Professional Documents
Culture Documents
f (x) =
( x )2
1
2
+2
0.6826
-3
-2
+3
>0
0.9544
-3
-2
+2
+3
+2
+3
0.9974
-3
-2
0.9974
0.9544
0.6826
-3
-2
+2
+3
si = 0 y
=1
(x) =
1
2
x2
2
z=
P ( x < 28 ) = P
a)
28
28 31 x 31 34 31
<
<
2
2
2
= P ( 1.5 < z < 1.50 ) = 0.8664
b)
28
34
x 31 34 31
>
2
2
= P ( z > 1.50) = 0.06681
P ( x > 34) = P
c)
34
INFERENCIA
Parmetro:
es
la
caracterizacin
numrica de una poblacin, que describe parcialmente
o en forma completa la funcin de densidad (o de
probabilidad) de la caracterstica en estudio
Estadgrafo o Estadstico : es una
funcin de las variables aleatorias que se observan
en una muestra.
n
Ejemplos : f 1 ( x ) =
i =1
xi
=x
f 2 ( x) =
i =1
( xi
n 1
x)2
= s2
La distribucin de probabilidad de un
estadstico recibe el nombre de distribucin muestral.
x1 + x2 +
x=
n
+ xn
__
El promedio muestral
X~(,
2
X ~(,
2/n,
N ( 0 ,1)
DISTRIBUCIN MUESTRAL DE p
Sea x una v.a con distribucin de Bernoulli de
parmetro p.
Se toma una muestra aleatoria de tamao n, se estima
p, por
n
p =
i =1
xi
luego
p p
z=
~ N(0,1)
p q
n
(n 1) S
se distribuye
2
n 1
x )2
(x
i
S2 = i = 1
n 1
INFERENCIA ESTADSTICA
La inferencia estadstica consiste en tomar una
decisin respecto de una o ms poblaciones tomando como
referencia los datos proporcionados por una muestra de ella.
se deben buscar mtodos para transferir los resultados de la
muestra a la poblacin con el mnimo de error y la mxima
seguridad.
La inferencia estadstica se puede realizar
mediante estimacin de parmetros o por dcimas (pruebas
de hiptesis)
ESTIMACIN DE PARMETROS
debe
tener
las
siguientes
E ( ) =
Un estimador es insesgado, es equivalente a decir que
su sesgo es nulo
2) Estimador Consistente
Es razonable esperar que un buen estimador de un
parmetro sea cada vez mejor si el tamao de la muestra
aumenta.
lim E ( ) =
limV ( ) = 0
3) Estimador Eficiente
Un estimador es eficiente si la varianza del estimador es la
menor posible
<
2
<z
#
!x z1
"
=1
P z
se tiene que :
P z
)% ,
; x +z
<x
<z
=1
INTERVALO DE CONFIANZA
PARA DEL (1- )%
= 0.05
z0.025 = -2.96
#
!x
"
< < x +z
= 0.025
z0.975 = 2.96
= 0.975
0.25
0.25
#
11
,
07222
1
.
96
11
.
07222
1
.
96
<
<
+
!
18
18
"
ii) Cuando
es desconocida
Donde
luego T = x
S*
2
tn
#
!x
"
( n 1),1
S*
n
x +t
2 es
cuando
( n 1),1
S*
n
x = 24.82 S* = 2.80718466
= 0.05
t 0.025, 14 = -2.145
#
!x
"
S*
< < x +t
1
n
= 0.025
t 0.975, 24 = 2.145
S*
n
= 0.975
t0.025 = t0.975
2 . 80718466
#
24
,
82
2
.
145
!
15
"
*1 con probabilid ad p
xi = )
(0 con probabilid ad q = 1 p
1
Sea p = x =
n
E ( p ) = E ( x ) = p
E(
n
i =1
n
i =1
, V ( p ) = V ( x ) =
x i ) = np , V (
n
i =1
p(1 p )
n
xi ) = np(1 p )
p p
p (1 p )
n
por tanto
N (0,1)
el intervalo aproximadamente del (1- )% para una muestra grande est dado
por :
#
!P
!"
p (1 p )
,P +Z
1
n
p (1 p )
n
4
= 0,004 , q = 1 p = 0,996
1000
z 0.005 = -2.57
#
! P
!"
#
! 0 , 004
"
2 , 57
p )
n
0 , 004
0 , 996
1000
0 , 001129
z 0.995 = 2.57
p ( 1
1
= 0.01
; 0 , 00912
,P + Z
= 0.995
p ( 1
1
; 0 , 004
= 0.005
p&
+ 2 , 57
[0
p )
0 , 004
0 , 996
1000
; 0 , 00912
nS
( n 1)
n
i =1
2
2
x )2
( xi
n
i =1
( xi
2
x )2
( n 1) ,
,n + 2
( n 1)
)% para
# ( n 1)S 2 * ( n 1)S 2 *
, 2
! 2 ( n 1) , 1
( n 1) ,
!"
2
2
= 0.05
S 2 * = 7.880285715
2
14 , 0.025
# (n 1)S 2 * (n 1)S 2 *
; 2
! 2
( n 1) ,
!" ( n 1) , 1 2
2
= 5.62
= 0.025
= 0.975
(n 1)S 2 * = 110.324
2
14 , 0.975
= 26.13
#110.324 110.324
= [4.2221 ; 19.6306 ]
! 26.13 ; 5.62
"
2
[4.2221 ; 19.6306 ]
[2.05477 ; 4.430643 ]
Definicin
Una Hiptesis Estadstica es una afirmacin o
conjetura acerca de las caractersticas de una
o ms poblaciones.
El problema de una hiptesis estadstica, es que nunca
se sabe con absoluta certeza la verdad o falsedad de
ella, a no ser que se examine toda la poblacin. En la
prctica slo se toma una muestra aleatoria de esta
poblacin de inters y se utilizan estos datos para
confirmar o no dicha hiptesis.
Definicin
Una Dcima o Prueba de Hiptesis es una regla o
procedimiento que nos indica cuando aceptar o
rechazar una hiptesis en funcin de los datos
experimentales de una muestra aleatoria.
Hiptesis Nula y Alternativa
La estructura de la prueba de hiptesis se
formular utilizando el trmino Hiptesis Nula, para
cualquier afirmacin que involucre el no cambio en
la poblacin, la que se denota por H0. El Rechazo de
H0 da como resultado la aceptacin de una Hiptesis
Alternativa.
Aceptar H0
H0 Verdadera
H0 Falsa
Rechazar H0
Decisin correcta
Error Tipo II
Error Tipo I
Decisin correcta
= P ( Aceptar H 0 / H 0 es falsa )
, = P(Aceptar H0 / H0 es falsa)
= P(rechazar H0 / H0 es verdadera)
Requisito de similitud
Qu requisitos debe cumplir la muestra que
se ha de escoger?.
La muestra debe ser aleatoria, lo que
garantiza independencia en la seleccin de
las variables y representatividad de la
poblacin, puesto que los errores que se
pueden producir son slo a consecuencia del
azar.
Deben estar representados todos los
factores que involucren la eficacia del
adhesivo.
Planteamiento de la hiptesis
Hiptesis de Nulidad
H0 : El pegamento B en cuanto a efectividad es igual
al pegamento A
Sea
p :
la proporcin de efectividad en la
poblacin con el adhesivo B
p0 : la proporcin de efectividad en la
poblacin con el adhesivo tradicional
luego H0 : p = p0 = 96%
Hiptesis Alternativa H1
Dependiendo del conocimiento que se disponga, se
pueden plantear las siguientes hiptesis alternativas :
H1 : p > p0 , es decir, H1 : p > 96% La proporcin de eficacia con
el adhesivo B es mayor que la del adhesivo tradicional (prueba
unilateral)
H1 : p < p0 , es decir, H1 : p < 96% La proporcin de eficacia con
el adhesivo B es menor que la del adhesivo tradicional (prueba
unilateral)
H1 : p - p0 , es decir, H1 : p - 96% La proporcin de eficacia
con el adhesivo B es distinta que la del adhesivo tradicional
(prueba bilateral). Esta prueba es recomendada cuando no hay un
conocimiento anterior del problema que permita enunciar pruebas
unilaterales.
= 0.05
z crt = 1.64
Regin de rechazo de H0
con esta rea = 0.05, se busca en la tabla normal aquel valor que
deja un rea bajo l de 0.95, encontrando z = 1.64. Este valor de z se
llama zcrtico.
