Código: GCO-FR-03

VersiónGCO-FR-03
Código: 6
Versión 7
CONTROL ESTADÍSTICO DE
PROCESOS

DIAGRAMA DE DISPERSIÓN

CHÁROL KÁTHERIN VÉLEZ CASTAÑEDA

Docente Facultad de Producción y Diseño

E-mail: charol.velez@pascualbravo.edu.co
 DIAGRAMA DE DISPERSIÓN
• Es una gráfica del tipo X-Y cuyo objetivo es analizar la forma en que
dos variables numéricas están relacionadas.

• Por ejemplo:
• La dimensión de una pieza podría estar relacionada de alguna
manera con el orden en que se fabricó
• El rendimiento de un reactivo químico podría estar relacionado con
pequeños cambios en su formulación.
 DIAGRAMA DE DISPERSIÓN
• Para investigar si existe alguna relación entre dos variables, como
los ejemplos anteriores, existen varios métodos estadísticos. El más
conocido es el Diagrama de Dispersión, que se obtiene si X
representa una variable y la Y la otra. Al asignar datos a las valores
de las dos variables (X,Y) se obtienen unos puntos en una gráfica X-Y
(O plano cartesiano), y a la figura resultante (una nube de puntos),
se le conoce con este nombre. El análisis del diagrama de
dispersión es cualitativo.
 Ejemplo
• En una fabrica de pintura se desea investigar la relación entre la
velocidad de agitación en el proceso de mezclado y el porcentaje de
impurezas en la pintura. Mediante pruebas experimentales se
obtienen los siguientes datos:
Velocidad (rpm) Impurezas (%)
20 8,4
22 9,5
24 11,8
26 10,4
28 13,3
30 14,8
32 13,2
34 14,7
36 16,4
38 16,5
40 18,9
42 18,5
 CORRELACIÓN
• La correlación es una técnica estadística usada para determinar la
relación entre dos o más variables. Por ejemplo, la relación entre la
estatura y los pesos de los individuos, la demanda y el precio de un
artículo o el rendimiento académico y el número de horas.
• La correlación puede ser de al menos dos variables o de una variable
dependiente y dos o más variables independientes, denominada
correlación múltiple.
• La correlación que existe entre una variable independiente (X) y una
variable dependiente (Y), se mide por el coeficiente de correlación (r)
de Pearson.
• Ej: Aditivo y el tiempo de secado
COEFICIENTE DE CORRELACIÓN DE PEARSON (r)
• El coeficiente de correlación de Pearson (r) es un índice que mide la
magnitud de la relación lineal entre dos variables cuantitativas, así
como el sentido positivo o negativo de dicha relación.

• Indica en qué grado dos variables X y Y fluctúan simultáneamente,

es decir, cuánto aumenta X al aumentar Y (Correlación positiva), o
cuánto aumenta X al disminuir Y (Correlación negativa)
COEFICIENTE DE CORRELACIÓN DE PEARSON (r)
• Para asegurarse de que la relación entre dos variables que se
observa en un diagrama de dispersión no se debe a una
construcción errónea (ejemplo tamaño y las escalas). Así para
cuantificar la magnitud de la correlación lineal en términos
numéricos, es de utilidad calcular el coeficiente de correlación.

• En este sentido, la función del coeficiente de correlación es

corroborar la magnitud de la relación lineal que muestra el
diagrama de dispersión.
COEFICIENTE DE CORRELACIÓN DE PEARSON (r)
• Los coeficientes de correlación de Pearson es adimensional. Pueden tomar cualquier valor
desde +1 hasta -1 (Inclusive)

• Un coeficiente de correlación lineal toma valores cercanos a –1 la correlación es fuerte inversa.

Será tanto más fuerte cuando más se aproxima r a -1. Cuando una variable aumenta, la otra
disminuye (X disminuye al incrementarse Y, o X aumenta al decrecer Y, relación negativa)
• Un coeficiente de correlación toma valores cercanos a +1, la correlación es fuerte y directa.
Será tanto más fuerte cuanto más se aproxime a uno. Al aumentar una variable, la otra
también lo hará (X aumenta al incrementarse Y, relación positiva)
• Si el coeficiente de correlación r=1 ó r=-1, denotan una correlación lineal perfecta, positiva o
negativa, respectivamente.
• Si el coeficiente de correlación lineal toma valores cercanos a 0, la correlación es débil.
• Si el coeficiente de correlación toma valores iguales a 0, indica una ausencia absoluta de
correlación lineal.
COEFICIENTE DE CORRELACIÓN DE PEARSON (r)
• Los coeficientes de correlación de Pearson es adimensional. Pueden
tomar cualquier valor desde +1 hasta -1 (Inclusive)
 COEFICIENTE DE DETERMINACIÓN R 2

