8 Ensayos de Comparación

Test de Comparación:
Respuesta Continua
Av. Providencia N° 545, Of. 15, Providencia, Santiago - CHILE, Teléfonos: (56-2) 2797 9400 - Fax: (56-2) 2797 9409
Internet: www.quality.cl E-mail: college@quality.cl
Objetivos
 Al final del módulo, usted será capaz de:

 Comparar la media y varianza de dos poblaciones de datos
continuos, con un entendimiento de las implicaciones de  y 
 Para el caso de respuestas continuas de KPOV, permite
determinar si las mejoras se han logrado al término de un
proyecto, además de determinar el intervalo de confianza para el
monto de la mejora.
© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 2
© Quality College Ltda. 19 - 1

Aplicaciones
 Los Ensayos de Comparación de respuestas Continuas

se usan como puente de observación de las muestras de
datos continuos, para ver las diferencias entre proveedores,
máquinas, etc, con el propósito de hacer afirmaciones
respecto a la población usando los “test de significancia” e
intervalos de confianza.
 Comprendiendo esto, los equipos pueden apreciar de mejor forma
la incertidumbre que a menudo acompaña a muchas estrategias de
muestreo y mejorar su foco respecto de la dirección que se debe
adoptar, para realizar las mejoras.
¿Cómo puede usar estas herramientas en su proyecto?
Aplicaciones Y = F(x)
Comparación puede ser de
Datos con ambos “Y” o “x”
Datos sin Secuencia
secuencia de tiempo Por ejemplo
De tiempo
¿Hay
diferencias
Media de la significativas
muestra del ocasionadas
proveedor 1 por diferentes
 Desde las muestras de la población, se pueden proveedores?
hacer estimaciones acerca de la población.
 El tamaño de la muestra y las características de
variabilidad de la población, afectan la Media de la
confianza en la precisión de nuestra muestra del
estimación. proveedor 2
 Considere las implicaciones de tener mucha
variabilidad
 Respuesta: Puede necesitar un tamaño de
muestra muy grande, que sea capaz de detectar
las diferencias También aplica la desviación estándar

Aplicaciones
 Otro ejemplo de aplicación

Las diferencias necesitan
ser mayores que cero para
ser estadísticamente
significativas
¿Cuál es el intervalo
de confianza de
estas diferencias?
Aplicaciones
 Tanto las medias como las desviaciones estándar de las salidas,

pueden compararse entre las muestras, para determinar si una
diferencia es lo suficientemente grande para que sea
estadísticamente significativa.
 Los test de comparación de medias son robustos a la forma de la
distribución fundamental, cuando la distribución no es normal.
 Sin embargo, esto no es cierto cuando se compara la desviación estándar
 En los casos en que la población no está distribuida en forma
normal se puede usar la comparación estadística no-paramétrica
en los casos en que comparemos las desviaciones estándar.
Puede usarse para determinar si un cambio en el
proceso causa una mejora significativa

Aplicaciones
 La hipótesis nula del test de comparación dice que no hay

diferencias, mientras que la hipótesis alternativa dice que
hay diferencias.
 La ecuación básica del test de comparación se aplica
también al análisis de DOE's y al análisis de la varianza
Aplicaciones
 Cada método requiere especificar una estimación

“Agrupada” de “s” (se asume que “s” es similar para ambas
poblaciones).
 Se asume que “s” es similar para ambas poblaciones
 Si usted está conduciendo una evaluación prospectiva, use
investigaciones relacionadas, estudios pilotos, o conocimientos
relacionados para estimar “s”.
 Si usted está conduciendo una evaluación retrospectiva la
desviación estándar de la muestra se puede usar para estimar “s” o
lo puede estimar de la forma anterior.

