Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Herramientas Estadisticas Usando Excel y Minitab PDF
Herramientas Estadisticas Usando Excel y Minitab PDF
CLASIFICACIÓN
- RANGO
MEDIA - VARIANZA
MEDIANA - DESVIACIÓN ESTANDARD CUANTILES
MODA - DESVIACIÓN ESTÁNDAR RELATIVA
- COEFICIENTE DE VARIACIÓN
MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL
Las principales medidas son:
Media Aritmética
Mediana
Moda
Media Geométrica
Media aritmética ponderada
TENDENCIA CENTRAL
MEDIA ARITMÉTICA
La media aritmética poblacional se denota como μ
La media aritmética muestral es el promedio de los
datos.
i x
En Excel Opción 2: función PROMEDIO
i 1
x
n
TENDENCIA CENTRAL
MEDIANA
n
2 1 2
x
En Excel Opción 2: función VARP
i x
n i 1
DISPERSIÓN
VARIANZA MUESTRAL
n
2 1 2
s x
En Excel Opción 2: funcióni VAR
x
n 1 i 1
DISPERSIÓN
DESVIACIÓN ESTÁNDAR
2
En Excel: función DESVESTP
2
S= S
En Excel: función DESVEST
DISPERSIÓN
COEFICIENTE DE VARIACIÓN
Mide la variación relativa de la variable con respecto a
su promedio.
Cuando deseamos comparar la dispersión de dos
distribuciones, necesitamos medir la magnitud de la
desviación estándar en relación con la magnitud de la
media
Expresa a la variación de los datos como porcentaje de
su promedio.
S
CV =
X
MEDIDAS DE POSICIÓN
Las medidas de posición son:
Cuartiles: Son tres y delimitan al 25%, 50% y 75%
de los datos acumulados.
Deciles: Son nueve y delimitan al 10%, 20%, ... ,
90% de los datos acumulados.
Percentiles: Son noventa y nueve y delimitan al 1%,
2%, ... , 99% de los datos acumulados.
Siempre acumulamos de izquierda a derecha.
En Excel: función PERCENTIL
TALLER: CÁLCULOS ESTADÍSTICOS SIMPLES CON EXCEL
A B C D E F
1 50.93 50.80 41.23 48.42 48.81 50.20
2 51.25 51.30 41.30 47.84 50.46 50.32
3 50.54 50.10 42.38 48.09 48.77 50.53
4 50.59 51.00 42.14 48.03 49.28 49.87
5 51.06 51.80 41.10 48.29 46.70 50.00
6 51.29 51.60 42.28 47.25 48.46 50.55
7 51.24 50.70 41.05 47.79 48.38 49.59
8 51.05 50.70 41.13 48.00 48.42 49.90
9 50.81 50.30 41.05 48.12 48.82 49.87
10 51.09 50.00 41.02 48.13 48.02 50.00
Comenzaremos calculando la estadística descriptiva del
analista “B”. El "Rango de entrada" es $D$6:$D$16, es decir
seleccionando los títulos como primera observación, de modo
que se debe activar la opción 'Rótulos en la primera fila'. A
continuación debemos activar la selección del rango de salida,
por ejemplo la celda $L$6, como se muestra a continuación:
El resultado es el siguiente:
CÁLCULOS ESTADÍSTICOS SIMPLES CON MINITAB
INICIO DE MINITAB
Inicie Minitab 1 En la barra de tareas de Windows, elija Inicio
Todos los Programas Minitab Solutions Software
estadístico Minitab 15 Español, o simplemente se inicia en
Minitab 15 Español del acceso directo del escritorio.
Repeticiones A B C
1 7.95 7.97 7.94
2 7.95 7.96 7.95
3 7.96 7.96 7.94
4 7.96 7.95 7.94
5 7.95 7.95 7.94
6 7.95 7.96 7.95
7 7.95 7.95 7.94
8 7.96 7.94 7.94
9 7.96 7.96 7.94
10 7.96 7.95 7.94
CÁLCULOS ESTADÍSTICOS SIMPLES CON MINITAB
Solución:
Estadísticas Estadísticas básicas Mostrar estadísticas
descriptivas
En Variables, ingrese A, B y C
En Por variables (no escriba nada),
Haga clic en Estadísticas.
