Amigos,
Cada día nos encontramos con los resultados de encuestas y sondeos. Un ejemplo típico podría ser que el presidente Obama aventaja a Mitt Romney en una encuesta por un 48 % frente a un 45 %, pero los resultados no son estadísticamente significativos. Una pregunta lógica podría ser: «¿Qué significa que algo sea estadísticamente significativo?».
Para determinar la significación estadística, normalmente el estadístico utiliza el criterio según el cual, si solo hay un 5 % o menos de probabilidades de que la conclusión sea errónea, se considera estadísticamente significativa. Así pues, cuando otra encuesta indica que el presidente Obama lidera con un 49 % frente a un 44 % y esto es estadísticamente significativo, existe, estadísticamente, menos de un 5 % de probabilidades de que la conclusión sea errónea. El criterio del 5 % no es inamovible. A veces se puede utilizar el 10 %, el 1 % o incluso el 0,1 %. Sin embargo, la tradición nos ha establecido el 5 % como valor por defecto para la «significación estadística». También es útil comprender que, cuantos más datos haya en la muestra, más probable será que los resultados sean estadísticamente significativos.
Pero si algunos datos son estadísticamente significativos, ¿son siempre «prácticamente» significativos? Por ejemplo, supongamos que te gusta mucho el chocolate. Tu marca favorita participa en una cata y obtiene una puntuación de 9,6 sobre 10, mientras que un chocolate nuevo obtiene un 9,7 sobre 10 y los resultados son estadísticamente significativos. La pega es que el chocolate nuevo cuesta cinco veces más. ¿Merece la pena gastarse ese dinero extra para pasarte al chocolate nuevo? En este caso, debemos preguntarnos si la diferencia es significativa en la práctica. La respuesta es, con toda probabilidad, no. Una diferencia de 0,1 puntos sobre 10 es muy pequeña, y además el sabor es subjetivo. En este caso, es posible que el resultado no sea significativo en la práctica. La subjetividad de una cata puede significar que no notes la diferencia o que sigas prefiriendo tu chocolate favorito.
Consideremos otro ejemplo menos subjetivo. Supongamos que, en una determinada aplicación, la formación de huecos en la soldadura es un problema crítico. Por lo tanto, se mide la formación de huecos en dos pastas de soldadura. Tras recopilar cientos de puntos de datos, se observa que la formación media de huecos en una de las pastas de soldadura es del 8 % y en la otra del 7 %. El análisis con el software Minitab® indica que la diferencia es estadísticamente significativa. Pero, ¿es la diferencia significativa desde el punto de vista práctico? Probablemente no.
¿Cómo se determina la relevancia práctica? Normalmente, mediante experimentos o, en algunos casos, basándose en la experiencia. En nuestro ejemplo sobre los huecos en la soldadura, supongamos que los experimentos demostraran que, siempre que la media de huecos sea inferior al 30 %, no habría motivo de preocupación. A la luz de esto, el departamento de ingeniería podría haber establecido una especificación según la cual la media de huecos no debe superar el 25 %. (Todo este razonamiento parte de la base de que la dispersión o la desviación estándar de los datos no es grande, pero este tema es objeto de otro debate). Así pues, en este caso, la diferencia entre un 7 % y un 8 % de huecos puede ser estadísticamente significativa, pero no lo es en la práctica. Por lo tanto, un ingeniero prudente podría optar por la pasta del 8 % si presentara otras características deseables, como una mejor respuesta a la pausa, resistencia al «graping» o una mejora en el defecto «head-in-pillow».
Así que pregúntate siempre: ¿la diferencia es tanto estadística como práctica ?
La imagen muestra la formación de grapas en las uniones soldadas, lo que suele ser más preocupante que la formación de huecos.
Salud,
Dr. Ron


