You are on page 1of 177

Curso bsico de Minitab Curso bsico de Minitab

Curso bsico de Minitab*


1
* Minitab es marca registrada de Minitab, Inc.

Dr. Primitivo Reyes Aguilar
Mayo 2010
Curso bsico de Minitab

Introduccin
Generalidades

Introduccin a Minitab
Manipulacin de datos
Clculos con datos

Herramientas para la calidad
Introduccin
Diagrama de Pareto
Diagrama de Causa Efecto
Estadstica descriptiva
Histogramas
Grficas de caja y tallo y hojas
Prueba de normalidad

2
Curso bsico de Minitab

Herramientas para la calidad (cont)
Intervalos de confianza y Pruebas de hiptesis de una poblacin
Pruebas de hiptesis de dos poblaciones
ANOVA de una va
Tablas de contingencia

Estadstica no paramtrica
Prueba de los signos
Prueba de Wilconox
Prueba de Mann Whitney
Prueba de Kruskal Wallis

Regresin lineal y cuadrtica

Cartas de control

3
Curso bsico de Minitab Curso bsico de Minitab
Introduccin
4
Curso bsico de Minitab Curso bsico de Minitab
Las fases de Lean Sigma
(DMAIC)
5
Justificar proyecto
Definir el problema
Diagrama de
Pareto
y grficas
diversas
5
Monto 120 70 40 25 10
Percent 45.3 26.4 15.1 9.4 3.8
Cum % 45.3 71.7 86.8 96.2 100.0
Clientes Other Consumo Comercio Industria Gobierno
300
250
200
150
100
50
0
100
80
60
40
20
0
M
o
n
t
o
P
e
r
c
e
n
t
Pareto Chart of Clientes
Curso bsico de Minitab Curso bsico de Minitab
Las fases de Lean Sigma
(DMAIC)
Coleccin de informacin y
diagnstico

Estadstica descriptiva,
Histogramas
Grficas de tallo y hojas
Descriptive Statistics: Tiempo de espera
Variable N Mean StDev Median
Tiempo de espera 50 19.93 1.847 20.037
23.4 22.2 21.0 19.8 18.6 17.4 16.2 15.0
16
14
12
10
8
6
4
2
0
Tiempo de espera
F
r
e
q
u
e
n
c
y
Mean 19.94
StDev 1.847
N 50
Histogram (with Normal Curve) of Tiempo de espera
24
23
22
21
20
19
18
17
16
15
T
i
e
m
p
o

d
e

e
s
p
e
r
a
Boxplot of Tiempo de espera
Curso bsico de Minitab
7
22 20 18 16
Median
Mean
20.50 20.25 20.00 19.75 19.50
1st Quartile 19.088
Median 20.037
3rd Quartile 21.290
Maximum 23.293
19.411 20.461
19.542 20.426
1.543 2.301
A-Squared 0.51
P-Value 0.189
Mean 19.936
StDev 1.847
Variance 3.411
Skewness -0.507024
Kurtosis 0.464656
N 50
Minimum 15.015
Anderson-Darling Normality Test
95% Confidence Interv al for Mean
95% Confidence Interv al for Median
95% Confidence Interv al for StDev
95% Confidence Intervals
Summary for Tiempo de espera
Estadstic
a
descriptiva
Histograma
Diagrama de
caja
Prueba de
Normalida
d
Normal si
P > 0.05

Curso bsico de Minitab
8
% fuera del
lmite
superior
Max. 3.4 ppm
ndice de
capacidad
real
Cpk >= 1.5
24 22 20 18 16
USL
LSL *
Target *
USL 25
Sample Mean 19.9361
Sample N 50
StDev (Within) 1.70866
StDev (Ov erall) 1.84689
Process Data
Cp *
CPL *
CPU 0.99
Cpk 0.99
Pp *
PPL *
PPU 0.91
Ppk 0.91
Cpm *
Ov erall Capability
Potential (Within) Capability
% < LSL *
% > USL 0.00
% Total 0.00
Observ ed Performance
% < LSL *
% > USL 0.15
% Total 0.15
Exp. Within Performance
% < LSL *
% > USL 0.31
% Total 0.31
Exp. Ov erall Performance
Within
Overall
Process Capability of Tiempo de espera

Curso bsico de Minitab Curso bsico de Minitab
Caja B Caja A
17.5
15.0
12.5
10.0
7.5
5.0
D
a
t
a
Boxplot of Caja A, Caja B
Las fases de Lean Sigma
(DMAIC)
Causas potenciales y reales (raz)
Diagrama de causa efecto
Pruebas de hiptesis (medias
iguales?)
Son diferentes si P value <= 0.05
cliente
atencin al
Lentitud en
Medio ambiente
Mtodos
Material
Equipos
Personal
Responasibilidad
Motiv acin
Capacitacin
Descuido
Paros menores
Falla de equipos
Falla de PCs
Sistema lento
Con errores
Faltantes
Inadecuados
Proceso no actual
Proceso complejo
Proceso incompleto
Estres
Humedad
Calor
Cause-and-Effect Diagram
P-Value = 0.00
Curso bsico de Minitab Curso bsico de Minitab
Las fases de Lean Sigma
(DMAIC)
Comprobar causas reales (raz)
ANOVA (medias iguales?), regresin ,
tablas de contingencia (proporciones
iguales?)
Caja C Caja B Caja A
17.5
15.0
12.5
10.0
7.5
5.0
D
a
t
a
Boxplot of Caja A, Caja B, Caja C
P-Value = 0.00
9 8 7 6 5 4 3 2
3.25
3.00
2.75
2.50
2.25
2.00
1.75
1.50
Calificacin
T
i
e
m
p
o
S 0.172546
R-Sq 91.9%
R-Sq(adj) 90.8%
Fitted Line Plot
Tiempo = 1.119 + 0.2094 Calificacin
P-Value = 0.115
Serv.NO DEPENDE del gnero
Curso bsico de Minitab Curso bsico de Minitab
Las fases de Lean Sigma
(DMAIC)
Soluciones para eliminar causas
raz
Pruebas de hiptesis, DOE,
ANOVA
Proceso
Entradas Salidas (Y)
Diseo de
Producto
Entradas Salidas (Y)
150 120
70
65
60
55
50
12 10
14 10
70
65
60
55
50
Temperatura
M
e
a
n
Concentracion
Presion
Main Effects Plot for Rendimiento
Data Means
Para maximizar
Eficiencia ajustar
T=150 y C=10
Curso bsico de Minitab Curso bsico de Minitab
Las fases de Lean Sigma
(DMAIC)
Mantener las soluciones con
control estadstico

Cartas de control
46 41 36 31 26 21 16 11 6 1
25.0
22.5
20.0
17.5
15.0
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=19.94
UCL=25.06
LCL=14.81
46 41 36 31 26 21 16 11 6 1
6.0
4.5
3.0
1.5
0.0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=1.927
UCL=6.297
LCL=0
I-MR Chart of Tiempo de espera
10 9 8 7 6 5 4 3 2 1
16
14
12
10
8
6
4
2
0
Sample
S
a
m
p
l
e

C
o
u
n
t
_
C=7.4
UCL=15.56
LCL=0
C Chart of Caja B
Curso bsico de Minitab Curso bsico de Minitab
Introduccin a Minitab
13
Curso bsico de Minitab Curso bsico de Minitab
14
Minitab Inc. es una compaa privada cuya sede principal se encuentra
en State College, Pensilvania, y tiene subsidiarias en el Reino Unido,
Francia y Australia. con representantes y distribuidores en muchos
pases alrededor del mundo.

El programa Minitab Statistical Software fue desarrollado en 1972 por
tres profesores de Estadstica de Penn State University. Uno de ellos
Barbara Ryan, es la presidenta y directora ejecutiva de Minitab.

Minitab es el principal software del mundo para la enseanza de
estadstica a estudiantes. Tambin, es el software utilizado con mayor
frecuencia en Seis Sigma, la principal metodologa del mundo para el
mejoramiento de la calidad.
.
Curso bsico de Minitab
Generalidades

