04 Analyze W2 Correlation - Regression Sp. Six Sigma Analyze

Six Sigma
Entrenamiento Green Belt
Correlacin/Regresin
INSTITUTO PARA LA CALIDAD 2008. Prohibida su reproduccin total o parcial sin permiso del autor y del Instituto para la Calidad de la Pontificia
Universidad Catlica del Per.
Reconocer
Definir
Medir
Analizar
Mejorar
Controlar
Sobre este mdulo . . .

El anlisis de correlacin es usado para cuantificar
el grado de asociacin entre variables
El anlisis de regresin es usado para cuantificar
la relacin funcional entre variables
Six Sigma, Una bsqueda para la perfeccin del proceso

Ataca la variacin y logra objetivos
\DataFile\Correl.mtw
\DataFile\RegressAnova.mtw
\DataFile\Correg Your Turn.mtw
Que aprenderemos . . .
Correlacin
Como medir una relacin lineal entre dos variables
Como interpretar el coeficiente de correlacin r de
Pearson
Regresin
Y = f(X): como encontrar la funcin que relacione una
variable dependiente , Y, con una variable independiente,
X (regresin lineal simple)
Como interpretar el coeficiente de determinacin, R-Sq
Como interpretar la tabla ANOVA para regresin lineal
simple
Como analizar residuales
Ejemplos del Mundo Real

ADMINISTRACIN
Una compaa de software desea conocer la relacin entre la
llamadas en cola de espera y el tiempo de servicio.
FABRICACIN
Un encargado de calidad quiere predecir la resistencia de un
moldeado plstico realizando un ensayo destructivo de un
cupn
DISEO
Un ingeniero qumico, diseando un nuevo proceso, desea
investigar la relacin entre las variables clave de entrada y la
prdida de amonio en pilas
Trminos
Correlacin
Usada cuando ambas Y y X son continuas
Mide la fuerza de la relacin lineal entre Y y X
Mtrica: r, coeficiente correlacin Pearson (r varia entre -1 y +1)

Relacin positiva perfecta, r = 1
No existe relacin, r = 0
Relacin negativa perfecta, r = -1
Regresin
Regresin linear simple usada cuando ambas Y y X son continuas
Cuantifica la relacin entre Y y X (Y = b0 + b1X)
Mtrica: Coeficiente de Determinacin, R-Sq (varia desde 0.0 a 1.0 o 0%

a 100%)
Si ninguna variacin de Y es explicada por X, R-Sq = 0.0 %

Si toda variacin en Y es explicada por X, R-Sq = 100 %
Coeficientes de correlacin:
Ilustracin
SCATTERPLOT OF Y VERSUS X
-98
r = 102
+1.0
-99
101
-100
r = -1.0
-Y
103
100
-101
99
-102
98
-103
98
99
100
101
102
98
103
99
100
101
102
103
210
200
190
r = 0.0
180
200
210
220
Correlacin: Ejemplo Minitab

Station 1 Station 2
8.6
8.7
8.8
9.0
9.0
9.1
9.1
9.3
9.0
9.1
9.1
9.2
9.1
9.2
9.2
9.4
9.1
9.2
9.1
9.2
9.0
9.2
8.8
9.0
9.0
9.2
9.1
9.2
9.4
9.6
9.3
9.5
8.8
9.0
9.2
9.4
9.0
9.0
8.8
8.9
El voltaje, correspondiente a una misma

fuente de suministro, es medido por la
Estacin 1 y Estacin 2
Determinar la correlacin existente, en la
medicin del voltaje, entre las dos
estaciones
Desarrollo:
Abrir Datafile\CORREL.mtw (los datos se
muestran en la Data Window)
Ir a Stat > Basic Statistics > Correlation
Correlacin : Ejemplo Minitab

(Continuacin)
4
2
1. Seleccione C1 Station 1
and C2 Station 2
2. Presione Select
3. Observe Station 1 y
Station 2 como
Variables:
4. Seleccione Display pvalues
5. Seleccione OK
Correlacin : Ejemplo Minitab (Continuacin)

