Transcript
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab
Curso básico de Minitab* * Minitab es marca registrada de Minitab, Inc.
Dr. Primitivo Reyes Aguilar Mayo 2010
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
1
1/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab
Introducción • Generalidades Introducción a Minitab • Manipulación de datos • Cálculos con datos Herramientas para la calidad • Introducción • Diagrama de Pareto • Diagrama de Causa Efecto • Estadística descriptiva • Histogramas • Gráficas de caja y tallo y hojas • Prueba de normalidad
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
2
2/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab
…) Herramientas para la calidad • Intervalos de confianza y Pruebas(cont de hipótesis de una población • • •
Pruebas de hipótesis de dos poblaciones ANOVA de una vía Tablas de contingencia
Estadística no paramétrica • Prueba de los signos • • •
Prueba de Wilconox Prueba de Mann Whitney Prueba de Kruskal Wallis
Regresión lineal y cuadrática Cartas de control
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
3
3/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab
Introducción
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
4
4/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab
Las fases(DMAIC) de Justificar Lean Sigma proyecto Definir el problema Diagrama de Pareto ydiversas gráficas Pareto Chart of Clientes 300 100
250
80
200 o t n o M
150 100
40
50
20
0 Clientes Monto Percent Cum %
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
60
Gobierno 120 45.3 45.3
Industria 70 26.4 71.7
Comercio 40 15.1 86.8
Consumo 25 9.4 96.2
Other 10 3.8 100.0
t n e c r e P
5
0
5
5/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab
Las fases(DMAIC) de Colección Lean de información Sigma y diagnóstico Estadística descriptiva, Descriptive Statistics: Tiempo de espera Histogramas Gráficas de tallo Ny Mean hojasStDev Variable Tiempo de espera
50 19.93 1.847
Median 20.037
Boxplot of Tiempo de espera 24
Histogram (with Normal Curve) of Tiempo de espera 23
16
Mean 19.94 StDev 1.847 N 50
14
a 21 r e p s 20 e e d o 19 p m e 18 i T
12 y 10 c n e u 8 q e r F 6
17
4
16
2
15
0
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
22
15.0
16.2
17.4
18.6 19.8 21.0 Tiempo de espera
22.2
23.4
6/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab Summary for Tiempo de espera A nderson-Darling Normality T est A -S quared P-V alue
Histograma
16
0.51 0.189
Mean 19.936 StDev 1.847 V ariance 3.411 Skewness -0.507024 Kurtosis 0. 464656 N 50
18
20
M inimum 1st Quartile Median 3rd Quartile M aximum
22
15.015 19.088 20.037 21.290 23.293
Prueba de Normalida d Normal si P > 0.05 Estadístic a descriptiva
95% C onfidence Interv al for M ean 19.411
20.461
95% C onfidence Interval for Median
Diagrama de 95% Confidence Intervals caja
19.542
20.426
95% C onfidence Interval for StDev 1.543 2.301
Mean Median 19.50
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
19.75
20.00
20.25
20.50
7
7/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Curso básico de Minitab Process Capability of Tiempo de espera USL Process Data LS L * Target * USL 25 Sample Mean 19.9361 S ample N 50 StDev (Within) 1.70866 StDev(Ov erall) 1.84689
Within Overall
P otential (Within) C apability Cp * C PL * C P U 0. 99 C p k 0. 99 O v erall C apability Pp PPL PPU P pk C pm
16 O bserved Performance % < LS L * % > U SL 0.00 % T ota l 0. 00
18
Exp. Within Performance % < LS L * % > U SL 0.15 % Total 0.15
20
22
* * 0. 91 0. 91 *
Índice de capacidad real Cpk >= 1.5
24
Exp. Ov erall Performance % < LSL * % > U S L 0. 31 % T ota l 0. 31
% fuera del límite http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
superior Max. 3.4 ppm
8
8/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Las fases(DMAIC) de Lean Sigma Cause-and-Effect Diagram
Medio ambiente
Material
Calor
Personal
Descuido
Inadecuados
C apacitación Humedad
Faltantes Motivación
Estres
Con errores
Responasibilidad
Lentitud en atención al cliente Paros menores
Proceso no actual
Falla de equipos Proceso complejo Falla de PCs Proceso incompleto
Métodos
Sistema lento
Equipos
Boxplot of Caja A, Caja B 17.5
P-Value = 0.00
15.0
Causas potenciales y reales (raíz) Diagrama de causa efecto Pruebas de hipótesis (¿medias iguales?) Son diferentes si P value <= 0.05 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
12.5 a t a D
10.0
7.5
5.0 Caja A
Caja B
9/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Las fases(DMAIC) de Lean Sigma Boxplot of Caja A, Caja B, Caja C
17.5
P-Value = 0.00
15.0
12.5 a t a D
10.0
7.5
5.0 Caja A
Caja B
Caja C
Fitted Line Plot Tiempo = 1.119 + 0.2094 Calificaci ón 3.25
S R-Sq R -S q (a dj )
3.00
P-Value = 0.115 Serv. NO DEPENDE del género
Comprobar causas reales (raíz) ANOVA (¿medias iguales?), regresión , tablas de contingencia (¿proporciones iguales?)
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
0.172546 91.9% 9 0.8%
2.75 o 2.50 p m e i T 2.25 2.00 1.75 1.50 2
3
4
5 6 Calificación
7
8
9
10/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Entradas
Las fases(DMAIC) de Lean Sigma Salidas (Y)
Entradas
Salidas (Y)
Diseño de Producto
Proceso
Main Effects Plot for Rendimiento Data Means Temperatura
Concentracion
70 65 60 55
n a 50 e M
120
150
12
Para maximizar Eficiencia ajustar T=150 y C=10
70 65 60 55 50 10
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
10
Presion
14
Soluciones para eliminar causas raíz Pruebas de hipótesis, DOE, ANOVA 11/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Las fases de Lean Sigma Mantener las soluciones con (DMAIC) control estadístico Cartas de control I-MR Chart of Tiempo de espera 25.0
UCL=25.06
e u 22.5 l a V l a 20.0 u d i v i d 17.5 n I
_ X=19.94
15.0
LCL=14.81 1
6
11
16
21
26 Observation
31
36
41
46
C Chart of Caja B 16
6.0
UCL=6.297
e g 4.5 n a R g 3.0 n i v o M1.5
UCL=15.56
14 12
__ MR=1.927
0.0
LCL=0 1
6
11
16
21
26 Observation
31
36
41
t 10 n u o C 8 e l p m a 6 S
_ C=7.4
4
46 2 0
LCL=0 1
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
2
3
4
5 6 Sample
7
8
9
10
12/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Introducción a Minitab
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
13
13/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Minitab Inc. es una compañía privada cuya sede principal se encuentra en State College, Pensilvania, y tiene subsidiarias en el Reino Unido, Francia y Australia. con representantes y distribuidores en muchos países alrededor del mundo. El programa Minitab® Statistical Software fue desarrollado en 1972 por tres profesores de Estadística de Penn State University. Uno de ellos Barbara Ryan, es la presidenta y directora ejecutiva de Minitab. Minitab es el principal software del mundo para la enseñanza de estadística a estudiantes. También, es el software utilizado con mayor frecuencia en Seis Sigma, la principal metodología del mundo para el mejoramiento de la calidad. . http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
14
14/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Generalidades
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
15
15/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Manipulación y cálculo con datos Captura de datos File > New Hoja de trabajo nueva manteniendo lo que ya se ha procesado como gráficas sesiones, etc.
Proyecto nuevo, borra toda la información que exista en el proyecto abierto.
16 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
16/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
La letra T indica Número de columna
Nombre de columna
Numéricas
de texto de texto columna
Alfanumérica Fecha/hora
17 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
17/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
1.3 Abrir, guardar e imprimir archivos
Para proyectos donde se incluye todo, datos gráficas, sesiones.
Para hojas de trabajo (worksheets) sólo la parte de hoja tipo Excel
Se puede importar una hoja de cálculo de Excel en forma directa con
File > Open Worksheet En carpeta DATA se encuentran
18 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
18/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Cargar datos en hoja de trabajo desde diferentes fuentes Inciar con EASTERN.MTW
1. File Open worksheet 2. Click en Look in Minitab Sample Data folder, 3. Click en EASTERN.MTW 4. OK
Meet Minitab
Para combinar este archivo con datos de otro CENTRAL.XLS de Excel:
1. worksheet 2. File ClickOpen en Look in Minitab Sample Data folder, Meet Minitab 3.Click en CENTRAL.XLS 4. Seleccionar Merge Pone los datos en la misma hoja 5. Click Open Para agregar datos desde un archivo de texto a esta hoja de trabajo
1. File Open worksheet 2. Click en Look in Minitab Sample Data folder, Meet Minitab 3. Click en WESTERN.TXT 4. Seleccionar Merge Pone los datos en la misma hoja 5. Click Open
19 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
19/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Eastern.mtw
Central.xls
Western.txt
Para reemplazar un valor perdido en renglón C105 de columna C10 1. Editor > Go to 1. Seleccionar la ventana de datos, Editornumber > Go toor name, 2. Seleccionar Enter column 2 En anotar C10 3 En Enter row number, anotar 105. Click OK. 4 En fila 105 de columna C10, anotar un . ∗
2. Poner un *
20 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
20/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Para apilar grupos de columnas de datos para ciertos comandos de Minitab 1. Data ➤ Stack ➤ Blocks of columns Efectuar las operaciones siguientes:
Las variables para los centros de embarque están en las mismas columnas Order (Eastern), Order_1(Central), Order_2 (Western) como etiquetas para indicar de cual centro de distribución se originan los datos MY_SHIPPINGDATA.MTW Subscripts Order 3/3/2006 8:34 3/7/2006 15:21 Order 3/3/2006 8:35 3/6/2006 17:05 Order 3/3/2006 8:38 * Order 3/3/2006 8:40 3/7/2006 15:52 3/3/2006 8:42 3/9/2006 14:48 Order
On time On time Back order On time Late
255 196 299 205 250
21 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
21/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Para agregar una columna calculada en Días = Arrival - Order Poner nombres a las columnas MY_SHIPPINGDATA.MTW Center Order Arrival Status Distance Order 3/3/2006 8:34 3/7/2006 15:21 On time 255 3/3/2006 8:35 3/6/2006 17:05 On time Order 196 3/3/2006 8:38 * Order Back order 299 Order 3/3/2006 8:40 3/7/2006 15:52 On time 205 3/3/2006 8:42 3/9/2006 14:48 Late Order 250 Insertar una columna entre Arrival y Status
1 Click en cualquier celda en C4 para activarla 2 Click en botón derecho del ratón y seleccionar Insert Columns. 3 Click en el nombre de C4. Poner Days, y enter Center Eastern Eastern Eastern Eastern Eastern
Order 3/3/2006 8:34 3/3/2006 8:35 3/3/2006 8:38 3/3/2006 8:40 3/3/2006 8:42
Arrival 3/7/2006 15:21 3/6/2006 17:05 * 3/7/2006 15:52 3/9/2006 14:48
Days
Status On time On time Back order On time Late
Distanc 255 196 299 205 250
22 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
22/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Calcular los nuevos datos para la columna Days
1 Calc ➤ Calculator. 2 En Store result in variable, poner Days 3 En Expression, poner Arrival - Order 4 Seleccionar Assign as a formula. 5 Click OK. Center Eastern Eastern Eastern Eastern Eastern
Order 3/3/2006 8:34 3/3/2006 8:35 3/3/2006 8:38 3/3/2006 8:40 3/3/2006 8:42
Arrival 3/7/2006 15:21 3/6/2006 17:05 * 3/7/2006 15:52 3/9/2006 14:48
Days
4.28 3.35 4.30 6.25
Status On time On time Back order On time Late
Actualizar la fecha Arrival date en fila 127 de 3/6/2006 a 3/7/2006. Cambia la información de días automáticamente Antes 2.98125 Central 3/3/2006 9:44 3/7/2006 9:17 3.98125 On time
Distanc 255 196 299 205 250
306
23 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
23/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplo: Para calcular el incremento de peso
ARCHIVOS PESOS.MTW Peso_antes Peso_despues 64 88 58 70 62 76 66 78 64 80 74 84 84 84 68 72 62 75 76 118 90 94 80 96 92 84 68 60 62 66 70 68 72
76 76 58 82 72 76 80
en un cierto periodo de tiempo
Incremento 24 12 14 12 16 10 0 4 13 42 4 16 -8 8 16 -4 16 2 8 8
24 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
24/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
b) Otra forma de realizar operaciones en columnas o renglones es a través de Calc > Column o Row Statistics respectivamente:
Cálculos disponibles
Columna (s) sobre la que se hará el cálculo Peso_despues Constante opcional (K1, K2, etc.) en la que se desea almacenar el resultado
La constante se muestra con Data > Display Data > selecc. K2
25 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
25/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Contador de eventos Se usa para mostrar cuenta, cuenta acumulada, porcentajes, y porcentajes acumulados para cada variable especificada Suponiendo que se está estudiando la influencia de la actividad de paciente en el desempeño de una droga nueva. Después de colectar los datos, se examina la distribución de la actividad del paciente. 1
File > Open worksheet EXH_TABL.MTW Activity Moderate Moderate A lot Slight Moderate Slight A lot Moderate Moderate Etc.
