Validación del nivel de confianza 99% en estudios
Qué cambia al planificar un estudio con confianza del 99 %: valor crítico, precisión, tamaño muestral y supuestos.
Actualizado:
Elegir un 99% de confianza es una decisión sobre el procedimiento de inferencia, no una certificación de exactitud. Puede ser razonable cuando el coste de una conclusión errónea justifica más observaciones, pero no es obligatorio para inversiones, negociación o auditorías. El nivel elegido no otorga valor probatorio automático.
Confianza no es lo mismo que precisión
En un procedimiento con cobertura nominal del 99%, los intervalos calculados en repeticiones bajo sus supuestos cubrirían el parámetro en aproximadamente el 99% de los estudios. No significa que el 99% de los trabajadores se observe, que el error sea del 1%, ni que una conclusión causal tenga un 99% de probabilidad de ser cierta.
Para un tamaño de muestra fijo, aumentar el nivel de confianza ensancha el intervalo. Para mantener el mismo margen aproximado, exige más lecturas. Una muestra sesgada sigue sesgada aunque el intervalo sea estrecho.
Cuántas observaciones supone
Para una proporción bajo un diseño aproximadamente binomial independiente:
n = ceil(z²p₀(1−p₀)/e²)
p₀ es una proporción de planificación; e es el margen absoluto. Si no se dispone de información previa, p₀=0,5 maximiza la varianza de una proporción. No cubre automáticamente el efecto de rondas agrupadas, pesos desiguales o datos perdidos.
Ejemplo de planificación, no resultado de una fábrica: con e=0,03 y p₀=0,5:
| Confianza bilateral | z utilizado | Cálculo antes de redondear | n entero |
|---|---|---|---|
| 95% | 1,96 | 1067,111 | 1068 |
| 99% | 2,576 | 1843,271 | 1844 |
La razón de los tamaños sin redondear es (2,576/1,96)²≈1,7273: aproximadamente un 73% más de lecturas en estas condiciones. No es un hallazgo empírico sobre costes ni una mejora del 73% en exactitud. Los valores z están redondeados; declarar otra aproximación puede cambiar el entero final.
Con n=1000 y p̂=0,40, la aproximación normal da un error estándar de √(0,4×0,6/1000)=0,01549. El margen es aproximadamente 3,04 puntos al 95% y 3,99 al 99%. Para proporciones próximas a cero o uno conviene un método como Wilson; no todos los intervalos son simétricos.
Diseñar el estudio antes de elegir un número llamativo
- Define la población, los turnos y el periodo al que se aplicará la conclusión.
- Establece un umbral de decisión y una precisión útil: una diferencia pequeña puede carecer de interés económico.
- Acuerda categorías observables y revisa desacuerdos entre observadores.
- Distribuye momentos y recursos con probabilidades conocidas. Varias personas en una ronda no son necesariamente observaciones independientes.
- Declara el tratamiento de ausencias, incidencias, pesos y cambios de proceso.
La planificación puede actualizarse con información piloto. Consultar repetidamente un intervalo ordinario y detenerse cuando resulte favorable no conserva automáticamente su cobertura nominal. Predefine el cierre o utiliza un método secuencial adecuado.
Qué comprobar al analizar los datos
Un test de rachas puede detectar ciertos patrones, pero no prueba independencia ni normalidad. La ausencia de una señal puede deberse a baja potencia. Examina el diseño, las fechas, la composición de los subgrupos y posibles cambios de contexto. Un periodo cambiante todavía puede describirse; lo que exige cuidado es proyectarlo como un único proceso estable.
La observación aleatoria reduce la elección de momentos convenientes. No elimina por sí sola el efecto de ser observado, ni garantiza que los datos sean anónimos. Un puesto, una hora y un turno pueden identificar indirectamente a alguien. Si hay datos personales, revisa finalidad, base jurídica, información y conservación conforme al RGPD y al marco laboral aplicable.
Muestreo, sensores y decisión económica
Ambos métodos pueden complementarse. El muestreo aporta estados y contexto; un sensor aporta señales cuya interpretación también necesita validación. Ninguno explica automáticamente una causa.
Para OEE hacen falta A=tiempo en marcha/tiempo planificado, P=ciclo ideal×unidades totales/tiempo en marcha y Q=unidades buenas/unidades totales. Las categorías de una visita no proporcionan por sí solas rendimiento y calidad.
WorkSamp ayuda a planificar y registrar visitas y ofrece intervalos Wilson en informes avanzados. La herramienta no convierte el estudio en peritaje ni elimina errores de captura. Para duraciones específicas puede complementarse con Cronometras; los registros de jornada de Induly responden a otra pregunta. Contrasta cualquier inversión con costes, capacidad vendible, demanda y riesgos.