Si el valor calculado en la muestra es mayor que este z crtico, se debe
rechazar H0, en cambio si el valor calculado es menor, se dice que no
existe evidencia para rechazar H0, y que las diferencias observadas
son producto del azar del muestreo
z crt = -1.64
Regin de rechazo de H0
con esta rea = 0.05, se busca en la tabla normal aquel valor que deja bajo
l de 0.05, encontrando z = -1.64. Si el valor calculado en la muestra es menor
que este z crtico, se debe rechazar H0, en cambio si el valor calculado es
mayor, se dice que no existe evidencia para rechazar H0, y que las diferencias
observadas son producto del azar del muestreo
z crt = -1.96
z crt = 1.96
Regiones de rechazo de H0
como
= 0.05
/2 = 0.025, se busca en la tabla normal
aquellos valores que dejan un rea bajo l de 0.025, y un rea
bajo l de 0.975. Los valores crticos son z = -1.96 y z =1.96, si el
valor calculado se encuentra entre -1.96 y 1.96, se dice que no
existe evidencia para rechazar H0.
para el ejemplo del adhesivo, se usar la opcin a)
zcal = ( p p )
p q
n
96 4
= 1.9764
1500
Conclusin
Como zcal > zcrit , se rechaza H0, o sea, el adhesivo B es
significativamente ms eficaz que el pegamento tradicional.
z=
0
/ n
N (0,1)
Hiptesis de trabajo
H0: =100
H1: >100
km/h
km/h
Nivel de significacin=0.05
Determinacin de la regin de rechazo de H0
z crt = 1.64
Regin de rechazo de H0
zcal =
0
/ n
zcal =
102,5 100
=
= 1.76
/ n
10 / 50
Conclusin
Como zcal >zcrit , se rechaza H0, es decir, la
velocidad promedio de los automovilistas es superior a
100 km/h
b) Varianza desconocida
Un fabricante de correas de seguridad ha desarrollado un
nuevo material sinttico, y afirma que tiene una resistencia a la
ruptura de 220 kg. Si se toma una muestra aleatoria de 24 cuerdas
y se encuentra que tienen una ruptura media de 222 kg con una
desviacin estndar de 5 kg. Para un nivel de significacin de
=0.01, qu puede concluir respecto de la afirmacin del
fabricante respecto de la resistencia a la ruptura?
Requisito de similitud : Se supone que la muestra es aleatoria y
representativa de la poblacin.
Hiptesis de trabajo
H0 : = 220 kg
H1 : - 220 kg
Nivel de significacin :
= 0.01
= 0.005
t cr
crt = -2.807
t cr
crt = 2.807
Regiones de rechazo de H0
Prueba de hiptesis
El estadstico de prueba es
t cal
x
=
S*
t cal
x
=
S* n
222 220
=
= 1.959
n
5 24
H 0 : 1 = 2 o H 0 : 1 2 = 0
H1 : 1 < 2 o H1 : 1 2 < 0
H 1 : 1 > 2 o H 1 : 1 2 > 0
H1 : 1 - 2 o H1 : 1 2 - 0
el estadstico a calcular est dado por : zcal =
x1 x 2
1 1
+
n1 n2
5.5 4.8 5.4 4.9 5.1 5.0 5.3 5.2 5.0 4.9
H 0 : 1 = 2 o H 0 : 1 2 = 0
y las hiptesis alternativas por :
H 1 : 1 < 2 o H 1 : 1 2 < 0
H1 : 1 > 2 o H1 : 1 2 > 0
H 1 : 1 - 2 o H 1 : 1 2 - 0
con
= n1 + n2 - 2 grados de libertad,
donde S
com
x1 x2
=
1 1
+
Scom
n1 n2
Ejercicios :
1.- Un auditor de una Institucin Fiscal desea
comparar la eficiencia de dos tcnicas de auditora diferentes. Para
probarlas, selecciona una muestra aleatoria de 12 cuentas de una
empresa y les aplica la tcnica 1, y, selecciona al azar otras 8
cuentas y les aplica la tcnica 2. El nmero de errores en las
cuentas encontradas en la empresa aplicando las dos tcnicas se
muestra en la siguiente tabla :
Tcnica 1
25 16 33 14 21 22 24 26 28 20 18 23
Tcnica 2
26 15 24 12 22 18 23 21
2 1
Despus de la campaa
2 3
10
10
12
17
11
10
14
16
15
13
12
11
19
18
17
13
14
17
16
15
13
d = 2 .3
-1
-7
-1
-6
-3
-1
-1
-2
-1
S * d = 2.35937845
d i = xi
yi
Ejemplo :
La SIAT desea determinar si el nmero de accidentes
fatales se encuentra distribuido de igual forma para el color de los
automviles involucrados en los accidentes. Para ello, se tom
una muestra aleatoria de 700 accidentes automovilsticos en los
cuales ocurri por lo menos una muerte y se consign el color del
automvil involucrado, obteniendo la siguiente informacin :
Blanco
Azul
43
120
Burdeos Negro
125
156
Plomo
Amarillo
Violeta
135
54
67
Azul
Burdeos
Negro
Plomo
Amarillo
Violeta
Oi
73
106
110
123
122
79
87
Ei
100
100
100
100
100
100
100
k
i =1
(Oi
E i )2
Ei
2
( k 1)
crit
= 16.81
0.01 , 6
Regin de rechazo de H0
como
= 24.88 >
DCIMAS
cal
2
0.01,6
= 16.81 se rechaza H0
con
E ij =
ni x n j
n
i =1 j =1
(Oij
Eij )2
E ij
2
(f 1) (c 1)
Ejemplo :
En un estudio se tom una muestra aleatoria de 300
accidentes automovilsticos, y se clasific la informacin de acuerdo
con el tamao del automvil involucrado, obteniendo la siguiente
informacin :
Pequeo
Oi
Ei
Mediano
Oi
Ei
Grande
Oi
Ei
Por lo menos
un muerto
42
38.8
35
32.33
20
25.866
97
Ningn muerto
78
81.2
65
67.66
60
54.133
203
Total
120
100
80
Total
300
Para un nivel de significacin del 5%, existe asociacin entre el tamao del
vehculo y muerte en accidentes de trnsito?
H0 : No hay asociacin entre el tamao del vehculo y muertes en los accidentes de trnsito
H1 : Existe asociacin entre el tamao del vehculo y muertes en los accidentes de trnsito
como
2
cal
= 2.681 <
2
0.05,2
= 5.99
Ejercicios :
1.- Se realiz una encuesta respecto de la preferencia del
personal segn su oficio, para determinar si existe alguna
predileccin de destino de trabajo respecto de tres regiones
geogrficas, obteniendo la siguiente informacin .
Regin A
Regin B
Regin C
Total
electricista
45
60
20
125
soldador
60
75
40
175
estucador
70
85
55
210
Total
175
220
115
510
Sin causa de
lesiones de
invalidez
Total
20
10
30
Sin consumo
de alcohol
20
25
Total
25
30
55
GRFICOS DE CORRELACIN
Permiten obtener una impresin visual del grado de dependencia lineal
existente entre dos variables
Plot of Peso vs Edad
PESO
9,5
11,2
12,7
14,5
16,1
17,9
19,7
21,2
23,4
24,7
25
21
Peso
EDAD
1,8
2,5
3,2
3,9
4,6
5,3
6
6,7
7,6
8,1
17
13
9
0
6
Edad
10
rxy =
i =1
n
i =1
rxy =
xi
xi yi
n x
n x y
n
i =1
yi
n y2
EDAD
1,8
2,5
3,2
3,9
4,6
5,3
6
6,7
7,6
8,1
49,7
PESO
9,5
11,2
12,7
14,5
16,1
17,9
19,7
21,2
23,4
24,7
170,9
Caractersticas
3162.03 10 (17.09 )
EDAD*PESO
17,1
28
40,64
56,55
74,06
94,87
118,2
142,04
177,84
200,07
949,37
= 0,99988
EDAD2
3,24
6,25
10,24
15,21
21,16
28,09
36
44,89
57,76
65,61
288,45
PESO2
90,25
125,44
161,29
210,25
259,21
320,41
388,09
449,44
547,56
610,09
3162,03
Coeficiente de
variacin
r 2 xy = 0,9997656
1) 0. rxy . 1
2) Valores prximos a cero indican que no existe asociacin lineal entre las variables
3) Valores prximos a uno indican que existe asociacin lineal entre las variables
REGRESIN LINEAL
1.- Introduccin
El nombre genrico de modelos de regresin, proviene de los trabajos
de Galton en biologa a finales del siglo XIX. Galton estudi la dependencia
de la estatura de los hijos (y) respecto a la de sus padres (x), encontrando lo
que denomin una regresin a la media : los padres altos tienen, en general,
hijos altos, pero, en promedio, no tan altos como sus padres; los padres
bajos tienen hijos bajos, pero, en promedio, ms altos que sus padres.
Desde entonces, los modelos estadsticos que explican la dependencia de
una variable y respecto de una o varias variables cuantitativas x se
denominan modelos de regresin Daniel Pea 1989.