15
Curso bsico de Minitab Curso bsico de Minitab
16
Manipulacin y clculo con datos
Captura de datos
File > New
Hoja de trabajo nueva Proyecto nuevo,
manteniendo lo que ya se ha borra toda la
procesado como grficas informacin que
sesiones, etc. exista en el
proyecto abierto.
Curso bsico de Minitab
17
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
La letra T indica
columna de texto
Curso bsico de Minitab
18
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
1.3 Abrir, guardar e imprimir archivos
Para proyectos donde
se incluye todo, datos
grficas, sesiones.
Se puede importar
Para hojas de trabajo una hoja de clculo
(worksheets) slo la de Excel en forma
parte de hoja tipo Excel directa con
File > Open Worksheet
En carpeta DATA se encuentran
Curso bsico de Minitab
19
Cargar datos en hoja de trabajo desde diferentes fuentes
Inciar con EASTERN.MTW
1. File Open worksheet
2. Click en Look in Minitab Sample Data folder, Meet Minitab
3. Click en EASTERN.MTW
4. OK
Para combinar este archivo con datos de otro CENTRAL.XLS de Excel:
1. File Open worksheet
2. Click en Look in Minitab Sample Data folder, Meet Minitab
3.Click en CENTRAL.XLS
4. Seleccionar Merge Pone los datos en la misma hoja
5. Click Open
Para agregar datos desde un archivo de texto a esta hoja de trabajo
1. File Open worksheet
2. Click en Look in Minitab Sample Data folder, Meet Minitab
3. Click en WESTERN.TXT
4. Seleccionar Merge Pone los datos en la misma hoja
5. Click Open
Curso bsico de Minitab
20
Eastern.mtw Central.xls Western.txt
Para reemplazar un valor perdido en rengln C105 de columna C10
1. Editor > Go to
1. Seleccionar la ventana de datos,
2. Seleccionar Editor > Go to
2 En Enter column number or name,
anotar C10
3 En Enter row number, anotar 105. Click OK.
4 En fila 105 de columna C10, anotar un .
2. Poner un *
Curso bsico de Minitab
21
MY_SHIPPINGDATA.MTW
Subscripts
Order 3/3/2006 8:34 3/7/2006 15:21 On time 255
Order 3/3/2006 8:35 3/6/2006 17:05 On time 196
Order 3/3/2006 8:38 * Back order 299
Order 3/3/2006 8:40 3/7/2006 15:52 On time 205
Order 3/3/2006 8:42 3/9/2006 14:48 Late 250
Para apilar grupos de columnas de datos para ciertos comandos de Minitab
1. Data Stack Blocks of columns
Efectuar las operaciones siguientes:
Las variables para los centros de embarque estn en las mismas columnas
Order (Eastern), Order_1(Central), Order_2 (Western) como etiquetas para
indicar de cual centro de distribucin se originan los datos
Curso bsico de Minitab
22
Para agregar una columna calculada en Das = Arrival - Order
Poner nombres a las columnas
MY_SHIPPINGDATA.MTW
Center Order Arrival Status Distance
Order 3/3/2006 8:34 3/7/2006 15:21 On time 255
Order 3/3/2006 8:35 3/6/2006 17:05 On time 196
Order 3/3/2006 8:38 * Back order 299
Order 3/3/2006 8:40 3/7/2006 15:52 On time 205
Order 3/3/2006 8:42 3/9/2006 14:48 Late 250
Insertar una columna entre Arrival y Status
1 Click en cualquier celda en C4 para activarla
2 Click en botn derecho del ratn y seleccionar Insert Columns.
3 Click en el nombre de C4. Poner Days, y enter
Center Order Arrival Days Status Distance
Eastern 3/3/2006 8:34 3/7/2006 15:21 On time 255
Eastern 3/3/2006 8:35 3/6/2006 17:05 On time 196
Eastern 3/3/2006 8:38 * Back order 299
Eastern 3/3/2006 8:40 3/7/2006 15:52 On time 205
Eastern 3/3/2006 8:42 3/9/2006 14:48 Late 250
Curso bsico de Minitab
23
Calcular los nuevos datos para la columna Days
1 Calc Calculator.
2 En Store result in variable, poner Days
3 En Expression, poner Arrival - Order
4 Seleccionar Assign as a formula.
5 Click OK.
Center Order Arrival Days Status Distance
Eastern 3/3/2006 8:34 3/7/2006 15:21 4.28 On time 255
Eastern 3/3/2006 8:35 3/6/2006 17:05 3.35 On time 196
Eastern 3/3/2006 8:38 * Back order 299
Eastern 3/3/2006 8:40 3/7/2006 15:52 4.30 On time 205
Eastern 3/3/2006 8:42 3/9/2006 14:48 6.25 Late 250
Actualizar la fecha Arrival date en fila 127 de 3/6/2006 a 3/7/2006.
Cambia la informacin de das automticamente
Antes 2.98125
Central 3/3/2006 9:44 3/7/2006 9:17 3.98125 On time 306
Curso bsico de Minitab
24
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
Nmero de columna
Nombre de columna
Letra T indica columna
de texto
Numricas Alfanumrica Fecha/hora
ARCHIVOS PESOS.MTW
Peso_antes Peso_despues
64 88
58 70
62 76
66 78
64 80
74 84
84 84
68 72
62 75
76 118
90 94
80 96
92 84
68 76
60 76
62 58
66 82
70 72
68 76
72 80
Ejemplo: Para calcular el incremento de peso
en un cierto periodo de tiempo
Incremento
24
12
14
12
16
10
0
4
13
42
4
16
-8
8
16
-4
16
2
8
8
Curso bsico de Minitab
25
b) Otra forma de realizar operaciones en columnas o renglones es a travs de
Calc > Column o Row Statistics respectivamente:
Clculos
disponibles
Columna (s) sobre la que se har
el clculo Peso_despues
Constante opcional (K1, K2, etc.)
en la que se desea almacenar el
resultado
La constante se muestra con
Data > Display Data > selecc. K2
Curso bsico de Minitab
26
Contador de eventos
Se usa para mostrar cuenta, cuenta acumulada, porcentajes, y porcentajes acumulados para
cada variable especificada
Suponiendo que se est estudiando la influencia de la actividad de paciente en el desempeo de una
droga nueva. Despus de colectar los datos, se examina la distribucin de la actividad del paciente.
1 File > Open worksheet EXH_TABL.MTW
Activity
Moderate Repetir con GENDER y HEIGHT
Moderate
A lot
Slight
Moderate
Slight
A lot
Moderate
Moderate
Etc.
2Stat > Tables > Tally Individual Variables.
3En Variables, poner Activity.
4 En Display, seleccionar Counts, Percents, Cumulative counts, y Cumulative percents
5 Click OK
Los resultados son los siguientes:
Tally for Discrete Variables: Activity
Activity Count CumCnt Percent CumPct
A lot 21 21 23.08 23.08
Moderate 61 82 67.03 90.11
Slight 9 91 9.89 100.00
N= 91
La actividad ligera tiene un 9.89%, la actividad moderada
un 67.03% y alta 23.08%
Curso bsico de Minitab
27
Desarrollo del Reporte
Las grficas se pueden agregar a un reporte seleccionndolas
despus botn derecho y Append Graph to Report
Caja C Caja B Caja A
17.5
15.0
12.5
10.0
7.5
5.0
D
a
t
a
Boxplot of Caja A, Caja B, Caja C
Para agregar resultados de la pantalla de Sesin, se selecciona el texto
y se agrega al reporte.
Para visualizar el reporte se utilizan las instrucciones siguientes:
El reporte se puede salvar como texto enriquecido RTF
Curso bsico de Minitab Curso bsico de Minitab
Herramientas para la calidad
28
Curso bsico de Minitab Curso bsico de Minitab
29
2.1 Grficos de barras y lnea
Se utiliza el archivo de hoja de trabajo PULSE.MTW de la carpeta DATA de Minitab o arhivo anexo.
Se coleccionan datos de 92 estudiantes, su peso, estatura, peso, sexo, si fuma o no, nivel de
actividad fsica y pulso en reposo. Todos tiran una moneda y los que les salo sol corren durante
un minuto, despus se vuelve a tomar su pulso.
File > Open Worksheet > Pulse.Mtw
Graph > Bar chart
Graph > Bar chart: Count of unique values, Simple
Categorical variables: Activity Sex
1 click cambiar todas barras
3 2 1 0
60
50
40
30
20
10
0
Activity
C
o
u
n
t
Chart of Activity
Curso bsico de Minitab Curso bsico de Minitab
30
Activity 3 2 1 0
60
50
40
30
20
10
0
C
o
u
n
t
2
1
Sex
Chart of Activity, Sex
Para grficas de barras:
File > Open Worksheet > Pulse.Mtw
Graph > Bar chart
Se muestran distintas opciones para representar las barras,
Para el caso de hombres y mujeres segn su actividad se tiene:
Graph > Bar chart: Count of unique values, Stack
Categorical variables: Activity Sex
Curso bsico de Minitab Curso bsico de Minitab
31
Para cambiar la apariencia de las barras:
Colocarse en las barras y dar doble click, aparece el cuadro de dilogo
Edit Bars Attributes, en Fill Pattern marque Custom y seleccionar blanco en
Background color, tambin se puede seleccionar un tipo de trama por barra dando
Click en la grfica, click en la seccin especfica y doble click, poner trama en Type.
Para poner nombres a los valores codificados de sexo y actividad, se utiliza:
Data > Code > Numeric to text
Se puede usar la
misma columna
u otra para los
valores una vez
transformados
Una vez cambiados los valores la grfica se actualiza en forma automtica colocndose
en la grfica y con botn derecho del ratn seleccionar Update Graph Now
El marco de la grfica se puede quitar seleccionndolo con doble click y modificndolo
Curso bsico de Minitab
32
Activity 3 2 1 0
60
50
40
30
20
10
0
C
o
u
n
t
Mujer
Hombre
Sex
Chart of Activity, Sex
Curso bsico de Minitab Curso bsico de Minitab
33
Category
0
1
2
3
Pie Chart of Activity
Graph > Pie chart
Se muestran distintas opciones para los datos fuente ya sea Chart Raw Data en cuyo
caso se establece una variable categrica en este caso Activity
La otra opcin es que los valores ya estn tabulados previamente,
Chart values from a table
Para separar un sector: Click sobre la grfica, click sobre el sector y doble click y
en Explode indicar Explode Slice
Category
0
1
2
3
Pie Chart of Activity
Curso bsico de Minitab Curso bsico de Minitab
34
Category
0
1
2
3
Pie Chart of Activity
Cambiar el nmero de actividad por su nombre con:
Data > Code > Numeric to text
Code data.. Activity Store data Activity
Reemplaza los nmeros EQUIPO TIEMPO M
0 Nula por los nombres CALDERA 20
1 Baja ELEVADOR 45
2 Media COMPRESOR 15
3 Alta FILTROS 60
BOMBAS 33
Con botn derecho seleccionar Update Graph Automatically
Para indicar el nombre de la categora y su frecuencia en cada uno de las partes
de la grfica de pastel, seleccionar la grfica con doble click e ir a add Slice Labels y marcar:
Category name, Frequency.
Para agregar texto y figuras a la grfica, seleccionar la grfica con un click:
Editor > Annotation > Graph annotation tools
Para agregar texto
Seleccionar el botn T
Marcar la zona donde debe aparecer el texto
Escribir el texto
Confirmar
Para agregar figuras
Seleccionar el botn de la figura e insertarla
Curso bsico de Minitab
35
Alta
Baja
Media
Nula
Category
Pie Chart of Activity
Grfica de ejemplo
Curso bsico de Minitab
36
Diagrama de Pareto
Para el diagrama de Pareto se tienen dos opciones de entrada de datos:
Chart defects Data in Se indica la columna donde se encuentran los defectos
se tiene la opcin de una categora By Variable
Chart defects table Los defectos ya se tienen tabulados en una columna donde
aparecen los nombre y en otra para las frecuencias
Por ejemplo:
Clientes Monto Stat > Quality Tools > Pareto Chart
Comercio 40 Seleccionar Charts Defect Table
Industria 70 Labels in: Clientes
Consumo 25 Frequencies in: Monto
Gobierno 120 OK
Educacion 10
Curso bsico de Minitab
37
Monto 120 70 40 25 10
Percent 45.3 26.4 15.1 9.4 3.8
Cum % 45.3 71.7 86.8 96.2 100.0
Clientes Other Consumo Comercio Industria Gobierno
300
250
200
150
100
50
0
100
80
60
40
20
0
M
o
n
t
o
P
e
r
c
e
n
t
Pareto Chart of Clientes
Curso bsico de Minitab
38
Ejemplo con datos no agrupados
Se utiliza el archivo EXH_QC.MTW
File > Open worksheet > EXH_QC.MTW
Stat > Quality Tools > Pareto Chart
Seleccionar Charts Defects Data in Damage
OK
Miniatab coloca nombre en las barras hasta que se cumple el % acumulado, despus
acumula todos los dems conceptos y los agrupa en la barra de otros.
Count 4 2 1 1
Percent 50.0 25.0 12.5 12.5
Cum % 50.0 75.0 87.5 100.0
Damage Dent Bend Chip Scratch
9
8
7
6
5
4
3
2
1
0
100
80
60
40
20
0
C
o
u
n
t
P
e
r
c
e
n
t
Pareto Chart of Damage
Curso bsico de Minitab
39
Count 404 125 79 63 28 21 25
Percent 54.2 16.8 10.6 8.5 3.8 2.8 3.4
Cum % 54.2 71.0 81.6 90.1 93.8 96.6 100.0
Estado Cvil
O
t
h
e
r
C
A
S
A
D
A
D
I
V
O
R
C
I
A
D
O
U
N
I
O
N

L
I
B
R
E
C
A
S
A
D
O
S
O
L
T
E
R
A
S
O
L
T
E
R
O
800
700
600
500
400
300
200
100
0
100
80
60
40
20
0
C
o
u
n
t
P
e
r
c
e
n
t
Pareto Chart of Estado Cvil
Estado Cvil
SOLTERO
SOLTERO
UNION LIBRE
SOLTERO
CASADO
SOLTERO
SOLTERO
CASADO
SOLTERO
UNION LIBRE
CASADO
SOLTERO
SOLTERO
UNION LIBRE
SOLTERO
SOLTERO
SOLTERO
Curso bsico de Minitab
40
Ejemplo con datos agrupados por categora
Se utiliza el archivo EXH_QC.MTW
File > Open worksheet > EXH_QC.MTW
Stat > Quality Tools > Pareto Chart
Seleccionar Charts Defects Data in Flaws
Usando Period en By Variable in se obtiene el diagrama estratificado siguiente:
OK
Para quitar los colores: seleccionar las barras y se cambia con
Attributes: Fill Pattern - Custom - Background color - elegir un color que puede ser blanco
con Type se pueden cambiar las tramas de las barras, con click se selecciona
la grfica, click en la barra especfica, doble click y seleccionar la trama.
Smudge Other Scratch Peel
20
15
10
5
0
Smudge Other Scratch Peel
20
15
10
5
0
Period = Day
Flaws
C
o
u
n
t
Period = Evening
Period = Night Period = Weekend
Peel
Scratch
Other
Smudge
Flaws
Pareto Chart of Flaws by Period
Curso bsico de Minitab
41
Con grficas independientes
Se utiliza el archivo EXH_QC.MTW
File > Open worksheet > EXH_QC.MTW
Stat > Quality Tools > Pareto Chart
Seleccionar Charts Defects Data in Flaws
Usando Period en By Variable in
OK
Se obtienen 4 grficas que se pueden unir en una sola como sigue:
Seleccionar una grfica
Curso bsico de Minitab
42
Zona donde pasar
la grfica
Matriz de grficas Pasar grfica Quitar grfica
Grficas
disponibles
Cuando hayan
pasado todas
las grficas
pulsar Finish
Grfica que
es candidato a
pasar
Curso bsico de Minitab
43
La grfica mltiple resultante es:
Count 3 2 1 1
Percent 42.9 28.6 14.3 14.3
Cum % 42.9 71.4 85.7 100.0
Flaws Smudge Other Peel Scratch
16
12
8
4
0
100
80
60
40
20
0
C
o
u
n
t
P
e
r
c
e
n
t
Count 4 2 1 0
Percent 57.1 28.6 14.3 0.0
Cum % 57.1 85.7 100.0 100.0
Flaws Others Other Scratch Peel
16
12
8
4
0
100
80
60
40
20
0
C
o
u
n
t
P
e
r
c
e
n
t
Count 8 6 3 2
Percent 42.1 31.6 15.8 10.5
Cum % 42.1 73.7 89.5 100.0
Flaws Smudge Other Peel Scratch
16
12
8
4
0
100
80
60
40
20
0
C
o
u
n
t
P
e
r
c
e
n
t
Count 3 3 1 0
Percent 42.9 42.9 14.3 0.0
Cum % 42.9 85.7 100.0 100.0
Flaws Others Other Smudge Peel
16
12
8
4
0
100
80
60
40
20
0
C
o
u
n
t
P
e
r
c
e
n
t
Pareto Chart of Flaws by Period
Period = Day
Pareto Chart of Flaws by Period
Period = Evening
Pareto Chart of Flaws by Period
Period = Night
Pareto Chart of Flaws by Period
Period = Weekend
Curso bsico de Minitab
44
Diagrama de Causa efecto
Stat > Quality Tools > Cause and Effect
Para el diagrama de Causa Efecto se tienen dos opciones de entrada de datos:
Unicamente columnas de ramas principales o columnas adicionales para subramas.
Los datos se colocan como sigue:
Causas primarias:
AMBIENTE MATLS. PERSONAL MTODO MAQUINAS
Polvo Forma Salud Ajuste Mantto.
Vibraciones Dureza Habilidad Velocidad Deformacin
Humedad Amacen Humor Abrasin
Temperatura Herramental
Causas secundarias:
FORMA ALMACEN HABILIDAD HUMOR
Dimetro Tiempo Seleccin Horas
Curvatura Ambiente Formacin Moral
Experiencia Cansancio
Curso bsico de Minitab
45
Stat > Quality Tools > Cause-and-Effect.
En Label traducir Man , Machine , Material , Method , Measure , y Enviro en filas 1 a 6, respectivamente.
En Causes, seleccionar columnas de datos para las variables de filas 1-6.
Asignar las diferentes columnas de Causas primarias
Si hay causas secundarias seleccionar SUB delante de la primaria correspondiente
sel. detrs de cada concepto de la causa primaria la COLUMNA de la causa secundaria corresp.
En Effect, describir el problema como Rechazos Click OK.
Curso bsico de Minitab
46
La grfica resultante es la siguiente:
Para cambiar el
tamao de letra
hacer doble click en
los ttulos y
seleccionar otro
tamao de letra
La grfica se puede
editar
Rechazos
Medio ambiente
Mtodos
Material
Maquinas
Personal
Humor
Habilidad
Salud
Herramental
Abrasin
Deformacin
Mantto.
Amacen
Dureza
Forma
Velocidad
Ajuste
Temperat
Humedad
Vibracion
Polvo
E
x
p
e
r
ie
n
c
i
a
F
o
r
m
a
c
i

