El Error Estándar (σp) y la precisión de los datos
Cómo calcular el error estándar de una proporción y reconocer cuándo la dependencia o el diseño cambian su interpretación.
Actualizado:
El error estándar describe variabilidad de un estimador entre muestras bajo un modelo. No es el margen de error completo, el nivel de confianza ni una medida de todo sesgo. Una participación de trabajo directo tampoco es, por sí sola, eficiencia o productividad.
1. Fórmula y supuestos
Con n observaciones Bernoulli independientes de igual probabilidad y un parámetro p:
$$SE(\hat p)=\sqrt{p(1-p)/n}$$
Como p es desconocido, se suele estimar sustituyéndolo por la proporción observada p̂. Esta expresión no se aplica sin ajustes a rondas correlacionadas, probabilidades desiguales o conglomerados. Una visita con varios trabajadores no genera necesariamente múltiples unidades independientes.
Para el intervalo normal aproximado o Wald:
$$\hat p\pm z_{1-\alpha/2}\sqrt{\hat p(1-\hat p)/n}$$
El margen es z×SE y se expresa en puntos porcentuales al multiplicarlo por 100. Un 95% describe cobertura del procedimiento al repetir el muestreo bajo sus supuestos, no probabilidad de que este intervalo concreto contenga un parámetro fijo. La regla del 68,27% solo describe una distribución normal ideal alrededor de su media, no una garantía exacta para toda proporción.
2. Ejemplo aritmético
Suponga 500 visitas independientes, 160 de trabajo directo: p̂=0,32. Entonces:
- SE≈√(0,32×0,68/500)=0,02086.
- Margen Wald95≈1,96×0,02086=0,04089.
- Intervalo aproximado: [27,91%; 36,09%].
Es un caso didáctico. El cálculo no mide clasificación errónea, reactividad ni cobertura de otros turnos. Cerca de cero o uno, y con tamaños pequeños, Wald puede funcionar mal; no basta con n>30 ni con comprobar solo np. NIST describe métodos para intervalos de proporciones. El informe avanzado documentado de WorkSamp emplea Wilson; no debe llamarse Wald a toda salida del producto.
3. Planificar precisión sin inventar benchmarks
Para margen absoluto e, una aproximación inicial es n=techo(z²p₀(1−p₀)/e²). Con e=0,05, p₀=0,5 y z=1,96 son 385 observaciones independientes. Reducir el margen a la mitad exige aproximadamente cuatro veces n si lo demás no cambia.
La siguiente tabla es simulada y recalculada, sin atribución a promedios de sectores:
| Caso | p supuesto | n | SE aproximado | Margen Wald95 |
|---|---|---|---|---|
| A | 0,34 | 850 | 0,01625 | ±3,18 pp |
| B | 0,28 | 620 | 0,01803 | ±3,53 pp |
| C | 0,31 | 550 | 0,01972 | ±3,87 pp |
| D | 0,37 | 780 | 0,01729 | ±3,39 pp |
No acredita un «estado del arte español» ni un requisito normativo del 5%. Elegir confianza y precisión depende de la decisión, el coste y el diseño. Referencia NIST de planificación.
4. Cambiar categorías no garantiza menor error
MECE ayuda a clasificar de forma consistente, pero dividir cinco categorías en ocho cambia los parámetros analizados. No demuestra una reducción del 15–22% de incertidumbre del mismo estimador. A igual n y p, la fórmula SE es la misma; mejorar clasificación puede reducir error de medición sin alterar ese SE binomial.
Un código «desconocido» documentado es preferible a adivinar una actividad. Compare acuerdo entre observadores y causas de discrepancia, no solo un porcentaje final.
5. Reactividad y criterios de parada
No se prescribe observar desde cinco metros, retirar uniformes o descartar un inicio de ±0,08. No hay evidencia aquí para esos umbrales. Una prueba no significativa entre primeras y últimas visitas no demuestra que el efecto Hawthorne esté controlado; puede faltar potencia o haber otros cambios.
Aumentar n reduce error aleatorio bajo un modelo, pero no elimina sesgo. Planifique exclusiones antes de mirar resultados. Consultar repetidamente un intervalo y detenerse cuando su amplitud resulta favorable puede alterar la cobertura nominal; un diseño secuencial requiere su propio procedimiento. Que una aplicación actualice su planificación no convierte sus intervalos ordinarios en secuencias de confianza.
6. Comparar turnos mediante la diferencia
Suponga proporciones A=0,35 y B=0,38, con SE=0,02 en ambos e independencia entre estimadores. Para B−A:
$$SE_{dif}=\sqrt{0,02^2+0,02^2}\approx0,02828$$
La diferencia es 0,03 y un intervalo normal95 aproximado es [−0,0254; 0,0854], es decir, entre −2,54 y +8,54 puntos porcentuales. Este ejemplo no aporta evidencia suficiente de una diferencia a ese nivel, pero tampoco demuestra equivalencia. El mero solapamiento de dos intervalos95 no es una prueba general de ausencia de diferencia. Con datos emparejados o correlacionados, incluya la covarianza.
7. OEE, mapas de flujo y decisiones
Un SE pequeño describe una parte de la incertidumbre bajo un modelo; no demuestra validez de un mapa de flujo ni cumplimiento de ISO. El OEE necesita tiempo planificado y en marcha, ciclo ideal y recuentos de unidades totales y buenas. Los porcentajes en ritmo lento o inspección no sustituyen esas mediciones. La duración necesaria del estudio depende de la cobertura y precisión requeridas. Fórmulas OEE.
8. Qué reportar
Incluya estimando, unidad, denominador, cobertura, n planificado/real, dependencia, p̂, método de intervalo, margen absoluto y limitaciones. Mantenga separado el análisis causal y económico. WorkSamp apoya observaciones e informes; Cronometras cronometraje y Induly jornada. Para especialistas, ASETEMYT y ProdCont. Ningún nombre de producto garantiza por sí solo fiabilidad.