Segn Daniel Pea, 1989, se debe admitir que todos los factores o causas
que influyen en una variables respuesta (y) pueden dividirse en dos grupos :
el primero contiene una variable (x), conocida al observar (y), que tiene una
influencia lineal en la respuesta; el segundo incluye un conjunto muy grande
de factores, cada uno de los cuales influye en la respuesta slo en una
pequea magnitud, que se engloba dentro del nombre comn de error
aleatorio.
y i = , 0 + , 1 x i + ei
donde yi y ei son variables aleatorias, bajo los siguientes supuestos
E[ei ] = 0
ei ~ N (0,
/i - j
25
99.9
21
95
80
Peso
cumulative percent
99
50
17
20
13
5
1
0.1
-0.12
-0.07
-0.02
0.03
Residuals
0.08
0.13
6
Edad
10
0.13
0.08
Residuals
0.03
-0.02
-0.07
-0.12
9
13
17
Predicted
21
25
REGRESION MULTIPLE
1. INTRODUCCIN
El modelo de regresin de regresin mltiple es la extensin para n
variables explicativas del modelo de regresin lineal simple. En general, una
variable respuesta y, depende de muchas otras variables x1, ..., xn, aunque
algunas de stas pueden ser no observables o, incluso, desconocidas para
el investigador. El modelo de regresin pretende medir el efecto de las ms
importantes, y representa el de las restantes mediante una variable
aleatoria que se denomina error del modelo. Es decir:
y = , 0 + ,1 X 1 + , 2 X 2 + ,12 X 1 X 2 + . . . . + , k X k + &
y = , 0 + ,1 X 1 + , 2 X 2 + ,12 X 1 X 2 + . . . . + , k X k + & i
donde cada coeficiente ,i mide el efecto marginal sobre la respuesta de un
aumento unitario en Xi cuando todas las otras variables permanecen
constantes; &i es el error aleatorio.
Para el error se deben suponer las siguientes hiptesis :
a)
b)
c)
d)
E [ y / X 1 , ... , X n ] = , 0 + , 1 X 1 + , 2 X 2 + . . . . + , k X k
Var [ y / X 1 , ... , X n ] =
e)
d)
Q=
( yi
,0
, 1 X 1i
....
, k X ki ) 2
.
.
n, 0
,1 X 1
,1 X 21
yX 1
, 0
X1
yX k
= , 0
Xk
+ ,1
X k X1
ei X
+ ... +
ji
=0
, k
+ ... + , k
+ ... +
, k
j = 1,..., k
Xk
X1X k
X 2k
matricialmente:
...
y1
.
1 ... 1
.
x11 ... x1n
. = .
.
.
.
.
.
.
.
xk 1 ... xkn
yn
1
1
.
.
.
.
1
,0
,1
, = ( X T X ) 1 X T Y =
.
.
.
,k
x11 ...
x12 ...
.
.
xk 1
xk 2
.
.
,0
.
..
.
,
x1n
... xkn
Test de Normalidad
132, 125, 165, 137, 152, 141, 163, 148, 127, 158
i
0.5
, k = 1,2,3,...
k
valores
125
127
132
137
141
148
152
158
163
165
i
1
2
3
4
5
6
7
8
9
10
Pi =
0.5
10
Pi
0,05
0,15
0,25
0,35
0,45
0,55
0,65
0,75
0,85
0,95
Pi =
95
80
50
20
5
1
0.1
120
130
140
150
valores
160
170
X1
X2
X3
SL
SG
LOBS
PGC
31,1
0,43
3,82
0,28
35,6
0,47
5,13
0,32
31,4
0,44
3,98
0,29
37,8
0,48
6,25
0,3
40,2
0,5
7,12
0,25
42,5
0,49
8,52
0,15
47,2
0,68
9,01
0,1
43,6
0,5
8,61
0,16
46,5
0,65
8,71
0,19
43,8
0,51
8,72
0,18
43,7
0,49
8,63
0,17
SL: denota el suelo perdido (en libra / acre), SG: denota el gradiente de la cuesta,
LOBS: denota el largo (en pulgadas) de la apertura ms grande de suelo desnudo
sobre cualquier lmite y PGC: denota el porcentaje de tierra cubierta.
Residuals
0.21
0.01
-0.19
-0.39
30
33
36
39
Predicted
42
45
48
cumulative percent
99
95
80
50
20
5
1
0.1
-0.39
-0.19
0.01
Residuals
0.21
0.41
TS TI
Cp =
6
TI
TS
Cp > 1
Proceso preciso
TI
TS
6
Cp < 1
Proceso poco preciso
Proceso preciso?
TI
TS
6
INDICE DE DESCENTRAMIENTO
C pk
* TS m
si m es proxima
a TS
0 3
0
=)
0 m TI
si m es proxima
a TI
0 3
(
D=0.5
D=0.25
D=0
xij
xj = i =1
n
Sj = i =1
(xij xj )2
n 1
j =1,2,...,t
=x=
m
xj
j =1
1
2
= S =
t
t
j=1
Sj
hora
9
11
13
15
17
19
9
11
13
15
17
9
11
13
15
17
19
9
11
13
15
17
19
9
medias varianzas
15
15
16
16
15
16
15
16
15
16
16
16
15
16
15
15
15
16
15
16
16
17
15
16
15
16
16
16
16
14
15
16
15
16
15
15
15
17
15
14
15
16
17
15
16
17
14
15
16
16
17
16
16
15
16
16
16
16
16
16
15
16
17
15
16
16
17
16
16
17
15
16
16
16
16
15
16
15
15
16
15
17
15
15
16
17
15
14
15
16
17
15
17
16
14
16
15,6
15
17,1
15,7
15
15,5
15,6
15,7
15,6
14,9
15,5
14,7
15,7
15,9
15,8
14,3
15,7
15,5
15,5
15,4
17,3
15,6
14,3
15,7
15,5
0,2
15,7 0,325
16,4 0,333
15,7 0,197
15,3 0,283
15,3 0,425
15,3 0,088
15,8 0,073
15,5 0,027
15,9
0,4
15,4 0,157
15,4 0,573
15,4 0,368
16,5 0,397
15,4 0,648
14,5 0,147
15,5 0,233
15,8 0,135
16,3 0,657
15,4 0,032
16,5 0,273
16,3 0,173
14,4 0,407
15,6 0,015
15,6 0,27358
Cp =1,21
Cpk=1,14
Frequency Histogram
40
30
20
10
0
13
14
15
16
17
18
GRAFICO DE MEDIAS
17
16.5
16
15.5
15
14.5
14
1
11
13
15
17
19
21
23
25
19
21
23
25
GRAFICO DE VARIANZAS
0.6
0.5
0.4
0.3
0.2
0.1
0
1
11
13
15
17
GRFICOS DE CONTROL
LOS GRFICOS DE CONTROL PERMITEN VIGILAR UNA
CARACTERSTICA CUANTIFICABLE DE UN PROCESO
PRODUCTIVO, UNOS PARA CONSTATAR QUE LA MEDIDA DE
TENDENCIA CENTRAL DEL PROCESO EST
RELATIVAMENTE CENTRADA, OTROS PARA CONTROLAR
QUE LA VARIABILIDAD DEL PROCESO SE ENCUENTRA
DENTRO DE LOS MRGENES ESPERADOS
EN TODO PROCESO PRODUCTIVO PUEDEN APARECER
PRODUCTOS DEFECTUOSO DEBIDO PRINCIPALMENTE A DOS
CAUSAS :
CAUSAS ASIGNABLES, QUE SON AQUELLAS PRODUCIDAS POR UN
USO DE MATERIA PRIMA DE MALA CALIDAD, O POR DEFICIENCIAS
EN LA CALIBRACIN DE LA MQUINA, O POR OPERARIOS NO
ENTRENADOS ADECUADAMENTE, POR DESGASTE DE PIEZAS DE
LA MQUINA, ETC. LA APARICIN DE ESTAS CAUSAS GENERARAN
PRODUCTOS DEFECTUOSOS.
CAUSAS NO ASIGNABLES :
SI SE FABRICA CON LA MEJOR MATERIA PRIMA, LOS MEJORES
OPERARIOS, LA MEJOR MAQUINARIA, ETC, Y AUNQUE EL
PROCESO SE REPITA EN CONDICIONES PRCTICAMENTE
IDNTICAS, IGUAL SE PRODUCIRN ARTCULOS DEFECTUOSOS,
ESTA VARIABILIDAD SE CONOCE COMO VARIABILIDAD INHERENTE
O NO ASIGNABLE O ALEATORIA, QUE NO PUEDE REDUCIRSE
ECONMICAMENTE MEDIANTE DESCOMPOSICIN O AISLAMIENTO
O ELIMINACIN DE LAS CAUSAS QUE LA PRODUCEN.