Demarque media, desviación estándar, varianza, coeficiente de
variación, primer cuartil, mediana Tercer cuartil, moda, mínimo,
máximo, rango.
Marque Número de valores presentes, Número de valores faltantes y
Número de valores totales.
Haga clic en Aceptar en cada cuadro de diálogo.
MANEJO DEdatos
¿Cómo buscar BUSQUEDA
en una tablaDE DATOS
de Excel?
La función BUSCARV rastrea un valor específico desde
columnas mas a la izquierda de una columna especificada, y
devuelve el valor en la misma fila de la Matriz. La V de
BUSCARV significa “Vertical”. Del mismo modo existe una
función BUSCARH (horizontal).
MANEJO DE BUSQUEDA DE DATOS
Seguidamente Aceptar
MANEJO DE BUSQUEDA DE DATOS
En el siguiente argumento.
P h 2 3 4 5 6 7 8 9 10
3 1.15 1.71 1.64 1.58 1.53 1.49 1.46 1.43 1.41 1.39
4 1.49 1.91 1.77 1.67 1.60 1.55 1.51 1.48 1.45 1.43
5 1.72 2.05 1.85 1.73 1.65 1.59 1.55 1.51 1.48 1.46
6 1.87 2.14 1.90 1.77 1.68 1.62 1.57 1.53 1.50 1.47
7 1.98 2.20 1.94 1.79 1.70 1.63 1.58 1.54 1.51 1.48
8 2.06 2.25 1.97 1.81 1.71 1.65 1.59 1.55 1.52 1.49
9 2.13 2.29 1.99 1.82 1.73 1.66 1.60 1.56 1.53 1.50
10 2.18 2.32 2.00 1.84 1.74 1.66 1.61 1.57 1.53 1.50
n = número de réplicas en cada uno de los laboratorios ó cada uno de los analistas a ese nivel
p h 2 3 4 5 6 7 8 9 10
3 1.15 1.65 1.53 1.45 1.4 1.37 1.34 1.32 1.3 1.29
4 1.42 1.76 1.59 1.5 1.44 1.4 1.37 1.35 1.33 1.31
5 1.57 1.81 1.62 1.53 1.46 1.42 1.39 1.36 1.34 1.32
6 1.66 1.85 1.64 1.54 1.48 1.43 1.4 1.37 1.35 1.33
7 1.71 1.87 1.66 1.55 1.49 1.44 1.41 1.38 1.36 1.34
8 1.75 1.88 1.67 1.56 1.5 1.45 1.41 1.38 1.36 1.34
9 1.78 1.90 1.68 1.57 1.5 1.45 1.42 1.39 1.36 1.35
10 1.80 1.90 1.68 1.57 1.5 1.46 1.42 1.39 1.37 1.35
A B C D E F
(PROM- (PROM-
. ANALISTA PROMEDIO PROM) PROM)^2 hij PRUEBA hij
P= 6 1.66 1.87
SOLUCIÓN GRÁFICA PARA H DE MANDEL
h de Mandel
2.5
.
2
1.5
0.5
0
1 2 3 4 5 6
-0.5
-1
-1.5
-2
Desvest
. Varianza
Sij S2ij kij PRUEBA kij
A 0,018856181 0,000355556 0,782710425 CONSISTENTE
B 0,013498971 0,000182222 0,56033539 CONSISTENTE
C 0,022135944 0,00049 0,918851701 CONSISTENTE
D 0,014337209 0,000205556 0,595130206 CONSISTENTE
E 0,034705107 0,001204444 1,440591242 REZAGADO
F 0,032317866 0,001044444 1,341498082 REZAGADO
0,003482222
h de Mandel C critico 5% C critico 1%
P= 6 1,33 1,47
n= 10
SOLUCIÓN GRÁFICA PARA K DE MANDEL
. K de Mandel
1.6
1.2
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6
2
s
C i p
L m ax
2
s L ,i
i 1
PRUEBA DE GRUBBS
Evalúa si la observación más grande es un valor atípico.
