Investigación
Cómo planificar una revisión por muestreo para detectar errores de etiquetado
Decide qué necesitas saber antes de elegir el tamaño de la muestra. Si el lote contiene un número determinado de etiquetas incorrectas, ¿qué riesgo aceptas de que la revisión no encuentre ninguna? La respuesta depende de cómo elijas las filas, de qué errores puedan detectar los revisores y de cómo repartas el trabajo.
Los ejemplos amplían el caso ficticio de la guía de evaluación de conjuntos de datos, con 120 filas y seis etiquetas incorrectas. Cada ejemplo examina una parte distinta del plan de revisión.
Calcula el riesgo según cómo eliges las filas
Supón primero que se detectan todos los errores de las filas revisadas. Una muestra uniforme de 20 filas distintas pasa por alto los seis errores aproximadamente el 32,63 % de las veces. Si eliges una de cada seis filas a partir de una posición inicial al azar y los errores ocupan la misma posición en bloques sucesivos de seis filas, solo uno de los seis puntos de inicio permite encontrarlos. En esa disposición, el riesgo de no encontrar ninguno es del 83,33 %.
Elegir una fila de cada bloque de seis de forma independiente reduce el riesgo al 33,49 % en esa disposición. Ese es también el mayor riesgo posible para ese método por bloques, sin importar dónde estén los seis errores. En el ejemplo periódico, revisar desde más puntos de inicio distintos solo baja el riesgo del 5 % cuando se incluyen los seis. Con muestreo uniforme, se alcanza ese umbral con 47 filas si se detecta cada error revisado.
Distingue qué filas revisas de qué errores detectas
Al elegir 47 filas de manera uniforme, la probabilidad de no encontrar ningún error real es del 4,66 % si se detectan todos los errores revisados. Es del 10,06 % si cada error de la muestra se detecta de forma independiente con una probabilidad del 80 %. Con ese supuesto de independencia, el riesgo baja del 5 % por primera vez con 59 filas.
Con el mismo 80 % por error y 47 filas, el riesgo de no detectar ninguno puede ir del 8,96 % al 23,73 %, según qué errores puedan detectarse juntos. El cálculo supone que la selección uniforme es independiente de qué errores puede detectar la revisión. En el caso menos favorable, se detectan los seis errores en el 80 % de las revisiones y ninguno en el otro 20 %. Incluso revisar una vez todas las filas deja un riesgo del 20 % de no encontrar ningún error. En pruebas con errores conocidos, registra cuáles se detectaron juntos en cada revisión comparable.
Cuenta las filas distintas y las oportunidades independientes de detectar errores
Imagina que puedes revisar 60 filas en total, contando las revisiones repetidas. En este ejemplo, cada revisor puede detectar todos los errores asignados en el 80 % de las revisiones y ninguno en las demás. Las filas se asignan de manera uniforme con independencia de que el revisor pueda detectar esos errores.
| Cómo se reparte el trabajo | Filas distintas | Probabilidad de no encontrar ningún error real |
|---|---|---|
| Un revisor comprueba 60 filas | 60 | 21,10 % |
| Dos revisores independientes comprueban grupos separados de 30 filas | 60 | 10,33 % |
| Dos revisores que pueden detectar los errores en las mismas revisiones comprueban grupos separados de 30 filas | 60 | 21,10 % |
| Dos revisores independientes comprueban las mismas 30 filas | 30 | 20,36 % |
Registra los ID de la muestra, cómo elegiste las filas, quién revisó cada una y los supuestos sobre la detección. Aplica el límite de riesgo al plan resultante. Una revisión que busca al menos un error real requiere comprobaciones aparte de las falsas alarmas, de cómo se resuelven los desacuerdos y de si los datos sirven para el uso previsto.
Ejemplo de muestreo de la guía de evaluación de conjuntos de datos · Métodos de muestreo de Statistics Canada · Investigación sobre inspecciones que pueden pasar por alto errores