Beruflich Dokumente
Kultur Dokumente
CELAYA
CONTENIDO
2
Introduccin .......................................................................................................................................... 4
2.1
2.2
2.3
Objetivo......................................................................................................................................... 6
Tipos de variables.......................................................................................................................... 6
3.1.1
Variables cualitativas o atributos Se pueden medir numricamente (por ejemplo:
nacionalidad, color de la piel, sexo). ............................................................................................... 6
3.1.2
3.2
3.2.1
3.2.2
3.2.3
3.3
3.4
3.5
3.5.1
3.5.2
3.5.3
3.5.4
Moda: .................................................................................................................................... 7
3.6
3.6.1
3.6.2
3.6.3
Rango .................................................................................................................................... 8
3.6.4
3.7
3.8
3.8.1
3.9
MEDIDAS DE FORMA................................................................................................................... 10
3.9.1
Sesgo: .................................................................................................................................. 10
3.9.2
Curtosis: .............................................................................................................................. 10
3.10
3.10.1
CUANTILES........................................................................................................................... 10
3.10.2
4.2
Mtodo de medicin................................................................................................................... 11
4.3
4.4
5.2
5.3
5.3.1
5.3.2
5.3.3
5.4
5.5
Grafica de caja............................................................................................................................. 15
Histograma .................................................................................................................................. 18
Conclusin ........................................................................................................................................... 22
Bibliografa .......................................................................................................................................... 23
1.3 OBJETIVO
Determinar si el lote de piezas fue rechazado debido a la variabilidad.
2 MARCO TERICO
La estadstica descriptiva es una ciencia que analiza series de datos (por ejemplo, edad
de una poblacin, altura de los estudiantes de una escuela, temperatura en los meses
de verano, etc.) y trata de extraer conclusiones sobre el comportamiento de estas
variables.
Variables cuantitativas
Variables unidimensionales
Slo recogen informacin sobre una caracterstica (por ejemplo: edad de los alumnos de
una clase).
2.2.2
Variables bidimensionales
Variables pluridimensionales
Recogen informacin sobre tres o ms caractersticas (por ejemplo: edad, altura y peso
de los alumnos de una clase).
Media Muestral
Tcnicamente no es una media sino un parmetro fijo que coincide con la esperanza
matemtica de una variable aleatoria. El nombre "media poblacional" se usa para
significar que valor numrico de una media muestral es numricamente cercano al
parmetro media poblacional, para una muestra adecuada y suficientemente grande.
2.5.3
Es la medida de tendencia central que es igual al valor que divide a la mitad a los datos
cuando son ordenados de menor a mayor.
2.5.4
Moda:
Medida de tendencia central de un conjunto de datos que es igual al dato que se repite
ms veces.
Es la medida ms usual de variabilidad e indica que tan esparcidos estn los datos con
respecto a la medida; se denota con la letra S.
2.6.2
Rango
El coeficiente de variacin
CV, es una medida de variacin que es relativa a la magnitud de los datos, ya que es
igual a la magnitud relativa de la desviacin estndar en comparacin con la medida de
datos.
El CV es til para comparar la variacin de dos o ms variables que estn medidas en
diferentes escalas o unidades de medicin.
Sesgo:
Curtosis:
Los cuantiles son medidas de localizacin que dividen un conjunto de datos ordenados
en cierto nmero de grupo o partes que contienen la misma cantidad de datos.
Cuartiles:
Son iguales a los percentiles 25, 50 y 75, y sirven para separar por magnitud la
distribucin de unos datos en cuatro grupos, donde cada uno contiene 25 % de los datos.
2.10.2 DIAGRAMA DE CAJA.
ANLISIS DE DATOS
DE MUESTRA
2
2 ( 1) + 2
Donde:
Se concluye que para que el estudio sea confiable considerando una seguridad de 95%
se necesita analizar una muestra de 36 probetas. Una vez determinado el tamao de
muestra se procede a realizar un mtodo de medicin, un procedimiento de recoleccin
de datos, se toman las mediciones y los datos en una tabla de frecuencias para
posteriormente someterlos a un anlisis estadstico.
3.3 PROCEDIMIENTO
94.36
98.36
96.67
98.85
98.99
96.85
97.4
97.97
97.08
94.67
96.71
97.33
97.38
97.99
95.8
96.19
96.34
99.31
96.71
95.93
97.43
97.79
96.89
97.48
96.74
97.31
94.09
96.52
99.01
97.61
4 ANLISIS ESTADSTICO
4.1 ESTADSTICA DESCRIPTIVA
Mediante las herramientas de la estadstica descriptiva se puede determinar la amplitud
de la variacin del proceso de manufactura de las probetas para una caracterstica de
calidad dada. As, se sabr en qu medida la calidad es satisfactoria.
Para nuestro estudio determinamos que la dimensin es nuestra variable de estudio y se
pretende saber si existe una variacin significativa entre las especificaciones del cliente
y las dimensiones de nuestro producto.
Intervalo
93.22
94.09
94.96
95.83
96.7
97.57
98.44
99.31
94.09
94.96
95.83
96.7
97.57
98.44
99.31
100.18
Suma
F Relativa
0.111111111
0.138888889
0.333333333
0.722222222
0.861111111
1
Porcentual
11.11%
13.89%
33.33%
72.22%
86.11%
100.00%
4.3.1
El tamao de muestra est definido como 36 por lo tanto esta ser nuestra poblacin.
