Sei sulla pagina 1di 20

Instituto Cientfico del Pacfico

www.icip.edu.pe
TPICOS ESPEICALES EN MINITAB

Instituto Cientfico del Pacfico


www.icip.edu.pe
Contenido
Introduccin ........................................................................................................... 4
Un solo factor aleatorizado ............................... Error! Marcador no definido.
Tipos de modelos ............................................. Error! Marcador no definido.
Modelo de efectos fijos .................................. Error! Marcador no definido.
Modelo de efectos aleatorios ...................... Error! Marcador no definido.
Tabla ANOVA ................................................... Error! Marcador no definido.
Intervalos de confianza .................................. Error! Marcador no definido.
Bloque completo aleatorizado ........................ Error! Marcador no definido.
Diseo en bloques completos aleatorizadosError! Marcador no
definido.
El modelo .......................................................... Error! Marcador no definido.
Tabla ANOVA ................................................... Error! Marcador no definido.
Cuadrado Latino ................................................. Error! Marcador no definido.
Cuadrados Latinos .......................................... Error! Marcador no definido.
Modelo .............................................................. Error! Marcador no definido.
Cuadrado latino con rplicas....................... Error! Marcador no definido.
Cuadrado Greco-Latino ................................ Error! Marcador no definido.
Uso de vectores con patrones ...................... Error! Marcador no definido.
Experimentos factoriales 2k ............................... Error! Marcador no definido.
Diseo 2k para dos factores .......................... Error! Marcador no definido.
Diseo 2k para k factores .............................. Error! Marcador no definido.
Diseo 2k con Bloques .................................... Error! Marcador no definido.
Experimentos factoriales 2k Fraccionado... Error! Marcador no definido.
Diseo de experimentos de Taguchi ............... Error! Marcador no definido.
Superficie de Respuesta .................................... Error! Marcador no definido.
Bibliografa ............................................................ Error! Marcador no definido.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Introduccin

Minitab, en su amplia variedad de herramientas, ofrece mdulos para


analizar diversos temas avanzados de estadstica, tales como las series de
tiempo, las tcnicas de anlisis multivariado y el anlisis de confiabilidad.

Estas tcnicas estadsticas avanzadas son de mucha ayuda cuando se


quiere hacer anlisis de datos en temas especficos.

En esta sesin se vern las herramientas que ofrece Minitab para el anlisis
de datos, en primer lugar, el anlisis de regresin lineal mltiple, en
segundo lugar, el anlisis de serie de tiempo, posteriormente se vern las
principales tcnicas de anlisis multivariado ofrecidas por este software,
y finalmente el anlisis de confiabilidad y supervivencia.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Regresin Lineal Mltiple

Se dispone de una variable dependiente () y m variables


independientes (1 , 2 , , ) el modelo de regresin mltiple se
representa de la siguiente manera:

= 0 + 1 1 + 2 2 + 3 3 + +

Donde: 0 , 1 , 2 , , son los coeficientes del modelo de regresin lineal


mltiple y pertenece a cualquier nmero real.

El anlisis de regresin mltiple persigue bsicamente los siguientes


objetivos, presentar primero el anlisis de regresin mltiple al desarrollar
y explicar el uso de la ecuacin de regresin mltiple, as como el error
estndar mltiple de estimacin. Despus se medir la fuerza de la
relacin entre las variables independientes, utilizando los coeficientes
mltiples de determinacin.

Supuestos del modelo de regresin lineal

Linealidad. Si no se tiene linealidad se dice que tenemos un error


de especificacin.
Independencia de la variable aleatoria residuos (especialmente
importante si los datos se han obtenidos siguiendo una secuencia
temporal).
Homocedasticidad o igualdad de varianzas de los residuos y los
pronsticos.
Normalidad de los residuos tipificados.
No-colinealidad, es decir la inexistencia de colinealidad. Esta
puede ser: colinealidad perfecta si una de las variables
independientes tiene una relacin lineal con otra/as
independientes, colinealidad parcial si entre las variables
independientes existen altas correlaciones.

Error Estndar de la regresin lineal mltiple

El error estndar de estimacin del modelo de regresin mltiple, es una


medida de dispersin la estimacin se hace ms precisa conforme el
grado de dispersin alrededor del plano de regresin se hace ms
pequeo. Para medirla se utiliza la frmula:

Instituto Cientfico del Pacfico


www.icip.edu.pe
2
( )
=
1

: Valores Observados en la muestra.

