Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contáctenos
Minitab es una empresa global con subsidiarias y representantes en todo el mundo. Para encontrar una oficina o un socio local de
Minitab en su país, visite www.minitab.com/contact-us
Capacitación
Training by Minitab® maximiza la posibilidad de seleccionar el método adecuado, trabajar con las herramientas más eficientes y
validar los resultados para impulsar una toma de decisiones efectiva basada en datos.
Descubra nuestra opciones de cursos públicos o en el sitio en: www.minitab.com/training/training
Ventajas
Nuestros cursos prácticos, impartidos por instructores expertos, utilizan ejemplos del mundo real para ayudarle a:
• Entender conceptos, métodos y herramientas de gran utilidad.
• Aplicar los conceptos para abordar desafíos de negocios del mundo real.
• Presentar informes a la dirección con pruebas, exactitud y confianza.
• Mejorar las habilidades y conocimientos esenciales para su función.
Mejores Practicas
Rutas de aprendizaje
Elija su ruta de aprendizaje según su experiencia y su industria. Nuestros cursos son modulares y están centrados en la industria
para ofrecerle la flexibilidad necesaria para llevar sus habilidades al siguiente nivel. Vaya a www.minitab.com/training/training/courses
Consultoría estadística
Statistical Consulting by Minitab® facilita la implementación de iniciativas continuas de mejora de la calidad que generan ahorros
en los costos al proporcionarle el soporte técnico en estadística que usted necesite, en el momento preciso que lo necesite. Nuestros
consultores poseen años de experiencia en mejora de la calidad en todas las industrias y ofrecen soporte técnico personalizado
para garantizar que usted alcance sus metas.
Visite www.minitab.com/training/statistical-consulting
Soporte técnico
Nuestros especialistas son expertos en el manejo del software de Minitab, así como en estadística, mejora continua y sistemas
informáticos. Las subsidiarias y los representantes locales independientes de Minitab en todo el mundo ofrecen soporte técnico
por teléfono en el idioma local.
Visite www.minitab.com/support
©2019 Minitab, LLC. Todos los derechos reservados. Minitab® y el logotipo de Minitab® son marcas comerciales registradas de
Minitab, LLC, en los Estados Unidos y en otros países. Para obtener más información, consulte www.minitab.com/legal/trademarks.
Los materiales de capacitación de Minitab se desarrollaron específicamente para su uso en los cursos que ofrecen los instructores
de Minitab y los socios certificados de Minitab. Si el contenido de este material es impartido por instructores sin la certificación de
Minitab, Minitab, LLC no se hace responsable de la calidad ni del contenido de la instrucción proporcionada.
Mejores Practicas
Correlación y regresión
múltiple
Mejores Practicas
Eliminación hacia atrás
Herramientas
• Correlación
• Gráfica de matriz
• Regresión
Regresión múltiple
Qué es la regresión múltiple Cuándo utilizar la regresión múltiple
La regresión múltiple examina la relación entre una variable Utilice la regresión múltiple cuando tenga una Y continua y más
de respuesta continua (Y) y más de una variable predictora de una X.
(X). La ecuación general para un modelo de regresión múltiple
es: • X es ordinal o continua.
Y = β0 + β1X1 + β2X2 + β3X3 + … + ε • En teoría, X debería ser fija. Sin embargo, en la práctica, el valor
de X suele variar.
donde Y es la respuesta, β0 es la intersección, cada Xi es una • Se presupone que cualquier incertidumbre en la medición de
variable predictora con un coeficiente de modelo de βi, y ε es X es insignificante en comparación con el rango en el que se
el error aleatorio. mide X.
Regresión múltiple
Por qué utilizar la regresión múltiple
La regresión múltiple responde a preguntas como:
• ¿Qué tan importantes son las variables X en la predicción
de Y?
• ¿Qué valor se puede esperar para Y cuando X1 es 20 y X2
es 3?
• ¿Cuánto cambiará la media de Y si X3 aumenta en una
unidad mientras las demás X se mantienen fijas?
Por ejemplo,
• ¿Cómo se relacionan temperatura de procesamiento y la
porosidad con la dureza media del acero?
• ¿Qué tan duro se puede esperar que sea el acero al ser
procesado a una determinada temperatura durante cierto
período de tiempo?
