Professional Documents
Culture Documents
Fundamentación teórica
La correlación lineal y la regresión lineal simple son métodos estadísticos que estudian
la relación lineal existente entre dos variables.
Coeficiente de correlación
Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos
variables, es decir, si se representan en un diagrama de dispersión los valores que toman
dos variables, el coeficiente de correlación lineal señalará lo bien o lo mal que el
conjunto de puntos representados se aproxima a una recta.
De otra forma, la podemos definir como el número que mide el grado de intensidad y el
sentido de la relación entre dos variables.
a) en puntuaciones directas,
b) Puntuaciones diferenciales y
c) puntuaciones estandarizadas
Coeficiente de determinación
Cómo podemos ver en el gráfico, la relación es positiva. A más partidos jugados, como
es lógico, más goles anota en la temporada. El ajuste, según el cálculo del R cuadrado,
es de 0.835. Lo cual quiere decir que es un modelo cuyas estimaciones se ajustan
bastante bien a la variable real. Aunque técnicamente no sería correcto, podríamos decir
algo así como que el modelo explica en un 83.5% a la variable real.
Ecuación de regresión
Ejemplo
El error estándar es una estimación de cuánto varía el valor de una estadística de prueba
de muestra a muestra. Es una medida de la incertidumbre de la estadística de prueba. El
error estándar podría abreviarse como error Es.
Ejemplo
y = 0.2854x + 2.7388
Para calcular el error de estimación, construimos la tabla auxiliar:
Intervalos de confianza
P (L(X) ≤ θ ≤ U(X)) ≥ 1 – α
Intervalos de predicción
Ejemplo
Procedimiento para hacer un gráfico de control
Calcular los límites de control sobre la base de las estadísticas de las muestras de
subgrupos.
La probabilidad de que ocurra un defecto es, p, un valor muy pequeño. Además de que
los defectos ocurren en forma independiente, es decir, el que ocurra un defecto no
afecta la probabilidad de que ocurran los siguientes defectos.
Las muestras tienen las mismas áreas de oportunidad para los defectos, es decir, las
piezas deben ser del mismo tipo y tamaño. Esto es, no considerar piezas de diferente
tamaño, unas demasiado grandes y otras demasiado pequeñas. No considerar números
variables n de tamaño de muestra.
Normal con parámetros µ y σ. Es bien conocido que, para una muestra de tamaño n, la
.En el caso en el que µ y σ sean parámetros conocidos, los límites del grafico de control
Los gráficos de control son un método eficaz para decidir si un proceso está
estadísticamente bajo control o no. Disponemos de una variedad de diferentes gráficos
de control que se pueden utilizar para alcanzar diferentes objetivos.
La herramienta de gráficos individuales permite utilizar los siguientes tipos de gráficos
solos o en combinación:
X Individual
Un gráfico MR (diagrama de rango móvil, moving range diagram) es útil para analizar
la variabilidad de la producción. Las grandes diferencias en la producción, provocadas
por el uso de diferentes líneas de producción, serán fácilmente visibles.
Nota 1. Si lo que quiere es investigar cambios más pequeños en la media (mean shifts),
puede utilizar también tablas individuales tipo CUSUM, que normalmente se emplean
más que las tablas de control individuales, ya que permiten detectar mejor este tipo de
cambios.
Nota 2: Si usted tiene más de una medición para cada punto de tiempo, por favor utilice
los gráficos de control para los subgrupos.
Transformación de Box-Cox
Capacidad de procesamiento
Pruebas de normalidad
Las gráficas de control de x individuales pueden construirse para observaciones
individuales provenientes de una línea de producción, estas graficas es utilizan
principalmente cuando las muestras de tamaño mayor a 1 resulten ser demasiado
costosas, inconvenientes o demasiado caras. También son utilizadas cuando la
producción es demasiado baja por lo que es más conveniente utilizar esta grafica de
control para datos individuales o de rangos móviles.