: Valores estimados a partir de la ecuacin de regresin.


: Nmero de datos.

: Nmero de variables independientes.

Coeficiente de determinacin del modelo de Regresin

El coeficiente de determinacin del modelo de regresin mltiple es una


medida descriptiva que sirve para evaluar la bondad de ajuste del
modelo a lo datos, ya que mide la capacidad predictiva del modelo
ajustado. Se representa as:

2
2
=1( )
= 2
=1( )

: Valores Observados en la muestra.

: Valores estimados a partir de la ecuacin de regresin.

: Promedio de valores de la variable dependiente.

: Nmero de datos.

Aplicacin

Para realizar un anlisis de regresin Lineal mltiple en Minitab debe irse a


Estadsticas > Regresin > Regresin > Ajustar modelo de regresin.

Instituto Cientfico del Pacfico


www.icip.edu.pe
En la ventana de regresin lineal se debern indicar la variable de
respuesta y sus predictores, continuos y categricos.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Series de Tiempo
Qu es una serie temporal?
Es un conjunto de medidas de una variable objeto de estudio, ordenadas
en un espacio de tiempo. Por ejemplo, las ventas de libros por ao.

Ao : X Nmero de Libros: Y

1985 3560

1986 3940

1987 3910

1988 4153

1989 4328

1990 4503

1991 4678

1992 4853

1993 5028

1994 5203

Graficar una serie


Para realizar una grfica de serie de Tiempo Simple en Minitab debe irse
a Estadsticas > Series de Tiempo > Grfica de Serie de Tiempo.

Instituto Cientfico del Pacfico


www.icip.edu.pe
En la ventana que aparece se deber indicar que tipo de grfico se
quiere:

En la siguiente ventana se debe indicar la serie que va a ser graficada,


donde se encontrarn opciones de Tiempo y escala.

Para que se usan las series de tiempo?


La planificacin racional exige prever los sucesos del futuro que
probablemente vayan a ocurrir.

Instituto Cientfico del Pacfico


www.icip.edu.pe
La previsin, a su vez, se suele basar en lo que ha ocurrido en el
pasado.
Se tiene un nuevo tipo de inferencia estadstica que se hace
acerca del futuro de alguna variable o compuesto de variables
basndose en sucesos pasados.
La tcnica ms importante para hacer inferencias sobre el futuro
con base en lo ocurrido en el pasado, es el anlisis de series de
tiempo.

Componentes de una serie de tiempo


1. Tendencia secular:
La tendencia secular o tendencia a largo plazo de una serie es por lo
comn el resultado de factores a largo plazo. En trminos intuitivos, la
tendencia de una serie de tiempo caracteriza el patrn gradual y
consistente de las variaciones de la propia serie, que se consideran
consecuencias de fuerzas persistentes que afectan el crecimiento o la
reduccin de la misma, tales como: cambios en la poblacin, en las
caractersticas demogrficas de la misma, cambios en los ingresos, en la
salud, en el nivel de educacin y tecnologa. Las tendencias a largo plazo
se ajustan a diversos esquemas. Algunas se mueven continuamente
haca arriba, otras declinan, y otras ms permanecen igual en un cierto
perodo o intervalo de tiempo.

2. Variacin estacional:
El componente de la serie de tiempo que representa la variabilidad en
los datos debida a influencias de las estaciones, se llama componente
estacional. Esta variacin corresponde a los movimientos de la serie que
recurren ao tras ao en los mismos meses (o en los mismos trimestres) del
ao poco ms o menos con la misma intensidad. Por ejemplo: Un
fabricante de albercas inflables espera poca actividad de ventas
durante los meses de otoo e invierno y tiene ventas mximas en los de
primavera y verano, mientras que los fabricantes de equipo para la nieve
y ropa de abrigo esperan un comportamiento anual opuesto al del
fabricante de albercas.

3. Variacin cclica:
Con frecuencia las series de tiempo presentan secuencias alternas de
puntos abajo y arriba de la lnea de tendencia que duran ms de un ao,
esta variacin se mantiene despus de que se han eliminado las
variaciones o tendencias estacional e irregular. Un ejemplo de este tipo
de variacin son los ciclos comerciales cuyos perodos recurrentes

Instituto Cientfico del Pacfico


www.icip.edu.pe
dependen de la prosperidad, recesin, depresin y recuperacin, las
cuales no dependen de factores como el clima o las costumbres sociales.

