que no forma parte de un valor atípico, sino que sigue siendo parte del isc Puedo hacer el gráfico pequeño, puedo mostrar la línea cero. Puedo mostrar la desviación estándar. Puedo mostrar los puntos. Puedo hacerlo como horizontal y vertical. Por lo que todas estas opciones son posibles utilizando una herramienta estadística en línea. Obviamente puedo descargar el archivo Zip y trabajar con él. Bien. ¿Cómo puedo hacer boxplot usando la hoja de Excel? Entonces he copiado los mismos datos por aquí. Tengo diferentes grupos, así que he seguido adelante y seleccioné mi edad como datos. Y ahora voy a insertar, gráfico recomendado, voy a todos los gráficos, y tengo cuadro de caja y bigotes Y puedo ver mi cuadro de cajas y bigotes. Puedo quitar mis líneas de cuadrícula y puedo agregar las etiquetas de datos, y muestra claramente mi palmadita. A lo mejor sólo puedo aumentarlo para que sea más visible. Puedo cambiar el color de mi gráfica para que sea diferente. Ah y puedo escoger el Mi promedio está por aquí. Mi mediana es 421, tres y. Ahora, la misma gráfica, también puedo agruparla en base a raíces. Estoy tomando el grupo y la edad. Doy click en en, puedo dar click en tabla recomendada, ir a todos los gráficos y hacer caja y bigotes Esta vez, tengo cuatro cajas para cada uno del grupo. Puedo cambiar el color de mi gráfica. Todo bien. Puedo incluir las etiquetas de datos. Cuando lo incluyo por aquí y haga clic en el signo de coma, encontrará que los puntos tei han sido Así que es muy fácil dibujar gráfico usando Excel además de usar algunas herramientas en línea Entonces para los grupos, me he llevado el grupo más la A, y para esto, he tomado. Entonces para A, digamos para el grupo C, si sigo adelante y cambio el valor como 100, encontrarás que ahí hay un valor atípico El valor mínimo es diez, cambiemos los valores 25. Te darás cuenta de que así están cambiando los valores. Genial. Entonces te veo en la siguiente clase. Gracias. Oh. 15. Parcela 1: En esta lección, vamos a aprender más sobre boxplot. Una gráfica de caja es una de las técnicas gráficas que nos ayuda a identificar valores atípicos, ¿verdad? Entendamos cómo se forma una gráfica de caja. Vamos a entender el concepto primero antes de entrar en las prácticas. Una gráfica de caja se llama como gráfica de caja porque se ve como una caja y tiene viscosa como el gato. El gato tiene en su cara. Ahora, al igual que la forma en que el gato no puede tener y menos viscosa, el tamaño del bigotes de la trama de caja se decidirá sobre ciertos parámetros. Verás algunas terminologías importantes cuando estés formando una gráfica de caja. Número uno, ¿cuál es el valor mínimo? ¿ Cuál es el cuartil? ¿ Cuál es la mediana? ¿ Cuál es el núcleo apretado? Tres, ¿cuál es el tamaño del bigote máximo? ¿ Y cuál es el valor máximo en el punto de datos? ¿ Aquí? El mínimo de perros por encima del punto mínimo y donde se puede extender el bigotes. Q1 representa primer trimestre, lo que significa 25% de los datos. Asumamos para mayor facilidad, tenemos 100 puntos de datos. 25 por ciento de los datos estarán por debajo de esta marca. Entre Q1 y Q2. formará el veinticinco por ciento de sus datos , estarán presentes. Q2 también se llama como la mediana o el centro de sus datos. Entonces si arreglo mis datos en orden ascendente o descendente, el punto de datos medio se llama como mediana y se llama como Q2. Q3, o de otro modo también llamado como cuartil superior, habla del veinticinco por ciento de los datos después del medio. Por lo que técnicamente, a estas alturas ya has cubierto setenta y cinco por ciento de tus datos estarán por debajo de tus terceros cuartiles, 25 por ciento por debajo del Q1, 50% de los datos por debajo del segundo trimestre, setenta y cinco por ciento de los datos están por debajo del tercer trimestre. Por lo que técnicamente, del 100% de los datos, 75% de los datos está por debajo del tercer trimestre. Significa que el veinticinco por ciento de mis puntos de datos estarán por encima de Q3. Ahora se llama a la distancia entre Q1 y Q3, se llama como el tamaño de la caja. Y este tamaño de caja también se llama como rango intercuartil. Q3 menos Q1 se llama como rango intercuartil. Como te dije al inicio de la clase, que el tamaño del bigotes depende del rango intercuartílico o IQR. P3. Puedo esta línea formar 1.5 veces el tamaño de la caja. Por lo que 1.5 veces en IQR más q3 será el límite superior para mi bigotes. Del lado derecho. Enla parte superior. Si quiero dibujar el bigotes del lado izquierdo, no es más que lo mismo 1.5 veces en rango intercuartil. Pero resto este valor de Q1 y extendido hasta ese valor. Por lo que establece el límite inferior. Es posible que tenga puntos de datos que están llegando por debajo del punto mínimo. Es posible que tenga puntos de datos que están llegando más allá del tamaño máximo del riesgo de estos puntos de datos se llaman como valores atípicos. La belleza de boxplot es que te ayudará a identificar si hay algún valor atípico en tu conjunto de datos. Veamos ¿cómo puedo construir una gráfica de caja? Porque físicamente no tengo que preocuparme por enterarme del 2525% por ciento. Y realmente por persona, iremos a MinitaB y luego haremos el trabajo. Entonces veamos esta ficha técnica. Entonces en nuestra clase anterior, hicimos algunas estadísticas descriptivas sobre esto. Y encontramos los puntos de datos. Se encontró un punto de datos mínimo Q1, Q2, Q3 y máximo. Tratemos de construir una gráfica de caja para el tiempo de ciclo en minutos. Por lo que voy a dar clic en gráfico. Voy a ir a box plot y ver una gráfica de caja simple y dar clic en, Ok, voy a seleccionar el tiempo de ciclo en minutos. Y voy a decir, Ok, vamos a ver la vista de datos. Si nos fijamos en esta gráfica de caja, la línea de abajo se llama como la. Es 9.16. La mediana es la línea media, y no tiene por qué estar exactamente en el centro. La parte superior de la caja es Q3, que es 10.86 en este rango de datos, y el rango intercuartílico es 1.7. Mi caja se puede extender 1.5 veces en el codo y puede ir 1.5 veces en 1.7 en el globo. Y está viendo que no hay marcas de asterisco en esta gráfica de caja, lo que indica muy claramente que no hay valores atípicos en mi conjunto de datos actual. Vamos a recoger un conjunto de datos más. En nuestro siguiente video para entender cómo hacer box plot. 16. Parcela de caja 2: Continuemos nuestro viaje en la comprensión de los diagramas de caja más en detalle. Si vas a la hoja en tu archivo de proyecto, que se llama como boxplot. He recopilado datos de tiempo de ciclo para cinco escenarios diferentes. Como se puede ver que algunos lugares tengo más número de puntos de datos, como tengo casi 401745 datos. En algunos lugares, sólo tengo 14 puntos de datos. Entonces tratemos de analizar esto más detalle para entender cómo funciona boxplot. He copiado estos datos en MinitaB, caso uno, caso dos, T3 y T4. Entonces lo primero que me gustaría hacer es hacer algunas estadísticas descriptivas básicas para todas las claves foráneas. Yo lo estoy seleccionando todo. Y luego estoy viendo, cuando veo mi salida, puedo ver que en tres de los casos, tengo 45 puntos de datos. En el cuarto caso, tengo 18 puntos de datos. En el quinto caso, tengo 14 puntos de datos. Entonces el número de puntos de datos son muy, si nos fijamos en mi valor mínimo, va desde 1, uno, veintiuno, veintidós. Y el valor máximo está en algún lugar entre 4090 ellos. En un escenario he desarrollado valores de 21 a 40. En un escenario tengo valores de dos a 90, lo que muestra muy claramente que el número de puntos de datos o hacer esto. Pero mi rango de valor es blanco. Entonces, si nos fijamos en la tarifa, va de 18.8 a 99 puntos. Entonces en el caso dos, tengo 1200 como rango, por lo que 99 años. Y lo mismo también se puede observar como desviación estándar. Se puede ver que la asimetría de los datos es diferente y la curtosis es diferente. Primero entendamos la trama de la caja en detalle. Y en el siguiente video, cuando hablo del histograma, entenderemos el patrón de distribución usando el mismo conjunto de datos. Empecemos. Hagoclic en gráfica. Puedo hacer clic en boxplot y hago clic en simple. Lo que puedo hacer es tomar 11 casos a la vez para analizar mis datos. Entonces caso uno, me muestra un diagrama de caja y esta gráfica de caja muestra muy claramente que no hay valores atípicos en mis datos. Y el rango es entre. Cuando mantengo el cursor por aquí, tengo 45 puntos de datos. Mi bigotes va de 21.6 a 4.4, y mi rango intercuartil es de 5.95. Mi mediana es 30.3. Mi primer cuartil es de 26.9. Mi tercer cuartil es 32.85. Vamos a rehacer esto para el caso dos. Cuando hago mis llaves también, si ahora miras, la caja se ve muy pequeña porque aquí mis puntos de datos son los mismos. Fortificado por Vickery vuelve a ir de 21.6 a 40 para parecer mi escenario anterior. Pero tengo valores atípicos por aquí, que están mucho más allá. Si lo recuerdan, la estadística descriptiva para niños a mi valor mínimo es uno y mi valor máximo es 100. Mi mediana se parecía a mi escenario anterior. Mi Q1 también es similar, no igual, pero similar. Y Q3 también es similar. Pero cuando miras la trama de caja, la caja es muy pequeña, indicando muy claramente que hago mi rango intercuartil es de 6.95. Mi viscoso sólo puede ir 1.5 veces y cualquier punto de datos más allá de eso, Misko será llamado como un valor atípico. Puedo seleccionar estos valores atípicos, ¿verdad? Y es muy claro ver, k es dos, el valor es 100 y está en la fila número uno. Fila número 37, tengo un valor llamado como 90. En la fila número 30, tengo un valor llamado es 88. Y en la fila número 21 tengo un valor llamado como uno, que es un tamaño mínimo. Entonces tengo valores atípicos en ambos lados. Entendamos el caso tres. Cuando miro la química, pongo mi cursor en la gráfica de caja. Tengo los mismos 45 puntos de datos. Mi viscosa o de 21.6 a 40 para parecer mi caso uno, caso dos. Pero en este escenario, tengo muchos valores atípicos. En el extremo inferior. Es decir, en el fondo de mi núcleo, apretado, ¿verdad? Es fácil para nosotros dar clic en cada una de ellas y ver cómo están mis cajas. Ahora la belleza por aquí es que sólo tengo 18 puntos de datos, pero aún así tengo un valor atípico. Hagámoslo por k es cinco. Y entender eso también. Tengo una caja más pequeña. Tengo sólo 14 puntos de datos y tengo un valor atípico en el botón de arriba, y tengo un valor atípico en el extremo inferior. Aquí el valor es 23. Pero ver estas tramas de manera diferente me dificulta hacer una comparativa. ¿ Puedo conseguir todo en una sola pantalla? Entonces voy a graficar, voy a boxplot. Haré ambiente sencillo seleccionado. Estoy seleccionando todos los casos juntos y viendo múltiples gráficas. Yo estoy viendo piel y estoy viendo el eje debe ser visto. deben ver las líneas de rejilla. Y hago clic en, Ok. Obtengo todos los cinco puntos de datos, escenario de cinco casos en una gráfica. Esto me hará fácil hacer el análisis, ese caso uno. Entonces hazlo individualmente cuando vi el caso uno, si nos estamos mostrando una gran franja. Pero cuando estoy haciendo una comparación de uno al lado del otro, puedo saber que en caso de dos tengo valores atípicos en la parte superior y la inferior. En el caso tres, tengo valores atípicos en la parte inferior. En el caso cuatro, tengo valores atípicos en la parte superior. En caso de cinco, tengo tomas de corriente en ambos lados. El número de puntos de datos es diferente. Se dibujarán los bultos. El tamaño de la caja no puede ser determinado por el número de puntos de datos. Tengo 45 puntos de datos, pero mi caja es muy estrecha. Y tengo 14 puntos de datos y mi caja es blanca. Por lo que el tamaño de la caja. Entonces si tengo 14 puntos de datos, va a dividir mis datos en cuatro partes. Por lo tanto, tres puntos de datos por debajo de Q1, tres puntos de datos entre Q1 y Q2, tres puntos de datos entre Q2 y Q3, y tres puntos de datos más allá de Q3. Mientras que cuando tenía 45 puntos de datos, se está distribuyendo como 11111111. Mi mediana sería el número medio. Entonces, lo que es el aprendizaje de este ejercicio es que al mirar el tamaño de la caja, no se puede determinar el número de puntos de datos. Pero lo que definitivamente se puede determinar es que en mente ese conjunto de datos, ¿tengo puntos de datos que son extremadamente altos o bajos? Por lo que el propósito de dibujar una gráfica de caja es ver la distribución e identificar valores atípicos, en su caso. Espero que el concepto sea claro. Si tienes alguna consulta, eres libre de ponerla en el grupo de discusión. Y estaré encantado de responderlas. Gracias. 17. Cálculo de pareto: Hola amigos. Continuemos nuestro aprendizaje sobre siete herramientas de control de calidad. La herramienta que hoy vamos a aprender es cartas de Pareto también se llaman como análisis de parto Esto se basa en el famoso estadístico no estadístico Permítame corregirme, economista que dio la vuelta al mundo para estudiar la proporción de riqueza con respecto a la población Al hacer esto, el señor Pareto se enteró del principio 80 20 Vamos a sumergirnos profundamente en ello. Entonces el análisis de Pareto, el principio que te ayuda a enfocarte en el asunto más importante para obtener el máximo beneficio Describe el fenómeno que una pequeña cantidad de alto valor contribuye más al total que un número alto de valores bajos. El foco es, cuáles son esos atributos de alto valor en los que necesito enfocarme en lugar de tantos artículos de pequeño valor. Esto en definitiva, se llama como identificar los pocos vitales en lugar de los muchos triviales ¿Cuáles son esos bloques rojos que son sólo tres o cuatro? Pero la contribución es mayor. En lugar de mirar cientos de pequeñas cosas donde la contribución total de la contribución es menor. Incluso si miro mis gastos personales, O de mis ingresos totales que hago, mayor parte de mi dinero se destina a pagar EMI, pagar los alquileres y facturas Entonces esos son mis pocos vitales, en lugar de muchos triviales, donde estoy tratando de mirar los boletos de autobús, la comida que estoy comiendo, o las pequeñas compras que estoy haciendo Entonces, si quiero hacer buenos ahorros, necesito enfocarme en ver cómo puedo pagar mi EMI más rápido, cómo puedo tener una renta, que está dentro de mi presupuesto El análisis de Pareto se basa en la famosa regla 80 20. Afirma que aproximadamente el 80% de los resultados provienen del 20% del esfuerzo. Muy bien dicho, el 80% de esfuerzo proviene del 20% de esfuerzo. De igual manera, 80% de los problemas o efectos de 20% de las causas. Utilizamos esto para nuestro análisis de causas. El porcentaje exacto puede variar de una situación a otra, mientras que creemos que es 80 20, aunque sea un 75 25, debemos seguir adelante y perseguir la fijación de esos pocos vitales. A veces podríamos obtenerlo como un 70 30, a veces incluso podríamos obtenerlo como 88 12. Estos son solo algunos de los ejemplos. El punto es, que son esas causas principales, que puedo arreglar con el mínimo esfuerzo para obtener los máximos resultados. En muchos casos, pocos esfuerzos suelen ser responsables de la mayoría de los resultados. Algunas causas suelen ser las responsables de la mayor parte del esfuerzo. Si me relacioné de nuevo con mi examen, hay ciertos capítulos en mi libro que llevan más peso en mi examen final Si soy minucioso en esos capítulos, mi probabilidad de obtener el 60 70% se vuelve muy fácil. En lugar de tratar de leer todos los 20 capítulos de mi libro de trabajo, podría enfocarme en pocos capítulos para obtener los resultados El análisis de Sparto es utilizado por decisiones para identificar el esfuerzo más significativo para decidir cuál seleccionar primero, la toma de decisiones Se utiliza para proyectos de mejora de procesos para enfocarse en las causas que más contribuyen a un problema particular. Esto ayudará a priorizar las posibles causas, factores e insumos clave del proceso del problema que se investiga Es un kit de herramientas de mejora continua. El análisis de Pareto se utiliza al priorizar proyectos para enfocarse en proyectos significativos que aporten valor al cliente y al negocio En lugar de hacer todos los proyectos que hay en mi lista de proyectos, me enfocaría en esos pocos proyectos, dos o tres grandes proyectos, lo que me puede dar el máximo beneficio. Puedes tener cuidado durante el alcance del proyecto si estás usando el parto Aysis o para priorizar tus recursos, quien es la persona principal que se requiere para También podemos usar el análisis de parto para visualizar tus datos para saber rápidamente dónde se debe poner el foco Por ejemplo, tengo muchos datos de defectos como diez arrancan captura densa. Yo estoy haciendo el análisis y tengo estos datos. Si lo pongo en el orden descendente de los defectos, encuentro que arrancar es el máximo esfuerzo. Y seguido de estenopeica, entonces entonces, y así sucesivamente El que están en gris, no voy a enfocarme mucho porque no están aportando mayoritariamente Si arreglo el desgarro, voy a obtener los máximos resultados. Si voy a arreglar los tres primeros, voy a conseguir una reducción importante en los defectos que están ocurriendo en mi proceso. Por ejemplo, si recopila los datos sobre los tipos de defectos, análisis del operador puede revelar qué tipo de defecto es más frecuente. Puedes enfocarte en tus esfuerzos para resolver la causa que más efecto tiene . El beneficio del análisis de parto es ayudarte a enfocarte en lo que realmente importa. Separa las principales causas del problema de la menor. Permite medir el impacto de la mejora cubriendo antes y después. Permite llegar a consensos sobre lo que hay que abordar primero. Se ha comprobado que el principio de Pareto es cierto en muchas comisiones, 20% de esfuerzo para dar 80% de resultados En lugar de trabajar o también podemos llamarlo como 20% causas dándome 80% de efecto. Entonces, si estoy pensando en el análisis de causa y efecto, nuevamente es 20% causas, 80% esfuerzo. O efecto, si estoy viendo análisis de resultados de esfuerzo también, decimos poner menos esfuerzo para obtener los máximos resultados. 20% del cliente de la compañía es responsable del 80% de sus ingresos o el 80% de la venta proviene del 20% de los clientes. Entonces ese es el concepto de 20% de esfuerzo versus resultados de 80%. puede pensar en la oficina de la ley Pardo Analysis ya que el 20% de los trabajadores realiza el 80% del trabajo. 20% del tiempo dedicado a una tarea conduce al 80% de los resultados. El 20% de la población posee el 80% de la riqueza de la nación. ¿No es cierto, incluso en nuestro país, nuestro estado, en nuestra comunidad? Encontramos que son muy pocas las personas que están poseyendo la máxima cantidad de riqueza Se puede utilizar el 20% de las herramientas domésticas, 80% de las veces. Puedes usar el 20% de tu ropa, el 80% del tiempo. Entonces es momento de que solo apliques el análisis de parto en tu vida personal para limpiar tu vestuario si crees en el concepto de minimalismo El 20% de los conductores de automóviles causa el 80% de los accidentes. 80% de la queja del cliente proviene del 20% de los clientes. Apenas unas pocas causas dan cuenta de la mayor parte del efecto en el polo de pescado. Si estoy convirtiendo mi análisis de parto en un polo de peces, encontrarás que hay pocas causas que contribuyan a la mayor. Al escuchar todos estos ejemplos, habrías entendido que Pareto no está restringido a aplicar solo en tu oficina o lugar de trabajo Incluso puedes aplicar el análisis de parto en tu vida personal. Si lo llevo a Twitter o una plataforma de redes sociales como esa, mayoría del 20% activo de los usuarios de Twitter son responsables del 80% de los tweets en general. El gráfico parto es un tipo especial de gráfico de barras que traza la frecuencia de los datos históricos. Por lo que hay que entender que estos datos son a partir de ayer o a partir de hoy por la mañana o a partir del mes pasado. Entonces es un dato categórico. El eje x dice muy claramente que se trata de un dato categórico y el eje y habla de la frecuencia de ocurrencia Por lo que el análisis Parto no se puede utilizar para datos continuos, tenga en cuenta. Entonces, si ves, tendrás datos categóricos con frecuencia trazados en orden descendente, las causas principales que son menos esfuerzo para obtener los máximos resultados El dato categórico, es el nivel más bajo de datos que resulta en clasificar a personas, cosas o eventos Puedo hacerlo más sencillo. Todo lo que se hace con palabras se llama como datos categóricos Ubicaciones geográficas, clima, color, tipo de dispositivo, tipo de sangre, sangre, tipo de cuenta bancaria, como ahorro o corriente, FD o préstamo personal a domicilio tipo de error o defecto, tipo de dato. Análisis de Pareto, el eje vertical representa la frecuencia de los datos categóricos El eje x representa las categorías de las etiquetas. El eje horizontal representa los datos categóricos que causan un problema o los problemas La barra está dispuesta en orden descendente de izquierda a derecha. El que ocurre más frecuentemente está en el lado izquierdo, el que ocurre menos frecuente es en el lado derecho. No tienes que preocuparte si tienes microsoft Excel, lo dibujará para ti. Si está utilizando una versión anterior de Excel, compartiré una plantilla en la sección de proyectos y recursos a continuación. Si tienes demasiadas categorías, puedes agrupar esas pequeñas categorías infrecuentes en la categoría llamada como otras El último listón suele ser un poco más alto que los anteriores. Opcionalmente, puede poner una curva de frecuencia acumulativa por encima la barra dándole un eje y secundario para representar el porcentaje acumulado. Esto simplemente ayuda a interpretar los resultados con mayor facilidad y a identificar la conexión 80 20 El análisis de parto se centra en los esfuerzos realizados en aquellas categorías cuya barra vertical representa el 80% de los resultados. Debes buscar algo que sean causas mayores, máximo efecto y menor esfuerzo para obtener los máximos resultados. Si nos fijamos en los dos patrones partos, A y B, cuál es la mejor ilustración del patrón de parto. Yo sugeriría que es el patrón A porque patrón B está demostrando que la mayoría de ellos casi contribuyen por igual. Esto es distribución uniforme, así que no iría con ella. Yo iría con el que es categoría A. Y esto está mal. Si las gráficas resultantes ilustran claramente un patrón parto. Esto sugiere que solo unas pocas causas representan alrededor del 80% del problema. Esto significa que hay un efecto parto, y puedes enfocar tu esfuerzo en abordar estas pocas causas para obtener el máximo resultado Si hubieras recibido un patrón como gráfico B, entonces el análisis de parto no funcionará, y también tendremos que usar algún otro QC. obstante, si no se encuentra un patrón parado, no podemos decir que algunas causas son más importantes que otras. Como acabo de decir. Asegúrate de que tu gráfico parado contenga suficientes puntos de datos para que sea significativo. En el mundo actual, hay muchos datos disponibles, así que asegúrate de estar capturando la mayor cantidad de datos posible. El análisis de Pareto sobre cómo construir una gráfica parto. Si con tu equipo, define el problema que estás tratando de resolver, identifica las posibles causas usando brainstorming o técnicas similares Decidir el método de medición que se utilizará para la comparación, la frecuencia, el costo y el tiempo, etcétera Cómo construir una gráfica partográfica, recolectar los datos y requerir que se analicen los datos categóricos Calcular la frecuencia de los datos categóricos. Dibuja una línea horizontal y coloca la barra vertical para indicar la frecuencia de categoría. Dibuja una línea vertical a la izquierda para colocar la frecuencia a la izquierda de la línea en caso de que la estés dibujando en un papel cuadriculado. Microsoft Excel puede hacer gráfico parado automáticamente. Pero si lo estás haciendo manualmente, entonces ordena las categorías en el orden de frecuencia de ocurrencia desde el est hasta el más pequeño más grande que viene del lado izquierdo. Debes calcular tu curva de frecuencia acumulada y una línea porcentual cubultiva Si observas el desfile para efectuar, enfoca tu esfuerzo de mejora en esas pocas categorías cuya barra vertical representa más. Es probable que estas causas tengan un mayor impacto en la producción de su proceso. He tomado una muestra pareto para analizar la razón por la cual el paciente está usando una llamada bien en un hospital cuando ingresa Por lo que necesitan asistente de baño, necesitan comida o agua, reposicionamiento de su cama, problemas intravenosos, analgésicos, llamada urgente de vuelta a la cama, obtener todos los que están en gris no están pasando cosas con frecuencia y no son importantes Entonces, si nos enfocamos en los tres primeros, o los cuatro primeros. Entonces, si yo diría que cuatro factores, lo que contribuye al 40% del esfuerzo, y vas a obtener el 70% del efecto. Entonces podría decidir simplemente trabajar en los tres primeros, es decir 30% de esfuerzo, para seguir obteniendo 68% de esfuerzo. Cualquier cosa está bien. El concepto es que necesito poner menos esfuerzo para obtener los máximos resultados. Quejas de clientes en una fábrica. Un equipo de fábrica ha realizado un análisis parado para atender el creciente número de quejas desde la perspectiva del cliente. En cierto modo, la gerencia puede entender. Es un tipo de queja del cliente, queja de producto, queja relacionada con documentos, queja relacionada con paquetes o queja relacionada con la entrega. Podemos ver personas que los clientes son el número máximo de veces quejándose del tipo del producto o del defecto con el producto Seguido de los temas relacionados con el documento. Queja del cliente en una fábrica, las categorías principales pueden ser demasiado genéricas y pueden dividirse en subcategorías Entonces, si pienso en las quejas del producto, está en un nivel alto, podría tomarlo como subcomponentes del problema A. Es problema de rasguño, estenopeica, par de HMA u otros También podrá aplicar nuevamente el parto en la queja del producto, que si va a solucionar problemas relacionados con rasguños y abolladuras en una queja de producto, la mayoría de las quejas del producto bajarán. Tipo de quejas de documentos, podemos ver que la falta de información es la contribución principal seguida de error de factura, cantidad incorrecta y otros. El gráfico parto puede analizarse más mediante el uso de las categorías principales a dividir en subcategorías o subcomponentes donde el problema específico ocurre mayor frecuencia se denominan las Quejas de clientes en una fábrica. Los resultados sugieren que hay tres subcategorías que ocurren con mayor frecuencia Tenga en cuenta que es posible fusionar dos gráficos en uno. Entonces tengo tipo de quejas de productos y tipo de documento, y puedo seguir adelante y marge ellos. Pero Principles lleva el nombre del economista italiano Wilfredo Peto Joseph Juran ha aplicado los principios de Peto a la gestión de la calidad para la producción empresarial En su análisis, considere el uso de datos contextuales, meta datos y las columnas que contienen datos textuales Las bases de datos suelen contener una gran cantidad de datos categóricos sobre el entorno del que se toman los datos Estos datos pueden ser muy útiles en análisis posteriores hora de investigar los conceptos e ideas que causan. Los principios de Pareto pueden ayudarte a medir el impacto de la mejora comparando el antes y el después Si ves que la obra azul fue un gran aipulor, después de los proyectos, encuentras que hay una mejora importante en esa categoría La nueva gráfica partográfica puede mostrar que hay una reducción importante en la cosa primaria. Estadísticamente, los principios de parado pueden ser descritos por la distribución del lote de energía y muchos fenómenos naturales para exhibir la distribución Con eso, llego al final del concepto de análisis parto. En el siguiente video, te voy a mostrar cómo hago análisis de Pareto usando Microsoft cel Nos vemos en la siguiente clase. 18. Prueba de hipótesis conceptuales y significación estadística (1): Analicemos los conceptos relacionados con la prueba de hipótesis y la significación estadística. Una, la prueba de hipótesis, al realizar una prueba de hipótesis, comenzamos con una hipótesis de investigación, también llamada hipótesis alternativa. En su caso, la hipótesis de investigación de que el medicamento tiene un efecto sobre la presión arterial. Sin embargo, no podemos probar directamente esta hipótesis usando una prueba de hipótesis clásica. En cambio, probamos la hipótesis opuesta que el medicamento no tiene ningún efecto sobre la presión arterial. Comenzamos asumiendo que en promedio, las personas que toman el medicamento y las personas que no lo toman tienen la misma presión arterial en la población. Si observamos un gran efecto del medicamento en una muestra, entonces preguntamos, qué tan probable es que se extraigan tal muestra o una aún más extrema si el medicamento en realidad no tiene efecto. La probabilidad de obtener tal muestra, asumiendo la hipótesis nula, ningún efecto se llama el valor P. El valor P indica la probabilidad de obtener una muestra que se desvía tanto como nuestra muestra observada o incluso más extrema si la hipótesis nula fuera cierta Si el valor de p es muy bajo, típicamente menor de 0.05, tenemos evidencia para rechazar la hipótesis nula a favor de la hipótesis alternativa. Un pequeño valor de p sugiere que los datos o muestra observados son inconsistentes con la hipótesis nula. Entonces Tres, significancia estadística. Cuando el valor p es menor que un umbral predeterminado, a menudo 0.05. El resultado se considera estadísticamente significativo. Esto significa que es poco probable que el resultado observado haya ocurrido solo por casualidad, y tenemos pruebas suficientes para rechazar la hipótesis nula. El umbral del valor p se establece en 5%, o 0.05, un pequeño valor de p sugiere que los datos o muestra observados son inconsistentes con la hipótesis nula. Por el contrario, un gran valor de p sugiere que los datos observados son consistentes con la hipótesis nula, y no la rechazamos. Cuatro, errores en las pruebas de hipótesis. Recuerde que un pequeño valor de p no prueba que la hipótesis alternativa sea cierta. Solo sugiere que el resultado observado es poco probable bajo la hipótesis nula. Del mismo modo, un gran valor de P no prueba que la hipótesis nula sea cierta. Solo sugiere que el resultado observado es probable bajo la hipótesis nula. Ahora entendamos los dos tipos de errores. El error tipo uno y el error tipo dos. error de tipo uno se produce cuando rechazamos erróneamente una hipótesis nula verdadera En tu ejemplo, esto significaría concluir que el medicamento funciona cuando en realidad no lo hace. error tipo uno es cuando rechazas la hipótesis nula, cuando en realidad, la hipótesis nula es cierta, pero tu decisión sobre la hipótesis nula es rechazada. error de tipo dos se produce cuando fallamos en rechazar una hipótesis nula falsa. El error de tipo dos es cuando no rechazas la hipótesis nula, cuando en realidad, la hipótesis nula es falsa, pero tu decisión sobre la hipótesis nula es aceptada. En su ejemplo, esto significaría perderse el hecho de que el medicamento funciona. La muestra tomada no mostró mucha diferencia. Pensó erróneamente que la droga no está funcionando. En la siguiente lección, profundizaremos en las aplicaciones prácticas del diseño de experimentos. Estén atentos. 