Cuadro de control variable continua

Primero que vamos a hacer es generar un listado de datos aleatorios que se comporten de
una forma diferente a la normal por ejemplo vamos a seleccionar una distribución gama
algo diferente en donde vamos a generar un n de 40 datos que vamos a almacenar en la
columna 1 y vamos a darle un parámetro de forma 2 y un parámetro de escala 2 le damos a
aceptar entonces ya tendríamos la distribución gamma en la columna 1 de esta manera
procedemos a realizar la transformación box cox de esta distribución gama para aproximar
la a 1 nos vamos entonces al menú estadísticas gráficas de control transformación box cox
el primer desplegable nos arroja dos opciones donde vamos a seleccionar la primera que
hice todas las observaciones para una gráfica están en una columna tal cual como lo vemos
en la hoja de trabajo abajo entonces seleccionaremos los datos que están en la columna 1 y
para tamaños de los subgrupos vamos a poner el número 1 puesto que vamos a tomar cada

observación como un valor individual que no va a tener ningún tipo de su agrupación

vamos al botón de opciones en donde vamos a decirle a militar que nos arroje el lambda
óptimo o redondeado de esta manera si seleccionamos esta primera opción le estamos
diciendo a militar que calculé el valor de lambda de manera automática factor que vamos a
explicar en este mismo tutorial cuando veamos la gráfica resultante de la transformación
box cox vamos a decir asimismo que los datos transformados los almacenes en la col le
damos a aceptar nuevamente aceptar y esto es lo que nos arroja militar bien ahora vamos a
complementar la parametrización realizada con el análisis gráfico resultante para la
transformación box cox en la parte interna vemos una distribución en azul la cual va a
representar los insumos para seleccionar el valor óptimo de lambda esto dentro de una
región seleccionada que va a representar un intervalo de confianza del 95% entre un límite
inferior y un límite superior de control tenemos por el eje y una variable dependiente que va
a ser la desviación estándar de dicha distribución y por el eje x una variable independiente
que va a representar los valores de lambda es decir que bajo estos argumentos vamos a
encontrar el valor de lambda que menor desviación estándar nos arroja es por tal motivo
que en el cuadro de argumentos que estoy seleccionando con el puntero aparece un valor
que dice estimar de 0.45 este es el valor que mini tap cálculo para la óptimo
automáticamente es decir que si nos paramos con el puntero del cursor y intentamos ubicar
el valor de lambda de 0.45 que aquí lo estoy sombreando se va a encontrar la menor
desviación estándar en toda la distribución que va a representar un valor de 266 27 los
valores adicionales que militar calcula son los de el límite inferior de control lo cual pasaría
esta línea punteada por un valor de lambda de 0.11 y un límite superior que pasaría por el
valor de 0 92 finalmente dice valor redondo el cual va a ser el valor definitivo de lambda
que se va a utilizar para la transformación de box cox bajo la siguiente formulación se dice
que si el valor de lambda óptimo es igual a 0 para la transformación box cox entonces la
columna 2 vendría a ser el resultado de hallar el logaritmo natural de la columna 1 de otra
manera si el valor de lambda es diferente a 0 como en este caso que es de 0,5 la estimada o
columna 2 transformada va a ser igual a la columna 1 elevado al valor de la vda es decir
elevado a la 0.5 realicemos entonces la comparación gráfica entre la columna 1 y la
columna 2 ya transformada en distribución aproximadamente normal a través de un análisis
gráfico en el cual utilizaremos dos histogramas para ello nos vamos a gráfica histograma
simple le damos a aceptar y vamos a decir que no lo arroje para estas dos variables le
damos a aceptar y vamos a ver la diferencia entre la columna 1 y la columna 2 como se
pueden dar cuenta la columna 1 que estaba sin transformar que seguía una distribución
gama se sale mucho del comportamiento de distribución normal mientras que la columna
mientras que el histograma perdón de la columna 2 sigue una distribución
aproximadamente normal dada la transformación box cox ya habiendo explicado este tema
preliminar a la elaboración de los cuadros de control para variables continuas vamos a
empezar entonces con un ejercicio en el cual vamos a aplicar denominado cuadro de control
x barra y r para ello voy a parar por un momento el tutorial para ponerles el enunciado del
ejercicio ya tengo nuevamente la interfaz principal del software militar en donde vamos a
leer el enunciado de el ejercicio que vamos a desarrollar y dice el departamento de
maquinaria de una empresa fabricante de buses produce un eje de transmisión de potencia
que tiene de largo 25 más o menos 0 pulgadas sea éste vendría a ser el margen de holgura el
área de ensamble se queja de que el eje no se está produciendo conforme a las
especificaciones como resultado la gerencia quiere realizar unos cuadros x barra gerry para
supervisar las longitudes se toman aleatoriamente 10 subgrupos cada uno con 5 puntos
muestrales realice las pruebas correspondientes y determine el proceso está controlado
entonces vamos a utilizar ahora las herramientas de mini tab para realizar el cálculo de los
cuadros x barra y r los cuales son complementarios entre sí primero explicaremos la
parametrización de los mismos y luego haremos el análisis estadístico de ellos para ello nos
dirigimos al menú estadísticas gráficas de control gráficas de variables para subgrupos x
barra r y esto es lo que nos arrojaría el software en el primer desplegable encontramos
entonces dos opciones la primera dice todas las observaciones para una gráfica están en una
columna y la segunda dice las observaciones para un subgrupo están en una fila de
columnas vamos a seleccionar la segunda opción puesto que tenemos que los subgrupos
son las filas y las columnas representarían los cinco puntos muestrales para cada uno de
ellos de esta manera aquí abajo vamos a seleccionar todas las columnas acá los botones que
vemos son muy similares a los que observamos en el tutorial anterior cuando hicimos
cuadros de control para variables discretas por tiempo por longitud del tutorial y para
simplificar los casos entonces vamos a parametrizar únicamente los aspectos que vamos a
utilizar entonces vamos a ir directamente al botón opciones de x barra jr luego vamos a
entrar a la parte que dice pruebas en donde si se puede dar cuenta respecto al tutorial
anterior para una variable continua existen más argumentos para realizar pruebas de control
estadístico la primera dice un punto por encima de cada desviación es estándar desde la
