Академический Документы
Профессиональный Документы
Культура Документы
Sociedad Nacional de
Industrias.
Centro de Desarrollo
Industrial
Wilfredo Elas Pimentel Serrano,
Edicin 2013
Edicin 2013
INTRODUCCION
Lean Six Sigma, es una de las estrategias de gestin ms completas y con ms
xito de los ltimos 25 aos, permite la consecucin de niveles de eficacia y
eficiencia, absolutamente extraordinarios: 3.4 defectos por milln de
oportunidades, concentrndose en los procesos de negocio y en los
componentes que comprometen esos procesos.
Es un enfoque disciplinado, que busca eliminar los defectos que ocurren en los
productos, procesos y transacciones de la organizacin, disminuyendo el costo
de las operaciones y de los bienes, sobre la base del procesamiento estadstico
de la informacin y el uso de las herramientas Lean. Es un proceso prctico y
activo que logra resultados, ha demostrado ser la va ms rpida para mejorar
los procesos con una estrategia que conduce a la excelencia y eficiencia de
clase mundial.
Considerando la necesidad de apoyar el sostenimiento de las empresas en la
regin, el BID viene auspiciando la implementacin de esta metodologa en el
Per, a travs del Programa Optisigma que es conducido por el Centro de
Desarrollo Industrial de la SNI. Los logros alcanzados por los Proyectos Lean Six
Sigma son presentados en la Semana de la Calidad anualmente.
El CDI tiene la responsabilidad de multiplicar este programa por lo que busca el
perfeccionamiento de nuestros futuros Black Belts y Green Belts. El presente
Manual de Intervencin Pas, pretende ayudar en la formulacin de ms
proyectos Lean Six Sigma y descubrir nuevas oportunidades para que las
empresas en diferentes sectores, organismos pblicos y privados, puedan
beneficiarse en la mejora de sus procesos en forma rpida con alto impacto,
esfuerzos razonables y mnimo riesgo.
En ese sentido, el presente material, est centrado en desarrollar la metodologa
del Lean Six Sigma, teniendo como soporte el uso del Minitab para los
desarrollos estadsticos. Consideramos que la profundizacin de los conceptos
estadsticos por la amplitud y profundidad requiere ser complementados con la
lectura de material especializado en cada tema.
El Manual focaliza cada una de las fases del Lean Six Sigma, as como los
contenidos mnimos con los cuales se puede formular el proyecto. Solo el trabajo
sostenido y la profundizacin en el estudio le permitirn al Black Belt tener
avances ms especficos y pueda ir incorporando mayores conceptos que le
permitan obtener las mejores soluciones en sus proyectos.
Director del CDI
Edicin 2013
INDICE
Edicin 2013
1. Objetivos
2. Estadstica Bsica y las 7 herramientas de Calidad
2.1
Estadstica Bsica
2.2
Las 7 Herramientas de Calidad
3. Anlisis del Modo y Efecto de Falla
3.1
AMEF
3.2
Propsito del AMEF
3.3
Tipos de AMEF
3.4
Modos de Fallas, Efectos y Causas
3.5
Numero de Prioridad de Riesgo
3.6
Procedimiento para la elaboracin de un AMEF de Proceso
4. Prueba de Hiptesis
4.1
Prueba de Hiptesis
4.2
Estadstico de Prueba
4.3
Tipos de Errores
4.4
Resumen de Pruebas de Hiptesis
5. Anlisis de Regresin y Correlacin
5.1
Relaciones entre variables
5.2
Metodologa del Anlisis de Regresin
5.3
Diagrama de Dispersin
5.4
Coeficiente de Correlacin de Pearson
5.5
Regresin Simple
5.6
Regresin Mltiple
5.7
Regresiones No Lineales
6. Anlisis de Varianzas
6.1
ANOVA de un Factor o Direccin
6.2
ANOVA de Diseo en Cuadrada Latino
7. Tablas de Contingencia
7.1
Tablas de Contingencia
7.2
Prueba Chi Cuadrada
Caracterstica
Critica de
Calidad
Mediciones
Prueba de
Hipotesis
Herramientas de
Calidad
Causa Raz
Diagramas Flujo
del Proceso
Fase Mejorar
Edicin 2013
AMEF
ANALISIS DEL
MODO EFECTO
Y FALLA
Objetivos
Esta fase tiene como objetivo identificar las causas de variacin y defectos en el
proceso. Se formulan las hiptesis sobre las posibles Causas Raz y se
desarrollan las pruebas estadsticas que permiten determinar cules son las
causas reales. Se afinan cules son los objetivos definitivos de mejora y los
ahorros por alcanzar.
Edicin 2013
Estadstica Bsica
Edicin 2013
PROCESO:
N 1
SUBPROCESO:
RESPONSABLE:
FUENTE:
Mediana
Xm =
-------------------------------------------------------------------------n
Moda
Identificar el
dato que ms
se repite. El
valor de la
moda
corresponder
al dato que
se repita con
mayor
frecuencia
valores extremos, que se aparten en exceso del resto de la serie. Estos valores podran
condicionar en gran medida el valor de la media, perdiendo representatividad.