Comparando una Media con un
valor de referencia
 Cuando comparamos una media de una muestra con un
valor de referencia que queremos evaluar, la hipótesis
nula dice que no hay diferencia entre las medias de la
población y el valor de referencia, mientras que la
hipótesis alternativa dice que si hay diferencias.
 Es decir, 1 = 0 o 1  0
Ejemplo 19.0: Comparando una

Media con un objetivo
 Se quiere determinar si el peso medio del proceso de
llenado y pesaje, difiere significativamente del peso objetivo
de 20000 gramos.
 Dado que no es factible pesar todo, se selecciona una
muestra de 6 unidades y se plantea una prueba de
hipótesis.
 Para una situación como esta la prueba apropiada es una prueba t
de 1 muestra
 Minitab Data Set: “Cap 19, ejem 19-00, peso.MTW”
 Se necesita saber cual es la probabilidad de detectar
diferencias de +/- 100 gramos en esas muestras

Media con un objetivo (t de una
muestra)
Estadísticas>Estadísticas Básicas>t de 1 muestra
 Utilice t de 1 muestra para estimar la media de una población y

compararla con un valor objetivo o un valor de referencia cuando
no se conoce la desviación estándar de la población. Utilizando
este análisis, usted puede hacer lo siguiente:
 Determine si la media de población difiere de la media hipotética
que usted especifica.
 Calcule un rango de valores que probablemente incluya la media
de la población.
 Si conoce la desviación estándar de la población (lo que
usualmente no sucede), utilice Z de una muestra porque la prueba
Z tiene más potencia que la prueba t.

Media con un objetivo (t de una
muestra)
 Utilice t de 1 muestra para estimar la media de una población y

compararla con un valor objetivo o un valor de referencia cuando
no se conoce la desviación estándar de la población. Utilizando
este análisis, usted puede hacer lo siguiente:
 Determine si la media de población difiere de la media hipotética
que usted especifica.
 Calcule un rango de valores que probablemente incluya la media
de la población.
 Si conoce la desviación estándar de la población (lo que
usualmente no sucede), utilice Z de una muestra porque la prueba
Z tiene más potencia que la prueba t.

Ejemplo 19.0: Comparando una Media
con un objetivo (t de una muestra)
• Para una prueba t de 1 muestra, las hipótesis son las siguientes.

• Hipótesis nula
H0: μ = µ0 La media de la población (μ) es igual a la media de
referencia o hipotética (μ0).
• Hipótesis Alternativa: Seleccione una de las siguientes hipótesis

alternativas.
H1: μ ≠ µ0 La media de la población (μ) es diferente de la media

hipotética (μ0).
H1: μ > µ0 La media de la población (μ) es mayor que la media
hipotética (μ0).
H1: μ < µ0 La media de la población (μ) es menor que la media
hipotética (μ0).

Cap 19, ejem 19-00, peso.MTW
Haga click en ACEPTAR

T de una muestra: Peso
Prueba de mu = 20000 vs. no = 20000
Media del Error

Variable N Media Desv.Est. estándar IC de 95% T P
Peso 6 19985,5 74,3 30,3 (19907,5. 20063,5) -0,48 0,652
Gráfica de valores individuales de Peso La Desviación Estándar de la muestra

la vamos a usar luego para determinar
la potencia de la muestra
• Dado que P> alfa de 0,05 no se puede rechazar la hipótesis nula de igualdad.
• La prueba t indica que la media del proceso es 19.985,5
• Hay una probabilidad menor a 0,05 de obtener una muestra significativamente
distinta del valor medio de 20.000

 Al realizar muestreos
repetidos de la misma
población los IC para el 95%
de las muestras incluirían 
Representa la media
de la muestra  Si H0 está fuera del intervalo,
implica que el p< 0,05 y se
rechaza la hipótesis nula
 En este caso H0 se ubica
dentro del intervalo, no puede
rechazar la hipótesis nula
 El H0 nunca se prueba que
es verdadera, sólo que no
hay suficiente evidencia que
indique lo contrario
Representa la media
hipotética