línea central con lo cual caben de hacer el valor de 3 o sea que viene a ser un cuadro de
control de más o menos 36 más la segunda prueba dice k puntos consecutivos en el mismo
lado de la línea central o sea si se encuentran nueve puntos consecutivos por encima o por
debajo de la línea central si va a atravesar por ella se consideraría fuera de control
estadístico la siguiente diría seis puntos consecutivos todos ascendentes o todos
descendentes lo cual contemplaría un comportamiento de tendencia no aleatorio el
siguiente dice catorce puntos consecutivos alternando hacia arriba y hacia abajo o sea
catorce puntos que se comporten en zig zag dice 2 de 2 más 1 puntos que sean mayores a 2
desviaciones estándar desde la línea central o sea que hayan dos puntos por encima o por
debajo de un nivel de dos sigmas y cuatro puntos que estén por encima o por debajo de un
nivel de un sigma la siguiente dice 15 puntos consecutivos dentro de la desviación estándar
de la línea central hacia cualquier lado que esto representaría un comportamiento también
de sesgo por encima por debajo del límite central y finalmente dice ocho puntos
consecutivos por encima de una desviación estándar desde la línea central entonces vamos
a parametrizar con esas pruebas y lo otro que vamos a parametrizar es el almacenamiento
en donde vamos a seleccionar punto gráfica o valor de línea central y los valores de los
límites de control le damos a aceptar dos veces y esto es lo que nos arroja militar tenemos
entonces el gráfico x barra jerry donde el primero el x barra viene a ser el gráfico superior y
el r viene a ser el gráfico inferior empecemos entonces con el análisis de x barra diciendo
qué límite central va a representar el x doble barra o el promedio de todos los 10 subgrupos
con sus 5 puntos muestrales esto con unos límites superiores e inferiores de control
dispuestos a 3 sin más y contrastado con una distribución central que va a representar la
media de cada uno de los subgrupos es decir que el gráfico x barra lo que va a medir es si el
promedio de cada uno de los grupos se encuentra por encima o por debajo del promedio
entre todos los subgrupos ahora abajo tenemos el gráfico complementario r el cual va a
mostrar el rango de variación para los subgrupos en donde el valor r central va a representar
el promedio de los rangos para todos los subgrupos que van a estar contrastados con un
límite superior e inferior de control dispuestos a más o menos 3 sin más y una distribución
central que lo que va a mostrar es el rango por cada uno de los subgrupos recordando que el
cálculo de un rango viene de la diferencia entre el valor máximo menos el valor mínimo
cuál sería entonces la interpretación de esta gráfica x r respecto al caso que tenemos como
ejercicio lo primero que hay que determinar es qué tan paralelo es el comportamiento de la
gráfica r respecto a la gráfica x bar diciendo entonces que si el comportamiento es muy
paralelo o se comportan la misma manera en las dos gráficas estaríamos hablando que
existe un sesgo que está eliminando la aleatoriedad del proceso luego de ello el segundo
análisis es el de determinar las pruebas de control estadístico la cual va a empezar por el
gráfico r y después se va a trasladar al gráfico x barra quiere decir que si el gráfico r
estuviese por fuera de control estadístico esto afectaría los límites de control superior e
inferior del gráfico x bar en este caso no vemos ningún punto en rojo por lo cual diríamos
que ambas gráficas se encuentran bajo control estadístico superando todas las pruebas
finalmente vamos a explicar el análisis general de la gráfica x r en el caso que tenemos de
los ejes de transmisión por un lado tenemos que el límite central de la gráfica x barra es de
25,02 esta primera gráfica va a representar el objetivo de cálculo para ese eje de
transmisión en donde debe tener un largo de 25 es decir que como se encuentra dentro del
margen permitido vamos a decir que el promedio de esos ejes si se acomodan bajo los
estándares de producción requeridos abajo en la gráfica de re lo que vamos a hacer es
contrastar las variaciones del margen de holgura decimos que se permite que el eje tenga un
largo 25 más o menos 0,1 pulgadas lo cual vamos a contrastar con el límite central de la
gráfica r que es de 0,105 estamos viendo que hay una ligera variación superior de la
holgura permitida para ese eje de transmisión es decir que la respuesta a este ejercicio es
que aunque el proceso se encuentra bajo control estadístico el eje no se está produciendo
conforme a las especificaciones pues hay que disminuir la variación de la holgura entre
ellos voy a volver a parar el tutorial por un momento para presentarles un siguiente caso en
donde vamos a aplicar otro par de gráficas que se denomina el complemento x barra y es
esto debido a que los gráficos x r se aplican a subgrupos que tengan menos de 8 puntos
muestrales en caso contrario se recomienda aplicar una gráfica x barra y s que es la que
veremos a continuación listo ya estoy de vuelta con el siguiente caso que vamos a tratar y
dice así una empresa de fármacos debe mantener una cadena de frío para sus productos a
una temperatura de 4 más o menos 0,5 grados celsius para realizar control de las
especificaciones de calidad sobre las condiciones de dichos fármacos la gerencia decide
realizar unos cuadros x barra y así se toman aleatoriamente 15 subgrupos cada uno con
ocho puntos muestrales realice las pruebas correspondientes y determine y el proceso está
controlado lo primero entonces es determinar por qué se va a aplicar el cuadro x barra y ese
y esto es debido a que tenemos 15 subgrupos tenemos más subgrupos que en el caso
anterior y ahora tenemos 8 puntos muestrales específicamente es decir que ahora no nos va
a servir del cuadro r que nos medía el rango pero que se podría presentar mucha omisión en
la información al generar un rango para ellos y lo que se va a manejar es las desviaciones
estándar como factores de variación entre las observaciones sin más preámbulos entonces
empecemos con la utilización de las herramientas de militar para darle solución a este caso
nos dirigimos entonces al menú estadísticas gráficas de control gráficas de variables para
subgrupos y esta vez vamos a seleccionar el par x barra s se nos despliega una ventana
exactamente igual a la anterior donde vamos a darle la segunda opción puesto que los
subgrupos van a representar cada una de las filas sobre esas columnas luego vamos aquí
donde dice opciones x barra y vamos a decirle que nos arroje todas las pruebas nuevamente
finalmente vamos a darle al almacenamiento que nos muestre punto graficar valor de la
