Por Lauren Slovin.

Si recientemente ha realizado una prueba t de 1 muestra o una prueba t pareada en Minitab, es posible que haya notado algo nuevo en el resultado: los grados de libertad (GL).

Puede parecer una pequeña modificación. La prueba de hipótesis, el valor p y el intervalo de confianza son los mismos que antes. Los grados de libertad siempre han formado parte del cálculo. Ahora, los usuarios ya no tienen que calcularlos manualmente. Mostrarlos hace que la salida de Minitab sea más transparente y completa.

Analicemos más de cerca qué hace una prueba t y por qué este cambio, aparentemente pequeño, es importante.

¿Qué es una prueba t?

La prueba t es una de las herramientas estadísticas más utilizadas para comparar promedios. Ayuda a responder una pregunta importante: ¿La diferencia que observo es real o podría deberse simplemente a la variación aleatoria?

Imaginemos que un fabricante lanza una herramienta de corte rediseñada y quiere saber si dura más que el estándar establecido de 1120 ciclos. El nuevo diseño tiene un promedio de 1165 ciclos. Existe una diferencia, pero ¿es significativa?

Una prueba t evalúa la diferencia teniendo en cuenta la variabilidad natural y el tamaño de la muestra. Genera un valor p, que ayuda a determinar si el resultado es estadísticamente significativo o si podría deberse al azar. Ya sea que se comparen productos, se evalúe una mejora de proceso o se mida el rendimiento antes y después de un cambio, una prueba t ayuda a convertir los datos en evidencia.

¿Qué es un intervalo de confianza?

Un valor p indica si una diferencia es estadísticamente significativa, y un intervalo de confianza indica cuán grande podría ser esa diferencia.

Supongamos que su análisis estima que un nuevo proceso reduce el tiempo de producción en cuatro minutos. Dado que trabaja con una muestra, existe cierta incertidumbre en torno a esta estimación. Minitab podría mostrar un intervalo de confianza del 95 % de entre 2,9 y 5,1 minutos. Este rango representa valores plausibles para la mejora real. Los intervalos estrechos indican mayor precisión, mientras que los intervalos más amplios reflejan mayor incertidumbre.

Los intervalos de confianza complementan las pruebas de hipótesis al proporcionar un contexto práctico. Saber que existe una diferencia es valioso; saber aproximadamente qué tan grande es suele ser aún más importante.

¿Qué son los grados de libertad?

A pesar de su nombre técnico, DF describe la información disponible para estimar la variación y extraer conclusiones fiables.

Imaginemos que cinco clientes tienen una puntuación media de satisfacción de 8 sobre 10. Si cuatro puntuaciones son 7, 8, 9 y 8, la quinta debe ser 8 para que la media siga siendo 8. Dado que un valor está determinado por la media, solo cuatro observaciones pueden variar libremente. Esto deja 5 − 1 = 4 grados de libertad.

La misma idea se aplica a una prueba t. El software primero estima el promedio de la muestra. Una vez que se conoce ese promedio, se "utiliza" un grado de libertad, quedando:

Prueba t de 1 muestra: grados de libertad = tamaño de la muestra − 1
Prueba t pareada: grados de libertad = número de pares − 1

Entonces, si se recopilan 20 observaciones, los grados de libertad son 19.

Los grados de libertad ahora aparecen junto al valor t y al valor p en los resultados de la prueba t de una muestra y la prueba t pareada de Minitab.

Piense en los grados de libertad como en un presupuesto. Cada observación proporciona información, pero estimar el promedio de la muestra consume una parte de ella. La información restante ayuda a la prueba t a estimar la variación natural. Generalmente, un mayor número de grados de libertad permite una mayor precisión.

Con esta actualización, ya no necesitas calcularlo Vd. mismo. Minitab lo hace automáticamente.

¿Por qué son importantes los grados de libertad?

Si solo prueba cinco herramientas, sus resultados podrían verse influenciados por algunas que tengan un rendimiento excepcionalmente bueno o malo. Si prueba 100 herramientas, tendrá mucha más información. La prueba t tiene esto en cuenta al utilizar grados de libertad para determinar el valor p y el intervalo de confianza. Con muestras más pequeñas, la prueba es más cautelosa debido a la mayor incertidumbre. A medida que aumenta el tamaño de la muestra, los cálculos se vuelven más precisos.

Los cálculos no han cambiado. Minitab siempre ha utilizado los grados de libertad adecuados al calcular el estadístico t, el valor p y el intervalo de confianza. La novedad reside en que ahora se muestran los grados de libertad, lo que facilita la documentación, interpretación y verificación de los resultados.

¿Por qué añadir ahora la función de grados de libertad y quién se beneficia?

Los investigadores incluyen el factor de divergencia (DF) en sus publicaciones, los auditores lo utilizan para verificar los análisis y los profesores lo enseñan junto con el estadístico t y el valor p. Anteriormente, los usuarios de Minitab tenían que calcular el DF manualmente o inferirlo a partir del tamaño de la muestra. Ahora aparece automáticamente, lo que facilita la presentación, validación y reproducción de los resultados.

Para muchos usuarios habituales, los cambios son mínimos. Si su objetivo principal es determinar si un proceso ha mejorado o si el diámetro de su producto cumple con las especificaciones, las conclusiones siguen siendo las mismas. El nivel de detalle adicional resulta especialmente útil para investigadores, ingenieros de calidad en industrias reguladas, auditores, estudiantes, profesores y estadísticos que necesitan documentar o verificar sus análisis.

Las matemáticas no han cambiado; el análisis es simplemente más claro. Al mostrar los grados de libertad en la salida estándar, Minitab elimina un paso manual adicional y facilita la comprensión y la justificación de todas las pruebas t de una muestra y pareadas, permitiendo realizarlas con mayor confianza.