Ejemplo 19.0: Potencia y Tamaño de la
Muestra ¿cuán grande debe ser la muestra?
 Utilice Potencia y tamaño de la muestra para t de 1 muestra para

examinar la relación entre la potencia , el tamaño de la muestra
y la diferencia cuando desee comparar la media de una
población con un valor objetivo o de referencia. Estos cálculos
no requieren que usted conozca la desviación estándar de la
población. Utilice estos cálculos por las siguientes razones:
 Antes de recoger datos para una prueba t de 1 muestra, para
asegurarse de que la prueba tenga
un tamaño de muestra adecuado para
alcanzar una potencia aceptable
 Después de una prueba t de 1 muestra,
para mejorar el diseño en una próxima
prueba

Estadísticas> Potencia y tamaño de la muestra >t de 1 muestra
 Complete los siguientes pasos para especificar los datos para el cálculo de
potencia y tamaño de la muestra.
 Especifique los valores de dos de las siguientes variables de función de
potencia. Deje en blanco la variable que usted desee calcular.
 Tamaños de la muestra: Ingrese un tamaño de muestra de interés. Para
evaluar el efecto de diferentes tamaños de muestra, ingrese múltiples valores.
Con tamaños de muestra más grandes, la prueba tendrá más potencia para
detectar una diferencia. Lo normal es que esto lo que se quiere conocer y por lo
tanto en ese caso se debe dejar en blanco
 Sugerencia
 Si ingresa múltiples valores en un campo, separe los valores con un espacio.
También puede utilizar notación taquigráfica para indicar múltiples valores. Por
ejemplo, puede ingresar 10:40/5 parta indicar tamaños de las muestras de 10 a 40
en incrementos de 5.

Estadísticas> Potencia y tamaño de la muestra >t de 1 muestra
 Diferencias: Ingrese uno o más valores para especificar la diferencia que desea
detectar entre una media de la muestra y una media hipotética (valor objetivo). Por
lo general, usted ingresa la diferencia más pequeña que tiene consecuencias
prácticas para la aplicación específica.
 Si usted selecciona Menor que en el cuadro de diálogo secundario Opciones, ingrese
una diferencia negativa. De lo contrario, ingrese una diferencia positiva.
 Valores de potencia: Ingrese uno o más valores para especificar la probabilidad de
que la prueba detecte la diferencia entre las medias cuando realmente exista una
diferencia. Los valores comunes son 0,8 y 0,9. Por ejemplo, los analistas ingresan
0.9 porque desean una probabilidad de 90% de que la prueba detecte una
diferencia importante con el objetivo cuando realmente exista una diferencia.
 En Desviación estándar, ingrese una estimación de la desviación estándar de la
población (denotada como σ o sigma). Si usted no ha recogido datos previos, utilice
una estimación de la desviación estándar para la población. Base su estimación en
investigaciones relacionadas, especificaciones de diseño, estudios piloto y
conocimiento de la materia, o en información similar. Si ya recopiló y analizó los
datos, utilice la desviación estándar de la muestra.
Ejemplo 19.0: Determinando la

Potencia y Tamaño de la Muestra
Estadísticas>Potencia y tamaño de la muestra >t de 1 muestra
Nos interesa asegurar que el peso de

llenado con media en 20.000 gramos
no difiera en más de 100 gramos.
El análisis de potencia responde a

preguntas como:
•¿cuántas muestras debo recolectar
Se establece la hipótesis
alternativa y el nivel alfa para el análisis?
•¿Es el tamaño de la muestra
suficientemente grande? Nos interesa
asegurarnos que el peso de llenado
con media en 20.000 gramos no difiera
en más de 100 gramos.
•¿Cuál es la Potencia de este análisis
para detectar esa diferencia?

