Sie sind auf Seite 1von 13

PROBABILIDAD Y ESTADSTICA

Anlisis de Datos con Infostat.


Introduccin. El material que se presenta a continuacin contiene resultados del anlisis estadstico de datos realizados con el software Infostat, empleando los procedimientos desarrollados en la asignatura. Su objetivo es complementar las aplicaciones realizadas en clase de las diferentes herramientas estadsticas desarrolladas en la asignatura, con la finalidad de familiarizar al alumno en la lectura e interpretacin de salidas de software estadstico cuyo manejo es fundamental en esta disciplina. Para facilitar la presentacin del tema se ha tomado como referencia un problema ingenieril para el cual se plantean diferentes estrategias de anlisis estadstico, se muestran las correspondientes salidas del Infostat y se realiza un breve anlisis de los resultados obtenidos. Problema Propuesto. En una fbrica autopartista se debe controlar el proceso de produccin de una pieza mecanizada por un torno, que ltimamente ha registrado muchos reclamos por defectos de fabricacin. Se conforma un grupo de trabajo con la misin de resolver el problema, el cual debe reunir toda la informacin posible relacionada con el tema. El grupo de trabajo plantea como primera actividad explorar las causas de los reclamos. Buscando en la documentacin del rea de calidad, el grupo pudo identificar las causas de reclamo para un nmero importante de piezas observadas. Con esos datos se elaboraron una tabla de frecuencias y un diagrama de Pareto.
Diagrama de Pareto Error Dimetro Longitud Rugosidad Embalaje Otros Piezas 26 14 5 3 2 Ocurrencia 26 14 5 3 2 Ocurrencia(%) 52,00 28,00 10,00 6,00 4,00

Se agrupan los reclamos de acuerdo al origen del mismo, ordenndolos por frecuencias decrecientes. Se muestran las frecuencias absolutas y las relativas como porcentajes. Como se puede apreciar, los reclamos ms frecuentes estn relacionados con el dimetro de las piezas, ya que constituye el 52 % de los mismos. Por otra parte considerando el dimetro y la longitud de las piezas, entre ambos suman el 80 % de los reclamos, es decir que estas dos causas son responsables de la mayor parte de los reclamos: Se concluye que la mayora de los problemas estn relacionados con caractersticas dimensionales de las piezas. El anlisis del Diagrama de Pareto que se muestra a continuacin confirma las conclusiones obtenidas en base a la tabla, por lo que el Grupo de Trabajo decide continuar con el anlisis particular de las caractersticas dimensionales de las piezas en una primera etapa, dejando el tratamiento de los problemas menos frecuentes para ms adelante.

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA
D ia g r a m a d e P a r e t o
0 ,6 0

Frecuencias relativas

0 ,5 0 0 ,4 0 0 ,3 0 0 ,2 0 0 ,1 0 0 ,0 0 D i m e t r o L o n g it u d R u g o s id a d E m b a la je O tr o s

T ip o s d e e rro r

En primer lugar se estudia el comportamiento de la siguiente variable: X: dimetro de la pieza. Las especificaciones de ingeniera de la caracterstica son las siguientes: 20 mm. 1 mm. Las piezas que estn fuera de ese rango deben ser rechazadas (retrabajadas o descartadas). Para controlar el proceso de fabricacin de la pieza, se extrajo una muestra de 125 piezas producidas consecutivamente, que arroj los siguientes valores:
Dimetro 19,81 21,87 20,78 20,50 21,06 20,83 20,98 21,67 21,47 19,88 21,23 20,94 20,00 20,68 21,14 20,58 20,24 19,78 20,78 20,34 19,91 20,61 19,98 19,27 20,54 Mquina 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 Dimetro Mquina 19,35 20,73 20,15 20,63 20,01 20,19 21,05 19,60 20,28 20,88 20,04 20,10 20,29 19,01 20,25 20,81 20,15 19,47 19,85 19,83 19,70 20,86 19,74 19,75 20,31 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 Dimetro Mquina 19,81 19,64 19,95 21,13 20,71 19,81 19,82 20,35 20,62 20,75 20,74 20,79 20,42 19,09 21,12 19,92 19,98 20,21 21,32 20,15 20,39 20,14 20,40 20,42 20,53 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Dimetro 20,64 19,53 20,87 20,53 20,21 20,05 18,66 20,25 19,76 20,96 20,01 20,29 19,09 20,15 20,54 19,86 19,76 21,08 20,38 20,11 21,94 19,59 21,46 19,61 20,61 Mquina 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Dimetro 19,37 20,72 20,86 21,33 20,03 20,15 20,19 20,86 19,56 20,39 19,77 20,51 20,39 19,92 20,24 21,07 20,03 19,14 21,10 21,00 20,49 19,49 19,69 19,62 19,02 Mquina 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA
Con los datos el grupo elabora una tabla de frecuencias.
Variable Dimetro Dimetro Dimetro Dimetro Dimetro Dimetro Dimetro Clase 1 2 3 4 5 6 7 LI 18,50 19,00 19,50 20,00 20,50 21,00 21,50 LS 19,00 19,50 20,00 20,50 21,00 21,50 22,00 MC 18,75 19,25 19,75 20,25 20,75 21,25 21,75 FA 1 10 30 37 31 13 3 FR 0,01 0,08 0,24 0,30 0,25 0,10 0,02 FAA 1 11 41 78 109 122 125 FRA 0,01 0,09 0,33 0,62 0,87 0,98 1,00

