Universidad Tecnolgica Nacional

Facultad Regional Mendoza

Ctedra: Control Estadstico de Procesos

2012
Ing. Graciela Lpez -- JTP

ECUACIONES Y TABLAS (3 EVALUACIN)

Z=x

= P(error tipo I) ; = P(error tipo II)

Potencia = 1 - = Prob. de rechazar
correctam. Ho

Cp = LSE - LIE
6s
R
S =
d2

LIE LSE
C pk = min
,
3
3
T= 0,5(LSE+LIE)

La fraccin de la banda de las

especificaciones:
P = (1 / Cp) 100%
Intervalo de confianza para Cp

LSE LIE
6S

12 / 2 , n 1
n 1

Cp

LSE LIE
6S

2 / 2 , n 1
n 1

=S/C4 si n>25 C4 = 4(n-1)/(4n-3)

Herramientas estadsticas para la mejora continua
Diagramas:
La carta de verificacin.
El diagrama de Pareto.
El diagrama de causa-efecto.
Histograma.
Diagrama de dispersin o correlacin

Recta de regresin

y = a + b.x

pendiente

b=

x y
i

ordenada origen

( y )( x )
i

n
( xi )2
n
a = y bx

Coeficiente de correlacin lineal

Pearson

r=

C ( x, y ) =

C ( x, y )

x y

1
( xi x)( yi y)
n i =1

Universidad Tecnolgica Nacional

Facultad Regional Mendoza
Ctedra: Control Estadstico de Procesos

2012
Ing. Graciela Lpez -- JTP

Grficas de control.
Diseo de experimentos
Experimento
Unidad Experimental
Variables de respuesta
Factores controlables
Factores no controlables o de ruido
Factores estudiados
Niveles y Tratamientos
Error aleatorio
Error experimental
1. Experimentos con un solo factor

Modelo estadstico

H o : 1 = 2 = ... = k =
H 1 : 1 j
Teora General

Yij = + i + ij
Anlisis de Varianza ANOVA
Notacin de puntos

Yij
representa la j-esima observacin en el tratamiento i.
Suma de las observaciones del tratamiento i=

Yi.

Media de las observaciones del i-esimo tratamiento=

Y i.

Suma total de las N mediciones = Y ..

Media global o promedio de todas las observaciones=

Y ..

Descomposicin de la variabilidad total:

Una medida de la variabilidad total presente en las observaciones de la tabla es la suma total de cuadrados
dada por

k ni

SCT = Yij Y ..
i =1 j =1

)2

Se suma y resta dentro del parntesis la

media del tratamiento i (
)
2
k ni

SCT = Yij Y i . + Y i. ..

Y
i =1 j =1

Desarrollando los cuadrados

n
k
2 k i
2
SCT = ni Y i. Y .. + Yij Y i.
i =1
i =1 j =1

Donde el primer componente es la suma de los

SCTRAT
2

Universidad Tecnolgica Nacional

Facultad Regional Mendoza
Ctedra: Control Estadstico de Procesos

2012
Ing. Graciela Lpez -- JTP

cuadrados de los tratamientos (

) y el
segundo es la suma de cuadrados del
error ( SC E )
Suma total de cuadrados del error

SCT = SCTRAT + SC E
Como hay en total N observaciones, SCT tiene N -1 grados de libertad.
Como hay k tratamientos o niveles del
factor de inters (A, B, C, D), SCTRAT tiene k -1 grados de libertad
Mientras que SCE tiene N k grados de libertad.
Las sumas de los cuadrados divididas entre sus respectivos grados de libertad se llaman cuadrados medios.
CM TRAT =

CM E =

SCTRAT
k 1

SC E
N k
2

Cuando la hiptesis nula es verdadera, ambos cuadrados medios estiman la varianza

Con base en este hecho se construye el estadstico de prueba como sigue: se sabe que SCTRAT y SCE son
2
independientes, por lo que SCE /
2
Y SCTRAT /
son dos variables aleatorias independientes con distribucin ji-cuadrada con N k y k 1
grados de libertad, respectivamente.
Estadstico de prueba
CM TRAT
F o=
CM E
Sigue una distribucin F con k 1 grados de libertad en el numerador y N k grados de libertad en el
denominador.
Si Fo es grande, se debe rechazar la hiptesis nula, es decir que se rechaza que los tratamientos sean
todos iguales.
En cambio si Fo es pequeo se confirma la validez de la hiptesis nula.
Es decir que elegido un determinado , si el valor P es ms pequeo que l, se rechaza la hiptesis nula.
Si por el contrario se rechaza la hiptesis nula
es necesario investigar cuales tratamientos
resultaron diferentes o cuales provocaron la
diferencia.
Mtodo de la diferencia mnima significativa LSD Este mtodo se basa en probar la igualdad de todos los
posibles pares de medias con la hiptesis
Para toda ij . Para k tratamientos se tienen k(k-1)/2 pares de medias.

