STATGRAPHICS Rev.

9/14/2006

Grfico ARIMA
Resumen
El procedimiento del Grfico ARIMA (AutoRegressive Integrated Moving Average Promedio Mvil Integrado Auto-Regresivo) crea grficos de control para una sola variable numrica donde los datos fueron recolectados individualmente o en subgrupos. En contraste con otros grficos de control, los grficos ARIMA no asumen que las observaciones sucesivas son independientes. En lugar, un modelo estadstico se construye para describir la correlacin serial entre las observaciones a lo largo del tiempo. Entonces las seales de un fuera-de-control se basan en las desviaciones del proceso de este modelo dinmico de serie del tiempo. Muchos procesos continuos, son muestreados en intervalos a lo largo del tiempo, que exhibirn el tipo de auto-correlacin que los grficos ARIMA estn diseadas para controlar. Los grficos de control estndares tendran que encontrar muchas falsas alarmas en tales casos. El procedimiento crea dos grficos, un grfico ARIMA y un grfico R, o grfico S, o grfico MR(2). Los grficos se pueden construir en cualquier modo de Estudio Inicial (Fase 1), donde los datos actuales determinan los lmites de control, o en modo Control del Estndar (Fase 2), donde los lmites provienen de un estndar conocido o de datos a priori.

Ejemplo StatFolio: ARIMA charts.sgp Datos del Ejemplo:

El archivo ARIMA charts.sf3 contiene una muestra de n = 120 mediciones de concentracin tomadas cada dos horas de un proceso qumico. Los datos son de Box, Jenkins, and Reinsel (1994). Una lista parcial de los datos en el archivo se muestran abajo: Sample (Muestra) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Concentration (Concentracin) 17.0 16.6 16.3 16.1 17.1 16.9 16.8 17.4 17.1 17.0 16.7 17.4 17.2 17.4 17.4

Un grfico de control individual estndar aplicado a estos datos nos muestra muchas seales de fuera-de-control: 2006 por StatPoint, Inc. Grfico ARIMA - 1

STATGRAPHICS Rev. 9/14/2006

Carta X para Concentration 18.4 18 17.6 17.2 16.8 16.4 16 0 20 40 60 Observacin 80 100 120 X LSC = 17.85 CTR = 17.01 LIC = 16.17

En una hora a otra hora, el proceso cambia claramente. An en un sentido a largo plazo, el proceso puede actualizarse para estar "en control", variando alrededor de una media con varianza constante estable.

Modelos ARIMA
La mayora de los grficos de control confan en un modelo estadstico simple. Se asume que los datos varan aleatoriamente alrededor de una media fija segn:

xj = + aj

(1)

donde aj es la asuncin de que las muestras aleatorias provienen de una distribucin normal con 2 media 0 y varianza constante a (llamada ruido blanco). El grfico ARIMA se construye sobre una clase de modelos ms complicados definida por:

z j = 0 + 1 z j 1 + 2 z j 2 + ... + p z j p + a j 1a j 1 2 a j 2 ... q a j q donde

z j = d x j

(2)

(3)

En este modelo, las mediciones en el periodo j, xj, estn relacionadas con las mediciones con el periodo previo p, un choque aleatorio para el proceso aj del periodo j, y choques aleatorios en los periodos previos q, despus de aplicar una diferencia de orden d si es necesario. Los choques representan un efecto aleatorio para el cual el proceso esta sujeto en cada periodo, por lo tanto se asume que provienen de una distribucin normal con media 0 y desviacin estndar a. . Los parmetros que definen este modelo son:

0 = constante 1, 2, , p = parmetros auto-regresivos

2006 por StatPoint, Inc. Grfico ARIMA - 2

1, 2, q = parmetros de promedio mvil

STATGRAPHICS Rev. 9/14/2006

El valor zj puede igualar cualquiera de las diferentes cantidades, dependiendo sobre el orden de diferenciacin d:

zj = xj z j = ( x j x j 1 ) z j = ( x j x j 1 ) ( x j 1 x j 2 )

para d = 0 (No Diferenciacin) para d = 1 (Primera Diferenciacin) para d = 2 (Segunda Diferenciacin) .