n
S
e
l
e
c
c
i
n
C
a
n
s
a
n
c
i o
M
o
r
a
l
H
o
r
a
s
C
u
r
v
a
t
u
r
a
D
i
m
e
t
r
o
A
m
b
i
e
n
t
e
T
ie
m
p
o
Cause-and-Effect Diagram
Curso bsico de Minitab
47
Otro ejemplo: Mala atencin al cliente
Personas Materiales Equipos Metodos Medio ambiente Estrs
Descuido Inadecuados Sistema lentoProceso incompleto Calor Cansancio
CapacitacinFaltantes Falla de PCs Proceso complejo Humedad Alimentos
Motivacin Con errores Falla de equipos Proceso no actual Estres Supervisin
Responsabilidad Paros menores Problemas
Stat > Quality Tools > Cause-and-Effect.
En Label traducir Man , Machine , Material , Method , Measure , y Enviro en filas 1 a 6, respectivamente.
En Causes, seleccionar columnas de datos para las variables de filas 1-6.
Asignar las diferentes columnas de Causas primarias
Si hay causas secundarias seleccionar SUB delante de la primaria correspondiente
sel. detrs de cada concepto de la causa primaria la COLUMNA de la causa secundaria corresp.
En Effect, describir el problema como Mala atencin al cliente Click OK.
cliente
atencion al
Mala
ambiente
Medio
Mtodos
Material
Equipos
Personal
Responsabilidad
Motiv acin
Capacitacin
Descuido
Paros menores
Falla de equipos
Falla de PCs
Sistema lento
Con errores
Faltantes
Inadecuados
Proceso no actual
Proceso complejo
Proceso incompleto
Estres
Humedad
Calor
P
r
o
b
l e
m
a
s
S
u
p
e
r
v
is
i
n
A
l i
m
e
n
t
o
s
C
a
n
s
a
n
c
i o
Cause-and-Effect Diagram
Curso bsico de Minitab
48
cliente
atencion al
Mala
ambiente
Medio
Mtodos
Material
Equipos
Personal
Responsabilidad
Motiv acin
Capacitacin
Descuido
Paros menores
Falla de equipos
Falla de PCs
Sistema lento
Con errores
Faltantes
Inadecuados
Proceso no actual
Proceso complejo
Proceso incompleto
Estres
Humedad
Calor
P
r
o
b
l e
m
a
s
S
u
p
e
r
v
is
i
n
A
l i
m
e
n
t
o
s
C
a
n
s
a
n
c
i o
Cause-and-Effect Diagram
Curso bsico de Minitab
49
ESTADSTICA BSICA

Poblacin: es la coleccin de todos los elementos (piezas,
personas, mediciones, etc.).

Muestra: es una parte o subconjunto representativo de la
poblacin, o sea una muestra de mediciones de las
caractersticas.

Incluye:
Medidas de tendencia central
media, moda, mediana

Medidas de dispersin
rango, varianza, desviacin estndar, coeficiente de
variacin

Distribuciones de frecuencia (histogramas)

Funciones acumulativas de distribucin
Curso bsico de Minitab Curso bsico de Minitab
Medidas de tendencia central
Representan las diferentes formas de caracterizar
el valor central de un conjunto de datos

Media muestral Media
poblacional

50

=
n
xi
x

=
n
xi

Ejemplo 1: En un equipo de ftbol, una muestra de estaturas de sus integrantes son las
siguientes: 1.70,1.79,1.73,1.67,1.60,1.65,1.79,1.84,1.67,1.82, 1.74. Calcule la media.
73 . 1
11
19
= = =
n
xi
x
Curso bsico de Minitab Curso bsico de Minitab
Medidas de tendencia central
Mediana: es el valor medio cuando los datos se
arreglan en orden ascendente o descendente, para
n par, la mediana es la media de los valores
intermedios
51
Ejemplo 2: Para el ejemplo anterior cual es la mediana?
Ordenando los datos de mayor a menor se obtiene:
1.60,1.65,1.67,1.67,1.70,1.73,1.74,1.79,1.79,1.82,1.84;
como tenemos 11 datos el nmero es non por lo que (n+1)/2 = 12/2 = 6, buscando el nmero
que ocupa la sexta posicin en los datos ordenados encontramos el valor de la mediana
73 . 1
~
= x
( ) | | ( )
2
1 2 2
~
+ +
=
n n
X
Curso bsico de Minitab Curso bsico de Minitab
Medidas de tendencia central
Moda: Valor que ms se repite, puede haber ms
de una
Media acotada (Truncated Mean): Se elimina cierto
porcentaje de los valores ms altos y bajos de un
conjunto dado de datos (tomando nmeros
enteros), se calcula la media para los valores
restantes.
52
Ejemplo 3: Para la siguiente serie de datos calcule la media acotada al 20%:
68.7,34.3,97.9,73.4,8.4,42.5,87.9,31.1,33.2,97.7,72.3,54.2,80.6,71.6,82.2,
Como tenemos 11 datos, el 20% de 11 es 2.2, por lo cual eliminamos 2 datos el ms bajo y
el ms alto, ordenado los datos obtenemos:
8.4,31.1,33.2,34.3,42.5,54.2,68.7,71.6,72.3,73.4,80.6,82.2,87.9,97.7,97.9, los valores a
eliminar son: 8.4 y 97.9; calculando la media de los datos restantes obtenemos
( ) 82 . 63 20 ,. = x

Curso bsico de Minitab Curso bsico de Minitab
Medidas de dispersin
Rango: Es el valor mayor menos el valor menor de
un conjunto de datos




Varianza: es el promedio de las desviaciones al
cuadrado respecto a la media (n para poblacin y
n-1 para muestra para eliminar el sesgo)





53
Por ejemplo para el conjunto de datos siguiente:
2.0,2.1,2.4,2.5,2.6,2.8,2.9,2.9,3.0,3.1,3.6,3.8,4.0,4.0
Su rango es R = 4.0 2.0 = 2.0


=
n
x xi
2
2
) (
o

=
1
) (
2
2
n
x xi
s
Curso bsico de Minitab Curso bsico de Minitab
Medidas de dispersin
Desviacin estndar: es la raz cuadrada de la
varianza ya sea poblacional o o muestral S
54

=
1
) (
2
2
n
x xi
s

=
1
) (
2
n
x xi
s
Ejemplo 4: La resistencia al rompimiento de dos muestras de botellas es la siguiente:
Muestra 1: 230 250 245 258 265 240
Muestra 2: 190 228 305 240 265 260
s =
5
790
= 12.56
s =
5
7510
= 38.75
Curso bsico de Minitab Curso bsico de Minitab
Medidas de dispersin
Coeficiente de variacin: es igual a la desviacin
estndar dividida por la media y se expresa en
porcentaje
55