Se han distribuido los datos en 7 intervalos de clase. LI y LS representan respectivamente los Lmites Inferior y Superior del Intervalo de clase, y MC es la Marca de Clase (punto medio del intervalo). FA es la Frecuencia Absoluta, FR es la Frecuencia Relativa, FAA la Frecuencia Absoluta Acumulada y FRA la Frecuencia Relativa Acumulada. El intervalo modal (con mayor frecuencia) en este caso es el que va de 20 a 20,5 mm., e incluye al 30 % de los datos. Hay 17 piezas (un 13 %) con el dimetro fuera del intervalo de tolerancia de la caracterstica (que va de 19 a 21 mm.). Luego se dibujan algunos diagramas tiles para analizar el comportamiento de la variable: Histograma, Polgono de Frecuencias, Diagrama de Puntos y Diagrama de Caja. Se incluyen el valor nominal y las especificaciones de la caracterstica controlada
H is t o g r a m a y P o lg o n o d e F r e c u e n c ia s
0 ,3 0 0 ,2 5

frecuencia relativa

0 ,2 0 0 ,1 5 0 ,1 0 0 ,0 5 0 ,0 0 1 8 ,0

1 9 ,0

2 0 ,0

2 1 ,0

2 2 ,0

2 3 ,0

D i m e tr o

Tanto el histograma como el polgono de frecuencias muestran que la distribucin de la variable es bastante simtrica. Se confirma que la mayor concentracin de observaciones se produce en el intervalo de 20 a 20,5 mm. Como se puede apreciar, la distribucin excede los lmites de especificacin marcados en el grfico, y no se encuentra correctamente centrada dentro de los mismos (esta desplazada hacia la derecha). El diagrama de puntos que se muestra a continuacin confirma el anlisis anterior y muestra que la mayor concentracin de datos se produce levemente por encima de los 20 mm.

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA
D ia g r a m a d e d e n s id a d d e p u n t o s
2 2 ,5 0 2 2 ,0 0 2 1 ,5 0

Dimetro

2 1 ,0 0 2 0 ,5 0 2 0 ,0 0 1 9 ,5 0 1 9 ,0 0 1 8 ,5 0

D ia g r a m a d e c a ja
2 2 ,5 0 2 2 ,0 0 2 1 ,5 0

Dimetro

2 1 ,0 0 2 0 ,5 0 2 0 ,0 0 1 9 ,5 0 1 9 ,0 0 1 8 ,5 0

En el diagrama de caja se observa que la media aritmtica prcticamente coincide con la mediana, y que los brazos del diagrama son bastante parecidos, cuestiones que ratifica la simetra de la distribucin. Finalmente se calculan las medidas descriptivas.
Estadstica descriptiva Resumen Dimetro n 125,000 Media 20,296 D.E. 0,624 Var(n-1) 0,389 Var(n) 0,386 CV 3,074 Mn 18,656 Mx 21,941 Mediana 20,255 Q1 19,852 Q3 20,744 Asimetra 0,075 Kurtosis -0,046

La media y la mediana son muy parecidas, y como el coeficiente de asimetra es muy bajo en valor absoluto (aunque su signo indica asimetra positiva con sesgo a la derecha) se confirma que la distribucin de la variable es prcticamente simtrica. El coeficiente de Kurtosis muy cercano a cero indica que la distribucin de la variable tiene un grado de apuntamiento similar a una Normal. La varianza comn es prcticamente igual a la corregida, porque la muestra considerada es de tamao considerable. El coeficiente de variacin indica que el desvo es un 3 % de la media.

