Académique Documents
Professionnel Documents
Culture Documents
DEFINICION:
Un Diagrama de Dispersin es la forma mas sencilla de definir si existe o no una relacin causa efecto entre dos variables y que tan firme es esta relacin, como estatura y peso. El Diagrama de Dispersin es de gran utilidad para la solucin de problemas de la calidad en un proceso y producto, ya que nos sirve para comprobar que causas (factores) estn influyendo o perturbando la dispersin de una caracterstica de calidad o variable del proceso a controlar. Si X representa una variable y Y la otra, entonces se colectan los datos n pares sobre las dos variables (Xi,Yi) se representan en una grafica X-Y (plano cartesiano) y la figura resultante se le conoce como diagrama de dispersin.
1.
Pasos para la construccin de un diagrama de dispersin: Obtencin de datos Reunir para cada valor de una variable el correspondiente de la otra.
2. Elegir ejes La causa posible en el eje x y el efecto probable en el eje Y. Si son caractersticas de calidad en el eje X se anota la variable que se puede manipular o controlar mas o la caracterstica que ocurre en el proceso. 3. Construir escalas - Que los extremos coincidan - Iniciar con el dato mnimo , no en cero 4. Graficar los datos Trazar un circulo en el punto para datos repetidos 5. Documentar el diagrama Ttulos, periodo que cubre, ttulos y unidades en los ejes, persona responsable de recolectar los datos.
INTERPRETACIN
DE UN DIAGRAMA DE
Relaciones especiales: Parbola, X crece y Y tambin hasta cierto punto y luego empieza a disminuir el valor de Y a medida que X va creciendo.
Puntos aislados: Pueden reflejar una situacin especial en el comportamiento del proceso o algn tipo de error ya sea por medicin o de dedo. Estratificacin: A veces se debe buscar estratificar, ya sea por tipo de producto, proceso, turno etc., o en un mismo diagrama poner marcas diferentes que distingan las caractersticas que se estn estratificando.
Una medida del grado de acercamiento de los puntos de los datos con respecto a una lnea recta o equivalente de la Fuerza de Relacin Lineal entre dos variables la proporciona el valor del coeficiente de correlacin lineal de Pearson.
i=1
i=1
yi
n
i=1 xi
n
i=1 yi
El coeficiente de correlacin lineal solamente toma calores entre 1 y 1 (-1r 1). xi 2 Si r = -1 o r = 1 todos los puntos del Diagrama i=1 i=1 de Dispersin cae sobre una lnea recta, n entonces se dice que las dos variables estn en relacin lineal perfecta. X resulta ser muy buen estimador de Y.
n
B.
Si (r) toma un valor positivo 0 r 1 la relacin lineal es directamente proporcional, Si X crece, Y crece. Si (r) toma un valor Negativo 1 r 0 la relacin es inversamente proporcional, Si X crece, Y decrece. Si r = 0 se dice que no hay relacin lineal entre las dos variables.
D.
E.
PRECAUCIN EN LA INTERPRETACIN DE
UNA CORRELACIN
Lo nico que indica el diagrama de dispersin es que existe una relacin , y el usuario es quien deber tomar esa pista para investigar a que se debe tal relacin. Que dos variables estn relacionadas no necesariamente implica que una es causa de la otra. Quien interprete un diagrama de dispersin debe tomar en cuenta que algunas de las razones por lo que las variables X y Y aparecen relacionadas de manera significativa son : X influye sobre Y Y influye sobre X X y Y interactan entre si Una tercera variable Z influye en ambas, y es causante de tal relacin X y Y actan de forma similar debido al azar X y Y aparecen relacionadas debido a que la muestra no es representativa.
EJEMPLO:
Mega Elektra desea saber el efecto que podra tener el uso de una campaa de publicidad para sus ventas. Para esto ha recolectado informacin va el espionaje industrial donde demuestra en qu porcentaje incrementaron las ventas debido al uso de publicidad en los distintos medios de comunicacin.
EJEMPLO
EMPRESA 1 2 3 4 5 6 7 8 9 10
AUMENTO EN VENTAS (Y) 1% 5% 10% 15% 20% 25% 30% 35% 40% 45%
SUMA
EJEMPLO
S(xx)= 3465(165)2 /10 S(xx)= 3465-2722.5 S(xx)= 742.5 S(xy)= 4953-(165)(226)/10 S(xy)= 4953-3729 S(xy)= 1224
S(yy)= 7126-(226) 2 /10 S(yy)= 7126-5107.6 S(yy)= 2018.4 r = 1224/ (742.5)(2018.4) r = 1224/1224.20 r = 0.99983663
Vemos que a mayor das de publicidad al mes, mayores son las ventas de las organizaciones.