GRFICOS DE SHEWHART
LOS GRFICOS DE SHEWHART PERMITEN REALIZAR UN CONTROL SIMULTNEO
DE LA TENDENCIA CENTRAL Y LA VARIABILIDAD DE UN PROCESO. PARA UNA
MUESTRA ALEATORIA DE TAMAO n. PEPI Y POLO 1990
CON LA INFORMACIN APORTADA POR UNA MUESTRA ALEATORIA SE REALIZA
UNA DCIMA PUNTUAL
TENDENCIA CENTRAL
* H0 : = 0 = CT
0
)
0H : - = CT
0
( 1
VARIABILIDAD
*H 0 :
0
)
0H :
( 1
>
MII MAI
MAS MIS
TI
CT
TS
MAI = CT 1.96
MAS = CT + 1.96
MII = CT
3.09
MIS = CT + 3.09
MII MAI
MAS MIS
m
TI
CT
TS
1.96
3.09
SAS SIS
LNEAS DE ATENCIN
2
SAS =
0.025, = n 1
n 1
LNEAS DE INTERVENCIN
2
SIS =
n-1
0.001, = n 1
n 1
10
2
0.001
13.84
16.27
18.51
20.53
22.46
24.32
26.27
27.88
29.68
2
0.025
7.38
9.35
11.14
12.83
14.45
16.01
17.56
19.04
20.50
PROCEDIMIENTO
TOMAR UNA MUESTRA ALEATORIA DE TAMAO n A
INTERVALOS
REGULARES
DE
TIEMPO
(PERODO
INTERMUESTRAL)
2. CALCULAR PARA CADA MUESTRA EL PROMEDIO X t Y LA
DESVIACIN ESTNDAR St
1.
4. TOMA DE DECISIONES
4.1. SI LOS VALORES CALCULADOS SE ENCUENTRAN EN ZONA BAJO
CONTROL SE DEBE CONTINUAR CON EL PROCESO
4.2. SI X t O St SE SITAN EN LAS ZONAS DE ATENCIN, SE DEBE
TOMAR UNA MUESTRA INSTANTNEA, SIN ESPERAR AL SIGUIENTE
PERODO INTERMUESTRAL. CALCULAR X t Y St , REPRESENTAR
ESTOS VALORES EN LOS GRFICOS. SI SE SITAN EN ZONA BAJO
CONTROL, SE TRAT DE UNA FALSA ALARMA. PERO, SI SE SITAN
EN LAS ZONAS DE ATENCIN O DE INTERVENCIN, EL PROCESO SE
ENCUENTRA FUERA DE CONTROL. SE DEBE INTERVENIR EL
PROCESO Y REALIZAR LAS RECTIFICACIONES NECESARIAS.
4.3. SI X t O St SE SITAN EN LAS ZONAS DE INTERVENCIN, SE DEBE
INTERVENIR EL PROCESO Y REALIZAR LAS CORRECIONES
NECESARIAS.
X
ZONA DE INTERVENCIN
MIS
ZONA DE ATENCIN
MAS
CT
MAI
ZONA DE ATENCIN
MII
ZONA DE INTERVENCIN
1
ZONA DE INTERVENCIN
SIS
ZONA DE ATENCIN
SAS
APLICACIONES
PEPI Y POLO (1996) CONSIDERAN LOS DATOS DE 24
MUESTRAS DE TAMAO 5, CORRESPONDIENTES A LOS
DIMETROS DE UNOS EJES MECANIZADOS, REALIZAN EL
ESTUDIO DE LA CAPACIDAD DE CALIDAD Y LA
IMPLANTACIN DE LOS GRFICOS DE CONTROL
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Observaciones muestrales
40,020
40,017
39,959
40,024
40,023
39,988
40,003
39,971
40,096
39,996
39,956
39,987
40,069
39,890
39,980
39,909
40,062
40,021
40,037
39,953
40,044
40,101
40,034
39,984
39,959
39,923
40,001
40,056
39,874
40,013
40,038
39,922
40,110
39,941
39,923
39,935
39,975
39,989
40,013
40,004
39,971
40,029
39,899
40,108
40,082
40,045
40,116
39,967
24
X=
t =1
40,080
40,092
39,943
40,013
39,917
40,079
40,118
39,968
40,007
40,026
40,116
39,901
39,926
39,873
40,135
39,893
39,983
39,999
39,978
40,000
40,024
39,906
40,027
40,094
40,107
39,906
40,039
39,957
39,942
39,942
39,997
39,971
40,130
39,939
39,993
40,022
40,026
39,945
39,996
39,936
40,026
39,993
39,956
39,972
39,993
40,060
39,866
39,914
Xt
40,099
40,066
39,958
40,031
40,025
40,050
39,954
39,939
39,979
40,039
39,962
39,959
40,007
39,969
40,054
40,000
40,004
40,026
40,066
40,058
40,071
39,932
39,872
39,949
24
xt
24
= 39,9984
2 =
40,0530
40,0008
39,9800
40,0162
39,9562
40,0144
40,0220
39,9542
40,0644
39,9882
39,9900
39,9608
40,0006
39,9332
40,0356
39,9484
40,0092
40,0136
39,9872
40,0182
40,0428
40,0088
39,9830
39,9816
S 2t
0,0039215
0,0069677
0,0015540
0,0013447
0,0044227
0,0028453
0,0037705
0,0005057
0,0044923
0,0021797
0,0055785
0,0021692
0,0028963
0,0025062
0,0038473
0,0026323
0,0013107
0,0002708
0,0043817
0,0040912
0,0012917
0,0072247
0,0112059
0,0046213
S 2t
t =1
24
= 0,00362
= 0.060
Cp =
pk
TS TI
40 ,175
39 , 825
= 0 , 97
=
6
6 0 . 060
TI
39 , 9984
39 , 825
=
3
3 0 . 060
= 0 , 96
39.8
39.9
TI
40
40.1
40.2
TS
MII = CT
3.09
0.06
= 40 3.09
= 39,9171
5
n
1.96
0.06
= 40 1.96
= 39 .9474
5
n
MIS = CT + 3.09
0.06
= 40 + 3.09
= 40,0829
5
n
MAI = CT
MAS = CT + 1.96
0.06
= 40 + 1.96
= 40,0526
5
n
12
16
20
24
GRAFICO DE CONTROL S
0.12
0.1
0.08
0.06
0.04
0.02
0
12
16
20
24
40.116
39.940
40.067
40.017
39.886
40.003
40.126
39.991
39.906
40.020
40.055
Observaciones muestrales
39.961
40.000
40.011
39.928
39.984
39.907
40.038
39.910
39.985
40.017
40.019
39.949
40.136
40.041
39.949
39.989
40.062
40.004
40.027
40.047
39.947
39.894
39.885
40.037
39.940
40.099
40.045
39.966
39.959
40.001
40.029
39.847
39.959
Xt
40.0148
39.9460
39.9993
40.0234
40.0045
40.0136
40.0262
39.9963
40.0120
39.9743
39.9578
39.983
39.968
39.994
40.112
40.008
40.008
39.982
40.172
40.070
39.923
39.896
MAI = 39,9474
SIS = 0,12907
MII = 39,9171
SAS = 0,10013
St
0.0597
0.0308
0.0595
0.0587
0.0946
0.0281
0.0683
0.1178
0.0843
0.0378
0.0875
40.08
40.05
40.02
CT
39.99
39.96
MAI
MII
39.93
39.9
0
10
0.12
SAS
0.09
0.06
0.03
0
0
10
Zt = 2 xt + (1 2) Zt
0 < 2 . 1 Z0 = CT
CONTROL DE LA VARIABILIDAD
Qt = 2 S +(1 2) Qt 1 0 < 2 .1 Q0 =S =
2
t
2
0
=( )
Z t = 2 X t + (1 2 ) Z t
, 0 < 2 . 1 , Z 0 = CT
Qt = 2 S + (1 2) Qt 1 , 0 < 2 . 1, Q0 = S =
2
t
2
0
CONTROL DE LA MEDIA
2 [1 (1 2 )
CT K
(2 2 )n
2t
t = 1,2,3 ,...
ES USUAL TOMAR K = 3
CONTROL DE LA VARIABILIDAD
+R
2
2 2 1 (1 2 )
( 2 2 )( n 1)
2t
t = 1,2 ,3 ,...