• ¿Cuánto aumentará la dureza del acero en promedio si la
temperatura aumenta en 100° con una porosidad fija?
Es más fácil observar la relación entre la respuesta y los 3. Complete el cuadro de diálogo como se muestra a
predictores si la variable de respuesta se ingresa en primer continuación.
lugar o en último lugar.
• Admisión (r = 0.354)
• Escape (r = 0.625)
• AFR (r = 0.638)
Próximo paso
Utilizar la regresión para analizar el modelo de regresión
múltiple con los cuatro predictores.
Para estos datos, todos los valores de FIV están por debajo
de 2.5, lo que indica que la multicolinealidad no es un
problema.
Próximo paso
Eliminar el predictor con el valor p más grande y volver a
realizar el análisis.
Próximo paso
Retirar el predictor con el mayor valor p y volver a realizar el
análisis de regresión.
R2 de predicción
El R2 de predicción (R-cuad.(pred)) refleja qué tan bien
predecirá el modelo los datos futuros. El R2 de predicción
puede evitar un sobreajuste del modelo. Si el R2 de predicción
está lejos del R2 y del R2 ajustado, puede indicar que existen
puntos de datos influyentes. En este ejemplo, el R2 de
predicción = 73.12% es similar al R2 y al R2 ajustado.
Consideraciones finales
Resumen y conclusiones Tenga cuidado con la multicolinealidad. Cuando las variables
predictoras están altamente correlacionadas:
La ecuación de regresión del modelo utilizando Chispa y AFR
para predecir Golpeteo es: • Los coeficientes de regresión estimados pueden ser inestables
(pueden variar ampliamente de una muestra a otra).
Golpeteo = 99.73 – 1.854 Chispa + 0.880 AFR
• Puede ser difícil evaluar la importancia de los términos
Este modelo explica 79.54% de la variabilidad en Golpeteo. individuales incluidos en el modelo.
Herramientas
• Mejores subconjuntos
• Modelos engorrosos e ineficientes debido al uso de 2. Elija Estadísticas > Regresión > Regresión > Mejores
demasiados predictores subconjuntos.
• Coeficientes inestables debido al uso de predictores
3. Complete el cuadro de diálogo como se muestra a
redundantes y correlacionados
continuación.
• Capacidad predictiva inadecuada debido al uso de muy
pocos predictores
Predictores libres
En Predictores libres, ingrese las cuatro variables. Minitab
prueba todas las combinaciones posibles de estas variables
y reporta estadísticas de los mejores modelos. (Cada modelo
incluirá las variables que usted ingrese en Predictores en
todos los modelos).
Cp de Mallows
Busque modelos donde Cp sea pequeño y esté cerca del
número de parámetros del modelo. Por ejemplo, para un
modelo con 3 predictores y la intersección, busque un modelo
con un Cp cercano a 4.
Un valor de Cp pequeño indica que el modelo es relativamente
preciso en la estimación de los coeficientes de regresión reales
y la predicción de respuestas futuras.
Conclusión
De acuerdo con estos criterios, el modelo que contiene Chispa
y AFR es el mejor. Es el mismo modelo que obtuvo
anteriormente cuando utilizó el procedimiento manual de
eliminación hacia atrás.
El modelo que contiene los predictores Chispa, Admisión y
AFR es comparable, pero el valor de S para este modelo es
ligeramente mayor y no se logra ninguna ganancia en el R2
ajustado al usar este modelo. Por lo general, lo más indicado
es elegir el modelo más simple, a menos que un modelo más
complicado sea claramente mejor.
Consideraciones finales
Resumen y conclusiones Consideraciones adicionales
El mejor modelo para predecir Golpeteo incluye Chispa y Antes de usar la regresión de los mejores subconjuntos para
AFR. evaluar diferentes modelos de regresión, asegúrese de que sus
predictores y su respuesta sean válidos, para que todos los
modelos posibles sean modelos de regresión válidos.
Todas las reglas y directrices relativas al ajuste de los modelos de
regresión múltiple (véase la página 186) también se aplican al elegir
un modelo utilizando este procedimiento.
2. Utilice Estadísticas > Regresión > Regresión > Mejores Exposición Predictor: índice del nivel de exposición
subconjuntos para determinar el "mejor" modelo. durante el sueño.