) 100 ( var . .
X
s
CV iacin de e Coeficient = =
Por ejemplo si la media de tiempos de espera es de 78.7 y su desviacin estndar es 12.14, el CVt:
% 05 . 12 ) 100 (
7 . 78
14 . 12
= =
t
CV
Por otra parte si la media de salarios es de 10 y su desviacin estndar de 2, el CVs de salarios es:
% 20 ) 100 (
10
2
= =
s
CV
Por tanto la dispersin de los salarios es mayor que la de los tiempos de espera, es posible comparar
estas dispersiones con el CV aunque los dos conjuntos de datos sean completamente dismbolos.
Curso bsico de Minitab
Estadsticos de una muestra
Estudio estadstico bsico:
File > Open worksheet > Yield.mtw
Stat > Basic statistics > Display descriptive statistics
Variables Yield by variable (opcional)
Variables y variable categrica (opcional)
Grficas de los datos
Curso bsico de Minitab
57
Seleccin de estadsticos especficos
Seleccionar adicionalmente VARIANZA, COEFICIENTE DE VARIACIN, MODA
Los resultados son los siguientes:
NOTA: Para que las columnas no se desplazen al copiar de Minitab a Excel cambiar a letra COURIER
Descriptive Statistics: Yield
Variable N N* Mean SE Mean StDev Variance CoefVar Minimum Q1
Yield 16 0 45.559 0.539 2.157 4.651 4.73 42.764 43.722
N for
Variable Median Q3 Maximum Mode Mode
Yield 45.173 47.750 49.204 * 0
50
49
48
47
46
45
44
43
42
Y
i
e
l
d
Boxplot of Yield
Curso bsico de Minitab
58
Otra forma de obtener esta grfica por separado y en forma individual es:
File > Open worksheet > Yield.mtw
Graph > Boxplot > Simple
Graph variables Yield
OK
Mximo
Q3 = Tercer Cuartil
Q2 = Mediana
Q1 = Primer cuartil
Mnimo
50
49
48
47
46
45
44
43
42
Y
i
e
l
d
Boxplot of Yield
Curso bsico de Minitab
59
50 48 46 44 42
6
5
4
3
2
1
0
Yield
F
r
e
q
u
e
n
c
y
Mean 45.56
StDev 2.157
N 16
Histogram (with Normal Curve) of Yield
Otra forma de obtener esta grfica por separado y en forma individual es:
File > Open worksheet > Yield.mtw
Graph > Histogram > Simple
Graph variables Yield
OK
Curso bsico de Minitab
60
Para cambiar el nmero de celdas, doble click en las barras y seleccionar BINNING
Para cambiar nmeros al
inicio de celdas o en el
centro de las mismas
Cambiar el nmero
de intervalos a 5
Curso bsico de Minitab
61
Ejemplo: Estadsticos de una muestra con variable categrica
Estudio estadstico bsico:
File > Open worksheet > Wine.mtw
Stat > Basic statistics > Display descriptive statistics
Variables Aroma by variable Region
Seleccionar Graphs Histogram of data with normal curve Dot plot of data, Boxplot of data
Seleccionar Statistics Variance Coefficient of variation Mode (adicionales a los ya seleccionados)
OK
Los resultados son los siguientes:
Descriptive Statistics: Aroma
Variable Region N N* Mean SE Mean StDev Variance CoefVar Minimum
Aroma 1 17 0 4.359 0.166 0.685 0.469 15.71 3.300
2 9 0 4.278 0.225 0.676 0.457 15.80 3.300
3 12 0 5.967 0.278 0.962 0.926 16.13 4.300
N for
Variable Region Q1 Median Q3 Maximum Mode Mode
Aroma 1 3.900 4.300 4.900 5.600 3.9 3
2 3.650 4.300 4.900 5.200 * 0
3 5.200 5.950 6.700 7.700 5.5 2
Curso bsico de Minitab
62
8 7 6 5 4 3
4.8
3.6
2.4
1.2
0.0
8 7 6 5 4 3
4.8
3.6
2.4
1.2
0.0
1
Aroma
F
r
e
q
u
e
n
c
y
2
3
Mean 4.359
StDev 0.6847
N 17
1
Mean 4.278
StDev 0.6760
N 9
2
Mean 5.967
StDev 0.9623
N 12
3
Histogram (with Normal Curve) of Aroma by Region
Panel variable: Region
3 2 1
8
7
6
5
4
3
Region
A
r
o
m
a
Boxplot of Aroma
Curso bsico de Minitab
63
Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro
casas y se evalan despus de 60 das de uso, se analiza con grficas de caja.
Ejemplo con cajas mltiples
Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro casas y
se evalan despus de 60 das de uso, se analiza con grficas de caja.
1 File > Open worksheet CARPET.MTW.
2Seleccionar Graph > Boxplot o Stat > EDA > Boxplot.
3 En One Y, choose With Groups. Click OK.
4En Graph variables, poner Durability.
5 En Categorical variables for grouping (1-4, outermost first), poner Carpet .
6 Click Labels, y click the Data Labels tab.
7 En Label, seleccionar Medians. seleccionar Use y-value labels. Click OK.
8 Click Data View.
9 En Categorical variables for attribute assignment, poner Carpet . Click OK en cada caja de dilogo.
4 3 2 1
22.5
20.0
17.5
15.0
12.5
10.0
7.5
5.0
Carpet
D
u
r
a
b
i
l
i
t
y
1
2
3
4
Carpet
19.75
12.895
8.625
13.52
Boxplot of Durability
Curso bsico de Minitab
64
4 3 2 1
22.5
20.0
17.5
15.0
12.5
10.0
7.5
5.0
Carpet
D
u
r
a
b
i
l
i
t
y
1
2
3
4
Carpet
19.75
12.895
8.625
13.52
Boxplot of Durability
La alfombra 3 tienen mayor durabilidad, pero tiene mucha variabilidad, la alfombra 2 tiene poca durabilidad.
Entre las alfombras 1 y 3 casi se tiene la misma mediana de durabilidad, pero la 3 tiene menos variacin
Curso bsico de Minitab
65
3.2 Histogramas o distribuciones de frecuencia
Se usa el archivo PULSE.MTW anexo en Archivo Datos Mdulo 3:
Existen diferentes opciones para esta herramienta:
Indicando como variable Pulse1 se tiene:
Se pueden hacer cambios en la escala de los ejes horizontal y vertical haciendo click
sobre estos, de la misma forma para el marco del histograma.
La apariencia de las barras se puede cambiar haciendo clcik en estas.
Pulse1
F
r
e
q
u
e
n
c
y
100 90 80 70 60 50
25
20
15
10
5
0
Histogram of Pulse1
Curso bsico de Minitab
66
Para cambiar los intervalos del histograma, se da doble click sobre la escala horizontal
del histograma y se selecciona la pestaa Binning
Se definen los intervalos a travs de sus
puntos de corte
Se indica el nuevo nmero de intervalos
Con doble click en la escala horizontal se puede modificar la escala de valores
Pulse1
F
r
e
q
u
e
n
c
y
100.00 91.33 82.66 74.00 65.33 56.66 48.00
30
25
20
15
10
5
0
Histogram of Pulse1
Curso bsico de Minitab
67
Una vez creada esta grfica, se puede hacer otra muy similar dejando el histograma
original como ventana activa, por ejemplo para Pulse2:
Editor > Make Similar Graph
Para comparar los histogramas segn se haya corrido o no se tiene:
Pulse2
F
r
e
q
u
e
n
c
y
140 120 100 80 60
30
25
20
15
10
5
0
Histogram of Pulse2
Curso bsico de Minitab
68
Para comparar los histogramas segn se haya corrido o no se tiene:
Graph > Histogram: Simple
Multiple Graphs:
Multiple Variable:
In separate panels of the same graph; Same scales for graphs X, Y
By Variable:
Ran
Pulse1
F
r
e
q
u
e
n
c
y
100 90 80 70 60 50
16
14
12
10
8
6
4
2
0
100 90 80 70 60 50
1 2
Histogram of Pulse1
Panel variable: Ran
Curso bsico de Minitab
69
Histogramas por grupo
1. Open worksheet Shippingdata.mtw en carpeta Minitab Sample Data / Meet Minitab
2. Graph > Histogram
3. With fit
4. Graph Variable Day
5. Multiple graphs
6. By variables With groups in separate panels Center
7. OK
7 6 5 4 3 2 1
20
15
10
5
0
7 6 5 4 3 2 1
20
15
10
5
0
Central
Days
F
r
e
q
u
e
n
c
y
Eastern
Western
Mean 3.984
StDev 1.280
N 99
Central
Mean 4.452
StDev 1.252
N 101
Eastern
Mean 2.981
StDev 1.090
N 102
Western
Histogram of Days
Normal
Panel variable: Center
Curso bsico de Minitab
70
Diagrama de tallo y hojas
File > Open worksheet > Pulse.mtw
Graph > Stem and Leaf
o Stat > EDA > Stem and Leaf
Variable
Estratificacin opcional por otra variable
Destacar valores que exceden 1.5 RIC
de Q1 y Q3
Definir ancho de la "celda" de nmeros
Curso bsico de Minitab
71
Stem-and-Leaf Display: Weight
Stem-and-leaf of Weight N = 92 Leaf Unit = 1.0
Tallo Hojas
1 9 5 Con Increment = 20
4 10 288 Leaf Unit = 10
13 11 002556688 Tallo Hojas
24 12 00012355555 1 0 9
37 13 0000013555688 13 1 000111111111
(11) 14 00002555558 37 1 222222222223333333333333
44 15 0000000000355555555557 (33) 1 444444444445555555555555555555555
22 16 000045 22 1 666666777777
16 17 000055 10 1 888899999
10 18 0005
6 19 00005 HI 21
HI 215 Lnea de profundidad (frec. Acumulada hasta la mediana () )
Curso bsico de Minitab
72
3.3 Distribucin normal estndar y distribucin normal
La teoria se puede consultar en el archivo de Word anexo: Distribucin Normal.doc
Calc > Probability distributions > Normal
Da la ordenada de probabilidad
en un punto del eje horizontal
Da la probabilidad acumulada
o rea desde menos infinito hasta
los valores indicado en Input
Column o el valor indicado en
Input Constant
Da el valor para el cual se obtiene
la probabilidad acumulada que se
indica
Media cero y desv. Estndar uno
indica una distribucin normal
estndar, con otros valores
se trata de la distribucin normal
El rea total de probabilidad es de 1.0
La media es de cero y la desv. Estandar 1
Curso bsico de Minitab
73
Ejemplos:
Densidad de probabilidad
Calc > Probability distributions > Normal
Seleccionar Probability Density
En Input Constant poner 1.5
Normal with mean = 0 and standard deviation = 1
x f(x)
1.5 0.129518
Probabilidad acumulada
Calc > Probability distributions > Normal
Seleccionar Cumulative Probability
En Input Constant poner 1.5
Normal with mean = 0 and standard deviation = 1
x P(X<=x)
1.5 0.933193
Probabilidad acumulada inversa
Calc > Probability distributions > Normal
Seleccionar Inverse Cumulative Probability
En Input Constant poner 0.9332
Normal with mean = 0 and standard deviation = 1
P(X<=x) x
0.9332 1.50006
Curso bsico de Minitab
74
Mostrar reas bajo la curva de probabilidad
Se trata de ver el rea que incluye al 10% de los alumnos que obtuvieron las calificaciones ms altas
a partir del 90%, con una media de 1211 y una desviacin estndar de 320, y ver si la calificacin de
1738 entra en esta zona.
1 Seleccionar Graph > Probability Distribution Plot.
2 Seleccionar View Probability, click OK.
3 De la Distribution, Seleccionar Normal.
4 En Mean, poner 1211. En Standard deviation, poner 320.
5 Click en Shaded area. En Define Shaded Area By, seleccionar X Value.
6 Click Right Tail. En X value, poner 1738.
7 Click OK en cada cuadro de dilogo
0.0014
0.0012
0.0010
0.0008
0.0006
0.0004
0.0002
0.0000
X
D
e
n
s
i
t
y
1738
0.0498
1211
Distribution Plot
Normal, Mean=1211, StDev=320
Curso bsico de Minitab
75
O para un 10% del rea:
5 Click en Shaded area. En Define Shaded Area By, seleccionar Probab., Right Tail, 0.10.
El valor de 1738 si entra en la zona.
0.0014
0.0012
0.0010
0.0008
0.0006
0.0004
0.0002
0.0000
X
D
e
n
s
i
t
y
1621
0.1
1211
Distribution Plot
Normal, Mean=1211, StDev=320
Curso bsico de Minitab
76
Solo como demostracin para el caso de dos colas:
5 Click en Shaded area. En Define Shaded Area By, sel. Probab., Both Tails, 0.10.
0.0014
0.0012
0.0010
0.0008
0.0006
0.0004
0.0002
0.0000
X
D
e
n
s
i
t
y
685
0.05
1737
0.05
1211
Distribution Plot
Normal, Mean=1211, StDev=320
Curso bsico de Minitab
77
Prueba de normalidad
Es una prueba de hiptesis de una poblacin para determinar si la muestra se extrae de una
poblacin normal, que es la hiptesis nula. La hiptesis alterna es que no es normal.
Se puede hacer por diversos mtodos:
1. Mtodo grfico
Se trata de probar la flamabilidad de una fibra y ver si sigue una distribucin normal,
adems se quiere observar su valor en el percentll 87avo.
1File > Open worksheet FLAMERTD.MTW.
2Graph > Probability Plot.
3 Seleccionar Single, click OK.
4En Graph variables,seleccionar Fabric .
5 Click Scale, y click el Percentile Lines .
6 En Show percentile lines at Y values, teclear 87 . Click OK en cada cuadro de dilogo.
Curso bsico de Minitab
78
Los puntos no salen del intervalo de confianza del 95% y el P value es menor de 0.05
por tanto los datos de la muestra siguen una distribucin normal.
El IC del 87% se encuentra entre los valores 3.84295 y 4.58790
6 5 4 3 2
99
95
90
80
70
60
50
40
30
20
10
5
1
Fabric
P
e
r
c
e
n
t
4
.
2
1
5
87
Mean 3.573
StDev 0.5700
N 15
AD 0.310
P-Value 0.517
Probability Plot of Fabric
Normal - 95% CI
Curso bsico de Minitab
79
2. Prueba de hiptesis con prueba de Anderson Darling (n > 15)
Esta prueba compara la funcin de distribucion acumulada empirica de los datos
de la muestra con la distribucin esperada si los datos fueran normales
Si la diferencia observada es suficientemente grande, se rechaza la hiptesis nula
de normalidad de la poblacin.
Las hiptesis son las siguientes:
Ho: Los datos SI provienen de una poblacin distribuida normalmente Pvalue >0.05
Ha: Los datos NO provienen de una poblacin distribuida normalmente Pvalue <= 0.05
Prueba de normalidad de Kolmogorov Smirnov (n<=15)
Esta prueba compara la funcin de distribucin acumulada de la muestra con la
distribucin esperada de los datos si fueran normales. Si la diferencia obervada es
suficientemente grande, la prueba rechaza la hiptesis nula de normalidad.
Si el valor P se esta prueba es menor al alfa seleccionado se rechaza la
hiptesis nula de normalidad.
Curso bsico de Minitab
80
Ejemplo de prueba de normalidad
Ejemplo con el archivo CRANKSH.MTW
1File > Open worksheet CRANKSH.MTW.
2Stat > Basic Statistics > Normality Test.
3En Variable, seleccionar AtoBDist . Click OK.
AtoBDist
-0.44025 El valor P es menor a 0.05
5.90038 por tanto los datos no siguen
2.08965 una distribucin normal
0.09998
2.01594
4.83012
Etc.
10 5 0 -5 -10
99.9
99
95
90
80
70
60
50
40
30
20
10
5
1
0.1
AtoBDist
P
e
r
c
e
n
t
Mean 0.4417
StDev 3.491
N 125
AD 0.891
P-Value 0.022
Probability Plot of AtoBDist
Normal
Curso bsico de Minitab
81
Capacidad del proceso con histogramas
Las reas bajo la curva se pueden aplicar al clculo de la capacidad de los procesos para cumplir
especificaciones o requisitos, por ejemplo para el cso de los datos de SUPP2 del archivo CAMSHAFT.MTW
donde las especificaciones son Lmite Inferior de Especificacin LIE = 596 y el Lmite Superior de
Especificacin LSE = 604, se tiene:
File > Open worksheet > Camshaft.mtw
Stat > Quality tools > Capability analysis > Normal
Data area arranged as: Single column Supp2 Subgroup size 1
Lower Spec 596 Upper spec 604
Estimate > R bar
Options > Percents
OK
Curso bsico de Minitab
Curso bsico de Minitab
83
Los resultados se muestran a continuacin
Media ndice de
Desviacin capacidad
estndar potencial (Cp)
y real del
proceso (Cpk)
deben ser
mayores a
1.33 para que
el proceso
sea capaz
Fraccin defectiva
fuera de especificaciones
debe ser menor a 3.4 ppm (0.000 34 %)
604.5 603.0 601.5 600.0 598.5 597.0
LSL USL
LSL 596
Target *
USL 604
Sample Mean 600.23
Sample N 100
StDev (Within) 1.70499
StDev (Ov erall) 1.87388
Process Data
C p 0.78
C PL 0.83
C PU 0.74
C pk 0.74
Pp 0.71
PPL 0.75
PPU 0.67
Ppk 0.67
C pm *
Ov erall C apability
Potential (Within) C apability
% < LSL 0.00
% > USL 2.00
% Total 2.00
Observ ed Performance
% < LSL 0.66
% > USL 1.35
% Total 2.01
Exp. Within Performance
% < LSL 1.20
% > USL 2.21
% Total 3.41
Exp. Ov erall Performance
Within
Overall
Process Capability of Supp2
Curso bsico de Minitab Curso bsico de Minitab
Estadstica inferencial
Pruebas de hiptesis
84
Curso bsico de Minitab
85
Poblacin, total
de productos y
servicios (N)
Muestra
(n)
Intervalo de
confianza
(95%) , rango
de valores para
estimar los
parmetros ,
,
2
, t
Estadsticos
X, s, p
Inferencia estadstica
de los parmetros:
m= media
s= desviacin estndar

2
= varianza
t=proporcin
IC = Estadstico +- error
muestral
Curso bsico de Minitab
86
Distribucin normal o de Gauss
Estadstico Z
Inferencia estadstica de los
parmetros:

m= media
Cuando n >= 30 y/o es conocida
(de datos histricos)
mt=proporcin
Cuando n >= 30
Estadstico t
Inferencia estadstica del
parmetro:
m= media

Cuando n < 30 y desconocida
(sin historial del proceso o prov.)
Curso bsico de Minitab
87
Estadstico _2
Inferencia estadstica del
parmetro:
= desviacin estndar

Comprobar normalidad del
proceso
Estadstico F
Inferencia estadstica del
parmetro:
1
2
/ 2
2
relacin de varianzas

