Tcnicas de anlisis estadstico mediante Minitab

Anlisis Comparativo
de Datos

Proyecto SPC

El anlisis comparativo de datos es una

estrategia de anlisis estadstico dirigida a
investigar si:

Las k cavidades de un mismo molde estn
produciendo piezas con caractersticas
dimensionales similares.

Las partes pertenecientes a k lotes diferentes de
un mismo producto son similares.

Los k operadores que realizan mediciones sobre
un mismo producto miden en una manera
similar.
2

El supuesto que subyace en los anlisis

comparativos es la hiptesis de que las partes
que corresponden a k cavidades o k lotes,
provienen de una misma poblacin (la cual est
determinada por los parmetros y ).
Desde el punto de vista estadstico, esto se
resume en las siguientes hiptesis:
 H0: 1=2=3= =k
 H1: Al menos ij, para algn i e j dados.
3

Las cavidades, los lotes y los operadores se

denominan Factores.
F1 F2

Fk

()
Entradas

Proceso

Salidas

El objetivo del anlisis comparativo de datos es

brindar informacin acerca de la influencia que
estos factores poseen en las salidas del proceso
bajo estudio.

Box Plot
Un anlisis comparativo sencillo
Es una forma muy til de desplegar
los datos.
Un box plot despliega el mnimo, el
mximo, el primer y tercer cuartil (los
percentiles 25 y 75) y la mediana (el
percentil 50) en una caja
rectangular.
La caja se extiende desde el cuartil
inferior al superior y se traza una
lnea a travs de la mediana.
Adems, los valores mnimo y
mximo estn conectados por lneas.

Mximo

Tercer cuartil

Promedio

Mediana
Primer cuartil

Mnimo

Cmo generar un Box Plot en Minitab:

Graph
Boxplot
With Groups

Data view
 Interquartile range box
 Outlier symbols
 Median symbol
 Median connect line
 Mean symbol
Mean connect line

Multiple Graphs
Multiple variables

Graph variables (variables por graficar)

In separate panels of the same graph

Categorial variables for grouping (Factores)

Cmo dar formato al grfico:

 Seleccione cualquier caja con el ratn  Seleccione Edit Interquartile Range
box
 Haga click derecho.
 Seleccione Groups
En el campo Assign attributes by
categorical variables introduzca los
factores.

Box Plot
Interpretacin del grfico

Si las longitudes de los brazos de un boxplot son

aproximadamente iguales, su distribucin es
simtrica y, posiblemente, normal. Por el contrario,
la distribucin ser asimtrica y no normal.

La hiptesis nula H0 : i = j, for ij, i, j=1, 2, ..., k, es

verdadera, si cada caja intercuartlica est
sustancialmente traslapada con las dems.

La hiptesis nula H0 : i = j, for ij, i, j=1, 2, ..., k, es

verdadera, si cada medida de localizacin
comparada cae dentro de las dems cajas
intercuartlicas.

ANOVA
Anlisis de Variancia
Es una de las herramientas ms
poderosas del anlisis estadstico.
Consiste en la clasificacin y la
clasificacin cruzada de resultados
estadsticos y en la comprobacin de
si las medias de una clasificacin
determinada difieren
significativamente.
De esa manera se determina si la
clasificacin dada es importante en
cuanto a afectar los resultados.

As, en una anlisis unidireccional de

variancia, la hiptesis por comprobar es si
los elementos de las distintas clases
consideradas (cavidades, lotes, turnos, etc.)
proceden de una poblacin cuyas medias
son iguales.

 H0: 1=2=3= =k
 H1: Al menos ij, para algn i e
j dados.

ANOVA
Anlisis de Variancia
Antes de proceder a la comparacin
de los promedios muestrales, es
necesario verificar la hiptesis de
homoscedasticidad (igualdad de
varianzas). Para ello, debe
verificarse que los residuos:
 Se distribuyen normalmente con
centro en 0, ND(0,2)
 Son independientes (no existe
correlacin)

Esta hiptesis se verifica mediante

las siguientes herramientas
estadsticas:
 Histograma, Diagrama de
Probabilidad
 Diagrama de recorrido

Diagrama de residuos versus

valores predichos por el modelo
 Test para igualdad de varianzas.

No presentan ninguna estructura.

o, realizar un test cuantitativo para
verificar que
 Las varianzas son iguales.
10

ANOVA
Anlisis de Residuos
Minitab permite realizar los tests ,
 y  mediante dos mtodos: One
Way y Two Way ANOVA.
 Seleccione Stat
ANOVA
 One Way
 En el campo Response
introduzca la variable por
analizar

En el campo Factor introduzca

el factor por analizar (cavidad,
lote, operador, etc.).
 Presione Graphs y seleccione
Boxplots of data y Four in one
11

