Resultados Estadísticamente Significativos versus Resultados Significativos en la Práctica en el Montaje de SMT

Amigos,

Todos los días estamos expuestos a los resultados de encuestas y sondeos. Un ejemplo típico puede ser que el Presidente Obama le gana a Mitt Romney en un sondeo 48% contra 45%, sin embargo los resultados no son estadísticamente significativos. Una pregunta razonable podría ser “¿Qué significa ser estadísticamente significativo?”  

Para determinar la significancia estadística, en general, el estadístico utilizará el criterio de que si existe solo un 5 por ciento o menos de posibilidad de que la conclusión sea equivocada, se considera estadísticamente significativo. Entonces, cuando otro sondeo afirme que el Presidente Obama lidera en 49% contra 44% y sea estadísticamente significativo, hay, estadísticamente, menos de un 5% de posibilidad de que la conclusión sea equivocada. Los criterios del 5% no deben ser aplicados al pie de la letra. Algunas veces se podría utilizar un 10%, 1% o incluso un 0,1%. Sin embargo, la tradición nos ha proporcionado un 5% como valor predefinido para “significancia a nivel estadístico”. También es útil comprender que, cuánto más datos haya en la muestra, más probabilidad existe de que los resultados sean estadísticamente significativos. 

Pero si algunos datos son estadísticamente significativos, ¿son siempre significativos a nivel “práctico”? Como ejemplo, digamos que a usted en verdad le gusta el chocolate. Su marca favorita está en una prueba de sabor y obtiene un puntaje de 9,6 sobre 10, donde un chocolate nuevo obtiene un puntaje de 9,7/10 y los resultados son estadísticamente significativos. El inconveniente: el chocolate nuevo cuesta 5 veces más. ¿Vale la pena el dinero extra para cambiarse al chocolate nuevo? En este caso, tenemos que preguntar, si la diferencia es significativa a nivel práctico. La respuesta es, con toda probabilidad, no. Esta diferencia de 0,1 en 10 es muy pequeña, y el sabor también es subjetivo. Aquí el resultado podría no ser significativo a nivel práctico. La subjetividad de una prueba de sabor puede significar que usted o no puede ver la diferencia o le sigue gustando más su chocolate favorito.

Consideremos otro ejemplo menos subjetivo. Supongamos que, en una aplicación determinada, la soldadura en vacío es una preocupación importante. Entonces usted mide el vacío de dos pastas para soldar. Después de reunir cientos de datos, descubre que el vacío promedio de una pasta para soldar es 8% y que el de la otra es 7%. El análisis con el software Mintab® le dice que la diferencia es estadísticamente significativa. Pero ¿la diferencia es significativa a nivel práctico? Probablemente no.

¿Cómo determina usted la significancia a nivel práctico? En general, sería mediante la experimentación o en algunos casos por experiencia. En nuestro ejemplo del vacío en la soldadura, supongamos que los experimentos mostraron que, siempre que el promedio de vacío esté por debajo del 30%, no habrá problemas. En vista de esto, la ingeniería podría especificar que el vacío no debe ser mayor que el 25% en promedio. (Toda esta discusión supone que la desviación de distribución o estándar de los datos no es grande, sin embargo este tema es otra discusión por separado.) Entonces en este caso, la diferencia de entre 7 y 8% en el vacío podría ser estadísticamente significativa, pero no en la práctica. Así, un ingeniero prudente podría elegir la pasta del 8% si tuviera otras características deseables, como ser mejor respuesta a la pausa, o resistencia a apelmazamiento, o defecto de head-in-pillow (cabeza en almohada) mejorado.

Entonces siempre pregúntese si la diferencia es estadística y práctica.

La imagen muestra el apelmazamiento de la unión de soldadura, que con frecuencia es más preocupante que el vacío.

Saludos,

Dr. Ron

Translation powered by Avalon Professional Translation