Muestra para Datos Discretos

Hola amigos y amigas. Bienvenidos al video número 28 de nuestra serie completando juntos nuestro proyecto de mejora continua y al tercer y último video de nuestra miniserie respecto al plan de recolección de datos. En este video, nosotros vamos a ver qué pasos debemos seguir para poder determinar el tamaño de nuestra muestra, cuando el tipo de dato que tenemos es discreto. Y, de la misma forma que vimos en el video anterior respecto a los datos continuos, vamos a entender qué información deberíamos de colocar en nuestro plan de recolección de datos cuando el dato es de este tipo. Pero sin mayor espera, pasamos a la intro y continuamos.
Este video llega a ustedes gracias al apoyo de ops consultores. ¿Si buscan impulsar su carrera profesional OPS consultores tiene la solución para ustedes?
Con sus certificaciones internacionalmente reconocidas en Lean Six Sigma podrán destacarse en el competitivo mundo laboral y abrir nuevas oportunidades de crecimiento. Cada certificación está diseñada para un perfil en específico con el fin de desarrollar habilidades útiles para poder entregar beneficios tangibles a cualquier organización.
Te invito a que explores su calendario de eventos para el año y reserves tu lugar en sus futuras sesiones y si utilizas el código ALESAGAS, me estarás apoyando con el canal, además de obtener un 10% en la certificación que escojas. Bienvenidos de nuevo amigos y amigas, pues al igual que en el video anterior no quiero empezar este video sin darle un contexto, ¿verdad? Por si en algún caso tenemos personas que están viendo este video sin haber visto los otros 2 videos de la miniserie. Como mencionamos en la introducción, este es el tercer video de la miniserie, el primer video. Es principalmente la plantilla que nosotros vamos a estar llenando para nuestro plan de recolección de datos, es la que yo utilizo y es la que recomiendo que ustedes puedan utilizar. El segundo video. Resolvió las preguntas que vamos a resolver también en este video, pero para el tipo de dato continúe, ¿verdad? ¿Cuáles son esas preguntas? Para el tipo de datos discreto en este video vamos a tratar de vamos a buscar resolver cuál es el tamaño de la muestra, con qué frecuencia debemos recolectar los datos y si debemos contar con algún tipo de estratificación. Aplica la misma observación que en el video anterior. El Mundo de la estadística es un mundo mucho más completo. El día de hoy yo voy a estar presentando una versión simplificada pero práctica. Para que ustedes puedan completar la información que necesitamos llenar en el plan de recolección de datos. Ahora que vimos el contexto del vídeo, pasemos al punto número 2, que es un repaso de qué estamos hablando cuando hablamos de un dato discreto, las características de un dato discreto son 3, la primera es que surge de un proceso de conteo, eso quiere decir que yo estoy contando algún suceso, por ejemplo, yo estoy hablando de un error, 2 errores, 3 errores o estoy hablando de una persona, 2 personas, 3 personas.
La segunda característica es que estamos hablando de números enteros, yo estoy contando uno, después estoy contando otro verdad para contar a 2 o estoy contando otro para contar a 3. Yo no estoy contando mitades, ¿verdad? No puedo hablar de un medio error o la mitad de una persona. La tercera característica es que, a menos que exista explícitamente un tipo de conversión, no se puede convertir de una medida a otra. Para esto vamos a recordar que en datos continuos, nosotros cuando hablamos de kilómetros podemos hablar de su conversión a metros a centímetros cuando hablamos de kilogramos a gramos cuando hablamos de alguna otra medida, pues tiene su equivalencia y es fácilmente convertirlo. En este caso o no puedo hablar de 1000 personas que se traslade exactamente a 1000 ventas. ¿Verdad? A menos que nosotros establezcamos algún tipo de relación a través de promedios o una relación entre las 2 variables, nosotros normalmente no vamos a poder traducir o disminuir esas esas medidas, ¿verdad? Un ejemplo es que nosotros estamos contando las ventas. Entonces nosotros, al contar las ventas, decimos, bueno, estas semana empezamos en cero. Nosotros empezamos a contar las ventas y contamos una venta, 2 ventas, 3 ventas, cuatro