línea central valores de los límites superiores e inferiores de control y le damos a aceptar
entonces esto lo que nos arrojaría el software en la parte superior se nos muestra el gráfico
x barra el cual funciona exactamente igual al del caso anterior acá lo que hay que analizar
es la variación de la gráfica s en donde como límite central vamos a obtener el promedio de
las desviaciones estándar para cada uno de los subgrupos que van a estar contrastados con
un límite superior e inferior de control dispuestos a más o menos 3 simas y una distribución
central que va a mostrar la desviación estándar por cada uno de los 15 subgrupos en este
caso entonces voy a correr esto para acá y vamos a continuar con el análisis en cuanto a la
similitud de los dos gráficos vemos que no funcionan de una manera paralela por lo cual
diríamos que no hay sesgo en la aleatoriedad inherente al proceso también determinamos
bajo los tests o pruebas de control estadístico que las pasa todas no hay ningún punto en
rojo sobre estas observaciones y respecto al análisis general vemos entonces en la gráfica x
barra que el valor doble barra de 4.01 estaría dentro del rango de temperatura que vendría a
ser de 4 veamos entonces el margen de holgura que decimos que es de más o menos 0,5
grados celsius en donde vemos que la desviación estándar es de 0,2 quiere decir que para el
análisis general en este caso el proceso se encuentra tanto bajo control estadístico como
bajo los márgenes de holgura permitidos voy a parar la grabación del tutorial por última vez
para mostrarles el último caso que manejaremos en este tutorial de cuadros de control para
variables continuas el cual en esta ocasión no se realizará para subgrupos sino para
observaciones individuales el cual se denomina el cuadro de control y vr les presento
entonces ahora el último caso de este tutorial que dice una empresa que manufactura
estanterías modulares desea verificar las variaciones de cada uno de los tubos que las
componen debiendo ser todos del mismo tamaño tomando una sola estantería se realizará
un cuadro y m&r para controlar el nivel de calidad realice las pruebas correspondientes y
determine el proceso está controlado para empezar entonces con el análisis de este caso
vamos a decir que los cuadros de control y m&r se aplican sobre muestras individuales
cuando es muy difícil establecer controles de calidad utilizando varias muestras o cuando
implica la destrucción del material y por lo tanto el proceso de recolección de valores sale
muy costoso entonces sin más preámbulos vamos a crear nuestro cuadro jbr utilizando las
herramientas de militar para ello nos vamos al menú estadísticas gráficas de control
gráficas de variables para individuos y vamos a seleccionar jbr y militar nos muestra la
siguiente ventana donde dice variables entonces vamos a seleccionar a la cual queremos
crearles el par de gráficos y m&r entonces selección haríamos la columna dos de longitud
nos vamos a saltar nuevamente en la configuración de los botones y nos dirigimos
directamente a opciones de jbr en donde vamos a parametrizar que nos arrojen nuevamente
todas las pruebas estadísticas relacionadas a este tipo de gráfico y que nos muestre en la
hoja de trabajo el punto graficado el valor de la línea central y los valores de los límites de
control le vamos a aceptar dos veces y esto nos mostraría entonces el software analicemos
una a una las gráficas resultantes del cálculo y m&r la primera gráfica es la denominada y
que muestra los valores individuales en donde el límite central se va a calcular como el
promedio de dichos valores individuales en este caso el promedio de la longitud de los
tubos para cada una de las partes de la estantería esto contrastado con un límite superior e
inferior de control dispuestos a más o menos tres signos y una distribución central que va a
mostrar la longitud de cada uno de esos tubos la gráfica y ver lo que va a mostrar es el
rango móvil por eso se llama m r por sus siglas en inglés en donde el límite central va a
mostrar el promedio de los rangos hallados contrastados con un límite superior e inferior de
control dispuestos a más o menos 3 sin más y una distribución central que va a mostrar el
rango móvil o rango individual para las observaciones ese rango móvil se calcularía como
la longitud de 1 - la longitud del otro para hallar la diferencia entre cada par de
observaciones todo en valor absoluto para evitar los valores negativos eso vendría a ser
entonces el valor de dichos rasgos mencionado lo anterior es por ello que si nos ubicamos
en la hoja de trabajo para los puntos gráfica 2 de la tabla m&r veríamos entonces que el
primer valor es un asterisco o un faltante puesto que si el rango móvil toma por pares de
longitudes no tendríamos con que restar la longitud de la parte 1 entonces empezaría desde
la longitud 2 este menos éste daría el valor de 0 17 en cuanto al análisis de linealidad entre
las dos gráficas donde decíamos que si se comportan de manera paralela es un mal síntoma
vemos que efectivamente la gráfica y la m r se comportan de una manera diferente en
donde diríamos que no hay sesgo para las variaciones sin embargo si aplicamos los test de
control estadístico vemos que la gráfica de valores individuales se presenta error en
diversas de las pruebas dirijámonos entonces a la ventana de sesión en donde vamos a
determinar cuáles fueron las pruebas a las que se fallaron entonces la gráfica y fallo en la
prueba 1 donde muestra un punto fuera más allá de tres desviaciones estándar o sea que está
por debajo del límite inferior de control el cual sería este punto también se para se falla a la
prueba 6 donde dice de cuatro a cinco puntos más de una desviación estándar a partir de la
línea central en un mismo lado de este límite central o sea que estaremos diciendo que se
está fallando en estos tres puntos en el 11 12 y 13 a esa prueba y se está fallando a la prueba
número 18 donde dice ocho puntos consecutivos más que una desviación estándar desde la
línea central encima y debajo del límite superior de control y entonces aquí estaríamos
viendo esa falla estamos diciendo entonces que para este caso el proceso de la elaboración
de los tubos para crear las estanterías se encuentra por fuera de control estadístico habría
que aplicar entonces distintas medidas preventivas y correctivas para solucionar este caso
 DOE Factorial
vamos a decirle crear diseño factorial se nos despliega esta ventana aparece tipo de diseño
vamos a dejarlo como factorial de dos niveles con generadores predeterminados más
adelante en este tutorial les voy a explicar qué es eso el número de factores que tenemos es