Correlaciones: Estacin 1, Estacin 2
Correlacin de Pearson de Estacin 1 y Estacin 2 = 0.959

P-Value = 0.000
Desde la Ventana
de Sesin de
Minitab
Scatterplot of Station 1 vs Station 2

9.4
9.3
9.2
9.1
Station 1
Hiptesis Nula (H0):

NO existe correlacin
entre Estacin 1 y
Estacin 2
(H0 es falso porque p
es menor que 0.05)
9.0
8.9
8.8
8.7
Graph > Scatterplot
8.6
8.5
8.6
8.8
9.0
9.2
Station 2
9.4
9.6
Anlisis de regresin lineal simple
Usada para ajustar lneas y curvas a los datos cuando los

parmetros (bs) son lineales
Las lneas ajustadas

Cuantifica la relacin entre la variable predictora (X) (ingreso)
y variable respuesta (Y) (salida)
Ayuda a identificar las pocas Xs vitales (filtrado)
Permite predicciones de la respuesta Y a partir del
conocimiento de la predictora X
Identifica el impacto de controlar una variable de proceso de

entrada (X) en una variable de proceso de salida (Y)
Produce una ecuacin de la forma:
= b +b X
Y
0
1
es un estimado (" valor ajustado' )
donde Y
del valor correspondiente a la poblacin, Y
Regresin: Ejemplo Minitab

Station 1 Station 2
8.6
8.7
8.8
9.0
9.0
9.1
9.1
9.3
9.0
9.1
9.1
9.2
9.1
9.2
9.2
9.4
9.1
9.2
9.1
9.2
9.0
9.2
8.8
9.0
9.0
9.2
9.1
9.2
9.4
9.6
9.3
9.5
8.8
9.0
9.2
9.4
9.0
9.0
8.8
8.9
El voltaje en la Estacin 1 se correlaciona con

el voltaje en la Estacin 2.
A un Green Belt le dan la tarea de predecir el
voltaje en la Estacin 2 a partir del voltaje en
la Estacin 1
Desarrollo:
Abrir Datafile\CORREL.mtw (los datos se
muestran en la Data Window)
Ir a Stat > Regression > Fitted Line Plot
Regresin: Ejemplo Minitab (Continuacin)

3
1
2
4
5
1. Seleccione C1 Station 1
and C2 Station 2
2. Presione Select
3. Observe Station 1 como
Response (Y): y Station 2
como Predictor (X):
4. Seleccione Linear como

Type of Regression Model
5. Seleccione OK
Regresin: Ejemplo Minitab (Continuacin)

Ecuacin de
la prediccin
Fitted Line Plot
Station 1 = 1.020 + 0.8729 Station 2

9.5
S
R-Sq
9.4
R-Sq(adj)
Station 1
Lnea
9.3
ajustada:
obedece la
9.2
ecuacin de la
9.1
prediccin
0.0557288
92.0%
91.5%
Coeficiente de
Determinacin: use
R-Sq para la
regresin lineal
simple (una X)
9.0
8.9
8.8
8.7
8.6
8.6
8.8
9.0
9.2
Station 2
9.4
9.6
Regresin lineal de la Estacin 1 en Estacin 2
Como se relaciona la Estacin 1 dependiente a la Estacin 2

independiente o cual es la regresin de la Estacin 1 en Estacin 2?
Desde la Ventana de Sesin, la ecuacin de la regresin es:

Estacin 1 = 1.020 + 0.8729 Estacin 2
Interseccin, b0
Pendiente, b1
La interseccin, b0, es donde la lnea ajustada (Lnea de

regresin) cruza el eje Y , donde X = 0
La pendiente, b1, es ascenso sobre incremento DY/DX
Los coeficientes b0 y b1 son estimadores de los parmetros de la

poblacin b0 y b1 ; son coeficientes lineales.
Origen de la ecuacin de la regresin