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA

Uno de los integrantes del grupo de trabajo remarca que las piezas provienen de dos mquinas diferentes, por lo que se propone estratificar los datos por mquina para ver si existen diferencias en sus resultados.
Estadstica Mquina 1 2 descriptiva Variable n Dimetro 50 Dimetro 75 Media D.E. 20,36 0,62 20,25 0,63 CV 3,06 3,09 Mn Mx Asimetra 19,01 21,87 0,21 18,66 21,94 -4,6E-03

C o m p a r a c i n p o r m q u in a
2 2 ,5 0 2 2 ,0 0 2 1 ,5 0

Dimetro

2 1 ,0 0 2 0 ,5 0 2 0 ,0 0 1 9 ,5 0 1 9 ,0 0 1 8 ,5 0 1 2

M q u in a

Como se puede apreciar tanto grfica como analticamente, las principales propiedades de la variable son muy parecidas en ambos casos (aunque la distribucin de los datos de la Mquina 1 est ubicada levemente por encima de la 2), por lo que es razonable suponer que los resultados de ambas mquinas no difieren considerablemente en trminos prcticos. Teniendo en cuenta las propiedades de la variable analizadas anteriormente, se decide emplear la distribucin Normal para modelar el comportamiento de la variable. En base a los resultados de la muestra se ajusta el modelo Normal que describe la distribucin de probabilidades de la variable en estudio.

0 ,3 0 0 ,2 5

A j u s te : N o r m a l ( 2 0 ,2 9 6 ,0 ,3 8 9 )

fr e c u e n c ia r e la tiv a

0 ,2 0 0 ,1 5 0 ,1 0 0 ,0 5 0 ,0 0 1 8 ,0

1 9 ,0

2 0 ,0

2 1 ,0

2 2 ,0

2 3 ,0

D i m e tr o

Empleando la distribucin Normal, con los parmetros estimados en base a la muestra anterior, se calcula con Infostat la probabilidad de que una pieza est fuera de especificacin.

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA
P (X < 19) = 0,01885801534 P (X > 20) = 0,1295018017 . TOTAL = 0,14835981704

Esta probabilidad es bastante parecida a la proporcin de piezas observadas fuera de tolerancia (que era igual a 0,13). Conociendo la probabilidad de que una pieza sea rechazada, y sabiendo que los despachos de esta pieza se realizan en cajones que contienen 16 piezas, el grupo desea calcular la probabilidad de que un cajn cualquiera contenga al menos una pieza defectuosa. Empleando el modelo Binomial con n=16 y p=0,1484, el Infostat permite calcular la siguiente probabilidad: P (X 1) = 0,9234807959 Para monitorear el funcionamiento del proceso, se puede controlar el dimetro de una pieza tomada al azar de la produccin con una determinada frecuencia, o se puede tomar una muestra de varias piezas y controlar el dimetro medio. A fin de evaluar la precisin de cada alternativa, se compara la distribucin de probabilidades de la variable original con la distribucin de la media muestral para muestras de tamao 5 y 50.
F u n c io n e s d e d e n s id a d
5 ,0

3 ,8

n = 50

D e n s id a d

2 ,5

n=5
1 ,3

n=1
0 ,0 1 8 ,0 0 1 9 ,0 0 2 0 ,0 0 2 1 ,0 0 2 2 ,0 0 2 3 ,0 0

V a ria b le

Como se puede apreciar, la precisin de la estimacin es ms grande cuando se trabaja con promedios que cuando se trabaja con observaciones individuales, y a su vez es mayor a medida que aumenta el tamao de la muestra (la distribucin tiene menor dispersin en torno a su media).

Para realizar inferencias sobre el dimetro, el grupo debe comprobar en primer lugar si es razonable suponer que la variable tiene distribucin Normal. Para esto se implementan las pruebas de bondad de ajuste Chi-Cuadrado y de Kolmogorov, empleando los datos de la muestra inicial.