19. TestofHypothesis: Hola amigos. Continuemos nuestro recorrido en el análisis de datos de MinitaB. hoy vamos a aprender sobre las pruebas de hipótesis. Es posible que hayas escuchado que hacemos pruebas de hipótesis durante la fase de análisis y mejora de nuestro proyecto. Entonces, para entender cómo funciona la prueba de hipótesis, entendamos un escenario de caso simple. Volveremos de nuevo a esta gráfica y les explicaré que así es. Como ustedes saben, cuando vamos al tribunal de justicia, se puede utilizar el sistema de justicia para explicar el concepto de prueba de hipótesis. El juez siempre comienza con una declaración que dice, asume que la persona es inocente hasta que se demuestre su culpabilidad. Esto no es más que tu hipótesis nula, el status quo. Cuando se les capta caso que continúa. Los abogados intentaron producir datos y evidencias. Y a menos y hasta que no tengamos datos fuertes y evidencias contundentes, la persona está En el estado de ser inocente. Por lo que el acusado o el abogado de la oposición siempre está tratando de decir que esta persona es culpable y yo tengo datos y pruebas para probarlo. Está tratando de trabajar en hipótesis alternas. Y dice el juez, voy con el statu quo de hipótesis nula por defecto. Déjame explicarte de una manera más fácil. Tú y yo, no nos llevan al tribunal de justicia porque por defecto, todos estamos en OSA, ese es el status quo. A quienes se tiren ante el tribunal de justicia. Personas que son las que tienen posibilidades de haber venido, han cometido algún delito. Podría ser cualquier cosa. Tande la misma manera. ¿ En qué tratamos de hacer pruebas de hipótesis cuando estoy haciendo mi fase de análisis del proyecto? Entonces tengo múltiples causas que podrían estar contribuyendo a mi proyecto. ¿Por qué? Hacemos un análisis de causa raíz y llegamos a saber eso, ¿de acuerdo? A lo mejor el envío se retrasó. A lo mejor la máquina es un problema, tal vez el sistema de medición sea un problema. A lo mejor la materia prima no es de buena calidad. Tenemos múltiples razones las cuales están ahí. Ahora quiero probarlo usando datos, y ese es el lugar donde traté de usar pruebas de hipótesis. Todos los procesos tienen variación. Sabemos que todos los procesos siguen la curva de campana. Nunca estamos sumando el centro. Hay un poco de variación en cada proceso. Ahora los datos o la muestra que actualizaste, es una muestra aleatoria proveniente del mismo Banco? ¿ O es una muestra que viene de una curva de campana completamente diferente? Por lo que la prueba de hipótesis te ayudará a analizar la misma. Siempre que establecemos una prueba de hipótesis, tenemos dos tipos de hipótesis, como les dije, el status quo o la hipótesis por defecto, que es su hipótesis nula. Por defecto, asumimos que la hipótesis nula es verdadera. Entonces, para rechazar la hipótesis nula, necesitamos producir evidencias. hipótesis alternativa es el lugar donde hay una diferencia. Y esta es la razón por la que realmente se ha iniciado la prueba de hipótesis, ¿verdad? entenderemos con muchos ejemplos. Así que mantente conectado. Entonces cuando estoy enmarcando hipótesis nula y alterna, Digamos, estoy diciendo que mi mu no son más que mi promedio, mi promedio de población es igual a algún valor. Recuerda siempre, tu hipótesis alternativa es mutuamente excluyente. Si mu es igual a algún valor, la hipótesis alternativa diría que mu no es igual a ese valor. Por ejemplo, mu es menor que igual a algún valor como hipótesis nula. Por ejemplo, si estoy vendiendo Domino's Pizza, veo que mi tiempo promedio de entrega es menor que igual a 30 minutos. El cliente viene y me dice, sabe, el tiempo promedio de entrega es de más de 30 minutos, eso se convierte en mi suplente. En ocasiones, si tenemos la hipótesis nula es mu es mayor que igual a algún valor. Por ejemplo, mi calidad promedio es mayor que igual al 90%. Entonces el cliente vuelve y me dice que sabe que tu calidad promedio es menor a ese porcentaje. Por lo que siempre recuerden la hipótesis nula y las hipótesis alternas son mutuamente excluyentes y complementarias entre sí. Vamos a retomar muchos más ejemplos a medida que vayamos más lejos. 20. Concepto de hipótesis nula y alternativa: Vamos a sumergirnos en las estadísticas inferenciales. Comenzaremos con una breve descripción de lo que es. Seguido de una explicación de los seis componentes clave. Entonces, ¿qué son las estadísticas inferenciales? Nos permite sacar conclusiones sobre una población a partir de datos de una muestra. Para aclarar, la población es todo el grupo que nos interesa. Por ejemplo, si queremos estudiar la estatura promedio de todos los adultos en Estados Unidos, nuestra población incluye a todos los adultos del país. La muestra por otro lado, es un subconjunto menor tomado de esa población. Por ejemplo, si seleccionamos 150 adultos de EU, podemos usar esta muestra para hacer inferencias sobre la población más amplia Ahora, aquí están los seis pasos involucrados en este proceso. Hipótesis. Comenzamos con una hipótesis. ¿Cuál es una declaración que pretendemos probar? Por ejemplo, podríamos querer investigar si un medicamento impacta positivamente la presión arterial en individuos con hipotensión Oh, en este caso, nuestra población consiste todos los individuos con hipertensión arterial en EU, ya que no es práctico recabar datos de toda la población Nos basamos en una muestra para hacer inferencias sobre la población utilizando nuestra muestra Empleamos pruebas de hipótesis. Este es un método utilizado para evaluar una afirmación sobre un parámetro de población basado en datos de muestra. Hay varias pruebas de hipótesis disponibles, y al final de este video. Te guiaré sobre cómo elegir la correcta. ¿Cómo funcionan las pruebas de hipótesis? Comenzamos con una hipótesis de investigación. También conocida como hipótesis alternativa, que es lo que buscamos evidencia en nuestro estudio. También se llama hipótesis alternativa. Esto es para lo que estamos tratando de encontrar pruebas. En nuestro caso, la hipótesis es que el medicamento afecta la presión arterial. Sin embargo, no podemos probarlo directamente con una prueba de hipótesis clásica. Entonces probamos la hipótesis opuesta, que la droga no tiene ningún efecto sobre la presión arterial. Aquí está el proceso. Uno, asumir la hipótesis de no. Asumimos que el medicamento no tiene ningún efecto, es decir, que las personas que toman el medicamento y las que no tienen la misma presión arterial promedio. T, recopilar y analizar datos de muestra. Tomamos una muestra aleatoria. Si el medicamento muestra un gran efecto en la muestra, entonces determinamos la probabilidad de extraer dicha muestra o una que se desvía aún más, si el medicamento realmente no tiene efecto, o uno que se desvía aún más, si el medicamento realmente no tiene efecto, T, evaluar el valor de probabilidad p. Si la probabilidad de observar tal resultado bajo la hipótesis nula es muy baja. Consideramos la posibilidad que el medicamento sí tenga un efecto. Si tenemos pruebas suficientes, podemos rechazar la hipótesis nula. El valor p es la probabilidad que mide la fuerza de la evidencia contra la hipótesis nula. En resumen, la hipótesis nula establece que no hay diferencia en la población, y la prueba de hipótesis calcula qué tan probable es observar los resultados de la muestra si la hipótesis nula es verdadera. Queremos encontrar evidencia para nuestra hipótesis de investigación. El medicamento afecta la presión arterial. Sin embargo, no podemos probar esto directamente, así que probamos la hipótesis opuesta, la hipótesis nula. El medicamento no tiene efecto sobre la presión arterial. Así es como funciona. Asumir la hipótesis de no. Supongamos que el medicamento no tiene efecto. Es decir, las personas que toman el medicamento, y las que no tienen la misma presión arterial promedio, recopilan y analizan datos. Toma una muestra aleatoria. Si el medicamento muestra un gran efecto en la muestra. Determinamos qué tan probable es obtener tal resultado, o uno más extremo. Si el medicamento realmente no tiene efecto, calcule el valor p. El valor p es la probabilidad de observar una muestra tan extrema como la nuestra. Suponiendo que la hipótesis nula es verdadera. Significancia estadística. Si el valor p es menor que un umbral establecido, generalmente 0.05. El resultado es estadísticamente significativo, lo que significa que es poco probable que haya ocurrido solo por casualidad. Entonces tenemos evidencia suficiente para rechazar la hipótesis nula. Un pequeño valor de p sugiere que los datos observados son inconsistentes con la hipótesis nula. Llevándonos a rechazarlo a favor de la hipótesis alternativa. Un gran valor de p sugiere que los datos son consistentes con la hipótesis nula. No lo rechazamos. Puntos importantes. Un pequeño valor de p no prueba que la hipótesis alternativa sea cierta. Simplemente indica que tal resultado es poco probable si la hipótesis nula es cierta. Del mismo modo, un valor p grande no prueba que la hipótesis nula sea cierta. Sugiere que los datos observados son probables bajo la hipótesis nula. Gracias. Te veré en la siguiente lección de estadística. 21. Estadísticas Comprensión del valor P: ¿Cuál es el valor p y cómo se interpreta? Eso es lo que discutiremos en este video. Empecemos con un ejemplo. Nos gustaría investigar si existe una diferencia de altura entre el hombre estadounidense promedio y el jugador de basquetbol estadounidense promedio. El hombre promedio mide 1.77 metros de altura. Por lo que queremos saber si el jugador de basquetbol promedio también mide 1.77 metros de altura. Así, declaramos la hipótesis nula. La estatura promedio de un basquetbolista estadounidense es de 1.77 metros Suponemos que en la población de basquetbolistas estadounidenses, la estatura promedio es de 1.77 metros No obstante, como no podemos encuestar a toda la población, dibujamos una muestra. De co, esta muestra no arrojará una media exacta de 1.77 metros Eso sería muy poco probable. Oh. Puede ser que la muestra extraída puramente por casualidad se desvíe 3 centímetros por 8 centímetros por 15 centímetros o por cualquier otro valor Ya que estamos probando una hipótesis no dirigida, es decir, solo queremos saber si hay alguna diferencia No nos importa en qué dirección vaya la diferencia. Ahora llegamos al valor p. Como se mencionó, suponemos que en la población, hay un valor medio de 1.77 metros Si dibujamos una muestra, ésta diferirá de la población por un cierto valor. El valor p nos dice cuán probable es dibujar una muestra que desvía de la población una cantidad igual o mayor que el valor observado Volvamos a echar un vistazo más de cerca. Tenemos una muestra que es diferente a la población. Ahora nos interesa qué tan probable es sacar una muestra que se desvíe tanto como nuestra muestra o más de la población Así, el valor p indica qué tan probable es dibujar una muestra cuya media está en este rango. Por ejemplo, si por casualidad la muestra se desvía 3 centímetros de 1.77 El valor p nos dice cuán probable es dibujar una muestra que se desvía 3 centímetros o más de la población Si por casualidad la muestra se desvía 9 centímetros de 1.65 metros, el valor de p nos indica qué tan probable es extraer una muestra que se desvía 9 centímetros o más de Tomemos un ejemplo donde obtenemos una diferencia de 9 centímetros y nuestro software estadístico favorito Al igual que Mini tab, calcula el valor p de 0.03. Eso es 3%. Esto nos dice que es sólo 3% probable que se dibuje una muestra que sea igual o superior a 9 centímetros diferente de la media poblacional de 1.77 metros Para datos distribuidos normalmente. Esto significa que la probabilidad que la media se encuentre en este rango es 1.5% en una dirección y 1.5% en la otra Sumando 3%. Si esta probabilidad es muy baja. Por supuesto, se puede preguntar si la muestra proviene de una población con una media de 1.65 metros en absoluto Si esta probabilidad es muy baja. Por supuesto, se puede preguntar si la muestra proviene de una población con una media de 1.77 metros en absoluto Es sólo una hipótesis que el valor medio de los jugadores de basquetbol es de 1.77 metros Y es precisamente esta hipótesis la que queremos probar. Por lo tanto, si calculamos un valor p muy pequeño, esto nos da evidencia de que la media de la población no es de 1.77 metros en absoluto Así, rechazaríamos la hipótesis nula, que asume que la media es de 1.77 metros Así, rechazaríamos la hipótesis nula, que asume que la media es de 1.77 metros Pero ¿en qué momento el valor p es lo suficientemente pequeño como para rechazar la hipótesis nula? Esto se determina con el llamado nivel de significancia, también llamado nivel Alfa. Aquí hay dos cosas importantes a tener en cuenta. Uno, el nivel de significancia siempre se determina antes del estudio y no se puede cambiar posteriormente para finalmente obtener los resultados deseados. Dos, para asegurar cierto grado de comparabilidad, el nivel de significancia suele establecerse en 5% o 1% El valor AP menor al 1% se considera altamente significativo. Menos del 5% se llama significativo y más del 5% se llama significativo. En resumen, el valor p nos da una indicación de si rechazamos o no la hipótesis nula. Como recordatorio, la hipótesis nula asume que no hay diferencia. Mientras que la hipótesis alternativa asume que hay una diferencia. En general, la hipótesis nula es rechazada si el valor de p es menor a 0.05. Siempre es sólo una probabilidad, y podemos equivocarnos con nuestra afirmación. Si la hipótesis nula es cierta en la población, I, la media es de 1.77 metros Pero dibujamos una muestra que pasa a estar bastante lejos. Podría ser que el valor de p sea menor a 0.05. Rechazamos erróneamente la hipótesis nula. A esto se le llama error tipo uno. Si en la población, la hipótesis nula es falsa. IE, la media no es de 1.77 metros, pero dibujamos una muestra que pasa a estar muy cerca de 1.77 El valor de p puede ser mayor que 0.05, y no podemos rechazar la hipótesis nula. A esto se le llama error tipo dos. Gracias por aprender conmigo. Te veo en la siguiente lección de estadística. Y. 22. Tipos de errores: Entendamos algunos ejemplos más de hipótesis nula y alternativa. Entonces supongamos que si mi proyecto está a punto de arrojarte, mi hipótesis nula es un valor fijo. Por lo que diría que mi media actual de mi tiempo promedio actual para construir para compartir 70% de Julie son. Corriente. El promedio de P a S es de 70%. La hipótesis alternativa significaría que no es del 70%. Supongamos que estoy pensando en el contenido de humedad de un proyecto. Estoy en una configuración de fabricación y quiero medir si el contenido de humedad debe ser igual al 5%. O 5% es lo que es aceptable por mi cliente, entonces puedo decir que mi contenido de humedad es menor que igual al cinco por ciento. Entonces la hipótesis alternativa afirmaría que el contenido de humedad es mayor al cinco por ciento. El caso donde la media es mayor que, entonces la hipótesis nula. No tenemos el interés en ese problema. Vamos a entenderlo más. La pregunta era, ¿un reciente TED ese proceso de aprobación de préstamos para pequeñas empresas redujo el tiempo promedio de ciclo para procesar el préstamo? La respuesta podría ser no. tiempo de ciclo medio no cambió. O el directivo puede ver que sí, el tiempo medio de ciclo es menor al 7.5%. Por lo que el status quo es igual a 7.514 minutos. Y el suplente dice, no, es menos de 7.414 minutos o días, cualquiera que sea la principal unidad de medida que estamos midiendo, ¿no? Entonces por defecto, su status quo es ir hipótesis nula. Y el ejemplo o el estatus que se quiere demostrar hipótesis alternativa más fácil. Ahora bien, podría haber algún tipo de flechas cuando tomamos decisiones. Entonces volvamos a nuestro caso de código. El acusado es en realidad inocente, ¿verdad? Déjame tomar mi rayo láser. Por defecto, el demandado o la realidad es que el demandado no es culpable. También llega el veredicto de que el acusado, la persona no es culpable. Es una buena decisión, ¿no? Entonces sí, hemos tomado una muy buena decisión de que la persona es inocente. En realidad, el acusado es culpable. Y también llega el veredicto de que es culpable. La decisión es una buena decisión. Lo que pasa es que, en realidad, la persona no está garantizada, pero llega el veredicto de que es culpable y persona inocente es condenada. Es un error. Es un error muy grande. En persona del Norte, se le da una sentencia y lo meten a la cárcel, se le da una pena, eso es un error. El error puede incluso ocurrir del otro lado, donde en realidad la persona es culpable, pero llega el veredicto de que no es culpable. El culpable es declarado inocente y está listo para ello. Esto también es una flecha, pero que es un error mayor. El error más grande que puedes anotar en la casilla de comentarios, ¿qué opinas? ¿ Qué error es la flecha más grande? ¿ Es el error un error más grande o el error es la flecha más grande? se condene a ninguna persona sensata es un error mayor o es libre un culpable moviéndose por las carreteras, ¿ o flecha más grande? Espero que ya hayas escrito los comentarios. Entonces la realidad es que esto se convierte en mi mayor error. Y esto se llama como error de tipo uno. Porque si se condena a un inocente, no podemos devolverle el tiempo que ha perdido. No podemos conseguir que iría a mucho trauma emocional. Si se declara inocente a un culpable, podemos llevarlo al tribunal superior y a la Suprema Corte y lograr que demuestre que sí, no es culpable, cierto. Para que pueda tomar esta decisión por aquí de que la persona es convicta. Debe ser condenado y debe ser declarado culpable y debe ser castigado. Por lo que este error se llama como error de tipo dos. Si alguien te preguntó qué error es un error más grande, escribe un error, también se llama como error alfa. Y esto se llama como un error beta. ¿ Verdad? Sigamos más en nuestra próxima clase. 23. Tipos de errores part2: Entendamos una vez más los tipos de flechas. Entonces como sabemos que si la persona no es culpable o la persona es inocente, y el veredicto también está diciendo que la persona no es culpable. Es una buena decisión. Si la persona es culpable, veredicto es que es culpable. La decisión es otra vez, una buena decisión. El condenado no está, tiene que ser sentenciado o debe ser castigado. El problema ocurrirá cuando se demuestre la culpabilidad de una persona inocente y éste sufra. El segundo tipo de problema que ocurre cuando se declara inocente al culpable, a una persona con un delincuente. Y dijo: Esto se llama como error tipo uno. Es decir, que una persona inocente que sea condenada o castigada es un error tipo uno. También se le llama como flecha alfa. A un culpable, criminal liberado se le llama como error tipo dos o error beta, que también es un error que queremos evitar. El nivel de significancia está establecido por el valor Alfa. Entonces, ¿qué tan seguro quieres en tomar la decisión correcta? Entonces el error de tipo uno ocurre cuando el nulo es verdadero, pero rechazamos. error de tipo dos ocurre cuando en realidad el nulo es falso, pero no lo rechazamos. Ahora, ¿cómo nos ayuda esto a procesar? Así que vamos a entender esto todos los días para la hoja del almuerzo. ¿ Verdad? Vamos a entender esto con más detalle. Este es el escenario real. Escribamos el real en la parte superior. Y este mitos como el juicio. De acuerdo, ahora, pensemos en el proceso. El proceso no ha cambiado. No ha cambiado. Ningún suplente será proceso ha cambiado. Ahora se advierte la sentencia. Y el juicio es que el proceso ha mejorado. De acuerdo. Ahora les voy a hacer una pregunta muy importante. Si un proceso no ha cambiado y el juicio es que no hay cambio, esta es la decisión correcta. El proceso ha cambiado y el juicio es también que el proceso ha mejorado. Esa también es una decisión correcta. Ahora, imagina que el proceso no ha cambiado, pero declaramos que ahora tengo un proceso mejorado y un producto mejorado e informo al cliente, ¿es correcto? Un error. Y esto se llama como un error tipo uno porque parece viejo, pero nuestra deuda se vende al cliente como nuevo producto. ¿ Se puede entender lo que pasará con la reputación de la empresa? El equipo o producto se vende al cliente como nuevos productos. Nuevo producto de un núcleo. Entonces, ¿qué pasará con la reputación de la empresa? Se irá por un lanzamiento y de ahí decimos, esta no es una buena decisión. Ahora entiende aquí también el proceso ha cambiado. El proceso ha mejorado, pero el juicio viene como no mejorado. Esto también es un error. No lo niego. Esto se llama un error de tipo dos o auditoría también se llama como un error beta. Aquí mismo. Lo que pasa es que no estamos comunicando al cliente que la mejora ha sucedido, ¿verdad? Por lo que no estamos manteniendo los artículos mejorados en producto de cría en el almacén. Ahora esto tampoco es correcto, pero el error más grande es aquí donde en realidad no hemos hecho una mejora, pero estoy informando al cliente que eres mala gente se une. 24. Canción publicitaria: Cuando hacemos prueba de hipótesis, siempre hay dos hipótesis. Una es la hipótesis por defecto, que es la hipótesis nula, y la segunda es la hipótesis alternativa que se quiere probar. Y esa es la razón por la que estás haciendo la hipótesis. Entonces, cuando haces la hipótesis, la razón por la que hacemos es que nunca estamos teniendo acceso a toda la población. Entonces cuando recogemos la muestra, queremos entender, es la muestra que viene de la curva de campana o la distribución desde donde estamos entendiendo cualquier variación que veas, es debido a la propiedad natural del conjunto de datos. A veces la muestra podría estar en la esquina final del Velcro. Y ese es un lugar donde obtenemos la confusión de que hace que estos datos pertenezcan al Velcro original o ¿ pertenecen al segundo suplente? Bienvenida. Eso está ahí. Estaremos haciendo ejercicios que le estarán dando una comprensión de esto de manera más fácil de hacer. Hipótesis, obtienes información como el valor p aparte de los resultados de las estadísticas de prueba. También obtienes el valor p. Siempre comparamos el valor p con el valor nulo que hemos establecido. Supongamos que quieres tener un 95% de confianza. Entonces estableces el valor p como 5%. Y si estableces que el nivel de confianza es 90%, entonces tu valor Alfa es diez por ciento, o tu valor p es 0.10. La razón por la que hacemos un valor p es que si puedes ver esta curva de campana, la observación más probable es parte del centro de la campana. Muy poco probable la observación viene de la cola. Este valor p, la razón verde, te ayuda a decir si pertenece al Velcro original o pertenece al grueso alterno de eso es, estás tratando de probar a través de la hipótesis alternativa. De ahí que el valor p venga como una ayuda para que puedas recordar esto fácilmente. Recuerda el tintineo. Abajo, nulo. Significa que si el valor p es menor que el valor alfa, voy a rechazar la hipótesis nula. P vuelo de alto nivel. Si el valor p es mayor que el valor alfa, fallamos en rechazar la hipótesis nula, Concluyendo que no tenemos suficiente evidencia estadística de que exista la hipótesis alternativa. Estaremos haciendo mucho ejercicio y estaré cantando este jingle varias veces para que sea fácil para ti recordarlo. Por debajo de nulo, ir detrás de nullcline. Algunos de los participantes con, cuando haga el taller se confunden, dirán que ninguno vaya significa ¿qué? La otra cosa que les digo que recuerden fácilmente es f para vuelo y F para campo. Entonces, si P es alto nulo, volaremos. Significa que estás fallando en rechazar la hipótesis nula. La hipótesis nula existirá. La hipótesis alternativa será rechazada. Recuerda una cosa más que en su mayoría se pregunta durante la entrevista. El valor p fue de 1.230.123. ¿ Rechazarías la hipótesis nula o aceptarías la hipótesis nula? ¿ O aceptarías la hipótesis alternativa? O aceptará la hipótesis nula? Como estadístico? Nunca aceptamos hipótesis alguna. O rechazamos la hipótesis nula o fallamos en rechazar la hipótesis nula. Siempre lo decimos desde el punto de vista de null porque el status quo por defecto más fácil hipótesis nula. Si la P es alta, no aceptamos la hipótesis nula y alternativa. ¿ No aceptamos la hipótesis nula? Decimos que no rechazamos la hipótesis nula. Si la p es baja, no aceptamos alternos, pero decimos, rechazo la hipótesis nula, concluyendo que hay suficiente evidencia estadística de que los datos provienen del Bellcore alterno . Seguiremos con muchos ejercicios. Y esto te dará confianza sobre cómo practicar e interpretar y usar estadísticas inferenciales en tu análisis cuando lo estés haciendo. 25. Selección de pruebas: Una de las preguntas más comunes que se hacen a mis participantes cuando estoy entrando al proyecto es ¿qué hipótesis debo usar renta? Entonces este es un análisis sencillo que te ayudará a entenderlo. ¿ Qué pruebas debo usar? Al igual que la forma en que un paciente acude a un médico, el médico no le prescribe toda la prueba. Simplemente le pone su agarra la prueba apropiada con base en el problema que el paciente está pescando. Si el paciente ve me encontré con un accidente, el doctor diría que creo que deberías hacerte la radiografía. No le estaría pidiendo que fuera a su prueba COVID o prueba de RT-PCR. Si la persona está tosiendo y sufre de fiebre, entonces se sugiere RT-PCR. Y en ese momento no somos capaces de satisfacer la radiografía. Se ve de manera similar cuando hacemos pruebas de hipótesis simples, estamos tratando de entenderla u otra compararla con la población. Queremos entender ¿qué prueba debemos estar realizando? Cuando, si estoy probando medios, ese es tu promedio, entonces comparas la media de una muestra con el valor esperado. Entonces estoy comparando la muestra con mi población. Después voy por mi prueba t de una muestra. Tengo sólo una muestra que estoy comparando. Quiero comparar si el rendimiento promedio del, si el promedio de ventas es igual a x cantidad, que es el valor esperado. Entonces esperábamos que las ventas fueran, digamos 5 millones. Mi promedio viene a decir 4.8. Yo he conocido que no lo son. Entonces puedo ir y hacer una prueba t de una muestra. Comparar la media de muestras con dos proporciones diferentes. Entonces, si tengo dos T independientes, digamos que estoy realizando una capacitación en línea. Estoy realizando una capacitación fuera de línea. Es el Shrina y tengo un conjunto de alumnos que están asistiendo a mi programa en línea. Tengo un grupo diferente de alumnos que están asistiendo a mi programa mío. Quiero comparar la efectividad del entrenamiento. Entonces tengo dos muestras, y estas son dos muestras independientes porque los participantes son diferentes. Después voy por la prueba t de dos muestras. Si quiero comparar las dos muestras para que la gente venga a mi entrenamiento. Hago una evaluación antes de mi programa de formación sobre su comprensión de lo que Lean Six Sigma. Y puedo tomar el programa de capacitación y el mismo conjunto de participantes asistir a la prueba después del programa de capacitación. Entonces los participantes o la escena. Pero el cambio que ha ocurrido es el entrenamiento que les impactó. Tengo los resultados de la prueba antes del entrenamiento y tengo los resultados de la prueba después del entrenamiento, quiero comparar el entrenamiento es efectivo. Después voy por la prueba t pareada de dos muestras. Progresando más. Supongamos que si estoy probando para frecuencia, tengo datos discretos y quiero probar la frecuencia porque en datos discretos no tengo promedios. Tomo frecuencias. Entonces, cuando estoy comparando el conteo de alguna variable en una muestra con la distribución esperada, igual que la forma en que tuve una prueba t de muestra. El equivalente de esto para un dato discreto sería mi bondad de ajuste chi-cuadrado. I, por defecto se espera que sea un valor normal o un valor particular o un valor inesperado. Y eso lo estoy comparando. ¿ Qué tan lejos están mis datos? Voy por un chi-cuadrado bondad de ajuste. Esta prueba está disponible en MiniTab en Excel. No está disponible. Entonces estaré creando una plantilla y dártela, lo que te hará fácil hacer la prueba de chi-cuadrado. Los tres tipos diferentes de prueba de chi-cuadrado usando la plantilla de Excel. Si tengo que contar algunas de las variables entre dos muestras. Por lo que será chi-cuadrado homogéneamente prueba t. Estoy comprobando una sola muestra simple para ver si las variables discretas son independientes. Hago prueba de independencia de Chi-Cuadrado. Si tengo una proporción de datos, como aplicaciones buenas o malas, he aceptado versus rechazado. Y estoy diciendo que bien, 50% de las solicitudes son aceptadas , o el veinticinco por ciento de las personas son colocadas. Tengo una proporción que quiero probar. Si solo tengo una muestra, voy por una prueba de proporción. Si quiero comparar proporción de egresados de comercio versus egresado de ciencias o proporción de finanzas, MBA, personas con mercadotecnia MBA personas, tengo dos muestras diferentes, así puedo ir por prueba de dos proporciones. Entonces, para resumir la cosa, cuando estoy probando, ¿estoy probando promedios? ¿ Estoy probando frecuencias como datos discretos o estoy probando proporciones? Dependiendo de eso, estás recogiendo la prueba apropiada y trabajando en ella. Vamos a practicarlo todo usando Men dab y usando exit. El conjunto de datos está disponible en la sección de descripción. En la sección de proyectos, invito a todos a practicarlo y poner sus proyectos, su análisis en la sección de proyectos. Si tienes alguna duda, puedes ponerlo en la sección de discusión y estaré encantado de responder a tus dudas. Feliz aprendizaje. 