(4)
(5) (6)

La identificacin de un modelo apropiado ARIMA que se utilizar en cualquier instancia confa en las herramientas de la funcin de auto-correlacin, se encuentra en el procedimiento Mtodos Descriptivos dentro de Anlisis Series de Tiempo del men principal de STATGRAPHICS:
Autocorrelaciones Parciales Estimadas para Concentration 1 Autocorrelaciones Parciales 0.6 0.2 -0.2 -0.6 -1 0 5 10 retraso 15 20 25

La funcin de auto-correlacin muestra como la correlacin entre pares de valores (x j , x j k ) vara en funcin del anterior o nmero de periodos k entre ellos. Del comportamiento de la funcin de auto-correlacin y la funcin de auto-correlacin parcial relacionada, un analista experimentado podr seleccionar un buen modelo para un conjunto particular de datos. Para una discusin detallada de la identificacin y ajuste de un modelo ARIMA, ver Box, Jenkins and Reinsel (1994). Afortunadamente, aunque la forma general de un modelo ARIMA es muy complicado, los modelos ms simples realizan un buen trabajo en la modelacin de procesos de la vida real. El modelo por defecto utilizado por STATGRAPHICS es un modelo auto-regresivo de segundo orden AR(2) que tiene la forma ms simple:

x j = 0 + 1 x j 1 + 2 x j 2 + a j

(7)

Este modelo indica el promedio de las mediciones para el periodo j es igual a una constante, ms un mltiplo de los promedios en los dos periodos de tiempo previos, ms un choque aleatorio. Para procesos que varan alrededor de una media constante (procesos estacionarios), tal modelo

2006 por StatPoint, Inc.

Grfico ARIMA - 3

STATGRAPHICS Rev. 9/14/2006 es frecuentemente suficiente. Para una discusin de otras aplicaciones de los modelos ARIMA, ver Montgomery (2005).

Entrada de Datos
Hay dos alternativas del men para crear grficos ARIMA, una para datos individuales y otra para datos agrupados. En el caso de datos agrupados, las observaciones originales pueden ser incorporadas, o estadsticas del subgrupo. Caso #1: Individuales Los datos que se analizan consisten en una sola columna numrica que contiene n observaciones. Se asume que los datos se tomaron una vez en el tiempo.

Observaciones: Columna numrica que contiene los datos que se analizarn. Etiquetas: Etiquetas opcionales para cada observacin. Seleccin: Seleccin de un subconjunto.

Case #2: Datos Agrupados Observaciones Originales Los datos que se analizarn consisten en unas o ms columnas numricas. Se asume que los datos fueron tomados por grupos, en un orden secuencial por filas.

2006 por StatPoint, Inc.

Grfico ARIMA - 4

STATGRAPHICS Rev. 9/14/2006

Observaciones: Una o ms columnas numricas. Si se ingresa ms de una columna, cada fila del archivo es asumida para representar a un subgrupo, con tamao del subgrupo m igual al nmero de las columnas ingresadas. Si solamente se ingresa una columna, entonces el campo de tamao o nmero del subgrupo es utilizado para formar los grupos. Tamao o Nmero de Subgrupo: Si cada conjunto de m filas representa un subgrupo, ingrese el valor m. Por ejemplo, introducir 5 implica que los datos de la filas 1-5 forman el primer subgrupo, filas 6-10 forman el segundo subgrupo, etctera. Si los tamaos de los subgrupos no son iguales, ingresar el nombre de una columna numrica o no numrica adicional que contenga identificadores del subgrupo. El programa explorar esta columna y pondr filas secuenciales con cdigos idnticos en el mismo subgrupo. Etiquetas de Subgrupo: Etiquetas opcionales para cada subgrupo. Seleccin: Seleccin de un subconjunto.

