Diseño de Experimentos Con apoyo de software especializado Rev.2 (Todos los derechos reservados a...
-
Upload
susana-castelo -
Category
Documents
-
view
4 -
download
0
Transcript of Diseño de Experimentos Con apoyo de software especializado Rev.2 (Todos los derechos reservados a...
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseño de ExperimentosANOVA
(extracto de Mejoramiento de Procesos
por medio de toma de decisiones basada en datos por Omar Mora)Rev.2
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseño Experimental (DEX)
El diseño experimental (DEX) suele ser circunscrito al concepto de Diseño de Experimentos Factorial. Esto es un enfoque limitado. En un contexto amplio DEX abarca todas las técnicas que permiten una comparación de factores, en diferentes niveles, para poder identificar diferencias significativas entre ellos.
Las pruebas de hipótesis, el análisis de regresión, ANOVA son técnicas de DEX de amplio espectro de uso, y pueden dar grandes retribuciones a quienes las empleen de forma cautelosa y responsable.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseño Experimental BásicoEl diseño experimental, abreviado en
inglés como DEX, los analistas, deliberadamente cambia uno o más factores, variable de procesos, con el fin de observar si los efectos de los cambios tienen relación con las variables de respuesta.
Comúnmente cuando se habla de diseño experimental, la mayor parte de los analistas evoca técnicas como diseño factorial, diseño de Taguchi, Placket-Burman, Central Composite, Superficies de Respuesta, entre otros.
Y esto está bien.
No obstante, a manera de lograr un enfoque más integral de lo que es diseño experimental, se dirá que un buen analista debe manejar con propiedad al menos las siguientes herramientas estadísticas antes de ingresar en el diseño experimental:
• Tamaño de Muestra• Pruebas de Hipótesis• ANOVA• Análisis de Regresión y Correlación
Y conocedor de lo anterior, el estudio y aplicación del diseño experimental le resultará mucho más sencillo, que si asume que es un concepto separado, o independiente.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseño Experimental BásicoEn este documento se iniciar el
tema de diseño experimental por medio del estudio de ANOVA de una y dos vías.
Posteriormente, se trabajará el tema de diseño factorial de dos niveles, y otras variedades. Pero, no se pretende que esta explicación sea exhaustiva, si no más bien, introductoria.
No está dentro del alcance de este documento temas como diseño de mezclas, diseño de experimentos de Taguchi.
Si el lector requiere ahondar en los conocimientos sobre este tema, le recomendamos acudir a la bibliografía anotada al final de este documento.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Niveles de Análisis
Lógico
EstadísticoExperimental
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
A designed experiment is a test or series of tests in which purposeful changes are made to the input variables of a process that we may observe and identify corresponding changes in the output response.
Entradas PROCESO
Salidas
x1 x2 xp
z1 z2 zq
...
...
...
...
y
Factores Controlables (Entradas)
Factores Incontrolables (Entradas)
ANOVA como DEX
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA: Conceptos Básicos
• ANOVA es un herramienta estadística que se emplea para comparar los desempeños promedio de un determinado número de poblaciones.
• ANOVA es el acrónimo para el término en inglés, Analysis of Variance.
• Típicamente ANOVA y Análisis de Regresión son considerados métodos analíticos avanzados.
• “Las técnicas iniciales de análisis de varianzas fueron desarrolladas por el estadístico y genetista Ronald Fisher entre 1920 y 1930, y algunas veces se les conoce como ANOVA de Fisher o Análisis de Varianza de Fisher.” (5)
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA: son promedios
El acrónimo ANOVA causa un poco de confusión.
Recuerde: ANOVA es un método usado con la intención de determinar la existencia de diferencias entre un número de promedios poblacionales.
El principio de parsimonia es sumamente necesario, al enfrentar la posibilidad de usar una ANOVA
Si bien ANOVA es acerca de promedios, es necesario verificar ciertas fuentes de variación antes de poder ejecutar un análisis tipo ANOVA.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA: Modelos Conceptuales
• Modelo de Efectos Fijos: el supuesto para este modelo es que los datos en cada población bajo estudio, provienen o se pueden explicar por medio de una distribución normal, y los promedios podrían o no diferir.
• Modelo de Efectos Aleatorios:los supuestos de este caso asumen que los datos describen una jeraquía de poblaciones disímiles cuyas differencias son inhabilitadas por la jeraquía misma.
• Modelo Mixto: estos modelos pueden utilizarse para explicar condiciones donde ambos, los modelos de efectos fijos y aleatorios, están presentes.