26. Conceptos de prueba T en detalle: ¿Qué te enseña este video? Acerca de la prueba T? Este video cubre todo lo que necesitas saber sobre la prueba T. Al final de este video, comprenderás qué es la prueba AT, cuándo usarla, los diferentes tipos de pruebas t, hipótesis y suposiciones involucradas, cómo se calcula la prueba AT y cómo interpretar los resultados ¿Qué es una prueba t? Empecemos por lo básico. Una prueba t es un procedimiento de prueba estadística. Eso analiza si existe una diferencia significativa entre las medias de dos grupos. Por ejemplo, podríamos comparar la presión arterial de los pacientes que reciben medicamento A versus. Medicamento B, tipos de pruebas t. Hay tres tipos principales de pruebas t, la prueba t de una muestra, la prueba t de muestras independientes o dos pruebas t, y la prueba t de muestras pareadas. ¿Qué es una prueba t para una muestra? Utilizamos una prueba t de una muestra cuando queremos comparar la media de una muestra con una media de referencia conocida. Por ejemplo, un fabricante de barras de chocolate afirma que sus barras pesan un promedio de 50 gramos. Tomamos una muestra. Encuentra su peso medio. Supongamos que el peso de la muestra es de 48 gramos, y usa una prueba de t de una muestra para ver si difiere significativamente de los 50 gramos reclamados. ¿Qué es una prueba t para muestras independientes? La prueba t de muestras independientes compara las medias de dos grupos o muestras independientes. Por ejemplo, podríamos comparar la efectividad de dos colores de dolor asignando aleatoriamente a 60 personas a dos grupos Al recibir el medicamento A y el otro fármaco B. Y luego usar una prueba t independiente para evaluar cualquier diferencia significativa en el alivio del dolor. ¿Qué es una prueba t para muestras pareadas? La prueba t de muestras pareadas compara las medias de dos grupos dependientes. Por ejemplo, para evaluar la efectividad de una dieta, podríamos pesar a 30 personas antes. Después de la dieta, usando una prueba t de muestras pareadas, determinamos si antes existe una diferencia significativa de peso. Después de la dieta. Comprender la diferencia entre muestras dependientes e independientes es crucial para elegir el tipo correcto de prueba t para su análisis. Muestras dependientes o muestras pareadas, se refieren a casos en los que cada observación en una muestra se empareja con una observación específica. En la otra muestra, este emparejamiento surge de la naturaleza de la recolección de datos, como antes y después de las mediciones. En los mismos individuos, emparejaron pares en un experimento. Se utiliza la prueba t de muestras pareadas para evaluar si. La diferencia media entre estas observaciones pareadas es estadísticamente significativa. Por otro lado, las muestras independientes son observaciones, extraídas de dos grupos separados, o poblaciones que no están relacionadas o emparejadas de ninguna manera sistemática. Cada observación en una muestra es totalmente independiente de cualquier otra observación. En la otra muestra, las muestras independientes, prueba T evalúa si las medias de estos dos grupos independientes difieren significativamente entre sí La elección entre estos tipos de pruebas t depende de cómo se recolectaron los datos y la relación entre las muestras que se comparan. El uso de la prueba t correcta garantiza que su análisis estadístico refleje con precisión la naturaleza de su pregunta de investigación y la estructura de sus datos. Aquí tienes una nota interesante. La prueba t de muestras pareadas es muy similar a la prueba t de una muestra. También podemos pensar que la prueba t de muestras pareadas tiene una muestra que se midió en dos momentos diferentes. Luego calculamos la diferencia entre los valores emparejados, dándonos un valor para una muestra. La diferencia es uno menos cinco más dos menos uno menos tres, y así sucesivamente y así sucesivamente. Ahora, queremos probar si el valor medio de la diferencia recién calculada se desvía de un valor de referencia En este caso, cero, esto es exactamente lo que hace la prueba t de una muestra. ¿Cuáles son los supuestos? Para una prueba t, por supuesto, primero necesitamos una muestra adecuada en la prueba t de una muestra, necesitamos una muestra y el valor de referencia en la prueba t independiente. Necesitamos dos muestras independientes, y en el caso de una prueba de t pareada, una muestra pareada, la variable para la que queremos probar si hay diferencia entre las medias debe ser métrica. Ejemplos de variables métricas son la edad, el peso corporal y los ingresos. Por ejemplo, el nivel de educación de una persona no es una variable métrica. Además, la variable métrica debe distribuirse normalmente en las tres variantes de prueba para aprender a probar si tus datos están distribuidos normalmente. En caso de una prueba t independiente, las varianzas en los dos grupos deben ser aproximadamente iguales Se puede verificar si las varianzas son iguales usando la prueba de L evens ¿Cuáles son las hipótesis de la prueba t? Comencemos con la prueba t de una muestra en la prueba t de una muestra. La hipótesis nula es que la media de la muestra es igual al valor de referencia dado. Entonces no hay diferencia, y la hipótesis alternativa es que la media de la muestra no es igual al valor de referencia dado. ¿Qué pasa con la prueba t de muestras independientes? En la prueba t independiente, la hipótesis nula es que los valores medios en ambos grupos son los mismos. Entonces no hay diferencia entre los dos grupos, y la hipótesis alternativa es que los valores medios en ambos grupos no son iguales. Entonces hay una diferencia entre los dos grupos. Y finalmente, las muestras pareadas t prueban en un par t test, la hipótesis nula es que la media de la diferencia entre los pares es cero, y la hipótesis alternativa es la media de la diferencia entre los pares no es cero. Ahora sabemos cuáles son las hipótesis. Antes miramos cómo se calcula la prueba t. Veamos un ejemplo de por qué realmente necesitamos una prueba t. Digamos que hay una diferencia en la duración del estudio para una licenciatura entre hombres. Y las mujeres en Alemania. Por lo tanto, nuestra población está conformada por todos los egresados de una licenciatura que han estudiado en Alemania. No obstante, como no podemos encuestar a todos los egresados de licenciatura, dibujamos una muestra lo más representativa posible. Ahora utilizamos la prueba para probar la hipótesis nula de que no hay diferencia en la población. Si no hay diferencia en la población, si no hay diferencia en la población, sin duda todavía veremos una diferencia en la duración del estudio en la muestra. Sería muy poco probable que dibujáramos una muestra donde la diferencia sería exactamente cero. En términos simples, ahora queremos saber a qué diferencia se mide en una muestra. Podemos decir que la duración del estudio de hombres y mujeres es significativamente diferente. Y esto es exactamente lo que responde la prueba t. Pero, ¿cómo calculamos una prueba t? ¿Para hacer esto? Primero calculamos el valor t para calcular el valor t. Necesitamos dos valores. Primero, necesitamos la diferencia entre las medias, y luego necesitamos la desviación estándar de la media. Esto también se conoce como el error estándar. En la prueba t de una muestra, se calcula la diferencia entre la media muestral y la media de referencia conocida. S es la desviación estándar de los datos recopilados, y n es el número de casos. S dividido por la raíz cuadrada de n es entonces la desviación estándar de la media. ¿Cuál es el error estándar? En la prueba t de muestras dependientes, simplemente calculamos la diferencia entre las dos medias de la muestra. Para calcular el error estándar, necesitamos la desviación estándar y el número de casos de la primera y segunda muestra, dependiendo de si podemos asumir varianza igual o desigual para nuestros datos Existen diferentes fórmulas para el error estándar. En una prueba t de muestra pareada, solo necesitamos calcular la diferencia entre los valores emparejados y calcular la media a partir de eso. El error estándar es entonces el mismo que para una prueba t de una muestra. ¿Qué hemos aprendido hasta ahora sobre el valor t? No importa qué prueba t, calculamos. El valor t será mayor si tenemos una mayor diferencia entre las medias, y el valor t será menor si la diferencia entre las medias es menor. Además, el valor t se vuelve más pequeño cuando tenemos una mayor dispersión de la media, por lo que cuanto más dispersos sean los datos, menos significativas se dan diferencias de medias. Ahora queremos usar la prueba t para ver si podemos rechazar la hipótesis nula o no. Para ello, ahora podemos usar el valor t de dos maneras. O leemos el valor crítico t de una tabla, o simplemente calculamos el valor p a partir del valor t. Pasaremos por ambos en un momento. Pero, ¿cuál es el valor p? Una prueba t siempre prueba la hipótesis nula de que no hay diferencia. Primero, suponemos que no hay diferencia en la población. Cuando dibujamos una muestra, esta muestra se desvía de la hipótesis nula en cierta cantidad El valor p nos dice lo probable que es que dibujemos una muestra que desvíe de la población la misma cantidad o más que una muestra que dibujamos Así, cuanto más se desvía la muestra de la hipótesis nula, menor se vuelve el valor p, si esta probabilidad es muy, muy pequeña, podemos por supuesto, preguntar si la hipótesis nula se mantiene para la población Quizás haya una diferencia, pero ¿en qué momento podemos rechazar la hipótesis nula? A este borde se le llama el nivel de significancia, que generalmente se establece en 5%. Si sólo hay un 5% de posibilidades de que saquemos tal muestra. O uno que sea más diferente. Entonces tenemos pruebas suficientes para suponer que rechazamos la hipótesis nula. En términos simples, asumimos que hay una diferencia, que la hipótesis alternativa es cierta. Ahora que sabemos cuál es el valor p, finalmente podemos ver cómo se usa el valor t para determinar si se rechaza o no la hipótesis nula. Comencemos con el camino a través del valor t crítico, que puedes leer de una tabla. Para ello. Primero necesitamos una tabla de valores críticos de t, que podemos encontrar en la pestaña Datos bajo tutoriales y distribución T. Empecemos con el caso de dos colas. Veremos brevemente el caso de una cola al final de este video. Aquí abajo, vemos la tabla. Primero, tenemos que decidir qué nivel de significación queremos usar. Escojamos un nivel de significancia de 0.05 de 5%. Entonces miramos en esta columna a 120.05, que es 0.95. Ahora necesitamos los grados de libertad en la prueba t de una muestra y la prueba t de muestras pareadas. Los grados de libertad son simplemente el número de casos menos uno. Si tenemos una muestra de diez personas, hay nueve grados de libertad. En la prueba t de muestras independientes, sumamos el número de personas de ambas muestras y calculamos eso menos dos porque tenemos dos muestras. Tenga en cuenta que los grados de libertad se pueden determinar de una manera diferente dependiendo de si asumimos igual o igual varianza. Entonces, si tenemos un nivel de significancia del 5%, y nueve grados de libertad, obtenemos un valor t crítico de 2.262 Ahora, por un lado, hemos calculado un valor t con la prueba t y tenemos el valor t crítico. Si nuestro valor t calculado es mayor que el valor t crítico. Rechazamos la hipótesis nula. Por ejemplo, supongamos que calculamos un valor t de 2.5. Este valor es mayor que 2.262, y por lo tanto, las dos medias son tan diferentes que podemos rechazar la hipótesis nula Por otro lado, también podemos calcular el valor p para el valor t que hemos calculado. Si ingresamos 2.5 para el valor t, y nueve para los grados de libertad, obtenemos un valor p de 0.034 El valor p es menor que 0.05, y por lo tanto rechazamos la hipótesis nula como control, si copiamos aquí el valor t de 2.262, obtenemos exactamente un valor p de 0.05, que es exactamente el límite Si quieres calcular la prueba AT con la pestaña Datos, solo necesitas copiar tus propios datos en esta tabla. Haga clic en la prueba de hipótesis y luego seleccione las variables de interés. Por ejemplo, si quieres probar si el género tiene un efecto en los ingresos, simplemente haces clic en las dos variables y automáticamente obtienes prueba AT, calculada para muestras independientes. Aquí abajo. Se puede leer el valor p. Si aún no le duele la interpretación de los resultados, simplemente puede hacer clic en la interpretación hacia adentro Una prueba de t de dos colas para muestras independientes, las varianzas iguales asumidas mostraron que la diferencia entre mujeres y hombres con respecto a la variable dependiente salario no fue estadísticamente significativa Así, se conserva la hipótesis nula. La pregunta final ahora es, ¿cuál es la diferencia entre hipótesis dirigida y la hipótesis no dirigida En el caso no dirigido, la hipótesis alternativa es que hay una diferencia Por ejemplo, hay una diferencia entre el salario de hombres y mujeres en Alemania. No nos importa quién gane más. Sólo queremos saber si hay una diferencia o no. En una hipótesis dirigida. También nos interesa la dirección de la diferencia. Por ejemplo, la hipótesis alternativa podría ser que los hombres ganan más que las mujeres o las mujeres ganan más que los hombres. Si miramos la distribución t gráficamente, podemos ver que en el caso de dos lados, tenemos un rango a la izquierda y un rango a la derecha. Queremos rechazar la hipótesis nula si estamos aquí o allá con un nivel de significancia del 5%. Ambos rangos tienen una probabilidad de 2.5%. Juntos apenas 5%, si hacemos una prueba T de una cola, la hipótesis nula es rechazada solo si estamos en este rango o dependiendo la dirección que queramos probar en ese rango con un nivel de significancia del 5%, A 5% caen dentro de este rango. Gracias por aprender conmigo. Te veré en la siguiente lección de estadística. 27. 1 prueba t de muestra: ¿ Entendamos qué pruebas de hipótesis debo usar? En Minitab, usted tiene un asistente que puede ayudarlo a tomar esa decisión. Por lo que si acudes a pruebas de hipótesis asistente, te ayudará a identificarte base en el número de muestras que tengas. Supongamos que si tiene una muestra, podría estar haciendo una prueba t de una muestra, una desviación estándar de muestra, un porcentaje de muestra defectuoso, bondad de ajuste de chi-cuadrado. Si tiene dos muestras, entonces tiene dos pruebas t de muestra para diferentes muestras. Prueba T si los elementos antes y después son los mismos. Desviación estándar de la muestra al porcentaje de muestra de la prueba de asociación de chi-cuadrado defectuosa Si tiene más de dos muestras, entonces tenemos una prueba de desviación estándar ANOVA de una vía, porcentaje de Chi-cuadrado es defectuoso y prueba de asociación de chi-cuadrado. Estaremos practicando todo con montones de ejemplos. Entonces pasemos al primer ejemplo. Tenemos el TDAH de llamadas en minutos. Hemos tomado una muestra de 33 puntos de datos. El promedio es de siete, el valor mínimo es de cuatro minutos, el valor máximo es de diez minutos. El motivo por el que tenemos que hacer una prueba de hipótesis es el gerente de los procesos que su equipo es capaz de cerrar la resolución o en la llamada en siete minutos. Y el promedio del proceso también es de siete minutos, mínimo es de cuatro minutos. Pero el cliente ve que los agentes los mantienen en espera y lleva más de siete minutos en la llamada. Entonces ahora quiero validar estadísticamente si es correcto o no. Siempre que estemos configurando pruebas de hipótesis, tenemos que seguir el enfoque de cinco pasos y seis pasos. Paso número uno, definir la hipótesis alternativa. Define la hipótesis nula, que no es más que tu status quo. ¿ Cuál es el nivel de significancia o su valor Alfa? Si no se especifica nada, se enviará valor Alfa como cinco por ciento. Primero establecemos la hipótesis alternativa. Entonces en nuestro caso, ¿qué está diciendo el cliente? El cliente ve que el tiempo promedio de manejo es de más de siete minutos. El status quo o el SLA acordado es el TDAH debe ser menor a siete minutos. Como les dije, la hipótesis nula y la alternativa serán mutuamente excluyentes y complementarias entre sí. Ahora, identifique la prueba a realizar. ¿ Cuántas muestras tengo? Tengo sólo una muestra del HD del contact center. Entonces voy a recoger una prueba t de muestra. ¿ De acuerdo? Ahora necesito hacer las estadísticas de prueba e identificar el valor p. Si recuerdas la lección anterior del ejemplo, dijimos que si el valor p es menor que el valor alfa, rechazamos la hipótesis nula. Si el valor p es mayor al cinco por ciento o el valor Alfa, no podemos rechazar la hipótesis nula. Hagamos este entendimiento. Entonces, si lo recuerdas, tenemos los datos de nuestro proyecto. En los datos del proyecto, tenemos la prueba de hipótesis. Por aquí. Te he dado el AHG de carbón en minutos. Por lo que he copiado estos datos en MinitaB. Entonces hagámoslo de dos maneras. Primera vez y muéstralo usando asistente. Segundo, te lo mostraré usando estadísticas. Entonces, si voy al asistente de pruebas de hipótesis, ¿cuál es el objetivo que quiero lograr? Es una prueba t de una muestra. Tengouna toma de muestras. ¿ Se trata de mezquino? ¿ Se trata de la desviación estándar? ¿ Es aparte, números defectuosos o discretos? Estamos hablando del promedio 100 veces. Entonces voy a tomar una prueba t de muestra. Para datos en columnas. Yo he seleccionado esto. ¿ Cuál es mi valor objetivo? Mi valor objetivo es siete. La hipótesis alternativa es que la edad media de la llamada en minutos es mayor a siete. Esto es de lo que se queja el cliente. El valor alfa es 0.05 por defecto, hago clic en, Ok. Veamos la salida. Para ver la salida vas a dar clic en Ver y solo salida. ya lo verán. Si ve el valor p, el valor p es 0.278. Te acuerdas por debajo de no meta ser alta nullclina es este valor de 0.278 mayor que el valor alfa de 0.05? Sí, lo es. De ahí que pueda concluir que la media es d de carbón no es significativamente mayor que el objetivo. Sea lo que sea que estés viendo como mayor que el objetivo, es sólo por casualidad. Por lo que no hay evidencia suficiente para concluir que la media sea mayor a siete con un nivel de significancia del cinco por ciento. Y también me muestra cómo es el patrón. No hay puntos de datos inusuales porque el tamaño de la muestra es de al menos 20. La normalidad no es un tema. La prueba es precisa. Y sería bueno concluir que el tiempo promedio de manejo no es significativamente mayor a siete minutos. Puedo seguir adelante y rechazar el reclamo dado por el cliente. Las pocas llamadas que vemos como objetivos de alta calidad, de alto valor. Esto podría ser sólo por casualidad. La misma prueba. También lo puedo hacer dando clic en test stat, estadística básica. Y guardaré una prueba t de muestra, una o más muestras, cada una en una columna. Voy a flick su TDAH selecto. Quiero realizar pruebas de hipótesis. media hipotética es siete. Voy a Opción y digo, cuál es la hipótesis alterna que quiero definir. Quiero definir que la media real es mayor que la media hipotética. Da clic en Ok. Si necesito grafica, puedo poner estas gráficas. Haga clic en Ok, y haga clic en Ok. Obtengo esta salida. Entonces la estadística descriptiva, esta es la media, esta es la desviación estándar y así sucesivamente. La hipótesis nula es mu es igual a siete. La hipótesis alternativa es mu es mayor que siete. El valor P es 0.278. Concluyendo ese vuelo nulo, no logramos rechazar la hipótesis nula, concluyendo que el tiempo promedio de 100 es alrededor de siete minutos. Vamosa continuar. Recibimos nuestra salida. Vimos todo esto, y hemos concluido que el tiempo promedio de manejo no es significativamente mayor a siete minutos. 28. Ejemplo de prueba de 2 t 1: Hagamos un ejemplo más de dos equipos, dos muestras. lo que en este ejemplo, dos equipos cuyo desempeño debe medirse. El directivo de DMB afirmó que su equipo tiene mejor desempeño que el ADN. El directivo de un equipo aboga por que esta afirmación sea inválida. Vayamos a nuestro conjunto de datos. Entonces si vas al archivo del proyecto, tendrás algo llamado como equipo a y equipo B. Así que déjame copiar esos datos. De acuerdo. Déjame ir aquí y colocar el radar del lado derecho. Por qué también puedo hacer puedo tomar una hoja nueva y pegar los datos. ¿ Verdad? Entonces vamos a pasar a como hipótesis, prueba t de dos muestras. Permítanme eliminar este valor. Y TB, el equipo a es diferente de la VM. También puedo decir con base en la hipótesis que es equipo se reclama que su equipo es mejor que un. entonces puedo decir que es menos que TV. Y hago clic en Ok. Nuevamente, en este ejemplo, obtengo una salida que dice que el equipo no es significativamente menor que TB. ¿ Tiene los valores de 27.727.3? No hay diferencia estadística entre ambas puntas, ¿verdad? Entonces los dos ejemplos que obtuvimos fueron así. Entonces vamos a ver un ejemplo más. He tomado el tiempo de ciclo del proceso uno y el tiempo de ciclo del proceso B. Así que solo copiemos estos datos. Este es otro conjunto de datos. Y voy, ¿Cuál es mi hipótesis alterna? Ambas vigas son diferentes. ¿ Cuál es la hipótesis nula? Ambos equipos son iguales. Porque estos dos equipos son diferentes. Voy a seguir adelante y hacer mi prueba t de dos muestras. Los datos de cada equipo son separados. Y estoy viendo que es diferente a la TB el valor alfa es del 5%, y luego hago clic en, Ok. Ahora bien, si ves la salida esta vez, dice que sí, el tiempo de ciclo de a es significativamente diferente del tiempo de ciclo de dB. Aquí, este 26.8, veintisiete punto seis. Pero si miro la distribución, la distribución que este rojo no se superpone con este rojo. Por lo que hay una diferencia en el tiempo de ciclo de los dos equipos. Si tengo que hacer lo mismo usando estadísticas, estadística básica, prueba t de dos muestras. Al igual que tu momento de ser e a la hora de las opciones de TB, ¿hay diferentes? Puedo tener mis gráficas. No quiero una gráfica individual. Solo tomaré la gráfica de caja y diré, ok, mu1 es media poblacional del tiempo de ciclo de procesos, tiempo de ciclo del proceso B. Ahora si verás que hay una desviación estándar que es una diferencia. El valor p es 0, diciendo que, sí, hay una diferencia significativa entre ambos equipos. Sea bajo, ninguno fresco. Entonces aquí estamos rechazando la hipótesis nula, diciendo que hay una diferencia significativa entre E y D. ¿ Verdad? Yo he visto lo mismo con la distribución continúa. Entonces hay una distribución más grande o aquí y hay una distribución más pequeña. Puedo hacer mi análisis gráfico que sí aprendí a tu derecha y luego ver cómo se está desempeñando el equipo. Entonces este es el resumen del ADN. La media es 26, la desviación estándar es 1.5. Y si me desplazo hacia abajo, me pongo por el equipo B y viene de esta manera. Ahora quiero solapar estas gráficas para poder clic en gráfica y un histograma. Y voy a decir un poco en forma y sedosa. Y seleccionaré estas dos gráficas en panel separado de la misma gráfica, misma vitamina C max. Da clic en, Ok. Da clic en Ok. ¿ Puedes ver que la curva de campana de ambos son diferentes? Hagamos un histograma gráfico superpuesto. Y en superposición de suelo múltiple en esta gráfica. ¿ Ves que el azul y el rojo, hay diferencia? Y de ahí, sí, la curtosis es diferente, el sesgo es diferente, y esa es la conclusión en mi prueba t de dos muestras, que dice que la distribución allí es una significativa diferencia. Existe una diferencia estadísticamente significativa entre el tiempo sagrado de ser combatiente EN, moribundo. La segunda cosa, vamos a aprender acerca de la cama t-test en nuestro siguiente ejemplo. 29. Ejemplo 2 de prueba t: Vayamos a nuestro ejemplo. Dos. Existen dos centros cuyo desempeño debe medirse. El directivo de sensorial afirmó que su equipo es un equipo de mejor desempeño que el centro B. La magnitud del centro sea aboga por que el reclamo sea inválido. Nuevamente, seguiré mi proceso de cinco pasos. ¿ Cuál es la hipótesis alternativa? Es mejor que B. Hagámoslo más fácil. No es igual a T, no es igual a TB, o centro no es igual a centro. Lo que hace el centro no hipótesis a es igual al centro V, nivel de significancia, cinco por ciento. ¿ Cuántas muestras tengo? Tengo dos muestras, editor de centro y datos del centro B. Debido a que tengo dos muestras, necesito ir para la prueba t de dos muestras. Vayamos a nuestra hoja de Excel. Tengo los datos para Centauri y centro B. Voy a copiarlos en Minitab. Estoy colocando mis datos aquí. Hagamos la prueba t de dos muestras. Entonces voy a Stat, Basic Statistics y digo test t de dos muestras. Ambas muestras están en una columna. Cada muestra tiene su propia columna, así que voy a seleccionar esta muestra. Una es la muestra sensorial. ¿ Centro B? La opción es híbrida. Eso no es diferente. Entonces la diferencia entre a y B es 0. Y yo sigo adelante y lo hago. Puedo tener mi gráfica de caja individual y decir OK, y decir Ok, veamos la salida. Entonces los datos sensoriales son tuyos y los datos de TBI están aquí. Y si ves el valor p, el valor p es alto. De nuevo, me llegó un ejemplo que dice que ser alto mosca nula, lo que significa que no hay diferencia entre centro y centro B. Si ves el valor individual, pero ves lo mismo. Veamos el diagrama de caja. La gráfica de caja dice que la media no es significativamente diferente porque habría tomado una muestra. Esa es la razón por la que es, y estás viendo un valor de 0, que es un valor atípico. Por lo que deberíamos estar considerando eso. Lo mismo. Déjame hacerlo usando pruebas de hipótesis. Prueba t de dos muestras, media de la muestra. La muestra es diferente. La media de centro es diferente a la media del centro B y C. Bien. También lo hace la diferencia de medias, la media de Santa Fe no es significativamente diferente de la media fuera del centro. ¿ Verdad? Si ves esta distribución, puedes encontrar que la parte roja está completamente superpuesta entre sí, diciendo que no hay evidencia suficiente para concluir que hay una diferencia. Hay una diferencia cuando ves la media, 6.86.5. Pero eso podría ser por una oportunidad. Y hay una desviación estándar también. De ahí que estos lo muestren usando las barras rojas, diciendo que no hay una diferencia significativa entre la semana sensorial y la semana central. Seguiremos aprendiendo sobre otros ejemplos en el próximo video. 30. Prueba t emparejada: Entendamos un ejemplo más. Este es un ejemplo de prueba t pareada. Si nos fijamos en este estudio de caso, los psicólogos querían determinar si un programa de running en particular tiene un efecto en su frecuencia cardíaca en reposo. la frecuencia cardíaca de midióla frecuencia cardíaca de 15 personas seleccionadas al azar. Después se puso a la gente en un programa en marcha y se volvió a medir después de un año. Entonces, ¿están diciendo los participantes antes versus después? Sí. Y esa es la razón por la que no es prueba t de dos muestras, sino que es una prueba t pareada, la medición del antes y el después de cada persona o en bandas de observación. Entonces si vuelvo a mi conjunto de datos, tengo algo llamado como antes y después, hay una etapa diferente, no estoy tomando el valor de diferencia. He tomado los datos de las 15 personas y puesto en mini tabulador. ¿ Verdad? Ahora, quiero hacer porque es la misma persona antes y después de mí, queremos entender las diferentes pruebas de hipótesis. Voy a tomar la prueba t emparejada. Lo primero fue, ¿cuál es la hipótesis alternativa? Antes y después es diferente. Si recuerdas, el programa de antes y después, quieren determinar si tienen un efecto en la carrera. El de medición está antes, herramienta de medición está arriba. media de antes es diferente de la media de después. Entonces esa es mi hipótesis alternativa. Entonces, ¿cuál es la media de mi hipótesis nula de antes es que no hay cambio. El suplente ve que el antes es diferente al después. El valor alfa es 0.05. Demos click en Ok. Veamos la salida. Entonces, ¿difiere la media? ¿ Qué es un valor p de 0.007? La media de antes es significativamente diferente de la media de después. Si nos fijamos en el valor medio, fue 74.572.3. Pero hay una diferencia. Entonces si ves la diferencia es más de 0. Y si miro estos valores de antes versus después el punto azul es después del punto negro es antes. La mayoría de los participantes, su frecuencia cardíaca se había reducido después del programa de running. Pocos de ellos eran excepciones, pero eso podría ser una excepción. No hay diferencias pareadas inusuales porque nuestro tamaño de muestra es de al menos 20. La normalidad no es un tema. La muestra es suficiente para detectar la diferencia en la media. Entonces puedo ver que, sí, hay una diferencia entre ambos. Maravilloso. Por lo que de nuevo, revisión rápida. Hola, objetivo nulo ya el valor p es menor que el nivel de significancia, concluimos que existe una diferencia significativa entre ambas lecturas. Si tengo que hacer la escena, hago clic en Stat, Estadística Básica. Mal detesto, cada muestra en una regla. Antes, después de la opción es que son diferentes. Déjame tomar sólo la gráfica de caja y el histograma de no quiero escoger el histograma. Yo sólo tomaré la trama de caja. Hipótesis nula. La diferencia es 0. La hipótesis alternativa es que la diferencia es distinta de cero, valores p bajos, concluyendo que rechazo la hipótesis nula. Y hay una diferencia al adoptar el programa. Entonces, si ves el valor nulo, el punto rojo está muy lejos de la media del intervalo de confianza de la caja hacia conclusión de que hay una diferencia entre someterse al programa por este especialista del corazón, ¿verdad? Por lo que en el próximo programa, aprenderemos, retomaremos más ejemplos. 