Tiempo para Facturar (Y)
Diagrama de Dispersin
100
90
80
???
70
60
La mejor lnea de ajuste

pasa por las medias de
Y y X (mostrada por la
cruz)
50
40
40
50
60
70
80
90
100
tems Solicitados (X)
Cual es la mejor lnea de ajuste entre el

Tiempo para facturar y los tems solicitados?
Mtodo de cuadrados mnimos
Residual, r = Valor Observado Valor predicho
Tiempo para facturar (Y)
Lneas de ajuste y residuales
El mtodo de
cuadrados mnimos
minimiza la suma de
los cuadrados de los
residuales
Las ecuaciones
resultantes para la
interseccin y
pendiente se
denominan
ecuaciones normales
100
90
80
70
60
50
40
40
50
60
70
80
tems Solicitados (X)
90
100
Mtodo de cuadrados mnimos

(Continuacin)
Lneas de ajuste y Residuales
Tiempo de facturar (Y)
100
90
80
Residual
Positivo
Residual
Cero
70
60
Residual
Negativo
50
40
40
50
60
70
80
tems solicitados (X)
90
100
Un residual puede ser

positivo, negativo o cero
Positivo: punto por

encima de la lnea
de ajuste
Cero: punto en la
lnea de ajuste
Negativo: punto
bajo la lnea de
ajuste
Significancia Estadstica
Una tabla de anlisis de varianza (ANOVA) nos informa sobre la
significancia estadstica del anlisis de regresin
La hiptesis nula, H0 indica: la regresin es el resultado de variacin
por causas comunes.
Si H0 es verdadera, entonces no hay regresin estadstica significativa
y la mejor prediccin de Y es el valor medio de Y
Como antes, el valor p es usado para evaluar la hiptesis nula: si p es
menor que 0.05, la hiptesis nula es falsa, y la regresin es
estadsticamente significativa
Desarrollo:
Use Datafile\REGRESSANOVA.mtw
Ir a Stat > Regression >Regression
ANOVA para regresin lineal simple

1. Seleccione Options
2. Seleccione Pure Error
en Lack of Fit Tests
3. Seleccione OK
1
ANOVA para regresin lineal simple

Observe la ANOVA (Ventana de Sesin Minitab)
Analysis of Variance
Source
DF SS
MS
F
P
Regression
1
32.123 32.123 722.31 0.000
Residual Error 12
0.534
0.044
Lack of Fit
3
0.212
0.071
1.98 0.188
Pure Error
9
0.322
0.036
Total
13
32.657
Regresin es
significativa:
p < 0.05
Ninguna carencia
del ajuste:
p >=valor
0.05
La suma de los cuadrados (SS) para la regresin implica cada
predicho de Y menos la media de Y

La SS para Error Residual implica cada valor observado de Y menos el
valor predicho de Y, esto es, el residual
SS para error residual puede ser luego descompuesto en SS carencia de
ajuste y SS error puro
SS error puro es la variacin interna del subgrupo y SS carencia de ajuste
es el Residual menos el SS error puro
Regresin lineal simple

La regresin lineal simple es una tcnica
analtica que permite deducir
la lnea recta a travs de un conjunto de
datos que minimizan la suma de distancias
al cuadrado entre cada punto de datos y la
lnea
(X4,Y4)
Yi Y
residuo
Y
(X3,Y3)
Los valores Y de esta lnea se conocen

como Y(se pronuncia Ysombrero)
(X2,Y2)
Y - Y , la diferencia entre el valor

i
real y el valor de lnea ajustada,

se denomina residuo o error
(X1,Y1)
Regresin lineal simple

La parte analtica del desarrollo de un modelo
de regresin consta de tres elementos:
Determinacin del modelo de regresin
Y
= b0 + b1x
Anlisis de varianza del modelo (ANOVA)