ANOVA
Anlisis de Residuos
Residual Plots for Valores
Normal Probability Plot

Versus Fits

99.9

0.0050

99

0.0025
Residual

Percent

90
50
10

0.0000
-0.0025

-0.0050

0.1

-0.0050 -0.0025 0.0000 0.0025

Residual

0.0050

0.002

Histogram

0.004
Fitted Value

0.006

Versus Order
0.0050
0.0025

Residual

Frequency

12

0.0000
-0.0025

-0.0050

0
-0.004

-0.002

0.000
0.002
Residual

0.004

1 5 10 15 20 25 30 35 40 45 50 55 60
Observation Order
12

Interpretacin de los grficos




Observe con cuidado el histograma y el diagrama de probabilidad. Ponga

ms nfasis en los valores centrales del diagrama que en los extremos. Tenga
en consideracin que con tamaos pequeos de muestra es de esperar que
ocurran fluctuaciones considerables; as que la apariencia de una desviacin
moderada del comportamiento normal no implica necesariamente una
violacin seria de este supuesto. Las violaciones mayores del
comportamiento normal son potencialmente serios y requieren de anlisis
adicional. Desviaciones pequeas de la normalidad son de poco inters en el
anlisis de varianza de efectos fijos.
Si el grfico de residuos versus el orden de las observaciones muestra corridas de
residuos positivos y negativos, esto podra ser una seal de la existencia de
correlacin. Esto implicara que se viola el supuesto de independencia de los
errores. Debido a que esto representara un serio problema, el cual es difcil de
corregir, es importante prevenirlo mediante la adecuada aleatorizacin en la
recoleccin de los datos.
Si el grfico de residuos versus los promedios muestra algn patrn o estructura
reconocidos, esto puede ser una seal de variancia no constante, es decir, de
heteroscedasticidad. Esto puede estar asociado con los instrumentos de medicin
cuando el error es un porcentaje de la escala de lectura. En estos casos, se espera
hallar un patrn parecido a un megfono. La varianza no constante puede
asociarse con la no normalidad de los residuos, debido a que en distribuciones
asimtricas la varianza tiende a ser una funcin de la media.
Si los residuos no son NID(0, 2), el modelo ANOVA puede ser inadecuado.
13

ANOVA
Comparacin de Varianzas
Minitab permite realizar la
comparacin de varianzas
mediante:
 Seleccione Stat
ANOVA
 Test for Equal
Variances
 En el campo Response
introduzca la variable por
analizar

En el campo Factors introduzca

el factor (o los factores) por
analizar (cavidad, lote,
operador, etc.).
 Presione OK.
14

ANOVA
Comparacin de Varianzas
Si se viola el supuesto de
homogeneidad de varianzas, la
prueba de Fisher para comparacin
de varianzas se ve afectada
ligeramente en el modelo
balanceado de efectos fijos
(muestras del mismo tamao), sin
embargo en el caso desbalanceado
el problema es mucho ms serio.
La estrategia usual para tratar con
varianzas no constantes es aplicar
una transformacin de
estabilizacin de varianza.

Test de Barlett:
Es un test muy sensible a desviaciones
de la normalidad de los residuos.
Cuando esta hiptesis se viola, no debe
utilizarse.

Test de Levene:
Es un test muy robusto a desviaciones
de la normalidad de los residuos.
Cuando la hiptesis de normalidad de
los residuos se viola, debe utilizarse este
test en lugar del test de Barlett.

15

Interpretacin de los grficos para la

Prueba de Igualdad de Varianzas

La hiptesis nula H0 : i = j, para todo ij, i, j=1,

2, ..., , es verdadera si todos los intervalos de
confianza del 95% para las s se traslapan y el
p-value>>
>>.
>>
Esta es una clara seal de que no existen diferencias
significativas entre cualesquier pares de varianzas, es
decir, que las poblaciones de las cuales se extrajeron las
muestras son homoscedsticas.

16

ANOVA
Prueba de Comparacin de Promedios
Minitab permite realizar la comparacin
de promedios mediante:
 Seleccione Stat
ANOVA
 Analysis of Means
 En el campo Response introduzca la
variable por analizar

En los campos Factor 1 y Factor 2

introduzca el factor (o los factores) por
analizar (cavidad, lote, operador,
etc.).
 Presione OK.
Cuando la hiptesis de igualdad de promedios es
vlida, los promedios considerados se hallan dentro
de los lmites del diagrama.

17

Interpretacin de los grficos para la

Prueba de Igualdad de Promedios

Si todas las medias de los tratamientos caen dentro de los

lmites de aceptacin, entonces estos se pueden considerar
iguales a la gran media del conjunto de datos y, por tanto,
como iguales entre ellos.

Si alguna media de un tratamiento cae fuera de dichos lmites

entonces se considera diferente de la gran media y, por tanto,
de las medias que caen dentro de esos lmites.

El mismo criterio aplica para los diagramas de efectos

principales por factor.

18

Gage R&R
Minitab permite realizar este estudio mediante:


Seleccione Stat

Quality Tools
 Gage Study
 Gage R&R (Crossed)

En el campo Part numbers introduzca el

nmero de la pieza.

En los campos Operators introduzca el

nombre de la columna que contiene los
operadores por comparar.

En el campo Measurement data introduzca el

nombre de la columna que contiene los
valores de las mediciones.

Seleccione ANOVA y presione OK.

Presione este cono para accesar la ventana de
sesin del proyecto.
Minitab desplegar las matrices del ANOVA y del
Gage R&R.

19

Debe ser < 7.7

Debe ser < 30

Debe ser < 28

Debe ser 5

Para que el estudio

comparativo apoye la hiptesis
de que los operadores estn
midiendo en una manera
similar, se deben satisfacer los
criterios especificados.
20

Muchas gracias

21