ADVERTENCIA: el alcance de este documento es sobre el Modelo de Efectos Fijos, solamente.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
“…ANOVA es similar a la regresión en el sentido que es utilizada para investigar y modelar la relación entre una variable de respuesta y una o más variables independientes” MINITAB Stat Guide. MINITAB Release 14
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Navaja de Occam y ANOVA
“Si solamente se están comparando dos medias, entonces la ANOVA dará los mismos resultados que una prueba de hipótesis t, para mustras independientes (si estamos comparando dos grupos diferentes de casos u observaciones) o una prueba t para muestras dependientes (si estamos comparando dos variables en un solo especimen de casos u observaciones)”
Traducción a partir de (6)
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Prueba de Hipótesis y ANOVA
En el Diseño Experimental, específicamente en el uso de ANOVA y DOE Factorial, se debe tener presente que el conocimiento y destreza tanto en prueba de hipótesis como en análisis de regresión es fundamental para una correcta interpretación del resultado de la ANOVA o el DOE.
Estos elementos se reforzarán con la práctica y ejemplos.
La hipótesis nula que subyace es:
nH ...: 210
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Supuestos en la ANOVA
Hay dos supuestos básicos en ANOVA:
1. Los datos se han extraído por muestreo es independiente y aleatorios de “j” poblaciones bajo estudio.
2. Las “j” poblaciones están normalmente distribuidas con una media “” QUE PODRIAN O NO (he aquí la esencia de la ANOVA) ser iguales; sin embargo, las varianzas “²” son iguales en las “j” poblaciones.
Violentar estos supuestos podría originar consecuencias en las conclusiones del estudio.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Supuesto de Normalidad
Supuesto de Normalidad:
Los efectos de incumplir este supuestos están relacionados con el estadístico de prueba usado por la ANOVA, mejor conocido como prueba F.
Muchos autores establecen que la prueba F es sorprendentemente robusta y tolera desviaciones de los datos del modelo Normal. La principal restricción podr{ia estar relacionad con el nivel de Curtosis de los datos.
Cuando la curtosis no es mesocúrtica, si no que es leptocurtica, el valor de F tiende a ser bajo y no se puede rechazar la hipótesis nula, a pesar que sea incorrecta. Si los datos tienen platicurtosis, sucedería algo similar: se rechazaría aun cuando la hipótesis nula era correcta.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Supuesto de Homogeneidad de Varianzas
La homogenidad de varianzas, como supuesto, considera que las varianzas en los diferentes grupos son idénticas.
“Si las varianzas en dos grupos independientes son diferentes, entonces adicionar los datos de esos grupos en uno solo, no es apropidado, y no conducirá a una correcta estimación de la varianza común dentro-del-grupo (since que no existe varianza común)” Traducción adaptada de (6)
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Supuesto de Homogeneidad de Varianzas
Igualmente, la prueba F es muy robusta, y tolera desviaciones de incumplimiento de homogeneidad de varianzas;sin embargo, pueden existir casos en los que los promedios están correlacionados con varianzas entre las celdas que conforman la tabla de ANOVA. Es un factor dificil de identificar.
Algunos sugieren crear un gráfico de dispersión que confronte varianzas contra promedios, y comprobar si hay correlaciones
En la práctica, estas sugerencias son poco utilizadas, pero es necesario tener presente la necesidad de validar los supuestos
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Pasos para Aplicar ANOVAEste es un procedimiento sugerido
por Blackberry&Cross, sobre la base de conceptos teóricos y prácticas operativas industriales, estudiadas durante varios años.
Algunos autores podrían diferer del orden o necesidad de ciertos pasos, pero cada paso sugerido se considera necesario para desarrollar metodología y resultados más confiables
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
1. Descripción clara del problema2. Determinación del modelo de análisis3. Definición de la hipótesis nula4. Determinación del tamaño de Muestra5. Realizar una prueba de igualdad de varianzas6. Realizar una prueba de Bondad de Ajuste para Normalidad7. Configurar la tabla de ANOVA8. Ejecutar la prueba de ANOVA 9. Analizar los resultados (incluye análisis de residuos) 10. Conducir pruebas de Tukey, HSU y/o ANOM11. Concluir sobre el Experimento ANOVA
Pasos para Aplicar ANOVA
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Tamaño de Muestra para ANOVA
Recuérdese que cuando se trabaja con problemas de tamaño de muestra (Power and Sample Size, en inglés) siempre hay dos formas de abordarlo:
• Prospectivo: antes de correr el experimento
• Retrospectivo: después de correr el experimento
Se recomienda utilizar el enfoque prospectivo, siempre que sea posible.