Evaluacin de lo bueno que es el modelo
Trabajaremos en cada uno de ellos en las

siguientes diapositivas
Determinacin del modelo de

regresin
(X4,Y4)
(X3,Y3)
(X2,Y2)
Minitab calcula la ecuacin del

modelo de regresin como:
(X1,Y1)
Y = b0 b1X
Donde:
SS xy
b1 = SS
xx
X
b0 = Y b1 X
Anlisis de la varianza del

modelo
El anlisis de la varianza permite comparar la variacin explicada
por el modelo de regresin con la variacin no explicada
El anlisis de la varianza es un proceso de 5 pasos:
Paso 1: Determinar las sumas de cuadrados (SS)
Paso 2: Determinar los grados de libertad (DF)
Paso 3: Determinar los cuadrados medios (MS)
Paso 4: Calcular la estadstica f (f) Ejemplo de tabla de anlisis de varianza:
Paso 5: Evaluar el valor p (p)
Fuente
DF
SS
MS
f
p
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
21 1.036,0
49,3
Total
22 15.494,9
Paso 1: Total de las sumas

de cuadrados
La distancia entre cada punto

de datos (Yi) e Ybarra se determina, se
eleva al cuadrado y se suma.
Y
(X4,Y4)
Este valor corresponde al total

de las sumas de cuadrados (SST)
y representa toda la variacin
en los datos de respuesta.
Matemticamente, esto es:
Y4 Y
Y2 Y
(X3,Y3)
(X2,Y2)
Y1 Y
SST = (Yi Y)2

i =1
Y3 Y
Ejemplo de tabla de anlisis de varianza:
(X1,Y1)
X
Fuente
DF
SS
MS
f
p
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
21 1.036,0
49,3
Total
22 15.494,9
Paso 1: Regresin de las sumas

de cuadrados
A cada valor X, la distancia

entre Ysombrero e Ybarra se determina,
se eleva al cuadrado y se suma.
Este valor corresponde a la Suma de
cuadrados (SSR) de la Regresin y
representa la
variacin en los datos explicados
por el modelo de regresin.
Y
(X4,Y4)
Y 4 Y
Y 3 Y
Y 2 Y
(X3,Y3)
Y 1 Y
Y)2
SSR = (Y
(X2,Y2)
i =1
(X1,Y1)
Fuente
DF
SS
MS
f
p
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
21 1.036,0
49,3
Total
22 15.494,9
Paso 1: Error de las sumas

de cuadrados
Y
Y3 Y
La distancia entre cada punto de datos

(Yi) e Ysombrero se determina,
se eleva al cuadrado y se suma.
(X4,Y4)
Y4 Y 4
Este valor corresponde a la suma de

cuadrados del error (SSE)
y representa la variacin en los datos no
explicados por el modelo de regresin.
Y3 Y 3
(X3,Y3)

n
Y2 Y 2
SSE
(X2,Y2)
= ( Yi Y i ) 2
i =1
Y Y
1
(X1,Y1)
Fuente
DF
SS
MS
f
p
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
21 1.036,0
49,3
Total
22 15.494,9
Paso 2: Grados de libertad

Los grados de libertad se determinan como:
dfTot = nmero de observaciones - 1
dfReg = nmero de trminos estimados a
travs del modelo - 1 (por ejemplo, bo, b1,
etc.)
Fuente
DF
SS
MS
f
p
dfError = dfTot- dfReg
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
Total
21 1.036,0
22 15.494,9
49,3
Paso 3: Cuadrados Medios

Los Cuadradados Medios se determinan como:
Cuadrado Medio de la Regresin
MSR =
SSR
dfReg
Cuadrado Medio del error
MSE =
SSE
dfError

Fuente
DF
SS
MS
f
p
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
21 1.036,0
49,3
Total
22 15.494,9
Paso 4: Calcular la estadstica f

Calcular la estadstica f como
la relacin de MSR con respecto a
MSE
f =
MSR
MSE

Fuente
DF
SS
MS
f
p
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
21 1.036,0
49,3
Total
22 15.494,9
Paso 5: Evaluar el valor p