31. Una prueba Z de muestra: El rápido repaso de los diferentes tipos de pruebas que aprendimos es que si estoy viendo qué tan diferente es mi grupo y entre la población, voy por una prueba t de una muestra. Cuando tengo dos grupos diferentes de muestras, entonces voy por la prueba t de dos muestras. Si estas muestras son independientes. Si voy a ir por una prueba t emparejada. Prueba t emparejada. Si el grupo el mismo conjunto de personas, pero es o diferente punto del tiempo. Al igual que vimos el ejemplo del latido del corazón. Por lo que la gente se midió en sus latidos del corazón. El informe a través de un programa en ejecución y publicar el programa en ejecución. ¿ Cómo estuvo ese latido caliente en reposo, verdad? Entonces esas son las cosas que arreglamos. Ahora sigamos con más ejemplos. Por lo que agregamos en el caso de uso número cinco, análisis de porcentaje de grasa. Los científicos para una empresa que fabrica proceso que quieren S el porcentaje de grasa en la fuente de agua de la empresa. La fecha de publicación del anuncio es del 15% y los científicos miden que el porcentaje de grasa es de 20 muestras aleatorias. La medición previa de la desviación estándar poblacional es 2.6. Ahora esta es la desviación estándar de la población. La desviación estándar de la muestra es 2.2. Cuando conozco el parámetro de población, puedo seguir adelante y usar una prueba z de muestra porque el número de muestras que tengo es uno. Y quiero, tengo la conocida desviación estándar de la población. Ahora, de nuevo, voy a aplicar lo mismo definido la hipótesis alterna, ¿no? Entonces, ¿qué voy a decir? ¿ Cuál es la hipótesis alternativa? El porcentaje de grasa no es igual a 603050. ¿ Cuál es el porcentaje de grasa de hipótesis nula es igual al 15%. Nivel de significancia cinco por ciento. Porque sé que es una prueba de una muestra y tengo la desviación estándar poblacional. Voy a usar una prueba z de muestra. Hagamos el análisis. He abierto el archivo del proyecto y tengo los ID de muestra y provoco un dato de porcentaje de grasa por aquí. Permítanme copiar estos datos en Minitab. Pero copiado el porcentaje de grasa con los científicos lo han hecho. Debido a que sabemos que la desviación estándar de la población, puedo seguir adelante y usar la prueba z de una muestra. Mis datos están presentes en una columna. Es el hecho presentado. La desviación estándar conocida fue 2.6. Quiero realizar pruebas de hipótesis. Media hipotética, es 15%. Entonces mi hipótesis nula es que el porcentaje de grasa es igual a 15. Mi hipótesis es que la grasa era una gran a no es igual a 15. Puedo escoger una gráfica de boxplot e histograma y decir, Ok, te mostraré la salida. Entonces la hipótesis nula es que el porcentaje de grasa es igual a 15. La hipótesis alternativa es que el porcentaje de grasa no es igual a 15. El valor alfa es 0.05. Mi valor p es 0.012, ya que mi valor p es menor que el valor alfa, P bajo, ninguno fresco. Por lo que rechazo la hipótesis nula, concluyendo que el porcentaje de grasa no es igual a 50. Si ves por aquí, el porcentaje de grasa es más de 50. Puedo rehacer la misma prueba. Esta vez. Yo puedo seguir adelante y comprobar. Es mi porcentaje de grasa mayor a la media hipotética. Hagámoslo. Y aun así obtengo mi valor p con más confianza, 0.006 muy lejos de mi valor Alfa. Concluyendo que sí, el Alfa, se plantea la hipótesis del valor nulo, la media es 15. Pero la muestra dice que hay una alta probabilidad de que su porcentaje de grasa en la fuente sea superior a 50. ¿ Cuál es la asesoría que le daremos a la empresa? Aconsejaremos a la empresa que no se puede vender el naming que el contenedor es del 15% porque nuestro factor es más del 15%. Entonces, para estar seguros, puede cambiar la etiqueta del producto por decir que el porcentaje de grasa es de 18, ¿verdad? Porque tenemos el cinco por ciento está pasando por 20. Por lo que un consumidor estará encantado de recibir un producto que esté conteniendo menos grasa. Entonces recibir un producto que esté conteniendo más grasa porque todos somos conscientes de la salud, ¿verdad? Entonces sigamos en la siguiente clase. 32. Una prueba de proporción de muestras 1p-test: Continuaremos con nuestras pruebas de hipótesis. A veces podríamos tener una proporción de la acción, ¿no? No tenemos promedios o desviación estándar o varianza para medir, sin embargo, que estamos haciendo. Tomemos este ejemplo seis, el analista de mercadotecnia quiere determinar si el macho, el anuncio del nuevo producto resultó en una tasa de respuesta diferente a la media nacional. Normalmente cada vez que pones un anuncio en el periódico, dicen que hay la empresa publicitaria suele ver es que vamos a poder impactar 6% resultado o 10% resultado o algún número resultado aquí mismo. Lo que es, es el mismo tipo de escenario. Aquí. Tomaron una muestra aleatoria de 1000 hogares que han recibido publicidad. Y de estos 10 mil hogares, muestra 87 de ellos realizó compras después de recibir este engrandecimiento. Por lo que esta empresa, que es una empresa de publicidad, está afirmando que he tenido un mejor impacto que el de los demás anuncios publicitarios. El analista tiene que realizar la prueba z de una proporción para determinar si la proporción de hogares que realizaron una compra fue diferente a la media nacional de 6.5 porque esta es 8.7. En este caso. ¿ Cuál es su hipótesis alternativa? Hipótesis alternativa es que el anuncio es diferente a la respuesta al anuncio es diferente de la media nacional. Aquí diremos que no hay diferencia. Ambos son pecado, el valor alfa es del cinco por ciento. Y vamos a tomar una proporción, prueba z, prueba de proporción de eventos. Se supone que te lleve al minuto. Entonces vayamos a MinitaB. Yo puedo seguir adelante y estos papás, estadística básica, una proporción. No tengo datos en mi columna, pero sí los he resumido, ¿verdad? Entonces déjame cerrar esto, cancelar, déjame cerrar esto. Por lo que he tomado una prueba de proporción de muestra. Tengo datos resumidos. ¿ Cuántos eventos hemos estado absorbiendo? Estamos observando 87 eventos por suceder. La muestra es de mil. Necesito realizar prueba de hipótesis y la proporción hipotética, 6.5, 0.0656% .5, ¿verdad? Por lo que es 0.065. Esta proporción no es igual a la proporción hipotética. Yo digo: Ok, ya veo, Ok. Ahora la hipótesis nula es que la proporción es igual a 6.5 por ciento. Hipótesis alternativa es que el impacto proporcional no es igual a 5.56 por ciento. El valor P es 0.008. ¿ Qué significa? Sí, sea bajo, ninguno fresco. Por lo que rechazamos la hipótesis nula, concluyendo que el efecto del anuncio, Él no es 6.6.5 por ciento, pero es más porque si se ve el intervalo de confianza del noventa y cinco por ciento, dice 0.7% a 10%, ¿verdad? Tienes una proporción del 88.7%. Y el intervalo de confianza de proporción de 95% está muy por delante de 6.5, comienza a partir del 7. Por lo que podemos concluir que hay un impacto significativo del anuncio y podemos repasar esta empresa publicitaria. Continuemos en nuestra siguiente lección. 33. Prueba de proporción de dos muestras - 2p-test: Hagamos este ejercicio una vez más usando Assistant. Por lo que tenemos los 80 productos de carne de res numerados por el proveedor E que hemos comprobado. 725 son defectuosos o no defectuosos. Entonces, ¿cuántos es eso efectivo? Entonces si hago una resta, sería 777802 menos 725 es 77712 productos de muestreo el proveedor B fueron seleccionados por 73. Perfecto. Entonces, ¿cuánto es defectuoso? Uno, 39. Así que intentemos hacer nuestra prueba de dos proporciones usando asistente de Minitab ya que esto luego prueba de hipótesis, piezas de muestra, heces, porcentaje de muestra defectuosa proveedor E, 0 a 7771 a 139. La persona es defectuosa del proveedor E es menor que el porcentaje defectuoso del proveedor B. Voy a seguir adelante y dar clic en Ok. Y eso lo consigo. Sí, ese porcentaje defectuoso o proveedor es significativamente menor que el porcentaje defectuoso del proveedor B. Y si me desplazo hacia abajo, Sí. Por lo que dice la diferencia, este proveedor a es la preparación de lectura. Que a partir de la prueba se puede concluir que el porcentaje representado del proveedor a es menor que el Proveedor B con un nivel de significancia del 5%. Cuando se está viendo este porcentaje. Además, se puede ver claramente que continuaremos con la próxima prueba de hipótesis en la próxima semana. 34. Dos muestras proporcionales test-2p-test-Example: Ahora entendamos el siguiente ejemplo. Este es un ejemplo donde los gerentes de una operación muestrean un producto fabricado con materia prima de dos proveedores, determinan si uno de los suministros de materia prima es más probable que produzca una mejor producto de calidad. Por lo que 802 productos fueron muestreados del proveedor E 725 o perfecto, que no es defectuoso. muestrearon 712 productos del Proveedor B, 573 o buffet. Es decir, no es defectuoso. Por lo que queremos realizar porque ¿cuál es su porcentaje de datos personales no defectuosos? Sí, tengo dos proporciones, array de suministro y Proveedor B. Pasemos a principal. Puedo ir a Stat, Estadística Básica prueba de dos proporciones. Tengo mis datos de resumen, los iguala por la primera facilidad, 725 o ambos actúan fuera de 802. Entonces tomemos 725025723712572371. La opción con ellos viendo es que hay una diferencia y vamos a averiguarlo. Entonces el BVA, la hipótesis nula, es que no hay diferencia entre la proporción. Hipótesis alternativa es que hay una diferencia entre ambas proporciones. Cuando estaba mirando el valor p, el valor p sale a ser Z, a ser nulo bajo. Se concluye que tengo que rechazar la hipótesis nula. Existe una diferencia en el desempeño de los dos proveedores. Ahora, si pienso en porque estoy hablando de perfecto o no defectuoso, actualmente, muestra uno tiene 90% perfecta y la muestra dos tiene 80% perfecta. Entonces concluyendo que el proveedor E es mejor proveedor que el Proveedor B. ¿ Verdad? Entonces, muchísimas gracias. Seguiremos en la siguiente lección. 35. Uso de Excel = un test de t de muestra: Muchas veces entendemos prueba de hipótesis, pero hay un reto que tenemos. El reto es que no tengo minitaB conmigo. ¿ No puedo hacer prueba de hipótesis con una manera fácil en lugar de pasar por un cálculo manual usando calculadora estadística? No te preocupes de que sea posible. Te voy a mostrar cómo puedo llegar a hacer prueba de hipótesis usando Microsoft Excel. Ir a Archivo. Ir a Opciones. Cuando vaya a Opciones, vaya a Complementos. Al hacer clic en Complementos. Déjame dar click aquí. Tiene una opción que se denomina complemento de Excel en la opción Administrar. Por lo tanto, seleccione complemento de Excel y haga clic en Ir. Haga clic en Herramientas de análisis y asegúrese de que esta marca de verificación esté activada. Una vez que tengas eso, lo encontrarás en tu pestaña Datos. Tienes disponible análisis de datos. Si déjame hacer clic en él para que entiendas lo que es posible. En análisis de datos. Tengo correlación OR, covarianza, estadística descriptiva, histograma, prueba T, pruebas z, generación de números aleatorios, regresión de muestreo y todas esas cosas. Por lo que se está volviendo muy fácil para ti hacer pruebas de hipótesis. Al menos la hipótesis de datos continuos se probó fácilmente a través de Microsoft Excel también. Te voy a llevar por el ejercicio paso a paso por ahora. Volvamos a la presentación. Tomemos el primer problema. Es decir, tengo las estadísticas descriptivas para el HD de la convocatoria, el encargado de los procesos que su equipo está trabajando para cerrar la resolución sobre la llamada en siete minutos. Pero el cliente ve que se mantiene en espera durante mucho tiempo, y de ahí que esté gastando más de siete minutos. Si miro la estadística descriptiva, me está diciendo diez minutos, mediana es siete, la media es 7.1. Ahora me gustaría hacer este análisis usando la salida de Microsoft. Así que comencemos. Tengo este caso de uso en los datos del proyecto que he subido, click en TEA, claro, te lleva a este lugar. Ahora, primero te enseñaré a hacer estadísticas descriptivas usando Microsoft Excel. Voy a dar click en el análisis de datos debajo de la pestaña Datos. Voy a buscar estadísticas descriptivas. Haga clic en, bien. Mi rango de entrada es de aquí a abajo. He seleccionado. Mis datos están agrupados por columnas. La etiqueta está presente en la primera fila. Y quiero que mi salida vaya a un nuevo libro de trabajo. Quiero estadísticas resumidas y quiero nivel de confianza de mí. Doy clic en Aceptar. Excel está haciendo algunos cálculos y preparándolo para ello. Sí. Aquí está mi salida. Hago clic en ex por aquí para ver cuál es la salida. Entonces puedes ver que eres media, modo mediano, desviación estándar, curtosis, asimetría, rango, mínimo, máximo, suma, conteo, nivel de confianza. Todas estas cosas se calculan fácilmente con un clic de un botón. No tengo que escribir tantas fórmulas. Ahora, volvamos a nuestro conjunto de datos. Yo quiero hacer las pruebas de hipótesis. ¿ Cuál es mi hipótesis nula? Cuando la hipótesis nula es que el TDAH es igual a siete minutos. Hipótesis alterna. El TDAH no es de siete minutos. Hay un valor alfa diferente que estoy configurando como 5%. Y con eso, voy a realizar las pruebas que voy a conectar es una prueba t de una muestra. Cuando estés haciendo una prueba t de una muestra usando Microsoft Excel, tendrás que seguir un pequeño truco. El truco es, voy a insertar una columna por aquí. Y esto, voy a llamarlo como maniquí. Porque Microsoft Excel viene con una opción de prueba t de dos muestras. Tengo HD de la llamada en minutos y maniquí donde he anotado a ceros, ceros. No obstante, la mediana promedio, todo para 0 es siempre 0. Haga clic en el análisis de datos. Voy a bajar y diré dos muestras t-test asumiendo igual varianza. Voy a seleccionar esto. Voy a hacer click en, Bien. Mi rango de entrada, uno es esta línea. Mi rango de entrada a través de este maniquí. Mi diferencia media hipotética es de siete minutos. Etiqueta está presente tanto en el valor Alfa establecido como cinco por ciento. Y estoy diciendo que mi salida tiene que estar en un nuevo libro de trabajo. Doy click en Bien, está haciendo el cálculo y consiguiéndome la salida. Se puede ver que los números se han transmitido como práctica, simplemente hago clic en el karma en la sección Formato para que los números sean visibles. Estoy cambiando la vista porque dummy no tiene ningún dato. Soy libre de seguir adelante y eliminar esta columna. Ahora vamos a entender ¿qué buscamos siempre? Buscamos este valor, el valor p. ¿ Recuerdas la fórmula? Déjame traer mis fórmulas por aquí. Sí. ¿ Cuál es la conclusión? La conclusión es P alta. No puedo rechazar la hipótesis nula. Concluir el TDAH de la convocatoria es de siete meses. Estoy rechazando la hipótesis alternativa porque mi valor p está más allá de 0.05. Estaré retomando más ejemplos en las siguientes lecciones. Por lo que estoy deseando que continúen con esta serie. Si tiene alguna duda, le solicitaría que deje caer sus preguntas en la sección de discusión a continuación, y estaré encantado de responderlas. Gracias. 36. Análisis de correlación: Bienvenido a la siguiente lección de nuestra fase analizada en el ciclo de vida dMac de un proyecto Lean Six Sigma A veces nos metemos en una situación nos gustaría hacer un análisis de correlación. Y de ahí, pensé que hoy debería estar sumergiéndote profundamente en lo que es correlación ¿Cuál es la diferencia entre correlación y siniestro ¿Cómo interpreto la correlación cuando miro el diagrama de dispersión? ¿Qué nivel de significancia puedo establecer cuando estoy haciendo mi prueba de hipótesis? La correlación de Pearson, la correlación de Spearman, correlación serial del punto b y cómo hacer estos cálculos en línea usando algunas de las Así que comencemos. Entonces, ¿qué es exactamente el análisis de correlación? El análisis de correlación es una técnica estadística que te da información sobre la relación entre las variables. análisis de correlación puede calcularse para investigar la relación de las variables, qué tan fuerte está determinada la correlación por el coeficiente de correlación, que se representa por la letra numérica r, que varía de menos uno a más uno. Por lo tanto, el análisis de correlación se puede utilizar para hacer declaraciones sobre la fuerza y la dirección de la correlación. Ejemplo, quieres saber si existe una correlación entre la edad a la que un niño pronuncia su primera oración y después el éxito escolar. Entonces se puede utilizar el análisis de correlación. Ahora, siempre que trabajamos con correlación, hay un reto. A veces nos confundimos con cosas que son un problema. Al igual que, si el análisis de correlación muestra que dos características están relacionadas entre sí, se puede verificar sustancialmente si una variable puede usarse para predecir las otras variables. Si se confirma la correlación mencionada el ejemplo, por ejemplo, se puede verificar si el éxito escolar puede predecirse por la edad a la que el niño pronuncia su primera oración, significa que existe una ecuación de regresión lineal. Tengo un video separado sobre cómo explicar qué es una regación lineal Pero cuidado, la correlación no necesita tener una relación causal Significa que cualquier correlación que pueda descubrirse debe, por lo tanto , ser investigada más de cerca por el experto en la materia, pero nunca interpretada inmediatamente en términos de contenido, aunque sea muy evidente. Veamos algunos de los ejemplos de correlación y causalidad. Si se analiza la correlación entre la cifra de ventas y el precio, se identifica una fuerte correlación. Sería lógico suponer que la cifra de ventas está influenciada por el precio y no por la persona sabia. El precio no sucede al revés. Esta suposición, sin embargo, de ninguna manera puede probarse sobre la base de un análisis de correlación. Además, puede suceder que la correlación entre la variable x e y sea generada por la variable. De ahí que lo estaremos cubriendo en correlación parcial con más detalle. Sin embargo, dependiendo de qué variable se pueda usar, es posible que pueda hablar una relación causal desde el principio. Veamos un ejemplo si existe una correlación entre la H y el salario. Es claro que la edad influye en el salario, no al revés. El salario no influye en la edad. Entonces solo porque mi edad esté aumentando, o simplemente porque tenga un salario más alto no significa que voy a ser viejo. De lo contrario, todos querrían ganar el menor salario posible. Eso es solo amor. Interpretar la correlación. Con la ayuda del análisis de correlación, se pueden hacer dos afirmaciones. Uno sobre la dirección de la correlación, y otro sobre la fuerza. De la relación lineal de las dos métricas o las variables de escala ordinariamente La dirección indica si la correlación es positiva o negativa. Si la fuerza dicta si la correlación entre la variable es fuerte o débil Entonces cuando digo que existe una correlación positiva entre nosotros estamos tratando de decir que los valores mayores de la variable x van acompañados de los valores mayores de la variable y y no al revés. La altura y el tamaño del zapato, por ejemplo, están correlacionados positivamente. La correlación cofiente se encuentra 0-1. Es decir, es un valor positivo. La correlación negativa por otro lado existe si un valor mayor de la variable x va acompañado del menor valor de la variable y y al revés. El precio del producto y la cantidad de ventas suelen tener una correlación negativa. Cuanto más caro es un producto menor es la cantidad de ventas. En este caso, el coeficiente de correlación estará entre menos uno y cero, asumiendo que es un valor negativo. Por lo que resulta en uno negativo. ¿Cómo determino la fuerza de la correlación? Con respecto a la fuerza del coeficiente de correlación r, la siguiente tabla puede actuar como guía. Si tu valor está entre 0.0 y 0.1, entonces podemos decir claramente que no hay correlación. Si el valor está entre 0.1 y 0.3, decimos que hay una correlación pequeña o menor o una correlación. Si el valor está entre 0.32 0.5, correlación media, si el valor está entre 0.5 0.7, decimos que hay una correlación alta o una correlación fuerte, y si el valor está entre 0.7 a uno, decimos que es una correlación muy alta Al final de este módulo, te mostraré cómo calcular el catión de correlación directamente en línea también. Entonces, vayamos más allá. Cuando lo haces en línea, obtendrás una de las herramientas que utilizamos para analizar la correlación es un diagrama de dispersión porque tanto la x como la y son de tipo de datos variables o tipo de datos métricos como lo llamas. Tan importante como considerar el coeficiente de correlación es una gráfica de manera gráfica, podemos usar una gráfica de dispersión Entonces como la edad, el eje x siempre tendrá la variable de entrada, y el eje y tendrá la variable de salida porque y es igual a función de x Y puedo ver que a medida que mi edad va aumentando, mis salarios aumentan. La gráfica de dispersión le da una estimación aproximada si la corre si hay una correlación, y si hay una correlación lineal o no lineal y si hay algún Cuando hacemos correlación, es posible que también queramos hacer nuestras pruebas de hipótesis, probar la correlación para determinar la significación. Si hay correlación en la muestra, aún es necesario probar si hay suficiente evidencia de que la correlación también existe en la población. Así, surge la pregunta cuando la copión de correlación se considera estadísticamente significativa La significancia de la correlación esient se puede probar usando la prueba t Como regla general, se prueba si el coeent de correlación es significativamente diferente de cero Es decir, se prueba una dependencia lineal. En este caso, la hipótesis nula es que no existe correlación entre las variables en estudio. En contraste, la hipótesis alternativa asume que existe una correlación. Al igual que con cualquier otra prueba de hipótesis, el nivel de significancia se establece primero en 5%. El valor Alfa se establece en 5%. Significa que debería tener 95% de confianza en el análisis que estoy haciendo. Si el valor de p calculado está por debajo del 5%, se rechaza la hipótesis nula y se aplica la hipótesis alternativa. Si el valor de p está por debajo del 5%, se supone que existe una relación entre la x y la. La fórmula de prueba t que usamos para las pruebas de hipótesis es r en bajo raíz de n menos dos dividido por debajo de raíz de uno menos r cuadrado. Donde n es el tamaño de la muestra, r r es la correlación determinada de la muestra, y el valor p correspondiente se puede calcular fácilmente en la calculadora de correlación. Hipótesis direccional y no direccional. Con el análisis de correlación se puede probar para hipótesis de correlación direccional o no direccional. ¿Qué entendemos por hipótesis de correlación no direccional? Sólo te interesa saber si existe una relación o una correlación entre dos variables. Por ejemplo, si existe una correlación entre edad y salario, pero no te interesa la dirección de las relaciones. Cuando estás haciendo una hipótesis de correlación direccional, también te interesa la dirección de la correlación. Si existe una correlación positiva o negativa entre las variables. Tu hipótesis alternativa es entonces ejemplo. La edad está influenciada positivamente en el salario. lo que hay que prestar atención es en el caso de una hipótesis direccional, irá con el fondo del ejemplo. Entonces vas a ir diciendo eso, ¿hay una influencia positiva o no? Entonces normalmente, decimos que no hay correlación y hay correlación. Pero aquí diremos que no hay correlación, y la hipótesis alternativa dirá que hay una influencia positiva en la ensalada. Entonces ahora pasemos a la siguiente parte. Ese es el análisis de correlación de Pearson. Con el análisis de correlación de Pearson, se obtiene una declaración sobre la correlación lineal entre las variables de escala métrica Para el cálculo se utiliza la covarianza respectiva. La covarianza da un valor positivo si existe una correlación positiva entre las variables y un valor negativo si existe una correlación negativa entre las variables La covarianza se calcula como COV o covarianza de X se calcula usando la fórmula dada en la No te preocupes. No tenemos que calcularlo manualmente. Entonces tenemos sistemas y herramientas que pueden hacer ese análisis por nosotros. Sin embargo, la covarianza no está estandarizada y puede asumir valores entre más y menos infinito Esto hace difícil comparar la fuerza de la relación entre las variables. Por esta razón, el coeficiente de correlación es también una correlación de movimiento del producto. Y esto se calcula de una manera diferente. El coeente de correlación se obtiene normalizando Para esta normalización, la varianza de las dos variables se calcula según lo dado por. El coeent de correlación de Pearson ahora puede tomar valores de menos uno a más uno y se puede interpretar El valor de menos uno significa que hay una relación lineal completamente positiva, y cuanto más menos uno indica que existe una relación completamente negativa. Cuanto más y menos. Con el valor de cero, no hay relación lineal. La variable no se correlaciona con cada una. Correlación de más uno se verá algo así, lo cual sólo es posible en teoría. Correlación de 0.7 plus se verá algo así, donde va en un lado positivo, y la mayoría de los puntos están más cerca del eje a la luz de regresión. dispersará una correlación de más tres, pero va en una dirección positiva. Cuando haces una correlación tienes una correlación de -0.7, todas están dispersas moviéndose hacia abajo Entonces, a medida que aumenta el valor de x, el valor de y se reduce, y la mayoría de los puntos se encuentran dispersos alrededor de la regresión ide. Obtenemos el valor de correlación de cero de múltiples maneras, o los puntos están completamente dispersos, o podrías obtener algunas líneas perfectas como esta o así, que de nuevo, no lo sería, lo que significa que necesitas tomar algún otro análisis para interpretar las variables Ahora, finalmente, se puede interpretar la fuerza de la relación y esto se puede ilustrar con el siguiente cuento. La fuerza de la correlación. Si es 0-0 0.1, no hay correlación Si es de 0.1 a 0.3, hay una pequeña correlación 0.3 a 0.5 correlación media, 0.52 0.7, muy alta perdón, alta correlación, y 0.7 a uno es una correlación muy alta Para verificar de antemano si existe una relación lineal, se deben considerar las gráficas de dispersión. De esta manera, también se puede verificar visualmente la relación respectiva entre las variables. La correlación de Pearson solo es útil y útil si las relaciones demor La correlación de Pearson tiene ciertos ems, que debes tener en cuenta Para PSM, siempre que estés usando esto, las variables deben estar distribuidas normalmente, y debe haber una relación lineal entre las variables La distribución normal se puede probar ya sea analítica o gráficamente usando la gráfica QQ, cual te enseñaré a hacer Si las variables tienen una correlación lineal, se verifica mejor con el diagrama de dispersión. Si no se cumplen las condiciones, entonces se puede utilizar la correlación de Spearman Entonces espero que tengas claro hasta aquí, y sigamos con nuestro aprendizaje. Vamos a continuar. Qué hacemos cuando mis datos no son normales y quiero establecer un análisis de correlación. En este caso, utilizamos la correlación de rangos de Spearman. análisis de correlación de rangos de Spearman se utiliza para calcular la relación entre dos variables que tienen un nivel de medida ordinal. Cuando se tienen datos variables, o puedo decir datos continuos, estamos usando análisis de correlación normal como el análisis de corrección de Pearson Pero si mis datos son ordinales o no paramétricos, entonces puedo seguir adelante con el análisis de correlación de Spearman Por lo tanto, este procedimiento se utiliza cuando el requisito previo del análisis de correlación, es decir, no se cumple el requisito previo del análisis de correlación, es decir, los procedimientos paramétricos o cuando no hay datos métricos o variables continuas, y los datos no son cumple el requisito previo del análisis de correlación, es decir, los procedimientos paramétricos o cuando no hay datos métricos o variables continuas, normales En este contexto, ofrecemos referirlo como correlación de Spearman o fila de Spearman Se entiende la correlación de rangos de Spearman. Entonces, la pregunta puede tratarse como rango de Spearman es similar a la del coeficiente de correlación de Percy? Ejemplos. ¿Existe correlación entre dos variables o características? Por ejemplo, ¿ existe una correlación entre la edad y la religiosidad en la población francesa? El cálculo de la correlación de rangos se basa en el sistema de clasificación de las series de datos. Esto significa que las variables de medida de rango no se utilizan en el cálculo, sino que se transforman en rangos. Luego se realiza la prueba utilizando los rangos. Para el coeficiente de correlación de rango, p, el valor entre menos uno y uno son positivos. Si hay un valor menor que cero, p es menor que cero, hay una relación lineal negativa. Si el valor es mayor que cero, entonces hay una relación lineal positiva. Si el valor es cero o cercano a cero como 0.1 a -0.1, podemos decir que no hay relación entre las variables Al igual que con el coefent de correlación de spareans, la fuerza de la correlación se puede clasificar de la se puede Entonces si es 0-0 0.1, no hay correlación Si es 0.12 0.3, hay una pequeña correlación Si hay 0.3 a 0.5, hay una rretación media Hay 0.5 0.7 correlación alta y 0.7 a uno, correlación muy alta. Si hay valores negativos, diremos correlación negativa menor, correlación negativa alta, y así sucesivamente y así sucesivamente. Existe otro tipo de correlación llamada este punto bi correlación serial. La correlación puntual bi serial se utiliza cuando una de las variables es dicotómica Ejemplo, ¿ estudiaste o no estudiaste? El otro es una variable métrica como salario. En este caso, utilizamos una correlación punto por serie. La correlación de un punto por correlación serial es la misma que la correlación calculada de Pearson Para calcularlo, una de las dos expresiones del valor dicotómico se codifica como cero El otro está codificado como uno. Análisis de correlación calculado, te mostraremos usando Excel o las otras herramientas que están disponibles de forma gratuita. Te mostraré el cálculo después de algún tiempo, pero estudiemos primero el caso. Un alumno quiere saber si existe correlación entre la estatura y el peso de los participantes en el curso estadístico Para ello, el alumno dibujó una muestra, la cual se distribuye a continuación. Entonces tengo las alturas de la gente, tengo los pesos de la gente. Para analizar la relación lineal mediante análisis de correlación, se puede calcular la correlación utilizando Excel u otras herramientas disponibles en línea. Primero copie la tabla en la calculadora estadística. Después haga clic en correlación y selecciónela. Y por último, podrás obtener los siguientes insertos. Entonces hagámoslo en línea. Entonces he llegado a data tab.net. Se trata de una calculadora estadística en línea. Los datos de aquí tienen 100% de seguridad de datos porque los cálculos se realizan en su navegador, y los datos se insertan y almacenan en las cookies de su navegador. Los datos son del 100%, y esa es la razón por la que el cálculo funciona muy rápido. Los datos por lo tanto no necesitan un servidor grande, y por lo tanto usted. Entonces tengo el peso corporal, tengo el peso, y tengo la edad. Entonces quiero entender. Entonces si bajo, tengo cortación. Quiero entender si existe una relación entre la altura de la vía corporal y el peso corporal. ¿Qué tipo de correlación quiero? Vamos primero con Pearsons. Hay una correlación. Hay una correlación positiva. Se establece el nivel de significancia. 5% Podemos probar por supuestos, y de inmediato está haciendo el análisis. Está haciendo la trama QQ por mí. Está dibujando el histograma, y está mostrando los resultados, ¿verdad? Entonces podemos decir que sí, más o menos los datos se distribuyen normalmente. Puedo copiar esto haciendo clic en Descargar PNG, y el archivo se copiará. Y vas a poder verlo de esa manera. Entonces ahora déjame cerrar esta tumba, así que ha probado para los supuestos. El resumen en versos, el resultado de la correlación de Pearson mostró que existe una correlación positiva muy alta entre el peso corporal, la estatura y el peso Los resultados mostraron que la relación entre peso corporal, talla y peso son estadísticamente significativas con un valor de r positivo. R es 0.86 y el valor de p es 0.01. 