0,04
0,03
lambda=0.25
0,02
lambda=0.1
0,01
0
1
10
11
12
13
-0,01
-0,02
-0,03
-0,04
14
15
16
17
18
19
20
21
22
Muestra
X
1
15,01
14,99
14,98
15,00
15,00
15,01
14,98
15,05
15,00
15,00
15,01
15,00
14,99
15,01
15,01
15,02
15,01
14,95
15,01
15,02
15,01
15,01
14,97
14,90
15,02
15,03
15,01
14,99
15,00
15,02
14,98
15,00
15,01
15,01
15,02
15,05
15,00
15,03
15,01
15,03
14,99
15,01
15,03
15,01
15,03
10
14,99
15,01
15,03
15,02
15,03
11
14,95
15,01
15,07
14,98
15,03
12
15,01
15,03
15,05
14,97
15,04
13
15,01
14,99
14,97
14,96
15,04
14
14,99
15,05
15,11
14,90
15,02
15
15,03
15,01
15,01
14,95
15,01
16
15,00
15,03
15,01
14,99
14,98
17
15,00
14,98
15,00
15,00
14,98
18
14,98
14,95
15,01
15,07
14,98
19
14,98
15,01
15,03
15,05
14,98
20
14,98
15,01
14,99
14,97
14,98
Promedio
Varianza
Zt
Lmites de Zt
Wt
Lmite de Wt
20,02
0,0028
0,07893
0,27951
0,83050
1,70711
20,01
0,0007
0,08019
0,34939
0,64193
1,88388
20,01
0,0002
0,09563
0,38313
0,48714
1,96925
20,02
0,0005
0,16513
0,40087
0,37872
2,01412
20,00
0,0005
0,08692
0,41051
0,29968
2,03851
20,01
0,0012
0,10067
0,41583
0,25747
2,05198
19,99
0,0003
-0,00487
0,41880
0,20249
2,05948
20,02
0,0010
0,10424
0,42045
0,18031
2,06367
20,00
0,0005
0,05573
0,42138
0,14860
2,06603
20,01
0,0008
0,07728
0,42191
0,13278
2,06735
20,01
0,0021
0,07896
0,42220
0,15989
2,06809
20,00
0,0015
0,02229
0,42237
0,16258
2,06851
19,99
0,0010
-0,06366
0,42246
0,15123
2,06874
20,01
0,0060
0,01670
0,42251
0,28494
2,06888
20,00
0,0009
-0,00992
0,42254
0,23987
2,06895
20,00
0,0004
-0,02989
0,42256
0,19043
2,06899
20,00
0,0002
-0,05935
0,42257
0,14851
2,06901
20,00
0,0021
-0,09592
0,42257
0,17026
2,06903
20,01
0,0009
-0,03646
0,42257
0,15472
2,06904
19,99
0,0002
-0,16565
0,42258
0,12258
2,06904
0, 5
Zt
0, 4
0, 3
0, 2
0, 1
0
1
20
-0, 1
-0, 2
-0, 3
-0, 4
-0, 5
2, 5
Wt
2
1 ,5
0, 5
0
1
20
S2
0.00
-0,20919
0,30386
-0,94935
0,05627
-0,80804
X
-0,32129
0,29433
0.04
0,55825
-0,89092
-1,37213
1,54899
-0,09186
-0,04953
1,34592
0.08
0,72446
0,48732
0,10207
0,64965
0,41522
0,47574
0,05888
0.12
2,21280
-0,58787
1,15394
0,56152
-1,91850
0,28438
2,54133
0.16
1,26214
-0,15815
1,72211
-0,19074
1,62557
0,85219
0,90785
0.20
0,47182
0,95213
1,76494
-0,09373
-0,58873
0,50128
0,83578
0.24
0,57864
-0,44186
1,36830
-1,20215
0,42224
0,14503
0,98014
0.28
0,06369
3,30768
0,72406
-0,45697
1,17271
0,96224
2,10591
8*
0.28
-1,16279
-0,18181
0,07880
0,14768
0,57358
-0,10891
0,42071
0.32
-1,06634
-0,82406
0,06685
-1,02262
-0,94259
-0,75775
0,22098
10
0.36
-0,67277
0,59276
-0,39706
0,09260
1,58150
0,23941
0,79620
11
0.40
0,16473
-0,10821
1,17412
2,15002
-0,98213
0,47971
1,46350
12
0.44
0,35056
-1,12726
0,80609
1,52741
0,92073
0,49551
0,99912
13
0.48
0,46555
0,92266
-0,36901
0,95667
2,26720
0,84862
0,91473
14
0.52
0,55628
2,59979
1,21360
2,22507
0,12419
1,34379
1,11968
14*
0.52
1,57570
-0,16077
0,27303
0,58313
1,01022
0,54705
0,61187
15
0.56
0,63662
0,20663
0,46744
1,60982
-2,07640
0,16881
1,85680
16
0.60
0,65208
0,28672
0,85416
1,01636
0,62465
0,68679
0,07544
17
0.64
0,92887
0,65226
1,33353
2,26342
1,15762
1,26714
0,37537
17*
0.64
-0,00395
0,75339
0,85892
0,11327
0,40296
0,37961
0,19001
18
0.68
0,90893
1,35281
-0,25285
1,66809
0,70096
0,87559
0,54020
19
0.72
0,81783
0,78959
1,31671
1,06117
-0,08753
0,77956
0,28031
20
0.76
1,27825
-0,17092
-0,65213
2,26899
0,62814
0,67047
1,34592
21
0.80
1,16426
0,59254
0,56676
1,70544
1,84743
1,17529
0,36071
21*
0.80
1,78649
-0,71960
1,64567
0,13667
1,78823
0,15823
2,37722
22
0.84
-0,17231
1,52105
0,86125
-0,91817
1,28645
0,51565
1,06339
23
0.88
0,21162
1,43987
1,82224
-0,15366
0,12011
0,68804
0,77741
24
0.92
0,53969
0,09359
-0,18733
0,39351
0,23807
0,21551
0,07861
25
0.96
-0,25849
0,14589
1,66228
-0,55565
1,84334
0,56747
1,23695
26
1.00
0,20689
1,93246
0,85749
0,11146
1,95907
1,01348
0,80680
26*
1.00
1,18810
1,08361
3,55195
1,85348
0,10229
1,55589
1,63603
x
2, 00000
MIS
1 , 50000
"
1 , 00000
"
"
0, 50000
"
"
CT
S
MAI "
"
0, 00000
"
-0, 50000
"
MAS
MII
-1 , 00000
-1 , 50000
-2, 00000
10
11
12
13
14
15
16
17
18
19
20 21 22
23
24
25 26
S2
Zt
Lm
Wt
Ls
-0,3213
0,2943
-0,016
0,056
0,965
1,141
-0,0495
1,3459
-0,018
0,077
0,984
1,195
0,4757
0,0589
0,007
0,092
0,938
1,233
0,2844
2,5413
0,021
0,104
1,018
1,263
0,8522
0,9079
0,062
0,121
1,012
1,307
0,5013
0,8358
0,084
0,128
1,003
1,324
0,1450
0,9801
0,087
0,134
1,002
1,339
0,9622
2,1059
0,131
0,139
1,057
1,352
-0,7578
0,2210
0,087
0,147
1,016
1,373
0,2394
0,7962
0,094
0,151
1,005
1,381
0,4797
1,4635
0,114
0,154
1,028
1,389
0,4955
0,9991
0,133
0,156
1,026
1,395
0,8486
0,9147
0,168
0,159
1,021
1,401
Zt
0, 2
0, 1 5
0, 1
0, 05
0
1
10
12
13
-0, 05
-0, 1
-0, 1 5
Wt
-0, 2
1,6
1,4
1,2
0,8
0,6
0,4
0,2
0
1
10
11
12
13
S2
Zt
Lm
Wt
Ls
-0,3213
0,2943
-0,080
0,280
0,824
1,707
-0,0495
1,3459
-0,073
0,349
0,954
1,884
0,4757
0,0589
0,064
0,383
0,730
1,969
0,2844
2,5413
0,119
0,401
1,183
2,014
0,8522
0,9079
0,303
0,416
1,114
2,052
0,5013
0,8358
0,352
0,419
1,045
2,059
0,1450
0,9801
0,300
0,420
1,029
2,064
0,9622
2,1059
0,466
0,421
1,298
2,066
Zt
0,6
0,5
0,4
0,3
0,2
0,1
0
1
-0,1
-0,2
-0,3
-0,4
Wt
-0,5
2,5
1 ,5
0,5
2.2.- FACTORIAL 22
ESTE DISEO PERMITE ESTUDIAR DOS FACTORES A DOS NIVELES CADA UNO. PARA
DOS FACTORES A Y B, DESIGNADO POR -1 EL NIVEL BAJO DE CADA UNO, POR +1 AL NIVEL
ALTO, POR Y1, Y2, Y3, Y4 LAS RESPUESTAS DE ACUERDO A LA DISPOSICIN ESTNDAR DE LA
FIGURA
A
B
Y
(*)
N
1
2
3
4
-1
+1
-1
+1
-1
-1
+1
+1
Y1
Y2
Y3
Y4
(3)
(1)
(2)
(4)
B
Y4
Y3
+1
-1
Y2
Y1
-1
+1
EL PRIMER PRINCIPIO PARA DISEAR UN EXPERIMENTO ES EL DE ALEATORIZACIN, EL CUAL REQUIERE QUE TODOS LOS FACTORES NO CONTROLADOS POR EL EXPERIMENTADOR Y QUE PUEDEN INFLUIR EN LOS
RESULTADOS SE ASIGNEN AL AZAR A LAS OBSERVACIONES (MATERIA
PRIMA, OPERADOR DE LA MQUINA, TIPO DE MQUINA, ETC.). COMO ESTE
DISEO CONTIENE DOS FACTORES, EL MODELO ESTADSTICO ES
1
M=
-1 +1
y1
-1
-1
y2
-1 +1
-1
-1
1 +1
1
1 +1 +1 +1
A B AB
y vector respuesta Y =
y3
y4
y1 + y 2 + y 3 + y 4
4
- y1 + y 2 - y 3 + y 4 y 2 + y 4 y1 + y 3
=
Efecto de A =
= y A(+) y A(
2
2
2
- y1 - y 2 + y 3 + y 4 y 3 + y 4 y1 + y 2
=
= y B (+) y B (
Efecto de B =
2
2
2
+ y1 - y 2 - y 3 + y 4 y1 + y 4 y 2 + y 3
Interaccio n AB =
=
2
2
2
Media =
& + z
DONDE z ES UN PERCENTIL DE LA NORMAL ESTNDAR.