Potencia y tamaño de la muestra Con 6 observaciones, una s =74,3 y un valor
α = 0,05 la potencia es de 0,75. Por lo tanto si
Prueba t de 1 muestra μ está alejada del objetivo de los 20.000
gramos en más de 100 gramos, la probabilidad
Probando la media = nula (no vs. = nula)
de detectarla con una muestra de 6 es de un
Calculando la potencia para la media = nulo + diferencia
75% (los valores de buena práctica son de
Alfa = 0,05 Desviación estándar de la muestra = 74,3
80%)
Tamaño
de la
Diferencia muestra Potencia
-100 6 0,750145
100 6 0,750145
Del gráfico se puede determinar, que si μ está

alejada del objetivo de los 20.000 gramos en
más de 50 gramos, la probabilidad de
detectarla con una muestra de 6 es de un 25%

Si queremos verificar la potencia de ciertos

tamaños de muestra, podemos usar esta
opción como una calculadora: Para varios
valores los podemos especificar u usar la
notación 4:8/2
Tamaño
de la
Diferencia muestra Potencia
-100 4 0,455754
-100 6 0,750145
-100 8 0,901685
100 4 0,455754
100 6 0,750145
100 8 0,901685

Comparando dos Medias
 Cuando comparamos las medias entre dos muestras, la
hipótesis nula dice que no hay diferencias entre las medias
de la población, mientras que la hipótesis alternativa dice
que hay diferencias entre las medias de la población.
 La diferencia entre las dos medias puede ser de un sólo lado (es
decir, 1 > 2 o 1 < 2) o de dos lados (i.e. 1  2)
 Utilice t de 2 muestras para hacer lo siguiente:
 Determinar si las medias de población de dos grupos
independientes difieren.
 Calcular un rango de valores que probablemente incluya la
diferencia entre las medias de las poblaciones.

Ejemplo 19.1: Comparando las

Medias de Dos Muestras
 Más de 20 cambios se consideraron dentro de un DOE's
múltiple; sin embargo, sólo tres de los cambios de diseño se
encontraron beneficiosos.
 Se desarrolló un experimento de comparación para confirmar y
cuantificar los beneficios de esos tres cambios de diseños.
 El test de comparación puede usarse para ver si hay diferencias significativas entre
las medias para:
 Cantidad de días de vencimiento de facturas pendientes de pago (DSO): de dos
departamentos.
 Nivel de satisfacción de los clientes por producto o servicio: antes y después del cambio.
 Diámetro de una pieza plástica de una máquina moldeadora a inyección: Para dos
cavidades diferentes.
 Cantidad de problemas telefónicos diarios recibidos: entre Lunes y Viernes.

Medias de dos Muestras
 Un número menor para el ensayo, indica hay un mejor

desempeño y tiene un mejor nivel de calidad.
 Minitab Data Set: “Cap 19, ejem 19-01, flutter.MTW”
 Buscaremos primero las diferencias que sean
estadísticamente significativas usando un análisis en
Minitab.
Hipótesis para t de 2 muestras
Para una t de 2 muestras, las hipótesis son las siguientes.

Hipótesis nula
H0: μ1 – μ2 = δ0 La diferencia entre las medias de las poblaciones
(μ1 – μ2) es igual a la diferencia hipotética (δ0).
Hipótesis Alternativa: Escoja alguna de las siguientes
H1: μ1– μ2≠ δ0 La diferencia entre las medias de las poblaciones
(μ1 – μ2) no es igual a la diferencia hipotética (δ0).
H1: μ1– μ2> δ0 La diferencia entre las medias de las poblaciones
(μ1 – μ2) es mayor que la diferencia hipotética
(δ0).
H1: μ1– μ2< δ0 La diferencia entre las medias de las poblaciones
(μ1 – μ2) es menor que la diferencia hipotética
(δ0).