Determine el valor p basado en la estadstica f, dfReg
y dfError (Minitab lo har por nosotros), para
determinar si el modelo es estadsticamente
significativo
La hiptesis nula (h0) consiste en que b1 = 0
Fuente
DF
SS
MS
f
p
Regresin 1 14.458,9 14.458,9 293,08 0,000
Error
21 1.036,0
49,3
Total
22 15.494,9
Anlisis de residuales
Los residuales son usados para comprobar si la ecuacin

de prediccin (modelo) es adecuada
En los diagramas de residuales, tres formas de diagrama
indican un modelo inadecuado
Las formas de los diagramas sern dramticas no
sutiles!
1. Abanico
2. Bandas que se inclinan

hacia arriba o abajo
3. Bandas curvas
Nota: Fitted Line Plot. no tiene Lack of Fit Test.
Desarrollo
Abrir Datafile\Residuals
Ir a Stat > Regression > Fitted Line Plot
(Continuacin)
1. En el cuadro de dilogo
Fitted Line Plot ,
Seleccione Graphs
2. Seleccione grfico Four
in One
3. Seleccione OK
4. Seleccione OK
2
3
Anlisis de residuales (Continuacin)

Fitted Line Plot
Units = - 2.343 + 0.08993 Minutes

S
R-Sq
R-Sq(adj)
20
R-Sq es 89.7%
15
La regresin
es significativa
Podemos hacerlo mejor?
Como se 10ven los residuales?
Units
1.78117
89.7%
89.2%
0
0
50
100
Minutes
150
200

Residual Plots for Units
Normal Probability Plot of the Residuals
Residuals Versus the Fitted Values
99
Residual
Percent
90
50
10
2
0
-2
1
-5.0
-2.5
0.0
Residual
2.5
5.0
Histogram of the Residuals
12
16
Residual
Frequency
8
Fitted Value
Residuals Versus the Order of the Data
4
2
0
2
0
-2
-3
-2
-1
0
1
Residual
8 10 12 14 16 18 20 22 24
Observation Order

(response is Units)
p > 0.05
Se puede asumir que
los residuales son
normales
99
95
90
70
60
50
40
30
20
10
5
Probability Plot of RESI1

1
-4
-3
-2
-1
0
1
Residual
Normal
99
Mean
StDev
N
AD
P-Value
95
Los residuales deben tener

una distribucin normal.
Es as?
Primero, guarde los
residuales, luego
Stat > Basic Statistics >
Normality Test
90
-9.69595E-15
1.742
24
0.336
0.479
80
Percent
Percent
80
70
60
50
40
30
20
10
5
-4
-3
-2
-1
0
1
RESI1
(Continuacin)
El grfico de Residuales vs.

Ajustes muestra una forma
curva.
4
3
2
Residual
Pruebe Stat > Regression >

Fitted Line Plot y
seleccione Quadratic.
(response is Units)
1
0
-1
-2
-3
Select Graphs > Four in One

Plot.
8
10
Fitted Value
12
14
16
18
(Continuacin)
Mejorando la
adecuacin del modelo,
increment R-Sq de
89.7% a 95.0%
Fitted Line Plot
Units = 2.672 - 0.02075 Minutes

+ 0.000466 Minutes**2
S
R-Sq
R-Sq(adj)
20
1.26903
95.0%
94.5%
10
Residual Plots for Units

99
50
100
Minutes
150
Residual
Percent
90
50
200
10
1
1
0
-1
-2
-3.0
-1.5
0.0
Residual
1.5
3.0
Histogram of the Residuals

6.0
4.5
3.0
1.5
0.0
10
Fitted Value
15
20
Residuals Versus the Order of the Data
Residual
Como se ven los

residuales?
Frequency
Units
15
0
-1
-2
-2
-1
0
Residual
8 10 12 14 16 18 20 22 24
Observation Order
Su turno
Abra Datefile\CORREG YOUR TURN
Analice los conjuntos de datos:
1.
2.
3.
4.
Existe correlacin entre las variables?