Edicin 2013
OBSERVACIONES
La Media Aritmtica, presenta el problema de que su valor se puede ver muy influido por
Medidas de Dispersin
10
N 2
SUBPROCESO:
RESPONSABLE:
DEFINICION (Que significa)
Varianza: Mide la distancia existente entre los valores de la serie y la media
Desviacin Estndar : Raz cuadrada de la varianza
Rango: Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el
valor ms bajo
Medidas de Dispersin
1 La varianza ser siempre un valor positivo o cero,
1. Varianza: Es la medida de dispersin ms importante en el caso de que las puntuaciones sean iguales.
en la Estadstica, est asociada su clculo a la media
Aritmtica. La varianza es siempre un valor positivo (x) 0 ,
sus unidades estn siempre dadas al cuadrado.
2. Desviacin estndar. La desviacin estndar mide
la dispersin de los datos respecto del promedio
OBSERVACIONES
1 La varianza, al igual que la media, es un ndice muy sensible a las puntuaciones extremas.
2 En los casos que no se pueda hallar la media tampoco ser posible hallar la varianza.
3 La varianza no viene expresada en las mismas unidades que los datos, ya que las desviaciones
estn elevadas al cuadrado..
Edicin 2013
11
2.2
Edicin 2013
12
Histogramas
CUADRO BASE: HERRAMIENTAS DE CALIDAD
NOMBRE:
Histograma
PROCESO:
SUBPROCESO:
RESPONSABLE:
DEFINICION (Que significa)
Es la presentacin de datos en forma ordenada, mediante un grfico constituido por rectngulos
de igual ancho y altura proporcional a las cantidades que representan
PROPSITO (Para que sirve)
La naturaleza grfica del histograma permite ver pautas que son difciles de observar en una
simple tabla numrica, adems permite resaltar el centro y la dispersin de los datos de la
muestra. La sencillez de construccin e interpretacin de los histogramas hace de ellos una
herramienta efectiva para el anlisis elemental de datos. Por otro lado permite clarificar el patrn
de variacin y por ende desarrollar una explicacin razonable de dicha variacin.
UTILIZACIN (Como se aplica)
Edicin 2013
1. Determinar el rango de los datos: RANGO es igual al dato mayor (D1) menos el dato menor
(D2); R = D1 - D2
2. Clculo del nmero de clase: Un criterio usado frecuentemente es que el nmero de clases
debe ser aproximadamente la raz cuadrada del nmero de datos, por ejemplo, la raz cuadrada
de 30 (nmero de artculos) es mayor que cinco, por lo que se seleccionan seis clases. Nc = 6
3. Clculo de longitud de clase: Es igual a la divisin entre el rango y el nmero clase (aproximar
a nmero ms cercano). LC = R / Nc
4. Construir los intervalos de clases: Los intervalos resultan de dividir el rango de los datos en
relacin al resultado del PASO 2 en intervalos iguales.
5. Realizar tabla de frecuencias: En el se exponen la frecuencia de cada intervalo de clase y en
ocasiones, segn sea necesario, la frecuencia acumulada (se obtiene de dividir cada frecuencia
con el total de la muestra y se suman progresivamente) Nota: La frecuencia es el nmero de
veces que se repite un dato
6. Graficar el histograma: Se hace un grfico de barras, las bases de las barras son los
intervalos de clases y altura son la frecuencia de las clases. Si se unen los puntos medios de las
bases superiores de los rectngulos se obtiene el polgono de frecuencias.
PASO 7 Identificar y clasificar el patrn de variacin; desarrollar una explicacin lgica y
pertinente del patrn.
13
Diagrama de Pareto
CUADRO BASE: HERRAMIENTAS DE CALIDAD
NOMBRE:
Diagrama de Pareto
PROCESO:
N 2
SUBPROCESO:
RESPONSABLE:
DEFINICION (Que significa)
El Diagrama de Pareto es un grfico de barras verticales, que representa factores sujetos
a estudio en forma ordenada de ocurrencia o de importancia, de mayor a menor, con el
objeto de determinar qu problemas resolver y en qu orden realizarlos.
PROPSITO (Para qu sirve)
Sirve para que se pueda asignar un orden de prioridades de no conformidades,
reprocesos, reclamos, etc. Mediante el Diagrama de Pareto se pueden detectar los
problemas que tienen ms relevancia mediante la aplicacin del principio de Pareto
(pocos vitales, muchos triviales) que dice que hay muchos problemas sin importancia
frente a solo unos graves.
UTILIZACIN (Como se aplica)
1. Decidir el problema a investigar y como recolectar los datos.
2. Estratificar, en la medida de lo posible, los datos segn diferentes causas, tipos de no
conformidades, etc.
3. Construir un histograma de frecuencias.
4. Dibujar un polgono de frecuencias acumulado, uniendo los puntos graficados como
frecuencias acumuladas.