001. Entonces, cuando se mira la fuerza de la correlación, si el valor es mayor que 0.7 y uno, decimos que es una correlación muy alta y es una decoración positiva. Cuando voy a hacer pruebas de hipótesis, no hay correlación o una correlación negativa entre la altura corporal y el peso. Existe una correlación positiva entre la estatura corporal y el peso. Cuantos casos tenemos diez casos. El valor r es 0.86, y el valor p es 0.001, que es menor que 0.5 Por lo tanto, rechazamos la hipótesis diciendo que no hay correlación, y se aplica la hipótesis alternativa de que existe una correlación positiva entre la altura corporal y el peso. La ventaja de estar en borrador de datos es que tienes interpretación de IA. esta tabla se resumen los resultados del análisis de altura corporal y peso, mostrando el coeficiente de correlación r y el P va El valor del coeficiente de correlación indica la fuerza y la dirección de la relación entre la variable de altura y peso, y el valor del coeficiente es de 0.86, lo que sugiere que existe una correlación positiva muy alta Esto significa que generalmente, medida que aumenta la altura del cuerpo, el peso también tiende a aumentar y viceversa. El valor P. El valor p aquí asume que los datos disponibles proporcionan evidencia suficiente para rechazar la hipótesis nula. En este caso, la hipótesis unilateral probada, y la hipótesis nula estadísticas de que no hay correlación o correlación negativa entre la altura y el peso en la población. En la mayoría de los casos, el valor de p es menor a 0.05, consideramos que existe una significancia estadística. En nuestro caso, el valor de p es 0.001, que obviamente es menor que 0.5. Se rechaza la hipótesis nula, y el resultado de la correlación de Pearson muestra que existe una significancia estadística de correlación positiva entre la altura corporal y el peso Entonces el resultado de la correlación de Pearson muestra que existe una correlación muy positiva entre la altura y el peso, y esto se almacena por correlación positiva estadísticamente significativa del valor r como 0.86 y el valor P es 0.05 Ahora, hay un diagrama de dispersión que se está haciendo automáticamente. Puedo dar click aquí y obtener mi línea de regresión. Puedo cambiar mi eje si quiero no arrancar desde cero, ¿quiero una línea cero? Entonces se incluye el cero, pero no lo quiero. Puedo cambiarlo. ¿Cómo quiero mi imagen, el PDM extra grande y así Puedo dar click en Descargar TNG para descargar esta imagen. Ahora, como les dije, también podemos hacer el cálculo de la covarianza. Entonces, cuando estoy mirando la altura corporal y el peso corporal, la covarianza es de 1.29, ¿verdad Entonces significa que hay una relación. Entonces así es como estás haciendo el cálculo. Ahora bien, para calculadora punto por serie, podríamos tener un tipo diferente de datos donde queremos analizar, ¿el cambio de salario tiene algo que ver con el género Entonces en este caso, estaría seleccionando el valor métrico como salario y la variable nominal como género, y luego estaré haciendo mi cálculo. Establecería al macho como cero y al femenino como uno. Parcela de caja, que dice que sí, los varones tienden a tener un salario mayor en comparación con el femenino. Entonces, cuando un estudiante quiere saber si existe una correlación entre s intensificados, hemos hecho ese análisis La hipótesis, si se puede ir por una hipótesis normal, no hay correlación entre la altura corporal y el peso. Existe una asociación entre estatura y peso, pero había tomado una hipótesis direccional en mi prueba. El valor P es este, y vimos cómo podemos generar la salida. Primero, obtendrás la hipótesis nula y alternativa. La hipótesis nula establece que no hay correlación entre la altura y el peso, y luego tenemos la hipótesis alternativa que detiene lo contrario Si haces clic en aves submarinas, obtendrás la interpretación, que acabamos de ver Podemos seguir adelante y en realidad probamos la hipótesis de correlación direccional o unilateral. Y en Excel y hay otras herramientas que pueden ayudarte a calcular. Entonces acabamos de hacer la prueba, diciendo que no hay correlación o correlación negativa entre el gen corporal, y hay una correlación positiva entre el aumento corporal. Y cuando vimos, lo conseguimos, sí, hay una correlación positiva positiva, muy fuerte, y de ahí que el valor de p fue menor que 0.01. En este caso, primero debe verificar si la correlación está en todas las direcciones de la hipótesis alternativa, es decir, la altura y el peso están correlacionados positivamente, y en este caso, el valor p se divide por dos. De ahí que solo se considere la distribución unilateral. No obstante, esta herramienta cuida estos dos pasos y el resumen en verso se da como vimos. Se afirma que existe una correlación positiva entre la altura y el peso del conjunto de datos en la muestra. De ahí que podamos decir que hay una significación correlacionada positivamente, y podemos ver que existe una correlación muy positiva entre las variables de altura y pt. Así, existe una correlación positiva muy alta entre la altura muestral y pt. Con eso, cerraremos nuestro análisis de correlación y veré en la siguiente clase. 37. Concepto de análisis de correlación de Pearsons: L et's continúan nuestro viaje de correlación. Hoy voy a cubrir sobre la correlación de Pearson. análisis de correlación de Pearson es un examen de la relación entre dos variables Por ejemplo, es una correlación entre la edad de una persona y el salario. Ambas son variables continuas, y de ahí que el diagrama se dispersará. Entonces, a medida que aumenta la edad de la persona, ¿aumenta el salario? Ahora, debes recordar que y es una función de x, así tu eje y tendrá el resultado, y el eje x tendrá la variable independiente. Más específicamente, podemos usar el coeficiente de correlación de Pearson para medir la relación lineal entre dos variables Si la relación no es lineal, entonces esta ecuación de correlación no será de ningún infierno. Creo que habrías observado que he cambiado mi AR para esta grabación. Si te gustó, solo pon un pulgar hacia arriba en la sección de comentarios L et's continúan, la fuerza y la dirección de correlación. Con el análisis de correlación, podemos determinar qué tan fuerte es la relación y en qué dirección va la correlación. Podemos leer la fuerza y la dirección de correlación en la letra r del coeficiente de correlación de Pearson, cuyo valor varía de menos uno a más uno La fuerza de la correlación, la fuerza de la correlación, se puede leer sobre la mesa. El valor r se encuentra entre cero menos uno indica que no hay correlación. Si la cantidad del valor de r se encuentra entre 0.7 a uno, es una correlación muy altamente correlacionada, muy fuerte. Ahora bien, si los valores son positivos, se correlaciona positivamente, y si los valores son negativos, se correlaciona negativamente. Entonces digamos que el valor r sale como -0.66. Entonces podemos decir que está altamente correlacionado negativamente. Entonces esto lo he retomado del libro de estadísticas. Vamos a contenerlo. ¿Qué quiere decir con la dirección de correlación? Una correlación positiva es una correlación existe cuando valores grandes de una variable se asocian con valores grandes de otra variable o cuando un pequeño cambio en una variable se asocia con un pequeño cambio en la otra variable. Entonces, si es una correlación positiva, si hay un valor mayor en el eje x, corresponde a un valor mayor en el eje y. Y un valor menor en el eje x se correlaciona con un valor menor en el eje y, como se puede ver en estas dos imágenes Una correlación positiva da como resultado ejemplos de altura y talla de calzado. Esto da como resultado una correlación positiva. Entonces a medida que aumenta la altura de la persona, el tamaño del zapato también va aumentando. El resultado es un coefent de correlación positiva, y r es mayor que cero Ahora bien, ¿viste que hay un error en esta gráfica? El error es que el tamaño del zapato es el resultado, y la altura es la variable independiente, pero lo hemos mapeado sin sentido erróneo para evitarlo Entonces déjame poner mis comentarios por aquí. ¿Qué hay de malo en el gráfico de pow? La pregunta es, ¿el show talla aumenta efecto o da como resultado aumento de la altura de la persona o hace el aumento de altura de la persona, sirve aumento en la talla del zapato Por favor escriba en la sección diez a continuación. Sí. Recuerda, y es una función de x. Y aquí, y es la altura de la persona y x es mi error. X es la altura de la persona e y es el tamaño así. Espero que ahora quede claro lo que estamos tratando de decir. Entonces y es una función de x. Déjame hacer la letra una pequeña y porque ese es el proyecto y. X es la altura de la persona. Entonces aquí, el error es que lo hemos demostrado de manera equivocada. La correlación negativa es cuando un valor grande en una variable se asocia con un valor pequeño en la otra variable y viceversa. Entonces, si el eje y es grande, el valor del eje x es pequeño. Y si el valor del eje x es grande, el valor del eje y es pequeño. Esto es lo que se llama correlación negativa. Los puntos están fluyendo. A diferencia de la anterior donde los puntos fluían hacia arriba. Ahora, la correlación negativa se encuentra entre el tamaño del producto y el valor de ventas. Esto da como resultado un catión de correlación negativa. Qué sucede cuando el precio aumenta, el volumen de ventas disminuye. Y si se reduce el precio, gente tiende a comprar más volumen. Resultando en más ventas. Déjame escribirlo hacer aumentos. Muy bien. Entonces el resultado es una correlación negativa, el valor coefion de r es menor que cero Cuanto más fuerte es la correlación, el valor se acerca a menos uno. Y aquí la gráfica es correcta. A medida que aumenta el precio, los volúmenes van disminuyendo. Ahora bien, ¿cómo calculamos la correlación cient de Pearson? Eso es algo muy importante, ¿verdad? El coeficiente de correlación de Pearson se calcula utilizando la siguiente ecuación Aquí, r es el coiente de correlación de Pearson. X i es el valor individual de una variable. Ejemplo, podría ser la edad de la persona. X bar es la edad promedio del conjunto de datos de muestra. Y uno es el valor individual de la otra variable o la variable de resultado, y la barra Y no es más que el salario promedio del conjunto de datos de muestra. Entonces aquí, x bar e y bar son el valor medio de dos variables respectivamente. Este es entero dividido por debajo de la raíz de x uno menos x barra cuadrada, y uno menos y barra cuadrada entera. Entonces cuando lo esté cuadrando y haciendo un under root, se encargará de Entonces x uno son los valores individuales, e y uno son los valores individuales de la variable de resultado. R es la correlación de Pearson y el valor medio. En esta ecuación, podemos ver que los respectivos valores medios de la primera restan de la otra variable En nuestro ejemplo, calculamos que el principal valor de edad y salario. Luego restamos el valor principal de cada edad y salario contra la media Luego multiplicamos ambos valores. Luego resumimos los resultados individuales de la multiplicación. La expiración del denominador asegura que el coeficiente de correlación siempre oscila entre menos uno y más uno. Recuerda, no tienes que calcular manualmente ninguna de ellas. Actualmente, tenemos estas características disponibles en Excel y múltiples sitios web en línea. Si quieres múltiples dos valores positivos, obtenemos un valor positivo. Y si multiplicamos dos valores negativos, también obtenemos un valor positivo menos en menos e más. Entonces, todos los valores que se encuentran en ese rango son una influencia positiva en el coeión de correlación A medida que aumenta la edad, el salario va en aumento, medida que la edad va disminuyendo, los salarios disminuyen. Si multiplicamos el valor positivo por un valor negativo, obtenemos un valor negativo que es menos a más es menos. Todo el tiempo, existe un rango de influencia negativa en el coeión de correlación Entonces las cosas que se resaltan en el cuadro morado, si los datos están cayendo por ahí, entonces resultará en una correlación negativa. Por lo tanto, si nuestro valor es predominantemente dos áreas verdes de las dos cifras anteriores. Obtenemos una correlación positiva coeent, y por lo tanto, correlación positiva Si nuestros puntajes están predominantemente en el área roja de las cifras, obtenemos correlación negativa coeente y por lo tanto tiene correlación negativa Si los puntos se distribuyen en las cuatro áreas, términos positivos y términos negativos, se cancelan entre sí, y podríamos terminar con correlación muy pequeña o nula en absoluto. Entonces esta es una parte muy importante, que hay que entender. ¿Verdad? Si los puntos se distribuyen en general, entonces no damos como resultado ninguna correlación. Ahora bien, ¿cómo son significativas las pruebas de correlación y coeficiente? En general, el coeficiente de correlación se calcula utilizando un dato de una muestra En la mayoría de los casos, sin embargo, queremos probar la hipótesis sobre la población. Debido a que no podemos estudiar la población, tomamos un muestreo, y tomamos una muestra y al estudiar la muestra, queremos sacar inferencia sobre la población En este caso, el análisis de correlación, entonces queremos saber si existe una correlación en la población. Para ello, probamos si la correlación coeficiente en la muestra es estadísticamente significativa y diferente de cero Ahora bien, ¿cómo hacemos las pruebas de hipótesis? ¿Por la correlación de Pearson? La hipótesis nula y la hipótesis alternativa para las correlaciones de Pearson son La hipótesis Nulo dice que no hay correlación y por lo tanto el valor de R no es significativamente diferente de cero. No hay relación. La hipótesis alternativa dice que hay una diferencia significativa, o hay una correlación lineal a partir de los datos. Atención. Siempre probamos si la hipótesis nula es rechazada o no rechazada. Esto es muy, muy importante. Nunca aceptamos o nunca trabajamos en lo como yo. El caso es que siempre trabajamos para probar o rechazar la hipótesis nula. Nunca intentamos probar la alternativa, aunque nuestra investigación inicia porque hay una alternativa. En nuestro ejemplo, cuando el salario y la edad de la persona, podríamos así decir la pregunta. ¿Existe correlación entre la edad y el salario para la población alemana? Para averiguarlo, dibujamos una muestra y probamos si el coeficiente de correlación es significativamente diferente de cero en esta muestra. La hipótesis nula es entonces que no hay correlación entre salario y edad en la población alemana. La hipótesis alternativa es que existe una correlación entre el salario y la edad en la población alemana. La significancia y la prueba. Cuando la prueba de correlación de Pearson es significativamente diferente encuesta de muestra basada en cero, la probamos usando la fórmula de la prueba t Aquí, r es el coefiente de correlación, y n es el tamaño de la muestra De nuevo, yo diría que es bueno conocer la fórmula pero no perderse en ella. ¿Verdad? Un valor P se puede calcular a partir de las estadísticas de prueba t, y el valor p es menor que el nivel de significancia especificado, que suele ser del 5%, luego la hipótesis nula rechazada, de lo contrario no. Entonces queremos asegurarnos que el valor p es si es mayor que 0.05, fallamos en rechazar la hipótesis nula. Si el valor de p es mayor que 0.05, entonces fallamos en rechazar la hipótesis nula. Ahora bien, ¿cuáles son algunas suposiciones que hay en la correlación de Pearson ¿Qué pasa con los supuestos de la correlación de Pearson? Aquí tenemos que distinguir si queremos calcular el coiente de correlación de Pearson, o queremos probar una hipótesis Para calcular el coeión de correlación de Pearson, solo están presentes dos variables métricas Las variables métricas, por ejemplo, pueden ser el peso de la persona, salario, los consumos eléctricos, etcétera. En definitiva, variable continua. El coiente de correlación de Pearson nos dice entonces cuán grande es la relación lineal, y ¿hay una relación no No podemos leer del coión de correlación de Pearson. Entonces esta es una correlación lineal, y si tus datos se llevan a cabo o se muestran así, entonces tendemos a seguir adelante. Entonces, en este caso, no hay correlación. Sin embargo, si queremos probar si el coeficiente de correlación de Pearson es significativamente diferente de cero en la muestra, queremos probar la hipótesis de que las dos variables se distribuyen normalmente también Porque no se puede probar la correlación de Pearson para datos no normales En esto si los estadísticos de prueba calculados t y el valor p no pueden interpretarse de manera confiable. Si no se hace la suposición, se utilizará la correlación de rango de Pearson Significa que para datos no normales, voy a usar la correlación de rangos de Pearson ¿Cómo calculo la correlación de Pearson en línea usando Excel y otras herramientas En breve se lo estaré mostrando. 38. Correlación biserial de puntos: Aprendamos ahora sobre la correlación serial bi punto. Voy a estar cubriendo la teoría y el ejemplo y cómo prácticamente podemos hacer esto con una calculadora en línea. Mantente conectado. ¿Qué es exactamente la correlación punto bi serie? ¿Lo has escuchado antes o tu cara se ha vuelto algo así? En su mayoría oímos hablar regresión lineal, regresión logística. Cuando aprendemos sobre correlación, pensamos en correlación simple, correlación positiva, correlación negativa. Y siempre que estamos haciendo correlación, sólo estamos pensando en variables, variables continuas tanto en el eje x como en el eje y. Entonces entendamos qué es la correlación punto por serie. Es un caso especial de correlación de Pearson, y examina la relación entre una variable dicotonma y una variable métrica Bien. La regla para la correlación es que ambas variables deben ser continuas o métricas. Pero usando correlación punto por serie, incluso puedo verificar si hay variables dicotímicas variables, que pueden ser sí Entendamos el ejemplo de la variable dicotonosa. Una variable dicotimia es una variable con dos valores, género, como masculino y femenino, y estado tabáquico como fumador, no fumador Las variables métricas, por otro lado, son el peso de la persona, el salario de la persona, el consumo de electricidad, etc. Entonces, si tenemos una variable dicotonma y una variable métrica, queremos saber si existe Podemos usar correlación punto por serie. Entonces entendamos la definición de la misma. correlación punto por serie La correlación punto por serie es un tipo especial de correlación, y examina la relación entre la dicotiosa y una variable métrica dicotonómicas son variables con dos valores, y las métricas son variables continuas con valores infinitos, como estatura peso, salario, consumo de energía, consumo de energía ¿Cómo se calcula exactamente la correlación punto por serie? Utiliza el concepto de correlación de Pearson, pero en la correlación de Pearson, también tenemos una variable que es de naturaleza nominal Entonces, por ejemplo, digamos que te interesa investigar la relación entre el número de horas estudiadas en una prueba y los resultados, es decir, la persona aprobada o reprobada. Entonces aquí puedo ver cuántas horas pasó la persona estudiando y ¿ resultó en un pase o un fracaso? Hemos recopilado datos para la muestra de 20 estudiantes. Han pasado 12 alumnos, ocho estudiantes han fallado. Hemos registrado el número de horas para cada uno de los alumnos que han cursado en la prueba, y asignamos una puntuación de uno al alumno que pasó la prueba y cero al alumno que reprobó la prueba. Ahora, podemos calcular la correlación de Pearson del tiempo y los resultados de la prueba o podemos usar la ecuación para la correlación punto por CDN Ahora podemos calcular la correlación de tiempo de Pearson y los resultados de las pruebas con la ecuación Ahora, aquí, x y es el valor medio de las personas que fallaron, y X uno es el valor medio de las personas que han pasado. N representa el número total de observaciones. N uno representa el número de personas que han pasado, n dos significa el número de personas que han fallado. Al igual que la correlación cofent de Pearson, r, correlación punto por serie es rp B también varía entre menos uno y más uno Con la ayuda de cefent, podemos determinar dos cosas Que tan fuerte es la relación. ¿Es una correlación positiva? ¿Es una correlación positiva débil, y en qué dirección va la correlación? ¿Es una correlación positiva o es una correlación negativa? La fuerza de la correlación se puede leer en la tabla. Si el valor está entre 0.0 y menos de 0.1, no hay correlación. Si el valor está entre 0.1 y menos de 0.3, hay baja correlación. El valor está entre 0.3 y 0.5, hay una correlación media 0.52 0.7 alta correlación 0.7 a uno, correlación muy alta Si el valor está entre cero y menos uno, lo llamamos como correlación negativa. Si el coefent está entre menos uno y menos de cero, es una correlación negativa, ahí que exista una relación negativa entre la variable Si el valor está entre cero y más uno, es una correlación positiva. Así, existe una relación positiva entre la variable, y si el resultado es cercano a cero, decimos que no hay correlación. El coeficiente de correlación generalmente se calcula con los datos tomados de la Sin embargo, muchas veces queremos probar hipótesis sobre la población. Queremos probar una hipótesis sobre la población porque no podemos estudiarla, estamos utilizando una tecnología de muestreo. Se calcula la correlación cefente de los datos de la muestra. Ahora podemos probar si el coefent de correlación es significativamente diferente de cero La hipótesis nula dice que la correlación coefent no difiere significativamente de No hay relación. La hipótesis alternativa dice que la cohesión de correlación difiere significativamente de cero. Hay una relación. Entonces, cuando calculamos el punto por correlación serial, obtenemos el mismo valor p que calculamos la prueba t para muestra independiente para los mismos datos. Entonces, ya sea que probemos la hipótesis de correlación con correlación punto por serie o una hipótesis de diferencia de la prueba t, obtenemos el mismo valor p. ¿Qué pasa con los supuestos que tenemos que considerar cada vez que hacemos una correlación punto por serie? Aquí, debemos distinguir si es solo querer calcular la correlación coeent, o también queremos probar la hipótesis Para calcular el coeente de correlación, solo una variable métrica y una variable dicotómica, debe estar presente . Sin embargo, si desea probar si el coefent de correlación es significativamente diferente de cero, también se debe distribuir normalmente una variable métrica Si no se da esto, los estadísticos de prueba calculados o el valor p no pueden interpretarse de manera confiable. Podemos usar calculadoras en línea como la pestaña Datos, que puede ayudarte a hacer el análisis y que voy a cubrir ahora Estamos en el grifo de datos. He poblado algunos datos en términos de número de los resultados de nuestras pruebas de estudio, y he convertido cero y uno como pasar y fallar como cero y uno. Puedo importar mis datos usando este botón y puedo borrar la tabla usando este. Tienes ajustes para decidir qué tipo de ajustes quieres usar para las visuales. Ahora bajemos. Estoy en correlación, y tengo opciones. Aquí, mi variable nominal son los resultados de las pruebas. Mi variable métrica es nuestra strded. Quiero calcular las sartenes y convolu de Pearson. Por ahora, solo lo guardaré como Pearsons. Mi variable nominal son los resultados de las pruebas, tan pronto como seleccioné la variable nominal como resultados de la prueba, fue capaz de identificar esto como una correlación serial de punto pi. La hipótesis dice que no existe correlación entre nuestros resultados estudiados y los resultados de las pruebas. La hipótesis alternativa dice que existe una asociación entre el número de horas estudiadas y los resultados de las pruebas. El punto de correlación serial falla está tomando el valor de cero, Ps está tomando el valor de uno. El valor de correlación punto por serie r es 0.31 grados de libertad r 18 t es 0.14 p valor es Tengo la trama de caja por aquí diciendo que mi argumento de caja para los alumnos anteriores es así 50% de los participantes están estudiando entre 8.5 a 19.25 horas que han resultado en un pase La gente que fracasó está estudiando 7-13 horas, ¿verdad? Incluso puedo descargar esto haciendo clic en el botón descargar PNG. Y verás que soy capaz de Ahora, ¿cómo funciona el cálculo para la correlación serial del punto b? Si calcula el punto por correlación serial, elija una variable métrica y una variable nominal con dos valores. Antes de ir ahí, permítanme hacer un resumen en palabras. Se realizó la correlación serial del punto b para determinar la relación entre nuestros estudios y los resultados de las pruebas. Existe una correlación positiva entre nuestro estudio y el resultado de la prueba, cual no fue significativa, estadísticamente significativa porque el valor de p es mayor a 0.05. Si tuviera más datos como este, donde estoy usando múltiples valores para determinar el cero masculino y femenino y uno, y luego se ha calculado. Entonces dice, ¿existe correlación entre el salario y el género? Y podemos ver muy claramente que sí, varones tienen un salario mayor significativamente en comparación con el femenino. Pero si ves el valor p, está muy cerca de 0.05, pero es 0.07 Entonces fallamos en rechazar la hipótesis nula, diciendo que tal vez sea por el error de ding de muestra. O 39. Regresión logística: Bienvenido a la siguiente lección sobre regresión logística. Entendamos el ejemplo teórico y cómo hacemos la interpretación. ¿Cuándo utilizamos la regulación logística? Tomemos como ejemplo. Donde sea que tengamos que comprobar si es una persona mayor que va a sufrir de cáncer, o es un hombre o una mujer que está padeciendo más de una enfermedad? ¿Es un fumador quien está causando la enfermedad? Cuando quiero comprobar si hay múltiples variables, que pueden infectar y decirme si la enfermedad es posible, ¿cuál es la probabilidad de tener alguna enfermedad? Así que vamos a bucear más profundo. ¿Qué es exactamente la regresión? Un análisis de regresión es un método para modelar la relación entre variables. Permite inferir o predecir una variable, ya sea que el cliente esté contento o triste, en base a una o más de otras variables Entonces estoy tratando de verificar si esto es posible, base en la calificación de la persona, el tiempo que lleva o la edad. ¿Cuál es el factor que lo está afectando? La variable que queremos inferir o predecir se llama como variable dependiente o el criterio, y las variables que utilizamos para la predicción se denominan como variables independientes o predictores ¿Cuál es la diferencia entre regresión lineal y la regulación logística? En una regulación lineal, la variable dependiente es una variable métrica. Ejemplo, el salario, la electricidad, el consumo, etcétera. Significa que es una variable continua. En una regresión logística, la variable dependiente es una variable dicotonma. ¿Qué es una variable dicotónima ? Significa que la variable tiene sólo dos valores. Por ejemplo, si una persona va a comprar o no comprar un producto en particular, o si una enfermedad está presente o no. ¿Cómo se puede utilizar la regulación logística? Con la ayuda de la regulación logística, podemos determinar qué influye en si una determinada enfermedad está presente o no. ¿Podríamos estudiar la influencia de la edad, género y el estado tabáquico en esa enfermedad en particular? En este caso, cero significa no enfermo y uno significa enfermo La probabilidad de ocurrencia de una enfermedad o una característica es uno los medios que se estima que las características están presentes. Nuestro sitio de datos se reunió se ve algo así donde mis variables independientes podrían ser un estado de tabaquismo de género, y mi variable dependiente podría ser una variable compuesta por ceros y unos. Ahora podríamos investigar qué influencia tiene la variable independiente y que la enfermedad tiene el efecto sobre la enfermedad. Si hay alguna influencia, podemos predecir la probabilidad de que una persona tenga cierta enfermedad. Ahora, por supuesto, surge la pregunta. ¿Por qué necesitamos regulación logística en este caso? ¿Por qué no funciona la recreación lineal? Entonces hagamos un resumen rápido de lo que sucedió en la regresión lineal Hagamos un resumen rápido de lo que es la regulación lineal. En la regresión lineal, esta es nuestra ecuación de regresión. Y es ir a b1x1 más b2x2 más b3x3, y así sucesivamente y así sucesivamente y así sucesivamente y así B y xn más c. tenemos la variable dependiente y, y tenemos variables independientes como x uno, x 2x3tx Y tenemos la regresión coeión, b uno, b2bt Bn Ahora, sin embargo, cuando se mira esta variable, la variable dependiente se hace con cero o uno. Y de ahí, su salida se verá algo así. Tienes muchos puntos en la línea cero y muchos puntos en una línea, pero no tienes ningún dato en el medio. No importa cuánto valor tengas, la variable independiente puede contribuir a que la variable sea 0-1 Los resultados son siempre cero o uno. En una ecuación de regresión, tenemos que simplemente poner una línea recta a través los puntos y vemos que hay mucho error. Ahora podemos ver que en caso de una regresión lineal, pueden ocurrir valores entre más y menos infinito. Y de ahí, esta fórmula no funciona. ¿Cuál es la solución? Sin embargo, el objetivo de la regresión logística es estimar la probabilidad de ocurrencia. Por lo tanto, el rango de valores de predicción debe ser 0-1. Y de ahí, queremos una línea que encaje en esta línea y no una diagonal como esta. Entonces necesitamos una función que sólo tome valores entre eso da como resultado un valor cero y uno. Ahí es exactamente donde hace la función logística. No importa dónde estés en el eje x, serás tu eje y resultará en cero o uno. Entre el menos y el infinito más, los únicos resultados son 0-1 Y eso es exactamente lo que queremos. La ecuación de la grabación logística se verá algo así La función logística se utiliza ahora en la recreación logística. Entonces, desglosemos vez más la fórmula de recreación lineal. Uno más y isqu a b1x1 más b2x2 más t b x, y así sucesivamente. Esta ecuación se insertará ahora en la función. Cuando haces eso, es e a la potencia de menos tu ecuación de recreación lineal más grande, 1/1 más e a la potencia de la ecuación menos. Así, la probabilidad de la variable dependiente es una dada por esta. ¿Qué aspecto tiene esto en nuestro ejemplo? ¿Cuál es la probabilidad de una determinada enfermedad? P es disa. ¿Cuál es la probabilidad de que la persona esté enferma es igual a 1/1 más e bar menos B uno en H, B dos en género, P tres en fumador más Es una función de a, género y estado tabáquico. Para Z, la ecuación de la ecuación lineal ahora se inserta simplemente. Y cuando haces eso, encontramos que la probabilidad de una variable dependiente es una dada ese ejemplo. En nuestro ejemplo, la probabilidad de contraer una determinada enfermedad basada en el parámetro de un género y estado tabáquico. ¿Qué aspecto tiene esto en nuestro ejemplo? E a la potencia de menos B uno, B dos, B tres, son todos los coeficientes de determinación para que el modelo se ajuste mejor a los datos dados. Para resolver este problema, lo llamamos como método de máxima luz. Para ello, existen buenos métodos numéricos para resolver el problema de manera eficiente. Pero, ¿cómo se interpretan los resultados de una regulación logística? Echemos un vistazo al número de fixitios. El género tabaquismo y enfermedad. 