Repetir con GENDER y HEIGHT
Los resultados son los siguientes: Tally for Discrete Variables: Activity Activity
Count
CumCnt
Percent
CumPct
A lot
21
21
23.08
23.08
Moderate
61
82
67.03
90.11
Slight N=
9 91
91
9.89
100.00
La actividad ligera tiene un 9.89%, la actividad moderada
2 Stat > Tables > Tally Individual Variables. un 67.03% y alta 23.08% 3En Variables, poner Activity . 4 En Display, seleccionar Counts, Percents, Cumulative counts, y Cumulative 5 Click OK
percents
26 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
26/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Desarrollo del Reporte Las gráficas se pueden agregar a un reporte seleccionándolas Boxplot of Caja A, Caja B, Caja C 17.5
15.0
12.5 a t a D
10.0
7.5
5.0 Caja A
Caja B
Caja C
Para visualizar el reporte se utilizan las instrucciones siguientes:
después botón derecho y Append Graph to Report
Para agregar resultados de la pantalla de Sesión, se selecciona el texto y se agrega al reporte.
El reporte se puede salvar como texto enriquecido RTF
27 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
27/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Herramientas para la calidad
28 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
28/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
2.1 Gráficos de barras y línea Se utiliza el archivo de hoja de trabajo PULSE.MTW de la carpeta DATA de Minitab o arhivo anexo. Se coleccionan datos de 92 estudiantes, su peso, estatura, peso, sexo, si fuma o no, nivel de actividad física y pulso en reposo. Todos tiran una moneda y los que les salío sol corren durante un minuto, después se vuelve a tomar su pulso.
File > Open Worksheet > Pulse.Mtw Graph > Bar chart Graph > Bar chart: Count of unique values, Simple Categorical variables: Activity Sex Chart of Activity
60
50
40 t n u o 30 C
20
10
0 0
1
2
3
Activity
29 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
29/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Para gráficas de barras: File > Open Worksheet > Pulse.Mtw Graph > Bardistintas chart opciones para representar las barras, Se muestran Para el caso de hombres y mujeres según su actividad se tiene: Graph > Bar chart: Count of unique values, Stack Categorical variables: Activity Sex Chart of Activity, S ex Sex 2 1
60
50 40 t n u o C
30
20 10
0
0
Activity 1
2
3
30 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
30/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Para cambiar la apariencia de las barras: Colocarse en las barras y dar doble click, aparece el cuadro de diálogo Edit Bars Attributes, en Fill Pattern marque Custom y seleccionar blanco en Background color , también se puede seleccionar un tipo de trama por barra dando Click en la gráfica, click en la sección específica y doble click, poner trama en Type. Para poner nombres a los valores codificados de sexo y actividad, se utiliza:
Data > Code > Numeric to text
Se puede usar la misma columna u otra para los valores una vez transformados Una vez cambiados los valores la gráfica se actualiza en forma automática colocándose en la gráfica y con botón derecho del ratón seleccionar Update Graph Now El marco de la gráfica se puede quitar seleccionándolo con doble click y modificándolo
31 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
31/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Chart of Activity, Sex Sex Mujer Hombre
60
50 40 t n u o C
30
20 10
0
0
Activity1
2
3
32 http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
32/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Graph > Pie chart Se muestran distintas opciones para los datos fuente ya sea Chart Raw Data en cuyo caso se establece una variable categórica en este caso Activity La otra opción es que los valores ya estén tabulados previamente, Chart values from a table Pie Chart of Activity Category 0 1 2 3
Para separar un sector: Click sobre la gráfica, click sobre el sector y doble click y en Explode indicar Explode Slice
33
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
33/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Cambiar el número de actividad por su nombre con: Data > Code > Numeric to text Code data.. Activity Store data … Activity 0 1 2 3
Nula Baja Media Alta
Reemplaza los números por los nombres
EQUIPO TIEMPO M CALDERA 20 ELEVADOR 45 COMPRESO 15 FILTROS 60 BOMBAS 33
Con botón derecho seleccionar Update Graph Automatically Para indicar el nombre de la categoría y su frecuencia en cada uno de las partes de la gráfica de pastel, seleccionar la gráfica con doble click e ir a add Slice Labels y marcar:
Category name, Frequency. Para agregar texto y figuras a la gráfica, seleccionar la gráfica con un click: Editor > Annotation > Graph annotation tools Para agregar texto Seleccionar el botón T Marcar la zona donde debe aparecer el texto Escribir el texto Confirmar Para agregar figuras Seleccionar el botón de la figura e insertarla
34
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
34/177
5/14/2018
Curso básico de Minitab Curso Ba sic o Minita b Xv - slide pdf.c om
Pie Chart of Activity Gráfica de ejemplo
Category Alta Baja Media Nula
35
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
35/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Diagrama de Pareto Para el diagrama de Pareto se tienen dos opciones de entrada de datos:
Chart defects Data in
Se indica la columna donde se encuentran los defectos se tiene la opción de una categoría By Variable
Chart defects table
Los defectos ya se tienen tabulados en una columna donde aparecen los nombre y en otra para las frecuencias
Por ejemplo:
Comercio
40
Stat > Quality Tools > Pareto Chart Seleccionar Charts Defect Table
Industria Consumo
70 25
Gobierno
120
Educacion
10
Clientes
Monto
Labels in: Clientes Frequencies in: Monto
OK
36
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
36/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Pareto Chart of Clientes 300 100
250
80
200 o t n o M
t n e 60 r c e P 40
150 100 50
20
0
0
Clientes Monto Percent Cum %
Gobierno 120 45.3 45.3
Industria 70 26.4 71.7
Comercio 40 15.1 86.8
Consumo 25 9.4 96.2
Other 10 3.8 100.0
37
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
37/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplo con datos no agrupados Se utiliza el archivo EXH_QC.MTW
File > Open worksheet > EXH_QC.MTW Stat > Quality Tools > Pareto Chart Seleccionar Charts Defects Data in Damage OK
Pareto Chart of Damage 9 8
100
7 80
6 t n u o C
5
60
4 3
40
2 1
20
0 Damage Count Percent Cum %
Scratch 4 50.0 50.0
Chip 2 25.0 75.0
Bend 1 12.5 87.5
Dent 1 12.5 100.0
t n e c r e P
0
Miniatab coloca nombre en las barras hasta que se cumple el % acumulado, después acumula todos los demás conceptos y los agrupa en la barra de otros.
38
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
38/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Estado Cívil
SOLTERO SOLTERO UNION LIBRE SOLTERO CASADO SOLTERO SOLTERO CASADO SOLTERO UNION LIBRE CASADO SOLTERO SOLTERO UNION LIBRE SOLTERO SOLTERO SOLTERO
Pareto Chart of Estado Cívil
800
100
700 600 t n u o C
80 t n e c r e 40 P
500
60
400 300 200 100
Estado Cívil
20
0
Count Percent Cum %
E A O O O R R R D D B E E A A I I T T L S L C L N R C A S O O O S O I V N I U D
404 54.2 54.2
125 16.8 71.0
79 10.6 81.6
63 8.5 90.1
28 3.8 93.8
A D A S A C
21 2.8 96.6
e r h t O
0
25 3.4 100.0
39
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
39/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplo con datos agrupados por categoría Se utiliza el archivo EXH_QC.MTW
File > Open worksheet > EXH_QC.MTW Stat > Quality Tools > Pareto Chart Seleccionar Charts Defects Data in Flaws Usando Period en By Variable in se obtiene el diagrama estratificado siguiente: OK Pareto Chart of Flaws by Period Peel Period = Day
Scratch
Other
Period = Evening
Smudge 20 15 10
Flaws Peel Scratch Other Smudge
5
t n u o C 20
Period = Night
Period = Weekend
0
15 10 5 0 Peel
Scratch
Other
Smudge
Flaws
Para quitar los colores: seleccionar las barras y se cambia con Attributes: Fill Pattern - Custom - Background color - elegir un color que puede ser blanco con Type se pueden cambiar las tramas de las barras, con click se selecciona la gráfica, click en la barra específica, doble click y seleccionar la trama.
40
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
40/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Con gráficas independientes Se utiliza el archivo EXH_QC.MTW
File > Open worksheet > EXH_QC.MTW Stat > Quality Tools > Pareto Chart Seleccionar Charts Defects Data in Flaws Usando Period en By Variable in OK Se obtienen 4 gráficas que se pueden unir en una sola como sigue: Seleccionar una gráfica
41
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
41/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Zona donde pasará la gráfica Matriz de gráficas
Pasar gráfica
Quitar gráfica
Gráficas disponibles
Cuando hayan pasado todas las gráficas pulsar Finish Gráfica que es candidato a pasar
42
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
42/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
La gráfica múltiple resultante es: Pareto Chart of Flaws by Period
Pareto Chart of Flaws by Period
Period = Day
Period = Evening
16
t n u o C
16
t n e c r e P
12
8
t n u o C
100
t n e c r e P
12
8
100
80
80
60
4
60
4
40
40
20
Flaws Count Percent Cum %
20
0
0 Scratch 3 42.9 42.9
Peel 2 28.6 71.4
Other 1 14.3 85.7
0
0
Smudge 1 14.3 100.0
Flaws Count Percent Cum %
Peel 4 57.1 57.1
Pareto Chart of Flaws by Period
Scratch 2 28.6 85.7
Other 1 14.3 100.0
Others 0 0.0 100.0
Pareto Chart of Flaws by Period
Period = Night
Period = Weekend 100
16
t n u o C
16
80
12
60
8
40
4
20
t n e c r e P
t n u o C
t n e c r e P
12
8
100 80 60
4
40 20
0 Flaws Count Percent Cum %
0 Scratch 8 42.1 42.1
Peel 6 31.6 73.7
Other 3 15.8 89.5
Smudge 2 10.5 100.0
0 Flaws Count Percent Cum %
0
Peel 3 42.9 42.9
Smudge 3 42.9 85.7
Other 1 14.3 100.0
Others 0 0.0 100.0
43
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
43/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Diagrama de Causa efecto
Stat el> diagrama Quality Tools > Cause Effect Para de Causa Efecto and se tienen dos opciones de entrada de datos: Unicamente columnas de ramas principales o columnas adicionales para subramas. Los datos se colocan como sigue: Causas primarias: AMBIENTE MATLS. Polvo Forma Vibraciones Dureza Humedad Amacen Temperatura Causas secundarias: FORMA ALMACEN Diámetro Curvatura
Tiempo Ambiente
PERSONAL MÉTODO Salud Ajuste Habilidad Velocidad Humor
HABILIDAD
MAQUINAS Mantto. Deformación Abrasión Herramental
HUMOR
Selección Horas Formación Moral Experiencia Cansancio
44
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
44/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Stat > Quality Tools > Cause-and-Effect . En Label traducir Man , Machine , Material , Method , Measure , y Enviro en filas 1 a 6, respectivamente. En Causes , seleccionar columnas de datos para las variables de filas 1-6. Asignar las diferentes columnas de Causas primarias Si hay causas secundarias seleccionar SUB delante de la primaria correspondiente sel. detrás de cada concepto de la causa primaria la COLUMNA de la causa secundaria corresp. En Effect, describir el problema como Rechazos Click OK.