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA
Ajuste: Normal con estimacin de parmetros: Media= 20,29574 y varianza= 0,38933
Variable Clase LI Dimetro 1 18,65 Dimetro 2 19,20 Dimetro 3 19,75 Dimetro 4 20,30 Dimetro 5 20,85 Dimetro 6 21,40 LS 19,20 19,75 20,30 20,85 21,40 21,95 MC 18,93 19,48 20,03 20,58 21,13 21,68 FA 6 15 45 34 20 5 FR 0,05 0,12 0,36 0,27 0,16 0,04 E(FA) 4,94 18,92 38,98 38,76 18,60 4,80 E(FR) Chi-Cuadrado 0,04 0,23 0,15 1,04 0,31 1,97 0,31 2,55 0,15 2,66 0,04 2,67 p

0,4459

LI y LS son los Lmites Inferior y Superior de los intervalos de clase en que se agruparon las observaciones individuales, y MC es la Marca de Clase de cada intervalo. FA y FR son las Frecuencias Absoluta y Relativa observadas, mientras que E(FA) y E(FR) son las Frecuencias Absoluta y Relativa esperadas, calculadas en base al modelo propuesto. La columna ChiCuadrado va acumulando los valores necesarios para obtener una estimacin del estadstico de prueba, que en este caso vale 2,67 (valor reportado en la ltima fila). El valor p de la ltima columna es una probabilidad asociada al estadstico de prueba estimado, que al ser comparado con el nivel de significacin elegido permite concluir acerca del resultado de la prueba (rechazar o no la hiptesis de normalidad de la variable en estudio). Si el pvalor< significa que la estimacin del estadstico de prueba cae en zona de rechazo, por lo que se rechaza la hiptesis nula. En cambio, si el p-valor> no se rechaza la hiptesis nula.

F u n c i n d e d e n s id a d
0 ,2 5 0 ,2 0 C h i c u a d r a d o ( 3 ) : p ( e v e n to ) = 0 ,4 4 5 3

D e n s id a d

0 ,1 5 0 ,1 0 0 ,0 5 0 ,0 0 0 ,0 0

valor p = 0,445

4 ,0 0

8 ,0 0

1 2 ,0 0

1 6 ,0 0

V a ria b le

2,67

Prueba de Kolmogorov para bondad de ajuste


Variable Dimetro Ajuste Normal(20,296,0,389) media 20,30 varianza 0,39 n 125 Estadistico D 0,03 p-valor 0,9993

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA

En la columna Ajuste se indica el modelo propuesto y sus parmetros. El Estadstico D es la mayor diferencia entre la Distribucin de Frecuencias Relativas Acumuladas observada y esperada (bajo el modelo supuesto). El p-valor es la probabilidad asociada a dicho estadstico. Las dos pruebas tienen un valor p (probabilidad del estadstico de prueba estimado) elevado, mayor a cualquiera de los niveles de significacin generalmente utilizados en las pruebas de hiptesis (0,01 - 0,05 - 0,10), lo que indica que el estadstico cae en zona de aceptacin y por lo tanto no se rechaza la hiptesis de normalidad de la variable analizada. Comprobada la normalidad de la variable, ahora el grupo desea verificar si el dimetro cumple o no con los requerimientos de diseo. En primer lugar, con los datos de la muestra inicial se calculan estimaciones insesgadas de la verdadera media y varianza.
Resumen n Media D.E. Var(n-1) Dimetro 125,000 20,296 0,624 0,389

Se han calculado la media aritmtica y la varianza muestral corregida porque son estimaciones insesgadas de la verdadera media y varianza poblacionales (significa que el valor esperado de esos estimadores coincide con los parmetros poblacionales). El dimetro tiene un valor nominal de 20 mm. Empleando un intervalo de confianza del 95 % para la media, el grupo va a explorar si la media de la variable cumple con esa especificacin.

Intervalos de confianza Bilateral Estimacin paramtrica Variable Dimetro Parmetro Media Estimacin 20,30 E.E. 0,06 n 125 LI(95%) 20,19 LS(95%) 20,41

La tabla muestra la estimacin puntual de la media, el error estndar de la media, el tamao de la muestra y un intervalo de confianza del 95 % para la verdadera media calculado en base a la distribucin t.
I n t e r v a lo d e c o n f ia n z a p a r a la m e d i a
2 0 ,5 0 2 0 ,4 0 2 0 ,3 0