(xp x)
Qp más pequeña es un valor atípico.
Evalúa si la observación
s
( x xl )
Ql
s
EJEMPLO
Continuado con el mismo ejemplo en la determinación de Contenido
de Humedad de un Suelo – NTP 339.132 (1999), se procede con la
eliminación de los analistas E y F por presentar valores rezagados:
¿Existe valores atípicos entre analistas? Comprobar con pruebas de
Cochran y Grubbs
A B C D
2
x 1 x
F(X ) exp 2
dx
2 2
F(X) ES EL ÁREA BAJO LA CURVA,
REPRESENTADA POR LA REGIÓN
SOMBREADA DE LA SIGUIENTE GRÁFICA
PROPIEDADES DE LA DISTRIBUCIÓN
NORMAL:
La forma de la campana de Gauss depende de los parámetros μ
y σ.
Tiene una única moda que coincide con su media y su mediana.
La curva normal es asintótica al eje de x.
Es simétrica con respecto a su media μ . Según esto, para este
tipo de variables existe una probabilidad de un 50% de observar
un dato mayor que la media, y un 50% de observar un dato
menor.
PRUEBA DE NORMALIDAD
Para probar la normalidad de datos, se pueden
utilizar los siguientes métodos:
• TEST DE ANDERSON DARLING
• TEST RYAN-JOINER
• TEST KOLMOGOROV-SMIRNOV
En los método de Anderson Darling o Ryan
Joiner, si el valor de probabilidad P de la
prueba es mayor a 0.05, se considera que los
datos son normales.
EJEMPLO
Se cuentan con 40 análisis de una misma muestra, resultantes
de las pruebas de consistencia y atipicidad, correspondiente al
Contenido de Humedad de un Suelo – NTP 339.132 (1999):
Realizar prueba de normalidad, Comprobar con test de Ryan
Joiner con MINITAB
A B C D
Respuesta
Conclusión:
De Acuerdo a esta gráfica P valor > 0.100 y α = 0,05 lo que se
concluye que Pvalor 0,05 ,implica que no se rechaza Ho; por lo
que se concluye que los residuales de los datos de humedad de
suelos se ajustan a una distribución normal.
HOMOGENEIDAD DE VARIANZAS
Uno de los pasos previos a la comprobación de si
existen diferencias entre las medias de varias muestras
es determinar si las varianzas en tales muestras son
iguales (es decir, si se cumple la condición de
homogeneidad de varianzas), ya que de que se cumpla
o no esta condición dependerá la formulación que
empleemos en el contraste de medias.
Existen varias pruebas que permiten comprobar la
igualdad de varianzas (prueba de Bartlett, Levene,
etc), en Minitab se utilizará la prueba de Bartlett
HOMOGENEIDAD DE VARIANZAS
• Uno de los posibles contrastes para la homocedasticidad es la
prueba de Barlett propuesta por Barlett en 1937. Esta prueba
presupone que los datos provienen de variables con
distribución normal.
• Consiste en evaluar las varianzas de la prueba F (test de
Fisher), para probar si estas varianzas (σ1², σ2², … σn²) son
iguales.
HOMOGENEIDAD DE VARIANZAS
Test de F
Evalúa igualdad de varianzas para dos
muestras
S12 s1 s2
FC
S22
Fc Fcritico
PRUEBA DE HOMOGENEIDAD DE VARIANZAS
HIPÓTESIS ESTADÍSTICA
Para este caso es:
Ho: σ1² = σ2² = σn² (no se rechaza la hipótesis Ho,
existe homogeneidad de varianza).