45
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
45/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
La gráfica resultante es la siguiente: Cause-and-Effect Diagram Medio ambiente
Polvo
Material C D u r i á v a m e t t u ro r a
Vibracion
Personal
Salud
Forma Dureza
Humedad Temperat
Para cambiar el tamaño de letra hacer doble click en los títulos y seleccionar otro tamaño de letra
A T i e m m b i e n p o t e
F E x S e l o r m p e r e c a i c i c i e n c ó n ó n i a
Amacen
Habilidad
C H a n s a M o r a s o r a n c i l o
Humor Rechazos
Herramental Velocidad
La gráfica se puede editar
Abrasión Deformación
Ajuste
Mantto. Métodos
Maquinas
46
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
46/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Otro ejemplo: Mala atención al cliente Pe rsonas
Mate riales
Equipos
Me todos
Me dio ambiente
Descuido Inadecuados Sistema lent Proceso inco Calor CapacitaciónFaltantes Falla de PCs Proceso comHumedad Motivación Con errores Falla de equi Proceso no aEstres Responsabilidad
Paros menores
Estré s
Cansancio Alimentos Supervisión Problemas
Stat > Quality Tools > Cause-and-Effect . En Label traducir Man , Machine , Material , Method , Measure , y Enviro en filas 1 a 6, res ectivament En Causes, seleccionar columnas de datos para las variables de filas 1-6. primarias Asignar las diferentes columnas de Causas secundarias SUB Si hay causas seleccionar delante de la primaria correspondiente sel. detrás de cada concepto de la causa primaria la COLUMNA de la causa secundaria corresp. En Effect, describir el problema como Mala atención al cliente Click OK.
47
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
47/177
5/14/2018
Curso básico de Minitab Curso Ba sic o Minita b Xv - slide pdf.c om
Cause-and-Effect Diagram Medio ambiente
Material
Calor
Inadecuados
Descuido C apacitación
Humedad
S P C A u p e r o a n l i m b l r s a v e m e n t i n c s i ó a s o s i o n
Personal
Faltantes Motiv ación C on errores
Responsabilidad
Estres
Mala atencion al cliente Paros menores
Proceso no actual
F alla de equipos Proceso complejo Falla de PCs Proceso incompleto
Métodos
Sistema lento
Equipos
48
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
48/177
Curso básico de Minitab
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
ESTADÍSTICA BÁSICA Población: es la colección de todos los elementos (piezas, personas, mediciones, etc.). Muestra: es una parte o subconjunto representativo de la población, o sea una muestra de mediciones de las características. Incluye: • Medidas de tendencia central • media, moda, mediana •
Medidas de dispersión • rango, varianza, desviación estándar, coeficiente de variación
•
Distribuciones de frecuencia (histogramas)
•
Funciones acumulativas de distribución
49
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
49/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Medidas de tendencia central
Representan formas de caracterizar el valor centrallasdediferentes un conjunto de datos Media muestral
Media
poblacional x
xi n
xi
n
Ejemplo 1: En un equipo de fútbol, una muestra de estaturas de sus integrantes son las siguientes: 1.70,1.79,1.73,1.67,1.60,1.65,1.79,1.84,1.67,1.82, 1.74. Calcule la media. xi 19
x
n
11
1.73
50
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
50/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Medidas de tendencia central
Mediana: es el valor medio cuando los datos se arreglan en orden ascendente o descendente, para n par, la mediana es la media de los valores intermedios
~ n 2 n 2 1 X 2 Ejemplo 2: Para el ejemplo anterior cual es la mediana?
Ordenando los datos de mayor a menor se obtiene: 1.60,1.65,1.67,1.67,1.70,1.73,1.74,1.79,1.79,1.82,1.84; como tenemos 11 datos el número es non por lo que (n+1)/2 = 12/2 = 6, buscando el número que ocupa la sexta posición en los datos ordenados encontramos el valor de la mediana ~ x 1.73
51
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
51/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Medidas de tendencia central
Moda: Valor que más se repite, puede haber más de una Media acotada (Truncated Mean): Se elimina cierto porcentaje de los valores más altos y bajos de un
conjunto de datos (tomando enteros), dado se calcula la media para números los valores restantes. Ejemplo 3: Para la siguiente serie de datos calcule la media acotada al 20%: 68.7,34.3,97.9,73.4,8.4,42.5,87.9,31.1,33.2,97.7,72.3,54.2,80.6,71.6,82.2, Como tenemos 11 datos, el 20% de 11 es 2.2, por lo cual eliminamos 2 datos el más bajo y el más alto, ordenado los datos obtenemos: 8.4,31.1,33.2,34.3,42.5,54.2,68.7,71.6,72.3,73.4,80.6,82.2,87.9,97.7,97.9, los valores a eliminar son: 8.4 y 97.9; calculando la media de los datos restantes obtenemos x ,.20 63 .82
52
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
52/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Medidas de dispersión
Rango: Es el valor mayor menos el valor menor de un conjunto de datos
Por ejemplo para el conjunto de datos siguiente: 2.0,2.1,2.4,2.5,2.6,2.8,2.9,2.9,3.0,3.1,3.6,3.8,4.0,4.0 Su rango es R = 4.0 – 2.0 = 2.0 Varianza: es el promedio de las desviaciones al cuadrado respecto a la media (n para población y n-1 para muestra para eliminar el sesgo) 2 2 ( xi x ) ( xi x ) 2 2 s n 1 n
53
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
53/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Medidas de dispersión
Desviación estándar: es la raíz cuadrada de la varianza ya sea poblacional o muestral S
s 2
( xi x )
2
s
n 1
( xi x )
2
n 1
Ejemplo 4: La resistencia al rompimiento de dos muestras de botellas es la siguiente: Muestra 1: 230 250 245 258 265 240 Muestra 2: 190 228 305 240 265 260 7510 s=
= 38.75
5
s=
790
= 12.56
5
54
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
54/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Medidas de dispersión
Coeficiente de variación: es igual la desviación estándar dividida por la media y sea expresa en porcentaje Coeficient e.de. var iación CV
s
(100)
X
Por ejemplo si la media de tiempos de espera es de 78.7 y su desviación estándar es 12.14, el CVt: 12 .14 (100) 12 .05 % CV t 78 .7 Por otra parte si la media de salarios es de 10 y su desviación estándar de 2, el CVs de salarios es: 2 CV s (100) 20% 10 Por tanto la dispersión de los salarios es mayor que la de los tiempos de espera, es posible comparar estas dispersiones con el CV aunque los dos conjuntos de datos sean completamente disímbolos.
55
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
55/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Estadísticos de una muestra Estudio estadístico básico:
File > Open worksheet > Yield.mtw Stat > Basic statistics > Display descriptive statistics Variables Yield by variable (opcional) Variables y variable categórica (opcional) Gráficas de los datos
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
56/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Selección de estadísticos específicos Seleccionar adicionalmente VARIANZA, COEFICIENTE DE VARIACIÓN, MODA
Los resultados son los siguientes: NOTA: Para que las columnas no s e desplazen al copiar de Minitab a Excel cambiar a letra COURIER Descriptive Statistics: Yield
Variable Yield
N
N*
Mean
SE Mean
StDev
Variance
CoefVar
Minimum
Q1
16
0
45.559
0.539
2.157
4.651
4.73
42.764
43.722
Variable Yield
Median 45.173
Q3
47.750
Maximum 49.204
N for Mode *
Mode 0
57
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
57/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Boxplot of Yield 50
Máximo
49 48
Q3 = Tercer Cuartil
47 d l e 46 i Y 45 44
Q2 = Mediana Q1 = Primer cuartil
43 42
Mínimo
Otra de obtener esta gráfica por separado y en forma individual es: File forma > Open worksheet > Yield.mtw
Graph > Boxplot > Simple Graph variables Yield OK 58
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
58/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Histogram (with Normal Curve) of Yield Mean
6
45.56
StDev 2.157 N 16
5 4 y c n e u 3 q e r F 2 1 0
42
44
46 Yield
48
50
Otra forma de obtener esta gráfica por separado y en forma individual es:
File > Open worksheet > Yield.mtw Graph > Histogram > Simple Graph variables Yield OK
59
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
59/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Para cambiar el número de celdas, doble click en las barras y seleccionar BINNING
Para cambiar números al inicio de celdas o en el centro de las mismas Cambiar el número de intervalos a 5
60
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
60/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplo: Estadísticos de una muestra con variable categórica Estudio estadístico básico:
File Wine.mtw Stat >> Open Basicworksheet statistics >>Display descriptive statistics Variables Aroma by variable Region Seleccionar Graphs Histogram of data with normal curve Seleccionar Statistics
Dot plot of data, Boxplot of data
Variance Coefficient of variation Mode (adicionales a los ya seleccionados)
OK Los resultados son los siguientes: Descriptive Statistics: Aroma
Variable
Region
N
N*
Mean
SE Mean
StDev
Variance
CoefVar
Minimum
Aroma
1
17
0
4.359
0.166
0.685
0.469
15.71
3.300
2
9
0
4.278
0.225
0.676
0.457
15.80
3.300
3
12
0
5.967
0.278
0.962
0.926
16.13
4.300
N for Variable
Region
Q1
Median
Q3
Maximum
Mode
Mode
Aroma
1
3.900
4.300
4.900
5.600
3.9
3
2
3.650
4.300
4.900
5.200
*
0
3
5.200
5.950
6.700
7.700
5.5
2
61
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
61/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Histogram (with Normal Curve) of Aroma by Region 3
4
5
1
6
7
8
2
1
4.8
Mean StDev
4.359 0.6847
3.6 N
2.4
y c n e u q e r 4.8 F
1.2 0.0
3
17 4.278 0.6760 9
3 Mean StDev N
3.6
2
Mean StDev N
5.967 0.9623 12
2.4 1.2 0.0 3
4
5
6
7
8
Aroma Panel variable: Region
Boxplot of Aroma 8
7
a 6 m o r A 5
4
3 1
2 Region
3
62
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
62/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro casas y se evalúan después de 60 días de uso, se analiza con gráficas de caja.
Ejemplo con cajas múltiples
Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro casas y se evalúan después de 60 días de uso, se analiza con gráficas de caja. 1 File > Open worksheet CARPET.MTW. 2Seleccionar Graph > Boxplot o Stat > EDA > Boxplot. 3 En One Y, choose With Groups. Click OK. 4En Graph variables, poner Durability . 5 En Categorical variables for grouping (1-4, outermost first), poner Carpet . 6 Click Labels, y click the Data Labels tab. 7 En Label, seleccionar Medians. seleccionar Use y-value labels. Click OK. 8 Click Data View. 9 En Categorical variables for attribute assignment, poner Carpet . Click OK en cada caja de diálogo.
63
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
63/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Boxplot of Durability 22.5 20.0
19.75
Carpet 1 2 3 4
17.5 y t i l i 15.0 b a r u D 12.5
13.52
12.895
10.0 8.625
7.5 5.0 1
2
3
4
Carpet
La alfombra 3 tienen mayor durabilidad, pero tiene mucha variabilidad, la alfombra 2 tiene poca durabilidad. Entre las alfombras 1 y 3 casi se tiene la misma mediana de durabilidad, pero la 3 tiene menos variación
64
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
64/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Histogramas o distribuciones de frecuencia
Se usa el archivo PULSE.MTW anexo en Archivo Datos Módulo 3: Existen diferentes opciones para esta herramienta: Indicando como variable Pulse1 se tiene: Histogram of Pulse1 25
20
y c 15 n e u q e r 10 F
5
0
50
60
70
80
90
100
Pulse1
Se pueden hacer cambios en la escala de los ejes horizontal y vertical haciendo click sobre estos, de la misma forma para el marco del histograma. La apariencia de las barras se puede cambiar haciendo clcik en estas.