Caso #3: Datos Agrupados Estadsticas de Subgrupos

En este caso, las estadsticas para cada subgrupo se han calculado en otra parte y se incorpora en la base de datos, como en la tabla de abajo:

2006 por StatPoint, Inc.

Grfico ARIMA - 5

STATGRAPHICS Rev. 9/14/2006

Simple (Muestra) 1 2 3 4 5

Jeans (Medias) 16.62 17.04 17.22 17.14 17.36

Ranges (Rangos) 0.187 0.053 0.092 0.058 0.023

Sizes (Tamaos) 5 5 5 5 5

Estadsticas de Subgrupo: Los nombres de las columnas que contengan las medias y rangos de los subgrupos. Tamao o Nmero de Subgrupo: Si todos los subgrupos contienen el mismo nmero de observaciones, ingrese el valor de n. De lo contrario, ingrese el nombre de una columna numrica que contenga los tamaos de los subgrupos. Etiquetas de Subgrupo: Etiquetas opcionales para cada subgrupo.

Seleccin: Seleccin de un subconjunto. 2006 por StatPoint, Inc.

Grfico ARIMA - 6

STATGRAPHICS Rev. 9/14/2006

Grfico ARIMA
El grfico ARIMA puede ser dibujado de diferentes maneras, dependiendo de la configuracin en Opciones del Anlisis. Para los modelos estacionarios en los cuales los datos varan alrededor de una media fija , un tipo estndar de una carta Shewhart puede desarrollarse.
Carta ARIMA para Concentration 19 LSC = 18.25 CTR = 17.00 LIC = 15.75

18

17

16

15 0 20 40 60 Observacin 80 100 120

En esta carta, los datos se dibujan alrededor de una lnea central localizada en con lmites de control en:
k z

(8)

donde k es un mltiplo (generalmente igual a 3) especificado sobre la seccin Grficos de Control de la caja de dialogo Preferencias, accesible desde el men Edicin. La media y desviacin estndar dependen sobre el modelo ARIMA seleccionado. Para un modelo AR(2),

=
y

0 (1 1 2 )

(9)

1 2 a2 z = 1 + 2 {(1 2 ) 2 12 }

(10)

En modo Estudio Inicial, los parmetros del modelo ARIMA son estimados usando el procedimiento de estimacin por mxima verosimilitud sin condicional con estimacin hacia atrs completa. La desviacin estndar de los choques aleatorios a puede estimarse usando el cuadrado medio del error (MSE) sobre el ajuste del modelo ARIMA o por medio del rango promedio, como se describe abajo. Note que los lmites de control para las concentraciones qumicas son considerablemente ms anchos que en el grfico X. La auto-correlacin entre mediciones sucesivas representa un tipo de comportamiento dinmico que causa que el proceso vari alrededor de su media de una manera seudo-peridica. La desviacin de estndar de las mediciones es consecuentemente cerca del 25% ms grande que la desviacin estndar de los choques aleatorios.

2006 por StatPoint, Inc.

Grfico ARIMA - 7

STATGRAPHICS Rev. 9/14/2006

Resumen del Anlisis

Este panel despliega el ajuste del modelo ARIMA y un resumen de los grficos de control.
Grfico ARIMA Individuos - Concentration
Nmero de observaciones = 120 0 observaciones excluidas Distribucin: Normal Transformacin: ninguna Carta ARIMA Perodo LSC: +3.0 sigma Lnea Central LIC: -3.0 sigma 1 fuera de lmites Carta MR(2) Perodo LSC: +3.0 sigma Lnea Central LIC: -3.0 sigma 2 fuera de lmites