x Z ;x Z
(1
2
) n (1
2
) n
PRUEBA DE HOMOGENEIDAD DE VARIANZAS
Ho : 1 2 ... t
H1 : al menos un i es diferente
EJEMPLO PARA DOS MUESTRAS
• La siguiente tabla muestra resultados de la máxima
densidad seca de un suelo del método de ensayo para
la compactación del suelo en laboratorio utilizando
una energía modificada (2700 kN-m/m3) - NTP
339.141 (1999)
a) Verifique la normalidad de residuales usando la
prueba de Shapiro Wild con nivel de significancia
del 5%
b) Probar la homogeneidad de varianza usando la
prueba F.
c) Probar si existen diferencias significativas entre
analistas. Usar nivel de significancia del 5%
TABLA: MÉTODO DE ENSAYO PARA DETERMINAR LA
MÁXIMA DENSIDAD - NTP 339.141 (1999):
A B C
1 1.911 1.907 1.892
2 1.910 1.901 1.913
3 1.913 1.908 1.911
NOTA: DE ACUERDO A LA DETERMINACIÓN DE CONSISTENCIA Y
ATIPICIDAD SE ELIMINÓ AL ANALISTA C, POR LO QUE SOLO SE
CONSIDERARÁ EN LA SOLUCIÓN DEL PROBLEMA LOS
RESULTADOS DE LOS ANALISTAS A Y B
VERIFICACIÓN DE NORMALIDAD USANDO
RESIDUALES MEDIANTE LA PRUEBA DE SHAPIRO
WILD
VERIFICACIÓN DE NORMALIDAD USANDO
RESIDUALES MEDIANTE LA PRUEBA DE SHAPIRO
WILD
Conclusión:
• De los resultados de T de dos muestras, P = 0.064 y α = 0,05, lo
que se concluye que , implica que no se
rechaza Ho: µA= µB,; por lo que se concluye que no existen
diferencias significativas Pvalor
entre los0dos
.064analistas.
0,05
EJEMPLO PARA MAS DE DOS MUESTRAS
• Continuando con el procedimiento de ANOVA del
ensayo: Contenido de Humedad de un Suelo – NTP
339.132 (1999) y habiendo verificado y comprobado
la normalidad de residuales usando la prueba de
Shapiro Wild con nivel de significancia del 5%
a) Probar la homogeneidad de varianza usando el test
de Bartlet y comentar
b) Probar si existen diferencias significativas entre
analistas. Usar nivel de significancia del 5%
PRUEBA DE HOMOGENEIDAD DE VARIANZAS
PRUEBA DE HOMOGENEIDAD DE VARIANZAS
Conclusión:
De Acuerdo a la gráfica usando el test de Barttet, P valor =
0.423 y α = 0.05 lo que se concluye que ,
implica que no se rechaza Ho; por lo que se concluye que
existe homogeneidad de varianza
0.05 Pvalor 0.423
PRUEBA DE DIFERENCIAS SIGNIFICATIVAS
ENTRE ANALISTAS
PRUEBA DE DIFERENCIAS SIGNIFICATIVAS ENTRE
ANALISTAS
Conclusión:
De la tabla de ANOVA, P = 0.000 para humedad de suelos,
indica que hay suficiente evidencia que hay al menos un
analista cuyos resultados son significativamente diferentes
cuando α se establece en 0,05.
HERRAMIENTAS ESTADÍSTICAS CON EXCEL
ANOVA DE UN FACTOR
Cuando hay una sola variable que proporciona condiciones
experimentales distintas, el análisis recibe el nombre de
ANOVA de un solo factor
• Esta prueba se basa en la comparación de las sumas de
cuadrados medias debidas a la variabilidad entre grupos y la
debida a la variabilidad dentro de los grupos. Ambas sumas son
estimaciones independientes de la variabilidad global, de
manera que, si el cociente entre la primera y la segunda es
grande, se tendrá mayor probabilidad de rechazar la hipótesis
nula. Este cociente sigue una distribución F.
• Donde: “a” es el número de niveles de factor (en ocasiones se
les llama “tratamientos”), cada tratamiento tendrá “n” réplicas
u observaciones.