Todo problema de tamaño de muestra requiere al menos:
1. Desviación estándar (en modelos de datos continuos)
2. Diferencia mínima detectable entre el más pequeño y más grande de los factores medios.
3. Poder de la prueba
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Tamaño de Muestra para ANOVA
Asuma que ha hecho un experimento ANOVA, con el fin de entender como el envejecimiento de los materiales afecta su resistencia media. Usted quiere encontrar la diferencia, en un grupo de datos controlado, con niveles promedio entre 10 y 14 unidades de resistencia. El sigma del proceso que se tiene ha sido registrado en 2.5. Usted tomó una muestra inicial de 8, en un enfoque retrospectivo de muestreo.Calcule el tamaño de muestra, con un nivel de poder de prueba del 90%. Use MINITAB 15.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Poder de la Prueba
“El poder de la prueba es la probabilidad de correctamente rechazar H0 cuando es falsa. En otras palabras, es la probabilidad de que se identifique una diferencia significativa (efecto) cuando existe”
MINITAB Stat Guide
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Fundamentos de Cálculo de ANOVA
Este material abarca solamente los tipos de ANOVA conocidos como:
ANOVA Una-Vía (One-Way ANOVA)
ANOVA Dos-Vías (Two-Way ANOVA)
No se incluyen en este materiales modelos para ANOVA no-balanceada. Para mayor información consulte (8).
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA de Una VíaEsta modalidad de ANOVA puede sintetizarse en un diseño experimental,
en donde se analiza un (1) factor, en múltiples niveles.
Típicamente, se llama a los niveles del factor “tratamientos”.
De forma estricta, la ANOVA de Una Vía es un OFAT.
Su utilidad es de gran valor, tanto en la práctica como en el ejercicio conceptual.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA de Una-Vía Tamaño Muestra
NOTA: no se ha estudiado los elementos de ANOVA DE UNA VÍA, pero se utlizará este menú de tamaño de muestra como ilustración
Power and Sample Size
One-way ANOVA
Alpha = 0.05 Assumed standard deviation = 2.5 Number of Levels = 5
SS Sample MaximumMeans Size Power Difference 8 8 0.661089 4
The sample size is for each level.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Power and Sample Size
One-way ANOVA
Alpha = 0.05 Assumed standard deviation = 2.5 Number of Levels = 5
SS Sample Target MaximumMeans Size Power Actual Power Difference 8 14 0.90 0.923493 4 8 16 0.95 0.956893 4 8 21 0.99 0.990934 4
The sample size is for each level.
ANOVA de Una-Vía Tamaño Muestra
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Prueba Igualdad de Varianzas
Para ejecutar estas pruebas use el menú de MINITAB
Stat > ANOVA > Test for Equal Variances.
Asuma que tiene un producto en el cual el espesor es una dimensión crítica. El producto se fabrica por medio de termoformado plástico
Usted sabe que el sistema de termoformado se comporta como sigue:
Cuando trabaja a 25 psi, y cuando trabaja a 41 psi debería ser lo mismo
¿Las varianzas en ambos niveles (25 y 41 psi) serán iguales?
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Prueba: Bonferroni y Levene
Test for Equal Variances: Diameter versus Pressure
95% Bonferroni confidence intervals for standard deviations
Pressure N Lower StDev Upper 25 9 2.91929 4.55522 9.7110 41 9 3.54091 5.52519 11.7789
F-Test (normal distribution)Test statistic = 0.68, p-value = 0.598
Levene's Test (any continuous distribution)Test statistic = 0.05, p-value = 0.824
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ilustración de Igualdad de VarianzasPre
ssure
95% Bonferroni Confidence Intervals for StDevs
41
25
12108642
Pre
ssure
Diameter
41
25
2520151050
F-Test
0.824
Test Statistic 0.68P-Value 0.598
Levene's Test
Test Statistic 0.05P-Value
Test for Equal Variances for Diameter
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Homogeneidad de Varianzas
Varios Métodos En general los métodos de igualdad de varianzas se categorizan en
Pruebas estadísticas
– Barlett's (mejor con datos normales)
– F-test (muy robusta; se ve afectada por la curtosis alta o baja)
– Levene (menos poderosa, pero es no-paramétrica)
Medición de Varianza
– Desviación Estándar
– Varianza
– Bonferroni: intervalos de confianza
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Prueba de NormalidadLas pruebas de Normalidad sugeridad son1. Anderson Darling2. Kolmogorov-Smirnov3. Ryan-Joiner4. P-Value
Con anterioridad se han mencionado otras pruebas.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Tabla de ANOVA y Fórmulas
aaan
n
n
aa yyy
yyy
yyy
yya
yy
yy
222
111
21
2221
1211
2
1Tratamiento Observaciones Totales Medias
y y
ANOVA una-vía: un solo factor en múltiples niveles
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
n
jiji yy
1
nyy ii / ai ,...,2,1
a
i
n
jijyy
1 1
Nyy / anN
Fórmulas Específicas
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Medición de la Variabilidad en ANOVA
a
i
n
jijT N
yySS
1
2
1
2
Al igual como se explicó en los elementos de análisis de regresión, la ANOVA como modelo experimental está compuesto de un factor sistemático y otro aleatorio.