Consideraciones en una t de 2 muestras
• Los datos deben ser continuos

• Los datos de la muestra no deben ser marcadamente asimétricos y cada
tamaño de muestra debe ser mayor que 15
• Los datos de la muestra se deben seleccionar aleatoriamente
• Cada observación debe ser independiente de todas las demás
observaciones
• Determinar un tamaño de muestra adecuado. Su muestra debe ser
suficientemente grande, de forma que lo siguiente sea verdadero:
 Las estimaciones tienen suficiente precisión
 Los intervalos de confianza son suficientemente estrechos como para ser
útiles.
 Usted tiene protección adecuada contra errores Tipo 1 o Alfa y Tipo 2 o Beta.
• Para determinar el tamaño de muestra adecuado para su prueba de
hipótesis, vaya a ”Potencia y tamaño de la muestra para t de 2 muestras”.
En esto aplican los contenidos de las diapos. previas 18 a la 20.
Ejemplo 19.1: Potencia y Tamaño de 2

Muestras, Variaciones con 1 Muestra
Estadísticas> Potencia y tamaño de la muestra >t de 2 muestras
 Especifique los valores de dos de las siguientes variables de función de

potencia. Deje en blanco la variable que usted desee calcular.
 Tamaños de la muestra: Ingrese el número de observaciones para cada grupo.
Por ejemplo, ingrese 50 para indicar que recopilará 50 observaciones para cada
uno de los dos grupos.
 Diferencias: Ingrese uno o más valores para especificar la diferencia en las medias que
desea detectar entre dos grupos. Por lo general, usted ingresa la diferencia más pequeña
que tiene consecuencias prácticas para la aplicación específica.
 Valores de potencia: Ingrese uno o más valores para especificar la probabilidad de que la
prueba detecte la diferencia entre las medias cuando realmente exista una diferencia.
 En Desviación estándar, ingrese una estimación de planificación de la desviación estándar
común de las dos poblaciones (denotada como σ o sigma). Base su estimación en
investigaciones relacionadas, especificaciones de diseño, estudios piloto y conocimiento de
la materia, o en información similar. Si usted ya recopiló y analizó los datos, utilice la
desviación estándar agrupada de las muestras. Si usted necesita ser más conservador,
ingrese la Desviación Estándar que lo proteja de una mala decisión, normalmente la
mayor.

Cap 19, ejem 19-01, flutter.MTW
Stat>Basic Statistics>Display Desc. Statistics

Actual hoja de trabajo: Cap 19, ejem 19-01, flutter.MTW
Estadísticas Descriptivas
Variable N Mean Median TrMedia StDev SE Media
Current 14 0.9551 0.8970 0.9424 0.1952 0.0522
New Desi 14 0.6313 0.6160 0.6199 0.1024 0.0274
Variable Minimum Maximum Q1 Q3
Current 0.7370 1.3250 0.7700 1.1453
New Desi 0.5250 0.8740 0.5403 0.6868
La pregunta es, si las diferencias son lo

suficientemente grandes para ser consideradas
significativas

Ejemplo 19.1: Potencia y Tamaño
de 2 Muestras
Necesitamos detectar el tamaño

mínimo de muestras para
detectar diferencias entre las
medias de las muestras, por
ejemplo ante un mejoramiento
Ejemplo 19.1: Potencia y Tamaño

de 2 Muestras
A pesar de la desviación
estándar “conservadora”
utilizada, una muestra de 14, se
ve como suficientemente grande
para detectar una diferencia de
medias de 0,324 entre las
muestras

Stat>Basic Statistics>2-Sample t

La SE Mean es la desviación
Two Sample T-Test and Confidence Interval estándar de las medias de la
muestra
Two sample T for Current Design vs. New Design
• ¿Considere si deberíamos
N Mean StDev SE Mean rechazar la hipótesis nula?
Current 14 0.955 0.195 0.052 • Respuesta: Sí, con mucho
New Desi 14 0.631 0.102 0.027 menos riesgo de error que un
alpha de 0.05
Difference = mu Current Design - mu New Design
Estimate for difference: 0.3238
95% lower bound for difference: 0.2219
T-Test of difference = 0 (vs >): T-Value = 5.50 P-Value = 0.000 DF = 19