22 mujeres no fumadoras y están enfermas, 25 mujeres fumadoras están enfermas, 18 hombres fumadoras no están enfermas, 25 mujeres fumadoras están enfermas, 18 hombres fumadoras no están enfermas, así sucesivamente y así sucesivamente. Cuando ponemos esto en una calculadora estadística en línea y vamos a regresión, y luego seleccionamos ¿cuáles son mis variables dependientes y cuáles son mis variables independientes? Qué es una predicción más enferma o no enferma, y así sucesivamente Y cuando hagamos clic en él, realizará la ecuación de recreación por nosotros. Entonces queremos calcular la recreación logística, por lo que tendremos que dar click en la pestaña de recreación. Luego copiamos nuestros datos ahí y las variables se muestran aquí abajo. Dependiendo de cómo se utilicen sus variables dependientes, calculadoras estadísticas en línea como pestaña Datos calcularán ya sea la recreación logística o recreación lineal bajo la pestaña recreación Elegimos enfermo como variable dependiente A género tabaquismo como variable independiente Ahora, la calculadora hará la ecuación de regresión logística por nosotros. Ahora, recorre toda la mesa lentamente y entienda, y comencemos desde arriba. Si no sabes interpretar los resultados, hay un patrón que llama a un resumen en verso. Puedes copiarlo en palabra, puedes copiar los resultados en Excel, y también puedes copiar la tabla de clasificación. Entonces comencemos. Lo primero que se muestra en la tabla de resultados son los resultados, donde decimos que el número total de casos son 36 personas que han sido examinadas. 26 han sido estimados correctamente y eso es 72.22 porcentaje en tiempo porcentual Con la ayuda del cálculo, modelo de regresión, 26 de 36% han sido asignados correctamente. Eso es 72%. Ahora vamos a la tabla de clasificación a continuación. Tienes la opción de exportarlo a word y excel. Aquí puedes ver con qué frecuencia se observan las categorías no enfermas y enfermedades enfermas y enfermedades y con qué frecuencia se predicen Entonces los valores observados son 11, cinco, cinco, 15, y las categorías predichas son así. Entonces podemos decir que han hecho un medio de predicción correcto. En realidad, la persona no está enferma, y el modelo también ha predicho que no ha enfermado En realidad, la persona ha fallecido, y el modelo ha pronosticado enfermo Ambos son positivos. Verdadero positivo y verdadero negativo. Pero tenemos un concepto llamado falso negativo y falso positivo. En realidad, la persona no está enferma, sino que el modelo dice que está enferma Entonces este es un caso falso positivo, lo cual está bien porque definitivamente puedes ir por la segunda opinión y la persona es cuidadosa. La preocupación es por el falso negativo. En realidad, la persona está enferma, pero mi modelo no es capaz de predecirlo. De ahí que estos cinco pacientes falten al tratamiento si no acuden por el diagnóstico actual. En total no observación de enfermedades son 16 11 más 516. De estos 16, el modelo de recreación puntuó correctamente 11 como no enfermos y incorrectamente almacenó cinco como enfermedad De 20 individuos enfermos, 15 fueron puntuados correctamente como enfermedad, Pi se puntuaron incorrectamente como A destacar, para decidir si una persona está enferma o no, se utiliza un umbral de 50% Si la probabilidad es mayor al 50%, estamos marcando como enferma Como la probabilidad es inferior al 50%, marcamos como no desased Entonces, si el modelo de regresión estima mayores al 50%, la persona se le asigna desased, de lo contrario, no desaed Vamos a la prueba del chi cuadrado. Tenemos un video detallado sobre la plaza chi. El valor de chi cuadrado es 8.79 grados de libertad tres, y el valor p es 0.32 Si P baja nula ir. Entraremos en las pruebas de hipótesis. Aquí podemos leer si el modelo es en su conjunto es significativo o no. La respuesta es, sí. Ahora vamos a ver. Hay dos modelos a comparar. En un modelo se utilizan todas las variables independientes. En el otro modelo, utilizan pocas de las variables independientes. Con la ayuda de la prueba de chi cuadrado, comparamos qué tan buena es la predicción cuando se utilizan las variables dependientes y qué tan buena es cuando no se utilizan las variables dependientes. Y la prueba de chi al cuadrado nos dice si hay una diferencia significativa entre los dos resultados La hipótesis nula es que ambos los modelos son iguales. El valor de p es menor a 0.05. Esto quiere decir que la hipótesis nula es rechazada. Entonces, cuando se rechaza la hipótesis nula, asumimos que existe una diferencia significativa entre los modelos. Así, el modelo en su conjunto es significativo. A continuación viene el resumen del modelo. En esta tabla, verá una mano con menos dos valor de verosimilitud logarítmica, y por otro lado, tiene diferente coeficiente de determinación r valor cuadrado. El resumen del modelo se ve así. Se puede exportar fácilmente a word y cel. Menos dos verosimilitud logarítmica es 40.67, Cosell r valor cuadrado es Y también se muestran los otros valores. El cuadrado R se utiliza para averiguar qué tan bien explica el modelo de recreación la variable dependiente. En la recreación lineal, el cuadrado R indica la porción de la variación que puede ser explicada por las variables independientes. Cuanta más varianza se pueda explicar, mejor será el modelo de regulación. Se utiliza el cuadrado R para averiguar qué tan bien explica el modelo de regulación la variable dependiente. En una regulación lineal, el cuadrado R indica la porción de varianza que puede ser explicada por las variables independientes. Cuanta más varianza se pueda explicar y mejor será el modelo de regulación. Sin embargo, en el caso de la regulación logística, el significado es diferente. Existen diferentes formas de calcular r cuadrado. Desafortunadamente, aún no hay acuerdo sobre cuál es la mejor manera de hacerlo. El cuadrado R según celda de moneda es 0.22 Nagker ki es 0.29 y así sucesivamente Y ahora viene la mesa más importante, mesa con el modelo coeent El parámetro más importante del coiente es B, p value odds ratio Los coeent B valores están aquí, los valores p están aquí, y el odds ratio está Podemos ver que el valor de p de género es mayor a 0.05. Significa que el género no es un factor contribuyente para la enfermedad. En la primera columna, podemos leer los valores del coeficiente como 0.040 0.871 0.4 -2.73, y luego podemos insertar esos valores en lugar de B Cuando insertamos el cipión, obtenemos una ecuación como esta, 1/1 más borra 20.04 en H, 0.87 en género más 1.34 en fumador menos la constante de 2.73, y luego seguimos adelante y calculamos y luego seguimos adelante y Con esto, ahora podemos calcular la probabilidad de que una persona fallezca. Queremos saber cómo es la probabilidad de que una persona con la edad de 55 años, mujer y fumador Sustituimos el valor de la edad por 55, género como cero porque no es un varón y uno como fumador y luego calculamos el valor Cuando hacemos este cálculo, el valor de probabilidad es 0.69 Significa que existe un 69% de probabilidad de que una mujer fumadora de 55 años Con base en esta predicción, ahora se decidiría si investigar extensamente o no. El ejemplo es puramente imaginario. En realidad, podría haber ciertos muchos otros factores y diferentes variables independientes como el peso de la persona edad de la persona y muchas otras cosas más para determinar si la persona está enferma o no Pero ahora volvamos a la mesa. En la columna, podemos leer coeficiente de diferencia significativa desde cero. La hipótesis nula es coeficiente es cero en la población. La siguiente hipótesis nula es la prueba. El coeficiente es cero en la población. Como la variable es menor a 0.05, el coeficiente predicho es una influencia significativa. En nuestro ejemplo, vemos que ninguno de los coeficientes tiene un impacto significativo ya todos los valores de p son mayores a 0.05. Ahora vamos a entender el ratio de probabilidades. La relación de probabilidades es de 1.042 0.39 83.81. Por ejemplo, la razón de probabilidades es de 1.04, significa que para una unidad de incremento en la variable edad, el incremento de probabilidad de que una persona pueda enfermarse es de 1.04 Y podemos ver que para el fumador, el ratio de probabilidades es muy alto Con eso, llegamos al final de la recreación logística. Te veremos en la sesión práctica. Permanecer en. Gracias. 40. Práctica de regresión logística: Utilizaremos una calculadora en línea para hacer análisis de regresión, especialmente el análisis de regresión logística en este video. He subido un video separado sobre cómo puedes hacer este análisis usando Excel. Entonces, continuemos con la calculadora estadística en línea. Puedo importar mis datos haciendo clic en el botón de importación y soltando archivos Excels, archivo SV o ficha Datos Puedo hacer clic en Navegar y obtener mis datos dentro. ¿Verdad? Entonces ya he cargado mis datos, que se pueden ver en la pantalla. Tengo si una persona ha fallecido o no, edad, sexo estado de tabaquismo. Podemos ver que el tipo de datos ha sido identificado automáticamente por la calculadora estadística. Dice que la edad es una variable métrica, género es nominal y el estado tabáquico también es normal. La enfermedad es nominal. Ahora, lo que hago es dar clic en regresión, desplazarme hacia abajo. Entonces tengo una buena cantidad de casos. Déjame desplazarme hacia abajo. Cuando hago clic en regresión, puedo hacer regresión lineal simple, regresión multilineal y regulación logística. ¿Cuáles son mis variables dependientes? La edad es mi variable dependiente. El género es una variable dependiente. El estado tabáquico es una variable dependiente. ¿Qué quiero predecir? Quiero predecir si la persona está enferma o no. ¿Estoy seleccionando lo correcto? No. Quiero verificar, ¿cuál es la variable dependiente? ¿Cuál es mi y? Mi y es si la persona ha fallecido o no. Y mis variables independientes son el género y el estado tabáquico. Entonces, para referencia de género, estoy tomando al varón como uno solo. Para referencia del estado tabáquico, estoy tomando a los fumadores como uno solo, y se predice el modelo si la persona está enferma o no Ahora puedo dar click en resumen en palabras, y hace un análisis adecuado y me lo muestra. ¿Verdad? Se muestra claramente que ha realizado un análisis de regresión logística se ha realizado un análisis de regresión logística para examinar como variables la influencia de la edad, género, condición femenina y fumadora como no fumadores, se predice enfermedad para el valor dease, un modelo de análisis logístico ha demostrado que el chi cuadrado para los tres es 8.79 p valor es 0.32, y el número El coeficiente de la variable p es 0.04, lo que es positivo Esto significa que cuando el aumento de la edad se asocia con aumento de la probabilidad de la enfermedad variable dependiente. Sin embargo, el valor de p es 0.092, lo que indica que la influencia no es estadísticamente significativa El odds ratio es de 1.04, lo que indica que para un incremento unitario de la variable ocho, el incremento de las probabilidades de que la variable dependiente esté fallecida aumenta en 1.04 El coeficiente de variable género femenino, valor B es 0.87 negativo Debido a que esta variable es negativa, significa que el valor de la variable género femenino, la probabilidad de que la variable dependiente disminuye la probabilidad de que la variable dependiente se convierta en enfermedad. Sin embargo, el valor p de 2.0 0.28 indica que la influencia no es estadísticamente significativa La razón de probabilidades es de 0.42, lo que significa que la variable género femenino, la probabilidad de la enfermedad variable dependiente aumenta 0.42 veces El coeficente de la variable estado fumador, valor p es -1.32, lo que es negativo, lo que significa que si el valor de la variable del estado tabáquico es no fumador, disminuye la probabilidad de que la la Sin embargo, el valor de p es 0.089, lo que indica que la influencia no es estadísticamente significativa La razón de probabilidades es 0.26 significa que la variable es un estado de fumador, probabilidad de no fumador de que la variable dependiente fallecida aumente Ahora, permítanme recoger la referencia como no fumador y la categoría como esta y ninguna enfermedad Ahora, vamos al resumen. Encontramos que hay un ligero cambio en el análisis. Todos ellos ahora se han vuelto negativos. ¿Verdad? El ratio de probabilidades ha cambiado, diciendo que por una unidad de aumento de edad, 0.96 indica que la persona no va a estar fallecida porque ahora estamos apuntando a no fallecidos, ¿verdad? Por lo que debes tener cuidado con lo que estás tomando como referencia. ¿Qué crees en tu hipótesis, son los hombres más propensos a enfermarse Entonces, cuando tomas el género como masculino, el valor b es -0.87 Ahora aquí mi objetivo no está enfermo. Entonces parece que la probabilidad de que la persona del sexo masculino no esté enferma disminuye en 0.97 Pero si estoy viendo enfermo, se dará cuenta de que esto es ahora un valor positivo Fumador también es un valor positivo. Entonces debemos saber cuál es la variable objetivo que queremos estudiar. Ahora bajemos. Veamos los resultados, e incluso tengo una interpretación de IA para ayudarme. La tabla resume el desempeño general modelo de regresión logística binaria Aquí la interpretación es, número total de casos son 36, que es el número total de observaciones La tabla resume el desempeño general del modelo logístico binario Aquí, la interpretación es el número total de casos de 36. Se trata de un número total de observaciones o instancias en las que el modelo ha probado. En este contexto, el número de individuos son ítems en los que el modelo intentó predecir el resultado, ya sea que la persona sea escritura o no escritura La asignación correcta es de 26 de 36 casos, el modelo predijo el resultado de 26 de ellos. Esta correcta predicción incluyó tanto verdaderos positivos que identifican correctamente la persona que está enferma como verdaderos negativos identificando correctamente los casos sin En porcentaje 72.22%. Esta es la precisión del modelo que indica que el número de asignaciones es de 26 dividido entre el número total de casos 36. Lo multiplico con diez para obtener el porcentaje. Nos dice cómo el modelo hace la predicción correcta. Ahora, entendamos la tabla de clasificación. Es donde estamos tratando de clasificar. Puedo tomar ayuda de la interpretación de la IA para entenderlo. La tabla resume la medida de bondad de ajuste a partir del análisis de regresión logística Aquí, los verdaderos negativos verdaderos positivos son 11 casos en los que hemos predicho correctamente que no están enfermos falsos positivos son cinco casos en los que hemos cometido un error tipo uno. falsos negativos son cinco casos en los que predijimos incorrectamente que no están enfermos como error tipo dos Los verdaderos psíticos se predicen correctamente como enfermos. Corrección de la predicción. La predicción correcta para no enfermos es de 68.75%. El total de casos no enfermos se identificaron correctamente. Predicciones correctas de enfermedad, sensibilidad o llamamos, 75% de los casos reales de enfermedad fueron identificados correctamente. La precisión total es de 72.22% toda la protección ya sea enfermedad o no enferma, identificamos correctamente Ahora, entendamos la prueba del chi cuadrado. La belleza de esta calculadora estadística es que te da una interpretación de IA. No tengo que ir a ChANGeP a ello. En la tabla se muestran los resultados de la prueba de chi cuadrado asociada al modelo de regresión logística binaria. La prueba se utiliza a menudo para evaluar la significancia general del modelo. Aquí, la interpretación de cada componente. Yo al cuadrado es la estadística donde la respuesta es 8.79 en nuestro Esto mide la diferencia entre la frecuencia observada y la esperada del resultado. Cuanto mayor sea el valor de chi cuadrado indica mayor discrepancia entre el valor esperado y el observado, lo que sugiere que los predictores de los modelos tienen una relación significativa Grados de libertad, aquí, tenemos tres grados de libertad que representan el número de predictores en la regresión logística simple valor P es la probabilidad de observar los estadísticos de la prueba de chi cuadrado tan extremadamente como uno observado bajo la hipótesis nula La hipótesis nula es que no existe relación entre frecuencia observada y la esperada del resultado predicho por el volumen, el valor de P es 0.032, lo que sugiere que hay 3.22% probabilidad de que la estadística chi cuadrada observada sea extrema Y la hipótesis nula donde era verdadera. El valor de p está 0.32 por debajo indicando que es menor que 0.05 umbral, lo que indica que hay un resultado de significancia estadística Ahora, hagamos un resumen del modelo. Entonces aquí dice que la probabilidad logarítmica menos dos es 40.67. Mide los modelos fitness. Cuanto menor valor mejor se ajuste el modelo a los datos. En nuestro caso, el valor es de 40.67, que es un modelo relativamente saturado, un modelo con un ajuste perfecto. Este número por sí solo no nos dice mucho. De ahí que necesitamos compararlo con otros números diferentes. El valor del cuadrado R de la célula Cocina es de 0.22. Se trata de una pseudo medida cuadrada R que indica la cantidad de variación en la variable predicha explicada por el modelo. Se extiende 0-1 El valor de 0.22 indica que la varianza del 22% es explicada por el modelo No obstante, vale la pena señalar que esta medida nunca llega a una ni siquiera para un modelo perfecto. Vamos a Nagar K R valor cuadrado. Es 0.29. Nuevamente, tratamos de ajustar el cuadrado r para llegar a uno. Pero recuerden, hay un 29% de la variación que se explica por este modelo. Significa que es necesario incluir más variables para entender mejor el modelo. Cuando estamos viendo esto, estamos obteniendo la diferencia de modelo. El componente es pregunta representa los diversos tamaños, error estándar, valor z, valor p, relación esperada y 95% de confianza. Hagamos la interpretación. El modelo predice El resultado básico como -2.73 donde el predictor es cero, el odds ratio es el odds Sugerir menores probabilidades de resultado cuando el predictor está en el valor de referencia Con cada incremento unitario de la edad, la probabilidad de que la persona fallezca aumenta en 0.04 Eso es un incremento del 4% en las probabilidades. Si el género es masculino, hay un incremento de 0.87%, y así Et hacen la predicción. Si la edad de la persona es de 45 años y la persona es masculina y la probabilidad de que la persona sea fumador, ¿cuál es la probabilidad de que la persona se enferme? Hay 0.81 ¿Es más de 0.45? ¿50%? Sí. Existe la probabilidad de que la persona esté enferma Pero si la persona es femenina, entonces la probabilidad disminuye. Además, si la persona es no fumadora, entonces hay una probabilidad muy menor que la persona esté enferma Ahora hemos pasado al siguiente ejemplo donde estamos tratando de comprobar si la persona va a comprar un producto o no. Y las variables son género, edad y el tiempo que pasaron en línea. Entonces voy a dar click en ecuación de recreación. Cuál es la variable dependiente, el género, la edad y el tiempo en línea y el comportamiento de compra es mi variable dependiente. Hay tres tipos de predicciones que están sucediendo, no dos como la última vez. Tenemos compra ahora, compra después y no compres nada. Categoría de referencia para género femenino, lo estoy tomando como femenino, y vamos al resumen. Por lo que el análisis de regresión logística que se realizó aquí es la influencia del género masculino, la edad y el tiempo pasado en línea en la variable de comportamiento de compra por el valor de por ahora. El análisis de regresión logística muestra que el modelo tiene, en su conjunto, fue significativo. El número de observaciones son 24. El coefent de que la variable género es masculino es 1.53, lo que Esto significa que aumenta el valor de la variable género ma, la probabilidad de que la persona va a comprar. El valor de p es 0.201, lo que indica que la influencia no es estadísticamente significativa La razón de probabilidades es de 4.63, decir, que el género es masculino, la probabilidad de que la variable dependiente aumente en 4.63 veces El cofiente de la variable ag es p igual a -0.11, lo cual Esto quiere decir que un incremento en la edad se asocia con una disminución en la probabilidad de que la variable dependiente sea por ahora. Sin embargo, el valor de p es 0.07 lo que indica que la influencia no es estadísticamente significativa La razón de probabilidades es de 0.9, lo que indica con cada unidad de aumento en la edad, la persona por ahora solo aumenta 0.9 veces. El coeent del tiempo variable empleado en la tienda online es b -0.02, lo que Significa que cuanto más tiempo se pasa en el online, hay menos probabilidad de que compren ahora. El valor de P es 0.56 lo que indica que no es estadísticamente significativo, y el tiempo pasado en línea aumenta las probabilidades en 0.98 24 casos 17 correctamente pronosticados en porcentaje 70. Hagamos el análisis. Así um número total de casos 24, asignación correcta 17 porcentajes 70. Ahora, vayamos a la tabla de clasificación. Podemos entender que ¿cuál es el error tipo uno y el error tipo dos? Verdaderos negativos 13 casos se predijeron correctamente que no van a comprar Los falsos positivos son tres casos, lo que se predijo incorrectamente ya que son pin ahora, pero en realidad, no compraron Y los casos falsos son que cuatro de ellos realmente compraron, pero nuestro modelo dijo que no compraron. Cuatro casos se predijeron correctamente como Pi ahora. La corrección de por ahora es 82%, la exactitud de por ahora es 50% la precisión total es 70% Si nos fijamos en la ecuación del chi cuadrado, estamos obteniendo el valor p de 0.42 Aquí, la probabilidad de una prueba de chi cuadrado es extremadamente importante como uno de los valores observados de la hipótesis nula. La hipótesis nula es que no existe relación entre la frecuencia observada y la esperada y la salida predicha del modelo. El valor de P de 0.42 se vuelve por debajo esta convención 0.5, estadísticamente significativo Si voy con el modelo alguien, podemos ver que los valores r al cuadrado son muy w Y tengo el valor p Así que ahora hagamos una predicción. tengo el valor p Así que ahora hagamos una predicción Si la persona es varón y tiene 45 años y el tiempo empleado es ¿Cuál es la probabilidad de que una persona compre? No hay mucha probabilidad. Pero si la persona tiene 20 años, entonces la podamos entender que la gente de nueva generación está dispuesta a comprar más que las personas mayores. Si tenemos una persona de 80 años, entonces la probabilidad es absolutamente igual a 0.01 Entonces espero que aprendan a hacer regresión logística en este video. Gracias. Oh. 41. Curva ROC: D. Entendamos la curva ROC Acabamos de terminar de aprender sobre regresión logística. Una de las formas de validar la precisión del modelo es utilizando la curva ROC Entendamos la teoría con ejemplos. Entonces ROC significa características de funcionamiento del receptor. Es una forma gráfica de representar el desempeño de un modelo de clasificación binaria, también llamado modelo de regresión logística, y también para otro umbral de clasificación. Entendamos con un ejemplo. Supongamos que estamos realizando una prueba de tamizaje a los pacientes para identificar si el paciente está sano o enfermo Para que se haga esta clasificación, el farmacéutico está realizando algunas pruebas en la sangre luego decidir quiénes de ellos estarán enfermos y quiénes están sanos Cuando obtuvieron la muestra de diez datos, han decidido que van a poner un umbral, y a cualquiera que esté por debajo de ese umbral se le llamará como saludable y a cualquiera que esté por encima del umbral se le llamará como enfermo Ahora bien, ¿cómo decidimos cuál debería ser el umbral? Con base en la cual se puede predecir que el futuro es que el paciente se encuentra en situación de enfermedad? Entonces digamos que tenemos una muestra de diez personas con sus niveles sanguíneos. Vemos que la mayoría de las personas enfermas tienen un nivel sanguíneo más alto Y la mayoría de las personas que están sanas tienen niveles sanguíneos más bajos. Entonces decidimos que pongamos un umbral en 45. Entonces cuando ponemos un umbral en 45, estamos diciendo que cualquiera que esté por debajo de 45, los vamos a clasificar como saludables Cualquiera que esté por encima de 45, los clasificaremos como enfermedad Ahora podemos ver que hay ciertos temas por aquí, y entendamos esos temas en detalle. Entonces en este caso, de seis personas que han sido clasificadas como enfermedades, dos de ellas, cuatro se clasifican correctamente como enfermedad, pero dos de ellas se clasifican incorrectamente como enfermedad, pero en realidad, están sanas. Por lo que hemos clasificado cuatro de seis como enfermedad, y esto se llama como dos tasa positiva. También se le llama como sensibilidad. Por otro lado, de los cuatro individuos sanos, clasificamos erróneamente a una persona como enferma Una persona enferma como sana, y hemos clasificado correctamente tres personas sanas como sanas. Ahora bien, cuando clasificamos mal a uno de cada cuatro como saludable, esto se llama tasa de falsos positivos, y se representa por FPR o es una especificidad menos El umbral de 45, obtenemos tasa positiva verdadera como 4/5, es decir 80% y tasa de falsos positivos como 2/5 como 40% Entonces, ¿qué es exactamente TPR o dos tasas positivas? La tasa de verdaderos positivos no es más que verdaderos positivos divididos por verdaderos positivos más falsos negativos Dos positivos son las personas que se clasifican correctamente como enfermedad Hemos clasificado correctamente a cuatro de ellos como enfermedades. Falsos negativos son las personas que se clasifican incorrectamente como saludables Entonces cometimos un error con una persona. Entonces Total es 4/1. Por lo que los verdaderos positivos no son más cuatro de ellos han sido correctamente clasificados como enfermos Pero el problema era que de los cuatro que estaban correctamente clasificados, una de las personas enfermas que extrañamos El motivo por el que necesitamos saber el TPR es que ¿qué porcentaje de personas irán sin ser atendidas La especificidad es muy importante para entender que hay 20% de la población que podría no ser tratada bien, o bien estamos clasificando correctamente 80% de la población que hemos probado Entendamos FPR, eso es falso positivamente. falsos positivos son las personas que son individuos sanos, clasificados erróneamente como enfermos, y dos negativos Los individuos se clasificaron correctamente como sanos. Por lo que dos de ellos han sido clasificados incorrectamente como DC. Entonces iniciamos el tratamiento para ellos, dividido por el número total que es de cinco que en realidad estaban sanos. Entonces el número total de personas sanas dividido por cuántas personas fueron falsos positivos. Entonces 40% de la gente ha sido 0.4 es la tasa de FPR. Entonces, ¿cómo calculamos TPR y FPR para cada umbral? ¿Debo poner el umbral como 38? Debo poner el umbral en 65, y así sucesivamente. Entonces en este caso, calculamos el TPR y el FPR para cada uno de los umbrales Si pongo esto como cero, entonces mi tasa de verdaderos positivos va en aumento, pero mi tasa de falsos positivos es casi cero. Entonces estos son precisamente los dos valores que se están trazando en la curva ROC La tasa de verdaderos positivos se grafica en el eje y y la tasa de falsos positivos se grafica en el eje x Queremos decidir que si vas a 0.240 0.2, nuestra tasa de falsos positivos está aquí, pero el verdadero positivo está aumentando, y de manera similar en 0.4 0.6 0.8 y uno Ahora, dibujemos la curva ROC completa para nuestro ejemplo. Si elegimos que el valor umbral sea muy pequeño, es decir, empujar todo el camino hacia la izquierda, clasificamos correctamente a los cinco individuos enfermos Pero también clasificamos erróneamente a los cinco individuos sanos De ahí que la tasa positiva verdadera sea de cinco de cinco, es decir, uno. De la misma manera, sin embargo, clasificamos erróneamente a cinco individuos sanos como enfermos Por lo que la tasa de falsos positivos es de cinco de cinco, eso vuelve a ser uno. Por esa razón, el primer punto de datos está en un punto uno. Entonces a medida que empujemos el umbral, seguiremos clasificando correctamente si estoy en 0.2 Todavía estoy clasificando correctamente los cinco individuos como enfermos, pero estoy clasificando a cuatro de los individuos sanos también Entonces ahora llego al siguiente punto de datos. Entonces, si tomo 0.8 como umbral, mi tasa de verdaderos positivos es de cinco de cinco, así que he clasificado correctamente todas las personas fallecidas como fallecidas. Pero de cinco individuos sanos, ahora hemos clasificado erróneamente solo cuatro de cinco Y de ahí, estoy en 0.8 en cuanto a la tasa de falsos positivos. Para el siguiente roshold, donde tenemos la tasa positiva de 0.1, estamos en 0.3, y vemos que hemos clasificado correctamente a las cinco personas como enfermas, pero mis individuos sanos Entonces ese será mi tercer punto de datos. Cinco personas enfermas están correctamente clasificadas. La tasa de falsos positivos es de tres de ellos se han clasificado erróneamente como enfermedad de cada cinco, es decir 0.6 En el siguiente umbral, la persona enferma se clasifica erróneamente como saludable por primera vez Este es el umbral. Este es el lugar donde la persona enferma se está clasificando erróneamente como saludable Y de ahí vemos una baja en la tasa verdadera positiva desde 12.8 La tasa de verdaderos positivos es de cuatro de cinco que es 0.8, y la tasa de falsos