La variabilidad total se mide por de SST, en donde SS significa Suma de Cuadrados, del inglés Sum of Squares. errorostratamientT SSSSSS
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
SS Tratamientos = Suma de cuadrados de las diferencias entre las medias de los tratamientos y el promedio general.
SS error = Suma de cuadrados de las diferencias de las observaciones dentro de un tratamiento del promedio del tratamiento.
El concepto de tratamiento y error son complicados, cuando se ejecutan las primeras experimentaciones con ANOVA.
En este documento se omitirán las ecuaciones para el cálculo manual de la Suma de Cuadrados de los Tratamientos y la Suma de Cuadrados de los Errores. Se enfocará el estudio en la confección e interpretación de la ANOVA.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
1
)1(
1
anSS
MSnaSSMS
MSMSaSS
Total
EE
E
osTratamientosTratamientosTratamient
Fuentes de Variación
Suma Cuadrados
Grados
LibertadCuadrado
Medio F0
Tratamientos
Error
Total
TABLA DE ANOVA-Sumaria
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
1
)1(
1
anSS
MSnaSSMS
MSMSaSS
Total
EE
E
osTratamientosTratamientosTratamient
Fuentes de Variación
Suma Cuadrados
Grados
LibertadCuadrado
Medio F0
Tratamientos
Error
Total
TABLA DE ANOVA-Sumaria
Los conceptos de análisis de regresión se adicional en la interpretación de la ANOVA
R² =
Total
osTratamient
SS
SS
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Cuadrado Medio y Varianza
Recuérdese que
En el caso de la ANOVA, la varianza de los tratamientos y del error se estima por medio de los Cuadrados Medios
2
21
0 S
SF
error
osTratamient
MS
MSF 0
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo:
Una compañía fabricante de aleaciones, ha decidido entender mejor su proceso. De momento se sabe que la adición de determinados metales favorece la resistencia; el equipo de ingeniería conoce que adicionar bronce en diferentes proporciones, a la amalgama, podría explicar la mejoría en la resistencia. El problema está en el costo del bronce, y su problema de abastecimiento. El departamento de ingeniería expone entonces que la resistencia está dada en función de la proporción de bronce. Se decide utilizar diferentes proporciones: 5%, 10%, 15% y 20%. Para cada concentración se han tomado 6 especímenes, de acuerdo con un muestreo aleatorio retrospectivo.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Porcentaje de Bronce
(%)1 2 3 4 5 6 Totales Promedio
5 7 8 15 11 9 10 60 10.00
10 12 17 13 18 19 15 94 15.67
15 14 18 19 17 16 18 102 17.00
20 19 25 22 23 18 20 127 21.17
OBSERVACIONES RECOLECTADAS
383 15.96TOTALES
Resistencia en PSI de las Amalgamas
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Verificación de Supuestos
30252015105
99
95
90
80
70
605040
30
20
10
5
1
Resistencias
Perc
ent
Mean 15.96StDev 4.723N 24AD 0.326P-Value 0.505
Probability Plot of ResistenciasNormal
20
15
10
5
9876543210
Trata
mie
nto
95% Bonferroni Confidence Intervals for StDevs
Test Statistic 1.14P-Value 0.769
Test Statistic 0.60P-Value 0.623
Bartlett's Test
Levene's Test
Homogeneidad de Varianzas
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo:Construcción Tabla ANOVA
Acceda al Menú de MINITAB 15:
STAT ►ANOVA ►One Way
La variable de respuesta es la Resistencia del metal. El factor, tratamiento, es el porcentaje de bronce.
Para efectos de análisis es conveniente registrar los residuales y los valores de ajuste del modelo (fit)
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Como parte del proceso de validación de los resultados de una ANOVA, es altamente recomendado que se seleccionen los gráficos:
– Análisis cuatro-en-uno– Valores individuales– Cajas-y-bigotes
Estos gráficos deben estudiarse, para entender el comportamiento de los valores individuales, así como de los valores residuales
Ejemplo:Construcción Tabla ANOVA
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo:Comparaciones Múltiples
En algunas ocasiones las pruebas de comparación múltiple, resultan un recurso adicional para identificar si hay evidencia estadística de diferencia entre los tratamientos.