eijk = y ijk - y
ij
, k = 1,2,..., n
Suma Cuadrados
gdl
CM
Factor A
n 2
n 2
Factor B
n ,
n ,
n ,2
n ,2
4(n-1)
S R
Interaccin AB
Residuo
Total
n 2
F 1,4(n -1) =
2
SR
2
ijk
( yijk - y ... )2
4n-1
2
n ,
=
F1,4(n-1)
2
SR
2
n ( , )
F1,4(n -1) =
2
S R
A : TEMPERATURA
B : RELACIN DE BAO
NIVEL BAJO
NIVEL ALTO
60 C
200 CC/5GR
80 C
300 CC/5GR
variable - promedio
(amplitud intervalo) /2
(cc/5gr) - 250
C - 70
A=
y B=
10
50
1 +1
1
-1
-1
-1 +1
-1
1 +1 +1 +1
Y=
86.25
(1)
73.25
(2)
88.75
(4)
POR TANTO
B
+1
7325
88.75
15.5
1.5
2.5
14.5
-1
7175
86.25
-1
+1
Y
B(+1)
88.75
2.5
B(-1)
86.25
15.5
73.25
71.75
14.5
1.5
-1
+1
-1
+1
T1.
-1
71.75
73.25
145
+1
86.25
88.75
175
T.1
158
162
320
: FC = 200 /4 = 10000
FACTOR DE CORRECCIN
GDL
C.M
1
1
1
225
4
0.25
F /R =900
C 2/R 2=16
---
---
---
F = 225
C2=4
R 2 = 0.25
FILA (A)
COLUMNA (B)
RESIDUO
TOTAL
T = 229.25
PARA UN RIESGO DEL 5%, F0.05,1,1 = 161, SE PUEDE CONCLUIR QUE LA TEMPERATURA
TIENE INFLUENCIA SIGNIFICATIVA SOBRE EL AGOTAMIENTO DE LA TINTURA EN LA LANA,
LA RELACIN DE BAO NO ES ESTADSTICAMENTE SIGNIFICATIVA.
2
T = F + C + R = 229.25
MODELO LINEAL
OTRA ALTERNA TIVA PARA EVALUAR LOS EFECTOS ES A TRAVS DEL MODELO LINEAL,
2
y i = , 0 + , 1 X 1i + , 2 X 2i + , 12 X 1i X 2i + ei
1
X=
-1
1 +1
1
4 0 0 0
- 1 +1
-1
-1
- 1 +1
-1
luego
0 4 0 0
XX =
0 0 4 0
1 +1 +1 +1
I= (
0 0 0 4
T
XX )-1 = I 4
4
T
y1 + y 2 + y 3 + y 4
y1
Y=
y2
y3
y4
luego
XY =
- y1 + y 2 - y 3 + y 4
- y1 - y 2 + y 3 + y 4
y1 - y 2 - y 3 + y 4
4y
=
2 Efecto( X 1 )
2 Efecto( X 2 )
2 Interc( X 1 X 2 )
y
Efecto( X 1 )
2
, = ( t XX )-1 ( t XY ) =
Efecto( X 2 )
2
,0
,
= 1
,2
,12
Interc( X 1 X 2 )
2
, =
200/4
80
15/2
7.5
2/2
0.5
1
0.25
y i = 80 + 7.5 X 1i + X 2i + 0.25 X 1i X 2i
y
80
, =
Efecto( X 1 )
= 7.5
2
1
Efecto( X 2 )
2
SCEXP =
XY - (
2
y i ) /4 =
XY - 4( y )2
= 4( y )2 + (Efec( X 1 ) )2 + (Efec( X 2 ) )2 - 4( y )2
= (Efec( X 1 ) )2 + ((Efec( X 2 ) )2
= 229 , con
=2
ambos con = 1 grados de libertad, se puede observar que esto coincide con el
ANOVA de los efectos.
SCEXP =
XY - ( y i )2 /4 =
XY - 4( y )2
= 4( y )2 + (Efec( X 1 ) )2 + (Efec( X 2 ) )2 - 4( y )2
= (Efec( X 1 ) )2 + ((Efec( X 2 ) )2
= 229 , con = 2
LA EXPLICACIN DEBIDA A CADA COEFICIENTE ES
Test de Normalidad
132, 125, 165, 137, 152, 141, 163, 148, 127, 158
i
1
2
3
4
5
6
7
8
9
10
Pi
0,05
0,15
0,25
0,35
0,45
0,55
0,65
0,75
0,85
0,95
i 0.5
Pi =
10
cumulative percent
valores
125
127
132
137
141
148
152
158
163
165
95
80
50
20
5
1
0.1
120
130
140
150
valores
160
170
i - 0.5
Pi =
k
EN ESCALA PROBABILSTICA, O BIEN, EN UNA ESCALA NORMAL, ASIGNADO
EL VALOR DE LA VARIABLE z DE LA N(0,1) CORRESPONDIENTES A ESTAS
FRECUENCIAS.
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
k=3
0.210
0.674
1.383
k=7
k=8
k=12
k=15
0.090
0.272
0.464
0.674
0.921
1.242
1.803
0.078
0.237
0.402
0.579
0.776
1.010
1.318
1.863
0.052
0.157
0.264
0.374
0.489
0.610
0.741
0.887
1.055
1.256
1.534
2.038
0.042
0.126
0.210
0.297
0.385
0.477
0.573
0.674
0.784
0.903
1.036
1.192
1.383
1.645
2.128
En el ejemplo :
Efectos ordenados
0.5 (AB)
2 (B)
15 (A)
1
2
3
Pi =( i - .5) / 3
(Pi +1) / 2
semizeta
0.583
0.75
0.916
0.210
0.674
1.384
0.166
0.5
0.833
1.2
0.9
Relacion Banno
0.6
0.3
Temp*RelBan
0
0
12
15
standardized effects
FACTORIAL 2
X1
X2
X3
X1 X 2
X1 X 3
X2 X3
X1 X 2 X 3
y1
-1
-1
-1
+1
+1
+1
-1
y2
1 +1
-1
-1
-1
-1
+1
+1
y3
-1 +1
-1
-1
+1
-1
+1
M = 1 +1 +1
-1
+1
-1
-1
- 1 y vector respuesta Y =
y4
-1
- 1 +1
+1
-1
-1
+1
1 +1
- 1 +1
-1
+1
-1
-1
y6
- 1 +1 +1
-1
-1
+1
-1
y7
1 +1 +1 +1
+1
+1
+1
+1
y8
1
1
1
y5
LA MATRIZ M ES ORTOGONAL, LO QUE PERMITE OBTENER LAS ESTIMACIONES DE LOS EFECTOS E INTERACCIONES EN FORMA INDEPENDIENTE, COMO EL PRODUCTO ESCALAR DE CADA COLUMNA DE LA MATRIZ
M POR EL VECTOR RESPUESTA Y
X2
1
1
+1
+1
1
1
+1
+1
X3
1
1
1
1
+1
+1
+1
+1
y
y1
y2
y3
y4
y5
y6
y7
y8
y7
1
y3
y8
y4
y5
X2
X1
1
+1
1
+1
1
+1
1
+1
y6
1
y1
-1
y2
-1
-1
1
X1
X3
y1 + y 2 + y 3 + y 4 + y 5 + y 6 + y 7 + y 8
8
y +y y +y y +y y +y
Efecto de X1 = 1 2 3 4 5 6 7 8
4
y + y 4 + y 6 + y 8 y1 + y 3 + y 5 + y 7
= 2
= y X1 ( +1)
4
4
Media =
X1
X2
X3
X1 X 2
X1 X 3
X2 X3
X1 X 2 X 3
y1
-1
-1
-1
+1
+1
+1
-1
y2
1 +1
-1
-1
-1
-1
+1
+1
y3
-1 +1
-1
-1
+1
-1
+1
X = 1 +1 +1
-1
+1
-1
-1
-1
-1
-1 +1
+1
-1
-1
+1
1 +1
-1 +1
-1
+1
-1
-1
y6
-1 +1 +1
-1
-1
+1
-1
y7
1 +1 +1 +1
+1
+1
+1
+1
y8
1
1
Y=
y3
y4
1)
y8
y4
y5
y5
X2
y7
y X1 (
y6
1
y1
-1
y2
-1
-1
1
X1
X3
y1 y 2 + y 3 + y 4 y 5 y 6 + y 7 + y 8
Efecto de X 2 =
4
y + y 4 + y 7 + y 8 y1 + y 2 + y 5 + y 6
= 3
= y X2 ( +1) y X2 (
4
4
y y y y +y +y +y +y
Efecto de X3 = 1 2 3 4 5 6 7 8
4
y + y 6 + y 7 + y 8 y1 + y 2 + y 3 + y 4
= 5
= y X3 ( +1) y X3 (
4
4
y y +y y y +y y +y