ventas y así logramos totalizar hasta este punto 112 ventas. Surgió en proceso de conteo, luego no estamos contando aquellas casi ventas que se hicieron en donde tal vez el cliente se retiró estando en la caja. No, nosotros estamos contando sólo las ventas que sí se dieron, no hay medios ventas, no hay intentos de venta. Y, finalmente nosotros no estamos diciendo que esta 112 ventas sean 112 personas porque pueden ser la mitad o pueden ser 1/3 o puede ser casi las 112 personas, pero no hay una equivalencia. No podemos traducir estas ventas en otra medida de forma tan natural como en los datos continuos. Los datos discretos al derivar de un proceso de conteo son mucho menos específicos, y. Vamos a también a cubrir que dentro de este mundo de los discretos hay 2 posibles categorías. Los datos discretos como tal son estos que surgen del conteo de eventos, lo acabamos de ver, pero dentro de este mundo también hay un conteo por categorías y esos surgen, perdón, esos se llaman categóricos. Para efectos de este ejercicio, este vídeo, son exactamente lo mismo, solo quería mencionarlas por el hecho de refrescar el dato discreto de la forma más completa., espero ustedes lo hayan visto en su curso. Pero para efectos de este ejercicio son exactamente lo mismo. Muy bien. Habiendo dicho esto, habiendo repasado “¿Qué es un dato discreto?” Creo que lo mejor es que pasemos ahora a ver a la plantilla y entendamos cómo calcular nuestra muestra, nuestra frecuencia y sus respectivas estratificaciones. Pasemos a ello. Muy bien, amigos y amigas. Aquí estamos con la plantilla que yo les estaré dejando en la parte de la descripción es exactamente la misma plantilla que vimos para el video de los datos continuos, es más. Está en esta pestaña de por aquí. Vamos a empezar de la misma forma a través del cálculo de la muestra mínima. Si recordamos la muestra mínima es cuando nosotros, ese escenario, cuando nosotros nos estamos acercando al proceso y realmente no tenemos mayor información, entonces nosotros queremos empezar a establecer cuál es la muestra razonable, con pocos datos, ¿verdad? En este caso nosotros. el cálculo de la muestra mínima nos solicita 2 valores. Uno es el nivel de precisión, que ese de por sí lo damos nosotros, y el otro es la proporción estimada. El nivel de precisión, de la misma forma en que lo vimos en los datos continuos, se refiere a qué tan exactos o qué tan precisos deseamos ser con respecto al valor que nosotros obtengamos como resultado de la medición. Por ejemplo, si yo establezco un valor de precisión del 5%, quiere decir que si el resultado que yo obtengo es del 90% con esa muestra. El valor real que yo obtendría si yo realmente midiera el 100% de la población estaría entre el 85 y el 95%. En este caso, para este ejercicio lo estamos estableciendo al 1.5%. Y el siguiente valor es la proporción estimada ¿verdad? Realmente para esto, pues nosotros hicimos el ejercicio de agarrar información de 10, 15, 20. 20 elementos ¿verdad? Con eso obtuvimos un primer valor. La proporción estimada básicamente se refiere a de qué tamaño de la población es aquello que nosotros estamos contando, si nosotros estamos contando defectos dentro de todo ese universo de productos, qué población o qué, qué proporción de esa población representa productos con defectos o si nosotros estábamos contando personas, por dar otro ejemplo, pues qué tamaño de la proporción es son esas personas que nosotros estamos contando, ¿verdad? Si nosotros estamos contando. mujeres dentro de un grupo que proporción de ese grupo son mujeres, ¿verdad? Eso es lo que nosotros estamos buscando estimar y con esos 2 valores, pues ya se realizan estos cálculos intermedios. No voy a entrar a ese detalle por este momento, lo pueden ver en el libro, si ustedes lo tienen, y obtenemos un tamaño de una muestra. Si se si notan realmente el tamaño de la muestra es considerablemente mayor, si nosotros lo comparamos contra los datos continuos. Esto es porque los datos discretos tienen una menor resolución, entonces, para obtener un resultado equivalente con su nivel de precisión. A los datos continuos, se necesita una mayor muestra inicial. Muy bien, pasemos a ver ahora, entonces la muestra ideal. Respecto a la información que se necesita para