Edicin 2013
OBSERVACIONES
14
PROCESO:
N 3
SUBPROCESO:
RESPONSABLE:
DEFINICION (Que significa)
Muestra la relacin entre una caracterstica de la calidad y sus factores causales.
PROPSITO (Para qu sirve)
El empleo de este diagrama facilita en forma notable el entendimiento y compresin del proceso,
ya que es necesaria la participacin de todo el personal involucrado en el proceso para su
construccin y uso. Adems, este diagrama, ilustra claramente las diferentes causas que afectan
un proceso, identificndolas y relacionndolas unas con otras. Para cada efecto surgirn varias
categoras de causas principales que pueden ser resumidas en las llamadas 6 Ms: Mano de
obra, mquinas, mtodos. Materiales Mediciones y Medio Ambiente.
UTILIZACIN (Como se aplica)
1. Describir el defecto o la caracterstica de la calidad.
2. Seleccionar una caracterstica de la calidad y escribirla en el extremo derecho de la flecha
horizontal principal.
3. Elaborar una lista con todos los factores que podran tener influencia sobra la caracterstica de
la calidad con la participacin de todos los integrantes del equipo de trabajo. Se recomienda
aplicar la tcnica de lluvia de ideas.
4. Estratificar estos factores de acuerdo a las 6 Ms. Sobre las ramas de los factores principales
anotar los subfactores que afectan o influencian los principales.
Edicin 2013
OBSERVACIONES
15
Diagrama de Dispersin
Diagrama de Dispersin
PROCESO:
SUBPROCESO:
RESPONSABLE:
DEFINICION (Que significa)
Un diagrama de dispersin es una representacin grfica de la relacin entre dos variables,
muy utilizada en las fases de Comprobacin de teoras e identificacin de causas raz.
PROPSITO (Para qu sirve)
Establecer el grado de correlacin existente entre dos factores, dos variables o dos causa.
Si existe correlacin al controlar la(s) variable(s) independiente(s), se est controlando el
efecto del factor dependiente.
UTILIZACIN (Como se aplica)
1. Recolectar de 50 a 100 pares de datos (X,Y), pero al menos 30 pares, cuyas relaciones
se desean estudiar, y preparar una tabla.
2. Decidir las escalas a utilizar en las abscisas y en las ordenadas de manera que ambas
longitudes sean aproximadamente iguales. Cuando las variables sean un factor y una
caracterstica de la calidad, usar la abscisa para el factor y la ordenada para la
caracterstica de la calidad.
3. Registrar los datos en el grfico. Cuando se obtengan los mismos valores para diferentes
observaciones, se registran estos puntos haciendo crculos concntricos, una o ms veces.
4. Registrar todos los aspectos que puedan ser de utilidad, tales como: Titulo del diagrama,
periodo de tiempo, numero de pares de datos, ttulos y unidades de cada eje, nombre de la
persona que hizo el diagrama, etc.
Edicin 2013
OBSERVACIONES
16
Lluvia de Ideas
CUADRO BASE: HERRAMIENTAS DE CALIDAD
NOMBRE: Brainstorming o
N 5
Lluvia de ideas
PROCESO:
SUBPROCESO:
RESPONSABLE:
DEFINICION (Que significa)
Es una herramienta de trabajo grupal que facilita el surgimiento de nuevas ideas sobre un tema o
problema determinado. La lluvias de ideas (Brainstorming), es una tcnica de grupo para generar
ideas originales en un ambiente relajado.
PROPSITO (Para qu sirve)
La lluvia de ideas se utiliza cuando exista la necesidad de: liberar la creatividad de los equipos,
generar un nmero extensos de ideas, involucrar oportunidades para mejorar; permitiendo:
plantear y resolver los problemas existentes, plantear posibles causas y soluciones alternativas,
desarrollar la creatividad, discutir conceptos nuevos y superar el conformismo y la monotona.
UTILIZACIN (Como se aplica)
1. Se define el tema o el problema. Se nombra a un conductor del ejercicio.
2. Se emiten ideas libremente sin extraer conclusiones en esta etapa, sin criticarlas. Se listan las
ideas sin repetirlas.
3. El ejercicio termina cuando ya no existen nuevas ideas
4. Se analizan, evalan y organizan las mismas, para valorar su utilidad en funcin del objetivo que
pretenda lograr con el empleo de esta tcnica.
Edicin 2013
OBSERVACIONES
17
Estratificacin
N 6
PROCESO:
SUBPROCESO:
RESPONSABLE:
DEFINICION (Que significa)
Es una herramienta de trabajo grupal que facilita la segmentacin de una condicin macro, por
medio del cual se describe con ms detalle las diferentes estructuras de sus partes, es una tcnica
de grupo para focalizar determinadas caractersticas de una condicin macro en unidades de
menor tamao y ms compactas que puedan ser analizadas con mayor facilidad
PROPSITO (Para qu sirve)
La segmentacin se utiliza para tener una mejor comprensin de la condicin macro, por ejemplo
si se desea evaluar una condicin de data mensualizada, se puede estratificar en semanas, luego
en das. Permite que las unidades de anlisis sean mejor comprendidas, de manera que se pueda
establecer condiciones ms especficas de anlisis.