de tres duración tema y formato pero antes de ingresar el número de factores al ejercicio
quiero mostrarles el primer botón que dice mostrar diseños disponibles le damos clic y nos
aparece esta ventana en donde no se va parametrizar nada es de tipo informativo
únicamente por este lado tenemos los factores y por este otro lado tenemos las corridas las
corridas van a representar las posibles combinaciones que pueden haber entre esos factores
a sus dos niveles correspondientes por ejemplo si tuviéramos dos factores a dos niveles alto
y bajo diríamos que salen cuatro corridas o cuatro combinaciones bajo bajo bajo alto alto
bajo y alto alto también vemos
entonces que para muchos factores
que interactúan por ejemplo en este
caso 10 se necesitarían de más de
128 corridas para mostrar las
posibles combinaciones entonces
aquí por costo empresarial para la
prueba piloto real o por la
ineficiencia que puede generar esto
en el muestreo se puede generar no
un diseño experimento general sino fraccionado quiero decir que únicamente se va a tomar
una fracción de todas las posibles combinaciones que pueden haber entre esos factores
entonces es por eso que aparecen este 3 este 4 y este 5 en donde en la medida que
disminuye este valor estaríamos tomando menos combinaciones entre esos factores o sea
menos corridos el problema cuando se hace un diseño fraccionado es que al omitir algunos
puntos puede haber un problema y es que se pueden omitir comportamientos que sean
importantes para la deseada y ahí es que se establecerían los generadores si uno dice que los
generadores no sean predeterminados es para uno como diseñador del experimento y
especificar cuáles son los puntos de ese diseño fraccionado que se desea tomar si los
dejamos como predeterminados mini tab para dicha selección entonces nos salimos de esta
pantalla y volvemos acá voy a mostrarles lo de los diseños fraccionados por ejemplo si
tenemos 10 factores voy a poner muchos y entramos al botón de diseños nos va a salir si
queremos una resolución de tipo 5
se van a manejar 128 corridas
mientras que si utilizamos una
resolución de tipo 3 se están omitiendo más combinaciones en donde se va a intentar a
manera de muestreo
representar la población total en
únicamente 16 corridas vamos
entonces a lo que nos concierne que
son tres factores duración tema y
formato entonces ahora sí lo vamos a
especificar como tres factores y vamos a entrar a diseños no sale lo siguiente tenemos una
resolución tres en donde la fracción es de un medio de todos los puntos o sea con cuatro
corridas se pretende mostrar todo el comportamiento como tenemos únicamente tres
factores a dos niveles voy a generar un diseño factorial completo en donde no vamos a
especificar número de puntos centrales por bloque qué quiere decir esto resulta que a
diferencia de las resoluciones fraccionadas si yo establezco puntos centrales por bloque se
me van a generar por el contrario aún más puntos de análisis en qué puntos centrales entre
esos dos posibles niveles bajo y alto entonces no vamos a ponerle puntos centrales donde
dice número de réplicas para puntos factor ya les decíamos que vamos a hacer dos réplicas
en el experimento para determinar si hay fiabilidad en los datos recogidos entonces vamos a
darle dos réplicas quiere decir que por ejemplo la combinación entre estos factores bajo
bajo bajo o alto alto alto o cualquier combinación se va a repetir dos veces número de
bloques uno porque no lo vamos a hacer en periodos de tiempo diferentes y le damos a
aceptar ahora se nos habilitan los otros botones vamos a entrar entonces al segundo que
dice factores le damos clic y nos
aparece la siguiente ventana
entonces vamos a establecer los
distintos factores entonces el factor
a vamos a parametrizar con el
enunciado vamos a decir que es
duración en donde su valor bajo va
a ser de 15 y su valor alto va a ser
de 30 de tipo numérico el segundo
va a ser tema donde el tipo es texto
entonces lo vamos a cambiar acá y vamos a decir que es especializado por un lado y por el
otro vamos a decir que es general tenemos un tercer factor que viene a ser el formato en
donde vamos a decir que es de tipo texto y vamos a decir que el valor bajo es de tipo
tutorial y el tipo alto va a ser promocional y le damos a aceptar vamos al siguiente botón
que es el de opciones le damos clic y nos aparece lo siguiente lugar diseño que es cuando
tenemos un diseño fraccionado del experimento porque tenemos demasiados factores
plegarlo es como duplicar la información para eliminar de pronto cualquier sesgo entonces
no vamos a decir que plegamos el diseño ya que lo tenemos pequeño a le autorizar corridas
lo vamos a dejar que si la idea es que las corridas son las posibles combinaciones van a
aparecer en desorden esto evitándose sos suponga por ejemplo una máquina de corte si no
se le autorizan las corridas los datos finales van a dar de menor rendimiento porque es
probable que el filo de esa máquina vaya perdiendo ese rendimiento entonces lo mejor es
que sea lea tories en las posibles combinaciones donde dice almacenar diseño en hoja de
trabajo vamos a dejarlo que sí y le damos a aceptar finalmente exploremos el último botón
de resultados le damos clic y va a aparecer queremos que los resultados sean ninguno tabla
de resumen tabla de alias tabla de diseño y tabla de relación definitorio vamos a explicar
que son los alias cuando tenemos muchos factores que comienzan a interactuar entre sí
pueden aparecer alias que son los alias son resultados que pueden ser muy similares en
diferentes combinaciones por ejemplo puede aparecer en un experimento que tenemos un
factor a un factor b y un factor se digamos que ese factor se no repercute mucho entonces
puede haber un alias y es que la combinación a más b puede dar un resultado muy parecido
de ambas veces por ejemplo entonces la idea es que en la aparición de alias es cuando
tienden a confundirse los resultados entre varias combinación o con los efectos principales
en la aie deseada vamos a decir entonces que si nos muestre la tabla de alias y vamos a
decir que en el contenido de esa tabla de alias aparezcan las interacciones predeterminadas
le damos a aceptar nuevamente aceptar y ahora en la hoja de trabajo nos aparece el diseño
de nuestro experimento entonces en
la columna 1 aparece el orden en el
que aparecen aleatoriamente
acuérdense que aleatorizados las
corridas entonces por ejemplo
primero tenemos la corrida 15
después de 16 después la 10 después
la 4 después va esas corridas
aleatorizados en un nuevo orden
entonces se ponen como una de
phoenix secuencial aparece punto central 1 porque no manejamos más puntos bloques 1