positivos es de tres de cinco que es 0.6. Ahora podemos hacer eso para todos los demás umbrales, y en consecuencia, redactamos nuestra curva ROC En este punto, por ejemplo, 80% de los individuos das clasificaron correctamente como enfermedad, 20% de los individuos sanos clasificaron incorrectamente como enfermedad. Usando la curva ROC, podemos comparar diferentes métodos de clasificación Los modelos de clasificación son mejores es mejor cuanto mayor sea la curva. Por lo tanto, cuanto mayor sea el área bajo la curva, mejor será el modelo de clasificación. Usando la curva ROC, podemos comparar diferentes métodos de clasificación, y es precisamente el área que se refleja en el valor del área bajo la curva AUC El área bajo curva se utiliza durante la valoración del modelo de regresión lineal. El valor del AUC varía 0-1. Cuanto mayor sea el valor, mejor será el modelo. ¿Qué pasa con la curva ROC y la regresión logística? Por ejemplo, podríamos construir un nuevo modelo de clasificación utilizando la regresión logística. Aquí, podríamos usar los valores adicionales como el valor sanguíneo, la edad y el género de cada una de las personas y tratar predecir si la persona está sana o enferma Acerca de la curva ROC y la regresión logística, continuemos En una regresión logística, el valor estimado es entonces cuán probable es que una persona en particular fallezca. Muy a menudo, el 50% de ellos simplemente toman como umbral para clasificar si una persona ha fallecido o no Pero claro, esto no es lo que estamos pensando Así que no puedes estar tomando el umbral como 50% siempre. Por lo tanto, incluso con la regulación logística, construimos la curva ROC para diferentes valores de umbral y vemos que a qué nivel, tenemos el área máxima Entonces, ¿cómo puedo obtener la curva ROC en línea? Sí. Entonces ahora vamos a entender cómo puedo hacer este cálculo ROC usando los datos Así que he poblado algunos valores de datos para más de 40 casi 40 personas, diferentes niveles sanguíneos y si la persona está enferma o no Entonces, o bien puedo ir por mi modelo de liberación, y digo que quiero declarar la variable como enferma El estado variable es sí o no, y quiero la variable de prueba como valor sanguíneo. Entonces de inmediato obtenemos el ROC, y el ROC está demostrando que a qué niveles especificidad y sensibilidad La sensibilidad no es más que mi verdadera tasa positiva. ¿Cuántas de ellas personas enfermas he clasificado correctamente La especificidad por otro lado, es cuántas de ellas o cuántas de las personas sanas han sido mal clasificadas como enfermas Y queremos que haya. Las personas enfermas son 19, no enfermas son 22, y positivo es mayor que igual a uno, la sensibilidad es uno y me muestra todos los datos. Podemos loe algunos datos de muestra. Y hazlo. También puedo encontrar esto bajo mi modelo de correlación. Entonces iré a la regulación, y estoy diciendo que mi variable dependiente ha fallecido y el valor sanguíneo es mi variable independiente. El resumen en palabras, si se ha realizado el análisis de regulación logística para examinar si el valor sanguíneo de una variable desea predecir el valor como sí. análisis de recreación logística muestra que el valor del chi cuadrado es de 5.23, valor de P es 0.02 Significa sangre capaz predecir que no hay influencia del nivel sanguíneo en la enfermedad. Rechazamos la hipótesis nula porque los valores p lo. El coiente del valor B en sangre es 0.03, lo que es positivo Significa que el incremento en el valor sanguíneo se asocia con el incremento en la probabilidad de la variable dependiente como sí. El valor p de 0.32 indica que la influencia es estadísticamente significativa El cociente impar es 1.03, lo que indica que una unidad de incremento en el valor sanguíneo incrementará las probabilidades de la variable dependiente como si en 0.13 veces Entonces cuando construimos la regresión logística, podemos ver que acabamos leer el resumen de que el valor de p es 0.03 diciendo que hay una significación del valor de la sangre para los enfermos La tabla resume que de 41 casos investigados se observan para construir el modelo, en este contexto, el número de individuos que fueron predichos como enfermos o sanos 28 de los 41 fueron clasificados correctamente, individuos enfermos se clasificaron como enfermos y los sanos se clasificaron como sanos El porcentaje es de 68.29. Indica el número total de personas que han sido correctamente clasificadas por 28, que se divide por 41, y luego se multiplica por 100 para obtener un porcentaje. Si te digo con qué frecuencia el modelo hace la predicción correcta, si la predicción es presencia o ausencia de S. Así podemos ver que de esto se llama como tabla de clasificación. Personas que en realidad no están enfermas y correctamente predijeron como no enfermas, personas que están enfermas y predijeron como no enfermas Este ocho es mi preocupación. ¿Por qué? Porque estas son las personas que no van a ir por su tratamiento. Y cinco de ellos han sido clasificados como enfermos, cuando en realidad, no estaban sufriendo Entonces entonces estaremos construyendo el modelo ROC, y el ROC actualmente el AOC, A bajo la curva Más alta la curva, mejor el modelo. De 41 casos, la asignación correcta ha ocurrido para 28 casos, y la asignación incorrecta ha ocurrido para 13 casos. Por lo que 68% de las personas fueron correctamente clasificadas. Ahora, hagamos una interpretación de IA. La interpretación de la IA dice muy claramente que el modelo se ajusta de dos verosimilitud logarítmica. Cuanto menor sea el valor, mejor será el modelo. Aquí, el valor es 51.39 indicando que el modelo está relativamente saturado, un modelo con un ajuste perfecto. El número por sí solo no dice mucho. Tenemos que compararlo con otros modelos. Ahora, hagamos la interpretación del modelo. La tabla muestra que hemos realizado un análisis de recursión logística binaria, que analiza cómo los predictores influyen en la probabilidad de un resultado particular Componentes, Cefion B. Esto representa el efecto de cada Un coeente positivo aumenta las probabilidades probables o las probabilidades logarítmica del resultado, y el coeión negativo lo Error estándar. Esto mide la desviación estándar del coeión estimado, relativamente con qué precisión el modelo estima el valor de la coesión El valor z. Esta es la puntuación z calculada como un coefent dividido por el error estándar, se utiliza para probar la hipótesis nula de que el coefent valor P indica la probabilidad de observar los datos o algo más extremo. Si la hipótesis nula es verdadera, el menor valor de P y palabra sugiere, el valor p indica la probabilidad de observar los datos o algo más extremo. Si la hipótesis nula es verdadera, el valor p inferior sugiere que la hipótesis nula de ningún efecto es menos probable. Interpretación. El modelo predice las probabilidades logarítcas de la línea base como -1.31, para todos los predictores son cero La relación impar es 0.27, lo que sugiere que las probabilidades más bajas del resultado cuando todos los predictores son del valor de referencia Valor sanguíneo que aumenta en tres. Ahora, hagamos la predicción. Si mi valor en sangre es de 85, entonces hay un 75% de probabilidad de que esté sufriendo. También llegaré a ver la curva ROC. El ROC, el área bajo la curva es 0.699. Ella Shh 42. Comprender los datos no normales: Nuestro normal o no. Tratemos de entender ¿cómo trabajamos cuando mis datos no son normales? O incluso antes de llegar, déjame presentarte a este señor. ¿Alguna conjetura? ¿Quién es el señor? Puedes escribir en la ventana de chat si lo sabes. Y aunque no lo sepas, eso está perfectamente bien. No hay puntos de penalización por conjeturas equivocadas. Sí. Algunos de ustedes lo han adivinado ¿verdad? Es la persona famosa detrás de nuestra distribución normal. Señor Carl cos. Él es el gran matemático. Y él fue la persona a quien se le ocurrió el concepto de la distribución gaussiana o la distribución normal. Entonces aquí está el cerebro detrás del concepto de distribución normal y todas las pruebas paramétricas que estamos tomando. Si mis datos no son normales, entonces pueden ser sesgados. Podría estar sesgada negativamente o podría estar sesgada positivamente. Si digo sesgada negativamente, técnicamente es tener una cola en el lado izquierdo. Positivamente sesgado significa cola en el lado derecho. Significa que mis datos no se están comportando de manera normal. Mis datos pueden no ser normales porque están siguiendo una distribución uniforme o una distribución plana como esta. Entonces también no está siguiendo la distribución normal. Mis datos pueden tener múltiples picos, algo así, lo que representa que hay múltiples grupos de datos en mi conjunto de datos. Y no es un comportamiento normal. Porque mis datos tienen todas estas cosas. Necesito tratar estos datos manera diferente cuando estoy haciendo mis pruebas de hipótesis. ¿Y por qué estos datos no son normales? Podría ser por la presencia de algunos valores atípicos. Podría ser por la asimetría de mis datos, o podría ser por la curtosis que está presente en los datos. Entonces, la razón por la que tus datos no se comportan de manera normal podría ser uno de estos. Resumamos, ¿qué aprendimos? Mis datos no son normales si la distribución tiene una asimetría, tiene unimodal, no es unimodal, sino de hecho esta distribución bimodal o multimodal. Es una distribución de cola pesada que contiene valores atípicos. O podría ser una distribución plana como una distribución uniforme. Estas son algunas razones básicas mis datos no se están comportando de manera normal. Impar, no es una distribución normal, entonces hay múltiples distribuciones. También hay otras distribuciones, que habla de la distribución exponencial, que modela el tiempo entre el evento. La distribución logarítmica normal. Que dice que si aplico el logaritmo sobre los datos, entonces mis datos seguirán una distribución normal. Distribución de Poisson, binomial, distribución multinomial. Entendamos algunos ejemplos, escenarios de la vida real donde se pueden aplicar las distribuciones no normales. Si nos fijamos en esto, siempre que estoy tratando de predecir algo a lo largo de un intervalo de tiempo fijo. Después utilizo la distribución de Poisson para mi análisis e hipótesis. Algunos ejemplos de distribución de Poisson o el número de atención al cliente llamado recibido en el call center. El número de pacientes que presentan una sala de urgencias hospitalarias en un día determinado, el número de solicitudes de un artículo en particular en una tienda en línea en un día determinado. El número de paquetes entregados por la empresa de reparto en un día determinado, el número de artículos defectuosos producidos por una empresa manufacturera en un día determinado. Si observas aquí hay un comportamiento común. Siempre que estamos tratando de entender algo en un periodo de tiempo determinado, podría ser un día determinado, podría ser un mes dado, dado B. Entonces preferimos hacer nuestro análisis usando la distribución de Poisson. Algunos ejemplos de distribución logarítmica normal. El tamaño del archivo se descarga de internet, el tamaño de las partículas en una muestra de sedimento, la altura del árbol, el tamaño de los rendimientos financieros, el tamaño del juego de seguros. Si ves estos ejemplos, como si tomara el ejemplo de rendimientos financieros de su inversión, podrías ver que de mi cartera de inversiones, alguna inversión me dio un muy buen retorno del 100%, 100%, 150 por ciento, 80 por ciento. Y también verán que he realizado inversiones en alguna parte mi cartera porque resultó en un rendimiento cero o un rendimiento negativo porque estoy en pérdida. Pero en general mi cartera me está dando un rendimiento del 12 al 15% o del 15 al 20 por ciento. Estás tratando de decir que tu distribución técnicamente no es una distribución normal. Tienes rendimientos muy bajos y rendimientos muy altos. Pero si aplicas el logaritmo en tus datos, entonces se comporta como una distribución normal que en general tu cartera dará como resultado un retorno de algún X porcentaje. Similar aplica incluso en la reclamación de seguros. Tratemos de entender la aplicación de la distribución exponencial. El tiempo entre llegadas de clientes en cola, el tiempo entre fallas en una máquina, tu fábrica, el tiempo entre compras en la tienda minorista, El tiempo entre llamadas telefónicas y el centro de contacto, el tiempo entre páginas vistas en el sitio web. Ahora bien, si ves entre la distribución de Poisson y la distribución exponencial, hay un elemento común. ¿Cuál es el elemento común? Estamos tratando de estudiar con referencia al tiempo. Siempre que estés haciendo una distribución normal, no es con referencia al tiempo. ¿Correcto? Entonces estas son algunas aplicaciones. Pero la diferencia entre un veneno y un exponencial está en una distribución de Poisson. Es en un día determinado, en un día determinado, en una semana determinada se dan mes. Aquí estamos tratando de entender el tiempo entre los dos pares. ¿Qué es una brecha de tiempo entre los dos eventos? Entonces la distribución exponencial te puede ayudar. Podemos, vamos a entender la aplicación de alguna distribución uniforme, como las alturas del alumno en la clase. Necesidades de paquetes en un camión de reparto. Algunos paquetes son muy grandes, algunos paquetes son pequeños. Si lo pones en una distribución, también encontrarás que es una distribución plana o una distribución uniforme porque para cada categoría de paquetes, tendrás aproximadamente el mismo número de paquetes, similar número de paquetes. Mercancías que estás entregando. La distribución de los resultados de las pruebas para un examen de opción múltiple. La distribución del tiempo de espera en un semáforo, la distribución de la hora de llegada de un cliente a una tienda minorista. Entonces, si ves todos estos ejemplos siguiendo una distribución uniforme, no es una curva de campana. Porque tienes continuamente gente que está llegando a la tienda minorista. No es que haya un pico repentino. Y los escenarios del mundo real de la distribución de cola pesada, significa la distribución donde están presentes los valores atípicos, los signos de la pérdida financiera y una industria de seguros u otros signos de pérdida financiera. En unos pocos le preguntan a un comerciante, verían ese número extremadamente alto y un número extremadamente bajo. El tamaño de la precipitación extrema. Por lo que no tenemos lluvias extremas todos los años. Entonces no podríamos decir que lo que haya pasado, es por un valor atípico. Y la distribución de cola pesada generalmente se ve impactada por la presencia de valores atípicos. Entonces, si tus datos están teniendo valores atípicos, entonces también puedes ver que la distribución para carga es una distribución de cola pesada. Y entenderemos en la próxima sesión, ¿qué tipo de pruebas no paramétricas debo estar realizando? Dependiendo del tipo de datos no normales que estemos iniciando. El tamaño del consumo de energía, el tamaño de la fluctuación económica de la caída bursátil. Todos estos son ejemplos de su distribución de cola pesada. Ejemplos de datos bimodales. Aquí hay que entender los medios bimodales que hay dos resultados que estamos tratando de estudiar. La distribución de los puntajes de los exámenes de los alumnos que estudiaron y los que no. Distribución de edades del individuo en una población que de dos grupos de edad distintos, estatura de dos especies diferentes, distribución salarial de empleados de dos departamentos diferentes. Godspeed en una autopista con dos grupos de conductores lentos y rápidos. Entonces aquí se puede ver que estoy teniendo dos grupos de datos que son diferentes. Y estoy tratando de entender el comportamiento son voy a seguir adelante y hacer mi investigación como parte de mi hipótesis o el recurso que estoy tratando de hacer. Si tengo más de dos grupos, dos diferentes, más de dos grupos diferentes, como tres grupos diferentes para grupos diferentes, entonces se convierte en una distribución multimodal. ¿Correcto? Entonces creo que a estas alturas ya habrías tenido una idea de cuáles son las diferentes distribuciones que no son distribuciones normales. Entonces, ¿cómo determino si mis datos no son normalmente? El primer punto convertido, viene a nuestra mente es una prueba de normalidad. Pero incluso antes de hacer una prueba de normalidad, puedes usar métodos gráficos simples para averiguar si tus datos son normales o no. Se puede utilizar histograma. Y aquí el histograma está mostrando claramente múltiples movimientos. Entonces puedo ver claramente que esta no es una distribución normal. Si traté de poner una línea de ajuste, entonces también puedo ver que hay asimetría en mis datos. También puedo usar la gráfica de caja para determinar si mis datos no son normales. Entonces aquí se puede ver que tengo una cola pesada en el lado izquierdo que dice que mis datos están sesgados. También puedo tener valores atípicos que una trama de caja puede resaltar fácilmente. Así puedo esconderme, identificar la distribución de cola pesada usando la gráfica de caja. También. Puedo usar estadísticas descriptivas simples donde puedo ver los números del modo de mediana media. Y cuando veo que estos números no se superponen o no se acercan entre sí, eso también simplemente indica que mis datos no son normales. Puedo ver la curtosis y asimetría de mi distribución de datos y luego llegar a una conclusión si mis datos se están comportando normal o no. Por lo que le he mostrado otras formas de identificar si sus datos están siguiendo y no una distribución no normal o si sus datos están siguiendo una distribución normal. Ahora yo diría una cosa más. No te mates si tu media era 23.78 y la mediana es 24, y el modo sería como 24.2 o 24. Entonces, si hay una ligera deflación, seguimos considerándola normal. ¿Correcto? asimetría cercana a cero es una indicación de que mis datos son normales. Pero si mi asimetría va más allá de menos dos o más dos, definitivamente es nuestra prueba de no normalidad. cetosis es también una forma más de identificar si mis datos están siguiendo una distribución normal. La mayoría de las veces preferimos que el número de curtosis esté en 0-3. Pero si eres la cetosis es negativa, significa que es una curva plana. Las auditorías siguen una distribución uniforme. La auditoría podría ser una distribución de cola pesada de alta curtosis también podría ser una indicación de que sus datos son demasiado perfectos. Y tal vez necesites investigar si los hay, no han manipulado tus datos antes de entregarlos. Otra prueba favorita de AdText o Anderson-Darling, donde tratamos de entender si mis datos son normales o no. Entonces la hipótesis nula básica cada vez que estoy haciendo la prueba NAT, es que mis datos siguen una distribución normal. Entonces esta es la única prueba en la que quiero mi valor p sea mayor a 0.05 que obtengo, no logro rechazar la hipótesis nula, concluyendo que mis datos son normales, y recurro a mi prueba paramétrica favorita, lo que me facilita hacer el análisis. Pero y si durante la prueba ADA, tus datos y tu análisis de datos muestran que el valor p es significativo, que es menor que 0.05, tal vez sea 0.02. Entonces concluye, mis datos no son distribución normal. Y necesito investigar qué tipo de no normalidad tiene. En consecuencia, tendré que poner la prueba y luego llevarla más lejos. Continuaremos nuestra sesión en el próximo día de Venecia. Espero que te haya gustado. Si tienes alguna duda, no dudes en comentar en WhatsApp o en el canal de Telegram o en la sección de comentarios de aquí. Cualquier tema que te gustaría aprender como parte de la sesión del miércoles y. Estaría encantado de investigar eso. Si puedes poner esos comentarios en el cuadro de chat o en el grupo de WhatsApp o en el telegrama. Realmente me encanta enseñarte y te agradezco por ser maravillosa. Alumnos. Cuídate. 43. Prueba de Kruskal Wallis de 3 o más grupos de datos no normales: Este tutorial trata sobre la prueba de crus walus. Si quieres saber qué es la prueba crus c, walus y cómo se puede calcular e interpretar Estás en el lugar correcto al final de este video. Te mostraré cómo puedes calcular fácilmente la prueba de walus en línea Y empezamos ahora mismo. La prueba crus Walus es una prueba de hipótesis que se utiliza cuando se quiere probar si existe una diferencia entre varios grupos independientes Ahora bien, tal vez te preguntes un poco y digas: Oye, si hay varios grupos independientes, utilizo un análisis de varianza. Así es. Pero si sus datos no se distribuyen normalmente, y no se cumplen los supuestos para el análisis de varianza. Se utiliza la prueba wus. La prueba de Wace es la contraparte no paramétrica del análisis factorial único de Ahora te voy a mostrar lo que eso significa. Hay una diferencia importante entre las dos pruebas. El análisis de las pruebas de varianza, si hay diferencia en medias. Entonces cuando tenemos nuestros grupos, calculamos la media de los grupos, y verificamos si todas las medias son iguales. Cuando miramos la prueba de crus C wals, otro lado, no verificamos si las medias son iguales Comprobamos si las sumas de rango de todos los grupos son iguales. ¿Qué significa eso? Ahora bien, ¿qué es un rango? Y ¿qué es una suma de rango en la prueba clásica de als? No usamos los valores medidos reales, sino que ordenamos a todas las personas por tamaño, y luego la persona con el valor más pequeño obtiene el nuevo valor o rango uno. La persona con el segundo valor más pequeño obtiene el rango dos. La persona con el tercer valor más pequeño obtiene el rango tres, y así sucesivamente y así cuarto hasta que a cada persona se le haya asignado un rango. Ahora hemos asignado un rango a cada persona, y luego simplemente podemos sumar los rangos del primer grupo. Sumar las filas del segundo grupo y sumar las filas del tercer grupo. En este caso, obtenemos una suma de rango de 54 para el primer grupo. 70 para el segundo grupo y 47 para el tercer grupo. La gran ventaja es que si no nos fijamos en la diferencia principal sino en la suma de rangos, los datos no tienen que distribuirse normalmente al usar la cruz fue prueba. Nuestros datos no tienen que satisfacer ninguna forma de distribución, y por lo tanto, tampoco necesitamos que se distribuyan normalmente Ejemplos para la prueba de rusk wallace para la prueba de rusk walus Por supuesto, se pueden utilizar los mismos ejemplos para el análisis factorial único de varianza, pero con la adición de que los datos no necesitan distribuirse normalmente. Ejemplo médico. Para una compañía farmacéutica, desea probar si un medicamento XY tiene influencia en el peso corporal. Para ello, el medicamento se administra a 20 personas de prueba. Las personas con pruebas T reciben un placebo y 20 personas de prueba no reciben ningún medicamento ni placebo. Objetivo, Determinar si el fármaco XY tiene un efecto estadísticamente significativo sobre el peso corporal en comparación con los grupos placebo y control. Ejemplo de ciencias sociales. ¿Se diferencian tres grupos de edad? En cuanto al consumo diario de televisión, pregunta de investigación e hipótesis. La pregunta de investigación para el ruskal fue prueba tal vez. ¿Hay alguna diferencia en la tendencia central de varias muestras independientes? Esta pregunta da como resultado la hipótesis nula y alternativa. Sin hipótesis. Todas las muestras independientes tienen la misma tendencia central y, por lo tanto, provienen de la misma población. Hipótesis alternativa, al menos una de las muestras independientes no tiene la misma tendencia central las otras muestras y por lo tanto se origina en una población diferente Antes discutimos cómo se calcula la prueba de crus cull, walus, y no te preocupes Realmente no es complicado. Primero echamos un vistazo a las suposiciones. Supuestos. ¿Cuándo usamos el crus c Prueba de Walus? Utilizamos la prueba crus Walus si tenemos una variable nominal u ordinal con más Y una variable métrica, una variable nominal u ordinal con más de dos valores es, por ejemplo, la variable, periódico preferido, con los valores, Washington Post, New York Times, USA today. También podría ser frecuencia de visualización de televisión con diario varias veces a la semana. Realmente nunca una variable métrica es, por ejemplo, salario, bien, ser, o peso de las personas. ¿Cuáles son las suposiciones ahora? Solo deben estar disponibles varias muestras aleatorias independientes con al menos ordinariamente escaladas características Las variables no tienen que satisfacer una curva de distribución. Entonces la hipótesis nula son las muestras independientes, todas tienen la misma tendencia central. Y por lo tanto vienen de la misma población o en otras palabras. No hay diferencia en las sumas de rango, y la hipótesis alternativa podría ser que al menos una de las muestras independientes no tenga la misma tendencia central que las otras muestras, y por lo tanto proviene de una población diferente. O para decirlo de nuevo en otras palabras. Al menos un grupo difiere en las sumas de rango. Entonces la siguiente pregunta es, ¿cómo calculamos un bizcocho? Prueba de Wallace No es difícil. Digamos que has medido el tiempo de reacción de tres grupos. Grupo A grupo en el grupo C, y ahora quieres saber si hay diferencia entre los grupos en cuanto al tiempo de reacción. Digamos que has anotado el tiempo de reacción medido en una tabla. Solo supongamos que los datos no se distribuyen normalmente, y por lo tanto, hay que usar el crus k was test Entonces nuestra hipótesis nula es que no hay diferencia entre los grupos, y vamos a probarlo ahora mismo. Primero, asignamos un rango a cada persona. Este es el valor más pequeño. Entonces esta persona obtiene el primer rango. Este es el segundo valor más pequeño. Entonces esta persona obtiene el rango dos, y lo hacemos ahora para todas las personas. Si los grupos no tienen influencia en el tiempo de reacción, los rangos en realidad deberían distribuirse de manera puramente aleatoria. En el segundo paso, ahora calculamos la suma de rango y la suma de rango promedio para el primer grupo, la suma de rango es dos más cuatro más siete más nueve, que es igual a 22, y tenemos cuatro personas en el grupo. La suma de rango promedio es 22/4, lo que equivale a 5.5. Ahora hacemos lo mismo para el segundo grupo. Aquí obtenemos una suma de rango de 27 y la suma de rango medio de 6.75, y para el tercer grupo, obtenemos una suma de rango de 29, y la suma de rango promedio de 7.25 Ahora podemos calcular el valor esperado de las sumas de rango. El valor esperado, si no hay diferencia en los grupos sería que cada grupo tendría una suma de rango de 6.5. Ya casi tenemos todo lo que necesitamos. Entrevistamos a 12 personas. El número de casos es de 12. El valor esperado de los rangos es de 6.5. También hemos calculado las sumas de rango promedio de los grupos individuales. Los grados de caso pre Domina son dos, y estos simplemente vienen dados por el número de grupos menos uno, lo que hace tres menos uno. Por último, necesitamos la varianza. La varianza de rangos viene dada por n al cuadrado -1/12. N vuelve a ser un número de personas, por lo que 12. Obtenemos una varianza de 11.92. Ahora tenemos todo lo que necesitamos con estos valores. Ahora podemos calcular nuestro valor de prueba g. El estadístico de prueba corresponde al valor g cuadrado y viene dado por esta fórmula n veces la suma de r bar menos e r cuadrado todos divididos por Sigma al En nuestro caso, el número de casos es de 12. Siempre tenemos cuatro personas por grupo. Entonces podemos sacar el E 5.5 es el rango medio del grupo A, 6.75 es el rango medio del grupo B, y 7.25 es el rango medio del grupo C. Esto nos da un valor redondeado de 0.5, como acabamos Como acabamos de decir, este valor corresponde al valor cuadrado. Ahora podemos leer fácilmente el valor crítico, cuadrado en la tabla de valores críticos, cuadrados. Esta tabla también se encuentra en Internet. Tenemos dos grados de libertad. Y si asumimos que tenemos un nivel de significancia de 0.05, obtenemos un valor crítico, cuadrado de 5.991 Por supuesto, nuestro valor es menor que el valor crítico de g cuadrado, y así con base en nuestros datos de ejemplo, se conserva la hipótesis nula, y ahora te mostraré cómo puedes calcular fácilmente la prueba de Cesco Wallace en línea con la pestaña Datos Cálculo en línea. Para ello, simplemente visita data tab.net, y luego da clic en la calculadora de estadísticas e inserta sus propios datos en esta tabla Además, haces clic en esta pestaña, y debajo de esta pestaña, encontrarás muchas pruebas de hipótesis, y cuando selecciones las variables que quieres probar, la herramienta te sugerirá la prueba adecuada. Después de haber copiado sus datos en la tabla, verá el tiempo de reacción y el grupo aquí mismo en la parte inferior. Ahora simplemente hacemos clic en tiempo de reacción y grupo, y automáticamente calcula un análisis de varianza para nosotros. Pero no queremos un análisis de varianza. Queremos la prueba no paramétrica. Simplemente hacemos clic aquí. Ahora, la calculadora calcula automáticamente la prueba Ruskal Wallace También obtenemos un valor e cuadrado de 0.5, los grados de libertad son dos, y el valor p calculado es, y aquí abajo, puede leer la interpretación. Ruskal Walus ha demostrado que no hay diferencia significativa entre las categorías Con base en el valor p, por lo tanto, con los datos utilizados, fallamos en rechazar la hipótesis nula. Solo pruébalo tú mismo. Es muy fácil. Mantente conectado, sigue aprendiendo, sigue creciendo, nos vemos en la siguiente lección. 