UTILIZACIN (Como se aplica)
1. Se define la condicin Macro.
2. Se emiten ideas libremente las diferentes caractersticas por medio de las cuales se puede
desarrollar una estratificacin.
3. El ejercicio termina cuando ya se han identificado las unidades base en las cuales deseamos
expresar las condiciones de anlisis
4. Se analizan, evalan y organizan cada una de las unidades estratificadas, para valorar su
utilidad en funcin del objetivo que pretenda lograr con el empleo de esta tcnica.
Edicin 2013
OBSERVACIONES
18
3.1
AMEF
El AMEF o FMEA por sus siglas en ingls ( Failure Mode and Effect Analisis) es
una tcnica esencialmente de accin preventiva que fu utilizada por primera vez
en 1960 en la Industria Aeroespacial durante la misin del Apolo, posteriormente
en 1974 se desarrolla el estndar MIL-STD-1629, Procedure for Performing a
Failure Mode, Effects and Criticality Analysis.
Permite detectar anticipadamente los posibles modos de falla, es considerado
como un enfoque sistematizado de actividades para: Reconocer y Evaluar Fallas
Potenciales y sus Efectos.
3.2
Edicin 2013
19
3.3
AMEF de Proceso:
Edicin 2013
3.4
han sido
20
Modo de Falla
Es la forma en que un producto o proceso puede fallar para cumplir con las
especificaciones o requerimientos en cada una de las reas sensibles que se ha
determinado. Usualmente responde a la siguiente pregunta:
Proceso
No satisface expectativas
Excesivas consideraciones
Produccin
innecesaria,
mermas, reprocesos
Resultados inesperados
Efecto
Proceso
Rechazos
Errores en la produccin
Altos costos
Producto deficiente
Interrupcin del proceso
Pedida de recursos
Edicin 2013
21
Causa
Es la variable que genera el Modo de Falla. Son las fuentes de variacin donde
ocurre el Modo de Falla.
Es la clave que incide en las variabilidades del proceso, se les conoce como
Variables de Entrada (KPIVs)
Cules son las causas potenciales de la falla?
3.5
Diseo
Proceso
Error de desempeo
No cumple requerimientos
Mecanismos con fallas
Error tipogrfico en
documentos
Nmero incorrecto de rdenes
de compra, produccin, etc.
Prdida de llamadas en hora
pico
Edicin 2013
22
3.6
Edicin 2013
23
Edicin 2013
24
Clculos
Anlisis de elementos limitados
Revisiones de Diseo
Prototipo de Prueba
Prueba Acelerada
Calificacin
Remota FALLAS
ESCASAS
Muy Poca
Poca
Moderada
Alta
Muy Alta
Probabilidad
de Falla
Criterios
1 en 5,000
1 en 500
1 en 100
1 en 50
1 en 10
1 en 5
10
>1 en 3
Edicin 2013
Ocurrencia
25
AMEF
Proceso
AMEF DE:
Diseo
Diseo/Proceso
Descripcin
Gerencia:
Departamento:
Nmero:
Modelo:
Formulado por:
Departamentos involucrados:
Situacin Actual
Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso
Modo de Falla
Efecto de la Falla
Acciones
Actuales
O
C
U
R
No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3
postulantes
ingreso
Informacion
Incompleta
Proceso Admision
en la Universidad
Causa de la
Falla
1. Etapa de
Convocatoria
S
E
V
E
D
E
T
E
NPR
Acciones
Recomendadas
Responsable
Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas
O
C
U
R
S
E
V
E
D
E
T
E
NPR
Ocurrencia de la causa
de la falla potencial. Se
utiliza una escala de
evaluacin del 1 al 10
CARACTERISTICA CRITICA DE
CALIDAD
CTQ
Calificacin
Criterio
No
Muy poco
Poco
Menor
Moderado
Significativo
Alto
7,8
Muy Alto
Extremo
10
Edicin 2013
Efecto
26
CENTRO DE DESARROLLO INDUSTRIAL
AMEF
ANALISIS DEL MODO Y EFECTO DE LA FALLA
AMEF No.
FECHA DE JUNTA DE REVISION:
AMEF DE:
Proceso
Diseo
Diseo/Proceso
Descripcin
Gerencia:
Departamento:
Nmero:
Modelo:
Formulado por:
Departamentos involucrados:
Situacin Actual
Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso
Modo de Falla
Informacion
Incompleta
Proceso Admision
en la Universidad
1. Etapa de
Convocatoria
Efecto de la Falla
Causa de la
Falla
Acciones
Actuales
O
C
U
R
S
E
V
E
No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3 10
postulantes
ingreso
D
E
T
E
NPR
Acciones
Recomendadas
Responsable
Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas
O
C
U
R
S
E
V
E
D
E
T
E
NPR
Probabilidad
Calificacin
Criterio
Muy Alta
Muy Alta
Alta
Alta
Moderada
Moderada
Edicin 2013
Baja
Muy Baja
10
Remota
Casi Imposible
27
AMEF
ANALISIS DEL MODO Y EFECTO DE LA FALLA
AMEF No.