Para efectos de ilustracíón en MINITAB 15 se procederá a analizar las pruebas:
• Tukey• HSU
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Análisis Gráfico
2015105
25
20
15
10
5
Tratamiento
Resi
stenci
as
Individual Value Plot of Resistencias vs Tratamiento
2015105
25
20
15
10
5
Tratamiento
Resi
stenci
as
Boxplot of Resistencias
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
5.02.50.0-2.5-5.0
99
90
50
10
1
Residual
Perc
ent
N 24AD 0.259P-Value 0.684
20.017.515.012.510.0
4
2
0
-2
-4
Fitted Value
Resi
dual
420-2-4
4.8
3.6
2.4
1.2
0.0
Residual
Fre
quency
24222018161412108642
4
2
0
-2
-4
Observation Order
Resi
dual
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for Resistencias
Ejemplo: Análisis Gráfico
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Comportamiento de los Residuos
Los residuos son la diferencia entre los datos observados (Oi) y los datos esperados (Ei), o también llamados ajustados, ya que provienen de una curva de ajuste o modelo.
Si la diferencia entre Oi-Ei es igual a cero (0), significa que el modelo y los datos se ajustan perfectamente.
Los residuos deben seguir un comportamiento normal, con media cero (0) y varianza desconocida, pero calculable.
Para que la ANOVA , u otros modelos sean válidos, es necesario que estas condiciones se cumplan.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: ANOVA Sumaria
One-way ANOVA: Resistencias versus Tratamiento
Source DF SS MS F PTratamiento 3 382.79 127.60 19.61 0.000Error 20 130.17 6.51Total 23 512.96
S = 2.551 R-Sq = 74.62% R-Sq(adj) = 70.82%
Individual 95% CIs For Mean Based on Pooled StDevLevel N Mean StDev +---------+---------+---------+--------- 5 6 10.000 2.828 (----*----)10 6 15.667 2.805 (----*-----)15 6 17.000 1.789 (----*-----)20 6 21.167 2.639 (-----*----) +---------+---------+---------+--------- 8.0 12.0 16.0 20.0
Pooled StDev = 2.551
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Comparación de HSU
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Comparación de Tukey
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOMCon frecuencia, en la práctica, el
concepto de ANOVA resulta dificil de visualizar para muchos. Una alternativa gráfica para solventar este inconveniente de interface, es la prueba conocida como ANOM (Analysis of Means).
ANOM puede aplicarse para datos normales, binomiales o poisson, y provee un despliegue gráfico de su resultado. Puede diferir de la ANOVA en el resultado final, por lo que el analista debe ser cauto. Toda herramienta tiene diferente nivel de poder.
En MINITAB 15, el menú es:
STAT►ANOVA ►ANOM
Es recomendable acompañar las pruebas de ANOVA, con un análisis ANOM.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOM
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA de Dos VíasEsta modalidad de ANOVA tiene la propiedad de poder incorporar dos ,
factores, cada uno con “a” cantidad de niveles.
La ANOVA de Dos Vías no es un OFAT, y es un modelo experimental más complejo.
La ANOVA de dos vías, permite entender el efecto del factor A, el factor B, además de su interacción AB, lo que la convierte en una herramienta muy poderosa.
Igualmente, es un diseño experimental de amplia utilidad práctica.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA dos vías: dos factores en “a” niveles
)(
,
,,
)(
,
,,
)(
,
,,
)(
,
,,
)(
,
,,
)(
,
,,)(
,
,,
)(
,
,,
)(
,
,,
21
2
2
2221
1
1
1211
22
2
2212
22
22
222221
21
21
212211
1
1
2111
12
12
122121
11
11
112111
ab
abn
abab
a
na
aa
a
na
aa
n
bn
bb
n
nn
b
bn
bb
nn
y
y
yy
y
y
yy
y
y
yy
y
y
yy
y
y
yy
y
y
yyy
y
yy
y
y
yy
y
y
yy
Factor A
Factor B
1
2
a
1 2 b
1y
2y
ay
1y 2y by y
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
b
j
n
kijki yy
1 1
aibn
yy ii ,...,2,1
a
i
n
kijkj yy
1 1b
an
yy jj ,...,2,1j
n
kijkij yy
1 b1,2,...,j
,...,2,1i
a
n
yy ijij
a
i
b
j
n
kijkyy
1 1 1
abn
yy
ANOVA dos vías: fórmulas
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
La hipótesis nula en una ANOVA de dos vías, se expresa como:
H0: No hay efecto significativo del Factor A, No hay efecto significativo del Factor B, No hay efecto significativo por la interacción entre AB
INTERACCIONES
Las interacciones suceden cuando el efecto de un factor, sobre la variable de respuesta depende del nivel de otro factor.