porque no manejamos distintos bloques y aparecen los tres factores entonces aparece por
ejemplo la primera corrida es duración baja con tema general con formato promocional el
siguiente es duración alta con general con promocional y así van apareciendo todas las
combinaciones como nosotros pusimos dos réplicas no nos van a aparecer ocho corridas
sino 16 ahora bien aquí tenemos entonces las variables que vendrían a ser en este caso x o
predictoras faltaría poner la variable de respuesta para lo cual vamos a ubicarla en la
columna 8 dado que en este ejercicio la esperada es precisamente vídeos con muchas
visualizaciones vamos a decir que la variable de respuesta es visualizaciones a continuación
vamos a buscar entonces dentro de nuestros vídeos reales
subidos a youtube los que cumplan estas características
puede hacerlo para algunas voy a parar el tutorial para
diligenciar toda la columna de visualizaciones con datos
reales y después muestro el resultado definitivo pero por
ejemplo vamos a tomar esta corrida donde dice que
necesitamos buscar un vídeo de 30 sea largo que sea en tema
especializado y en formato tutorial entonces nos vamos a nuestra cuenta de youtube y
vamos a decir que un vídeo que tiene un tema especializado formato tutorial y de larga
duración vendría a ser este mini tap diagnóstico de los procesos tiene aproximadamente 30
de duración tiene 27 53 tiene un tema que es muy específico militar y es en formato tutorial
como el que usted está viendo entonces decimos que éste tiene 173 visualizaciones
entonces para éste vamos a poner 173 entonces hay que hacer este ejercicio con todos las
posibles combinaciones voy a parar
por un momento el tutorial y vuelvo
y lo reanudó con la columna
totalmente diligencia listo entonces
ya diligencie la columna de
visualizaciones utilizando 16 de los
casi 60 vídeos que tenemos en
youtube elimine los que tenían
mucha dispersión porque por
ejemplo nosotros tenemos tutoriales
en microsoft project que realmente
tienen muchísimas visualizaciones pero sería un comportamiento demasiado atípico
entonces la idea es no generar unos puntos tan extremos porque podrían ser algunas
excepciones a las reglas cual vendría a ser el paso siguiente entonces lo que necesitamos es
parametrizar la variable de respuesta que se vincula a los tres factores y sus posibles
combinaciones para lograr esto entonces vamos al menos estadísticas 2 factorial y vamos a
seleccionar a analizar diseño factorial le
damos clic y nos aparece esta ventana
entonces para realizar ese diseño
factorial ya nos aparece que la variable
de respuesta es visualizaciones y la
seleccionamos empecemos a ver
entonces todos los botones relacionados
con el análisis del diseño factorial si nos
dirigimos al primero de ellos
denominado términos y le damos clic aparece esta ventana acá donde dice términos
seleccionados va a mostrar del análisis resultante de este diseño factorial se va a mostrar
que las variables de respuesta por separado la interacción entre dos de ellas y la interacción
entre las tres podríamos sacar algunos de estos puntos de análisis para que quede por fuera
del diseño factorial pero lo vamos a hacer completo entonces le damos a aceptar luego el
segundo botón dice co variables si accedemos a él lo que se puede es incluir variables
externas al experimento esto sería para probar efectos externos sobre un modelo interno en
este análisis factorial por ejemplo cosas del entorno sería que influya por ejemplo la época
del año entonces podríamos meterlo como una co variable en este caso vamos a generar un
diseño factorial únicamente con la relación entre estos factores entonces no agregamos
como variables si nos dirigimos al botón de opciones vemos lo siguiente aparecen las
ponderaciones para asignar pesos diferentes o que un factor tenga mayor relevancia sobre
los otros vamos a decir que todos tienen el
mismo peso nivel de confianza para todos
los intervalos es del 95% vamos a dejarlo
como un tipo de intervalo de confianza
bilateral o sea para una prueba de dos
colas transformación box cox es cuando
tenemos datos que no se distribuyen de
una manera normal en este caso no
hicimos una prueba normalización de las
variables vamos a asumir las sino una
transformación entonces le vamos a dar a
aceptar y por el momento tenemos familia el botón de paso a
paso en donde podemos generar un proceso de eliminación de las variables o las
interacciones que aquí aparecen menos relevantes para el modelo vamos a tomarlo con
todas las interacciones entonces no vamos a establecer ninguna forma de eliminación de
manera informativa les muestro que está el paso a paso que es manera automática por mini
está selección hacia delante o eliminación hacia atrás no vamos a utilizar ninguna de éstas
tenemos también el botón de gráficas que queremos que acompañen el análisis de este
desarrollo experimento entonces tenemos las gráficas de efectos aparece pareto normal y
normales absolutos vamos a darle estas dos gráficas para que acompañen al análisis que va
a arrojar la ventana de sesión dice mostrar todos los términos o sólo los términos del
modelo en este caso estas dos opciones dan lo mismo porque estamos incluyendo en el
modelo todos los términos donde dice residuos para las gráficas como hemos visto
anteriormente los hay regular estandarizado eliminado vamos a dejarlo residuo regular y
que no lo muestre en una tabla 4 en 1 tenemos también el botón de resultados que es todos
los cálculos que queremos que militar haga sobre este desarrollo experimento factorial
vamos a decirle aceptar vamos a dejarlo predeterminado y en la parte de almacenamiento
aparece lo que queremos que salga en la hoja de cálculo no vamos a seleccionar nada
aceptar aceptar y esto es lo que nos arrojaría militar para poder analizar el experimento
primero tenemos la gráfica de residuos para visualizaciones en donde vemos que dichos
residuos no se comportan de una manera aproximadamente normal vemos que no se
agrupan alrededor de esta línea roja que representaría el orden de la distribución de esta
manera se haría necesario hacer una transformación box cox pero por ahora vamos a
asumirlos como tal esta gráfica es la importante en donde vemos el pareto de efectos
estandarizados entonces teniendo un nivel de significancia de 0 0 5 vemos de mayor a
menor importancia cada uno de los factores y sus posibles interacciones para él resultado
final o la variable de respuesta diríamos que en este caso el factor que más afectaría a la
respuesta sería el formato o sea de tipo tutorial o promocional el cual generaría un impacto
sobre las visualizaciones sin embargo como vemos esta línea punteada alejada del
histograma estaríamos
diciendo que ningún efecto