FECHA DE JUNTA DE REVISION:
AMEF DE:
Proceso
Diseo
Diseo/Proceso
Descripcin
Gerencia:
Departamento:
Nmero:
Modelo:
Formulado por:
Departamentos involucrados:
Situacin Actual
Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso
Modo de Falla
Informacion
Incompleta
Proceso Admision
en la Universidad
1. Etapa de
Convocatoria
Efecto de la Falla
Causa de la
Falla
Acciones
Actuales
O
C
U
R
S
E
V
E
D
E
T
E
NPR
Acciones
Recomendadas
No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3 10 2
postulantes
ingreso
Responsable
Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas
O
C
U
R
S
E
V
E
D
E
T
E
NPR
Se estimar la probabilidad
de que el modo de falla
potencial sea detectado antes
de que llegue al cliente. El 1
indicar alta probabilidad de
que la falla se pueda detectar.
El 10 indica que es
improbable ser detectada
Edicin 2013
CARACTERISTICA CRITICA DE
CALIDAD
CTQ
f.
28
Deteccin
RPN
Resultado
1
10
1
10
10
1
10
1
1
10
100
10
100
10
100
1000
Proceso Exitoso
Redisear el Sistema de Control
Redisear el Proceso y el Sistema
de Control
No entregar al cliente
No entregar al cliente
Redisear el Proceso
No entregar al cliente
Redisear el Sistema
1
1
1
10
10
1
10
1
1
10
10
10
10
10
Tablas weps/julio 2013
AMEF
Diseo/Proceso
Descripcin
Gerencia:
Departamento:
Nmero:
Modelo:
Formulado por:
Departamentos involucrados:
Situacin Actual
Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso
Modo de Falla
Informacion
Incompleta
Proceso Admision
en la Universidad
1. Etapa de
Convocatoria
Efecto de la Falla
Causa de la
Falla
Acciones
Actuales
O
C
U
R
S
E
V
E
D
E
T
E
No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3 10 2
postulantes
ingreso
NPR
Acciones
Recomendadas
60
CARACTERISTICA CRITICA DE
CALIDAD
CTQ
Responsable
Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas
O
C
U
R
S
E
V
E
D
E
T
E
NPR
Edicin 2013
AMEF DE:
Proceso
Diseo
g. Acciones recomendadas:
29
Edicin 2013
30
Pruebas de Hiptesis
4.1
Pruebas de hiptesis
Identificacin de hiptesis
Hiptesis nula Ho
La que contrastamos
Los datos pueden refutarla
No debera ser rechazada
sin una buena razn.
Hip. Alternativa Ha
Niega a H
0
Los datos pueden mostrar
evidencia a favor
No debera ser aceptada sin una
gran evidencia a favor.
Qu hacer: La teora
no coincide con sus
predicciones?
40
Edicin 2013
X 20
Hiptesis nula Ho
31
4.2
Estadstico de prueba
Edicin 2013
32
Edicin 2013
33
4.3
Tipos de errores
Ho en realidad es
Verdadera
Ho en realidad es falsa
No hay evidencia
para rechazar Ho
p = 1-
p=
Decisin correcta
Error tipo II
Rechazar Ho
p=
p=1-
Error tipo I
Decisin correcta
Edicin 2013
Decisin realizada
34
Resumen de Pruebas de Hiptesis
Edicin 2013
4.4
35
Pruebas de VARIANZA
Data Normal
Data No Normal
Homogeneidad de
Varianza de
Levene
si se cumple la condicin de
Homogeneidad homogeneidad de varianzas o
de Varianza de homoscedasticidad, de esta condicin
Barlett
depender la formulacin del
contraste de medias.
Pruebas de PROMEDIOS
Prueba t de
2 muestras
ANOVA 1
Factor
Data No Normal
Comparar la media de dos muestras
relacionadas y determinar si existen
diferencias entre ellas. Se utiliza como
alternativa a la prueba t de Student
cuando no se puede suponer la
normalidad de dichas muestras
Prueba de
Mann
Whitney
Prueba de
KruskalWallis
Edicin 2013
Prueba t de
1 muestra
Data Normal
Permite contrastar hiptesis referidas a una
media poblacional. Si tenemos una muestra, a
travs de esta prueba podemos contrastar la
Prueba de
hiptesis nula de igualdad de la muestra con
Signos o
respecto a la poblacin de la que se extrae.
Wilcoxon
Para esto, tendramos que conocer la media de
la poblacin
ANOVA 2
Factores
Correlacin
El
Coeficiente
de
Correlacin
de
Spearman
36
Edicin 2013
Regresin
37
Facilita el estudio de las posibles relaciones entre las variables y siempre que
estos sean de naturaleza cuantitativa. Es importante tener en cuenta que estas
observaciones deben pertenecer a un mismo grupo de unidades observadas
Expresa matemticamente la relacin existente entre las variables de
estudio siempre en cuando sta sea posible.