Re
spu
est
aR
esp
ue
sta
-1 Factor A 1
-1 Factor A 1
B= -1
B= 1
B= -1
B= 1
No Interacción Significativa
Interacción Significativa
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
)1()1(
)1)(1()1)(1(
11
11
0
0
0
nab
SSMSnabSS
MS
MSF
ba
SSMSbaSS
MS
MSF
b
SSMSbSS
MS
MSF
a
SSMSaSS
EEE
E
ABABABAB
E
BBBB
E
AAAA
1abnSST
Fuente de Variación
Suma Cuadrados
Grados de Libertad
Cuadrado Medio
F0
A
B
Interacci{on
Error
Total
ANOVA dos vías: Tabla Sumaria
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo:
Una empresa del sector electrónico tiene un proceso de introducción de nuevos productos (NPI, de sus siglas en inglés). Como parte de los retos que el equipo NPI debe enfrentar, se encuentra tomar la decisión acerca del modo de fabricación de la cubierta plástica que protejerá a un transmisor tierra-aire. Se sabe que pueden fabricarse las cubiertas por dos tecnologías alternativas: inyección y termoformado.
Igualmente hay tres materiales, polímeros, que se pueden emplear: ABS(1), Acetal(2), Policarbonato(3).
Se ha decido hacer tres muestras piloto para cada técnica con cada polímero. Una ANOVA de dos vías resulta funcional para análisis de este experimento, donde la variable de respuesta es un coeficiente de curvatura, por cálculo indirecto.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
1 4.0, 4.5, 4.3 5.4, 4.9, 5.6 28.7
2 5.6, 4.9, 5.4 5.8, 6.1, 6.3 34.1
3 3.8, 3.7, 4.0 5.5, 5.0, 5.0 27.0
40.2 49.6 89.8
Polímero Inyección Termoformado
12.8 15.9
15.9 18.2
15.511.5
a=3, b=2, n=3
Curvaturaiy
jyy
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
0.500.250.00-0.25-0.50
99
90
50
10
1
Residual
Perc
ent
N 18AD 0.353P-Value 0.425
6.05.55.04.54.0
0.4
0.2
0.0
-0.2
-0.4
Fitted Value
Resi
dual
0.30.20.10.0-0.1-0.2-0.3-0.4
3
2
1
0
Residual
Fre
quency
18161412108642
0.4
0.2
0.0
-0.2
-0.4
Observation Order
Resi
dual
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for Curvatura
Ejemplo: Análisis Gráfico ANOVA 2-vías
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Polímero
Método
321
Term
ofor
mad
o
Inye
cciòn
Term
oformad
o
Inye
cciòn
Term
oformad
o
Inye
cciòn
6.5
6.0
5.5
5.0
4.5
4.0
Curv
atu
ra
Boxplot of Curvatura
Ejemplo: Análisis Gráfico ANOVA 2-vías
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Polímero
Método
321
Term
ofor
mad
o
Inye
cciòn
Term
oformad
o
Inye
cciòn
Term
oformad
o
Inye
cciòn
6.5
6.0
5.5
5.0
4.5
4.0
Curv
atu
ra
Individual Value Plot of Curvatura vs Polímero, Método
Ejemplo: Análisis Gráfico ANOVA 2-vías
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Supuesto Igualdad de Varianzas
Polímero Método
3
2
1
Termoformado
Inyecciòn
Termoformado
Inyecciòn
Termoformado
Inyecciòn
654321095% Bonferroni Confidence Intervals for StDevs
Test Statistic 1.43P-Value 0.921
Test Statistic 0.17P-Value 0.969
Bartlett's Test
Levene's Test
Homogeneidad de Varianzas
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Efectos Principales ANOVA 2-vías
321
5.75
5.50
5.25
5.00
4.75
4.50
TermoformadoInyecciòn
Polímero
Mean
Método
Main Effects Plot for CurvaturaData Means
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Interacciones ANOVA 2-vías
TermoformadoInyecciòn
6.0
5.5
5.0
4.5
4.0
321
6.0
5.5
5.0
4.5
4.0
Polímero
Método
123
Polímero
InyecciònTermoformado
Método
Interaction Plot for CurvaturaData Means
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Intervalos ANOVA 2-vías
TermoformadoInyecciòn
6.0
5.5
5.0
4.5
4.0
Método
Curv
atu
ra
Interval Plot of Curvatura95% CI for the Mean
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Intervalos ANOVA 2-vías
Polímero
Método
321
Term
ofor
mad
o
Inye
cciòn
Term
oformad
o
Inye
cciòn
Term
oformad
o
Inye
cciòn
7
6
5
4
3
Curv
atu
ra
Interval Plot of Curvatura95% CI for the Mean
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Ejemplo: Tabla ANOVA Dos-Vías, Sumaria
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA: Taller
Recolecte y estudie los datos necesarios, que le permitan confeccionar un estudio de ANOVA de una o dos vías.