Revisar normalidad de muestras
Curso bsico de Minitab
88
Poblacin, total
de productos y
servicios (N)
Muestra
(n)
Intervalo de
confianza
(95%) , rango
de valores para
estimar los
parmetros ,
,
2
, t
Estadsticos
X, s, p
Estadsticos utilizados:
m= media, Z o t
t=proporcin

s= desviacin estndar, _2

1
2
/ 2
2
Rel. de varianzas
IC = Estadstico +- error
muestral
Curso bsico de Minitab
Intervalos de confianza para la media
Determinar el intervalo de confianza para la media poblacional , con los datos tomados
del ndice de calidad del vino, con los datos en el archivo Wine.Mtw. Desv. Estndar = 2.04
Se utiliza el estadstico Z por ser n > 30
File > Open worskeet > Wine.Mtw
Stat > Basic statistics > 1-Sample-Z (Test and confidence interval)
Samples in columns seleccionar columna Quality Estndar deviation 2.04
Options Confidence level 95% OK
Graphs seleccionar Individual value plot OK
OK
16 15 14 13 12 11 10 9 8 7
X
_
Quality
Individual Value Plot of Quality
(with 95% Z-confidence interval for the Mean, and StDev = 2.04)
Intervalo donde se encuentra
La media poblacional
Curso bsico de Minitab
16 15 14 13 12 11 10 9 8 7
X
_
Quality
Individual Value Plot of Quality
(with 95% Z-confidence interval for the Mean, and StDev = 2.04)
90
Se obtienen los resultados siguientes:
One-Sample Z: Quality
The assumed standard deviation = 2.04
Variable N Mean StDev SE Mean 95% CI
Quality 38 12.437 2.045 0.331 (11.788, 13.085)
Conclusin: para un 95% de nivel de confianza, con los datos obtenidos de
la muestra del nidice de calidad del vino (Quality), el intervalo que contiene al ndice
promedio de calidad para toda la produccin de vino es:
(11.788 a 13.085)
La grfica de puntos que muestra la distribucin de los valores del ndice de calidad
y el Intervalo de confianza correspondiente, para un nivel de confianza del 95% es:
Curso bsico de Minitab Curso bsico de Minitab
Prueba de hiptesis
Una prueba de hiptesis es una afirmacin sobre el
valor que se estima tiene un parmetro poblacional
, ,
2
, t

Si la afirmacin contiene el signo igual (=, >=, <=)
se establece primero la hiptesis nula Ho

Si la afirmacin contiene los signos (<, >, <> o )
se establece primero la hiptesis alterna Ha

Es necesario establecer el nivel de confianza de la
prueba, normalmente 95% (o alfa de 1-NC = 0.05)