D i m e tro

2 0 ,2 0 2 0 ,1 0 2 0 ,0 0 1 9 ,9 0

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA

El intervalo obtenido tiene una elevada confianza de incluir a la verdadera media poblacional del dimetro (es decir la media de toda la produccin de piezas de ese tipo), pero no incluye al valor nominal y est ntegramente por encima de ese valor. Por lo tanto existen fuertes evidencias estadsticas que permiten suponer que la verdadera media poblacional es significativamente mayor al valor nominal, por lo que el proceso no est correctamente centrado en el valor objetivo. Otro procedimiento que el grupo emplea para comprobar si el dimetro medio difiere significativamente del valor nominal (20 mm.) es la prueba de hiptesis. En este caso, como las evidencias parecen sugerir que el dimetro obtenido es mayor, se decide utlizar una prueba unilateral derecha.
Prueba T para un parmetro Valor del parmetro probado: 20
Variable Dimetro n 125 Media DE 20,30 0,62 LI(95) LS(95) T 20,19 20,41 5,30 p(Bilateral) <0,0001

La tabla proporciona el tamao de la muestra, estimaciones puntuales de la media y el desvo estndar de la variable, un intervalo de confianza del 95 % para la verdadera media, la estimacin del estadstico de prueba (que tiene distribucin t), y el p-valor asociado a dicha estimacin. En este caso el valor p es menor a cualquiera de los niveles de significacin usados, lo que indica que el estadstico de prueba (T) cae en zona de rechazo. Por lo tanto se rechaza la hiptesis nula de que la media poblacional es igual a 20, comprobndose la hiptesis alternativa que postula que es significativamente mayor a ese valor. Por otra parte el grupo desea comparar el funcionamiento de las dos mquinas que producen la pieza en estudio. Para comparar el centrado de las dos mquinas, el grupo compara los intervalos de confianza del 95 % para las verdaderas medias.
Intervalos de confianza Bilateral Estimacin paramtrica
Mquina Variable 1 Dimetro 2 Dimetro Parmetro Media Media Estimacin 20,36 20,25 E.E. 0,09 0,07 n 50 75 LI(95%) LS(95%) 20,18 20,53 20,11 20,40

La tabla contiene estimaciones puntuales de la media para ambos grupos, los errores estndar de la media, los tamaos muestrales y los intervalos de confianza del 95 % para la verdadera media de cada poblacin.

Interpretacin de Salidas de Software

10

PROBABILIDAD Y ESTADSTICA

C o m p a r a c i n d e m q u in a s
2 0 ,6 0 2 0 ,5 0 2 0 ,4 0

D i m e tro

2 0 ,3 0 2 0 ,2 0 2 0 ,1 0 2 0 ,0 0 1 9 ,9 0 1 2

M q u in a

Los intervalos de confianza para la media se solapan, lo que indica que es razonable suponer que las verdaderas medias no difieren significativamente para ambas mquinas. Para comprobar si la dispersin de las dos mquinas es similar, el grupo usa la prueba de comparacin de varianzas poblacionales.
Prueba F para igualdad de varianzas
Variable Dimetro Grupo(1) {1} Grupo(2) n(1) (2} 50 n(2) 75 Var(1) Var(2) F 0,39 0,39 0,99 p prueba 0,9546 Bilateral

La tabla proporciona los tamaos de cada muestra, estimaciones puntuales de las varianzas de ambas muestras, una estimacin del estadstico de prueba (que tiene distribucin F), y el valor p asociado a dicha estimacin. Se explicita que es una prueba bilateral. Como el valor p es muy grande, significa que el estadstico de prueba (F) cae en zona de aceptacin, por lo que no se rechaza la hiptesis de igualdad de varianzas poblacionales. Otra alternativa para comparar el centrado de las dos mquinas es la prueba de igualdad de medias poblacionales.
Prueba T para muestras Independientes Clasific Mquina media(1) 20,36 Variable Dimetro media(2) 20,25 Grupo(1) {1} Grupo(2) {2} n(1) 50 n(2) 75 prueba Bilateral

p(Var.Hom.) T 0,9828 0,90

p 0,3677

La tabla muestra los tamaos de cada muestra, estimaciones puntuales de la media para cada grupo, el valor p para la prueba de homogeneidad de varianzas (donde se hipotetiza que las varianzas poblacionales son iguales), el estadstico T para la prueba de igualdad de medias poblacionales (que tiene distribucin t), y el valor p asociado a la estimacin de dicho estadstico.