Solamente practicando se logrará desarrollar destrezas analíticas.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseños completamente aleatorios
La manera en que se toman los datos para diferentes tratamientos, en un experimento, como lo es una ANOVA, algunas veces obedece a:
• La comodidad para tomarlos • El costo de recolección• La necesidad de aleatorización
completa• Ningún criterio
Sin duda, de las anteriores opciones que explican cómo se planifícó la recolección de datos, la más conveniente, apropiada, y recomendada, es la aleatorización completa de los datos.
La aleatorización es una de las medidas que se adoptan para combatir los efectos indeseables de las llamadas “variables furtiuvas”.
Las “variables furtivas” son cualitativas o cuantitativas, y no hay certeza sobre cuando puedan presentarse y afecten el evento en estudio. Estas variables generalmente son aquellas que el investigador, analista, no ha identificado, pero que si afectan la variable de respuesta.
La aleatorización compesa el problema, pero no lo elimina. La manifestación de las “variables furtivas” se observa en la suma de cuadrados del error.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseños completamente aleatorios
Nadie puede anticipar la presencia de una “variable furtiva”.
Aun cuando el proceso de generar un diseño completamente aleatorio sea más costoso, lento en la práctica, o dificil de asimilar gerencialmente, es una forma de mitigar el riesgo de concluir inapropiadamente después de aplicar la ANOVA (u otros diseños experimentales).
“Aleatorio o nada”. Es una frase de algunos especialistas, que evoca el grado imperativo de generar aleatorización en los modelos.
MINITAB 15 no genera la aleatorización de forma automática, pero se puede hacer utilizando varios menús.
Se mostrará el procedimiento seguidamente, gracias a un ejemplo.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseños completamente aleatorios
Modelo No Aleatorio
Modelo Aleatorio
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Diseños completamente aleatorios
Con ayuda de MINITAB 15, es posible lograr el proceso de aleatorización de las corridas para los tratamientos.
Acceda a los menús:
Calc►Make Pattern Data ► Simple Set of Numbers: para crear el listado de los tratamientos (también puede usar texto en Calc►Make Pattern Data ► Text Values)
Calc ► Make Pattern Data ► Simple Set of Numbers: para crear la lista de corrida, en orden estándar.
Calc ► Random Data ► Sample from Columns: le ayudará a crear la lista aleatoria de corrida a partir del orden estándar
Stat ► Quality Tools ► Run Charts: es un procedimiento recomendado por Blackberry&Cross, para verificar si el orden aleatorio lo es en buena medida.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
18161412108642
20
15
10
5
0
Observation
Ale
ato
rio
Number of runs about median: 11Expected number of runs: 10.0Longest run about median: 3Approx P-Value for Clustering: 0.686Approx P-Value for Mixtures: 0.314
Number of runs up or down: 10Expected number of runs: 11.7Longest run up or down: 3Approx P-Value for Trends: 0.163Approx P-Value for Oscillation: 0.837
Run Chart of Aleatorio
18161412108642
20
15
10
5
0
Observation
Corr
ida
Number of runs about median: 2Expected number of runs: 10.0Longest run about median: 9Approx P-Value for Clustering: 0.000Approx P-Value for Mixtures: 1.000
Number of runs up or down: 1Expected number of runs: 11.7Longest run up or down: 17Approx P-Value for Trends: 0.000Approx P-Value for Oscillation: 1.000
Run Chart of Corrida
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Transformación de RespuestasComo se ha mencionado, y practicado,
el comportamiento de los residuos debe ser normal, con media cero, y varianza desconocida, pero calculable. Algunas veces esta situación no se presenta, y hace que el modelo no sea válido.
Las causas pueden ser múltiples:
– Sistema de medición inadecuado– Datos mal digitados– Efectos por redondeo– Otro tipo de discrepancias.
Muchas de estas discrepancias pueden ser resueltas gracias a la aplicación de transformaciones matemáticas de los datos originales
Las transformaciones más comunes en el caso de ANOVA son:
– Logarítmica– Datos discretos– Datos Fraccionados– Datos en Escalafón
Los detalles acerca del proceso de transformación están fuera del alcance de este documento.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
ANOVA Dos Vías y GLMEn MINITAB 15 la manera de
resolver problema de ANOVA de Dos Vías, puede lograrse por medio de diferentes menús:
Stat► ANOVA ► Balanced ANOVA
Stat ► ANOVA ► General Linear Model
Estos dos menús de MINITAB 15 ofrecen más posibilidades analíticas.