tiene realmente un impacto
significativo sobre la
 variable de respuesta para que esto
sucediera en el diagrama de pareto
tendríamos que ver que una de estas
barras azules sobrepasa la línea
punteada roja de esta manera entonces
tenemos aquí también la gráfica
normal de efectos estandarizados en
donde por la línea roja pasan unos
puntos de color azul en donde nos
indicaría que el tipo de efecto es no
significativo de esta manera si por el
caso contrario existiese un efecto o una interacción que fuera significativa para la variable
de respuesta debería verse como un cúbito de color rojo la conclusión entonces es que
podemos sacar hasta el momento es que ninguno de los efectos que estimamos los cuales
serán tema formato y duración tienen un impacto muy significativo sobre las
visualizaciones de esta manera lo que nos sugiere el desarrollo del experimento es que
deberíamos buscar unos nuevos factores para determinar con mayor precisión qué es lo que
afecta a las visualizaciones de estos vídeos sin embargo aunque la repercusión de estos
factores sobre la variable de respuesta no sea significativa podemos solicitarle a militar que
nos optimice la respuesta esto es realizar un proceso de programación lineal para encontrar
la mejor combinación entre estos tres factores maximizando el número de visualizaciones
para ello nos vamos al menú estadísticas del factorial y vamos a seleccionar optimizador de
respuesta se nos despliega esta ventana en donde para la variable y respuesta existen las
siguientes opciones para realizar dicha programación no optimizar minimizar establecer un
valor objetivo o maximizar en este caso como lo que queremos generar es el vídeo con
mayor cantidad de visualizaciones vamos a darle maximizar para esta ventana no entrar a
profundizar en los menús contextuales que nos arroja cada uno de los botones entonces le
vamos a dar a aceptar y esto lo que nos muestra militar acá en esta gráfica entonces vamos
a ver la interacción entre los tres factores y en color rojo se nos va a resaltar la mejor
combinación quiere decir que militar detecta que lo mejor sería un vídeo de corta duración
en un tema especializado
y en formato tutorial
recordemos entonces que
si deseamos generar una
mayor respuesta a esa
variable una mayor
cantidad de
visualizaciones
deberíamos replantear el
experimento con otros
factores que tuvieran una
mayor repercusión sobre
dicha variable de
respuesta finalmente vemos un valor esperado que vendría a ser de 2.926 lo cual nos
indicaría que si un vídeo cumple estos parámetros podríamos alcanzar un número máximo
de visualizaciones de este valor .

 Cuadr os de
Control Variables Discretas
la columna de dos de devoluciones donde dice tamaños de los subgrupos hay
dos opciones o pueden poner un número entero para generar unos límites de
control superior e inferior fijos o pueden poner los tamaños de subgrupos
como el tamaño del lote contra el cual se va a contrarrestar las devoluciones
generando así límites de su control superior e inferior variables por el tamaño
del lote entonces vamos a seguir el segundo procedimiento seleccionamos
tamaño del lote miremos entonces los diferentes botones con argumentos y
opciones para la elaboración de la gráfica p en el primero que dice escala lo
que se va a poder parametrizar es el formato de los ejes y líneas de referencia
de dicha gráfica es decir de cuánto en cuánto se va a exhibir por ejemplo los
ejes x y no la vamos a parametrizar en la que dice etiquetas sirve para agregar
textos ya sea como títulos subtítulos o notas al pie para personalizar el gráfico
tampoco lo vamos a mover donde dice múltiples gráficas es una opción que va
a servir para cuando hay varias
variables de respuesta entonces
se pueden generar varias
gráficas que se presenten de
manera paralela tampoco lo vamos a presentar donde dice opciones de datos
se va a mostrar los datos que se desean incluir o excluir a la gráfica principal
esto quiere decir por ejemplo cuando hay un dato que es muy disperso que se
puede considerar una excepción podemos omitir lo para que no se muestre en
la gráfica y no de la distribución de la misma finalmente tenemos las opciones
de gráfica peque estas son las que si vamos a empezar a parametrizar en la
pestaña de parámetros aquí donde dice proporción sirve para estimar el límite
central sin que mini tableau calculé de manera automática esto podría ser por
ejemplo cuando se encuentra con datos históricos no lo vamos a poner donde
dice estimación sirve para decirle a mini tab que nos arroje en el gráfico ya sea
la información por los subgrupos que establecimos o tomando todas las
observaciones que tenemos en las dos columnas entonces vamos a dejarlo tal
cual donde dice límite sirve para programar los límites superiores e inferiores
de control acorde a la cantidad de desviaciones estándar que queremos que
muestre donde dice pruebas esta parte es central a lo que vamos a parametrizar
resulta que milita para las variables discretas tiene cuatro formas de hacer
pruebas estadísticas para determinar si ese proceso se encuentra bajo control o
no la primera prueba dice un punto por encima de cada vez es estándar desde
la línea central donde cada es igual a 3 quiere decir que el cuadro de control
por defecto que aparece es a un nivel de 3 sin más es decir si hay un punto que
está por encima del límite superior de control o por debajo del límite inferior
de control se va a considerar que ese proceso está por fuera del control
estadístico la segunda prueba dice k puntos consecutivos en el mismo lado de
la línea central en este caso k es igual a 9 es decir que si hay 9 puntos que
están por encima por debajo del límite central sin cruzar por él se consideraría
que es un comportamiento sesgado y que por lo tanto se está eliminando la
aleatoriedad del proceso la siguiente dice k puntos consecutivos todos
ascendentes o todos descendentes lo cual mostraría un comportamiento de
tendencia en donde en este caso vendrían a ser seis puntos seguidos lo que
denota que hay un sesgo en ese
comportamiento finalmente
tenemos la cuarta prueba que es
k puntos consecutivos alternando
arriba y abajo es decir si se
encuentran 14 o más puntos en
forma de zigzag estaríamos
diciendo que está se está
presentando un comportamiento sesgado y el proceso está fuera de control
estadístico vamos a seleccionar entonces que nos arroje las cuatro pruebas le
damos entonces aceptar para que tome los cambios guardados en las pruebas
volvemos a opciones de gráfica y vamos a la parte de etapas esto sirve para
cuando tenemos varias etapas en lo que sería la clasificación de los procesos
por ejemplo por turnos por ejemplo por periodos etcétera etcétera entonces no