4. Variacin Irregular:
Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que
afectan a la serie de tiempo. Como este componente explica la
variabilidad aleatoria de la serie, es impredecible, es decir, no se puede
esperar predecir su impacto sobre la serie de tiempo. Existen dos tipos de
variacin irregular: a) Las variaciones que son provocadas por
acontecimientos especiales, fcilmente identificables, como las
elecciones, inundaciones, huelgas, terremotos. b) Variaciones aleatorias
o por casualidad, cuyas causas no se pueden sealar en forma exacta,
pero que tienden a equilibrarse a la larga.

Descomposicin en Minitab
Para descomponer una serie temporal entre sus principales componentes
debe irse a Estadsticas > Series de Tiempo > Descomposicin.

Mtodos de Estimacin
Series sin tendencia ni estacionalidad: Suavizacin Exponencial
Simple.
Series con tendencia y sin estacionalidad: Suavizacin Exponencial
Doble.

Series con tendencia y sin estacionalidad: Suavizacin Exponencial


de Holt Winter con doble parmetro.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Predicciones o pronsticos
En general, la prediccin estadstica tiene las siguientes caractersticas:
Las predicciones tienen valor en promedio, por lo que se dice que
la prediccin consiste en determinar el ms probable
comportamiento promedio de los hechos en un nmero grande de
ellos.
La prediccin es condicional ya que su validez depende de la
constancia de las condiciones que se suponen en la prediccin.
Uno de los progresos tericos ms importantes, ha sido la
determinacin de la dispersin en funcin de la distancia del
perodo para el cual se quiere hacer la prediccin al presente.
La prediccin pierde su valor cuando la componente aleatoria
aumenta, es decir, cuando circunstancias imprevistas actan
fuertemente.

Aplicacin
Minitab ofrece diversos mtodos de estimacin y pronstico en el
submen Series de Tiempo.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Anlisis Multivariado
Es el conjunto de mtodos estadsticos cuya finalidad es analizar
simultneamente conjuntos de datos multivariantes en el sentido de que
hay varias variables medidas para cada individuo u objeto estudiado.

Su razn de ser radica en un mejor entendimiento del fenmeno objeto


de estudio obteniendo informacin que los mtodos estadsticos
univariantes y bivariantes no pueden proporcionar.

Definicin
Es una metodologa estadstica sofisticada, mucho ms potente, que
utiliza los mtodos del lgebra lineal, matricial, clculo numrico,
geometra lineal, entre otras.
Los mtodos de anlisis multivariante se diferencian unos de otros, segn
su rea de aplicacin se refiera a uno o ms problemas y segn se
requiera uno o ms grupo de variables.

Objetivos
Proporcionar mtodos cuya finalidad es el estudio conjunto de datos
multivariantes que el anlisis estadstico uni y bidimensional no pueden
conseguir.
Ayudar al analista o investigador a tomar decisiones ptimas en el
contexto en el que se encuentre teniendo en cuenta la informacin
proporcionada por el conjunto de datos analizado.

Clasificacin de tcnicas multivariadas


Mtodos de dependencia
Un anlisis de dependencia puede definirse como aquel en el que una
variable o conjunto de variables es identificado como la variable
dependiente y que va a ser explicada por otras variables conocidas
como variables independientes.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Mtodos de interdependencia
Un anlisis de interdependencia es aquel en que ninguna variable o
grupo de variables es definido como independiente o dependiente. Ms
bien, el procedimiento implica el anlisis de todas las variables del
conjunto simultneamente.

Regresin y Correlacin: Es la relacin (funcin) entre ms de dos


variables, donde una de ellas se asume como dependiente de las dems.
Es el grado de asociacin entre ms de dos variables, donde no hay una
variable dependiente de las otras.
Correlacin cannica: Es una tcnica para estudiar las asociaciones
entre dos conjuntos de variables. Correlacionar simultneamente varias
variables dependientes y varias var. Independientes.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Correspondencia: Consiste en la extraccin de relaciones entre
categoras y define similaridades o disimilaridades entre ellas, lo que
permitir su agrupamiento si se detecta que se corresponden.

Componentes Principales: Es una tcnica estadstica de sntesis de la


informacin, o reduccin de la dimensin (nmero de variables). Es decir,
ante un banco de datos con muchas variables, el objetivo ser reducirlas
a un menor nmero, perdiendo la menor cantidad de informacin
posible.

Anlisis Discriminante: Es una tcnica multivariante de clasificacin de


individuos, en la que se presupone la existencia de dos o ms grupos bien
definidos a priori.