65
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
65/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Para cambiar los intervalos del histograma, se da doble click sobre la escala horizontal del histograma y se selecciona la pestaña Binning
Se definen los intervalos a través de sus puntos de corte
Se indica el nuevo número de intervalos
Histogram of Pulse1 30
25
20 y c n e u q
15
e r F
10
5
0 48.00
56.66
65.33
74.00
82.66
91.33
100.00
Pulse1
Con doble click en la escala horizontal se puede modificar la escala de valores
66
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
66/177
Curso básico de Minitab 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Una vez creada esta gráfica, se puede hacer otra muy similar dejando el histograma original como ventana activa, por ejemplo para Pulse2:
Editor > Make Similar Graph
Histogram of Pulse2 30 25 y 20 c n e u 15 q e r F
10 5 0
60
80
100 Pulse2
120
140
Para comparar los histogramas según se haya corrido o no se tiene:
67
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
67/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Para comparar los histogramas según se haya corrido o no se tiene:
Graph > Histogram: Simple Multiple Graphs: Multiple Variable: In separate panels of the same graph; Same scales for graphs X, Y By Variable: Ran
Histogram of Pulse1 50 1
16
60
70
80
90
100
2
14 12
y c 10 n e u q 8 e r F 6 4 2 0 50
60
70
80
90
100 Pulse1
Panel variable: Ran
68
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
68/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Histogramas por grupo 1. Open worksheet Shippingdata.mtw en carpeta Minitab Sample Data / Meet Minitab 2. Graph > Histogram 3. With fit 4. Graph Variable Day 5. Multiple graphs 6. By variables With groups in separate panels Center 7. OK Histogram of Days Normal 1 Central
2
3
4 Eastern
5
6
7 20 15 10
y c n e u q e 20 F r 15
5 0
Western
Central Mean 3.984 StDev 1.280 N 99 Eastern Mean 4.452 StDev 1.252 N 101 Western Mean 2.981 StDev 1.090 N 102
10 5 0 1
2
3
4
5
6
7
Days Panel variable: Center
69
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
69/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Diagrama de tallo y hojas File > Open worksheet > Pulse.mtw Graph > Stem and Leaf o Stat > EDA > Stem and Leaf
Variable
Estratificación opcional por otra variable Destacar valores que exceden 1.5 RIC de Q1 y Q3 Definir ancho de la "celda" de números
70
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
70/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Stem-and-Leaf Display: Weight Stem-and-leaf of Weight N Leaf Unit = 1.0
Tallo Hojas 1
9
5
Con Increment = 20
4
10
288
Leaf Unit = 10
13
11
002556688
24
12
00012355555
1
0
9
37
13
0000013555688
13
1
000111111111
37
1
222222222223333333333333
(33)
1
444444444445555555555555555555555
Tallo Hojas
(11) 14 00002555558 44 15 0000000000355555555557 22
16
000045
22
1
666666777777
16
17
000055
10
1
888899999
10
18
0005
6
19
00005
HI 215
HI 21
Línea de profundidad (frec. Acumulada hasta la mediana () )
71
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
71/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Distribución normal estándar y distribución normal
La teoria se puede consultar en el archivo de Word anexo: Distribución
Normal.doc
Calc > Probability distributions > Normal Da la ordenada de probabilidad en un punto del eje horizontal Da la probabilidad acumulada o área desde menos infinito hasta los valores indicado en Input Column o el valor indicado en Input Constant Da el valor para el cual se obtiene la probabilidad acum ulada que se indica Media cero y desv. Estándar uno indica una distribución normal estándar, con otros valores se trata de la distribución normal
El área total de probabilidad es de 1.0 La media es de cero y la desv. Estandar 1
72
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
72/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplos: Densidad de probabilidad
Calc > Probability distributions > Normal Seleccionar Probability Density En Input Constant poner 1.5 Normal with mean = 0 and standard deviation = 1 x
f(x)
1.5
0.129518
Probabilidad acumulada
Calc > Probability distributions > Normal Seleccionar Cumulative Probability En Input Constant poner 1.5 Normal with mean = 0 and standard deviation = 1 x
P(X<=x)
1.5
0.933193
Probabilidad acumulada inversa
Calc > Probability distributions > Normal Seleccionar Inverse Cumulative Probability En Input Constant poner 0.9332 Normal with mean = 0 and standard deviation = 1 P(X<=x)
x
0.9332
1.50006
73
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
73/177
5/14/2018
Mostrar áreas bajo la curva de probabilidad Curso Ba sic o Minita b Xv - slide pdf.c om
Se trata de ver el área que incluye al 10% de los alumnos que obtuvieron las calificaciones más altas a partir del 90%, con una media de 1211 y una desviación estándar de 320, y ver si la calificación de 1738 entra en esta zona. 1 Seleccionar Graph > Probability Distribution Plot. 2 Seleccionar View Probability, click OK. 3 De la Distribution, Seleccionar Normal. 4 En Mean, poner 1211 . En Standard deviation, poner 320 . 5 Click en Shaded area. En Define Shaded Area By, seleccionar X Value. 6 Click Right Tail. En X value, poner 1738 . 7 Click OK en cada cuadro de diálogo Distribution Plot Normal, Mean=1211, StDev=320 0.0014 0.0012 0.0010 y 0.0008 t i s n e D 0.0006 0.0004 0.0002 0.0498 0.0000
1211 X
1738
74
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
74/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
O para un 10% del área: 5 Click en Shaded area. En Define Shaded Area By, seleccionar Probab., Right Tail, 0.10 Distribution Plot Normal, Mean=1211, S tDev=320 0.0014 0.0012 0.0010 y t i 0.0008 s n e D 0.0006 0.0004 0.0002
0.1
0.0000 1211 X
1621
El valor de 1738 si entra en la zona.
75
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
75/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Solo como demostración para el caso de dos colas: 5 Click en Shaded area . En Define Shaded Area
By , sel. Probab., Both Tails, 0.10.
Distribution Plot Normal, Mean=1211, StDev=320 0.0014 0.0012
0.0010
y 0.0008 t i s n e D 0.0006 0.0004
0.0002 0.0000
0.05
0.05 685
1211 X
1737
76
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
76/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Prueba de normalidad Es una prueba de hipótesis de una población para determinar si la muestra se extrae de una población normal, que es la hipótesis nula. La hipótesis alterna es que no es normal. Se puede hacer por diversos métodos:
1. Método gráfico Se trata de probar la flamabilidad de una fibra y ver si sigue una distribución normal, además se quiere observar su valor en el percentll 87avo.
1File > Open worksheet FLAMERTD.MTW. 2Graph > Probability Plot. 3 Seleccionar Single, click OK. Fabric 4En Graph variables,seleccionar 5 Click Scale, y click el Percentile Lines .. 6 En Show percentile lines at Y values, teclear 87 . Click OK en cada cuadro de diálogo.
77
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
77/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Probability Plot of Fabric Normal - 95% CI 99
95 90
87
Mean StDev N AD P-Value
3.573 0.5700 15 0.310 0.517
80 70
t n 60 e c r 50 e 40 P 30 20 10 5 5 1 2 . 4
1
2
3
4 Fabric
5
6
Los puntos no salen del intervalo de confianza del 95% y el P value es menor de 0.05 por tanto los datos de la muestra siguen una distribución normal. El IC del 87% se encuentra entre los valores 3.84295 y 4.58790
78
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
78/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
2. Prueba de hipótesis con prueba de Anderson Darling (n > 15) Esta prueba compara la función de distribucion acumulada empirica de los datos de la muestra con la distribución esperada si los datos fueran normales Si la diferencia observada es suficientemente grande, se rechaza la hipótesis nula de normalidad de la población. Las hipótesis son las siguientes:
Ho: Los datos SI provienen de una población distribuida normalmente
Pvalue >0.05
Ha: Los datos NO provienen de una población distribuida normalmente
Pvalue <= 0.05
Prueba de normalidad de Kolmogorov Smirnov (n<=15) Esta prueba compara la función de distribución acumulada de la muestra con la distribución esperada de lalosprueba datos rechaza si fueranlanormales. la diferencia obervada es suficientemente grande, hipótesisSinula de normalidad. Si el valor P se esta prueba es menor al alfa seleccionado se rechaza la hipótesis nula de normalidad.
79
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
79/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplo de prueba de normalidad Ejemplo con el archivo CRANKSH.MTW
1File > Open worksheet CRANKSH.MTW. 2Stat > Basic Statistics > Normality Test . 3En Variable, seleccionar AtoBDist . Click OK.
Probability Plot of AtoBDist Normal 99.9 Mean 0.4417 StDev 3.491 N 125 AD 0.891 P-Value 0.022
99 95
AtoBDist -0.44025 5.90038 2.08965 0.09998 2.01594 4.83012
90
El valor P es menor a 0.05 por tanto los datos no siguen una distribución normal
t n e c r e P
80 70 60 50 40 30 20 10 5 1 0.1
-10
Etc.
-5
0 AtoBDist
5
10
80
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
80/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Capacidad del proceso con histogramas Las áreas bajo la curva se pueden aplicar al cálculo de la capacidad de los procesos para cumplir especificaciones o requisitos, por ejemplo para el cso de los datos de SUPP2 del archivo CAMSHAFT.MTW donde las especificaciones son Límite Inferior de Especificación LIE = 596 y el Límite Superior de Especificación LSE = 604, se tiene:
File > Open worksheet > Camshaft.mtw Stat > Quality tools > Capability analysis > Normal Data area arranged as: Single column Supp2 Subgroup size 1 Lower Spec 596 Upper spec 604 Estimate > R bar Options > Percents OK
81
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
81/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
82/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados se muestran a continuación Process Capability of Supp2 LSL
Media Desviación estándar
USL
Process Data LSL 596 Target * U SL 604 Sample Mean 600.23 S ample N 100 StDev (Within) 1.70499 StDev (Ov erall) 1.87388
Within Overall P otential (Within) C apability Cp 0.78 C P L 0.83 C P U 0. 74 C p k 0. 74 O verall C apability Pp PPL PPU P pk C pm
597.0 O bserved Performance % < LSL % > USL % T otal
0.00 2.00 2 .0 0
598.5
Exp. Within Performance % < LSL % > USL % T otal
0.66 1.35 2 .0 1
600.0
601.5
603.0
0.71 0.75 0. 67 0. 67 *
Índice de capacidad potencial (Cp) y real del proceso (Cpk deben ser mayores a 1.33 para que el proceso sea capaz
604.5
Exp. Ov erall Performance % < LS L % > USL % T otal
1 .2 0 2 .2 1 3 .4 1
Fracción defectiva fuera de especificaciones debe ser menor a 3.4 ppm (0.000 34 %)
83
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
83/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Estadística Pruebas de inferencial hipótesis
84
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
84/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
IC = Estadístico +- error muestral de Intervalo
confianza (95%) , rango de valores para estimar los
Población, total de productos y servicios (N)
Muestra (n)
Inferencia estadística de los parámetros: m= media s= desviación estándar 2= varianza =proporción
parámetros , 2, ,
Estadísticos X, s, p
85
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
85/177
Distribución normal o de Gauss 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Estadístico Z
Inferencia estadística de los parámetros: m= media Cuando n >= 30 y/o es conocida (de datos históricos) m=proporción Cuando n >= 30 Estadístico t
Inferencia estadística del parámetro: m= media Cuando n < 30 y desconocida (sin historial del proceso o prov.)
86
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
86/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Estadístico 2
Inferencia parámetro:estadística del = desviación estándar Comprobar normalidad del proceso
Estadístico F
Inferencia estadística del parámetro: 2
2
1 / 2 relación de varianzas Revisar normalidad de muestras
87
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
87/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
IC = Estadístico +- error muestral de Intervalo
confianza (95%) , rango de valores para estimar los
Población, total de productos y servicios (N) Estadísticos utilizados: m= media, Z o t =proporción
Muestra (n)
s= desviación estándar, 2 12 / 22 Rel. de varianzas
parámetros , 2, ,
Estadísticos X, s, p
88
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
88/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Intervalos de confianza para la media Determinar el intervalo de confianza para la media poblacional , con los datos tomados del índice de calidad del vino, con los datos en el archivo Wine.Mtw. Desv. Estándar = 2.04 Se utiliza el estadístico Z por ser n > 30
File > Open worskeet > Wine.Mtw Stat > Basic statistics > 1-Sample-Z (Test and confidence interval) Samples in columns seleccionar columna Quality Estándar deviation 2.04 Options Confidence level 95% OK Individual Value Plot of Quality Graphs seleccionar Individual value plot OK OK (with 95% Z-confidence interval for the Mean, a nd StDev = 2.04)
_ X
Intervalo donde se encuentra La media poblacional
7
8
9
10
11
12 Quality
13
14
15
16
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
89/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Se obtienen los resultados siguientes: One-Sample Z: Quality The assumed standard deviation = 2.04 Variable N Mean StDev SE Mean Quality
38
12.437
2.045
0.331
95% CI (11.788, 13.085)
Conclusión: para un 95% de nivel de confianza, con los datos obtenidos de la muestra del ínidice de calidad del vino (Quality), el intervalo que contiene al índice promedio de calidad para toda la producción de vino es: (11.788 a 13.085)
La gráfica de puntos que muestra la distribución de los valores del índice de calidad y el Intervalo de confianza correspondiente, para un nivel de confianza del 95% es: Individual Value Plot of Quality (with 95% Z-confidence interval for the Mea n, and StDev = 2.04)
_ X
7
8
9
10
11
12 Quality
13
14
15
16
90
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
90/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Prueba de hipótesis
Una prueba de hipótesis es una afirmación sobre el valor que se estima tiene un parámetro poblacional , , 2,
Si la afirmación contiene el signo igual (=, >=, <=) se establece primero la hipótesis nula Ho Si la afirmación contiene los signos (<, >, <> o ) se establece primero la hipótesis alterna Ha Es necesario establecer el nivel de confianza de la prueba, normalmente 95% (o alfa de 1-NC = 0.05) 91
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
91/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Prueba de hipótesis para la media Cuando no se conoce la desviación estándar y la muestra n es menor a 30. Por ejemplo, se afirma que las ventas promedio diarias son mayores a 100 unidades: Se toma una muestra de 20 días y se determina que el promedio es 110 y la desviación estandar de la muestra es 5 Establecimiento de hipótesis m
m
Ha: > 100 Ho: <= 100 En Minitab: Stat > Basic statistics > 1-sample t
92
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
92/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados se muestran a continuación One-Sample T * NOTE * Graphs cannot be made with summarized data. Test of mu = 100 vs not = 100 N
Mean
StDev
SE Mean
20
110.00
5.00
1.12
95% CI (107.66, 112.34)
T
P
8.94
0.000
Conclusión: El intervalo de confianza donde se encuentra el promedio de las ventas con base en una muestra tomada es (107.66 a 112.34) para un 95% de nivel de confianza. El Intervalo de confianza de (107.66, 112.34) no contiene a la media de la hipótesis (100) y P value es menor a 0.05, se rechaza Ho y se acepta Ha, ya subió el promedio de ventas.