ANOVA DE UN FACTOR
La elaboración de ANOVA de un factor en Excel es usando el
análisis de datos, vaya ahora a datos, y allí seleccione „Análisis
de Datos‟ y seguidamente “Análisis de varianza de un solo
factor”
ANOVA DE UN FACTOR
Cuando se acepta aparece el siguiente diálogo, se realizan los siguientes
pasos:
Grados Valor
Fuente de Suma de Cuadrado
de
cuadrados libertad
F Probabilidad crítico
variación medio
para F
MSTRATAMIENTOS/
Tratamientos SSTratamientos a -1 MSTratamientos
MSE
P FC
2) Error
n a
2
SS E xij x
i 1 j 1
3) Total
SST SSTRATAMIENTOS SS E
ANOVA DE UN FACTOR
GRADOS DE LIBERTAD
1) Tratamientos
a 1
2) Error
a(n 1) N a
3) Total
an 1 N 1
ANOVA DE UN FACTOR
CUADRADO MEDIO
1) Tratamientos
SSTRATAMIENTOS
MSTRATAMIENTOS
a 1
2) Error
SS E
MS E
a (n 1)
ANOVA DE UN FACTOR
F (calculado)
1) Tratamientos
MSTRATAMIENTOS
F
MS E
TALLER
La siguiente información
corresponde a resultados de A B C
ensayos Intralaboratorio para 1 160,90 156,37 159,25
evaluar el desempeño de los 2 160,49 155,96 158,84
analistas correspondiente al 3 161,31 156,37 158,53
ensayo: Contenido de Sulfatos en 4 160,49 158,43 159,66
las aguas usadas en la 5 160,49 158,02 157,60
elaboración de hormigones y 6 158,84 156,37 158,02
morteros (NTP 339.074). 7 160,49 156,37 158,02
Evaluar si existen diferencias 8 160,07 156,78 159,66
significativas entre analistas 9 159,66 158,43 158,43
10 160,90 158,02 159,25
SOLUCIÓN DEL EJEMPLO
1) Tratamientos
a 2
SSTRATAMIENTOS n xi x 10 * 5,287848 52,87848
i 1
2) Error
n a
2
SS E xij x 17,8980
i 1 j 1
3) Total
a 1 3 1 2
2) Error
a(n 1) N a 3(10 1) 27
3) Total
an 1 N 1 3*10 1 29
SOLUCIÓN DEL EJEMPLO
CUADRADO MEDIO
1) Tratamientos
17,8990
MSTRATAMIENTOS 26,43924
2
2) Error
17,8990
MSE 0,6628904
27
SOLUCIÓN DEL EJEMPLO
F (calculado)
1) Tratamientos
26 ,43924
F 39,884785
0,6628904
SOLUCIÓN DEL EJEMPLO
p valor
Sintaxis
DISTR.F(x;grados_de_libertad1;grados_de_libertad2)
X es el valor en el que se desea evaluar la función, en nuestro
caso es: F = 39,8847851
Grados_de_libertad1 es el número de grados de libertad del
numerador, en nuestro caso es: 2
Grados_de_libertad2 es el número de grados de libertad del
denominador, en nuestro caso es: 27
P valor=8,697E-09
SOLUCIÓN DEL EJEMPLO
F crítico
Buscando en la tabla del estadístico F, para
= 0.05, y 2 y 27 grados de libertad
tenemos que F ;a-1;N-a = F 0,05;2;27 = F =
3,3541312
,
RESULTADOS EN TABLA DE ANOVA DE UN
FACTOR
Análisis de varianza de un factor (cálculos manuales)
Resumen
Grupos Cuenta Suma Promedio Varianza
A 10 1603,64 160,36 0,49307
B 10 1571,12 157,11 0,97364
C 10 1587,26 158,73 0,52196
Grados Valor
Fuente de Suma de Cuadrado Probabilida
de F crítico
variación cuadrados medio d
libertad para F
Tratamientos 52,87848 2 26,43924 39,8847851 8,697E-09 3,3541312
error 17,8980 27 0,66289037
Total 70,77652 29
RESULTADOS CON ESTADÍSTICO ANOVA DE UN
FACTOR CON EXCEL
Análisis de varianza de un factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
ANÁLISIS DE VARIANZA
Promedio
Suma de Grados de de los Valor crítico
Origen de las variaciones cuadrados libertad cuadrados F Probabilidad para F
Total 70,77652 29
Conclusión:
• De la tabla de ANOVA de un factor, F calculado =
39,88478515 mayor que F crítico = 3,354130829 para
contenido de sulfatos, indica que se rechaza la Ho, por lo que
hay diferencias significativas entre analistas cuyos resultados
son significativamente diferentes, además p valor = 8,697E-09
es menor que α = 0,05.