la muestra ideal, nosotros mantenemos 2 de los datos que vimos en la muestra inicial, el nivel de precisión que ya lo explicamos y el tamaño de la proporción de la población que estamos contando. El que se nos agrega es el nivel de confianza. Este es un valor adicional que nos permite ser más eficientes respecto al tamaño de la muestra que nosotros necesitamos obtener para tener un resultado. que nos dé confianza de que es verdadero. ¿A qué se refiere esto? Nosotros aquí estamos diciendo yo quiero con una confianza del 95%, estar seguro de que el valor que yo voy a obtener se encuentra en el rango que el nivel de precisión me está dando. ¿Qué se refiere a eso, verdad? Bueno, aquí nosotros platicábamos de que si mi nivel de precisión era el 5%, íbamos a estar seguros de que iba a estar entre el 85 y el 95%. Si el resultado que obtuve de mi muestra era 90. ¿Verdad? El nivel de confianza nos dice, no vamos a dedicar todo el esfuerzo de estar 100% seguros de que ese valor está entre el 85 el 95, yo solo necesito estar en el 95% seguro de que ese valor se encuentra en ese rango. Con eso yo ya estoy tranquilo, hay un porcentaje de error, un 5%, pero es mínimo. ¿Si nosotros necesitamos mayor exactitud, entonces podemos aumentar ese nivel de confianza y decir yo necesito un casi 100, verdad? Un 99%. De nivel de confianza de que ese resultado que yo obtenga va a estar en este en el rango que el nivel de precisión me da. Si se dan cuenta, pues yo ya necesitaría obtener 2654 muestras, ¿verdad? O el tamaño de la muestra sería ese valor. En cambio, yo con un 95% estoy tranquilo, es el que más se acerca al muestreo inicial. En algunos casos o en algunos procesos ya más maduros, como lo vimos también en el tema en el vídeo de datos continuos. A veces podemos decir, bueno, yo ya estoy bien trabajando con un nivel de confianza del 90% porque tal vez el proceso es estable, yo ya sé que no hay mayor variables que me puedan estar afectando, ese 90% es suficiente, entonces esto nos permite optimizar ese esfuerzo del cálculo de la muestra. Ya con los 3 valores de la misma forma no voy a entrar en el detalle de los cálculos intermedios, nosotros obtenemos el resultado de la muestra ideal que nos con la cual nosotros podemos ya trabajar de forma constante hacia adelante. Ahora pasemos a ver la frecuencia, recordemos que la frecuencia es. ¿Básicamente, cómo vamos a dividir el tamaño de la muestra que nosotros obtuvimos? Dentro del periodo en donde la medida que nosotros queremos obtener hace sentido, entonces yo ya dije que yo necesito 1537. Elementos verdad o el tamaño de la muestra es 1537. Pero yo no sé si necesito obtener esa medida dentro de 3 meses, 1 año, un mes, una semana. Ahí es donde ya uno voltea a ver el negocio, el proceso y se pregunta. ¿Este resultado que yo voy a obtener lo necesitan mensualmente?, entonces yo lo calculo mensualmente, ¿verdad? Mi frecuencia la voy a hacer de forma mensual. No, esta medida que yo voy a obtener de esta muestra la necesitan semanalmente, Ah OK, entonces yo voy a calcular la frecuencia en que lo voy a obtener de manera semanal. Y Así pues, aquí yo les dejo dentro de estas opciones, pues todos los posibles temporalidades que normalmente he visto que aplica ¿verdad? Ustedes ya podrían personalizarlo si es que lo necesitan, entonces vamos a pensar que esto es una métrica mensual, ¿verdad? Yo necesito obtener un resultado cada mes, ¿verdad? Entonces eso es lo que quiere decir es yo voy a estar necesitando obtener 50 muestras cada día. O aproximándolo, yo voy a necesitar obtener 51 elementos cada día para poder obtener esta muestra indicada. Al igual que los datos continuos, la frecuencia en términos prácticos no nos devuelve un número tan exacto como el tamaño de la muestra. Recordemos que este se vuelve un número mínimo que nosotros debemos obtener a partir de ahí hacia arriba. Lo que estamos aumentando normalmente es el nivel de confianza y a veces el nivel de precisión de la medida que nosotros obtengamos, ¿verdad? Entonces nosotros estamos diciendo, yo necesito los 1537 para una medida que debe ser mensual, si yo divido estos periodos, entonces me devuelve que yo necesitaría 50.39, como sabemos de que no manejamos fracciones en este punto lo redondeamos aquí, yo