#1-120 17.6255 17.0067 15.6256

#1-120 1.22844 0.375981 0.0

Estimados Perodo #1-120 Media de proceso 17.0007 Sigma de proceso 0.415913 MR(2) residual promedio 0.375981 Sigma de residuos 0.333316 Sigma estimada a partir del rango mvil promedio de residuos Resumen del Modelo ARIMA Parmetro Estimado Error Estnd. t Valor-P AR(1) 0.349114 0.0868699 4.01881 0.0001 AR(2) 0.335688 0.0869563 3.86043 0.0002 Media 17.0007 0.0954675 178.079 0.0000 Constante 5.35859 Histrico: si Varianza estimada del ruido blanco = 0.116811 con 117 grados de libertad Desviacin estndar estimada del ruido blanco = 0.341777

Se incluye en la tabla:

Informacin del Subgrupo: El nmero de observaciones y el tamao promedio de subgrupo. Distribucin: La distribucin asumida para los datos. Por defecto, se asume que los datos provienen de una distribucin normal. Sin embargo, se pueden seleccionar alguna de las otras 26 distribuciones cambiando la seleccin en Opciones del Anlisis. Transformacin: Cualquier transformacin puede ser aplicada a los datos. Usando Opciones del Anlisis, se puede elegir la transformacin de los datos una transformacin comn como raz cuadrada u optimizar la transformacin utilizando el mtodo de BoxCox.

2006 por StatPoint, Inc.

Grfico ARIMA - 8

STATGRAPHICS Rev. 9/14/2006

Grfico ARIMA: Un resumen de la lnea central y lmites de control para el grfico ARIMA, junto con un conteo de cualquier punto ms all de los lmites de control. Grfico MR(2)/R/S: Un resumen de la linea central y lmites de control para el grfico de dispersin. Estimacin: La estimacin de la media y desviacin estndar del proceso. El mtodo para la estimacin de sigma depende sobre la configuracin en la caja de dialogo de Opciones del Anlisis, descrita ms adelante. Media Residual MR(2), Rango Promedio, o Promedio S: El promedio de los valores dibujados sobre el grfico de dispersin. Resumen del Modelo ARIMA: Un resumen sobre la estimacin del modelo ARIMA. Para las mediciones de la concentracin qumica, el modelo es:

xj = 5.359 + 0.349 xj-1 + 0.336 xj-2+ aj

(11)

Cada coeficiente del modelo estimado se valida con una prueba de hiptesis t. Si el valor P asociado con el coeficiente seleccionado es menor que 0.05, con todos los coeficientes del modelo actual, entonces el coeficiente es significativamente diferente de 0 con un nivel de significancia del 5%. Tambin se muestra la estimacin de la media del $a = 0.342 . = 17.00 y la desviacin estndar de los choques aleatorios proceso

2006 por StatPoint, Inc.

Grfico ARIMA - 9

STATGRAPHICS Rev. 9/14/2006

Opciones del Anlisis

Tipo de Estudio: Se determina cmo se calcularan los lmites de control. Para un grfico en un Estudio Inicial (Fase 1), los lmites se estiman de los datos actuales. Para un grfico del Control de un Estndar (Fase 2), los lmites de control se determinan sobre la informacin en la seccin de Control de un Estndar en la caja de dilogo. Lmites de Control ARIMA: Especifica la k mltiple utilizada en la determinacin del lmite de control inferior y superior sobre el grfico ARIMA. Para suprimir un lmite completamente, ingresar 0. Lmites de Control MR(2): Especifica la k mltiple utilizada en la determinacin del lmite de control inferior y superior sobre el grfico MR(2), R, o S. Para suprimir un lmite completamente, ingresar 0. Control de un Estndar: Para desarrollar un anlisis de Fase 2, seleccionar Control de un Estndar en Tipo de Estudio e ingresar el estndar establecido la media y sigma del proceso (u otros parmetros si no se asume una distribucin normal) y los parmetros del modelo ARIMA. Modelo: Especifica el orden p de la proporcin auto-regresiva (AR) del modelo, el orden de diferenciacin d (I), y el orden q de la proporcin de promedios mviles (MA) del modelo. Si d > 0, el termino de la constante 0 puede removerse.