Interaccion X1X3 = 1 2 3 4 5 6 7 8
4
y7
-1
y3
y4
y5
y1
y6
y2
-1
1
X1
y3
X2
X2
y7
y8
-1
y8
y4
y5
y6
1
X3
-1
y1
y2
-1
1
X1
-1
1
X3
1)
1)
y1 + y 2 + y 3 + y 4 + y 5 + y 6 + y 7 + y 8
8
y1 + y 2 y 3 + y 4 y 5 + y 6 y 7 + y 8
Efecto de X 1 =
4
y1 y 2 + y 3 + y 4 y 5 y 6 + y 7 + y 8
Efecto de X 2 =
4
y1 y 2 y 3 y 4 + y 5 + y 6 + y 7 + y 8
Efecto de X 3 =
4
y y2 y3 + y 4 + y5 y6 y7 + y8
Interaccion X 1 X 2 = 1
4
y1 y 2 + y 3 y 4 y 5 + y 6 y 7 + y 8
Interaccion X 1 X 3 =
4
y1 + y 2 y 3 y 4 y 5 y 6 + y 7 + y 8
Interaccion X 2 X 3 =
4
y1 + y 2 + y 3 y 4 + y 5 y 6 y 7 + y 8
Interaccion X 1 X 2 X 3 =
4
Media =
-1
10 tramas*cm2
A : tipo filtro
B : temperatura
C : agitacin (rpm)
+1
12 tramas*cm2
30 C
50 C
60
80
contaminante (mg/litro)
-1
-1
-1
0.04
+1
-1
-1
0.013
-1
+1
-1
0.059
+1
+1
-1
0.15
-1
-1
+1
0.068
+1
-1
+1
0.049
-1
+1
+1
0.028
+1
+1
+1
0.12
AB
standard deviations
1.5
1.2
0.9
0.6
BC
0.3
0
0
10
20
30
40
standardized effects
0 .015625 BC
agitacion
0.068
0.049
0.059
0.15
1
0.04
-1
0.013
-1
-1 temperatura
1
filtro
0.0155
0.032
-1
0.0265
0.074
temperatur
0.0585
agitacion
-0.0305
0.078
0.1045
1
temperatur
0.0915
-0.0105
-1
-1
0.0435
0.054
0.135
0.104
-0.023
-1
0.031
1
filtro
C = +1
contaminante mg/litro
0.12
0.1
0.08
0.06
0.04
1
0.6
0.2
-0.2
-0.6
filtro
-1
0.02
0
-1
-0.6 -0.2
0.2
temperatura
0.6
1
0.0947251
0.6
0.0855751
0.0764251
0.2
Filtro
0.0672751
0.0581251
-0.2
0.048975
0.039825
-0.6
0.030675
0.021525
-1
0.012375
-1
-0.6
-0.2
0.2
Temperatura
Mximo permitido 0.05 mg/litro
0.6
C= 1
contaminante gr/litro
0.16
0.12
0.08
1
0.6
0.2
-0.2
-0.6
filtro
-1
0.04
0
-1
-0.6 -0.2
0.2
temperatura
0.6
1
0.1371
0.123575
0.6
0.11005
0.2
filtro
0.096525
0.083
-0.2
0.069475
0.05595
-0.6
0.042425
0.0289
0.015375
-1
-1
-0.6
-0.2
0.2
temperatura
0.6
Bloques
Las variables bloque permiten detectar en un proceso las diferencias
que se puedan producir, dependiendo de si la manufactura la realiza un
operario A o uno B, si existen diferencias entre una mquina u otra
que fabrican un mismo producto, si existe diferencia entre productos
dependiendo de la materia prima que se utilice, etc.
Para ilustrar la idea de variable bloque, suponga que se desea
experimentar en un proceso de fabricacin de barras de acero y se
quiere obtener el mximo porcentaje de flexibilidad en ellas, las
variables que intervienen en el proceso son :
Variables
-1
+1
1300 C
1500 C
0.4 %
0.8 %
0.3 %
0.5 %
X1 =
C 1400
100
X2 =
%Carbono 0.6
0.2
X3 =
%Niquel 0.4
0.1
7
8
3
4
5
6
1
2
X1
X2
X3
X1 X 2
X1 X 3
X2 X3
B = X1X 2 X 3
BLOQUE
-1
-1
-1
+1
+1
+1
-1
+1
-1
-1
-1
-1
+1
+1
II
-1 +1
-1
-1
+1
-1
+1
II
+1 +1
-1
+1
-1
-1
-1
-1
-1 +1
+1
-1
-1
+1
II
+1
-1 +1
-1
+1
-1
-1
-1 +1 +1
-1
-1
+1
-1
+1 +1 +1
+1
+1
+1
+1
II
X1
X2
X3
X1X2
X1X3
X2X3
B=X1X2X3
(*)
%
flexibilidad
-1
-1
-1
+1
+1
+1
-1
77.5
+1
+1
-1
+1
-1
-1
-1
93.9
+1
-1
+1
-1
+1
-1
-1
71.1
-1
+1
+1
-1
-1
+1
-1
97.9
+1
-1
-1
-1
-1
+1
+1
74.3
-1
+1
-1
-1
+1
-1
+1
86.6
-1
-1
+1
+1
-1
-1
+1
66.1
+1
+1
+1
+1
+1
+1
+1
92.9
standard deviations
1.6
%Carbono * %Niquel
1.2
Bloque
0.8
0.4
0
0
12
16
20
24
standardized effects
115
%flexibilidad
105
95
85
75
1
0.6
0.2
-0.2
-0.6
%carbono
-1
65
55
-1
-0.6 -0.2
0.2
%niquel
0.6
95.4
75.9
90.25
Niquel
-1
-1
1
Carbono
%Carbono = 0.76 ,
%Niquel 0.4
=0
0 .1
1
103.978
0.6
98.6179
% carbono
93.2578
87.8978
0.2
82.5377
-0.2
77.1777
-0.6
71.8176
66.4576
61.0976
55.7376
-1
-1
-0.6
-0.2
0.2
% niquel
0.6
%Niquel = 0.4
variables
experimentos
Efectos
principales
16
32
10
10
64
15
20
15
128
21
35
35
21
X2
X3
X1 X 2
X1 X 3
X2 X3
X1 X 2 X 3
RESPUESTA
-1
-1
-1
+1
+1
+1
-1
y1
+1
-1
-1
-1
-1
+1
+1
y2
-1 +1
-1
-1
+1
-1
+1
y3
+1 +1
-1
+1
-1
-1
-1
y4
-1
-1 +1
+1
-1
-1
+1
y5
+1
-1 +1
-1
+1
-1
-1
y6
-1 +1 +1
-1
-1
+1
-1
y7
+1 +1 +1
+1
+1
+1
+1
y8
X1
X2
X3
X1 X 2
X1 X 3
X2 X3
+1
-1
-1
-1
-1
+1
+1
y2
-1 +1
-1
-1
+1
-1
+1
y3
-1 +1
+1
-1
-1
+1
y5
+1 +1 +1
+1
+1
+1
+1
y8
-1
y2 + y3 + y5 + y8
Media =
4
+ y2 - y3 - y5 + y8
Efecto de X 1 =
= Efecto de X 2 X 3
2
- y2 + y3 - y5 + y8
= Efecto de X 1 X 3
Efecto de X 2 =
2
+ y2 - y3 - y5 + y8
= Efecto de X 1 X 2
Efecto de X 3 =
2
Se puede observar que el efecto de X1 siempre ser estimado como
idntico a la interaccin X2X3, se dice que ambos efectos estn
confundidos o son alias, este es el coste que se debe pagar por
prescindir de la mitad del diseo completo.
Para estudiar todas las confusiones que aparecen entre los posibles
efectos, a partir de las variables del diseo, hay que obtener la columna
asociada a cada uno de ellos en la matriz del modelo e identificar como
confundidos todos aquellos que presentan coincidencias entre
columnas.