Varianzas de dos Muestras
 La desviación estándar de dos muestras de 14 en el ejemplo previo

fueron de 0.195 para el actual diseño y de 0.102 para el nuevo diseño.
 Hagamos un ensayo para ver si hay diferencias que sean
estadísticamente significativas usando el análisis de Minitab.
 El test de comparación puede hacerse para determinar diferencias significativas en la
desviación estándar de:
departamentos.
 Diámetro de una pieza plástica de una máquina moldeadora a inyección: Para dos
Ejemplo 19.1: Comparando la

Varianza de Dos Muestras
Stat>Basic Statistics>Normality Test

Ejemplo19.1: Comparando la
 Para ambos set de datos, no podemos rechazar la hipótesis que las distribuciones
son normales con un nivel de riesgo alfa = 0.05
 Hipótesis nula: la distribución es normal,
 Hipótesis alternativa: distribución no es normal.
P-Value: 0.160
P-Value: 0.141
Análisis de 2 Varianzas
Estadísticas>Estadísticas Básicas>2 Varianzas
 Utilice 2 varianzas para hacer lo siguiente:

 Determinar si las varianzas o las desviaciones estándar de dos grupos difieren.
 Calcular un rango de valores que probablemente incluya la relación de población de las
varianzas o las desviaciones estándar de los dos grupos.
 La prueba de 2 varianzas es útil para situaciones en las que se ha mejorado la
calidad. Puede utilizar esta prueba para comparar la varianza dentro de los
subgrupos con la varianza entre los subgrupos. Además, puede utilizar esta
prueba para comparar la varianza del proceso antes y después de implementar
un programa de mejora de la calidad.

Hipótesis en el Análisis de 2 Varianzas
Estadísticas>Estadísticas Básicas>2 Varianzas
 Para una prueba de 2 varianzas, las hipótesis son las siguientes.:

 Hipótesis nula
H0: σ1 / σ2 = K La relación entre la desviación estándar de la primera población (σ1) y
la desviación estándar de la segunda población (σ2) es igual a la
relación hipotética (K).
 Hipótesis alternativa Seleccione una de las siguientes hipótesis
H1: σ1 / σ2 ≠ K La relación entre la desviación estándar de la primera población (σ1) y
la desviación estándar de la segunda población (σ2) no es igual a la
H1: σ1 / σ2 > K La relación entre la desviación estándar de la primera población (σ1) y
la desviación estándar de la segunda población (σ2) es mayor que la
(no disponible en MTB 15)
H1: σ1 / σ2 < K La relación entre la desviación estándar de la primera población (σ1) y
la desviación estándar de la segunda población (σ2) es menor que la
(no disponible en MTB 15)
 Si está probando la relación de las varianzas, sustituya varianza (σ2) por desviación
estándar (σ) en las hipótesis.

Stat>Basic Statistics>2 Variances

Use este enfoque
cuando los datos se
distribuyen en
forma normal
Use este enfoque no-

paramétrico cuando
los datos no están
distribuidos en forma
normal.
Rechace la hipótesis nula. Las

varianzas no son iguales con
una probabilidad de error
menor a un 0.05
Ensayos de comparación respuesta continua: 8 - 41
© 2008 Derechos Reservados Quality College

Nota: Los intervalos de confianza de Bonferroni para la desviación estándar pueden ser diferentes a
los que se obtienen usando la distribución Chi-cuadrado
[Stat>Basic Statistics>Descriptive Statistics (graph option -- Graphical Summary)]
Test for Equal Variances: Current Design, New Design

95% Bonferroni confidence intervals for standard deviations
N Lower StDev Upper
Current Design 14 0.135491 0.195209 0.339243
New Design 14 0.071085 0.102416 0.177982
F-Test (normal distribution)

Test statistic = 3.63, p-value = 0.027
Levene's Test (any continuous distribution) Como no podríamos rechazar

Test statistic = 3.41, p-value = 0.076 la hipótesis nula, asumimos
que son normales y usamos
el F-Test

Ejercicio 19.8: Comparando dos
Conjuntos de Datos
 Para dos set de datos:

 Minitab Data Set: “Cap 19, ejer 19-08, A and B data sets.MTW”
 Determine si hay diferencias en:
 Medias a un nivel 0.05
 Varianzas a un nivel de 0.05
 Describa un ejemplo de fabricación, de diseño y desarrollo,
y de servicio desde donde estos datos pudieron originarse.

