Curso Six Sigma 131 156
Curso Six Sigma 131 156
Curso Six Sigma 131 156
2006
Ejemplo:
Un proceso produce flecha cilíndrica, con un diámetro especificado de 0.0250”
± 0.001”. Sin embargo un estudio de capacidad muestra un Cp = 0.8 y una
dispersión natural de 0.0025” (6s ) contra la permitida de 0.0002”. Se tiene
pensado comprar un torno nuevo de US$70,000 para tolerancia de ± 0.0008”,
i.e. Cpk = 1.25. Se sugirió un estudio Multi Vari previo.
Se tomaron cuatro lecturas en cada flecha, dos a cada lado. Estas muestran
una disminución gradual desde el lado izquierdo al lado derecho de las
flechas, además de excentricidad en cada lado de la flecha.
8 AM 9 AM 10 AM 11 AM 12 AM
0.2510”
0.2500”
0.2490”
Izquierda
Máximo
Derecha
Mínimo
Página 130
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Se investigó y se encontró que la temperatura tenía influencia en la variación.
4.5 Correlación
Página 131
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Tipos de Correlaciones:
1 3 5
2 4 6
La Correlación:
? Mide la fuerza de la asociación lineal entre dos variables
? No mide las relaciones fuertes no lineales
? No mide causa y efecto
? Puede ser utilizada como un primer paso para la regresión
? Debe ser utilizada en conjunto con técnicas gráficas
Propiedades de R
? -1<R<1
? R > 0 indica una relación positiva lineal
? R < 0 indica una relación negativa lineal
Página 132
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
2
R la proporción de la variabilidad total de los valores de “y” que pueden ser
explicados por la variable independiente x.
Página 133
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Modelo de regresión lineal
y ? ? 0 ? ? 1x ? ?
Donde:
y = variable dependiente
?0 = ordenada al origen
?1 = pendiente
x = variable independiente
e = Error aleatorio
parámetros ?0 y ? 1
29
Richard Weimer “Estadística”
Página 134
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Ejemplo 30:
Se tiene que predecir las ventas mensuales en función del costo de publicidad
de los siguientes datos:
Utilizando el Minitab:
> Stat > Regression > Regression
Seleccionar Response = Columna de las Y's
Seleccionar Predictors = Columnas de las Xs
OK
Fit ted Li ne Pl ot
Ventas = 58.86 + 38.60 Publicidad
110 S 3.90857
R- Sq 82.4%
R- Sq( a dj) 80.8%
105
100
Ventas
95
90
85
80
30
Ramírez Eduardo Tomado de los Apuntes de la Clase “Análisis de Regresión”
Página 135
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
La ecuación sería: Y = 58.86 + 36.6*Publicidad
Y = ? 0 + ? 1 x1 + ? 2 x2 +.... + ?n
Donde:
y = variable dependiente
? 0 = ordenada al origen
Página 136
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
sobre la variable dependiente. El coeficiente de determinación, por otro lado,
mide el porcentaje de la variación total en Y que es explicado por la variación
conjunta de las variables independientes.
Ejemplo:
y x1 x2 x3 x4 x5
8.0 5.2 19.6 29.6 94.9 2.1
8.3 5.2 19.8 32.4 89.7 2.1
8.5 5.8 19.6 31.0 96.2 2.0
8.8 6.4 19.4 32.4 95.6 2.2
9.0 5.8 18.6 28.6 86.5 2.0
9.3 5.2 18.8 30.6 84.5 2.4
9.3 5.6 20.4 32.4 88.8 2.2
9.5 6.0 19.0 32.6 85.7 2.1
9.8 5.2 20.8 32.2 93.6 2.3
10.0 5.8 19.9 31.8 86.0 2.1
10.3 6.4 18.0 32.6 87.1 2.0
10.5 6.0 20.6 33.4 93.1 2.1
10.8 6.2 20.2 31.8 83.4 2.2
11.0 6.2 20.2 32.4 94.5 2.1
11.3 6.2 19.2 31.4 83.4 1.9
11.5 5.6 17.0 33.2 85.1 2.1
11.8 6.0 19.8 35.4 84.1 2.0
12.3 5.8 18.8 34.0 86.9 2.1
12.5 5.6 18.6 34.2 83.0 1.9
Página 137
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Utilizando el excel empleamos las siguientes instrucciones:
>Tools
>Data Análisis
>Regresión
>Input Y: Las variable de predicción
> Input X: Las variables de predictoras
>Conficence Level al 95% OK
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.829840383
Coeficiente de determinación R^2 0.688635061
R^2 ajustado 0.568879315
Error típico 0.892010307
Observaciones 19
ANÁLISIS DE VARIANZA
Grados de libertadSuma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 5 22.8771816 4.5754363 5.7503300 0.0051466
Residuos 13 10.3438710 0.7956824
Total 18 33.2210526
Página 138
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Ho : ? i = 0 Vi
Por lo tanto se rechaza la Ho y se acepa la Hi que acepta que el modelo de regresión Si es significativo.
b) Realizar la tabla de ANOVA para el modelo anterior:
SS E
^2
Ra = 1
- (n-p)
SST
n-1
10.400
^2
Ra = 1 13
-
33.271
18
^2
Ra = 0.567 R = 0.753
c) Obtener los valores de R y R 2:
Página 139
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
d) Realizar la gráfica de Residuos:
Gráfica de Residuos
1.5
1.0
0.5
0.0
0 5 10 15 20
-0.5
-1.0
-1.5
-2.0
Página 140
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
resultado muestral es tan diferente del valor hipotético que una diferencia de
esa magnitud o mayor, pudiera ocurrir aleatoria mente con una probabilidad
de 1.05 o menos.