91
Curso bsico de Minitab Curso bsico de Minitab
92
Prueba de hiptesis para la media
Cuando no se conoce la desviacin estndar y la muestra n es menor a 30.
Por ejemplo, se afirma que las ventas promedio diarias son mayores a 100 unidades:
Se toma una muestra de 20 das y se determina que el promedio es 110
y la desviacin estandar de la muestra es 5
Establecimiento de hiptesis
Ha: m> 100 Ho: m<= 100
En Minitab:
Stat > Basic statistics > 1-sample t
Curso bsico de Minitab
93
Los resultados se muestran a continuacin
One-Sample T
* NOTE * Graphs cannot be made with summarized data.
Test of mu = 100 vs not = 100
N Mean StDev SE Mean 95% CI T P
20 110.00 5.00 1.12 (107.66, 112.34) 8.94 0.000
Conclusin: El intervalo de confianza donde se encuentra el promedio de las ventas
con base en una muestra tomada es (107.66 a 112.34) para un 95% de nivel de confianza.
El Intervalo de confianza de (107.66, 112.34) no contiene a la media de la hiptesis (100)
y P value es menor a 0.05, se rechaza Ho y se acepta Ha, ya subi el promedio de ventas.
Curso bsico de Minitab
94
Cuando se conoce la desviacin estndar y la muestra n es mayor a 30.
Para el caso de los datos del archivo Wine.Mtw se trata de probar la afirmacin de que
el aroma es mayor o igual a 4, a un 95% de nivel de confianza.
Establecimiento de hiptesis
Ha: m<4 Ho: m>= 4
En Minitab:
Stat > Basic statistics > 1-Sample-Z (Test and confidence interval)
Samples in columns seleccionar columna Aroma Standard deviation 4.847
Perform hypothesis test Hypothesized mean 4
Options Confidence level 95% Alternative Less Than OK
Graphs seleccionar Individual value plot OK
OK
Curso bsico de Minitab
95
Curso bsico de Minitab
96
Los resultados se muestran a continuacin:
One-Sample Z: Aroma
Test of mu = 4 vs < 4
The assumed standard deviation = 4.847
95% Upper
Variable N Mean StDev SE Mean Bound Z P
Aroma 38 4.847 1.082 0.786 6.141 1.08 0.859
Conclusin: El intervalo de confianza donde se encuentra el promedio de Aroma
con base en una muestra tomada es (., 6.141) para un 95% de nivel de confianza.
El Intervalo de confianza de (.., 6.141) SI contiene a la media de la hiptesis (4)
y P value es mayor a 0.05, NO se rechaza Ho, el Aroma tiene un promedio >= 4.
8 7 6 5 4 3
X
_
Ho
Aroma
Individual Value Plot of Aroma
(with Ho and 95% Z-confidence interval for the Mean, and StDev = 4.847)
Curso bsico de Minitab
97
Prueba de hiptesis para una proporcin
Ejemplo: Un producto tiene accesorios que se piensa nadie usa, se hace una encuesta
a 200 usuarios y 17 si usan los accesorios.
Para un 95% de confianza se confirma la sospecha de que menos del 10% de
usuarios usan estos accesorios?
Establecer hiptesis:
Ho: Proporcin t>= 0.10 Ha: Proporcin t< 0.10
Instrucciones de Minitab
Stat > Basic Statistics > 1 - Proportion
Options Confidence level 95% Test Proportion 0.1 Alternative Less Than
seleccionar Use test and interval based on normal distribution
OK
Curso bsico de Minitab
98
Se obtuvieron los resultados siguientes:
Test and CI for One Proportion
Test of p = 0.1 vs p < 0.1
Upper Exact
Sample X N Sample p Bound P-Value
1 17 200 0.085000 0.124771 0.285
No se rechaza Ho ya que la Proporcin del 10% de la
hiptesis se encuentra en el intervalo de confianza y el
P value es mayor a 0.05, no se acepta la hiptesis alterna.
Es vlido decir que slo el 10% de usuarios utilizan los accesorios
Curso bsico de Minitab
99
Comparacin de dos medias - Muestras independientes
Ho: Media A (mA)- Media B (mB) = 0 Ha: Media A (mA)- Media B (mB) 0
Ejemplo: 10 pieles son curtidas usando el mtodo A y 10 usando el mtodo B, las
resistencias a la traccin son las siguientes:
Mtodo A Mtodo B
24.3 24.4
25.6 21.5
26.7 25.1
22.7 22.8
24.8 25.2
23.8 23.5
25.9 22.2
26.4 23.5
25.8 23.3
25.4 24.7
Se puede decir que los dos mtodos producen resistencias a la traccin diferentes?
Usar un nivel de confianza del 95%.
En Minitab:
Se colocan los valores en dos columnas diferentes C1 y C2 corresp. A Metodos A y B
Curso bsico de Minitab
100
Paso 1. Se realiza un anlisis de comparacin de varianzas poblacionales:
Ho: Varianza A = Varianza B Ha: Varianza A = Varianza B
Stat > Basic Statistics > 2 Variances
Samples in different columns First Mtodo A Second Mtodo B
Options Confidence level 95%
OK
Curso bsico de Minitab
101
Los resultados son los siguientes:
Test for Equal Variances: Mtodo A, Mtodo B
95% Bonferroni confidence intervals for standard deviations
F-Test (normal distribution)
Test statistic = 1.01, p-value = 0.991
Como el P value es mayor a 0.05 no se rechaza la Hiptesis nula de igualdad de
varianzas, por tanto se asume que son iguales. Esta inf. se usar a continuacin:
Curso bsico de Minitab
102
Paso 2. Se realiza un anlisis de comparacin de medias poblacionales
Establecer hiptesis
H: Media A - Media B = 0 Ha: Media A - Media B = 0
Instrucciones de Minitab:
Stat > Basic Statistics > 2 - Sample t
Samples in different columns First Mtodo A Second Mtodo B
seleccionar Assume equal variances
Options Confidence level 95% Test difference 0.0 Alternative Not equal OK
OK
Curso bsico de Minitab
103
La grfica de caja parece indicar diferencia entre las medias de las muestras
Mtodo B Mtodo A
27
26
25
24
23
22
21
D
a
t
a
Boxplot of Mtodo A, Mtodo B
Curso bsico de Minitab
104
Se obtienen los siguientes resultados:
Two-sample T for Mtodo A vs Mtodo B
N Mean StDev SE Mean
Mtodo A 10 25.14 1.24 0.39
Mtodo B 10 23.62 1.24 0.39
Difference = mu (Mtodo A) - mu (Mtodo B)
Estimate for difference: 1.52000
95% CI for difference: (0.355, 2.685)
T-Test of difference = 0 (vs not =): T-Value = 2.74
P-Value = 0.013 DF = 18
Conclusiones:
Como el cero no se encuentra en el intervalo de confianza de la diferencia
de las dos medias y el valor P value es menor a 0.05 se rechaza la hiptesis nula
de igualdad de medias y se acepta Ha afirmando que las medias son diferentes
Curso bsico de Minitab
105
A un 95% de nivel de confianza
Se puede afirmar que los 2 tratamientos producen diferente deterioro en los lentes?
Se colocan los datos en las columnas C1 y C2 para los Lentes A y B.
Muestras pareadas - Prueba si las diferencias entre sujetos son iguales.
Ho: Media de diferencias = 0 Ha: Media de diferencias = 0
Se utilizan cuando se trata de comparar el efecto de dos tratamientos a los mismos
sujetos u objetos, por ejemplo el peso de individuos antes y despus de una rutina.
Tambin se aplica cuando cuando antes de comparar se hacen parejas de sujetos
por ejemplo para comparar los promedios de alumos de dos universidades, primero
se forman parejas (dos ingenieros, dos administradores, dos arquitectos, etc.)
Ejemplo: Se hacen dos tratamientos superficiales para lentes A y B, se seleccionan
10 personas a las que se les instala uno de esos lentes en cualquier lado al azar.
Despus de un periodo se mide el deterioro (rayas, desgaste, etc.) de cada lente:
Curso bsico de Minitab
106
Persona Lente A Lente B
1 6.7 6.9
2 5.0 5.8
3 3.6 4.1
4 6.2 7.0
5 5.9 7.0
6 4.0 4.6
7 5.2 5.5
8 4.5 5.0
9 4.4 4.3
10 4.1 4.8
En Minitab colocar los datos de Lentes en dos columnas
Establecer hiptesis
Ho: Diferencia de medias = 0 Ha: Diferencia de medias = 0
Instrucciones de Minitab
Stat > Basic Statistics > Paired t
Samples in different columns First Lente A Second Lente B
Graphs Individual value plot
Options Confidence level 95% Test mean 0.0 Alternative Not equal OK
OK
Curso bsico de Minitab
107
Resultados
Paired T-Test and CI: Lente A, Lente B
Paired T for Lente A - Lente B
N Mean StDev SE Mean
Lente A 10 4.96000 1.02978 0.32564
Lente B 10 5.50000 1.13039 0.35746
Difference 10 -0.540000 0.343835 0.108730
95% CI for mean difference: (-0.785964, -0.294036)
T-Test of mean difference = 0 (vs not = 0): T-Value = -4.97
P-Value = 0.001
Como el cero no se encuentra en el intervalo de confianza de la
diferencia de las dos medias y el valor P value es menor a 0.05
se rechaza la hiptesis nula de igualdad de medias y se acepta
la alterna afirmando que los tratamientos dan deterioros diferentes.
Curso bsico de Minitab
108
Como el valor de Ho no se
encuentra en el intervalo de
confianza de la diferencia de las
dos medias, se rechaza Ho
y se acepta Ha indicando que el
deterioro es diferentes en los dos
mtodos.
Differences
0.0 -0.2 -0.4 -0.6 -0.8 -1.0 -1.2
_
X
Ho
Individual Value Plot of Differences
(with Ho and 95% t-confidence interval for the mean)
Curso bsico de Minitab
109
Comparacin de dos proporciones
Ejemplo: En una encuesta a 300 clientes de la zona A, 33 estan descontentos
En otra zona B se encuestaron a 250 clientes y 22 se mostraron descontentos.
A un 95% de nivel de confianza o 5% de nivel de sigfinicancia,
Hay diferencia en las proporciones de clientes descontentos en las dos zonas?
Establecer hiptesis:
Ho: Proporcin A = Proporcin B Ha: Proporcin A = Proporcin B
Instrucciones de Minitab (datos resumidos):
Stat > Basic Statistics > 2 - Proportions
Options Confidence level 95% Alternative Not equal, Test Difference = 0
Seleccionar Use Pooled estimate p for test
OK
Curso bsico de Minitab
110
Los resultados son los siguientes:
Test and CI for Two Proportions
Sample X N Sample p
1 33 300 0.110000
2 22 250 0.088000
Difference = p (1) - p (2)
Estimate for difference: 0.022
95% CI for difference: (-0.0278678, 0.0718678)
Test for difference = 0 (vs not = 0): Z = 0.86
P-Value = 0.392
Como el cero SI se encuentra en el intervalo de confianza de la
diferencia de las 2 proporciones y el valor P value es mayor a 0.05
no se rechaza la hiptesis nula de igualdad de proporciones
o sea que no hay razn para decir que las proporciones son diferentes.
Curso bsico de Minitab
111
Anlisis de varianza (ANOVA)
El Anlisis de Varianza es una prueba de hiptesis que trata de probar la
igualdad de varias medias al mismo tiempo:
Requiere que las poblaciones sean normales y con varianza similar.
ANOVA de una va con datos de tratamientos en diferentes columnas:
Ejemplo: Los tcnicos de una fbrica de papel hacen un experimento de un factor
para ver que variedad de rbol produce menos fenoles en los desechos de pasta de
papel. Se colectan los siguientes datos en porcentajes:
A un 95% de nivel de confianza, hay alguna variedad que produzca ms fenoles que otra?
Se colocan los datos en tres columnas distintas:
k
H = = = = = ....
3 2 1 0
. :
1
diferentes son medias dos menos Al H
Curso bsico de Minitab
112
Instrucciones de Minitab:
Stat > ANOVA > One Way (Unstacked)
Responses in separate columns A B C
Confidence Level 95
Comparisons Tukey's, family error rate: 5
Graphs: Residual plots Box plot of data Normal plot of residuals
OK
Curso bsico de Minitab
113
Los resultados se muestran a continuacin:
Como el valor P value es menor
One-way ANOVA: A, B, C a 0.05 existe una diferencia
significativa entre algunas medias
Source DF SS MS F P
Factor 2 0.9000 0.4500 8.44 0.005
Error 12 0.6400 0.0533
Total 14 1.5400
S = 0.2309 R-Sq = 58.44% R-Sq(adj) = 51.52%
Individual 95% CIs For Mean Based on
Pooled StDev A produce ms fenoles que B,C
Level N Mean StDev ----+---------+---------+---------+-----
A 4 1.9000 0.1414 (-------*--------)
B 5 1.3000 0.2121 (------*-------)
C 6 1.4000 0.2828 (------*------)
----+---------+---------+---------+-----
1.20 1.50 1.80 2.10
Pooled StDev = 0.2309 Las medias B y C La media de A es
Desviacin estndar poblacional son similares diferente a B y C
Curso bsico de Minitab
114
Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons
Individual confidence level = 97.94% Como el cero no est en el
intervalo de la diferencia B-A
A subtracted from: o C-A, A es diferente de B y C
Lower Center Upper -----+---------+---------+---------+----
B -1.0130 -0.6000 -0.1870 (---------*---------)
C -0.8974 -0.5000 -0.1026 (---------*--------)
-----+---------+---------+---------+----
-0.80 -0.40 -0.00 0.40
B subtracted from:
Lower Center Upper -----+---------+---------+---------+----
C -0.2728 0.1000 0.4728 (---------*--------)
-----+---------+---------+---------+----
-0.80 -0.40 -0.00 0.40
El intervalo de la diferencia C-B si incluye
el cero por tanto B no es diferentes de C
Curso bsico de Minitab
115
C B A
2.2
2.0
1.8
1.6
1.4
1.2
1.0
D
a
t
a
Boxplot of A, B, C
Los resultados grficos son los siguientes:
Se observa que la media de A es diferente a las medias de B y C
(si se superpone B y C tienen elementos comunes y son iguales)
Los rboles B y C producen menos cantidad de fenoles.
Curso bsico de Minitab
116
Los resultados grficos son los siguientes:
0.50 0.25 0.00 -0.25 -0.50
99
95
90
80
70
60
50
40
30
20
10
5
1
Residual
P
e
r
c
e
n
t
Normal Probability Plot
(responses are A, B, C)
Los residuos o errores se apegan a la recta normal, por tanto
el modelo ANOVA es un modelo adecuado para los datos
Curso bsico de Minitab
117
ANOVA de una va con datos de tratamientos en una sola columna
Los datos del ejemplo anterior se arreglan en dos
columnas como se muestran a continuacin: Fenoles rbol
1.9 A
A B C 1.8 A
1.9 1.6 1.3 2.1 A
1.8 1.1 1.6 1.8 A
2.1 1.3 1.8 1.6 B
1.8 1.4 1.1 1.1 B
1.1 1.5 1.3 B
1.1 1.4 B
1.1 B
1.3 C
1.6 C
1.8 C
1.1 C
1.5 C
1.1 C
Curso bsico de Minitab
118
Instrucciones de Minitab:
Stat > ANOVA > One Way
Response Fenoles Factor rbol Confidence Level 95
Comparisons Tukey's, family error rate: 5
Graphs: Residual plots Box plot of data Normal plot of residuals
OK
Los resultados que se obtienen son iguales a los ejemplo anterior.
Curso bsico de Minitab
119
Ejercicios:
Las calificaciones de un curso de liderazgo para 18 participantes de tres diferentes
departamentos fueron las mostradas en la tabla siguiente. Probar a un 95% de nivel de confianza
o 5% de nivel de significancia si el aprovechamiento fue similar en los tres departamentos
o en su caso cul fue el peor.
DEPARTAMENTO Arreglados en dos columnas quedan como:
Depto_A Depto_B Depto_C Calificaciones Depto
8 7 5 8 Depto_A
7 8 6 7 Depto_A
8 7 6 8 Depto_A
6 7 7 6 Depto_A
7 6 7 7 Depto_A
8 8 6 8 Depto_A
7 Depto_B
8 Depto_B
7 Depto_B
7 Depto_B
6 Depto_B
8 Depto_B
5 Depto_C
6 Depto_C
6 Depto_C
7 Depto_C
7 Depto_C
6 Depto_C
Curso bsico de Minitab
120
a) Con datos en tres columnas
Instrucciones de Minitab:
Stat > ANOVA > One Way (Unstacked)
Responses in separate columns Depto_A Depto_B Depto_C
Confidence Level 95
Comparisons Tukey's, family error rate: 5
Graphs: Residual plots Box plot of data Normal plot of residuals
OK
Como el valor P de es que 0.05, se concluye que
El peor aprovechamiento lo tuvo el departamento
De las grficas de diferencias de Tukey, las medias de los procesos que son diferentes son
(dado que el cero no se encuentra en el intervalo de confianza de la diferencia de medias
Pairwise comparisons):
b) Otra opcin con datos en una sola columna
Instrucciones de Minitab:
Stat > ANOVA > One Way
Response Calificacin Factor Depto Confidence Level 95
Comparisons Tukey's, family error rate: 5
Graphs: Residual plots Box plot of data Normal plot of residuals
OK
Identificar la media que es diferente a las dems (donde el cero no pertenezca al intervalo
Curso bsico de Minitab
121
b) Otra opcin con datos en una sola columna
Con Minitab:
Stat > ANOVA One way
Response Calificaciones Factor Depto
Comparisons: Tukeys, family error rate 5
Graphs: Box polot of data
OK
ESTADSTICAS > ANOVA UN FACTOR
RESPUESTA CALIF FACTOR DEPTO.
COMPARACIONES: TUKEY, TASA DE ERROR DE LA FAMILIA 5
GRFICAS: DIAGRAMA DE CAJA DE DATOS
OK
Identificar la media que es diferente a las dems (donde el cero no pertenezca al intervalo
de confianza de la diferencia de medias entre cada dos tratamientos Depto).
Curso bsico de Minitab Curso bsico de Minitab
Estadstica no paramtrica
122
Curso bsico de Minitab
123
ESTADSTICA NO PARAMTRICA
Acciones a tomar sobre los datos normales antes de optar por estas pruebas:
Revise y asegrese de que los datos no siguen una distribucin normal.
Desarrollar una Prueba de normalidad. Para la prueba de Bartlet (P value <0.05)
Revisar la informacin para detectar errores (tipogrficos, etc.).
Investiguar los valores atpicos.
Una muestra pequea (n < 30) proveniente de un universo normal,
se mostrar algunas veces como anormal.
Intentar transformar los datos. Las transformaciones comunes incluyen:
- Raz cuadrada de todos los datos
- Logaritmo de todos los datos
- Cuadrado de todos los datos
Si la informacin es todava anormal, entonces usar estas herramientas no paramtricas
Se utilizan cuando no interesa la forma de la distribucin o los datos no son normales
Curso bsico de Minitab
124
Prueba de Hiptesis
Variables
Atributos
Tablas de
Contingencia de
Correlacin
No Normales
Normal
Varianzas
Medianas
Variancia
Medias
Chi
Prueba-F
Homogeneidad
de Varianzas
de Levene
Homogeneidad
de la Variacin
de Bartlett
Correlacin
Prueba de signos
Wilcoxon
Mann-
Whitney
Kruskal-
Wallis
Prueba de Mood
Friedman
Pruebas de t
ANOVA
Correlacin
Regresin
Muestra-1
Muestra-2
Una va
Dos vas
Residuos
distribuidos
normalmente
Prueba de Hiptesis
Variables
Atributos
Tablas de
Contingencia de
Correlacin
No Normales
Normal
Varianzas
Medianas
Variancia
Medias
Chi
Prueba-F
Homogeneidad
de Varianzas
de Levene
Homogeneidad
de la Variacin
de Bartlett
Correlacin
Prueba de signos
Wilcoxon
Mann-
Whitney
Kruskal-
Wallis
Prueba de Mood
Friedman
Pruebas de t
ANOVA
Correlacin
Regresin
Muestra-1
Muestra-2
Una va
Dos vas
Residuos
distribuidos
normalmente
Curso bsico de Minitab
125
Pruebas no paramtricas con la medianas o medianas
Pruebas de la Mediana
Prueba de signos: Prueba si el promedio de la mediana de la muestra
es igual a un valor conocido o a un valor a alcanzar.
Prueba Wilcoxon: Prueba si la mediana de la muestra es igual a un valor
conocido o a un valor hipottico.
Prueba de dos o ms Medianas
Prueba Mann-Whitney: Prueba si dos medianas de muestras son iguales.
Comprueba el rango de dos muestras, por dif. entre dos medianas del universo.
Prueba Kruskal-Wallis: Prueba igualdad de dos o ms medianas de muestras
Asume que todas las distribuciones tienen la misma forma.
Pruebas de dos Medianas
Prueba de la mediana de Mood: Otra prueba para ms de dos medianas.
Prueba ms firme para los valores atpicos contenidos en la inf.
Prueba de Friedman: Prueba si las medianas de las muestras, clasificadas
bajo dos categoras, son iguales.
Correlacin: Prueba la relacin lineal entre dos variables
Curso bsico de Minitab
126
Puebas de signos de la mediana
Ho: mediana = mediana hipotetizada versus Ha: mediana mediana hipotetizada
Ejemplo: Se evaluan los ndices de precios de 29 casas. Los datos histricos indican
que el ndice ha sido de 115. Probar a un alfa de 0.10 si el ndice se ha incrementado.
Nivel de confianza = 1 - alfa = 90%
File > Open worksheet > Exh_Stat.Mtw
Stat > Nonparametrics > 1-Sample Sign.
En Variables, seleccionar PriceIndex Confidence interval level 90
Seleccionar Test median y poner 115 en el cuadro
En Alternative, Seleccionar greater than. Click OK.
Los resultados son los siguientes:
Sign Test for Median: PriceIndex
Sign test of median = 115.0 versus > 115.0
N Below Equal Above P Median
PriceIndex 29 12 0 17 0.2291 144.0
Interpretacin de resultados: Como el valor P de la prueba es >0.1 no hay
evidencia suficiente para rechazar Ho y la
mediana no es mayor a 115.
Curso bsico de Minitab
127
Prueba de una mediana de Wilconox
Ho: mediana = mediana hipotetizada versus Ha: mediana mediana hipotetizada
Se registran los resultados de examenes en ciencias para 9 estudiantes. Se quiere
probar si hay suficiente evidencia de que la mediana sea menor a 77 con alfa = 0.05.
Nivel de confianza = 1 - alfa = 95%
File > Open worksheet > Exh_Stat.Mtw
Stat > Nonparametrics > 1-Sample Wilconox
En Variables, seleccionar Achievement Confidence interval level 95
Seleccionar Test median y poner 77 en el cuadro
En Alternative, Seleccionar less Than. Click OK.
Los resultados son los siguientes:
Wilcoxon Signed Rank Test: Achievement
Test of median = 77.00 versus median < 77.00
N for Wilcoxon Estimated
N Test Statistic P Median
Achievement 9 8 19.5 0.610 77.50
Interpretacin de resultados: Como el valor P de la prueba es >0.05 no hay
evidencia suficiente para rechazar Ho y la
mediana no es estadsticamentemenor a 77.
Curso bsico de Minitab
128
Prueba de rangos de dos muestras de Mann Whitney
H0: q1 = q2 versus H1: q1 q2 , donde q es mediana de la poblacin.
Se asume que las muestras provienen de dos poblaciones con la misma forma y varianza
Ejemplo: Se compara la presin diastlica de dos muestras extraidas de dos poblaciones
Se quiere probar a un 5% de nivel de significancia si hay diferencia entre las medianas.
Nivel de confianza = 1 - alfa = 90%
File > Open worksheet > Exh_Stat.Mtw
Stat > Nonparametrics > Mann-Whitney
En First Sample, sleccionar DBP1. En Second Sample, seleccionar DBP2. Click OK.
En Confidence level 95 y en Alternative, Seleccionar Not equal. Click OK.
Curso bsico de Minitab
129
Los resultados son los siguientes:
Mann-Whitney Test and CI: DBP1, DBP2
N Median
DBP1 8 69.50
DBP2 9 78.00
Point estimate for ETA1-ETA2 is -7.50
95.1 Percent CI for ETA1-ETA2 is (-18.00,4.00)
W = 60.0
Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0.2685
The test is significant at 0.2679 (adjusted for ties)
Interpretacin de resultados: Como el valor P de la prueba es >0.05 no hay
evidencia suficiente para rechazar Ho y las
medianas no son diferentes estadsticamente.
Curso bsico de Minitab
130
Interpretacin de resultados:
Como el valor P de la prueba es < 0.05 hay evidencia suficiente para rechazar Ho y las
medianas son diferentes estadsticamente.
La mediana 3 difiere menos de la mediana general
Las medianas 1 y 2 tienen una mayor diferencia respecto a la mediana general.
Prueba de igualdad de medianas de Kruskal Wallis
H0: Las medianas poblacionales son todas iguales vs H1: Al menos hay una diferente
Esta es una generalizacin de la prueba de Mann Whitney
Ejemplo: Se quiere probar si el efecto de tres tratamientos diferentes influyen en el
crecimiento de bacterias a un 5% de nivel de significancia
Nivel de confianza = 1 - alfa = 90%
File > Open worksheet > Exh_Stat.Mtw
Stat > Nonparametrics > Kruskal-Wallis.
En Response, seleccionar Growth .
En Factor, seleccionar Treatment . Click OK.
Los resultados son los siguientes:
Kruskal-Wallis Test: Growth versus Treatment
Kruskal-Wallis Test on Growth
Treatment N Median Ave Rank Z
1 5 13.20 7.7 -0.45
2 5 12.90 4.3 -2.38
3 6 15.60 12.7 2.71
Overall 16 8.5
H = 8.63 DF = 2 P = 0.013
H = 8.64 DF = 2 P = 0.013 (adjusted for ties)
Curso bsico de Minitab
131
Prueba de igualdad de medianas de Mood
Prueba similar a la anterior:
H0: q1 = q2 = q3, versus H1: no todas las q's son iguales con q's medianas poblacionales .
de OTIS para los tres niveles educacionales.
Ejemplo: Se mide la habilidad intelectual de 179 estudiantes en base al dibujo de figuras
despus se aplica una prueba OTIS y se quiere probar si a un alfa de 5% hay diferencia
significativa entre el nivel de educacin 0 - Preprofesionales 1 -Profesionales
2 - Preparatoria Nivel de confianza = 1 - alfa = 90%
File > Open worksheet > Cartoon.Mtw
Stat > Nonparametrics > Moods Median Test
En Response, seleccionar OTIS.
En Factor, seleccionar ED. Click OK.
Curso bsico de Minitab
132
Los resultados son los siguientes:
Interpretacin de resultados:
Mood Median Test: Otis versus ED Como el valor P es menor a 0.05
indica que las medianas no son
Mood median test for Otis iguales
Chi-Square = 49.08 DF = 2 P = 0.000
Individual 95.0% CIs
ED N<= N> Median Q3-Q1 ----+---------+---------+---------+--
0 47 9 97.5 17.3 (-----*-----)
1 29 24 106.0 21.5 (------*------)
2 15 55 116.5 16.3 (----*----)
----+---------+---------+---------+--
96.0 104.0 112.0 120.0
Curso bsico de Minitab
133
Tablas de Contingencia
La Tabla de contingencia es una prueba de independencia entre variables.
Ho: La variable de rengln es independiente de la variable de columna
Las proporciones en todas las columnas de cada rengln son iguales
Ha: La variable de rengln tiene dependencia de la variable de columna
Las proporciones en las columnas de cada rengln son diferentes
Ejemplo: Se tiene inters de probar si la afiliacin poltica depende del sexo y del
partdo poltico, para lo cual se encuestan a 100 personas.
Democrat Republican Other
Hombres 28 18 4
Mujeres 22 27 1
Las instrucciones son las siguientes:
File > Open worksheet Exh_Tabl.Mtw.
Stat > Tables > Chi-Square Test (Tabla en Worksheet).
En Columns que contiene la tabla, indicar Democrat, Republican y Other. Click OK.
Curso bsico de Minitab
134
Los resultados son los siguientes:
Chi-Square Test: Democrat, Republican, Other
Expected counts are printed below observed counts
Chi-Square contributions are printed below expected counts
Democrat Republican Other Total
1 28 18 4 50
25.00 22.50 2.50 NOTA: Las frecuencias
0.360 0.900 0.900 esperadas deberan ser mayores
a 5.
2 22 27 1 50
25.00 22.50 2.50
0.360 0.900 0.900
Total 50 45 5 100
Chi-Sq = 4.320, DF = 2, P-Value = 0.115 El valor P es mayor a 0.05 y no
2 cells with expected counts less than 5. se rechaza Ho por tanto el tipo
de partido es independiente del
sexo de los votantes.
Curso bsico de Minitab
135
Ejercicios:
1. Los errores presentados en tres tipos de servicios cuando se prestan por tres regiones
se muestran a continuacin, probar con una tabla de contingencia si los errores dependen
del tipo de servicio y regin para un 95% de nivel de confianza.
Servicio Region A Region B Region C
1 27 12 8
2 41 22 9
3 42 14 10
Ho: Los errores NO dependen en cada regin del tipo de servicio.
Ha: Los errores en cada regin, dependen del tipo de servicio,
Con Minitab:
Stat > Tables > Chi square test (two way table in worksheet)
Columns containing the table Region A Region B Region C
OK
Curso bsico de Minitab
136
2. Probar a una alfa de 0.05 si los errores que se cometen al facturar
en diferentes ramos son similares. Nivel de confianza = 1 - alfa = 95%
Orden Farmacia Consumo Comput. Telecom.
Correcta 207 136 151 178
Incorrecta 3 4 9 12
Ho: El nmero de errores no depende del ramo industrial
Ha: El nmero de errores depende del ramo industrial
Con Minitab:
Stat > Tables > Chi square test (two way table in worksheet)
Columns containing the table Farmacia Consumo Comput. Telecom.
OK
Curso bsico de Minitab Curso bsico de Minitab
Regresin lineal y cuadrtica
137
Curso bsico de Minitab
138
Correlacin y Regresin lineal y cuadrtica simple
Coeficiente de Correlacin
Establece si existe una relacin entre las variables y responde a la pregunta,
Qu tan evidente es esta relacin?".
La correlacin es una prueba fcil y rpida para eliminar factores que no influyen
en la prediccin, para una respuesta dada.
* Es una medida de la fuerza de la relacin lineal entre dos variables x y y.
* Es un nmero entre -1 y 1
* Un valor positivo indica que cuando una variable aumenta, la otra variable aumenta
* Un valor negativo indica que cuando una variable aumenta, la otra disminuye
* Si las dos variables no estn relacionadas, el coeficiente de correlacin tiende a 0.
Curso bsico de Minitab
139