Permite la prediccin de resultados teniendo como supuesto bsico una
de las variables con un valor determinado.
Las variables que determinan una razn de comportamiento se
determinan variables explicativas, usualmente es el Eje X y a las
variables se les conoce como las Xs
La variable resultante se le conoce como la Y, o tambin f(x)
La Ecuacin final es Y = F(x)
Se usa con variables continuas
5.2
5.3
Diagrama de Dispersin
Edicin 2013
38
Identificacin del aspecto del diagrama de dispersin
El aspecto general del grfico viene dado por la direccin, forma y fuerza del
mismo:
Direccin:
Forma:
Fuerza:
positiva o negativa
disposicin de los puntos (rectilnea o curvilnea)
cuanta ms amorfa sea la disposicin de los puntos
en el grfico, menor su relacin
5.4
r es el Coeficiente de Correlacin
Utiliza valores estandarizados, por lo tanto es adimensional
Es afectada por las observaciones atpicas
Una r positiva o negativa, solo indica una relacin positiva o
negativa entre las variables.
Si "r" > 0, la correlacin lineal es positiva (si sube el valor de una variable sube
el de la otra). La correlacin es tanto ms fuerte cuanto ms se aproxime a 1.
Por ejemplo en las personas a mayor altura habra mayor peso.
Si "r" < 0, la correlacin lineal es negativa (si sube el valor de una variable
disminuye el de la otra). La correlacin negativa es tanto ms fuerte cuanto ms
se aproxime a -1.Poe ejemplo en las personas a mayores niveles de gordura
menor capacidad de velocidad en los deportes.
Manual de Intervencin Pas.
Edicin 2013
Los valores que puede tomar el coeficiente de correlacin "r" son: -1 < r < 1
Si "r" = 0, no existe correlacin lineal entre las variables. Aunque podra existir
otro tipo de correlacin (parablica, exponencial, etc.)
39
De todos modos, aunque el valor de "r" fuera prximo a 1 o -1, tampoco esto
quiere decir obligatoriamente que existe una relacin de causa-efecto entre las
dos variables, ya que este resultado podra haberse debido al puro azar.
El coeficiente de correlacin de Pearson slo mide relacin LINEAL
5.5
Regresin Simple
Si la correlacin entre las dos variables indica una relacin fuerte, sera muy
interesante poder resumir el grfico en forma de una ecuacin matemtica.
Si la nube de puntos se asemeja a una forma lineal, la recta que ajusta se
le llama recta de regresin.
Describe un cambio en la respuesta a medida que cambia la otra
variable, se necesita tener presente las condiciones en las cuales se
hicieron la toma de muestras.
Ninguna recta puede pasar exactamente por todos los puntos, se
necesita una manera de construirla que asegure su paso tan cerca de
todos los puntos como sea posible
Edicin 2013
El Coeficiente de Determinacin.
40
X
20
30
28
34
40
36
28
24
0.05 0.1
> 0.5
20
No
P = 0.000
La relacin entre Y y X es estadsticamente significativa
(p < 0.05).
Y
10
15
14
17
20
18
14
12
15
10
0%
100%
20
Negativo
Correlacin entre Y y X
Sin correlacin
-1
30
X
35
40
Comentarios
La ecuacin ajustada para el modelo lineal que describe la
relacin entre Y y X es:
Y = - 0.000000 + 0.5000 X
Si el modelo se ajusta adecuadamente a los datos, esta
ecuacin se puede utilizar para predecir Y para un valor de
X, o hallar la configuracin de X que corresponda a un
valor o rango de valores deseados para Y.
Positivo
25
1.00
La correlacin positiva (r = 1.00) indica que cuando X
aumenta, Y tambin tiende a aumentar.
16
14
12
10
20
25
30
X
35
40
R-cuadrado (ajustado)
Valor p, modelo
Valor p, trmino lineal
Valor p, trmino cuadrtico
Valor p, trmino cbico
Desviacin estndar de los residuos
Modelo seleccionado
Lineal
100.00%
0.000*
0.000*
0.000
Modelos alternativos
Cuadrtica
Cbico
100.00%
100.00%
0.000*
0.000*
0.000
0.000
Edicin 2013
Estadsticas
41
X
24
22
30
30
44
36
24
15
vs. ajustes
2
90
Residuo
P or centaje
99
50
0
-2
10
1
-5.0
-2.5
0.0
Residuo
2.5
-4
10.0
5.0
12.5
15.0
V alor ajustado
Histograma
2
1
0
17.5
20.0
vs. orden
Residuo
Fr ecuencia
Y
10
15
14
17
20
18
14
12
-2
-4
-4
-3
-2
-1
0
Residuo
3
4
5
6
O r den de obser vacin
10/07
Y = 6.586 + 0.2992 X
25
Regresin
IC de 95%
IP de 95%
20
S
R-cuad.