necesito 51 unidades cada día. Y eso si yo lo trabajo por el promedio de días que yo tengo mensuales, quiere decir que el tamaño de mi muestra final va a ser de 1581. Esto ustedes lo pueden personalizar. Sin duda es una frecuencia que va a aplicar, pues a cada uno de sus procesos ustedes pueden tolerar las fracciones. Ustedes pueden personalizarlo ya a su propia necesidad. El objetivo final es obtener un periodo o un intervalo en donde yo voy a cada cierto tiempo voy a ir capturando la información que yo necesito y que ese total debe ser como mínimo el mismo tamaño de la muestra que nosotros obtuvimos o mayor. Ahora entonces pasemos al último grupo, que es la estratificación. En la estratificación lo que estamos tratando de decir es. ¿Cómo nosotros necesitamos asegurarnos de que ciertos grupos estén representados cuando nosotros estemos capturando la muestra? En este ejemplo, pues yo lo que estoy diciendo es que necesitamos que cada uno de los días de la semana esté cubierto. Yo no quisiera enfrentarme con el caso de que cuando yo estaba capturando mi muestra tengo datos de lunes, datos de martes, de miércoles, pero jueves no y de ahí me salté a viernes. Entonces yo me quedé un día de la semana sin información y yo no sé si ese día es especial de alguna forma. O que yo también quiero asegurarme de que de los 3 turnos que tengo en la en la organización, los 3 turnos tengan su respectiva información. Entonces yo no quiero que de repente yo eh. Dentro de la información que recolecte martes en el turno de la noche. Yo no tengo información, no sé por qué, pero no obtuve información, entonces yo. Estoy estratificando el tamaño de mi muestra con el fin de asegurarme de que cada uno de los grupos que yo necesito que estén representados estén representados en la data que. Que recolecté. Entonces se vuelve relativamente sencillo, nosotros empezamos con el valor de la muestra, en este caso yo voy a tomar la frecuencia ya final que obtuve perdón la muestra que obtuve de la frecuencia 1581 y yo digo, bueno, yo necesito, como les mencionaban los valores de lunes, martes, miércoles, jueves y viernes. Entonces yo tengo un primer grupo de 5 días que necesito que estén representados. ¿Y en el siguiente yo les menciono los 3 turnos, verdad? Tan mañana, tarde y noche que necesito que estén representados. La combinación de estos 2 grupos me devuelven valor de 15, eso quiere decir que yo tengo 15 combinaciones, yo tengo lunes turno de la mañana, lunes, turno de la tarde, lunes, turno de la noche, martes, mañana, martes, tarde, martes, noche y así cada uno de los días me dan 15 posibles combinaciones. Eso me devuelve 506 datos por cada uno de los grupos. Ni el tamaño de muestra total va a terminar siendo 1590. Por temas prácticos, lo que yo regresaría a hacer es bueno, yo sé que no. Si yo recolecto 106 datos por grupo. En la primera semana yo ya voy a voy a hacer el esfuerzo de todo el mes durante una semana. ¿No se trata de eso, verdad? Entonces yo ya regresaría a mi frecuencia y ya la aplicaría a cada uno de los grupos. ¿Esto no necesariamente está en orden, verdad? Tal vez el tamaño de la muestra ideal sí sería uno de los primeros pasos, pero tanto la frecuencia y la estratificación ustedes pueden trabajar uno o el otro como vayan gustando. Entonces yo regreso, bueno, yo si yo necesito 106 por grupo, entonces esto me saca que yo voy a yo necesito capturar cuatro unidades cada día por uno de los por cada uno de los grupos que tenemos aquí y así nosotros obtendríamos. La muestra que nosotros necesitamos a fin de mes. Muy bien, amigos y amigas. Muchas gracias por quedarse hasta el final. A forma de resumen en el video de hoy estamos terminando nuestra miniserie respecto al plan de recolección de datos, el. Video se concentró en responder con qué frecuencia, con qué tamaño de muestra y la estratificación para cuando el dato que nosotros estamos buscando capturar es de tipo discreto. La plantilla la pueden encontrar en la descripción y cualquier duda, pues agradezco la dejen en los comentarios para poder resolvérsela a toda la comunidad. De nuevo, muchas gracias por quedarse hasta este punto. Agradezco sus likes, sus dislikes, sus comentarios y los invito a que se suscriban al canal. Muchas gracias y hasta pronto.