93
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
93/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Cuando se conoce la desviación estándar y la muestra n es mayor a 30. Para el caso de los datos del archivo Wine.Mtw se trata de probar la afirmación de que el aroma es mayor o igual a 4, a un 95% de nivel de confianza. Establecimiento de hipótesis Ha: m<4 Ho: m>= 4 En Minitab: Stat > Basic statistics > 1-Sample-Z (Test and confidence interval) Samples in columns seleccionar columna Aroma Standard deviation 4.847 Perform hypothesis test Hypothesized mean 4 Options Confidence level 95% Alternative Less Than OK Graphs seleccionar Individual value plot OK OK
94
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
94/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
95
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
95/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados se muestran a continuación: One-Sample Z: Aroma Test of mu = 4 vs < 4 The assumed standard deviation = 4.847 95% Upper Variable Aroma
N
Mean
StDev
SE Mean
Bound
Z
P
38
4.847
1.082
0.786
6.141
1.08
0.859
Conclusión: El intervalo de confianza donde se encuentra el promedio de Aroma con base en una muestra tomada es (…., 6.141) para un 95% de nivel de confianza. El Intervalo de confianza de (….., 6.141) SI contiene a la media de la hipótesis (4)
y P value es mayor a 0.05, NO se rechaza Ho, el Aroma tiene un promedio >= 4. Individual Value Plot of Aroma
(with Ho and 95% Z-confidence interval for the Mean, and StDev = 4.847)
_ X Ho
3
4
5
6
7
8
Aroma
96
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
96/177
5/14/2018
Prueba de hipótesis para una proporción
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplo: Un producto tiene accesorios que se piensa nadie usa, se hace una encuesta a 200 usuarios y 17 si usan los accesorios. ¿Para un 95% de confianza se confirma la sospecha de que menos del 10% de usuarios usan estos accesorios? Establecer hipótesis: Ho: Proporción >= 0.10
Ha: Proporción < 0.10
Instrucciones de Minitab Stat > Basic Statistics > 1 - Proportion Options Confidence level 95% Test Proportion 0.1 Alternative Less Than seleccionar Use test and interval based on normal distribution OK
97
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
97/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Se obtuvieron los resultados siguientes: Test and CI for One Proportion Test of p = 0.1 vs p < 0.1 Sample 1
Upper
Exact
X
N
Sample p
Bound
P-Value
17
200
0.085000
0.124771
0.285
No se rechaza Ho ya que la Proporción del 10% de la hipótesis se encuentra en el intervalo de confianza y el P value es mayor a 0.05, no se acepta la hipótesis alterna. Es válido decir que sólo el 10% de usuarios utilizan los accesorios
98
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
98/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Comparación de dos medias - Muestras independientes Ho: Media A (mA)- Media B (mB) = 0 Ha: Media A (mA)- Media B (mB) 0 Ejemplo: 10 pieles son curtidas usando el método A y 10 usando el método B, las resistencias a la tracción son las siguientes: Método A Método B 24.3 24.4 25.6 21.5 26.7 22.7 24.8 23.8 25.9 26.4 25.8
25.1 22.8 25.2 23.5 22.2 23.5 23.3
25.4 24.7 ¿Se puede decir que los dos métodos producen resistencias a la tracción diferentes? Usar un nivel de confianza del 95%. En Minitab: Se colocan los valores en dos columnas diferentes C1 y C2 corresp. A Metodos A y B
99
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
99/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Paso 1. Se realiza un análisis de comparación de varianzas poblacionales:
Ho: Varianza A = Varianza B
Ha: Varianza A Varianza B
Stat > Basic Statistics > 2 Variances Samples in different columns First Método A Second Método B Options Confidence level 95% OK
100
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
100/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados son los siguientes: Test for Equal 95% Bonferroni F-Test (normal Test statistic
Variances: Método A, Método B confidence intervals for standard deviations distribution) = 1.01, p-value = 0.991
Como el P value es mayor a 0.05 no se rechaza la Hipótesis nula de igualdad de varianzas, por tanto se asume que son iguales. Esta inf. se usará a continuación:
101
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
101/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Paso 2. Se realiza un análisis de comparación de medias poblacionales
Establecer hipótesis H: Media A - Media B = 0
Ha: Media A - Media B
0
Instrucciones de Minitab: Stat > Basic Statistics > 2 - Sample t Samples in different columns First Método A Second Método B seleccionar Assume equal variances Options Confidence level 95% Test difference 0.0 Alternative Not equal OK OK
102
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Curso básico de Minitab
102/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
La gráfica de caja parece indicar diferencia entre las medias de las muestras Boxplot of Método A, Método B 27
26
25 a t a 24 D 23
22
21 Método A
Método B
103
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
103/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Se obtienen los siguientes resultados: Two-sample T for Método A vs Método B N Mean StDev SE Mean Método A 10 25.14 1.24 0.39 Método B 10 23.62 1.24 0.39 Difference = mu (Método A) - mu (Método B) Estimate for difference: 1.52000 95% CI for difference: (0.355, 2.685) T-Test of difference = 0 (vs not =): T-Value = 2.74 P-Value = 0.013
DF = 18
Conclusiones: Como el cero no seyencuentra en el intervalo de la diferencia de las dos medias el valor P value es menordea confianza 0.05 se rechaza la hipótesis nula de igualdad de medias y se acepta Ha afirmando que las medias son diferentes
104
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
104/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Muestras pareadas - Prueba si las diferencias entre sujetos son iguales. Ho: Media de diferencias = 0 Ha: Media de diferencias Se utilizan cuando se trata de comparar el efecto de dos tratamientos a los mismos sujetos u objetos, por ejemplo el peso de individuos antes y después de una rutina. También se aplica cuando cuando antes de comparar se hacen parejas de sujetos por ejemplo para comparar los promedios de alumos de dos universidades, primero se forman parejas (dos ingenieros, dos administradores, dos arquitectos, etc.) Ejemplo: Se hacen dos tratamientos superficiales para lentes A y B, se seleccionan 10 personas a las que se les instala uno de esos lentes en cualquier lado al azar. Después de un periodo se mide el deterioro (rayas, desgaste, etc.) de cada lente:
A un 95% de nivel de confianza ¿Se puede afirmar que los 2 tratamientos producen diferente deterioro en los lentes? Se colocan los datos en las columnas C1 y C2 para los Lentes A y B.
105
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
105/177
5/14/2018
Persona 1 2
Lente A 6.7 5.0
Lente B 6.9 5.8
3 4 5 6 7 8 9 10
3.6 6.2 5.9 4.0 5.2 4.5 4.4 4.1
4.1 7.0 7.0 4.6 5.5 5.0 4.3 4.8
Curso Ba sic o Minita b Xv - slide pdf.c om
En Minitab colocar los datos de Lentes en dos columnas Establecer hipótesis Ho: Diferencia de medias = 0
Ha: Diferencia de medias
0
Instrucciones de Minitab Stat > Basic Statistics > Paired t Samples in different columns Graphs Individual value plot First Lente A Second Lente B Options Confidence level 95% Test mean 0.0 Alternative Not equal OK OK
106
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
106/177
5/14/2018
Resultados
Curso Ba sic o Minita b Xv - slide pdf.c om
Paired T-Test and CI: Lente A, Lente B Paired T for Lente A - Lente B N Mean StDev Lente A 10 4.96000 1.02978 Lente B 10 5.50000 1.13039 Difference 10 -0.540000 0.343835
SE Mean 0.32564 0.35746 0.108730
95% CI for mean difference: (-0.785964, -0.294036) T-Test of mean difference = 0 (vs not = 0): T-Value = -4.97 P-Value = 0.001
Como el cero no se encuentra en el intervalo de confianza de la diferencia dos medias y el valor P de value es menor a 0.05 se rechazade la las hipótesis nula de igualdad medias y se acepta la alterna afirmando que los tratamientos dan deterioros diferentes.
107
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
107/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Individual Value Plot of Differences (with Ho and 95% t-confidence interval for the mea n)
_ X Ho
-1.2
-1.0
-0.8
-0.6
-0.4
Differences
-0.2
0.0
Como el valor de Ho no se encuentra en el intervalo de confianza de la diferencia de las dos medias, se rechaza Ho y se acepta Ha indicando que el deterioro es diferentes en los dos métodos.
108
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
108/177
5/14/2018
Comparación de dos proporciones
Curso Ba sic o Minita b Xv - slide pdf.c om
Ejemplo: En una encuesta a 300 clientes de la zona A, 33 estan descontentos En otra zona B se encuestaron a 250 clientes y 22 se mostraron descontentos. A un 95% de nivel de confianza o 5% de nivel de sigfinicancia, ¿Hay diferencia en las proporciones de clientes descontentos en las dos zonas? Establecer hipótesis: Ho: Proporción A = Proporción B
Ha: Proporción A Proporción B
Instrucciones de Minitab (datos resumidos): Stat > Basic Statistics > 2 - Proportions Options Confidence levelUse 95% Alternative Not pequal, Test Difference = 0 Seleccionar Pooled estimate for test OK
109
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
109/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados son los siguientes: Test and CI for Two Proportions Sample X N Sample p 1 33 300 0.110000 2 22 250 0.088000 Difference = p (1) - p (2) Estimate for difference: 0.022 95% CI for difference: (-0.0278678, 0.0718678) Test for difference = 0 (vs not = 0): Z = 0.86 P-Value = 0.392
Como el cero SI se encuentra en el intervalo de confianza de la diferencia de las 2 proporciones y el valor P value es mayor a 0.05 no se rechaza la hipótesis nula de igualdad de proporciones o sea que no hay razón para decir que las proporciones son diferentes.
110
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
110/177
5/14/2018
Análisis de varianza (ANOVA)
Curso Ba sic o Minita b Xv - slide pdf.c om
El Análisisdedevarias Varianza es una pruebatiempo: de hipótesis que trata de probar la igualdad medias al mismo H 0 1 2 3 .... k
H 1 : Al menos
dos medias
son diferentes
.