2006 por StatPoint, Inc.

Grfico ARIMA - 10

STATGRAPHICS Rev. 9/14/2006 Estimacin de Sigma: Especifica si la desviacin estndar de los choques aleatorios a se debe estimar del grfico de rango, o se estima del cuadrado medio del error residual sobre la estimacin del modelo ARIMA.
Tipo de Grfico: El grfico ARIMA puede construirse de cualquiera de las siguientes cuatro formas: 1. Datos con Lmites a Largo Plazo Dibuja las medias de subgrupos con lmites definidos por
k z

(12)

2. Datos con Lmites de Un-Paso - Dibuja las medias de subgrupos con lmites definidos por a j ( j 1) k z (13)

$ j ( j 1) es la esperanza condicional de z en el periodo j encontrando toda la donde z

informacin a travs del periodo j - 1. Por ejemplo, la esperanza condicional para la observacin en un periodo j usando el ajuste del modelo AR(2) para la concentracin es j ( j 1) = 5.359 + 0.349 z j 1 + 0.336 z j 2 z 3. Residuales Dibuja los residuales definidos por
$j = zj z $ j ( j 1) a

(14)

(15)

4. Residuales Normalizados - Dibuja los residuales normalizados definidos por j / a a

(16)

Botn de Transformacin: Use este botn para especificar una transformacin o una distribucin no normal.

Para una discusin de las propiedades de Transformacin, vea la documentacin de Grficos de Control para Individuos.

2006 por StatPoint, Inc.

Grfico ARIMA - 11

STATGRAPHICS Rev. 9/14/2006 Ejemplo Datos con Lmites de Un-Paso

Carta ARIMA para Concentration 19 LSC = 17.63 CTR = 17.01 LIC = 15.63

18

17

16

15 0 20 40 60 Observacin 80 100 120

Esta forma de grfico dibuja los lmites sigma alrededor de la observacin esperada en el tiempo j, encontrando toda la informacin a travs del tiempo j - 1. Esto es til para determinar si un evento inusual ha ocurrido en el periodo de tiempo j. En este formato, estaremos mirando los choques locales del sistema, ms bien que tomar una vista global de las desviaciones del proceso con respecto de su media. Ejemplo - Residuales
Carta de Residuos ARIMA para Concentration 1.4 1 0.6 Residuo 0.2 -0.2 -0.6 -1 0 20 40 60 Observacin 80 100 120 LSC = 1.00 CTR = 0.00 LIC = -1.00

Esta forma de grfico dibuja los choques estimados del sistema. Las seales de fuera-de-control sern las mismas que para el grfico con lmites de un-paso.

Grfico MR(2)/R/S
Un segundo grfico tambin es incluido para monitorear la variabilidad del proceso.

2006 por StatPoint, Inc.

Grfico ARIMA - 12

STATGRAPHICS Rev. 9/14/2006

Carta MR(2) para Residuos 1.8 1.5 1.2 MR(2) 0.9 0.6 0.3 0 0 20 40 60 Observacin 80 100 120 LSC = 1.23 CTR = 0.38 LIC = 0.00

Para datos individuales, la carta que se despliega es un grfico MR(2), descrita en la documentacin de Grficos de Control Individuales. Para datos agrupados, un grfico R (Rango) o S (Sigma) ser presentado, dependiendo de la configuracin en la seccin Grficos de Control de la caja de dialogo de Preferencias:

Ests cartas se describen en la documentacin sobre Grfico X-Barra-R o Grfico XBarra-S. El grfico de dispersin siempre ser creado usando los residuales de la estimacin del modelo.

Opciones del Panel

Lmites de Precaucin Externos: Active esta caja para agregar Limites de Precaucin Externos en una sigma especificada, generalmente se trabaja en 2 sigma.

2006 por StatPoint, Inc.