R-cuad.(ajustado)
1.97646
68.3%
63.0%
15
10
5
20
25
30
X
35
40
45
10/07
Edicin 2013
15
42
0.05 0.1
> 0.5
P = 0.011
La relacin entre Y y X es estadsticamente significativa
(p < 0.05).
Negativo
-1
15
10
0%
Correlacin entre Y y X
Sin correlacin
Positivo
20
30
X
40
Comentarios
0.83
La correlacin positiva (r = 0.83) indica que cuando X
aumenta, Y tambin tiende a aumentar.
5.6
20
No
Regresin mltiple
Edicin 2013
respiracin
71
53
55
48
69
84
21
68
68
Potasio
388
258
292
205
449
331
114
580
(ppm)
2414
10693
11682
12560
2464
2607
16205
2005
622
1825
43
80
r espir acin
60
40
600
20
400
0
5000
(ppm)
P otasio
200
10000
15000
24/07
Ecuacin de regresin
Respiracin = 101.088 - 0.0403421 Potasio - 0.00387683 (ppm)
S = 8.17212
R-cuad. = 84.84%
R-cuad.(ajustado) = 79.79%
no Lineales
Edicin 2013
X
12
14
15
16
18
20
22
24
44
Y
10
15
45
44
46
44
14
12
20
10
0
12
14
16
18
X
20
22
24
Estadsticas
Modelo seleccionado
Cuadrtica
65.26%
0.031*
0.012*
0.012*
10.125
R-cuadrado (ajustado)
Valor p, modelo
Valor p, trmino lineal
Valor p, trmino cuadrtico
Valor p, trmino cbico
Desviacin estndar de los residuos
Modelos alternativos
Lineal
Cbico
0.00%
58.93%
0.847
0.095
0.847
0.400
0.519
0.657
18.492
11.009
0.05 0.1
> 0.5
No
30
P = 0.031
La relacin entre Y y X es estadsticamente significativa
(p < 0.05).
15
0
12
15
18
X
21
24
Comentarios
% de variacin explicado por el modelo
0%
100%
Edicin 2013
45
Anlisis de Varianzas
ANLISIS DE LA VARIANZA (ANOVA), compara la variabilidad de las medias
muestrales (a travs de la varianza muestral) con la variabilidad de los
elementos dentro de la muestra.
Descompone la variabilidad total en componentes independientes que puedan
asignarse a causas distintas
Se usa ANOVA, para comparar 2 o ms medias poblaciones al mismo tiempo,
El mtodo ANOVA tiene los siguientes supuestos:
La varianza es la misma para todos los tratamientos del factor en todos sus
niveles
Las mediciones individuales dentro de cada tratamiento se distribuyen
normalmente. El trmino de error tiene un efecto distribuido normalmente e
independiente
6.1
Edicin 2013
46
Edicin 2013
Un supuesto del ANOVA es que las varianzas de los grupos sean equivalentes.
Que sean una data Normal
Presin 1
184.0
185.0
184.5
183.5
184.5
Presin 2
183.0
182.5
184.0
183.5
183.5
Presin 3
181.5
182.0
182.5
183.0
183.5
Presin 4
183.5
184.0
181.5
183.5
182.0
47
Ho:1 2 3 ......... a
Ha : Algunas . son.diferentes
Grafica de Puntos
182
183
184
185
0.46
0.239
M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N
183.25
0.99
0.99
-0.290808
-0.608000
20
M nimo
1er cuartil
M ediana
3er cuartil
M ximo
181.50
182.50
183.50
184.00
185.00
Prueba de Bartlett
Presion 1
Estadstica de prueba
Valor P
2.16
0.540
Prueba de Levene
Presiones
A -cuadrado
V alor P
Presion 2
Estadstica de prueba
Valor P
0.54
0.660
Presion 3
183.71
Presion 4
183.88
Media
0.76
1.45
0
1
2
3
4
5
Intervalos de confianza de Bonferroni de 95% para Desv.Est.
Mediana
182.5
183.0
183.5
184.0
24
24
ANOVA Condiciones
Todas las poblaciones son normales
Todas las poblaciones tiene la misma varianza
Los errores son independientes con distribucin normal de media cero
La varianza se mantiene constante para todos los niveles del factor
Fuente GL SC CM F P
Presiones 3 8.950 2.983 4.87 0.014
Error 16 9.800 0.613
Total 19 18.750
S = 0.7826 R-cuad. = 47.73% R-cuad.(ajustado) = 37.93%
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Manual de Intervencin Pas.
