En ingeniería , ciencia y estadística , la replicación es el proceso de repetir un estudio o experimento en condiciones iguales o similares para respaldar la afirmación original, lo cual es crucial para confirmar la exactitud de los resultados, así como para identificar y corregir los defectos en el original. experimento. [1] ASTM , en la norma E1847, define replicación como "... la repetición del conjunto de todas las combinaciones de tratamientos a comparar en un experimento. Cada una de las repeticiones se denomina réplica " .
Para un diseño factorial completo, las réplicas son múltiples ejecuciones experimentales con los mismos niveles de factor. Puede replicar combinaciones de niveles de factores, grupos de combinaciones de niveles de factores o incluso diseños completos. Por ejemplo, considere un escenario con tres factores, cada uno con dos niveles, y un experimento que pruebe todas las combinaciones posibles de estos niveles (un diseño factorial completo). Una réplica completa de este diseño comprendería 8 ejecuciones (2^3). El diseño se puede ejecutar una vez o con varias réplicas. [2]
Hay dos tipos principales de replicación en estadística. En primer lugar, existe un tipo llamado “replicación exacta” (también llamada “replicación directa”), que implica repetir el estudio lo más cerca posible del original para ver si los resultados originales se pueden reproducir con precisión. [3] Por ejemplo, repetir un estudio sobre el efecto de una dieta específica en la pérdida de peso utilizando el mismo plan de dieta y métodos de medición. El segundo tipo de replicación se llama "replicación conceptual". Esto implica probar la misma teoría que el estudio original pero con diferentes condiciones. [3] Por ejemplo, probar el efecto de la misma dieta sobre los niveles de azúcar en sangre en lugar de la pérdida de peso, utilizando diferentes métodos de medición.
Tanto las replicaciones exactas (directas) como las replicaciones conceptuales son importantes. Las replicaciones directas ayudan a confirmar la exactitud de los hallazgos dentro de las condiciones que se probaron inicialmente. Por un lado, las replicaciones conceptuales examinan la validez de la teoría detrás de esos hallazgos y exploran diferentes condiciones bajo las cuales esos hallazgos siguen siendo verdaderos. En esencia, la replicación conceptual proporciona información sobre cuán generalizables son los hallazgos. [4]
La replicación no es lo mismo que mediciones repetidas del mismo artículo. Tanto las mediciones repetidas como las replicadas implican múltiples observaciones tomadas en los mismos niveles de factores experimentales. Sin embargo, las mediciones repetidas se recopilan durante una única sesión experimental, mientras que las mediciones repetidas se recopilan en diferentes sesiones experimentales. [2] La replicación en estadística evalúa la consistencia de los resultados del experimento en diferentes ensayos para garantizar la validez externa, mientras que la repetición mide la precisión y la consistencia interna dentro del mismo experimento o de experimentos similares. [5]
Ejemplo de réplicas: prueba del efecto de un nuevo medicamento sobre la presión arterial en grupos separados en días diferentes.
Se repite Ejemplo: Medir la presión arterial varias veces en un grupo durante una sola sesión.
En los estudios de replicación dentro del campo de la estadística, se emplean varios métodos y conceptos clave para evaluar la confiabilidad de los hallazgos de la investigación. Estos son algunos de los principales métodos y conceptos estadísticos utilizados en la replicación:
Valores P : El valor p es una medida de la probabilidad de que los datos observados ocurran por casualidad si la hipótesis nula fuera cierta. En los estudios de replicación, los valores p nos ayudan a determinar si los hallazgos pueden replicarse de manera consistente. Un valor p bajo en un estudio de replicación indica que los resultados probablemente no se deban al azar. [6] Por ejemplo, si un estudio encontró un efecto estadísticamente significativo de una condición de prueba sobre un resultado, y la replicación también encuentra efectos estadísticamente significativos, esto sugiere que el hallazgo original probablemente sea reproducible.
Intervalos de confianza : los intervalos de confianza proporcionan un rango de valores dentro de los cuales es probable que se encuentre el verdadero tamaño del efecto. En los estudios de replicación, comparar los intervalos de confianza del estudio original y la replicación puede indicar si los resultados son consistentes. [6] Por ejemplo, si el estudio original informa un efecto de tratamiento con un intervalo de confianza del 95% de [5, 10], y el estudio de replicación encuentra un efecto similar con un intervalo de confianza de [6, 11], esta superposición indica consistencia hallazgos en ambos estudios.
Como ejemplo, considere un proceso continuo que produce artículos. Luego se procesan o tratan lotes de artículos. Finalmente se realizan pruebas o mediciones. Es posible que haya varias opciones disponibles para obtener diez valores de prueba. Algunas posibilidades son:
Cada opción requeriría diferentes métodos de análisis de datos y arrojaría conclusiones diferentes.
{{citation}}: Mantenimiento CS1: ubicación ( enlace )