1 1
Y i. Y j . f t / 2, N k CM e + = LSD
n n
j
i
Si todos los tratamientos tienen el mismo nmero de rplicas, la cantidad LSD se reduce a:

LSD = (t / 2, N k ). 2CM e / n
La validez de los resultados obtenidos en cualquier anlisis de varianza queda supeditado a que los
supuestos del modelo se cumplan.
Estos supuestos sobre Y se traducen en supuestos sobre el trmino error () en el modelo.
Es una prctica comn, si se elige la forma grfica, utilizar la muestra de residuos (diferencia entre la
respuesta observada y la respuesta predicha por el modelo en cada prueba experimental) para comprobar
los supuestos del modelo.

Universidad Tecnolgica Nacional

Facultad Regional Mendoza
Ctedra: Control Estadstico de Procesos

2012
Ing. Graciela Lpez -- JTP

Los residuos, eij, se definen como la diferencia

entre la respuesta observada Yij y la respuesta predicha

por el modelo Yij , lo cual permite hacer un diagnostico ms directo de la calidad del modelo, ya que su
magnitud seala que tan bien se ajusta el modelo a los datos del problema.

Recordemos el modelo en el que se basa el diseo completamente aleatorizado (DCA)

Yij = + i + ij

Donde Yij es el j-eimo dato en el tratamiento i; es la media global,

representa el error asociado con la observacin
El residuo asociado de la observacin Yij , est dado por

es el efecto del tratamiento i y

ij

eij = Yij Y i.

Prueba de Shapiro-Wilks para normalidad

Los pasos para la prueba de Shappiro-Wilks son:
1) Se ordenan los datos de menor a mayor, por X1, X2, Xn
2) De la tabla correspondiente se obtienen los coeficientes a1, a2,ak, donde k es igual a n/2 y donde n es
el nmero total de mediciones
3) se calcula el estadstico W definido como

2
k

W=
ai ( X (n i +1) ) X (i)

(n 1) S 2 i =1
1

4) Si el estadstico W es mayor que su valor crtico al nivel seleccionado de la tabla de Shappiro-Wilks, se

rechaza la normalidad de los datos.
Prueba de Barlett para homogeneidad de varianzas
Supongamos que se tienen k poblaciones o tratamientos independientes, cada una con distribucin normal,
donde las varianzas son desconocidas. Se quiere probar la hiptesis de igualdad de varianzas dada por:

H o : 12 = 22 = ... = k2 = 2

H A : i2 2j
para algn i distinto de algn j
El estadstico de prueba para la hiptesis planteada es
donde

o2 = 2,3026

q
c

q = ( N k ) log10 S p2 (ni 1) log10 S i2

i =1

k tratamientos

c = 1+

1 k

(ni 1) 1 ( N k ) 1
3(k 1) i =1

S p2 =

(n 1) S
i =1

2
i

N k

Universidad Tecnolgica Nacional

Facultad Regional Mendoza
Ctedra: Control Estadstico de Procesos

2012
Ing. Graciela Lpez -- JTP

Muestreo para aceptacin por atributos

Distintos planes de muestreo ..
Puntos importantes de CO que siguen distribucin binomial

P(

n
p1d (1 p ) n d
d = 0 d (n d )
c
n
=
p2d (1 p2 ) n d
d = 0 d (n d )
c

Diseo CO

1 =

AOQ =

Pa p ( N n)
N

Se aplica procedimiento a nomograma o tabla militar estudiado.

Muestreo para aceptacin por variables
Estadstico

Z LIE =

x LIE

Diseo plan
( p2 , ) y
( p1 ,1 )los puntos de inters de la curva OC.
Supongamos que sean
Del monograma correspondiente obtenemos el valor de k y de n
Se compara ZLIEk se toman decisiones de acuerdo al resultado
Mtodo M

k n
1,9 50
1
(n 1)
49 = 0,36
=
2
2

Se siguen los pasos convenientes y se toman decisiones.

Para dos lmites especificados

Z LIE =

x LIE
s

Z LSE =

LSE x
s

Se toman decisiones.
Aplicacin de la regla militar STD 414
Se aplica tabla y procedimiento estudiado