Conjuntos de Datos
Cap 19, ejer 19-08, A and B data sets.MTW
Stat>Basic Statistics>2-Sample t
Testeando para igualdad de medias

i

Conjuntos de Datos
Two Sample T-Test and Confidence Interval
Two sample T for A data set vs.. B data set
N Mean StDev SE Mean

A data s 10 38.66 5.20 1.6
B data s 10 37.71 2.49 0.79
95% CI for mu A data s - mu B data s: ( -3.0, 4.92)

T-Test of difference = 0 (vs. not =): T-Value = 0.52 P-Value = 0.612
DF = 12
i

Conjuntos de Datos
 En la preparación del ensayo para igualdad de varianzas, debemos desarrollar
el test de hipótesis para normalidad Stat>Basic Statistics>Normality Test
Conclusión: Falla en el rechazo de la hipótesis nula de

que las dos poblaciones tiene una distribución normal
P-Value: 0.924 P-Value: 0.335
i

Conjuntos de Datos
Cap 19, ejer 19-08, A and B data sets.MTW
Stat>Basic Statistics>2 Variances
i

Conjuntos de Datos
Conclusión: Con un nivel de decisión alfa = 0.05, podríamos rechazar la hipótesis

nula que dice que las varianzas de las dos poblaciones son iguales.

Comparando Poblaciones usando
Probability Plot
 Los Probability plots nos entregan información que nos

permiten un mejor entendimiento de las diferencias entre dos
muestras.
 Dos probability plots en un mismo gráfico pueden indicar gráficamente
las diferencias en las medias, en las varianzas y posibles outliers (i.e.,
los puntos que son “diferentes" a los otros valores; por Ejemplo, los
que resultan de un error al momento de registrar un dato).
 Esta clase de entendimiento es el que se puede usar para
ayudar en el mejoramiento de los procesos de manufactura.
Ejemplo 19.3: Comparando

Respuestas usando Probability Plot
 Use un probability plot para describir las diferencias entre el

diseño nuevo y el actual.
 El test de comparación se puede usar para ver las diferencias entre...

departamentos.
 Diámetro de una pieza plástica de una máquina moldeadora a inyección: para dos

Ejemplo 19.3: Comparando
Respuestas usando Probability Plot
Graph>Probability Plot
Ejemplo 19.3: Comparando Respuestas

usando Probability Plot
 El límite superior de especificación de
1.0 se agregó a nuestro normal
probability plot
 Desde el gráfico, considere ¿cuáles

son nuestras mejores estimaciones de
porcentaje más allá de las
especificaciones límites antes y
después del cambio?
 Respuesta: Aproximadamente 40% de
los productos con el actual diseño y
menos del 1% con el nuevo diseño,
están por sobre de nuestro límite
superior de especificación de 1.0
Estos valores de media y desviación estándar se determinaron usando los procedimientos de

probabilidad máxima. El procedimiento “stat>basic statistics>descriptive statistics” nos muestra
un resultado ligeramente diferente. En la próxima transparencia se usan estos valores para la media
y la desviación estándar.

Comparando Más de Dos Muestras
 Existen técnicas por las cuales podemos comparar medias

de más de dos poblaciones.
 Las técnicas de análisis de varianzas de un factor pueden evaluar
el total de diferencias entre el nivel del factor o los tratamientos.
 Con el análisis de medias podemos ensayar cada nivel del
factor de nivel o tratamiento respecto de la gran media.
 Si los datos son normales, Minitab ofrece el Test de Bartlett
cuando comparamos múltiples varianzas.
 Si, los datos no son normales podemos usar el Test de Levene.
Ejercicio 19.2: Determinación de

Distribuciones
 Desde los datos de la muestra, ¿cuál distribución se usa

cuando calculamos...?
 El intervalo de confianza de la media
 ?
 El intervalo de confianza de la desviación estándar
?
 La comparación de varianzas de dos muestras
?