Requiere que las poblaciones sean normales y con varianza similar. ANOVA de una vía con datos de tratamientos en diferentes columnas: Ejemplo: Los técnicos de una fábrica de papel hacen un experimento de un factor para ver que variedad de árbol produce menos fenoles en los desechos de pasta de papel. Se colectan los siguientes datos en porcentajes: A un 95% de nivel de confianza, ¿hay alguna variedad que produzca más fenoles que otra? Se colocan los datos en tres columnas distintas:
111
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
111/177
5/14/2018
Instrucciones de Minitab: Stat > ANOVA > One Way (Unstacked) Responses in separate columns A B C
Curso Ba sic o Minita b Xv - slide pdf.c om
Confidence Level 95 family error rate: 5 Comparisons Tukey's, Graphs: Residual plots Box plot of data Normal plot of residuals OK
112
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
112/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados se muestran a continuación:
Como el valor P value es menor a 0.05 existe una diferencia significativa entre algunas medias
One-way ANOVA: A, B, C Source DF Factor 2 Error 12 Total 14 S = 0.2309
Level A B C
N 4 5 6
SS MS 0.9000 0.4500 0.6400 0.0533 1.5400 R-Sq = 58.44%
Mean 1.9000 1.3000 1.4000
StDev 0.1414 0.2121 0.2828
F 8.44
R-Sq(adj) = 51.52%
Individual 95% CIs For Mean Based on Pooled St A produce más fenoles que B,C ----+---------+---------+---------+----(-------*--------) (------*-------) (------*------) ----+---------+---------+---------+----1.20
Pooled StDev = 0.2309
Desviación estándar poblacional
P 0.005
1.50
1.80
Las medias B y C son similares
2.10
La media de A es diferente a B y C
113
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
113/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Tukey 95% Simultaneous Confidence Intervals All Pairwise Comparisons Individual confidence level = 97.94% A subtracted from: Lower Center B -1.0130 -0.6000 C -0.8974 -0.5000
Upper -0.1870 -0.1026
Como el cero no está en el intervalo de la diferencia B-A o C-A, A es diferente de B y C
-----+---------+---------+---------+---(---------*---------) (---------*--------) -----+---------+---------+---------+----0.80 -0.40 -0.00 0.40
B subtracted from: Lower Center C -0.2728 0.1000
Upper 0.4728
-----+---------+---------+---------+---(---------*--------) -----+---------+---------+---------+----0.80
-0.40
-0.00
0.40
El intervalo de la diferencia C-B si incluye el cero por tanto B no es diferentes de C
114
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
114/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados gráficos son los siguientes: Boxplot of A, B, C 2.2
2.0
1.8 t a a 1.6 D 1.4
1.2
1.0 A
B
C
Se observa que la media de A es diferente a las medias de B y C (si se superpone B y C tienen elementos comunes y son iguales) Los árboles B y C producen menos cantidad de fenoles. 115
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
115/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Los resultados gráficos son los siguientes: Normal Probability Plot (responses are A, B, C)
99
95 90 80 70
t n 60 e c 50 r e 40 P 30 20 10 5
1
-0.50
-0.25
0.00
0.25
0.50
Residual
Los residuos o errores se apegan a la recta normal, por tanto el modelo ANOVA es un modelo adecuado para los datos 116
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
116/177
5/14/2018
ANOVA de una vía con datos de tratamientos en una sola columna Curso Ba sic o Minita b Xv - slide pdf.c om
Los datos como del ejemplo anteriorase arreglan en dos columnas se muestran continuación: A 1.9 1.8 2.1 1.8
B 1.6 1.1 1.3 1.4 1.1
C 1.3 1.6 1.8 1.1 1.5 1.1
Fenoles 1.9 1.8 2.1 1.8 1.6 1.1 1.3 1.4 1.1 1.3 1.6
Árbol A A A A B B B B B C C
1.8 1.1 1.5 1.1
C C C C
11
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
117/177
5/14/2018
Instrucciones de Minitab: Stat > ANOVA > One Way Response Fenoles Factor Árbol Confidence Level 95
Curso Ba sic o Minita b Xv - slide pdf.c om
Comparisons Tukey's, error Graphs: Residual plots family Box plot ofrate: data 5Normal plot of residuals OK
Los resultados que se obtienen son iguales a los ejemplo anterior.
118
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
118/177
5/14/2018
Ejercicios:
Curso Ba sic o Minita b Xv - slide pdf.c om
Las calificaciones de un curso de liderazgo para 18 participantes de tres diferentes departamentos fueron las mostradas en la tabla siguiente. Probar a un 95% de nivel de confianza o 5% de nivel de significancia si el aprovechamiento fue similar en los tres departamentos o en su caso cuál fue el peor. DEPARTAMENTO
Arreglados en dos columnas quedan como:
Depto_A
Depto_B
Depto_C
8
7
5
8 Depto_A
7 8
8 7
6 6
7 Depto_A
6 7 8
7 6 8
7 7 6
6 Depto_A 7 Depto_A
Calificaciones Depto
8 Depto_A
8 Depto_A 7 Depto_B 8 Depto_B 7 Depto_B 7 Depto_B 6 Depto_B 8 Depto_B 5 Depto_C 6 Depto_C 6 Depto_C 7 Depto_C 7 Depto_C 6 Depto_C
119
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
119/177
5/14/2018
a) Con datos en tres columnas Instrucciones de Minitab: Stat > ANOVA > One Way (Unstacked) Responses in separate columns Depto _ A Depto_B Depto_C Confidence Level 95 Comparisons Tukey's, family error rate: 5 Graphs: Residual plots Box plot of data Normal plot of residuals OK Curso Ba sic o Minita b Xv - slide pdf.c om
Como el valor P de
es
que 0.05, se concluye que
El peor aprovechamiento lo tuvo el departamento De las gráficas de diferencias de Tukey, las medias de los procesos que son diferentes son (dado que el cero no se encuentra en el intervalo de confianza de la diferencia de medias – Pairwise comparisons):
b) Otra opción con datos en una sola columna Instrucciones de Minitab: Stat > ANOVA > One Way Response Calificación Factor Depto Confidence Level 95 Comparisons Tukey's, family error rate: 5 Graphs: Residual plots Box plot of data Normal plot of residuals OK Identificar la media que es diferente a las demás (donde el cero no pertenezca al intervalo
120
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
120/177
5/14/2018
b) Otra opción con datos en una sola columna
Curso Ba sic o Minita b Xv - slide pdf.c om
Con Minitab: Stat > ANOVA One way Response Calificaciones Factor Depto Comparisons: Tukey’s, family error rate 5
Graphs: Box polot of data OK ESTADÍSTICAS > ANOVA UN FACTOR RESPUESTA CALIF FACTOR DEPTO. COMPARACIONES: TUKEY, TASA DE ERROR DE LA FAMILIA 5 GRÁFICAS: DIAGRAMA DE CAJA DE DATOS OK Identificar la media que es diferente a las demás (donde el cero no pertenezca al intervalo de confianza de la diferencia de medias entre cada dos tratamientos Depto).
121
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
121/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Estadística no paramétrica
122
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
122/177
5/14/2018
ESTADÍSTICA NO PARAMÉTRICA
Curso Ba sic o Minita b Xv - slide pdf.c om
Acciones a tomar sobre los datos normales antes de optar por estas pruebas: Revise y asegúrese de que los datos no siguen una distribución normal. • Desarrollar una Prueba de normalidad . Para la prueba de Bartlet (P value <0.05) • Revisar la información para detectar errores (tipográficos, etc.). Investiguar los valores atípicos. • Una muestra pequeña (n < 30) proveniente de un universo normal,
se mostrará algunas veces como anormal. • Intentar transformar los datos. Las transformaciones comunes incluyen: •- Raíz cuadrada de todos los datos •- Logaritmo de todos los datos •- Cuadrado de todos los datos • Si la información es todavía anormal, entonces usar estas herramientas no paramétricas Se utilizan cuando no interesa la forma de la distribución o los datos no son normales
123
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
123/177
Prueba de Hipótesis
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Atributos
Variables No Normales Varianzas Homogeneidad de Varianzas de Levene
Tablas de Contingencia de
Medianas
Correlación
Correlación Prueba de signos
Normal
Wilcoxon MannWhitney KruskalWallis Prueba de Mood Friedman
Variancia Chi
Prueba-F
Homogeneidad de la Variación de Bartlett
Medias Pruebas de t Muestra-1 Muestra-2
ANOVA Una vía Dos vías
Residuos distribuidos normalmente
Correlación Regresión
124
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
124/177
Pruebas no paramétricas con la medianas o medianas 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Pruebas de la Mediana Prueba de signos: Prueba si el promedio de la mediana de la muestra es igual a un valor conocido o a un valor a alcanzar. Prueba Wilcoxon: Prueba si la mediana de la muestra es igual a un valor conocido o a un valor hipotético. Prueba de dos o más Medianas Prueba Mann-Whitney: Prueba si dos medianas de muestras son iguales. Comprueba el rango de dos muestras, por dif. entre dos medianas del universo. Prueba Kruskal-Wallis: Prueba igualdad de dos o más medianas de muestras Asume que todas las distribuciones tienen la misma forma. Pruebas de dos Medianas Prueba de la mediana de Mood: Otra prueba para más de dos medianas.
Prueba más firme para los valores atípicos contenidos en la inf.
Prueba de Friedman: Prueba si las medianas de las muestras, clasificadas
bajo dos categorías, son iguales. Correlación: Prueba la relación lineal entre dos variables
125
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
125/177
Puebas de signos de la mediana 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ho: mediana = mediana hipotetizada versus
Ha: mediana ≠ mediana hipotetizada
Ejemplo: Se evaluan los índices de precios de 29 casas. Los datos históricos indican que el índice ha sido de 115. Probar a un alfa de 0.10 si el índice se ha incrementado. Nivel de confianza = 1 - alfa = 90% File > Open worksheet > Exh_Stat.Mtw Stat > Nonparametrics > 1-Sample Sign. En Variables, seleccionar PriceIndex Confidence interval level 90 Seleccionar Test median y poner 115 en el cuadro En Alternative, Seleccionar greater than. Click OK. Los resultados son los siguientes: Sign Test for Median: PriceIndex Sign test of median = PriceIndex
N 29
Below 12
Interpretación de resultados:
115.0 versus > 115.0 Equal 0
Above 17
P 0.2291
Median 144.0
Como el valor P de la prueba es >0.1 no hay evidencia suficiente para rechazar Ho y la mediana no es mayor a 115.
126
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
126/177
Prueba de una mediana de Wilconox 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Ho: mediana = mediana hipotetizada versus
Ha: mediana ≠ mediana hipotetizada
Se registran los resultados de examenes en ciencias para 9 estudiantes. Se quiere probar si hay suficiente evidencia de que la mediana sea menor a 77 con alfa = 0.05. Nivel de confianza = 1 - alfa = 95% File > Open worksheet > Exh_Stat.Mtw Stat > Nonparametrics > 1-Sample Wilconox En Variables, seleccionar Achievement Confidence interval level 95 Seleccionar Test median y poner 77 en el cuadro En Alternative, Seleccionar less Than. Click OK. Los resultados son los siguientes: Wilcoxon Signed Rank Test: Achieveme nt Test of median = 77.00 versus median < 77.00
Achievement
N 9
N for
Wilcoxon
Test 8
Statistic 19.5
Interpretación de resultados:
Estimated P 0.610
Median 77.50
Como el valor P de la prueba es >0.05 no hay evidencia suficiente para rechazar Ho y la mediana no es estadísticamentemenor a 77.
127
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
127/177
5/14/2018
Prueba de rangos de dos muestras de Mann Whitney Curso Ba sic o Minita b Xv - slide pdf.c om
H0: h1 = h2 versus
H1: h1 ≠h2 , donde h es mediana de la población.
Se asume que las muestras provienen de dos poblaciones con la misma forma y varianza Ejemplo: Se compara la presión diastólica de dos muestras extraidas de dos poblaciones Se quiere probar a un 5% de nivel de significancia si hay diferencia entre las medianas. Nivel de confianza = 1 - alfa = 90% File > Open worksheet > Exh_Stat.Mtw Stat > Nonparametrics > Mann-Whitney En First Sample, sleccionar DBP1. En Second Sample, seleccionar DBP2. Click OK. En Confidence level 95 y en Alternative, Seleccionar Not equal. Click OK.
128
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
128/177
5/14/2018
Los resultados son los siguientes:
Curso Ba sic o Minita b Xv - slide pdf.c om
Mann-Whitney Test and CI: DBP1, DBP2 N Median DBP1 8 69.50 DBP2 9 78.00 Point estimate for ETA1-ETA2 is -7.50 95.1 Percent CI for ETA1-ETA2 is (-18.00,4.00) W = 60.0 Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0.2685 The test is significant at 0.2679 (adjusted for ties)
Interpretación de resultados:
Como el valor P de la prueba es >0.05 no hay evidencia suficiente para rechazar Ho y las medianas no son diferentes estadísticamente.
129
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
129/177
Prueba de igualdad de medianas de Kruskal Wallis 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
H0: Las medianas poblacionales son todas iguales vs
H1: Al menos hay una diferente
Esta es una generalización de la prueba de Mann Whitney Ejemplo: Se quiere probar si el efecto de tres tratamientos diferentes influyen en el crecimiento de bacterias a un 5% de nivel de significancia Nivel de confianza = 1 - alfa = 90% File > Open worksheet > Exh_Stat.Mtw Stat > Nonparametrics > Kruskal-Wallis. En Response, seleccionar Growth . En Factor, seleccionar Treatment . Click OK. Los resultados son los siguientes: Kruskal-Wallis Kruskal-Wallis Treatment N 1 5 2 5 3 6 Overall 16 H = 8.63 DF = H = 8.64 DF =
Test: Growth versus Treatment Test on Growth Median Ave Rank Z Interpretación de resultados: 13.20 7.7 -0.45 Como el valor P de la prueba es < 0.05 hay evidencia suficiente para rechazar Ho y las 12.90 4.3 -2.38 medianas son diferentes estadísticamente. 15.60 12.7 2.71 La mediana 3 difiere menos de la mediana general 8.5 Las medianas 1 y 2 tienen una mayor diferencia respecto a la mediana general. 2 P = 0.013 2 P = 0.013 (adjusted for ties)
130
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
130/177
5/14/2018
Prueba de igualdad de medianas de Mood Curso Ba sic o Minita b Xv - slide pdf.c om
Prueba similar a la anterior: H0: h1 = h2 = h3, versus H1: no todas las h's son iguales con h's medianas poblacionales . de OTIS para los tres niveles educacionales. Ejemplo: Se mide la habilidad intelectual de 179 estudiantes en base al dibujo de figuras después se aplica una prueba OTIS y se0quiere probar si a un1 alfa de 5% hay diferencia significativa entre el nivel de educación - Preprofesionales -Profesionales 2 - Preparatoria Nivel de confianza = 1 - alfa = 90% File > Open worksheet > Cartoon.Mtw Stat > Nonparametrics > Mood´s Median Test En Response, seleccionar OTIS . En Factor, seleccionar ED . Click OK.