Grfico ARIMA - 13

STATGRAPHICS Rev. 9/14/2006

Lmites de Precaucin Internos: Active esta caja para agregar Limites de Precaucin Internos en una sigma especificada, generalmente se trabaja en 1 sigma. Promedio Mvil: Activando esta caja se agrega un suavizado de Promedio Mvil en el grfico. Adicionalmente a las medias de los subgrupos, el promedio del ms reciente q puntos ser presentado, donde q es el orden del Promedio Mvil. El valor por omisin es q = 9 puesto que los lmites de precaucin internos a 1 sigma para las medias originales de los subgrupos son equivalentes a lmites de control a 3 sigma para el orden del Promedio Mvil. Promedio Mvil Exponencialmente Ponderado (EWMA): Activar esta caja para agregar un suavizado EWMA sobre el grfico. Adicionalmente a las medias de subgrupos, un promedio mvil exponencialmente ponderado de las medias de subgrupos ser presentado, cuando es el parmetro suavizado de la EWMA. El valor por omisin = 0.2 puesto que los lmites de precaucin interno en 1 sigma para las medias originales de los subgrupos son equivalentes a lmites de control a 3 sigma en la EWMA. Decimales para los Lmites: El nmero de decimales utilizados para presentar los lmites de control. Marcar Violaciones a Reglas de Corridas: Banderas con un smbolo especial en el punto para cualquier secuencia o corrida inusual (no aleatoria). Las reglas de corridas aplican por omisin a las especificadas en la seccin Pruebas de Corridas dentro de la caja de dialogo Preferencias. Color de Zona: Activar esta caja para desplegar colores de zona, verde, amarrillo y rojo.

2006 por StatPoint, Inc.

Grfico ARIMA - 14

STATGRAPHICS Rev. 9/14/2006

Reporte del Grfico ARIMA

Reporte de Carta ARIMA para Individuos Observaciones Fuera de Lmites * = Fuera de Lmites Observacin Residuo MR(2) 44 0.80649 * 1.68268 64 * 1.17299 * 1.57187

Los puntos con fuera-de-control son marcados con un asterisco (*). Los puntos excluidos de los clculos con marcados por una equis (X).

Opciones del Panel

Desplegar: Especifica las observaciones o subgrupos a desplegar en el reporte.

Prueba de Corridas
Si el tipo de grfico ARIMA seleccionado fue dibujar los residuales, entonces el panel de Pruebas de Corridas despliega los resultados de las pruebas estndares designadas para detectar una secuencia de puntos anormales.
Runs Tests Reglas (A) secuencias arriba o abajo de la lnea central con longitud 8 o mayor. (B) secuencias arriba o abajo de longitud 8 o mayor. (C) conjuntos de 5 observaciones con al menos 4 ms all de 1.0 sigma. (D) conjuntos de 3 observaciones con al menos 2 ms all de 2.0 sigma. Violaciones Observacin 65 87 88 89 90 91 92 93 94

Carta de Residuos

Carta MR(2) D A A A A A A A A

Para una descripcin ms detallada de estas pruebas, ver la documentacin Grficos X-Barra-R.

2006 por StatPoint, Inc.

Grfico ARIMA - 15

STATGRAPHICS Rev. 9/14/2006

Opciones del Panel

Seleccione las pruebas de corridas a ser aplicadas y los parmetros que definen estas pruebas. Por ejemplo, algunos practicantes prefieren probar corridas con 7 puntos en lugar de 8.

Funcin de Auto-Correlacin Residual

$j : El grfico de la Funcin de Auto-Correlacin Residual grafica las auto-correlaciones de a
Autocorrelaciones de Residuos para Concentration 1 0.6 0.2 -0.2 -0.6 -1 0 4 8 12 lag 16 20 24

La auto-correlacin mide la relacin entre los residuales en una separacin especificada del tiempo, llamado "lag". Si el modelo seleccionado ARIMA se ajusta bien sobre los datos, los residuales deben aleatorizarse y todas las barras deben permanecer dentro de los lmites de probabilidad indicados. Cualquier barra que se extienda ms all de los lmites indicados tiene auto-correlacin estadsticamente significativa entre los residuales separados por un nmero de perodos indicados. El grfico antedicho muestra dos pequeas auto-correlaciones significativas, en las separaciones de los perodos 7 y 14. Puesto que las mediciones fueron tomadas una vez cada dos horas, podra haber un ciclo en los datos con un perodo de 14 horas. Observe sin embargo que las correlaciones fuertes son en los lags ms bajos sobre las mediciones originales que han sido consideradas por el modelo AR(2).