Anlisis Clster: Es un conjunto de tcnicas que se utilizan para clasificar


los objetos o casos en grupos relativamente homogneos llamados
conglomerados (clusters).

Proceso de aplicacin de una tcnica multivariante


1. Definir el problema que se est investigando:

Anlisis conceptual de su objeto de estudio.


Identificar las relaciones fundamentales que se van a
abordar.
Eleccin de la tcnica a aplicar.
2. Desarrollo del plan de anlisis:
Tamao muestral mnimo para la tcnica concreta.
Las escalas de las variables a analizar son concretas.
3. Condiciones de aplicabilidad de la tcnica elegida.
4. Desarrollo de la tcnica, aadiendo o eliminando las variables para
ajustar la bondad de ajuste del modelo desarrollado.
5. Interpretacin de los resultados:
Interpretar el modelo a nivel global.
Analizar las variables individuales.
La interpretacin retroalimenta al paso 4.
6. Validacin del modelo:
Se usan diagnsticos que permitan generalizar los resultados
partiendo de la muestra a la poblacin.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Aplicacin
Minitab ofrece una herramienta con diversas opciones para tcnicas
multivariadas, se debe ir al men estadsticas y pulsar la herramienta
Anlisis Multivariado.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Confiabilidad
Es la probabilidad de que un sistema ejecute su funcin de intencin sin
fallar para un intervalo especfico, bajo condiciones establecidas.

Se define como la Probabilidad de Supervivencia en un determinado


tiempo.

() = 1 ()

Tiempo de vida y falla


La confiabilidad es una medida del Tiempo de Vida til de un producto.
Durante este perodo el cliente obtiene las caractersticas ofrecidas
intencionalmente.

Cuando cesa la capacidad del producto para entregar la caracterstica


ofrecida al cliente, se considera que ha habido una Falla del producto.
Esto representa el trmino del tiempo de vida.

Modelos de tiempo de vida


Para modelar el tiempo de vida se asigna una medida: La frecuencia
relativa o la probabilidad con que ocurrir el evento.

La regla que asigna valores de frecuencia relativa o probabilidades a los


valores de una variable se llama Distribucin de Probabilidad.

MTBF (Tiempo Promedio entre Fallas) - MTTF (Tiempo Promedio de


Fallas)
Si el tiempo de vida para una caracterstica de calidad es una variable
aleatoria y conocemos su distribucin de probabilidad, podemos
calcular una medida de localizacin, por ejemplo, el valor de su media.

El valor medio del Tiempo de Vida se denomina Tiempo Promedio


entre Fallas, MTBF es el acrnimo en ingls, y se refiere a una
medicin bsica de confiabilidad para artculos que se pueden
reparar.

MTTF se refiere al Tiempo Promedio de Fallas, esto es para artculos


que no pueden ser reparados.

Velocidad de Falla
La Velocidad de Falla Tasa de Riesgo o tambin Tasa de Falla es la
fraccin de fallas probables entre la proporcin de supervivientes al

Instituto Cientfico del Pacfico


www.icip.edu.pe
tiempo t. Cuando se conoce la Distribucin de Probabilidad de t, se
calcula a partir de:

() = /()

Es una medida de la mortalidad entre los artculos que quedan.

Pruebas aceleradas de til


Utilice pruebas aceleradas de vida til para investigar la relacin entre el
tiempo de falla y uno o dos predictores. El primer predictor es una variable
de aceleracin. El segundo predictor puede ser una segunda variable de
aceleracin o un factor.

La aplicacin ms comn de pruebas aceleradas de vida til sirve para


estudios en los cuales se impone una serie de niveles de variables que
exceden las condiciones normales del campo para acelerar el proceso
de falla. De esta manera, la variable se conoce como variable de
aceleracin.

Aplicacin
Para realizar una prueba acelerada de vida til en Minitab debe irse a
Estadsticas > Confiabilidad/supervivencia > Prueba acelerada de vida
til.

Instituto Cientfico del Pacfico


www.icip.edu.pe
En la ventana que aparece se debern indicar la variable inicial y la
variable de aceleracin.

Instituto Cientfico del Pacfico


www.icip.edu.pe
Pginas Web
Introduccin al anlisis Clsico de series de tiempo. Consultado el 26 de
abril de 2016.
http://ciberconta.unizar.es/LECCION/seriest/inicio.html

Instituto Cientfico del Pacfico


www.icip.edu.pe

Potrebbero piacerti anche