Search

La búsqueda de datos dentro de la bibliografía científica ofrece tanto al lector espontáneo como al investigador diferentes retos al momento de leer, comprender y analizar los resultados de un artículo publicado, principalmente cuando los resultados contienen información sobre procedimientos estadísticos empleados en el análisis, como es el caso del reporte de valores de p. Este artículo ofrece al investigador y al usuario de la bibliografía científica elementos y conceptos que le permitan, entre otras: identificar y entender los componentes de una prueba de hipótesis, interpretar adecuadamente los valores de p, reconocer las ventajas que tiene el uso de intervalos de confianza frente a los valores de p, diferenciar entre significación estadística y significación clínica en una prueba de hipótesis y reconocer la importancia del cálculo del tamaño de la muestra, desde la planeación de este tipo de estudios. Researchers and spontaneous readers both have to face several challenges when they are looking for evidence in scientific papers, especially when statistical procedures are developed during the analysis phase, such as the use of hypothesis testing and p-values. This paper offers concepts and pointers to assist researchers and readers of scientific literature to identify and understand the components within a statistical test of hypothesis, to appropriately interpret p-values, to recognize the advantages in using confidence intervals rather than pvalues, to establish the difference between statistical significance and clinical relevance in the use of hypothesis testing and to recognize the importance of sample size calculation from the beginning of a study.

Objective. This paper presents extensions to Freese’s statistical method for model-validation when proportional bias (PB) is present in the predictions. The method is illustrated with data from a model that simulates grassland growth. Materials and methods. The extensions to validate models with PB were: the maximum anticipated error for the original proposal, hypothesis testing, and the maximum anticipated error for the alternative proposal, and the confidence interval for a quantile of error distribution. Results. The tested model had PB, which once removed, and with a confidence level of 95%, the magnitude of error does not surpass 1225.564 kg ha-1. Therefore, the validated model can be used to predict grassland growth. However, it would require a fit of its structure based on the presence of PB. Conclusions. The extensions presented to validate models with PB are applied without modification in the model structure. Once PB is corrected, the confidence interval for the quantile 1-α of the error distribution enables a higher bound for the magnitude of the prediction error and it can be used to evaluate the evolution of the model for a system prediction., Objetivo. En este trabajo se presentan extensiones al método estadístico de Freese para validar modelos con sesgo proporcional (SP) en sus predicciones y se ilustra el método con datos provenientes de un modelo de simulación de crecimiento de praderas. Materiales y métodos. Las extensiones para validar un modelo con SP fueron: el error máximo anticipado para el planteamiento original, la prueba de hipótesis y error máximo anticipado para el planteamiento alternativo, y el intervalo de confianza para un cuantil de la distribución de los errores. Resultados. El modelo evaluado presentó SP, una vez removido y con un nivel de confianza del 95% la magnitud del error no sobrepasa 1225.564 kg ha-1. Por lo que el modelo validado podría usarse para predecir el crecimiento de praderas, sin embargo, requerirá un ajuste en su estructura con base a la presencia de SP. Conclusiones. Las extensiones presentadas para validar modelos en presencia de SP se aplican sin que el modelo sea modificado en su estructura. El intervalo de confianza para el cuantil 1-α de la distribución de los errores una vez que se corrige el SP, permite determinar una cota superior para la magnitud del error de predicción y usarla para evaluar la evolución del modelo en predicción del sistema.