Ejercicio 19.2: Distribuciones
 Desde los datos de la muestra, ¿cuál distribución se usa

cuando calculamos...?
 El intervalo de confianza de la media
 t
 El intervalo de confianza de la desviación estándar
 chi-cuadrado
 La comparación de la varianza de dos muestras
 Distribución F
i
Evaluación
 ¿Cree usted que los gráficos de probability plots nos dan la posibilidad
de ver con más claridad las oportunidades de mejoras?
 ¿Es la muestra de un...
 Proceso estable?
 Población de interés?
 ¿Puede un DOE usarse para dar una mirada adicional al producto de
otro proveedor que nos pueda llevar a una mejor comparación?

Consideraciones
 Describa dos medias que puedan ser comparadas dentro

de su área, con el objeto de ver qué podría haberse hecho
diferente para mejorar un KPOV.
 Describa dos varianzas que podrían ser comparadas dentro
de su área, con el objeto de ver qué podría haberse hecho
diferente para mejorar un KPOV.

8 Ensayos de Comparación

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

8 Ensayos de Comparación

Transféré par

Droits d'auteur :

Formats disponibles

Test de Comparación:

 Al final del módulo, usted será capaz de:

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 2

© Quality College Ltda. 19 - 1

 Los Ensayos de Comparación de respuestas Continuas

¿Cómo puede usar estas herramientas en su proyecto?

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 3

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 4

© Quality College Ltda. 19 - 2

 Otro ejemplo de aplicación

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 5

 Tanto las medias como las desviaciones estándar de las salidas,

© Quality College Ltda. 19 - 3

 La hipótesis nula del test de comparación dice que no hay

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 7

 Cada método requiere especificar una estimación

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 8

© Quality College Ltda. 19 - 4

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 9

Ejemplo 19.0: Comparando una

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 10

© Quality College Ltda. 19 - 5

 Utilice t de 1 muestra para estimar la media de una población y

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 11

Ejemplo 19.0: Comparando una

 Utilice t de 1 muestra para estimar la media de una población y

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 12

© Quality College Ltda. 19 - 6

• Para una prueba t de 1 muestra, las hipótesis son las siguientes.

• Hipótesis Alternativa: Seleccione una de las siguientes hipótesis

H1: μ ≠ µ0 La media de la población (μ) es diferente de la media

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 13

Ejemplo 19.0: Comparando una

Estadísticas>Estadísticas Básicas>t de 1 muestra

Haga click en ACEPTAR

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 14

© Quality College Ltda. 19 - 7

Prueba de mu = 20000 vs. no = 20000

Media del Error

Gráfica de valores individuales de Peso La Desviación Estándar de la muestra

Ejemplo 19.0: Comparando una

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 16

© Quality College Ltda. 19 - 8

 Utilice Potencia y tamaño de la muestra para t de 1 muestra para

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 17

Ejemplo 19.0: Potencia y Tamaño de la

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 18

© Quality College Ltda. 19 - 9

Ejemplo 19.0: Determinando la

Nos interesa asegurar que el peso de

El análisis de potencia responde a

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 20

© Quality College Ltda. 19 - 10

Del gráfico se puede determinar, que si μ está

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 21

Ejemplo 19.0: Determinando la

Si queremos verificar la potencia de ciertos

© Quality College Ltda. 19 - 11

Ejemplo 19.1: Comparando las

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 24

© Quality College Ltda. 19 - 12

 Un número menor para el ensayo, indica hay un mejor

© 2008 Derechos Reservados Quality College Ensayos de comparación respuesta continua: 8 - 25

Hipótesis para t de 2 muestras