Correlacin Positiva
Evidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlacin Negativa
Evidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlacin
Positiva
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlacin
Negativa
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Sin Correlacin
10
15
20
25
5 10 15 20 25
X
Y
0
5
0
Correlacin Positiva
Evidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlacin Negativa
Evidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlacin
Positiva
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlacin
Negativa
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Sin Correlacin
10
15
20
25
5 10 15 20 25
X
Y
0
5
0

r = 1
r = 0.8
r = -0.8
r = -1
r = 0
Curso bsico de Minitab
140
Ejemplo:
Se utiliza el archivo PULSE.MTW campos Peso (Weight) y Altura (Height)
File > Open Worksheet > Pulse.Mtw o copiar los datos del archivo anexo
Antes de calcular el coeficiente de correlacin se sugiere hacer un diagrama
bivariante para identificar posibles valores anmalos, relaciones no lineales, etc.
Graph > Scatterplot: Simple Y = Weight y X = Height
Height
W
e
i
g
h
t
76 74 72 70 68 66 64 62 60
220
200
180
160
140
120
100
Scatterplot of Weight vs Height
Curso bsico de Minitab
141
Ahora se calcula el coeficiente de Correlacin que mide el grado de relacin que existe
entre dos variables, como sigue:
Stat > Basic Statistics > Correlation
Seleccionar en Variables Weight Height
Seleccionar Display P values
Los resultados son los siguientes:
Correlations: Weight, Height
Pearson correlation of Weight and Height = 0.785 Coeficiente de correlacin
P-Value = 0.000
Como el P value es menor a 0.05, la correlacin si es significativa
Curso bsico de Minitab Curso bsico de Minitab
Coeficiente de correlacin
142
Coeficiente de correlacin
0.8 < r < 1.0
0.3 < r < 0.8
-0.3 < r < 0.3
-0.8 < r < -0.3
-1.0 < r < -0.8
Relacin
Fuerte, positiva
Dbil, positiva
No existe
Dbil, negativa
Fuerte, negativa
Reglas empricas
Curso bsico de Minitab
Anlisis de Regresin
143
El anlisis de regresin es un mtodo
estandarizado para localizar la correlacin entre dos
grupos de datos, y, quiz ms importante, crear un
modelo de prediccin.

Puede ser usado para analizar las relaciones entre:
Una sola X predictora y una sola Y

Mltiples predictores X y una sola Y

Varios predictores X entre s
Curso bsico de Minitab
Modelo de regresin lineal simple
144
70 60 50 40 30
80
75
70
65
60
55
50
Tiempo de estudio (horas)
R
e
s
u
l
t
a
d
o
s

d
e

p
r
u
e
b
a

(
%
)
S 4.47182
R-Sq 77.0%
R-Sq(adj) 74.2%
Fitted Line Plot
Resultados de prueba (%) = 31.21 + 0.6955 Tiempo de estudio (horas)
Mnimos cuadrados
R^2 Coef. de
determinacin
Curso bsico de Minitab
145
Regresin simple por medio de grfica:
File > Open Worksheet > Pulse.Mtw
Stat > Regression > Fitted line Plot
Seleccionar en Response (Y) Weight y en Predictor (X) Height
Seleccionar modelo Type of Regression model Linear
Sel. en Graphs > Residuals Standardized > Normal Plot y Residuals vs fits
OK
Ecuacin de
Regresin
S Desv. Estandar de
los residuos
(valor real-estimado
por la regresin)
R-Sq Coeficiente
de Determinacin
en porcentaje de
variacin explicada
por la ecuacin de
regresin
R-Sq (Adj) - Slo para regresin mltiple
Height
W
e
i
g
h
t
76 74 72 70 68 66 64 62 60
220
200
180
160
140
120
100
S 14.7920
R-Sq 61.6%
R-Sq(adj) 61.2%
Fitted Line Plot
Weight = - 204.7 + 5.092 Height
Curso bsico de Minitab
146
Regression Analysis: Weight versus Height
The regression equation is
Weight = - 204.7 + 5.092 Height
S = 14.7920 R-Sq = 61.6% R-Sq(adj) = 61.2%
Analysis of Variance
Source DF SS MS F P
Regression 1 31591.6 31591.6 144.38 0.000
Error 90 19692.2 218.8
Total 91 51283.9
El valor p menor a 0.05 indica que SI
es significativa la Correlacin de Y y X.
Curso bsico de Minitab
147
Anlisis de los residuos
Los residuos muestran aleatoriedad Los residuos siguen una distribucin normal
180 170 160 150 140 130 120 110 100
4
3
2
1
0
-1
-2
Fitted Value
S
t
a
n
d
a
r
d
i
z
e
d

R
e
s
i
d
u
a
l
Versus Fits
(response is Weight)
4 3 2 1 0 -1 -2 -3 -4
99.9
99
95
90
80
70
60
50
40
30
20
10
5
1
0.1
Standardized Residual
P
e
r
c
e
n
t
Normal Probability Plot
(response is Weight)
Curso bsico de Minitab
148
Regresin cuadrtica por medio de grfica:
File > Open Worksheet > Exh_Reg.Mtw
Stat > Regression > Fitted line Plot
Seleccionar en Response (Y) EnergyConsumption y en Predictor (X) MachineSetting
Seleccionar modelo Type of Regression Model Quadratic
Sel. en Graphs > Residuals Standardized > Normal Plot y Residuals vs fits
OK
Ecuacin de
Regresin
S Desv. Estandar de
los residuos
(valor real-estimado
por la regresin)
R-Sq Coeficiente
de Determinacin
en porcentaje de
variacin explicada
por la ecuacin de
regresin
R-Sq (Adj) - Slo para regresin mltiple
30 25 20 15 10
40
30
20
10
0
MachineSetting
E
n
e
r
g
y
C
o
n
s
u
m
p
t
i
o
n
S 6.00002
R-Sq 79.3%
R-Sq(adj) 73.4%
Fitted Line Plot
EnergyConsumption = 128.8 - 13.11 MachineSetting
+ 0.3289 MachineSetting**2
Curso bsico de Minitab
149
Resultados
Polynomial Regression Analysis: EnergyConsumption versus MachineSetting
The regression equation is
EnergyConsumption = 128.8-13.11 MachineSetting+0.3289 MachineSetting**2
S = 6.00002 R-Sq = 79.3% R-Sq(adj) = 73.4%
Analysis of Variance
Source DF SS MS F P
Regression 2 963.81 481.904 13.39 0.004
Error 7 252.00 36.000
Total 9 1215.81 El valor p menor a 0.05 indica que SI
es significativa la Correlacin de Y y X.
Sequential Analysis of Variance
Source DF SS F P
Linear 1 28.500 0.19 0.673
Quadratic 1 935.308 25.98 0.001
Curso bsico de Minitab
150
Anlisis de los residuos
Los residuos siguen una distribucin normal
3 2 1 0 -1 -2 -3
99
95
90
80
70
60
50
40
30
20
10
5
1
Standardized Residual
P
e
r
c
e
n
t
Normal Probability Plot
(response is EnergyConsumption)
Curso bsico de Minitab Curso bsico de Minitab
Cartas de control
151
Curso bsico de Minitab Curso bsico de Minitab
Qu es una Carta de Control?
Una Carta de Control es como un historial del
proceso...
donde ha estado? En donde se encuentra?
... Hacia donde se puede dirigir

Las cartas de control pueden reconocer cambios
buenos y malos. Qu tanto se ha mejorado?
Se ha hecho algo mal?

