Lean Manufacturing Six Sigma Forum
Bienvenido. Welcome. Bienvenu.

TU EXPERIENCIA EN EL FORO SE MAXIMIZA CON TU INSCRIPCIÓN GRATIS
Tema del mes







Últimos temas
» Understanding the typical 1.5 sigma shift in a process.
Dom Dic 04, 2016 8:23 am por wsterlin

» Sobre análisis de regresión
Lun Oct 10, 2016 12:01 am por wsterlin

» Lean Transformation Equation
Jue Sep 01, 2016 10:31 pm por Admin

» Quality Function Deployment, QFD tutorial
Dom Ago 28, 2016 10:02 am por Admin

» Tiempo Takt en una Farmacéutica.
Mar Jul 26, 2016 11:08 am por maximo P. D.

» Numbers role in Lean Manufacturing.
Dom Jul 03, 2016 9:36 am por Admin

» Que repuesta esperamos de Toyota ante el retiro de Gran Bretaña (Brexit) de la Unión Europea?
Sáb Jun 25, 2016 11:27 am por wsterlin

» Como calcular un target cycle time más científico.
Miér Jun 15, 2016 9:20 pm por Griska

» Equivocaciones sobre VSM, flujo, y Takt
Miér Jun 15, 2016 7:20 pm por Griska

» Muda Mura Muri
Dom Mayo 29, 2016 12:32 pm por wsterlin

DataFeast By Quantum TC
Galería


Sondeo

Usted encontró lo que buscaba

 
 
 

Ver los resultados


T-test y Z-test: diferencias y potenciales riesgos de aplicaciones

Ver el tema anterior Ver el tema siguiente Ir abajo

T-test y Z-test: diferencias y potenciales riesgos de aplicaciones

Mensaje  wsterlin el Sáb Feb 28, 2015 8:48 pm

Asumiendo la normalidad e independencia de los datos que genera un proceso de alto volumen, siempre existe un alto riesgo de cometer el error tipo 2, aceptación errónea ( false accept, o aceptar lo malo) durante el análisis, cuando no se tiene claro el mecanismo de la prueba T y sobre todo la diferencia con la prueba Z. 

La prueba T es una prueba de señal sobre ruido, es decir la señal de desplazamiento de la media grupal sobre la dispersión de la data del grupo para este tamaño de muestra. La figura siguiente muestra el mecanismo de la prueba T.

 
con el valor T calculado con la ecuacion siguiente:



Cuando el tamaño de muestra mas y mas grande la fracción de la varianza (desviación estándar S al cuadrado) sobre el mismo tamaño de  muestra tendrá tendencia a aproximarse a cero; la raíz cuadrada de este número muy pequeño es aún mucho más pequeño, y por ende la fracción de la diferencia de medias entre este número muy pequeño tendrá tendencia hacia el infinito. En otras palabras se podría obtener un valor del estadístico T tan grande que terminamos con un p- Value mayor a 0.05 y aceptar la hipótesis nula que las medias son iguales, cuando en realidad no las son: error tipo 2. 

Cual es el tamaño de muestra recomendado para pruebas T? Repuesta: menos o igual a 30. Con un tamaño de muestra mayor a 30 se recomienda usar el Z- test para no incurrir en error tipo 2 y robustecer su prueba de hipótesis. Esta es una diferencia de gran importancia entre dos pruebas. 

Una segunda diferencia es en cuanto a la desviación estándar. La prueba t asume que no se conoce la desviación estándar de la población. Si se conoce la desviación estándar de la población, una vez mas es recomendable el uso de la prueba  Z, simplemente porque si conoces la desviación estándar σ de un población de n datos puedes calcular el error estándar (standard error) que es la fracción σ/√n y entonces calcular la prueba z con la formula siguiente:


En conclusión hay dos grandes diferencias a tomar en cuenta cuando se dispone de muchos datos en la muestra en cuanto al uso de la prueba t o la z:

1- cuando n>=30 es  mejor usar la prueba z para evitar caer en una aceptación errónea, error tipo 2  ya que el,estadistico t tienda a ∞
2- cuando se conoce la desviación estándar de la población es mejor usar la prueba z que apunta a una mayor precisión de la decisión estadística tomando en cuenta el error estándar.

_________________
WSterlin
Nuestra filosofía: Walk, See & Solve

wsterlin

Mensajes : 194
Puntos : 498
Fecha de inscripción : 05/01/2011

Ver perfil de usuario

Volver arriba Ir abajo

Ver el tema anterior Ver el tema siguiente Volver arriba

- Temas similares

 
Permisos de este foro:
No puedes responder a temas en este foro.