2006 por StatPoint, Inc.

Autocorrelatciones

Grfico ARIMA - 16

STATGRAPHICS Rev. 9/14/2006

Opciones del Panel

Nmero de Lags: Mximo lag para estimar la auto-correlacin. Nivel de Confianza: Nivel usado para calcular los limites de probabilidad.

Funcin de Auto-Correlacin Parcial Residual

La funcin de auto-correlacin parcial residual es usada para determinar si trminos adicionales AR deben agregarse al modelo.
Autocorrelaciones Parciales de Residuos para Concentration 1 Autocorrelaciones Parciales 0.6 0.2 -0.2 -0.6 -1 0 4 8 12 lag 16 20 24

Si los valores en los lags ms bajos estn ms all de los lmites de probabilidad, entonces el orden del modelo AR tiene que ser aumentado. En este caso, el modelo AR(2) parece ser suficiente para describir la mayora de la correlacin en los datos. Una vez ms una correlacin posible se indica en el lag 7, que valdra la pena investigar.

Opciones del Panel

Nmero de Lags: Mximo lag para estimar la auto-correlacin. Nivel de Confianza: Nivel usado para calcular los limites de probabilidad.

2006 por StatPoint, Inc.

Grfico ARIMA - 17

STATGRAPHICS Rev. 9/14/2006

ndices de Capacidad
El panel para ndices de Capacidad despliega los valores de los ndices seleccionados que miden que tan bien se conforman los datos con los lmites de especificacin.
ndices de Capabilidad para Concentration Especificaciones LSE = 18.5 Nom = 17.0 LIE = 15.5 Corto Plazo Largo Plazo Capabilidad Desempeo Sigma 0.415913 0.422027 Cp/Pp 1.20217 1.18476 Cpk/Ppk 1.20161 1.1842 Cpk/Ppk (superior) 1.20161 1.1842 Cpk/Ppk (inferior) 1.20274 1.18532 Con base en lmites 6.0 sigma. La sigma de corto plazo se estim a partir del rango mvil promedio.

Los ndices reportados por defecto dependen sobre la configuracin en la seccin Capacidad dentro de la caja de dialogo Preferencias. Una discusin ms detallada de estos ndices puede consultarse en la documentacin para Capacidad del Proceso (Variables).

Opcin del Panel

ndices: Seleccione el ndice a ser presentado. Especificaciones: La especificacin del lmite superior o inferior, nominal o valor objetivo. Cualquiera de estas entradas puede dejarse en blanco si no son relevantes.

2006 por StatPoint, Inc.

Grfico ARIMA - 18

STATGRAPHICS Rev. 9/14/2006

Grabar Resultados
Los siguientes resultados pueden grabarse en la base de datos, dependiendo si los datos son individuales o agrupados: 1. 2. 3. 4. 5. 6. 7.

Observaciones Las observaciones originales o promedios de subgrupos. Rangos, sigmas, o rangos mviles Los valores dibujados sobre el grfico de dispersin. Tamaos El tamao de los subgrupos. Etiquetas Las etiquetas de los subgrupos. Media de Proceso La estimacin de la media del proceso. Sigma de Proceso La estimacin de la desviacin estndar del proceso. Residuales Los residuales del modelo ARIMA.

Clculos Para ms informacin sobre la estimacin de los modelos ARIMA, ver la documentacin de Predicciones.

2006 por StatPoint, Inc.

Grfico ARIMA - 19