RESUMEN Tras varios decenios de críticas a las técnicas inferenciales basadas en las pruebas de significación estadística orientadas al rechazo de la llamada "hipótesis nula" y, a pesar del notable consenso alcanzado entre los estadísticos profesionales, este recurso se mantiene vigente tanto en las publicaciones biomédicas, entre ellas las de Salud Pública, como en cursos introductorios de estadística. Entre las muchas deficiencias señaladas por los más prominentes especialistas se destacan tres por ser las más obvias y fáciles de comprender: que no contribuyen a cumplimentar la encomienda de la ciencia, que se conocen de antemano las respuestas a las preguntas que se encaran por su conducto y que los resultados que producen dependen de un elemento ajeno a la realidad estudiada: el tamaño muestral. El artículo discute en detalle tales limitaciones, ilustra su perniciosa presencia en la investigación actual y valora las razones para la subsistencia de la sinrazón en esta materia. ABSTRACT After decades of criticism against inferential techniques based on statistical significance tests, which mainly reject the so-called "null hypothesis", and in spite of the remarkable consensus among professional statisticians, this resource remains prevalent in both biomedical publications (including public health journals) and introductory statistics courses. Among the many problems identified by the most prominent specialists, three of them are the most obvious and easy to understand: that these tests do not contribute to the actual enterprise of science, that the answers to the questions that are addressed are known in advance and that their results depend critically on an element that is external to the domain that is being studied: sample size. This paper discusses in detail these limitations, illustrates their pernicious presence in current research and evaluates the reasons for the survival of the senselessness in this matter. RESUMO Trás vários decênios de críticas as técnicas inferenciais baseadas nas provas de significação estatística orientadas ao rejeito da chamada "hipótese nula" e, embora do notável consenso alcançado entre os estatísticos profissionais, este recurso se mantem vigente tanto nas publicações biomédicas, entre elas as de Saúde Pública, como nos cursos introdutórios de estatística. Entre as muitas deficiências assinaladas pelos mais proeminentes especialistas se destacam três por ser as mais obvias e fácies de compreender: que não contribuem a complementar a encomenda da ciência, que se conhecem de antemão as respostas ás perguntas que se encaram pelo seu conduto y que os resultados que produzem depende dum elemento alheio á realidade estudada: o tamanho amostral. O artigo discute em detalhe tais limitações, ilustra a sua perniciosa presença na investigação atual e valora as razões para a subsistência da sem-razão em esta matéria.

En la industria es común realizar experimentos para optimizar los procesos de producción; sin embargo, se requieren de considerables recursos económicos y tiempo para desarrollar las nuevas tecnologías. La propuesta en este trabajo es emplear las técnicas de simulación Monte Carlo y bootstrap, para disminuir costos y tiempo en la optimización de procesos. Para lograr este propósito se emplearon la optimización aleatoria, la optimización no lineal NLM (Non-Linear Minimization) y la optimización Taguchi. Estas optimizaciones se compararon con el diseño inicial a través de los índices de capacidad del proceso y la función de pérdida de Taguchi. Los índices de capacidad , e índices ISO fueron simulados con Monte Carlo y sus respectivos intervalos de confianza con remuestreo bootstrap. Los resultados indican que solo las optimizaciones aleatoria y NLM logran identificar las regiones óptimas de las variables del proceso que maximizan el cumplimiento de las especificaciones. _______________ QUALITY IMPROVEMENT OF INDUSTRIAL PROCESSES BY MEANS OF SIMULATION AND OPTIMIZATION. ABSTRACT: In industry it is common to conduct experiments to optimize production processes, however, require significant financial resources and time to develop new technologies. The proposal in this paper is to use the Monte Carlo simulation techniques and bootstrap, to reduce costs and time in process optimization. To achieve this purpose were used random optimization, nonlinear optimization NLM (Non-Linear Minimization) and Taguchi Optimization. These optimizations were compared with the initial design through process capability indices and Taguchi loss function. Capability indices , and indices ISO were simulated with Monte Carlo and their respective confidence intervals with bootstrap resampling. The results indicate that only random optimization and NLM can identify the optimal regions of the process variables that maximize the compliance with specifications.

