Distribuição normal

Distribución normal: ni todo es promedio

En todo el mundo, el ser humano promedio mide 1.67 cm. Este es un hecho real -yo sé por qué lo encontré en Internet. Sin embargo, ¿es un hecho útil? Supongamos por un momento que usted es un fabricante de jeans azules. ¿Tomarías ese valor de altura promedio y dimensionaría todo su equipo para que pueda fabricar jeans solo para personas de exactamente esa altura?

Ahora imagine que su empresa tiene un enfoque más limitado en cuanto a su cliente potencial, por ejemplo, hombres que viven en los Estados Unidos. Si está buscando un grupo más pequeño, ¿tendría más sentido comprar equipo que produzca solo una pieza de jeans? ¿O debería tener en cuenta el rango de alturas posibles al diseñar su planta?

images

Es obvio por qué construir una fábrica de jeans con solo una altura es una mala idea. Como estamos acostumbrados a las diferencias de altura entre humanos, intuitivamente entendemos que debemos estar preparados para lidiar con la variabilidad.

Incluso si enfocamos nuestro modelo de negocios en un subconjunto más pequeño de la población, que presumiblemente tiene menos variabilidad que toda la población mundial, aún reconocemos la necesidad de diferentes opciones de tamaño.

Entonces, cuando se trata de analizar el resultado de nuestro modelo, ¿aún reconocemos la necesidad de intervalos o simplemente informamos el promedio y lo llamamos de día? Muchos de nosotros somos muy buenos para usar la variabilidad en los datos de entrada que alimentan nuestras simulaciones, especialmente dado que esta es generalmente una razón por la que elegimos usar la simulación en lugar de un simple análisis de hoja de cálculo.

Es el lado de la salida donde a veces veo una falta de rigor para lidiar con la variabilidad. En Arena, la variabilidad de la salida se informa a través del “medio ancho”, que es la mitad del intervalo de confianza del porcentual 95 para la métrica.

 

image_04_023

 

La razón principal por la que creo que la mayoría de los usuarios son reacios a incluir la variabilidad de salida es porque están mostrando a un público que no está familiarizado o no se siente cómoda con las estadísticas e incertidumbres. En esta situación, una solución puede ser utilizar medios gráficos o visuales para ayudar a los usuarios a comprender la información que se presenta.

También puede ser prudente mantener la cantidad de información simple e incluir intervalos de confianza solo cuando representan una parte significativa del promedio. Por ejemplo, si el rendimiento promedio diario de una fábrica es de 9,483 con una variación de más o menos 5 (medio ancho), probablemente no sea necesario informar que el promedio real está en el rango de 9,478 a 9,488.

En este caso, el intervalo de confianza es un porcentaje tan pequeño del promedio que podemos elegir ignorarlo. Sin embargo, si el rango fuera de 8,283 a 10,683, esta es información es muy importante, ya que muestra que puede haber una falta de control en el sistema que modelamos. Esto supone que se ha realizado un número razonable de réplicas; de lo contrario, comience aumentando el número de réplicas para ver cómo afecta a sus salidas.

10697831

 

Un último enfoque a considerar es mirar los percentiles. Dependiendo de la situación, es posible que desee informar un percentil en lugar del promedio, por ejemplo, el percentil 65. El uso del valor más alto puede proporcionar amortiguación suficiente en su operación para acomodar la mayor parte de la variabilidad sin aumentar demasiado la capacidad. Es importante dejar claro a su público se utilizó esta técnica para evitar posibles interpretaciones erróneas de los resultados presentados.

Finalmente, depende de usted presentar los resultados de manera precisa y útil. La simulación es una herramienta muy poderosa que proporciona una gran cantidad de información sobre el sistema que se está modelando. Es importante aprovechar los beneficios de esta herramienta utilizando toda la información que proporciona.

¿Por qué es importante?

Nuestra tendencia es centrarnos en los promedios. Es fácil pensar que, si el resultado promedio es satisfactorio, nuestro camino a seguir es aceptable. Lo que la mayoría de las personas no se dan cuenta es que probablemente lo más importante son las “colas” de la distribución normal. Las colas de la distribución le dicen qué sucede cuando las cosas salen mal. En la cola de la distribución normal se bloquea la cadena de suministro y se pierden compromisos importantes de los clientes. En el caso de los hospitales, esto puede significar que los pacientes no reciban cuidados crítica y sufren graves consecuencias.

Es importante que se examinen las “colas” de la distribución y se pregunten si su organización puede vivir con estos resultados con la probabilidad de que sean estadísticamente probables. Si la respuesta es “No”, se necesitan más simulaciones y análisis.

No se deje llevar a mirar solo los promedios. Un examen cuidadoso de los detalles de la distribución que proporcionará información importante sobre cómo ejecutar mejor sus operaciones y los riesgos potenciales.

¿Y usted cómo trata sus promedios?

Traducción gratuita del original por Melanie Barker
Complementos de Gustavo Dezem Telles
Fuente: http://info.arenasimulation.com/blog/its-not-all-about-the-average

 

 

 

Leer otros artículos


Fechar X

Cadastre seu e-mail para receber novidades!

[contact-form-7 404 "Not Found"]
Fechar X

Avise-me próxima turma

[contact-form-7 404 "Not Found"]
Fechar X

Indique esta página

[contact-form-7 404 "Not Found"]