Si se multiplica cualquier columna por si misma se obtie-ne el vector
unidad, es decir, X1 X1 = X2 X2 = ... = Xk Xk = I, y al multiplicar cualquier
columna por I aquella permanece inalterada. En la tabla del ejemplo,
haciendo I = X1 X2 X3 se tiene
X1 = X1 I = X1X1X2X3 = I X2X3 = X2X3 => CX1 = X1 + X2X3
X2 = X2 I = X1X2X2X3 = I X1X3 = X1X3 => CX2 = X2 + X1X3
X3 = X3 I = X1X2X3X3 = I X1X2 = X1X2 => CX3 = X3 + X1X2
que se denomina patrn de confusin del diseo, la notacin CX1 indica
que el efecto principal X1 est confundido con la interaccin X2X3
La expresin I = X1X2X3 se denomina relacin de definicin del diseo.
12
2 4-1
2 5-1
.
2 k-1
123
1234
123...(k-1)
I = 123
III
I = 1234
I = 12345
IV
V
I = 12345...k
2 9-5III
2 3-1III
(4)
3 = 12
23
2 4-1IV
2 5-2III
2 6-3III
2 7-4III
4=123
4=12
5=13
4=12
5=13
6=23
4=12
5=13
6=23
7=123
2 5-1V
2 6-2IV
2 7-3IV
2 8-4IV
5=1234
5=123
6=234
5=123
6=234
7=134
5=234
6=134
7=123
8=124
(8)
23
(16)
24
5=123
6=234
7=134
8=124
9=1234
-1
+1
1 litro/min
1.5 litro/min
30 tramas*cm2
40 tramas*cm2
baja
mediana
90
95
C : presin caldera
D : octanaje del combustible
A
% monxido de carbono
-1
+1
+1
+1
0.83
-1
-1
+1
-1
0.18
-1
-1
-1
+1
0.61
+1
-1
-1
-1
0.32
+1
-1
+1
+1
0.69
+1
+1
+1
-1
0.49
-1
+1
-1
-1
0.36
+1
+1
-1
+1
0.95
Octanaje
standard deviations
1.6
Filtro
1.2
Cantidad combustible
0.8
0.4
0
0
0.1
0.2
0.3
0.4
0.5
standardized effects
% monoxido de carbono
D= 1
0.57
0.47
0.37
1
0.6
0.2
-0.2
-0.6
tipo de filtro
-1
0.27
0.17
-1
-0.6 -0.2
0.2
0.6
cantidad de combustible
tipo de filtro
0.6
0.4675
0.435
0.2
0.4025
-0.2
0.37
-0.6
0.3375
0.305
-1
-1
0.175
-0.6
0.2725
0.2075 0.24
-0.2
0.2
0.6
1
cantidad de combustible
VARIABLES
TENSIN DEL RESORTE
BAJO
+
ALTO
B
C
D
PASO DE AIRE
TAMAO DE APERTURA
FLUJO DE GAS
ESTRECHO
PEQUEA
LENTO
ABIERTO
GRANDE
RPIDO
-1
-1
-1
+1
+1
+1
-1
+1
+1
-1
-1
-1
-1
+1
+1
+1
+1
+1
-1
-1
+1
+1
-1
-1
+1
-1
+1
-1
+1
-1
-1
+1
HIDROCARBUROS NO
QUEMADOS
8.2
1.7
6.2
3.0
6.8
5.0
3.8
9.3
1.6
1.2
0.8
0.4
0
0
1
2
3
4
5
standardized effects
A= 1
HIDROCNOQU
10
8
6
4
2
0
-1 -0.6
-0.2 0.2
B
0.6 1
1
0.6
0.2
-0.2
-0.6
D
-1
1
7.535
0.6
6.895
0.2
D
6.255
-0.2
5.615
-0.6
4.975
4.335
-1
-1
-0.6
1.775
-0.2
0.2
2.415
B
0.6
3.055
3.695
Terminologa
Utilaje: Elemento o accesorio que permite la fabricacin de la
pieza
Matriz: til que permite la correcta fabricacin de una pieza,
adquiriendo, la pieza, la forma que este presenta e
Angulo de diseo: Angulo solicitado por diseo y que debe
tener la pieza una vez fabricada. Este ngulo, al igual que todas
sus medidas estn regidas por normas de tolerancia, que para
este tipo de piezas es de 15 minutos por lo general.
Angulo de resorteo: Angulo que se forma entre el ngulo de la
matriz y el ngulo de adquiere la pieza una vez conformada. Esta
diferencia se debe principalmente a que: al ser conformada, la
pieza es forzada a pasar la frontera de su limite elstico, llegando
a su lmite plstico, sin embargo, una vez que el colchn de
goma deja de estar en contacto con la pieza, esta tiende a
volver a su estado natural, este efecto se denomina resorteo.
Marco de la Prensa
Colchn
de Goma
Pieza
Cilindro Actuador
de la prensa
+1 : 30 mm.
+1 : 95 grados.
+1 : 1.6 mm.
+1 : 7 mm.
+1 : Aluminio 7475
Las probeta, para cada ensayo, debe tener un largo (desarrollo) diferente para cada de ellas,
ya que en el clculo del desarrollo intervienen las siguientes variables:
Largo de faldilla
Radio de doblez
Espesor
Angulo de doblez
Variable codificada =
Variable Promedio
(Amplitud Intervalo)/2
LF =
(mm ) 19
11
(
) 90
5
AC =
(mm ) 1.2
EP =
0 .4
RD =
(mm) 4.75
2.25
MAT.
RUN
ANGULO ESPESOR
LARGO
RADIO
ANGULO
PIEZA
CONF.
PIEZA
FALDILLA
DOBLEZ
RESORTEO
-1
-1
19
-1
-1
-1
-1
27,433
-1
-1
2,567
-1
-1
-1
2,067
-1
-1
-1
7,167
-1
3,183
-1
-1
-1
-1
6,533
-1
-1
-1
30,033
7,517
10
-1
-1
29,05
11
-1
-1
-1
4,117
12
-1
-1
-1
9,017
13
-1
-1
6,033
14
-1
-1
-1
6,833
15
-1
-1
-1
-1
-1
2,217
16
-1
-1
-1
13,233
17
-1
7,5
18
-1
-1
4,75
19
-1
-1
-1
17,317
20
-1
-1
-1
-1
1,033
21
-1
-1
-1
26,15
22
-1
5,783
23
-1
-1
7,233
24
-1
-1
22,567
24
-1
-1
33,883
26
-1
-1
-1
-1
0,93
27
-1
-1
-1
-1
1,75
28
-1
9,55
29
-1
44,817
30
-1
-1
8,917
31
-1
-1
-1
2,417
32
-1
-1
31,35
Analysis Summary
---------------File name: TESIS
Estimated effects for AR (ANGULO DE RESORTEO)
---------------------------------------------------------------------average = 12.065
+/- .676838
A:MP
= .425937
+/- 1.35368
B:AC
= 7.76369
+/- 1.35368
C:ES
= 2.33031
+/- 1.35368
D:LF
= -12.8446 +/- 1.35368
E:RD
= 13.1472
+/- 1.35368
AB
= 1.59294
+/- 1.35368
AC
= 2.21806
+/- 1.35368
AD
= -1.41981 +/- 1.35368
AE
= -.819562 +/- 1.35368
BC
= 1.10931
+/- 1.35368
BD
= -1.60331 +/- 1.35368
BE
= -.0990625 +/- 1.35368
CD
= -4.95344 +/- 1.35368
CE
= .0300625 +/- 1.35368
DE
= -9.88656 +/- 1.35368
---------------------------------------------------------------------Standard errors are based on total error with 16 d.f.
Desviacin estandar
Radio de Doblez
Angulo de Conformado
Int. Espesor/L.Faldilla
Int L. Faldilla/R.Doblez
C:ES
AC
AB
BC
A:MP
CE
BE
AE
AD
BD
Largo de Faldilla
-10
-6
-2
Efectos estandarizados
10
Desviacin estandar
2.4
2
Radio de Doblez
1.6
Largo de Faldilla
Int. Largo de Faldilla/Radio de Doblez
1.2
.8
.4
Angulo de Conformado
Int. Espesor/Largo de Faldilla
C:ES
AC
BD
AB
AD
BC
AE
A:MP
BE
CE
Efectos estandarizados
10
40
20
RD=1.0
16
AR
AR
30
LF=-1.0
20
10
12
8
RD=1.0
RD=-1.0
RD=-1.0
-1.0
LF
1.0
LF=-1.0
LF=1.0
LF=1.0
-1.0
ES
1.0
ngulo de conformado: 87
Largo de faldilla : 20 mm
LF =
20 19
= 0.091
11
AC =
87 90
= 0 .6
5
ES =
1 .2 1 .2
=0
0 .4
RD =
2.5 4.75
= 1
2.25
AR
29
24
19
Fig. 3.9: Grfica de
14la respuesta para ngulo de resorteo
9
4
-1
-1
-.6
-.2
LF
.2
.6
-1
.2
-.2
-.6
.6
RD
RD
.6
.2
-.2
-.6
-1
-1
-.6
-.2
.2
LF
.6
AR
7.5
8.5
9.5
10.5
11.5
12.5
13.5
14.5
15.5
16.5
17.5
18.5