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA

11

Nuevamente el valor p es elevado, lo que indica que la estimacin del estadstico de prueba (T) cae en zona de aceptacin, por lo que no se rechaza la hiptesis de igualdad de medias poblacionales (las medias no son significativamente diferentes). Esta conclusin es coincidente con la obtenida a partir de la comparacin de los intervalos de confianza para la media. Finalmente, el grupo de trabajo sospecha que en el proceso de fabricacin de la pieza, el dimetro obtenido depende significativamente de la velocidad de avance de la mquina que lo produce. Para comprobar si la suposicin es razonable, se extrae la siguiente muestra de observaciones conjuntas de velocidad vs. dimetro.
Dimetro Velocidad Dimetro Velocidad 19,85 43 20,81 51 20,00 46 20,89 52 20,08 46 20,90 52 20,25 48 21,10 54 20,37 48 21,35 56 20,40 49 20,55 49 20,61 49 20,62 50 20,68 50

Para analizar la relacin entre las dos variables, se elabora un diagrama de dispersin, se realiza el anlisis de correlacin, y se ajusta un modelo de regresin lineal simple.

Coeficientes de correlacin Correlacion de Pearson: coeficientes\probabilidades Diam Diam 1,00 Veloc 0,98 Veloc 3,8E-11 1,00

Por debajo de la diagonal principal se proporciona el coeficiente de correlacin, y por encima el valor p asociado a la prueba de hiptesis sobre el coeficiente de correlacin poblacional (se hipotetiza que es igual a cero). El coeficiente de correlacin es igual a 0,98, indicando que existe un elevado grado de asociacin lineal entre las dos variables. El valor p (muy pequeo) permite rechazar la hiptesis de que el coeficiente de correlacin poblacional es igual a cero, es decir que es significativo.
2 1 ,5 0

2 1 ,0 0

Diam

2 0 ,5 0

2 0 ,0 0

1 9 ,5 0 42 44 46 48 50 52 54 56 58

V e lo c

Interpretacin de Salidas de Software

12

PROBABILIDAD Y ESTADSTICA

El diagrama de dispersin muestra una clara relacin directa entre ambas variables, de tipo lineal.

Anlisis de regresin lineal Variable Diam N 15 R 0,97 R Aj ECMP 0,97 0,01

La tabla muestra el coeficiente de determinacin, su valor ajustado (por los grados de libertad), y el Error Cuadrtico Medio de Prediccin.

Coeficientes de regresin y estadsticos asociados Coef Est. EE const 14,36 0,31 Veloc 0,13 0,01 LI(95%) 13,68 0,11 LS(95%) 15,03 0,14 T p-valor 46,13 <0,0001 19,99 <0,0001 CpMallows 372,15

Esta tabla proporciona una estimacin de cada uno de los coeficientes del modelo lineal simple, su error estndar, un intervalo de confianza del 95 % para el verdadero valor del parmetro, el estadstico T para la prueba de hiptesis sobre el coeficiente (se hipotetiza que es igual a cero), y el p-valor asociado a dicha prueba. El coeficiente de determinacin es igual a 0,97, expresando que el modelo explica el 97 % de la variacin de la variable dependiente. El modelo ajustado es el siguiente:
y = 14,36 + 0,13 x

donde la variable dependiente es el dimetro y la variable regresora es la velocidad. Los valores p asociados a ambos coeficientes son muy pequeos, lo que permite rechazar la hiptesis nula de que los coeficientes no son significativos.

Ejercicio Propuesto. El grupo de trabajo tiene que analizar a continuacin la segunda variable conflictiva: X: longitud de la pieza Se extrae una muestra de 40 piezas (25 de la mquina 1 y 15 de la mquina 2), obtenindose los siguientes valores:

Interpretacin de Salidas de Software

PROBABILIDAD Y ESTADSTICA
Mquina 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 Dimetro 94,85 95,11 94,62 95,1 95,13 94,71 95,35 95,1 94,78 95,02 94,7 95,01 94,97 94,8 95,31 94,94 95,11 95,03 94,99 94,76 94,84 94,88 95,28 95,26 95,23 Mquina 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Dimetro 96,03 95,87 96,15 95,87 96,33 95,66 95,72 96,49 96,28 96,29 95,71 95,86 95,57 96,22 96,76

13

Las especificaciones de la variable son las siguientes: 95 mm. 0,75 mm. Realice un anlisis estadstico similar al de la variable dimetro, empleando todas las herramientas vistas, y elabore conclusiones de inters para el grupo de trabajo. Nota: Analice los datos de cada mquina por separado, y compare posteriormente los resultados de ambas mquinas.

Interpretacin de Salidas de Software

Das könnte Ihnen auch gefallen