Este artículo presenta una comparación del comportamiento de intervalos de confianza frecuentistas y de credibilidad bayesianos para la diferencia de dos proporciones provenientes de muestras aleatorias independientes. La comparación se lleva cabo considerando tres criterios frecuentistas con los cuales se concluyó que el mejor comportamiento, en términos de la probabilidad de cobertura, lo tienen los intervalos bayesianos, y en términos de la longitud esperada y varianza de la longitud el mejor comportamiento está dado por el intervalo frecuentista de Newcombe. Como resultado de esta investigación se encontró que los intervalos frecuentistas más populares como Wald y Wald ajustado tienen un comportamiento deficiente. This paper presents a frequentist comparison of the performance of confidence and credibility intervals for the difference of two proportions from two independent samples. The comparison is carried out considering three frequentist criteria. It was found that the intervals with the best performance, in terms of coverage probability, are Bayesians; in terms of expected length and variance of the length, the Newcombe interval shows the best performance. As a final remark, it was found that traditional intervals such as the Wald and adjusted Wald have a poor performance.

En este artículo se evalúa y se compara el comportamiento de diferentes metodologías empleadas para la obtención de intervalos de confianza de credibilidad, analizando sus probabilidades de cobertura estimada, su longitud esperada y la varianza de su longitud. Definidos estos tres conceptos, la comparación entre los intervalos considerados se desarrolla mediante procesos computacionales utilizando el paquete estadístico R. En este proceso, además de la verificación de conclusiones conocidas, como el mal comportamiento del intervalo de Wald y la sobrecobertura del intervalo exacto, se determinan, entre otros aspectos, características de los intervalos relacionadas con la variabilidad de su longitud. Different methodologies for obtaining confidence and credibility intervals for a proportion are studied in this paper. Expected coverage, length and length variance of the interval are defined and used as a means for comparing the intervals produced by each methodology presented. These indicators were calculated using the statistical package R, used to characterize each interval; furthermore, some known properties, such as Wald intervals proportion undercoverage and Exact intervals overcoverage are verified in this study.

En este artículo, se discute el estado del arte en la estimación de la predicción varios pasos adelante para modelos de series temporales no lineales basados en perceptrones multicapa. Se revisan las principales tendencias para la estimación de pronósticos puntuales e intervalos de confianza. En adición, se argumenta sobre los principales problemas abiertos para investigación futura en la predicción de series temporales usando redes neuronales. In this paper, we discuss the state-of-art in estimating multiple steps ahead forecast for nonlinear time series models based on multilayer perceptrons. We review the main trends for estimating the point forecasts and confidence intervals. In addition, we argue the principal open issues for future research in time series forecasting using neural networks.

El coeficiente alfa de Cronbach es el modo más habitual de estimar la fiabilidad de pruebas basadas en Teoría Clásica de los Test. En dicha estimación, los investigadores usualmente omiten informar intervalos de confianza para el coeficiente, un aspecto no solo recomendado por los especialistas, sino también requerido explícitamente en las normas editoriales de algunas revistas especializadas. Esta situación puede atribuirse a que los métodos de estimación de intervalos de confianza son poco conocidos, además de no estar disponibles al usuario en los programas estadísticos más populares. Así, en este trabajo se presenta un programa desarrollado dentro del sistema estadístico ViSta que permite calcular intervalos de confianza basados en el enfoque clásico y mediante la técnica bootstrap. Se espera promover la inclusión de intervalos de confianza para medidas de fiabilidad, facilitando el acceso a las herramientas necesarias para su aplicación. El programa es gratuito y puede obtenerse enviando un mail de solicitud al autor del trabajo. Cronbach's alpha coefficient is the most popular way of estimating reliability in measurement scales based on Classic Test Theory. When estimating it, researchers usually omit to report confidence intervals of this coefficient, as it is not only recommended by experts, but also required by some journal's guidelines. This situation is because the different methods of estimating confidence intervals are not well-known by researchers, as well as they are not being available among the most popular statistical packages. Therefore, this paper describes a computer program integrated into the ViSta statistical system, which allows computing confidence intervals based on the classical approach and using bootstrap technique. It is hoped that this work promotes the inclusion of confidence intervals of reliability measures, by increasing the availability of the required computer tools. The program is free and it can be obtained by sending an e-mail to the author.