vamos a utilizar etapas en la pestaña que dice mostrar pone precisamente qué
subdivisiones se van a realizar dentro de la gráfica p para mostrar los
diferentes comportamientos parametrizados lo cual no vamos a mover lo que
sí vamos a generar es un almacenamiento en la hoja de trabajo en donde
vamos a decir que en dicha hoja de trabajo nos ponga el punto gráfica do que
viene a ser la proporción resultante de cada observación en el cuadro p vamos
a decir que nos arroje el valor de la línea central los valores de los límites
superior e inferior de control le damos a aceptar nuevamente aceptar y esto es
lo que nos arrojaría militar en donde tenemos la gráfica el diagnóstico y abajo
tenemos los datos de almacenamiento que parametrizados empecemos
entonces con el análisis de la gráfica de pe de devoluciones resultantes en el
pie de página militar nos arroja una anotación donde dice las pruebas se
realizaron con tamaños de la muestra desiguales esto fue cuando
parametrizados al inicio en donde dijimos que como subgrupos tomará la
columna ce uno del tamaño del lote esto en que afectaría en que los límites
superiores e inferiores de control que vemos aquí en rojo no van a ser una
línea recta con un valor estandarizado sino que va a depender del tamaño de
dicho lote en el centro vemos una línea verde que cruza que viene a ser el
valor de p el cual representaría el límite central que en este caso se tomaría
como la sumatoria del total de devoluciones entre la sumatoria de los
diferentes tamaños de lote para el periodo de esos 30 días en pocas palabras
entonces que estamos analizando en la gráfica de evolución es lo que estamos
haciendo es una comparación de lo que vendría a ser la proporción estimada
para el total de lotes con sus respectivas devoluciones respecto a la proporción
de cada uno de esos días es decir cuando un punto esté por encima de la línea
p estaríamos diciendo que la proporción de devoluciones para ese lote fue
superior a la estimada en el total igual sería cuando un punto aparezca por
debajo diríamos que para ese día el total de devoluciones representaron una
proporción inferior para ese lote respecto a lo que vendría a ser la proporción
estimada sobre el total pasemos a analizar entonces lo que nos arroja militar
en la ventana de sesión correspondiente a las pruebas de control estadístico
para la gráfica p entonces tenemos que esta gráfica no pasa la prueba 1 y la
prueba 3 reflejados como un botón rojo sobre la distribución central entonces
decimos que la prueba 1 es un punto fuera más allá de tres desviaciones
estándar de la línea central dice que la prueba falló en el punto número 24 que
es el que vemos acá entonces aquí estaríamos diciendo que hay un sesgo
importante y es que esta observación se sale del límite superior de control y
también dice militar que no pasa la prueba 3 donde hay 6 puntos consecutivos
todos en aumento o todos en descenso la prueba falla en el punto 9 en donde si
contamos aquí habría 1 2 3 4 5 y seis puntos que estarían en sentido
ascendente lo cual mostraría un sesgo de tendencia en esa distribución
finalmente en la hoja de trabajo aparecen los resultados del almacenamiento
que se parametrizar on en donde por este lado tenemos el punto gráfica do que
viene a ser el valor de cada una de las proporciones como observaciones
dentro de la gráfica pd de evolución es el límite central en este caso va a ser
igual
para
todos
aparecen los límites inferiores y los límites superiores que van a ser variables
dada la parametrización por subgrupos ahora bien existe una variación para la
gráfica p la cual se denomina gráfica n p y la diferencia es que ya no se va a
calcular la proporción total y su respectiva relación con la proporción sobre
cada uno de los lotes de la parte defectuosa en este caso las devoluciones sino
que va a calcular sobre esa proporción total cuánto sería lo que se estimaría de
devoluciones en cantidades para después mostrarlo por cada uno de los
tamaños de muestra entonces vamos a generar ahora una gráfica np en mini
tab para ello entonces nos dirigimos nuevamente al menú estadísticas gráficas
de control gráficas de atributos y ahora vamos a seleccionar np en este caso
como variables vamos a seleccionar nuevamente devoluciones y como
subgrupos nuevamente vamos a seleccionar tamaño de lotes nos vamos a ir de
una vez a las opciones de gráfica np en donde vamos a decir que nos arroje no
las cuatro pruebas y que en almacenamiento nos muestre nuevamente punto
gráfica de valor de la línea central valor de los límites superiores e inferiores
de control le damos a aceptar a aceptar nuevamente y esto sería lo que nos
arroja minita comparando entonces los resultados de la gráfica np con la
gráfica p vemos que en este caso el límite central al igual que los límites
superiores e inferiores de control también se mueve no es una línea
estandarizada esto debido a que la ecuación que sirve para calcular el límite
central en una gráfica np viene a ser la sumatoria del total de devoluciones
para el periodo de 30 días sobre la sumatoria total de los tamaños de lotes para
esos mismos 30 días eso multiplicado por el tamaño del lote de la observación
en cuestión esto quiere decir que la línea central lo que nos va a determinar el
valor esperado que según la proporción total debería tomar la cantidad de
devoluciones para ese tamaño de lote ahora bien la distribución de las
observaciones lo que hace
es mostrar la cantidad de
devoluciones como una
cuenta como un número
entero de lo que vendría a
ser ese lote para ese día en
este caso por ejemplo
estamos tomando la
muestra número 9 el día 9
en donde se encontraron
20 devoluciones como una
 cuenta entonces a
grandes rasgos que es
lo que mide la gráfica
en ep la gráfica np lo
que mide es cuántas
devoluciones se
encontraron
realmente en ese lote
respecto al estimado
que debería
encontrarse de
devoluciones para
ese mismo lote teniendo en cuenta la proporción de la totalidad para esos 30
días en este caso ahora bien analizando entonces los test o pruebas estadísticas
para verificar si el proceso se encuentra bajo control o no vemos que la
distribución central varía un poco de gráfica gráfica en este caso
encontraríamos que únicamente sobre el punto 24 se está fallando a la prueba
número 1 en donde decimos que este punto se encuentra por encima de una
variación de 3 sin más hasta este punto entonces ya tendríamos el análisis
completo bajo dos gráficas para una variable de tipo binomial voy entonces a
minimizar y voy a parar por un momento el tutorial para mostrarles un nuevo
caso en donde vamos a aplicar los cuadros de control pero aplicados a una
variable de tipo paso bueno tenemos este segundo caso donde dice que la