• El R2 , el coeficiente de determinación o determinación múltiple es el

porcentaje del ajuste que se ha conseguido con el modelo lineal, es decir,
el porcentaje de variación de la variable de respuesta (Dependiente), es
decir “Y”, a través del comportamiento de la variable predictora
independiente “X”. (El R2 es el porcentaje de variación de la variable de
respuesta (Dependiente) que explica su relación con una variable
predictora.)
• Dado lo anterior, se puede decir, que la variable dependiente “Y” varia
XXX%, cuando los valores de la variable independiente “X” cambia.
• Por lo general, mientras mayor sea el R2, mejor será el ajuste del modelo
a sus datos, es decir, mejor es el modelo para predecir el
comportamiento de la variable Y. El R2 siempre se encuentra entre 0 y 1
(o 100%).
 Ejemplo
• Continuando con el ejemplo anterior, se deberá calcular los otros
datos que hacen falta en la tabla. Es importante identificar la
sumatoria de cada uno de estos.
Velocidad (rpm) Impurezas (%)
X Y X2 Y2 XY
20 8,4
22 9,5
24 11,8
26 10,4
28 13,3
30 14,8
32 13,2
34 14,7
36 16,4
38 16,5
40 18,9
42 18,5
 Ejemplo Se utiliza la ecuación
• Ecuación de regresión de regresión para darle
valores a X y así
obtener Y, y obtener la
recta real que más se
Pendiente de la ajuste a los puntos
recta (Inclinación) iniciales. Es decir, que
Punto de corte con se debe realizar la
el eje “Y” nueva gráfica.

Es decir, más o
menos hasta donde
llega
 Ejemplo
• Método de los mínimos cuadrados

Consiste en estimar los coeficientes de la recta de regresión a y b que son los

parámetros que definen la posición e inclinación de la recta.

Parámetro a = conocida como la “ordenada en el origen”, nos indica cuánto es Y

cuando X=0
Parámetro b = conocido como la “pendiente”, nos indica cuánto aumenta Y por cada
aumento de una unidad en X
 Ejemplo
• Ecuación de regresión Coeficiente de Correlación

Coeficiente de Determinación

Reemplazar los valores de B y A en

la ecuación de la recta y se procede
a reemplazar la x
 Ejemplo
Velocidad (rpm) Impurezas (%)
X2 Y2 XY
X Y
20 8,4 400 70,56 168
22 9,5 484 90,25 209
24 11,8 576 139,24 283,2
26 10,4 676 108,16 270,4
28 13,3 784 176,89 372,4
30 14,8 900 219,04 444
32 13,2 1024 174,24 422,4
34 14,7 1156 216,09 499,8
36 16,4 1296 268,96 590,4
38 16,5 1444 272,25 627
40 18,9 1600 357,21 756
42 18,5 1764 342,25 777
372 166,4 12104 2435,14 5419,6
 Ejemplo
• Ecuación de regresión
 Ejemplo
• Ecuación de regresión

X Y
20 8,8
22 9,72
24 10,64
26 11,56
28 12,48
30 13,4
32 14,32
34 15,24
36 16,16
38 17,08
40 18
42 18,92
 Ejemplo
Coeficiente de Correlación Se puede concluir, que existe
una Correlación positiva
fuerte entre la velocidad y las
impurezas, debido a que los
puntos se agrupan en torno a
una línea recta. En este
sentido, la función del
coeficiente de correlación es
corroborar la magnitud de la
relación lineal que muestra el
diagrama de dispersión.
Ejemplo
Coeficiente de Determinación
El R2 es el porcentaje de variación de la variable de
respuesta (Dependiente) que explica su relación
con una variable predictora. Por lo general,
mientras mayor sea el R2, mejor será el ajuste del
modelo a sus datos. El R2 siempre se encuentra
entre 0 y 100%. El R-cuadrado también se conoce
como el coeficiente de determinación o
determinación múltiple.
La variable dependiente “Y” – Impurezas varia
un 93% cuando los valores de la variable
independiente “X” - Velocidad cambia. Esto
significa que la variación en las impurezas
explica el 93% de la variación en la velocidad.
Nombres y Apellidos
Dependencia