Las medidas de tendencia son el valor promedio de las mediciones el cual es 97.091
por lo que podemos notar que la media de las probetas est dentro de las
especificaciones del cliente. No hay moda. Y la mediana es de 97.24 esto indica que la
media y la mediana estn desfasadas y estn por debajo de las especificaciones
requeridas.
4.3.2
Medidas de dispersin
Medidas de simetra
La curtosis mide que tan elevada o plana es la curva de la distribucin normal y en este
caso es de 0.68 lo que indica que lo datos siguen una distribucin normal y que su curva
es leptocurtica y de colas anchas. La asimetra es negativa lo que indica que esta
sesgada hacia la izquierda y por lo tanto si hay sesgo. Por ltimo los cuartiles se
muestran y dejan ver que la media est en el primer cuartil y la mediana el segundo lo
que puede indicar sesgo de los datos.
4.4
POLGONO DE FRECUENCIAS
La figura 3.4 muestra el polgono de frecuencias en el cual se puede observer que hay
una concentracin importante de datos en las marcas de clase 4 y 5, lo que se refiere a
los datos 96.7 y 98.4. Tambin se muestra que los datos tienden a seguir una curva
normal, sin embargo, aun no hay suficiente informacin para poder asegurar que esto
sea verdadero.
PRUEBA DE NORMALIDAD
Para poder saber si los datos siguen una tendencia normal se realiz una prueba de
Anderson-Darling. La figura 3.6 muestra la grafica obtenida, en la cual se observa que
hay muy poca dispersion sin embargo, tambin se observan puntos atpicos en el primer
cuartil y una concentracin de datos a partir del segundo cuartil. Se muestra que hau una
desviacin estandar pequea y el valor de la prueba es de 0.515 lo que indica que esta
dentro del rango de valores de aceptacin de una distribucin normal. Por lo tanto, los
datos se comportan de manera normal.
J s hjdd
Fi
Figura 3.6
4.6 HISTOGRAMA
El histograma que se muestra en la figura 4.7 indica que los datos siguen un patrn
normal con un centro del proceso ligeramente sesgado. Se ve que hay acantilamiento o
datos atpicos, que son los puntos que no parecen ser parte del proceso. Su naturaleza
se sospecha que es por una mala medicin. La desviacin estadar es muy pequea por
lo que el proceso se puede considerar que es estable.
mks
Fi
Figura 5.2. Anlisis de la capacidad real contrastada con la capacidad potencial del proceso
ANLISIS Y COMENTARIOS
CONCLUSIONES
Medidas de tendencia
central
*Media = 97.091
*Mediana= 97.24
*Moda= 96.71
*Las medidas de
tendencia central son
relativamente cercanas,
por lo que la tendencia
central del proceso es
adecuada.
*50 % de las 36
mediciones fue mayor o
igual a 1.203 mm.
*La longitud con ms
frecuencia es 96.71.
*En forma aproximada se
espera que la longitud de
la probeta vare 1.205.
Desviacin estndar
S=1.205
Limites reales
aproximados
(
):
LR inf. = -93.473
LR sup.= 100.706
Grfica de Capacidad
Histograma
6 CONCLUSIN
Los datos fueron analisados de diversas formas y se concluyo que el proceso tiene
severas deficiencias. Existe una tasa de defectuosos del 79% aproximadamente, lo que
indica que las probetas que estan siendo producidas son de muy mala calidad y eso es
debido al proceso, a pesar de que est es muy estable. Por otro lado la capacidad del
proceso real es considerada como muy baja e incluso la capacidad potencial (eliminando
los desplazamientos) sigue siendo muy baja.
Es de vital importancia poner a consideracin que parte del proceso crea una mayor
variabilidad. Se sugiere que se realicen estudios ms especificos para poder disernir que
causa la variabilidad y poder tomar medidas al respecto. A consideracin del equipo que
estuvo colaborando en el proyecto, se sospecha que la fuente de variacin proviene de
las recientes contrataciones.
Se recomienda hacer un diseo de experimentos para poder corroborar la teria y ver si
es un operador o un todos lo operadores de un turno o una maquina en especifico. Por
lo cual se tiene que capacitor adecuadamente a los operadores Tambin se puede deber
al cambio de proveedor, por lo tanto el material puede estar causando estas alteraciones.
La estandarizacin del proceso es de vital importancia para poder mejorarlo. Es oportuno
que se le de seguimiento a la medidas correctivas
7 BIBLIOGRAFA
Pinilla Morn Vctor Damin, Probabilidad estadstica, facultad de ingeniera UNAM,
noviembre 2009.
M. Jorge Bolaos Carmona, Estadstica Descriptiva, Departamento de Estadstica e
I.O. Facultad de Biblioteconoma y Documentacin, Universidad de Granada.
Walpole, R.; Mayers, R.H.; Mayers, S.L. (2012). Novena edicin. Probabilidad
yEstadstica Para Ingeniera y Ciencias. Mxico: Pearson Education.
Montgomery C. D.; Runger C. G. (2003). Tercera edicin. Applied Statistics and
Probability for Engineers. United States of America: Limusa Wiley.