Página 141
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Página 142
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
14. Con los resultados interprete una conclusión estadística para la
solución práctica.
Página 143
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
o Es la hipótesis que se acepta como verdadera cuando se rechaza Ho, es
su complemento
Las pruebas de hipótesis pueden ser de dos colas, de cola derecha o de cola
izquierda, a continuación se esquematizan cada una de ellas.
Página 144
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
-Z??? 0 Z???
Pruebas de Hipótesis de cola derecha:
Ho: a ? b
Ha: a > b Región de
Rechazo
0 Z???
Pruebas de Hipótesis cola izquierda:
Ho: a ? b
Ha: a < b Región de
Rechazo
- Z??? 0 Z???
Ho: ? ? ?o
Ha: ? ? ?0
? ? ?0
Z calc ?
s
n
Establecer la región de rechazo, para prueba de 2 colas: ? Z ? 2 ? Z? 2
Página 145
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Ejemplo:
Reactor A Reactor B
89.7 84.7 Estadísticas Descriptivas
81.4 86.1 Variable Reactor N Media Desv.Std
84.5 83.2
84.8 91.9 Rendimiento A 10 84.24 2.90
87.3 86.3
79.7 79.3
B 10 85.54 3.65
85.1 82.6
81.7 89.1
83.7 83.7
84.5 88.5
Página 146
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Se busca demostrar que los valores observados al parecer no corresponden al
mismo proceso, se trata de rechazar Ho.
Reactor A Reactor B
B B B B B BB BB B
A AA AAAA A A
Página 147
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Pruebas de Hipótesis sobre la Igualdad de dos Medias.
A) Varianzas conocidas
donde:
H0 = Hipótesis nula
H1 = Hipótesis alternativa.
? 1 = media de la población 1
? 2 = media de la población 2
Página 148
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
La hipótesis nula H0 se Rechaza si:
Z 0 ? Z? 2 o Z 0 ? ? Z? 2
donde:
Z0 = Valor calculado del estadístico de prueba
Z ? 2 = Valor obtenido de las tablas.
H0 : ? 1 ? ? 2 H1 : ? 1 ? ? 2
H0 : ? 1 ? ? 2 H1 : ? 1 ? ? 2
Ejemplo:
Página 149
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
máquina 1 máquina 2
16.03 16.02
16.04 15.97
16.05 15.96
16.05 16.01
16.02 15.99
16.01 16.03
15.96 16.04
15.98 16.02
16.02 16.01
15.99 16
H0 : ? 1 ? ? 2
H1 : ? 1 ? ? 2
X1 ? X 2 16.015 ? 16 .005
Z0 ? = ? 1.34
? 2
? 2 2
.015 2 .018 2
? ?
1
n1 n2 10 10
Página 150
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
No existe suficiente evidencia estadística para pensar que las medias son
diferentes.
H 0 : ? 12 ? ? 2
2 H 1 : ? 12 ? ? 2
2
Rechazaríamos H0 si
Página 151
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
F0 ? F? 2, n1 ? 1, n2 ? 1
o si
F0 ? F1? ? 2 , n1 ?1, n 2 ?1
Donde F? 2 , n1 ?1, n2 ?1 y F1?? 2 ,n1 ? 1,n 2 ? 1 son los puntos porcentuales ? 2 superior e inferior
debemos emplear
1
F1?? 2 ,n1 ? 1,n 2 ? 1 =
F? 2 , n1 ? 1,n 2 ?1
H 0 : ? 12 ? ? 2
2
H 1 : ? 12 ? ? 2
2
Página 152
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Ejemplo:
Tipo 1 Tipo 2
H 0 : ? 12 ? ? 2
2 H1 : ? 12 ? ? 2
2 63 64
81 72
57 83
66 59
X 1 ? 70.6 82 65
X 2 ? 70 82 56
68 63
S12 ? 88.71 59 74
75 82
S 22 ? 100.44 73 82
S12 88 .71
F0 ? 2 = ? 0.877
S2 100 .44
Deseamos probar:
H0 : ?1 ? ? 2
H1 : ? 1 ? ? 2
Página 153
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Sean X1, X2, S12 , S 22 , las medias y las varianzas de las muestras,
X1 ? X 2
t0 ?
1 1
Sp ?
n1 n2
Si t 0 ? t? 2, n1 ? n2 ? 2 o si t 0 ? ? t? 2 ,n1 ? n 2 ? 2 , rechazamos H 0 : ? 1 ? ? 2
t 0 ? t ? ,n1 ? n 2 ? 2
t 0 ? ? t a , n1 ? n2 ? 2
Página 154
CURSO DE SEIS SIGMA P. REYES / FEB. 2006
Ejemplo:
Suponiendo que las dos varianzas son iguales, ¿qué conclusiones puede
extraerse respecto a la resistencia media de los alambres?
H0 : ?1 ? ? 2
H1 : ? 1 ? ? 2
x1 ? 0.140
x 2 ? 0.138
S1 ? 0.0021
S 2 ? 0.0022
X1 ? X2
t0 ? = 1.72
1 1
Sp ?
n1 n2
Página 155