TALLER: La siguiente A B D E F
información 1 10,00 11,00 11,00 8,00 10,00
corresponde a
2 10,00 11,00 10,00 8,00 10,00
resultados de ensayos
3 10,00 11,00 11,00 8,00 10,00
Intralaboratorio para
4 9,00 12,00 11,00 8,00 10,00
evaluar el desempeño
de los analistas 5 10,00 11,00 10,00 7,00 10,00
3.0SL=0.06745
Individual Value
0.06 X=0.05978
-3.0SL=0.05211
0.05
0 10 20 30
Observation Number
118
• Gráficos de Shewhart
TIPOS DE • Gráficos de Recorrido
GRAFICOS DE
• Gráficos de Diferencias
CONTROL
• Gráficos de CUSUM
Parámetro
medido
Limite de actuación superior
x 3s / n
Limite de aviso superior
x 2s / n
x 3s / n
n° de muestra de control
PASOS PARA UNA GRAFICA DE
CONTROL POR VARIABLES
LCI X A2 R LCI D3 R
LC X LC R
LCS X A2 R LCS D4 R
Tamaño muestra ( n) 2 3 4 5 6 10
Eficiencia relativa 1.000 0.992 0.975 0.955 0.930 0.850
GRÁFICA X-Bar & S
LCI x A3 S LCI B3 S
LC x LC S
LCS x A3 S LCS B4 S
CARTAS DE CONTROL
Las cartas de control son la herramienta más poderosa
para analizar la variación en la mayoría de los procesos.
Las cartas de control enfocan la atención hacia las causas
especiales de variación cuando estas aparecen y reflejan la
magnitud de la variación debida a las causas comunes.
Las causas comunes o aleatorias se deben a la variación
natural del proceso.
Se dice que un proceso está bajo Control Estadístico
cuando presenta causas comunes únicamente. Cuando
ocurre esto tenemos un proceso estable y predecible.
Cuando existen causas especiales el proceso está fuera
de Control Estadístico; las gráficas de control detectan la
existencia de estas causas en el momento en que se dan, lo
cual permite que podamos tomar acciones al momento.
PATRONES FUERA DE CONTROL
CONSTANTES PARA LAS GRÁFICAS DE CONTROL
# de A A2 A3 A6 B3 B4 B5 B6 c4 d2 d3 d4 D1 D2 D3 D4 D5 D6 E2
Gráfic
observaciones Gráfico X Gráfico S oR
2 2,121 1,880 2,659 0 3,267 0 2,606 0,7979 1,128 0,853 0,954 0 3,686 0 3,267 0 3,865 2,660
3 1,732 1,023 1,954 1,187 0 2,568 0 2,279 0,8862 1,693 0,888 1,588 0 4,358 0 2,574 0 2,745 1,772
4 1,500 0,729 1,628 0 2,266 0 2,088 0,9213 2,059 0,880 1,978 0 4,698 0 2,282 0 2,375 1,457
5 1,342 0,577 1,427 0,691 0 2,089 0 1,964 0,9400 2,326 0,864 2,257 0 4,918 0 2,114 0 2,179 1,290
6 1,225 0,483 1,287 0,030 1,970 0,029 1,874 0,9515 2,534 0,848 2,472 0 5,078 0 2,004 0 2,055 1,184
7 1,134 0,419 1,182 0,509 0,118 1,882 0,113 1,806 0,9594 2,794 0,833 2,645 0,204 5,204 0,076 1,924 0,078 1,967 1,109