Cul es la ecuacin de prediccin?
Es la regresin estadsticamente significativa?
Muestra el anlisis de residuales algo inusual ?
Otro desarrollo:
Stat > Regression > Regression > Options > Lack of Fit Tests
Seleccione Pure Error cuando sus datos estn replicados
Seleccione Data Sub setting cuando sus datos no estn
replicados
Hemos aprendido . . .
Correlacin
Como medir una relacin lineal entre dos variables
Como interpretar el coeficiente de correlacin r de
Pearson
Regresin
Y = f(X): como regresionar una variable dependiente , Y,
en una variable independiente, X (regresin lineal simple)
Como interpretar el coeficiente de determinacin, R-Sq
Como interpretar la tabla ANOVA para regresin lineal
simple
Como analizar residuales

04 Analyze W2 Correlation - Regression Sp. Six Sigma Analyze

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

04 Analyze W2 Correlation - Regression Sp. Six Sigma Analyze

Cargado por

Copyright:

Formatos disponibles

Six Sigma

Entrenamiento Green Belt

Sobre este mdulo . . .

Six Sigma, Una bsqueda para la perfeccin del proceso

Ejemplos del Mundo Real

Usada cuando ambas Y y X son continuas

Mide la fuerza de la relacin lineal entre Y y X

Mtrica: r, coeficiente correlacin Pearson (r varia entre -1 y +1)

Regresin linear simple usada cuando ambas Y y X son continuas

Cuantifica la relacin entre Y y X (Y = b0 + b1X)

Mtrica: Coeficiente de Determinacin, R-Sq (varia desde 0.0 a 1.0 o 0%

Si ninguna variacin de Y es explicada por X, R-Sq = 0.0 %

Correlacin: Ejemplo Minitab

El voltaje, correspondiente a una misma

Correlacin : Ejemplo Minitab

Correlacin : Ejemplo Minitab (Continuacin)

Correlacin de Pearson de Estacin 1 y Estacin 2 = 0.959

Scatterplot of Station 1 vs Station 2

Hiptesis Nula (H0):

Graph > Scatterplot

Anlisis de regresin lineal simple

Usada para ajustar lneas y curvas a los datos cuando los

Las lneas ajustadas

Identifica el impacto de controlar una variable de proceso de

Produce una ecuacin de la forma:

Regresin: Ejemplo Minitab

El voltaje en la Estacin 1 se correlaciona con

Regresin: Ejemplo Minitab (Continuacin)

4. Seleccione Linear como

Regresin: Ejemplo Minitab (Continuacin)

Fitted Line Plot

Station 1 = 1.020 + 0.8729 Station 2

Regresin lineal de la Estacin 1 en Estacin 2

Como se relaciona la Estacin 1 dependiente a la Estacin 2

Desde la Ventana de Sesin, la ecuacin de la regresin es:

La interseccin, b0, es donde la lnea ajustada (Lnea de

Los coeficientes b0 y b1 son estimadores de los parmetros de la

Origen de la ecuacin de la regresin

La mejor lnea de ajuste

tems Solicitados (X)

Cual es la mejor lnea de ajuste entre el

Mtodo de cuadrados mnimos

Residual, r = Valor Observado Valor predicho

Tiempo para facturar (Y)

Lneas de ajuste y residuales

tems Solicitados (X)

Mtodo de cuadrados mnimos

tems solicitados (X)

Un residual puede ser

Positivo: punto por

ANOVA para regresin lineal simple

ANOVA para regresin lineal simple

predicho de Y menos la media de Y

Regresin lineal simple

Los valores Y de esta lnea se conocen

Y - Y , la diferencia entre el valor

real y el valor de lnea ajustada,

Regresin lineal simple

Anlisis de varianza del modelo (ANOVA)

Trabajaremos en cada uno de ellos en las

Determinacin del modelo de

Minitab calcula la ecuacin del

Anlisis de la varianza del