44. Diseño de experimentos: Hola, y bienvenidos. En este video. Nos adentraremos en el fascinante mundo del diseño de experimentos Comúnmente conocido como DOE, discutimos qué es el diseño de experimentos o DOE, los pasos del proceso del proyecto DOE Cómo DOE puede ayudarle a reducir el número de experimentos. Cómo estimar el número de experimentos necesarios. Y pasamos por los tipos de diseños más comunes. Entonces, ¿qué es exactamente el diseño de experimentos en su núcleo?, diseño de experimentos, DOE es un método estructurado utilizado para planificar, llevar a cabo e interpretar experimentos El propósito principal del DOE es averiguar cómo diferentes variables de entrada, llamadas factores, afectan a una variable de salida, llamada variable de respuesta Aquí hay una explicación más sencilla. Enfoque sistemático. DOE es organizado y metódico. Sigue un proceso paso a paso para asegurar que los experimentos se lleven a cabo de manera lógica y eficiente. Variables de entrada, factores. Estos son los elementos que cambias en un experimento para ver cómo afectan el resultado. Por ejemplo, si estás horneando un pastel, los factores podrían incluir la cantidad de azúcar, el tiempo de horneado o la temperatura del horno. Variable de salida, variable de respuesta. Esto es lo que mides en el experimento para ver el efecto de los cambios que hiciste a los factores. En el ejemplo de pastel, la variable de respuesta podría ser el sabor o textura del pastel. El objetivo del DOE es comprender la relación entre estos factores y la variable respuesta Ayudándote a determinar qué factores tienen el impacto más significativo y cómo interactúan entre sí. Imagina que estás montando una bicicleta. La rotación suave de las ruedas depende del estado de los rodamientos. Si los rodamientos están bien lubricados, hay un par de fricción mínimo, lo que facilita el pedaleo Sin embargo, si la lubricación es inadecuada o la temperatura es demasiado alta, se requiere más esfuerzo para mantener la velocidad debido al aumento de la fricción. En tales casos, el DOE nos permite investigar sistemáticamente factores como los tipos de lubricación, como el aceite o la grasa, y las temperaturas variables bajas, medias, altas para cuantificar con precisión su impacto en la plática friccional Pero, ¿por qué es esto importante? El diseño de experimentos nos permite diseñar planes de prueba eficientes que descubran estos conocimientos de manera efectiva Al manipular cuidadosamente los factores y sus niveles, DOE nos ayuda a identificar qué variables influyen significativamente Ya sea en sistemas mecánicos como rodamientos o en escenarios más complejos que involucren respuestas humanas a medicamentos. Las aplicaciones de DOE son vastas y diversas, ya sea optimizando los procesos de fabricación, mejorando los diseños de productos o refinando tratamientos médicos, DOE sirve como una poderosa herramienta para identificar factores críticos y determinar las condiciones óptimas para lograr los resultados deseados Permite a los investigadores e ingenieros tomar decisiones informadas basadas en datos empíricos en lugar de confiar en En nuestros próximos segmentos, exploraremos los pasos esenciales del proyecto ADOE, desde el diseño de experimentos hasta el análisis de resultados A medida que avanzamos en el curso, descubrimos las complejidades del diseño de experimentos y descubrimos cómo este enfoque metodológico puede revolucionar su enfoque revolucionar su descubrimos las complejidades del diseño de experimentos y descubrimos cómo este enfoque metodológico puede revolucionar su enfoque de experimentación e investigación. Estén atentos para obtener más información y consejos prácticos. 45. Las áreas de aplicación de un DOE: Ahora, entendamos cuáles son las áreas de aplicación para DOE Las aplicaciones de DOE son amplias y variadas, ya sea para optimizar los procesos de fabricación, mejorar los diseños de productos o refinar tratamientos médicos DOE es una poderosa herramienta para identificar factores clave y determinar las mejores condiciones para lograr los resultados deseados Ayuda a investigadores e ingenieros a tomar decisiones informadas basadas en datos reales en lugar de conjeturas Pasos del proyecto DOE, echemos un vistazo al proceso de Un proyecto DOE, planeación, cribado, optimización y En el primer paso, la planeación. Las cosas son importantes. Primero, obtener una comprensión clara del problema y del sistema. Segundo, determinar una o más variables de respuesta. Tercero, identificar los factores que pueden influir significativamente en la variable de respuesta. La tarea de determinar los factores potenciales que influyen en la variable de respuesta puede ser muy compleja y llevar mucho tiempo. Por ejemplo, se puede crear un diagrama de espiga en un equipo. Ahora viene el segundo paso. Cribado, si hay muchos factores que podrían tener influencia. Por lo general, más de cuatro a seis factores. Se deben realizar experimentos de tamizaje para reducir el número de factores. ¿Por qué es importante esto? El número de factores a investigar tiene una influencia importante en el número de experimentos requeridos. Tenga en cuenta que en el diseño de experimentos, los experimentos individuales también se denominan simplemente corridas en el diseño factorial completo, que discutiremos con más detalle en un momento El número de experimentos o corridas es n igual a dos a la potencia de k, donde n es el número de corridas y k es el número de factores. Aquí hay una pequeña visión general si tenemos tres factores. Por ejemplo, tenemos que hacer al menos ocho corridas con siete factores. Ya son al menos 128 carreras, con diez factores. Ya es por lo menos 1024 carreras. Tenga en cuenta que esta tabla aplica a AD OE, donde cada factor solo tiene dos niveles, de lo contrario. Habrá aún más carreras, dependiendo de lo complejo que sea un experimento individual. Por lo tanto, puede valer la pena seleccionar llamados diseños de cribado para cuatro o más factores. Posteriormente, discutiremos el diseño factorial fraccional y el plácido diseño y el plácido Que se puede utilizar para experimentos de cribado. Una vez identificados los factores significativos mediante diseños de tamizaje, y ojalá, se haya reducido el número de factores. Ahora se pueden realizar más experimentos. Los datos obtenidos pueden entonces ser utilizados para crear un modelo de regresión, lo que ayuda a determinar las variables de entrada de tal manera que se optimice la variable de respuesta. Después de la optimización viene la verificación del paso final. Esto implica verificar una vez más si las variables de entrada óptimas calculadas realmente tienen la influencia deseada en la variable de respuesta. Dependiendo de si estamos en el paso de cribado o en el paso de optimización. Existen diferentes tipos de diseños. Gracias por su atención. En la siguiente lección, profundizaremos las aplicaciones prácticas del diseño de experimentos y cómo interpretar los resultados de manera efectiva. Estén atentos. 46. Tipos de diseños en un DOE: Tipos de diseños en experimentos DOE. Cuando estamos en el paso de cribado o en el paso de optimización. Utilizamos diferentes tipos de métodos de diseño. Los más conocidos son el diseño factorial completo, el diseño factorial fraccional, el diseño Placet Berman, el diseño Box Benkin, el diseño Box Benkin Empecemos por mirar el diseño factorial completo y el diseño factorial fraccional También tenemos que responder por qué ponemos en todo este esfuerzo. ¿Por qué utilizamos diseño de experimentos, DOE y por qué necesitamos estadísticas La razón es que los experimentos toman tiempo y cuestan dinero. Por lo tanto, necesitamos mantener el número de corridas, experimentos individuales lo más bajo posible. Sin embargo, si hacemos muy pocas corridas, podríamos perder diferencias importantes y no obtener resultados precisos. Por ejemplo, digamos que queremos averiguar qué factores afectan la plática friccional de un rodamiento Necesitamos diseñar cuidadosamente nuestros experimentos para identificar estos factores de manera eficiente sin hacer ejecuciones innecesarias. ¿Cómo se estima el número de experimentos en DOE? Echemos un vistazo a un ejemplo. Queremos investigar qué factores influyen en el tock friccional de un rodamiento Empecemos con un factor, la lubricación. Queremos saber si la lubricación afecta par de fricción si un rodamiento está engrasado o engrasado Para averiguarlo, ¿tomamos una muestra aleatoria de diez rodamientos? Engrasamos la mitad de los rodamientos y engrasamos la otra mitad. Ahora podemos medir el tok friccional de los cinco rodamientos engrasados y los cinco cojinetes engrasados Pero por qué usar diez rodamientos, en la mayoría de los casos, cada tirada cuesta mucho dinero. Quizás podamos manejar con menos corridas. ¿Cuántos experimentos necesitamos para saber si el lubricante tiene un efecto en el tok de fricción ? si el lubricante tiene un efecto en el tok de fricción Empecemos con los diez rodamientos. Ahora podemos calcular el valor medio del par de fricción de los rodamientos engrasados y engrasados Entonces podemos calcular la diferencia entre los dos valores medios. En esta muestra, podemos ver una diferencia entre rodamientos engrasados y engrasados Sin embargo, también notamos que el par de fricción en los rodamientos engrasados y engrasados es Si tomamos otra muestra aleatoria de diez rodamientos, la diferencia podría ser mayor, o podría ser en la dirección opuesta. En otras palabras, la charla friccional de los rodamientos varía ampliamente Cuanto más amplia es la propagación, más difícil es identificar una diferencia o efecto específico. Afortunadamente, podemos reducir la variabilidad del valor medio aumentando el tamaño de la muestra. Cuanto mayor sea el tamaño de la muestra, más precisa es la estimación de la media. Por lo tanto, cuanto menor sea el efecto y más amplia sea la dispersión de la variable de respuesta, mayor será el tamaño de la muestra. Pero, ¿cuánto más grande, cómo se puede estimar el número de corridas necesarias? Puede utilizar esta fórmula como aproximación para estimar el número de corridas necesarias, n es igual a Sigma dividido por Delta A cuadrado aquí, n es el número de corridas. Sigma es la desviación estándar. Delta es el efecto a determinar. Por ejemplo, si tenemos una desviación estándar de tres newton milímetros y una diferencia relevante de cinco newton milímetros. Necesitamos 22 carreras. Si la desviación estándar es de dos newton milímetros. Solo necesitamos diez corridas si la desviación estándar es de un newton milímetro Necesitamos cuatro carreras. Entonces usaríamos dos tiradas con rodamientos engrasados y dos corridas con rodamientos engrasados Pero, ¿cómo puede el DOE ayudarle a reducir el número de corridas? Lo veremos en detalle en la siguiente lección. Gracias por su atención. En la siguiente lección, profundizaremos las aplicaciones prácticas del diseño de experimentos y cómo interpretar los resultados de manera efectiva. Estén atentos. 47. Cómo reducir el número de carreras: Pero, ¿cómo puede el DOE ayudarle a reducir el número de corridas? Supongamos que el cálculo del número de corridas da como resultado 16 experimentos. Ocho recorridos con rodamientos engrasados y ocho recorridos con rodamientos engrasados Pero, ¿y si tenemos un segundo factor? Digamos que además de la lubricación, tenemos temperatura con niveles bajos y altos. Entonces necesitamos otras ocho carreras para tomar en cuenta estos factores. Por lo que necesitamos 16 corridas para comprobar si el lubricante tiene algún efecto. Y 16 carreras para comprobar si la temperatura tiene un efecto. Esto nos da un total de 24 carreras. Ahora surge la pregunta, es posible lograr esto con menos corridas, y eso nos lleva al diseño factorial completo La pregunta es, ¿por qué deberíamos limitarnos a probar un factor a la vez? En cambio, podríamos idear un diseño que incorpore todas las combinaciones potenciales, como grasa y alta temperatura Por supuesto, todavía necesitamos 16 corridas por factor. Esto lo conseguimos haciendo cuatro carreras con cada una de las cuatro combinaciones. Después tenemos ocho corridas con aceite y ocho con grasa, y en el otro lado, ocho con baja temperatura y ocho con alta temperatura. Ahora tenemos un total de 16 carreras antes de que tuviéramos 24 carreras. Ahora necesitamos menos experimentos y obtener aún más información. ¿Por qué más información? Ahora también sabemos si existe una interacción entre temperatura y lubricación. Por ejemplo, los rodamientos engrasados pueden mostrar una variación en el par de fricción a diferentes temperaturas, lo que no se observa con los rodamientos engrasados Esta información se habría perdido anteriormente. Ahora, cuando tenemos tres factores en lugar de dos, los ahorros son aún mayores. Si probamos uno de los tres factores a la vez, necesitamos 32 corridas. Si ahora ejecutamos dos experimentos para cada combinación en un diseño factorial completo, todavía solo necesitamos 16 corridas Sin embargo, para cada factor, todavía tenemos ocho corridas por nivel de factor. Por ejemplo, para el factor de lubricación, tenemos ocho corridas con aceite y ocho corridas con grasa. Por supuesto, también podemos crear diseños factoriales completos con más de dos niveles Por ejemplo, el factor de temperatura podría tener tres niveles, bajo, medio y alto. Sin embargo, como se mencionó al principio, incluso con un diseño factorial completo con dos niveles en cada factor, el número de corridas requeridas aumenta muy rápidamente a medida que aumenta el número de factores Echemos, pues, ahora un vistazo al diseño factorial fraccional El diseño factorial fraccional se utiliza para los diseños de cribado Es decir, si tienes más de aproximadamente cuatro a seis factores, Por supuesto, reducir el número de corridas significa reducir la información. En los diseños factoriales fraccionarios, la resolución se reduce ¿Cuál es la resolución? La resolución es una medida de lo bien DOE puede distinguir entre diferentes efectos Más precisamente, la resolución indica cuánto confunden los efectos principales y los efectos de interacción en un diseño Pero, ¿qué son los efectos medios y los efectos de interacción? ¿Qué significa confounded? En el diseño de experimentos, el término efecto se refiere al impacto que un determinado factor o una combinación de factores tiene sobre la variable de respuesta de un experimento. Esencialmente, miden cuánto cambia la variable de respuesta cuando cambias los factores. Un efecto principal es la influencia de un solo factor en la variable de respuesta. Por ejemplo, ¿qué influencia tiene la lubricación de un rodamiento en el tok friccional Los efectos de interacción ocurren cuando el efecto de un factor sobre la variable de respuesta depende del nivel de otro factor. Por ejemplo, el efecto del lubricante en la plática friccional podría depender de la temperatura Pero, ¿qué significa eso? Gracias por su atención. En la siguiente lección, profundizaremos en las aplicaciones prácticas del diseño de experimentos. Estén atentos. 48. Tipo de efectos: Pero, ¿qué son los efectos principales y los efectos de interacción, y qué significa confundar? En diseño de experimentos. El término efecto se refiere al impacto que un determinado factor o una combinación de factores tiene sobre la variable de respuesta de un experimento. Esencialmente, ¿miden cuánto cambia la variable de respuesta cuando cambias los factores? Un efecto principal es la influencia de un solo factor en la variable de respuesta. Por ejemplo, ¿qué influencia tiene la lubricación de un rodamiento en el par de fricción Los efectos de interacción ocurren cuando el efecto de un factor sobre la variable de respuesta depende del nivel de otro factor. Por ejemplo, el efecto del lubricante sobre el tok friccional podría depender de la temperatura Pero, ¿qué significa eso? Digamos que tenemos un valor promedio de par de fricción de 102 newton milímetros para los rodamientos con aceite y un valor promedio de 108 newton milímetros para los rodamientos con grasa Entonces tenemos un efecto principal de lubricación de seis newton milímetros. Pero ahora podemos descomponer esto en temperaturas altas y bajas. A alta temperatura, podríamos obtener 98 para aceite y 102 para grasa. La diferencia entre aceite y grasa es de sólo cuatro newton milímetros. A baja temperatura, podríamos obtener 104 y 112. Una diferencia de ocho, por lo que el factor de lubricación está influenciado por la temperatura, y tenemos una interacción entre lubricación y temperatura. La interacción conduce a una diferencia de dos nuevos 10 milímetros con respecto al resultado original. Por lo tanto, tenemos un efecto de interacción de dos newton milímetros. Los diseños factoriales completos tienen en cuenta todas las interacciones En nuestro ejemplo de fricción de rodamientos, además de los factores de temperatura del lubricante, también observamos la interacción entre lubricante y temperatura entre lubricante y Sin embargo, a medida que aumenta el número de factores, surgen rápidamente numerosas interacciones. Por ejemplo, si tenemos cinco factores, A, B, C D y E, obtenemos la interacción entre dos factores. Entre tres factores, entre cuatro factores y entre los cinco factores. Ahora, claro. La pregunta es, ¿realmente necesitamos todas las interacciones, o podemos reducir la resolución? Esto es exactamente lo que el diseño factorial fraccional en un diseño hace el diseño factorial fraccional en un diseño factorial fraccional Las interacciones pueden confundirse con otras interacciones o con efectos principales de factores ¿Qué significa confounded? Significa que los efectos de diferentes factores o el efecto de la interacción de factores no pueden separarse entre sí. se muestra el grado en que se puede reducir el número de corridas a expensas esta tabla se muestra el grado en que se puede reducir el número de corridas a expensas de la resolución. La resolución suele estar indicada por números romanos. Ejemplo tres, cuatro, cinco, y así sucesivamente. Aquí en la diagonal. Vemos los diseños factoriales completos. Pasaremos por lo que significan las resoluciones tres, cuatro y cinco en un momento. Por ejemplo, si tenemos seis factores, necesitamos al menos 64 corridas para un diseño factorial completo Si elegimos un diseño factorial fraccional con una resolución de seis Necesitamos 32 carreras con una resolución de cuatro. Necesitamos 16 carreras, y con una resolución de tres. Sólo necesitamos ocho carreras. Pero, ¿qué significa eso? ¿Cómo funciona? El diseño factorial completo siempre se utiliza como punto de partida Echemos un vistazo al ejemplo con ocho carreras. En la siguiente lección, profundizaremos en las aplicaciones prácticas del diseño de experimentos. Estén atentos. 49. Diseño factorial fraccional: Vamos a desglosar los puntos clave sobre los diseños factoriales fraccionarios en términos simples ¿Qué son los diseños factoriales fraccionarios? Los diseños factoriales fraccionarios son una forma eficiente de probar múltiples factores simultáneamente Reducen significativamente el número de ejecuciones experimentales necesarias. ¿Por qué usar diseños factoriales fraccionarios? El uso de diseños factoriales fraccionarios ahorra tiempo y recursos en comparación con los diseños factoriales completos Además, permiten la prueba de interacciones entre factores, proporcionando información valiosa con menos experimentos. Uno, Resolución en diseños factoriales fraccionarios. Definición, resolución se refiere a cuánta información se captura en un diseño experimental. En términos más simples, nos dice cuántos factores como A, B, C, podemos probar juntos y qué tan bien podemos separar sus efectos entre sí. H igher resolución, ejemplo, tres o tres. Esto significa que podemos probar más factores juntos, pero también significa que los efectos de estos factores podrían mezclarse con las interacciones. Estos factores interactúan entre sí. Por ejemplo, con la resolución tres, los efectos de los factores principales podrían mezclarse con interacciones que involucren otros dos factores. Menor resolución, ejemplo. I V o cuatro, aquí, no podemos probar tantos factores juntos, pero es más claro ver los efectos principales de cada factor porque están menos mezclados con las interacciones. Por ejemplo, en la resolución cuatro, los efectos de los factores principales se confunden con interacciones que involucran tres factores Dos, efectos confusos, definición. Cuando decimos que los efectos son confundidos, significa que no podemos decir exactamente qué factor está causando un cierto cambio en los resultados Esto sucede porque diferentes combinaciones de factores podrían tener efectos similares en el resultado. Ejemplo, imagina probar los factores, A, B y C, si agregamos un cuarto factor, D, los resultados podrían mostrar cambios que no podemos atribuir únicamente a D. El efecto de D podría estar mezclado con la forma en que A, B y C interactúan entre sí. Tres, impacto de la resolución en el diseño de experimentos. Explicación. Elegir una resolución afecta cuán eficiente es nuestro experimento y cuán claros son nuestros resultados. Mayor resolución, nos permite probar más factores juntos, pero requiere más pruebas para tener confianza en nuestros resultados. Una resolución más baja requiere menos pruebas, pero puede hacer que sea más difícil enredar los efectos de diferentes factores Cuatro, ejemplos prácticos, Ilustración, para entender mejor, pensar probar diferentes recetas para hornear un pastel. Si cambias un ingrediente, como el azúcar, el sabor podría cambiar. Pero si cambias tanto el azúcar como la harina, es más difícil decir qué cambio causó, qué resultado. El diseño nos ayuda a equilibrar las pruebas muchos factores y comprender sus impactos separados. Al comprender estos puntos, los investigadores pueden diseñar experimentos que den respuestas claras sobre cómo los factores afectan los resultados, incluso cuando prueban varios factores a la vez. Pasaremos por lo que significan las resoluciones tres, cuatro y cinco en un momento. Por ejemplo, si tenemos seis factores, necesitamos al menos 64 corridas para un diseño factorial completo Si elegimos un diseño factorial fraccional con una resolución de seis, necesitamos 32 Con una resolución de cuatro, necesitamos 16 corridas, y con una resolución de tres, solo necesitamos ocho carreras. Pero, ¿qué significa eso y cómo funciona? El diseño factorial completo siempre se utiliza como punto de partida Echemos un vistazo a un ejemplo con ocho carreras. Supongamos que tenemos los factores A, B y C con un diseño factorial completo, podemos probar si el factor A, B o C tiene un efecto También podemos probar si las interacciones entre dos factores tienen un efecto y si las interacciones entre los tres factores tienen un efecto. Si ahora queremos probar no sólo tres factores con ocho corridas, sino un cuarto factor adicional, el factor S D, debemos sacrificar alguna información de una de las interacciones. Por ejemplo, la interacción de A, B, y si queremos probar un quinto factor con ocho pruebas, digamos factor A, necesitaríamos sacrificar otra interacción. Por ejemplo, la interacción entre B y C, sin embargo, en realidad no estamos dejando caer la información. Estamos mezclando el nuevo factor con la interacción. Esto significa que hemos confundado el factor con la interacción. ¿Qué significa eso? Significa que no podemos determinar si un efecto observado se debe al factor D o a la interacción de A, B y C. De manera similar, no podemos decir si un efecto se debe al factor A o a la interacción de B y C de la cosa. Es mucho menos problemático mezclar un factor con una interacción de tres factores que con una interacción de dos factores. Del mismo modo, no podemos distinguir si un efecto resulta del factor A o de la interacción de B y C. Ahora, tenemos una buena transición a la resolución. ¿Qué significan las resoluciones tres, cuatro y cinco? En la resolución tres, los efectos principales pueden confunderse con interacciones de dos factores Por ejemplo, el factor D podría confundirse con la interacción de los factores A y B Experimentos con resolución tres por lo que se considerarían críticos Solo se pueden usar si la interacción de dos factores es significativamente menor que los efectos de los factores principales. De lo contrario, la interacción de dos factores puede distorsionar significativamente el resultado de un factor Los experimentos a la resolución cuatro son mucho menos críticos. Aquí, solo los efectos principales se confunden con las interacciones de tres factores, y cuantos más factores intervienen en una interacción Cuanto menor sea el efecto es probable que sea. Además, en la resolución cuatro, las interacciones de dos factores se confunden con las interacciones de otros dos factores O Los experimentos a la resolución cinco no se consideran críticos. Los efectos principales solo se confunden con interacciones de cuatro factores De la misma manera, las interacciones de dos factores solo se confunden con interacciones de tres factores Pero, ¿cómo confundes un factor y una interacción? Echemos un vistazo a este ejemplo. Aquí tenemos el diseño factorial completo de los tres factores, A, B y C. Estas ocho corridas se realizan en total Todavía solo consideramos factores con dos niveles, menos uno representa un nivel y uno representa el otro. Para nuestro ejemplo de plática friccional, el plan de prueba se vería así para el factor temperatura, menos uno es la temperatura baja, y uno es la temperatura alta Si ahora ejecutamos los experimentos, obtenemos un valor para la variable de respuesta para cada ejecución. Si el factor A es uno o menos uno, esto tiene cierto efecto sobre el valor objetivo. Lo mismo se aplica si el factor B es uno o menos uno. El efecto de interacción nos dice si hay un efecto adicional. I factores A y B son simultáneamente, uno o menos uno, o si ambos van exactamente en sentido contrario. un lado, tenemos los emparejamientos con el mismo signo, y por el otro lado, los emparejamientos con Podemos verificar si existe una diferencia en la variable de respuesta, entre los valores en el grupo verde y los valores en el grupo rojo. Si hay una diferencia, entonces hay una interacción entre A y B. Sin embargo, si sabemos de antemano, que sólo hay una interacción muy pequeña o ninguna, podemos usar estas combinaciones. Para probar un cuarto factor, D para hacer esto, simplemente multiplicamos. A y B. Siempre tenemos uno, si los factores, A y B tienen el mismo signo y menos uno si tienen otro signo diferente. Por supuesto, puede surgir un problema. Al analizar los resultados. Si hay una diferencia entre los valores verde y rojo. En la variable respuesta, no podemos determinar si este efecto proviene de la interacción entre A y B o del factor D si somos a. mostrar que no puede haber interacción entre A y B. Esto no es un problema. Entonces podemos estar seguros de que la diferencia se debe al factor D de manera similar. Podemos tomar la interacción de A y C y también medir el factor A y la interacción de A, B y C para medir el factor F por lo tanto. En este caso, medimos seis factores con solo ocho corridas, pero ya no podemos distinguir factor D de la interacción del factor A y B de la interacción de A y C o el factor F de la interacción de A, B y C en la siguiente lección, tomaremos una visión detallada los otros tipos de diseños disponibles en DOE En la siguiente lección, profundizaremos en las aplicaciones prácticas del diseño de experimentos. Estén atentos. 50. Diseño compuesto central de plackett birman: Bienvenida hoy. Nos sumergimos en diferentes tipos de diseño de experimentos. O DOE, comencemos con el Placet Berman Design. ¿Qué es un diseño de Placet Berman? Placet, los diseños de Berman se utilizan típicamente con dos niveles, y de resolución tres La principal ventaja de estos diseños es que la interacción entre dos factores se distribuye entre varios otros factores. Por ejemplo, la interacción entre los factores A y B se confunde con todos los demás factores excepto A y B mismos Esto hace que los diseños de Plackett Burman sean ideales cuando se trata de muchos factores, y cuando solo los efectos principales son Sin embargo, estos diseños deben usarse con precaución, si se asume que se pueden descuidar las interacciones de dos factores. Aunque este requisito es menos estricto que en fraccionales clásicos diseños factoriales fraccionales clásicos de resolución tres Al seguir adelante, ¿qué es una caja de diseño Benkin? La caja, diseño Benkin, junto con el diseño compuesto central se utiliza para analizar y optimizar algunos factores en detalle Y para identificar dependencias no lineales para detectar relaciones no lineales Al menos tres niveles por factor son necesarios con un diseño factorial completo utilizando tres niveles El número de ensayos puede aumentar rápidamente. Por ejemplo, con dos factores en tres niveles cada uno, necesitas nueve carreras y con tres factores en tres niveles cada una, aumenta a 27 carreras. Los diseños de Box, Benkan abordan esto creando un diseño factorial completo con dos E incluyendo puntos centrales, como tres veces para dos factores, o con tres factores, lo que reduce el número de corridas 27-15 Aunque esto reduce el número de corridas, puede identificar menos relaciones no lineales. A continuación, discutamos el diseño compuesto central. Este diseño generalmente involucra tres tipos de puntos de prueba, dos, puntos factoriales de nivel que forman las esquinas de un cubo o hiper cubo en espacios multidimensionales Puntos centrales ubicados en el centro del espacio definido por los puntos factoriales Puntos axiales que se encuentran en los ejes del espacio factorial fuera de la cola. Estos dos últimos tipos de puntos ayudan a estimar efectos no lineales en su modelo. En la siguiente lección, profundizaremos en las aplicaciones prácticas del diseño de experimentos. Estén atentos. 51. Conclusión: Agradezco mucho por completar el programa. Demuestra que estás altamente comprometido en tu viaje por el aprendizaje. Te quieres subir de habilidades y confío en que hayas aprendido mucho. Espero que todos sus conceptos también sean claros. Quiero asegurarme de que te diga cuáles son los otros programas que sí quiero skillshare. Entonces en Skillshare, tengo muchos otros programas que ya están ahí y surgirán muchos en las próximas semanas y meses futuros. son los programas storytelling con datos, cómo puedo usar la analítica, visualización de datos, analítica predictiva sin codificación, y muchos más. Aparte de esto, también trabajo como formador corporativo. Me aseguro que todos mis programas sean altamente interactivos y mantenga todos los participantes muy comprometidos. Diseñé los libros que son personalizados para mi taller, lo que también asegura que todos los conceptos sean claramente entendidos por los participantes. Mis juegos están diseñados de tal manera que los conceptos obtienen préstamos en un tiempo que juegan. Hay una gran cantidad de juegos los cuales están diseñados para mis programas. Y si estás interesado, eres libre de contactarme. También he hecho más de 2 mil horas de entrenamiento en los últimos dos años durante la pandemia. Estos son sólo algunos de los talleres. Por lo que si su organización quiere tomar algún programa de capacitación corporativa que esté fuera de línea o en línea. O si sientes que personalmente quieres upskill tu aprendizaje, eres libre de contactarme a través de mi ID de correo electrónico. Mantente conectado conmigo en LinkedIn si te gustó mi formación, por favor asegúrate de escribir una reseña en LinkedIn. Además, también dirijo un canal de Telegram donde pongo muchas preguntas donde gente puede aprender los conceptos y lo harán, tal vez solo tarden unos segundos para que lo hagan. Aparte de eso, por favor asegúrate escribir para dejar una opinión en Skillshare, que ¿cómo fue tu experiencia formativa? Por favor, no olvides completar tu proyecto. Amo a las personas cuando están comprometidas y has demostrado que eres una de ellas. Por favor, manténgase conectado. Mantente a salvo, y que Dios te bendiga.