131
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
131/177
5/14/2018
Los resultados son los siguientes:
Curso Ba sic o Minita b Xv - slide pdf.c om
Interpretación de resultados: Mood Median Test: Otis versus ED Mood median test for Otis Chi-Square = 49.08 DF = 2
Como el valor P es menor a 0.05 indica que las medianas no son iguales P = 0.000
Individual 95.0% CIs ED 0 1 2
N<= 47 29 15
N> 9 24 55
Median 97.5 106.0 116.5
Q3-Q1 17.3 21.5 16.3
----+---------+---------+---------+-(-----*-----) (------*------) (----*----) ----+---------+---------+---------+-96.0 104.0 112.0 120.0
132
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
132/177
Tablas de Contingencia 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
La Tabla de contingencia es una prueba de independencia entre variables. Ho: La variable de renglón es independiente de la variable de columna Las proporciones en todas las columnas de cada renglón son iguales Ha: La variable de renglón tiene dependencia de la variable de columna Las proporciones en las columnas de cada renglón son diferentes Ejemplo: Se tiene interés de probar si la afiliación política depende del sexo y del partído político, para lo cual se encuestan a 100 personas. Democrat Republican
Hombres Mujeres
28 22
18 27
Other
4 1
Las instrucciones son las siguientes: File > Open worksheet Exh_Tabl.Mtw. Stat > Tables > Chi-Square Test (Tabla en Worksheet). En Columns que contiene la tabla, indicar Democrat, Republican y Other. Click OK.
133
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
133/177
5/14/2018
Los resultados son los siguientes:
Curso Ba sic o Minita b Xv - slide pdf.c om
Chi-Square Test: Democrat, Republican, Other Expected counts are printed below observed counts Chi-Square contributions are printed below expected counts Democrat Republican Other Total 1 28 18 4 50 NOTA: Las frecuencias 25.00 22.50 2.50 0.360
0.900
0.900
22 27 1 50 25.00 22.50 2.50 0.360 0.900 0.900 Total 50 45 5 100 Chi-Sq = 4.320, DF = 2, P-Value = 0.115 2 cells with expected counts less than 5.
esperadas deberían ser mayores a 5.
2
El valor P es mayor a 0.05 y no se rechaza Ho por tanto el tipo de partido es independiente del sexo de los votantes.
134
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
134/177
5/14/2018
Ejercicios:
Curso Ba sic o Minita b Xv - slide pdf.c om
1. Los errores presentados en tres tipos de servicios cuando se prestan por tres regiones se muestran a continuación, probar con una tabla de contingencia si los errores dependen del tipo de servicio y región para un 95% de nivel de confianza. Servicio 1 23
Region A Region B Region C 27 12 8 41 42
22 14
9 10
Ho: Los errores NO dependen en cada región del tipo de servicio. Ha: Los errores en cada región, dependen del tipo de servicio, Con Minitab: Stat > Tables > Chi square test (two way table in worksheet) Columns containing the table Region A Region B Region C OK
135
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
135/177
5/14/2018
2. Probar a una alfa de 0.05 si los errores que se cometen al facturar en diferentes ramos son similares. Nivel de confianza = 1 - alfa = 95% Curso Ba sic o Minita b Xv - slide pdf.c om
Orden Farmacia Consumo Comput. Telecom. Correcta 207 136 151 178 Incorrecta 3 4 9 12 Ho: depende ramo industrial Ha: El número de errores no depende deldel ramo industrial Con Minitab: Stat > Tables > Chi square test (two way table in worksheet) Columns containing the table Farmacia Consumo Comput. Telecom. OK
136
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
136/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Regresión lineal y cuadrática
137
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
137/177
5/14/2018
Correlación y Regresión lineal y cuadrática simple Curso Ba sic o Minita b Xv - slide pdf.c om
Coeficiente de Correlación Establece si existe una relación entre las variables y responde a la pregunta, ”¿Qué tan evidente es esta relación?". La correlación es una prueba fácil y rápida para eliminar factores que no influyen en la predicción, para una respuesta dada. * Es una medida de la fuerza de la relación lineal entre dos variables x y y. * Es un número entre -1 y 1 * Un valor positivo indica que cuando una variable aumenta, la otra variable aumenta * Un valor negativo indica que cuando una variable aumenta, la otra disminuye * Si las dos variables no están relacionadas, el coeficiente de correlación tiende a 0.
138
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
138/177
Correlación Positiva Evidente
5/14/2018
Correlación Negativa Evidente
Curso Ba sic o Minita b Xv - slide pdf.c om
25
25
Y
20
20
15
15
10
Y
5
10 5
Sin Correlación
0 0
5
10
15
20
25
X
0 0
5
10
25
r= 1
15
20
25
X
r = -1
20 15
Correlación Positiva
25
Y
10
Correlación Negativa
5 0 0
5
10
15
20
r =250
25
20
X
20
15 15 Y
10
Y
10
5
r = 0.8
0 0
5
10
15
20
r = -0.8
5 0
25
0
5
10
15
20
25
X X
139
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
139/177
5/14/2018
Ejemplo: Se utiliza el archivo PULSE.MTW campos Peso (Weight) y Altura (Height) Curso Ba sic o Minita b Xv - slide pdf.c om
o copiar los datos del archi
File > Open Worksheet > Pulse.Mtw
Antes de calcular el coeficiente de correlación se sugiere hacer un diagrama bivariante para identificar posibles valores anómalos, relaciones no lineales, etc.
Graph > Scatterplot: Simple
Y = Weight y X = Height
Scatterplot of Weight vs Height 220 200 180 t h 160 g i e W 140
120 100 60
62
64
66
68 Height
70
72
74
76
140
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
140/177
5/14/2018
Ahora se calcula el coeficiente de Correlación que mide el grado de relación que existe entre dos variables, como sigue: Curso Ba sic o Minita b Xv - slide pdf.c om
Stat > Basic Statistics > Correlation Seleccionar en Variables Weight Height Seleccionar Display P values Los resultados son los siguientes: Correlations: Weight, Height Pearson correlation of Weight and Heigh Coeficiente de correlación P-Value = 0.000
Como el P value es menor a 0.05, la correlación si es significativa
141
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
141/177
Coeficiente de correlación 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Reglas empíricas Coeficiente de correlación
Relación
0.8 < r < 1.0 0.3 < r < 0.8 -0.3 < r < 0.3 -0.8 < r < -0.3 -1.0 < r < -0.8
Fuerte, positiva Débil, positiva No existe Débil, negativa Fuerte, negativa
142
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
142/177
Análisis de Regresión
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
El análisis de regresión es un método estandarizado para localizar la correlación entre dos grupos de datos, y, quizá más importante, crear un modelo de predicción.
Puede ser usado para analizar las relaciones entre: • Una sola “X” predictora y una sola “Y” • Múltiples predictores “X” y una sola “Y” • Varios
predictores “X” entre sí 143
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
143/177
Modelo de regresión lineal simple 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Fitted Line Plot
Resultados de prueba (%) = 31.21 + 0.6955 Tiempo de estudio (horas) S R-Sq R-Sq(adj)
80
) 75 % ( a b 70 e u r p e d 65 s o d 60 a t l u s e R 55
4.47182 77.0% 74.2%
R^2 Coef. de determinación
50 30
40
50
60
70
Tiempo de estudio (horas)
Mínimos cuadrados 144
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
144/177
Regresión simple por medio de gráfica: 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
File > Open Worksheet > Pulse.Mtw Stat > Regression > Fitted line Plot
Seleccionar en Response (Y) Weight y en Predictor (X) Height Seleccionar modelo Type of Regression model Linear
Sel. en Graphs > Residuals Standardized > Normal Plot y Residuals vs fits OK Ecuación de Regresión
Fitted Line Plot Weight = - 204.7 + 5.092 Height 220 200 180 t h 160 g i e W 140
S R-Sq R-Sq(adj)
120 100 60
62
64
66
68 Height
70
72
74
76
14.7920 61.6% 61.2%
S Desv. Estandar de los residuos (valor real-estimado por la regresión) R-Sq Coeficiente de porcentaje Determinación en de variación explicada por la ecuación de regresión
R-Sq (Adj) - Sólo para regresión múltiple
145
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
145/177
5/14/2018
Regression Analysis: Weight versus Height Curso Ba sic o Minita b Xv - slide pdf.c om
The regression equation is Weight = - 204.7 + 5.092 Height S = 14.7920
R-Sq = 61.6%
R-Sq(adj) = 61.2%
Analysis of Variance Source
DF
SS
MS
F
1
31591.6
31591.6
144.38
Error
90
19692.2
218.8
Total
91
51283.9
Regression
P 0.0
El p menorla aCorrelación 0.05 indicade que es valor significativa Y SI y X.
146
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
146/177
Análisis de los residuos 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Normal Probability Plot
Versus Fits
(response is Weight)
(response is Weight)
4
99.9 99
3 l a u d i s e R d e z i d r a d n a t S
95 90
2 t n e c r e P
1 0
80 70 60 50 40 30 20 10 5
-1
1
-2 0.1
100
110
120
130
140 150 Fitted Value
160
Los residuos muestran aleatoriedad
170
180
-4
-3
-2
-1 0 1 Standardized Residual
2
3
4
Los residuos siguen una distribución normal
147
Curso básico de Minitab Regresión cuadrática por medio de gráfica:
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
147/177
5/14/2018
File > Open Worksheet > Exh_Reg.Mtw
Curso Ba sic o Minita b Xv - slide pdf.c om
Stat > Regression > Fitted Plot Seleccionar en Response (Y) line EnergyConsumption y en Predictor (X) MachineSettin Seleccionar modelo Type of Regression Model Quadratic Sel. en Graphs > Residuals Standardized > Normal Plot y Residuals vs fits OK Ecuación de
Fitted Line Plot EnergyConsumption = 128.8 - 13.11 MachineSetting + 0.3289 MachineSetting** 2 40
S R-Sq R-Sq(adj)
n 30 o i t p m u 20 s n o C y g r e n 10 E
6.00002 79.3% 73.4%
Regresión S Desv. Estandar de los residuos (valor real-estimado por la regresión) R-Sq Coeficiente
0 10
15
20 MachineSetting
25
30
de Determinación en porcentaje de variación explicada por la ecuación de regresión
R-Sq (Adj) - Sólo para regresión múltiple
148
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
148/177
Resultados 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Polynomial Regression Analysis: EnergyConsumption versus Mac The regression equation is EnergyConsumption = 128.8-13.11 MachineSetting+0.3289 Machin S = 6.00002
R-Sq = 79.3%
R-Sq(adj) = 73.4%
Analysis of Variance Source DF SS
MS
F
P
13.39
0.004
Regression
2
963.81
481.904
Error
7
252.00
36.000
Total
9
1215.81
El valor p menor a 0.05 indica que SI es significativa la Correlación de Y y X.
Sequential Analysis of Variance Source DF SS F
P
Linear
1
28.500
0.19
0.673
Quadratic
1
935.308
25.98
0.001
149
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
149/177
Análisis de los residuos 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Normal Probability Plot (response is EnergyConsumption) 99
95 90 80 70
t n 60 e c r 50 e 40 P 30 20 10 5
1
-3
-2
-1
0 1 Standardized Residual
2
3
Los residuos siguen una distribución normal 150
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
150/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Cartas de control
151
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
151/177
5/14/2018
¿Qué es una Carta de Control? Curso Ba sic o Minita b Xv - slide pdf.c om
Una Carta de Control es como un historial del proceso... ¿donde ha estado? ¿En donde se encuentra? ... Hacia donde se puede dirigir Las cartas de control pueden reconocer cambios buenos y malos. ¿Qué tanto se ha mejorado? ¿Se ha hecho algo mal? Las cartas de control detectan la variación
anormal en un proceso, denominadas “causas especiales o asignables de variación.” 152
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
152/177
5/14/2018
Variación observada en una Carta de Control Curso Ba sic o Minita b Xv - slide pdf.c om
Una Carta de control registra datos secuenciales en el tiempo con límites de control superior e inferior. causas de El patrón normal de un proceso se llama variación comunes .
