Amigos,
Supongamos que tu empresa ha decidido que la eficiencia de transferencia (TE) es el indicador clave para determinar la calidad de la pasta de soldadura. La eficiencia de transferencia es la relación entre el volumen del depósito de pasta de soldadura y el volumen de la abertura de la plantilla. Aunque estás de acuerdo en que la TE es un parámetro importante, te preocupan un poco los resultados recientes de una evaluación de pastas de soldadura. Dos de cada diez pastas compiten por el primer puesto y parece que la TE será el factor decisivo. La pasta A tenía una TE del 99,5 % y la pasta B, del 99 %. Por eso, la dirección quiere optar por la pasta A. Te preocupa que la pasta A tenga una mala respuesta a la pausa. Si se deja en la plantilla durante 15 minutos o más, hay que descartar la primera impresión. Esta deficiencia puede suponer una pérdida de tiempo de producción de unos 30 minutos en un sistema de tres turnos.
Sin embargo, los resultados de la prueba de TE mostraron que el TE de la pasta A era estadísticamente significativo mejor que el de la pasta B. Si lo piensas bien, hay algo que no cuadra… El 99,5 % y el 99 % están bastante cerca.
Desempolvas tu libro de texto de estadística y repasa el tema de las pruebas de hipótesis. Entonces te das cuenta de que, con tamaños de muestra muy grandes, unas medias que están cada vez más próximas entre sí pueden ser estadísticamente significativas.
Los datos muestran que la pasta A tiene una media del 99,5 % y una desviación estándar del 10 %, mientras que la pasta B tiene una media del 99 % y también una desviación estándar del 10 %. El tamaño de cada muestra fue de 10 000 muestras. Estos tamaños de muestra tan grandes son importantes para el análisis. El error estándar de la media (SEM) se utiliza para comparar medias en una prueba de hipótesis. El SEM se define como la desviación estándar (s) dividida por la raíz cuadrada del tamaño de la muestra (n):

Así pues, a medida que aumenta el tamaño de la muestra, el SEM se reduce o, en términos estadísticos, se vuelve «más preciso». Con muestras de gran tamaño, esta precisión permite distinguir estadísticamente entre medias que están cada vez más próximas entre sí. Esta situación no suponía un problema con muestras de menos de 100, pero con los modernos sistemas de escaneo volumétrico de pasta de soldadura actuales, es habitual encontrar muestras de más de 1000.
La figura 1 muestra la distribución muestral esperada de la media para muestras con un TE del 99,5 % y del 99,0 %, y un tamaño muestral de 100; ambas tienen una desviación estándar del 10 %. Obsérvese que, a simple vista, no se aprecia mucha diferencia. Sin embargo, con las mismas medias y desviaciones estándar, y un tamaño muestral de 10 000, las distribuciones muestrales de la media son claramente diferentes, como se muestra en la figura 2.
Sin embargo, la realidad es que no hay ninguna diferencia entre los resultados de las figuras 1 y 2. La mínima diferencia entre las medias (0,5 %) puede ser estadísticamente significativa con un tamaño de muestra de 10 000, pero ¿es significativa desde el punto de vista práctico? ¿Tendría realmente importancia esta pequeña diferencia en un entorno de producción? Es casi seguro que no.

Figura 1. Distribución muestral de la media para un tamaño de muestra de 100.

Figura 2. Distribución muestral de la media para un tamaño de muestra de 10 000.
Por lo tanto, cuando se trata de muestras de gran tamaño, debemos preguntarnos si la diferencia es relevante en la práctica. En el caso de la TE, creo que podemos afirmar con seguridad que una diferencia del 0,5 % no es significativa en la práctica. Pero, ¿y si la diferencia fuera del 2 % o del 5 %? Es evidente que habría que realizar experimentos para determinar a partir de qué nivel una diferencia es significativa.
En el caso que se ha comentado anteriormente, yo preferiría, sin duda, la pasta que tiene un TE del 99,0 % y una buena respuesta a la pausa.
Salud,
Dr. Ron