Con su facilitador, proceda a utilizar los datos que se muestran al lado, para resolver un ejercicio que emplee las opciones señaladas antes.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
TallerTratamiento
Obs 1 2 3 4 5 6 7 8 9
1 1213,5 1173 1143 1209 1174,5 1117,5 1255,5 86,6 83,1
2 1174,5 1227 1180,5 1264,5 1246,5 1185 1204,5 1254 1168,5
3 1167 1252,5 1192,5 1207,5 1183,5 1195,5 1212 1284 1168,5
4 1149 1263 1129,5 1158 1251 1246,5 1254 1258,5 1198,5
5 1233 1135,5 1233 1239 1215 1146 1251 1290 1255,5
6 1117,5 1221 1180,5 1186,5 1167 1203 1179 1155 1207,5
7 1207,5 1170 1113 1255,5 1161 1213,5 1242 1200 1221
8 1155 1228,5 1261,5 1228,5 1176 1218 1104 1263 1122
9 1237,5 1248 1255,5 1168,5 1171,5 1260 1240,5 1150,5 1291,5
Considere un proceso en el cual la temperatura puede colocarse en diferentes niveles. Se han escogido 9 niveles distintos. Para niveles se han tomado 9 observaciones. Construya un gráfico de cajas-y-bigotes para ilustrar el comportamiento de este fenómeno. Luego confecciones una ANOVA de una-vía. Puede descargar los datos desde www.sixsigmacostarica.com
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Aclaraciones
Este documento utiliza material contenido en MINITAB 15. Todos esos ejemplos son propiedad de MINITAB Inc.
A la fecha de edición e impresión de este documento, MINITAB 15 no cuenta con versión en español, por lo que los resultados se dejan en este texto tal y como se obtienen de la versión en inglés del software.
Esta obra pretende funcionar como un complemento didáctico para todos aquellos usuarios de MINITAB 15, que son hispano-parlantes, y como una guía para los representantes de MINITAB en América Latina.
Puede entonces catalogarse este documento como una guía ampliada a la ayuda (HELP) de MINITAB 15, para usuarios que recientemente se introducen al uso del software, pero no debe confundirse con una obra que compite con textos de MINITAB Inc.
No es el propósito de este documento ser un libro en estadística, mejoramiento continuo o similar, ni tampoco pretende este material reemplazar el entrenamiento certificado de MINITAB Inc., el cual se recomienda grandemente.
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Simbología en este documento
En este documento se hará uso de diferente nomenclatura, cuando se acceda a MINITAB 15
Por ejemplo:
FILE ►Print Setup en donde el símbolo “►” significa, que el usuario debe acceder a un submenú del menú FILE, según el ejemplo
MTB> en donde el símbolo “>” es parte de la nomenclatura de comandos de MINITAB
Ctrl + S, que implica que el símbolo “+” muestra la unión de secuencia de teclas, en este caso la tecla “Ctrl” seguida de la tecla “S”
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Bibliografía1. Douglas Montgomery, Introduction to Quality Control. Wiley and Sons,
20042. Forrest W. Breyfogle III, John Wiley and Sons, 20033. Omar Mora. Quality Engineer Manual of Formulas, 20024. MINITAB Inc. MINITAB 15 Stat Guide, 20075. Traducción de Wikipedia, 2005 http://en.wikipedia.org/wiki/ANOVA6. MINITAB Stat Guide. MINITAB Release 14 7. STATSoft Electronic Textbook www.statsoft.com, 2005
8. Montgomery D.C.1991.Design and Analysis of Experiments. Tercera Edición, New York, WIley & Sons.
9. Design of Experiments with MINITAB. Paul Mathews, ASQ Press,2004
Copyrights©. 2005-2008 PXS Diseño de Experimentos Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
Todas las figuras y datos específicamente referidos, así como el logo y el nombre de MINITAB 15, pertenecen a MINITAB Inc.
Windows, Microsoft, Office, Microsoft Excel son marcas registradas de Microsoft Inc.
Blackberry&Cross, la marca y el logo, son propiedad de Blackberry&Cross S.A.
Este documento fue preparado por Blackberry&Cross para uso en Centroamérica y demás países de Latinoamérica
Este documento está en constante revisión y mejoramiento, y el usuario acepta usarlo “como es”.
Todos los derechos reservados. Se prohíbe su reproducción sin el permiso de los autores.
Contáctenos:
Blackberry&Cross®
Teléfono: 506-297-4735Moravia, San José, Costa Rica
E-mail: [email protected]
Web:
www.blackberrycross.com
www.sixsigmacostarica.com