El patrón anormal debido a eventos especiales se
llama causa especial de variación . Los límites de control NO son de especificación. 153
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
153/177
Causas comunes o normales 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Siempre están presentes Sólo se reduce con acciones de mejora mayores, responsabilidad de la dirección
Fuentes de variación: Márgenes inadecuados de diseño, materiales de baja calidad, capacidad del proceso insuficiente
SEGÚN
DEMING El 94% de las causas de la variación son causas comunes, responsabilidad de la dirección 154
Curso básico de Minitab
Variación – Causas
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
154/177
comunes
5/14/2018
Límite inf. de especs.
Curso Ba sic o Minita b Xv - slide pdf.c om
Límite sup. de especs.
Objetivo
El proceso es predecible 155
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
155/177
Causas Especiales 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
CAUSAS ESPECIALES Ocurren esporádicamente y son ocasionadas por variaciones anormales (6Ms) Medición, Medio ambiente, Mano de obra,
Método, Maquinaria, Materiales Se reducen con acciones en el piso o línea, son responsabilidad del operador
SEGÚN DEMING El 15% de las causas de la variación son causas especiales y es responsabilidad del operador
156
Curso básico de Minitab
Variación – Causas especiales
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
156/177
Límite inf. de especs.
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Límite sup. de especs.
Objetivo
El proceso es impredecible 157
Curso básico de Minitab
Cartas de control
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
157/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
12.5
Límite Superior de Control
11.5 10.5
Línea Central
9.5 8.5
Límite
7.5
Inferior Control de 0
10
20
30
158
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
158/177
9A5. Patrones de anormalidad
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
“
en la carta de control
Escuche la Voz del Proceso
M E D I D A S
”
Región de control, captura la variación natural del proceso original
LSC
C A L I D A D
LIC
Tendencia del proceso El proceso ha cambiado identifcada Causa Especial TIEMPO
Curso básico de Minitab
Patrones Fuera de Control
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
159/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Corridas 7 puntos consecutivos de un lado de X-media. Puntos fuera de control 1 punto fuera de los límites de control a 3 sigmas en cualquier dirección (arriba o abajo). Tendencia ascendente o descendente 7 puntos consecutivos aumentando o disminuyendo.
160
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
160/177
Patrones Fuera de Control 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Adhesión a la media 15 puntos consecutivos dentro de la banda de 1 sigma del centro. Otros 2 de 3 puntos fuera de los límites a dos sigma
161
Curso básico de Minitab
Proceso de mejora con CEP
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
161/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
http://support.sas.com/rnd/app/qc/qc/qcspc.html
162
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
162/177
Tipos de Cartas de control 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Hay dos categorías, por el tipo de datos bajo estudio- cartas por variables y atributos . Las Cartas por variables se usan para característica con magnitud variable. Ejemplo: - Longitud, Ancho, Peso, Tiempo de ciclo o de respuesta Las Cartas por atributos se usan para monitoreo de datos contables. Ejemplo: - Servicios o productos no conformes, errores en los servicios o defectos en los productos 163
Curso básico de Minitab
Cartas de Control por Variables
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
163/177
Cartas de Control por Variables 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
MEDIAS RANGOS X-R (subgrupos de 5 - 9 partes o servicios evaluados por periodo de tiempo, para estabilizar procesos) MEDIAS DESVIACIONES ESTÁNDAR X –S (subgrupos 9 partes o servicios evaluados por periodo de tiempo) VALORES INDIVIDUALES I- MR (partes o servicios individuales evaluados por periodo de tiempo)
1 6 4
Curso básico de Minitab Ejemplo de Carta de Control X-R (medias - rangos, n <= 9)
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Se usa el archivo CAMSHAFT.MTW.
164/177
5/14/2018
Tamaño típico de subgrupo n = 5
Curso Ba sic o Minita b Xv - slide pdf.c om
File > Open worksheet > Camshaft Stat > Control Charts > Variables Charts for Subgroups > Xbar-R. Seleccionar All observations for a chart are in one column, seleccionar Supp2. En Xbar - R Options > Estimate > Rbar OK Xbar-R Chart of Supp2 1
1
UCL=602.376
602 n a e M e l p600 m a S
_ _ X=600.23
LCL=598.084
598 1
3
5
7
9
11 Sample
13
15
17
19
8
UCL=7.866
e 6 g n a R e 4 l p m a S2
_ R=3.72
¿Cuál gráfica se analiza primero?
¿Cuál es su conclusión acerca del proceso ? 0
LCL=0
1
3
5
7
9
11 Sample
13
15
17
19
165
Curso básico de Minitab Usar (Chart) Options si s e desea algo de lo siguiente: Parameters Para límites de la media o rango en base a datos históricos
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
165/177
de la Mean y/o Standar Deviation 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Estimate
Para subrupos con los que el proceso saleeters de control Omit omitir the follow ing subroup w hen est. pa ram (2 14) Me thod for estimating standa r devia tion seleccionar R bar
S limits
Para mostrar límites en 2 y 3 (default) sigmas u en otra sigma Display Control Limts at These multiples of std. Dev. (2 3)
Tests
Definir las pruebas estadísticas fuera de control a ser indicadas 17 point 3 std. Dev. centerand lineall decreasing points> in a row all From increasing 7 points in a row on same side of center line
Stages
Para mostrar diferentes etapas de desempeño del proceso Define stages (historical groups) with this variable xxx
Box Cox
Para transformar datos sin un comportamiento normal
Display
Optimal Lamda Si se quiere condicionar el despliegue de subgrupos Displa y all subgroups Displa y la st xx subgroups
Store
Para guardar los datos mostrados en la carta de control Me an; Std Dev; Point Plotted; Center line; Control limits
166
Curso básico de Minitab Ejemplo de Carta de Control X-S (medias - desviaciones estándar n >= 1
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Se usa el archivo CAMSHAFT.MTW.
166/177
Tamaño típico del subgrupo n >10 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
File > Open worksheet > Camshaft Stat > Control Charts > Variables Charts for Subgroups > Xbar-S. Seleccionar All observations for a chart are in one column, seleccionar Supp2. En Xbar - S Options > Estimate > Sbar OK Xbar-S Chart of Supp2 1
602
UC L=601.883
n601 a e M e l p600 m a S 599
_ _ X=600.23
LCL=598.577 1
2
3
4
5
6
7
8
9
10
Sample 3 UCL=2.909 v e D t 2 S e l p m a S1
_ S=1.695
LCL=0.481 1
2
3
4
5
6
7
8
9
10
Sample
167
Curso básico de Minitab Ejemplo de Carta de Control I-MR (valores individuales -rangos n = 1)
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
Se usa el archivo CAMSHAFT.MTW.
167/177
5/14/2018
Tamaño de muestra unitario
n= 1
Curso Ba sic o Minita b Xv - slide pdf.c om
File > Open worksheet > Camshaft Stat > Control Charts > Variables Charts for Individuals > I-MR Seleccionar All observations for a chart are in one column, seleccionar Supp2. En I-MR Options > Estimate > Average moving range 2 OK I-MR Chart of Supp2
UCL=605.34 605.0
e u l a 602.5 V l a u600.0 d i v i d597.5 n I
_ X=600.23
LCL=595.12
595.0 1
11
21
31
41
51 Observation
61
71
81
91
1
UCL=6.284
6.0 e g4.5 n a R g3.0 n i v o M1.5
__ MR=1.923
0.0
LCL=0 1
11
21
31
41
51 Observation
61
71
81
91
168
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
168/177
Ejemplo de Carta de Control I-MR (para tres regiones de vino) 5/14/2018
Se usa el archivo WINE.MTW.
Curso Ba sic o Minita b Xv - slide pdf.c om
Ordenar los datos del archivo por región en Excel (Datos y Ordenar) Tamaño de muestra unitario
n=1
File > Open worksheet > Wine.Mtw Stat > Control Charts > Variables Charts for Individuals > I-MR Seleccionar All observations for a chart are in one column, seleccionar Aroma En I-MR O tions > Estimate > Average moving range 2 Seleccionar las opciones siguientes: I-MR Options > Tests: Marcar Perform all tests for special causes I-MR Options > Stages: Define stages: Region Click OK OK.
169
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
169/177
Estos son los patrones de
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
anormalidad de control en las cartas
170
Curso básico de Minitab Las cartas resultantes son las siguientes
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
170/177
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
I-MR Chart of Aroma by Region 1
2
3 UC L=8.699
8 e u l a V l 6 a u d i v i d4 n I
_ X=5.967
LCL=3.235
2 1
5
9
13
1
17 21 Observation
25
2
29
33
37
3 UC L=3.356
3
e g n a R2 g n i v 1 o M
__ MR=1.027
0
LCL=0 1
5
9
13
17 21 Observation
25
29
33
37
171
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
171/177
Cartas de control por atributos 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Miden características como aprobado/reprobado, bueno/malo o pasa/no pasa.
Número de productos defectuosos Fracción de productos defectuosos Numero de defectos por unidad de producto Número de llamadas para servicio Número de partes dañadas Pagos atrasados por mes
Curso básico de Minitab http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
172/177
Cartas de control para atributos
5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
Datos de Atributos Tipo p
Medición
¿Tamaño de Muestra ?
Fracción de partes defectuosas,
Constante o variable > 50
defectivas o no conformes (>4)
n e (n promedio +- 20%)
np
Número de partes defectuosas
Constante > 50
c
Número de defectos o errores
Constante = 1 Unidad de
Número de defectos por unidad
inspección Constante o variable en
o errores por unidad
unidades de inspección
u
Curso básico de Minitab Carta P de fracción de unidades defectuosas, no conformes o defectivas
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
173/177
El archivo EXH-QC.MTW contiene datos de defectivos y defectos evaluados por atributos 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
File > Open worksheet > EXH-QC Stat > Control Charts > Attributes chart > P En Variables, poner Rejects. En Subgroup sizes, poner Sampled. Click OK.
P Chart of Rejects
0.35
UCL=0.3324
0.30
1
0.25 n o 0.20 i t r o p 0.15 o r P 0.10
Se tienen límites de control variables por ser el tamaño de muestra variable
_ P=0.1685
0.05 LCL=0.0047
0.00 1
3
5
7
9
11 Sample
13
15
17
19
Tests performed with unequal sample sizes
174
Curso básico de Minitab Carta nP de número de unidades defectuosas, no conformes o defectivas http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
174/177
El archivo EXH QC.MTW contiene datos de defectivos y defectos evaluados por atributos 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
File > Open worksheet > EXH-QC Stat > Control Charts > Attributes chart > nP En Variables, poner Rejects. En Subgroup sizes, poner 72 Click OK.
NP Chart of Rejects 30
1
25
UCL=21.49
t 20 n u o C e 15 l p
Los límites d control son constantes
__ NP=12
a m S 10 5
LCL=2.51 0 1
3
5
7
9
11 Sample
13
15
17
19
175
Curso básico de Minitab Carta de control C para defectos por unidad de inspección constante
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
175/177
5/14/2018
El archivo EXH-QC.MTW contiene datos de defectivos y defectos evaluados por atributos Curso Ba sic o Minita b Xv - slide pdf.c om
File > Open worksheet > EXH-QC Stat > Control Charts > Attributes chart > C En Variables, poner Blemish . Click OK.
C Chart of Blemish 8
UCL=7.677
7
Los límites d control son constantes
6 t 5 n u o C 4 e l p m3 a S 2
_ C=2.725
1 0
LCL=0 1
5
9
13
17
21 Sample
25
29
33
37
176
Curso básico de Minitab Carta de control u para defectos por unidad de inspección variable http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
176/177
El archivo TOYS.MTW contiene datos de defectivos y defectos evaluados por atributos 5/14/2018
Curso Ba sic o Minita b Xv - slide pdf.c om
File > TOYS.MTW Stat >> Open Controlworksheet Charts > Attributes chart > U En Variables, poner Defects. En Sample size, poner Sample Click OK.
U Chart of Defects 0.14 0.12 t i n U 0.10 r e P 0.08 t n u o C 0.06 e l p m0.04 a S
http://slide pdf.c om/re a de r/full/c urso-ba sic o-minita b-xv
1 1
UCL=0.1241
_ U=0.0546
Se tienen límites de control variables por ser el tamaño de muestra variable
177/177