Edicin 2013
Nivel N
Presion 1 5
Presion 2 5
Presion 3 5
Presion 4 5
185
vs. ajustes
99
1
Residuo
90
P or centaje
184
mediciones
48
50
10
1
-1
-2
-1
0
Residuo
183
182.5
183.0
Histograma
Presion 1
Presion 2
Presion 3
Presion 4
1.5
-1
0.0
Presiones
24
184.5
3.0
Residuo
Fr ecuencia
181
184.0
vs. orden
4.5
182
183.5
V alor ajustado
-1.5
-1.0
-0.5
0.0
Residuo
0.5
1.0
6
8
10
12
14 16
O r den de obser vacin
18
20
24
Presiones -+---------+---------+---------+-------Presin 2
(--------*---------)
Presin 3 (--------*--------)
Presin 4 (---------*--------)
-+---------+---------+---------+--------3.0 -1.5
0.0
1.5
Presiones = Presin 2 restado de:
Presiones Inferior Centro Superior
Presin 3 -2.2175 -0.8000 0.6175
Presin 4 -1.8175 -0.4000 1.0175
Presiones -+---------+---------+---------+-------Manual de Intervencin Pas.
Edicin 2013
Presin 3
(---------*--------)
Presin 4
(--------*---------)
-+---------+---------+---------+--------3.0 -1.5
0.0
1.5
49
Edicin 2013
Presiones ----+---------+---------+---------+----Presin 3
(-------*--------)
Presin 4
(--------*-------)
----+---------+---------+---------+-----2.4 -1.2
0.0
1.2
6.2
50
CR 1
A=17
B=11
C=15
D=15
CR 2
D=11
C=11
B=15
A=17
Resultados
Tipo Aditivo Combustible
Clase de Vehculos
Tipo de Terreno
Aditivo
A
D
C
B
B
C
D
A
C
B
C
D
D
A
B
C
Tipo
Terreno
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
CR 3
C=10
D=11
C=10
B=11
CR 4
B=11
A=15
D=8
C=11
Camioneta
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Rendimien
to
17
11
10
11
11
11
11
15
15
10
10
8
15
17
11
11
Tipo Niveles
fijo
4
fijo
4
fijo
4
Valores
A, B, C, D
1, 2, 3, 4
1, 2, 3, 4
P
0.022
0.449
0.077
16
15
Media
14
13
12
11
A
Aditivo
26/07
Edicin 2013
51
Grficas de residuos para Rendimiento
Grfica de probabilidad normal
vs. ajustes
2
90
Residuo
P or centaje
99
50
10
1
1
0
-1
-2
-1
0
Residuo
10
12
14
V alor ajustado
Histograma
18
vs. orden
2
6
4
Residuo
Fr ecuencia
16
1
0
-1
-1.5
-1.0
-0.5
0.0
0.5
Residuo
1.0
1.5
2.0
5 6 7 8 9 10 11 12 13 14 15 16
O r den de obser vacin
Edicin 2013
26/07
52
Tablas de Contingencia
7.1
Tablas de contingencia
7.2
Prueba Chi2
Edicin 2013
Veces que
aparece
(1/6)*100
12
22
25
20
16
5
valor
veces
Probabilidad
1
2
3
4
5
6
12
22
25
20
16
5
0.166
0.166
0.166
0.166
0.166
0.166
53
Frecuencia
Esperada
16.6
16.6
16.6
16.6
16.6
16.6
Chi cuadrada
1.27470
1.75663
4.25060
0.69639
0.02169
8.10602
No desarrollan
Enfermedad
60
15
Edicin 2013
Fumadores
No fumadores
Desarrollan
Enfermedad
20
45
Des
No Des
Enfermedad Enfermedad
20
60
37.14
42.86
7.912
6.857
Total
80
45
27.86
10.549
15
32.14
9.143
60
65
75
140
Total
En
los
resultados
aparecen las frecuencias
esperadas
bajo
el
supuesto
de
homogeneidad. Con un pvalor de 0,000 hay
suficiente evidencia en
contra de que la hiptesis
nula sea cierta. Por tanto,
la rechazaramos; parece
evidente
que
los
fumadores no provienen
de la misma poblacin y
estn ms propensos a
desarrollar enfermedad.
54
Prueba de Independencia
Mide relaciones entre variables:
Mide relaciones entre variables categricas, donde no es posible aplicar
los mtodos clsicos de Inferencia Estadstica como la Regresin Lineal.
Tambin es aplicable a variables cuantitativas si no se verifican los
supuestos necesarios a satisfacer por otras tcnicas estadsticas.
Establecer la relacin entre grupos etreos y el nivel de violencia que se ve en
los programa de televisin
valor
Violencia Moderada
Gran Violencia
Nios
12
20
Jvenes
15
18
Adultos
25
10
Total
Grupo1
12
16.64
1.294
Grupo 2
15
17.16
0.272
Grupo 3 Total
25
52
18.20
2.541
20
15.36
1.402
18
15.84
0.295
10
16.80
2.752
48
32
33
35
100
El valor del estadstico del contraste es 8.555. El p-valor asociado a este valor es 0,014.
Al ser menor a 0.05 deberemos rechazar la hiptesis nula de independencia, y por lo
tanto concluir que existen diferencias entre el tipo de televisin observada y el grupo
etario.
Edicin 2013
55
FECHA
h form acin
FECHA
NOMBRE DE LA EMPRESA:
No.
h asesora
h auditora
COMPROMISOS
RESPONSABLES
FECHA
% AVANCE
COMPROMISOS
Edicin 2013