gerencia de un campo de golf determina que la calidad del césped se considera
aceptable si la cantidad de defectos las cuales representan esas áreas de pasto
que están a diferente altura de lo que viene a ser lo reglamentario son
inferiores a tres por cada zona de un kilómetro cuadrado se toma una muestra
aleatoria de 15 zonas realice las cuatro paradas y determine el proceso está
controlado entonces al igual que con las gráficas pnp para los modelos de paso
existen también dos tipos de
gráficas entonces aquí en la
hoja de trabajo tenemos
como columna 1 las 15
zonas que se van a analizar de
ese campo de golf para
hacer la primera gráfica
todavía no vamos a tomar la
columna 2 en donde vamos a asumir el enunciado y vamos a decir que cada
zona tiene la misma cantidad de kilómetros cuadrados o sea de 1 en la
columna 3 vamos a encontrar los errores de césped en donde vamos a decir
que hasta 3 errores es aceptable pero por encima de 3 errores ya no se
consideraría aceptable como en este caso que en la zona 14 hay 4 errores en el
pasto esto ya vendría a ser excesivo entonces para empezar con el análisis para
esta variable de paso vamos a irnos a estadísticas gráficas de control gráficas
de atributo y primero vamos a crear una gráfica si se nos despliega entonces
esta ventana como variables en este caso no nos va a pedir subgrupos y se dan
cuenta esto quiere decir que tanto el límite superior como inferior de control
de una gráfica se van a ser valores estandarizados van a salir como una línea
recta entonces lo que nosotros queremos ver como variables son los errores
del césped los botones que tenemos acá son iguales a los que vivimos en la
parametrización de las tablas pnp con lo cual vamos a acceder directamente a
la de opciones de gráficas en donde para las pruebas vamos a pedir que nos
arroje las 4 y el almacenamiento vamos a pedir que nos muestre punto
graficado valor de línea central y los límites superiores e inferiores de control
le damos a aceptar dos veces y encontramos entonces lo siguiente en cuanto a
los cálculos de una gráfica c podemos decir que la ecuación que respalda el
cálculo del límite central es un promedio simple en donde se va a realizar la
sumatoria de los errores encontrados sobre el total de las zonas en este caso
esto nos daría un valor de 2 467 el cual estaría como eje central para un límite
superior e inferior de control que están dispuestos a más o menos 3 sigma todo
lo anterior contrastado con una distribución interna de observaciones la cual
va a mostrar la cantidad de defectos encontrados por cada una de las zonas a
manera de cuentas entrando a la parte de la prueba de control estadístico
entonces podríamos decir que el resultado de militar arroja que no pasa la
prueba número 4 en donde se dice que 14 puntos consecutivos alternados
hacia arriba y hacia abajo demostrarían un comportamiento no aleatorio por lo
que se concluiría que el proceso está por fuera del control estadístico en este
caso vemos un comportamiento de zigzag que comprobaría los resultados de
esta prueba a grandes rasgos entonces la pregunta a responder es que mide una
gráfica hace una gráfica se mide la cantidad de defectos en una distribución
plazo respecto al promedio de ocurrencia de los mismos quiere decir que en
este caso sí un punto aparece por encima del límite central estaría diciendo
que tiene más defectos que el promedio en caso contrario si aparece un punto
por debajo de la línea central diríamos que en ese caso se está presentando un
número de efectos por debajo del promedio al igual que como vimos con las
distribuciones binomial es resulta que hay una variación de la gráfica ce para
las distribuciones de tipo puesto denominada la gráfica aún a diferencia de la
gráfica ce la gráfica va a considerar unos tamaños de muestra diferentes en
este caso entonces no vamos a asumir que todas las zonas tienen la misma
cantidad de área de kilómetros cuadrados sino que vamos a contemplar esta
columna 2 en donde vamos a decir que cada una de las zonas de ese campo de
golf tiene un área diferente empecemos entonces a crear la gráfica primero nos
dirigimos al menú estadísticas nuevamente gráficas de control gráficas de
atributos y esta vez vamos a seleccionar en donde aparece variables entonces
vamos a poner errores de césped nuevamente pero si se dan cuenta ahora si
aparece para seleccionar tamaños de los subgrupos como usted puede ir
concluyendo vamos a decir entonces que en este caso el límite superior e
inferior de control ya no van a representar una línea recta sino que va a tener
una variación acorde a los subgrupos entonces como sus grupos vamos a
seleccionar los kilómetros cuadrados de cada una de esas zonas nos vamos
directamente opciones de gráfico en donde vamos a seleccionar que nos arroje
las cuatro pruebas de control estadístico y nuevamente los valores de
almacenamiento que hemos establecido le damos a aceptar y vamos a
encontrar el siguiente resultado en este caso entonces vamos a ver que el
comportamiento del límite superior es variable dependiendo de los subgrupos
que viene a ser el área de cada una de las zonas y el límite inferior de control
está sobre 0 puesto que si lo disponemos a menos 3 sin más nos va a dar un
valor negativo lo cual no sería correcto para la gráfica entonces se asume que
el valor es de 0 ahora hablemos de la ecuación que respalda el cálculo del
límite central y vamos a decir que es igual a tomar el total de errores de césped
sumarlos y dividirlo entre la sumatoria o el total de los kilómetros cuadrados
esto contrastado con una distribución central de observaciones que va a tomar
los errores de césped divididos entre cada uno de los kilómetros cuadrados o
el área que
compone cada una
de las zonas
diríamos entonces
que lo que mide a
grandes rasgos la
gráfica es la
cantidad de
defectos que se presenta sobre cada una de las zonas teniendo en cuenta su
área sobre el total estimado de defectos que hay sobre todo el campo de golf
quiere decir que si una observación aparece por el límite central está
mostrando que la cantidad de defectos proporcional a su área es superior a lo
que se había estimado inicialmente como la totalidad de defectos sobre la
totalidad de área del campo de golf serían entonces zonas críticas a sí mismos
y una observación aparece por debajo de la línea central diríamos que la
proporción de defectos en cuanto a su área para esa zona está por debajo de lo
que se habría estimado de efectos sobre el total del campo de golf finalmente
vamos a mirar hacia las pruebas de la gráfica y vamos a decir que en cuanto a
gráfica o este proceso se encuentra totalmente bajo control estadístico