Las cartas de control detectan la variacin
anormal en un proceso, denominadas causas
especiales o asignables de variacin.

152
Curso bsico de Minitab Curso bsico de Minitab
Variacin observada en una Carta de
Control
Una Carta de control registra datos secuenciales
en el tiempo con lmites de control superior e
inferior.

El patrn normal de un proceso se llama causas de
variacin comunes.

El patrn anormal debido a eventos especiales se
llama causa especial de variacin.

Los lmites de control NO son de especificacin.
153
Curso bsico de Minitab
Causas comunes o normales
154
Siempre estn presentes
Slo se reduce con acciones de mejora mayores,
responsabilidad de la direccin

Fuentes de variacin: Mrgenes inadecuados de
diseo, materiales de baja calidad, capacidad del
proceso insuficiente

SEGN DEMING
El 94% de las causas de la variacin son causas
comunes, responsabilidad de la direccin
Curso bsico de Minitab Curso bsico de Minitab
Variacin Causas
comunes
155
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
El proceso es predecible
Curso bsico de Minitab Curso bsico de Minitab
Causas Especiales
CAUSAS ESPECIALES
Ocurren espordicamente y son ocasionadas por
variaciones anormales (6Ms)
Medicin, Medio ambiente, Mano de obra,
Mtodo, Maquinaria, Materiales
Se reducen con acciones en el piso o lnea, son
responsabilidad del operador

SEGN DEMING
El 15% de las causas de la variacin son causas
especiales y es responsabilidad del operador
156
Curso bsico de Minitab Curso bsico de Minitab
Variacin Causas especiales
157
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
El proceso es impredecible
Curso bsico de Minitab Curso bsico de Minitab
Cartas de control
158
7.5
8.5
9.5
10.5
11.5
12.5
0 10 20 30
Lmite
Superior de
Control
Lmite
Inferior de
Control
Lnea
Central
Curso bsico de Minitab
Escuche la Voz del Proceso
Regin de control,
captura la variacin
natural del proceso
original
Causa Especial
identifcada
El proceso ha cambiado
TIEMPO
Tendencia del proceso
LSC
LIC
9A5. Patrones de anormalidad
en la carta de control
M
E
D
I
D
A
S
C
A
L
I
D
A
D
Curso bsico de Minitab
160
Corridas
7 puntos consecutivos de un lado de X-media.

Puntos fuera de control
1 punto fuera de los lmites de control a 3 sigmas en
cualquier direccin (arriba o abajo).

Tendencia ascendente o descendente
7 puntos consecutivos aumentando o disminuyendo.

Patrones Fuera de Control
Curso bsico de Minitab
161

Adhesin a la media
15 puntos consecutivos dentro de la banda de 1
sigma del centro.

Otros
2 de 3 puntos fuera de los lmites a dos sigma
Patrones Fuera de Control
Curso bsico de Minitab
Proceso de mejora con CEP
162
http://support.sas.com/rnd/app/qc/qc/qcspc.html
Curso bsico de Minitab Curso bsico de Minitab
Tipos de Cartas de control
Hay dos categoras, por el tipo de datos bajo
estudio- cartas por variables y atributos.

Las Cartas por variables se usan para caracterstica
con magnitud variable. Ejemplo:
- Longitud, Ancho, Peso, Tiempo de ciclo o de
respuesta

Las Cartas por atributos se usan para monitoreo de
datos contables. Ejemplo:
- Servicios o productos no conformes, errores en los
servicios o defectos en los productos
163
Curso bsico de Minitab
Cartas de Control por Variables
MEDIAS RANGOS X-R (subgrupos de 5 - 9
partes o servicios evaluados por periodo de
tiempo, para estabilizar procesos)


MEDIAS DESVIACIONES ESTNDAR X S
(subgrupos 9 partes o servicios evaluados
por periodo de tiempo)

VALORES INDIVIDUALES I- MR (partes o
servicios individuales evaluados por periodo
de tiempo)

1
6
4
Curso bsico de Minitab Curso bsico de Minitab
165
Cul grfica se analiza primero?
Cul es su conclusin acerca del proceso ?
19 17 15 13 11 9 7 5 3 1
602
600
598
Sample
S
a
m
p
l
e

M
e
a
n
_
_
X=600.23
UCL=602.376
LCL=598.084
19 17 15 13 11 9 7 5 3 1
8
6
4
2
0
Sample
S
a
m
p
l
e

R
a
n
g
e
_
R=3.72
UCL=7.866
LCL=0
1
1
Xbar-R Chart of Supp2
Ejemplo de Carta de Control X-R (medias - rangos, n <= 9)
Se usa el archivo CAMSHAFT.MTW.
Tamao tpico de subgrupo n = 5
File > Open worksheet > Camshaft
Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
Seleccionar All observations for a chart are in one column, seleccionar Supp2.
En Xbar - R Options > Estimate > Rbar
OK
Curso bsico de Minitab
166
Usar (Chart) Options si se desea algo de lo siguiente:
Parameters Para lmites de la media o rango en base a datos histricos
de la Mean y/o Standar Deviation
Estimate Para omitir subrupos con los que el proceso sale de control
Omit the following subroup when est. parameters (2 14)
Method for estimating standar deviation seleccionar R bar
S limits Para mostrar lmites en 2 y 3 (default) sigmas u en otra sigma
Display Control Limts at These multiples of std. Dev. (2 3)
Tests Definir las pruebas estadsticas fuera de control a ser indicadas
1 point > 3 std. Dev. From center line
7 points in a row all increasing and all decreasing
7 points in a row on same side of center line
Stages Para mostrar diferentes etapas de desempeo del proceso
Define stages (historical groups) with this variable xxx
Box Cox Para transformar datos sin un comportamiento normal
Optimal Lamda
Display Si se quiere condicionar el despliegue de subgrupos
Display all subgroups Display last xx subgroups
Store Para guardar los datos mostrados en la carta de control
Mean; Std Dev; Point Plotted; Center line; Control limits
Curso bsico de Minitab
167
10 9 8 7 6 5 4 3 2 1
602
601
600
599
Sample
S
a
m
p
l
e

M
e
a
n
_
_
X=600.23
UCL=601.883
LCL=598.577
10 9 8 7 6 5 4 3 2 1
3
2
1
Sample
S
a
m
p
l
e

S
t
D
e
v
_
S=1.695
UCL=2.909
LCL=0.481
1
Xbar-S Chart of Supp2
Ejemplo de Carta de Control X-S (medias - desviaciones estndar n >= 10)
Se usa el archivo CAMSHAFT.MTW.
Tamao tpico del subgrupo n >10
File > Open worksheet > Camshaft
Stat > Control Charts > Variables Charts for Subgroups > Xbar-S.
Seleccionar All observations for a chart are in one column, seleccionar Supp2.
En Xbar - S Options > Estimate > Sbar
OK
Curso bsico de Minitab
168
91 81 71 61 51 41 31 21 11 1
605.0
602.5
600.0
597.5
595.0
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=600.23
UCL=605.34
LCL=595.12
91 81 71 61 51 41 31 21 11 1
6.0
4.5
3.0
1.5
0.0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=1.923
UCL=6.284
LCL=0
1
I-MR Chart of Supp2
Ejemplo de Carta de Control I-MR (valores individuales -rangos n = 1)
Se usa el archivo CAMSHAFT.MTW.
Tamao de muestra unitario n = 1
File > Open worksheet > Camshaft
Stat > Control Charts > Variables Charts for Individuals > I-MR
Seleccionar All observations for a chart are in one column, seleccionar Supp2.
En I-MR Options > Estimate > Average moving range 2
OK
Curso bsico de Minitab
169
Ejemplo de Carta de Control I-MR (para tres regiones de vino)
Se usa el archivo WINE.MTW.
Ordenar los datos del archivo por regin en Excel (Datos y Ordenar)
Tamao de muestra unitario n = 1
File > Open worksheet > Wine.Mtw
Stat > Control Charts > Variables Charts for Individuals > I-MR
Seleccionar All observations for a chart are in one column, seleccionar Aroma
En I-MR Options > Estimate > Average moving range 2
Seleccionar las opciones siguientes:
I-MR Options > Tests: Marcar Perform all tests for special causes
I-MR Options > Stages: Define stages: Region
Click OK OK.
Curso bsico de Minitab
170
Estos son los patrones de
anormalidad en las cartas
de control
Curso bsico de Minitab
171
Las cartas resultantes son las siguientes
37 33 29 25 21 17 13 9 5 1
8
6
4
2
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=5.967
UC L=8.699
LC L=3.235
1 2 3
37 33 29 25 21 17 13 9 5 1
3
2
1
0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=1.027
UC L=3.356
LC L=0
1 2 3
I-MR Chart of Aroma by Region
Curso bsico de Minitab Curso bsico de Minitab
Cartas de control por atributos
Miden caractersticas como aprobado/reprobado,
bueno/malo o pasa/no pasa.

Nmero de productos defectuosos
Fraccin de productos defectuosos

Numero de defectos por unidad de producto
Nmero de llamadas para servicio

Nmero de partes daadas
Pagos atrasados por mes
Curso bsico de Minitab Curso bsico de Minitab
Cartas de control para atributos
Datos de Atributos
Tipo Medicin Tamao de Muestra ?
p Fraccin de partes defectuosas, Constante o variable > 50
defectivas o no conformes (>4) n e (n promedio +- 20%)
np Nmero de partes defectuosas Constante > 50
c Nmero de defectos o errores Constante = 1 Unidad de
inspeccin
u Nmero de defectos por unidad Constante o variable en
o errores por unidad unidades de inspeccin
Curso bsico de Minitab
174
Carta P de fraccin de unidades defectuosas, no conformes o defectivas
El archivo EXH-QC.MTW contiene datos de defectivos y defectos evaluados por atributos
File > Open worksheet > EXH-QC
Stat > Control Charts > Attributes chart > P
En Variables, poner Rejects.
En Subgroup sizes, poner Sampled.
Click OK.
19 17 15 13 11 9 7 5 3 1
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
Sample
P
r
o
p
o
r
t
i
o
n
_
P=0.1685
UCL=0.3324
LCL=0.0047
1
P Chart of Rejects
Tests performed with unequal sample sizes
Se tienen lmites de
control variables por
ser el tamao de muestra
variable
19 17 15 13 11 9 7 5 3 1
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
Sample
P
r
o
p
o
r
t
i
o
n
_
P=0.1685
UCL=0.3324
LCL=0.0047
1
P Chart of Rejects
Tests performed with unequal sample sizes
Curso bsico de Minitab
175
Carta nP de nmero de unidades defectuosas, no conformes o defectivas
El archivo EXH-QC.MTW contiene datos de defectivos y defectos evaluados por atributos
File > Open worksheet > EXH-QC
Stat > Control Charts > Attributes chart > nP
En Variables, poner Rejects.
En Subgroup sizes, poner 72
Click OK.
19 17 15 13 11 9 7 5 3 1
30
25
20
15
10
5
0
Sample
S
a
m
p
l
e

C
o
u
n
t
__
NP=12
UCL=21.49
LCL=2.51
1
NP Chart of Rejects
Los lmites de
control son
constantes
19 17 15 13 11 9 7 5 3 1
30
25
20
15
10
5
0
Sample
S
a
m
p
l
e

C
o
u
n
t
__
NP=12
UCL=21.49
LCL=2.51
1
NP Chart of Rejects
Curso bsico de Minitab
176
Carta de control C para defectos por unidad de inspeccin constante
El archivo EXH-QC.MTW contiene datos de defectivos y defectos evaluados por atributos
File > Open worksheet > EXH-QC
Stat > Control Charts > Attributes chart > C
En Variables, poner Blemish.
Click OK.
Los lmites de
control son
constantes
37 33 29 25 21 17 13 9 5 1
8
7
6
5
4
3
2
1
0
Sample
S
a
m
p
l
e

C
o
u
n
t
_
C=2.725
UCL=7.677
LCL=0
C Chart of Blemish
Curso bsico de Minitab
177
Carta de control u para defectos por unidad de inspeccin variable
El archivo TOYS.MTW contiene datos de defectivos y defectos evaluados por atributos
File > Open worksheet > TOYS.MTW
Stat > Control Charts > Attributes chart > U
En Variables, poner Defects.
En Sample size, poner Sample
Click OK.
19 17 15 13 11 9 7 5 3 1
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
Sample
S
a
m
p
l
e

C
o
u
n
t

P
e
r

U
n
i
t
_
U=0.0546
UCL=0.1241
LCL=0
1
1
U Chart of Defects
Tests performed with unequal sample sizes
Se tienen lmites de
control variables por
ser el tamao de muestra
variable
19 17 15 13 11 9 7 5 3 1
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
Sample
S
a
m
p
l
e

C
o
u
n
t

P
e
r

U
n
i
t
_
U=0.0546
UCL=0.1241
LCL=0
1
1
U Chart of Defects
Tests performed with unequal sample sizes

You might also like