8 1,061 0,373 1,099 0,185 1,815 0,179 1,751 0,9650 2,847 0,820 2,791 0,388 5,306 0,136 1,864 0,139 1,901 1,054
9 1,000 0,337 1,032 0,412 0,239 1,761 0,232 1,707 0,9693 2,970 0,808 2,915 0,547 5,393 0,184 1,816 0,187 1,850 1,010
10 0,949 0,308 0,975 0,284 1,716 0,276 1,669 0,9727 3,078 0,797 3,024 0,687 5,469 0,223 1,777 0,227 1,809 0,975
11 0,905 0,285 0,927 0,350 0,321 1,679 0,313 1,637 0,9754 3,173 0,787 3,121 0,811 5,535 0,256 1,744
12 0,866 0,266 0,886 0,354 1,646 0,346 1,610 0,9776 3,258 0,778 3,207 0,922 5,594 0,283 1,717
13 0,832 0,249 0,850 0,382 1,618 0,374 1,585 0,9794 3,336 0,770 3,285 1,025 5,647 0,307 1,693
14 0,802 0,235 0,817 0,406 1,594 0,399 1,563 0,9810 3,407 0,762 3,356 1,118 5,696 0,328 1,672
15 0,775 0,223 0,789 0,428 1,572 0,421 1,544 0,9823 3,472 0,755 3,422 1,203 5,741 0,347 1,653
16 0,750 0,212 0,763 0,448 1,552 0,440 1,526 0,9835 3,532 0,749 3,482 1,282 5,782 0,263 1,637
17 0,728 0,203 0,739 0.l446 1,534 0,458 1,511 0,9845 3,588 0,743 3,538 1,356 5,820 0,378 1,622
18 0,707 0,194 0,718 0,482 1,518 0,475 1,496 0,9854 3,640 0,738 3,591 1,424 5,856 0,391 1,608
19 0,688 0,187 0,698 0,497 1,503 0,490 1,483 0,9862 3,689 0,733 3,640 1,487 5,891 0,403 1,597
20 0,671 0,180 0,680 0,510 1,490 0,504 1,470 0,9869 3,735 0,729 3,686 1,549 5,921 0,415 1,585
21 0,655 0,173 0,663 0,523 1,477 0,516 1,459 0,9876 3,778 0,724 3,730 1,605 5,951 0,425 1,575
22 0,640 0,167 0,647 0,543 1,466 0,528 1,448 0,9882 3,819 0,720 3,771 1,659 5,979 0,434 1,566
23 0,626 0,162 0,633 0,545 1,455 0,539 1,438 0,9887 3,858 0,716 3,811 1,710 6,006 0,443 1,557
24 0,612 0,157 0,619 0,555 1,445 0,549 1,429 0,9892 3,895 0,712 3,847 1,759 6,031 0,451 1,548
25 0,600 0,153 0,606 0,565 1,435 0,559 1,420 0,9896 3,931 0,709 3,883 1,806 6,056 0,459 1,541
Gráficas de control con Excel(Veracidad)
GRAFICO DE
CONTROL X
barra R
A B C PROMEDIO X R
160,90 156,37 159,25 158,840 4,530
160,49 155,96 158,84 158,430 4,530
161,31 156,37 158,53 158,737 4,940
160,49 158,43 159,66 159,527 2,060
160,49 158,02 157,60 158,703 2,890
158,84 156,37 158,02 157,743 2,470
160,49 156,37 158,02 158,293 4,120
160,07 156,78 159,66 158,837 3,290
159,66 158,43 158,43 158,840 1,230
160,90 158,02 159,25 159,390 2,880
Promedio 158,734 3,2940
Desvest del proceso 1,946
CONSTRUCCIÓN DE TABLA
X barra LCS LAS LC LAI LCI
164.0
162.0
160.0
158.0
156.0
154.0
1 2 3 4 5 6 7 8 9 10
10.00
8.00
6.00
4.00
2.00
0.00
1 2 3 4 5 6 7 8 9 10