3. Utilice Estadísticas > Regresión > Regresión > Ajustar Sueño (Horas) Respuesta: horas que el animal duerme por
modelo de regresión para determinar los términos que día.
son significativos cuando las pruebas se realizan con un
nivel de significancia (α) = 0.05. Reduzca el modelo
incluyendo solamente los términos que tengan valores p
menores que 0.05.
Repaso general
Propósito Aplicaciones de experimentos diseñados
Este curso introduce el concepto de experimentos diseñados Utilice los experimentos diseñados para:
factoriales completos y experimentos diseñados factoriales
fraccionales. Utilizando ejemplos, usted aprenderá sobre la • Determinar cuáles factores tienen un efecto significativo sobre
planificación del diseño, ejecución y análisis de los una respuesta
experimentos diseñados para identificar la configuración
óptima para un proceso. • Identificar el efecto de una interacción entre dos variables
5. Ejecute el diseño.
8. Haga recomendaciones.
Diseños de Central Compuesto Modela la curvatura en el espacio de 2–10 Estadísticas > DOE >
superficie de
• Respuesta
diseño
respuesta
• Se emplea frecuentemente después
de haber identificado los factores
“pocos vitales”
• Utilizado en experimentos
secuenciales
Box-Behnken Modela la curvatura en el espacio de 3–7 o 9–10 Estadísticas > DOE >
• Respuesta
diseño
• Se emplea frecuentemente después
de haber identificado los factores
“pocos vitales”
• Utilizado en experimentos no
secuenciales
Mejores prácticas 35
Contenido
En este capítulo
Ejemplos y ejercicios Propósito Página
Diseños factoriales completos
Ejemplo 1: Maximización de la adhesión de la pintura Analizar un diseño factorial completo, calcular y visualizar 13
de imprimación los efectos principales y las interacciones, así como verificar
los supuestos del modelo.
Diseños factoriales
Qué son diseños factoriales Por qué utilizar diseños factoriales
Los diseños factoriales permiten estudiar simultáneamente Utilice diseños factoriales para responder a preguntas tales como:
los efectos de diversos factores en un proceso. Variar los
niveles de los factores simultáneamente en lugar de variarlos • ¿Cuáles son las variables que ejercen mayor influencia en la
respuesta?
individualmente:
• Ahorra tiempo y gastos • ¿Qué configuración de factores optimiza la respuesta?
Cuándo utilizar los diseños factoriales • ¿Cómo afectan la dureza del metal, la velocidad de corte y el
ángulo de corte la vida útil de una herramienta para cortar
Utilice diseños factoriales para: metales?
• Estimar eficientemente el efecto de cada factor en la • ¿Qué configuración de edulcorante, relación de almíbar a agua,
respuesta nivel de gasificación y temperatura maximiza las puntuaciones
de sabor de un nuevo refresco?
• Estimar los efectos de las interacciones entre dos o más
factores en la respuesta
• Probar la curvatura en la respuesta al incluir puntos
centrales en el diseño
Por ejemplo,
A
A • ¿Cómo el tipo de vidrio y el tipo de fósforo afectan el brillo de
un tubo de televisor?
C
B B
• ¿Cómo la interacción entre la temperatura y el azúcar afecta
la suavidad del chocolate?
Dos niveles del Factor A Dos niveles de cada • ¿Cuál forma de boquilla en una herramienta de corte con
Tres niveles del Factor B factor chorro de agua minimiza el tiempo que se necesita para cortar
una hoja de metal estándar?
Mostrar niveles de los factores Nota Minitab utiliza un generador de números aleatorios para determinar
el orden de las corridas. Aunque su orden de las corridas no coincidirá con el
Muestre los niveles de los factores como valores reales o en orden de las corridas que se muestra aquí, el orden estándar coincidirá.
unidades codificadas. Cuando se muestran en unidades
codificadas, los valores se codifican como niveles bajos y altos
(–1, 1).
Próximo paso
Utilizar Mostrar diseño para ver el diseño en el orden de
Yates (estándar) y en unidades codificadas.
Verificación de ortogonalidad
Para evaluar la ortogonalidad de un diseño, cambie la Mostrar diseño
presentación de la hoja de trabajo a unidades codificadas. El
diseño puede ser más fácil de entender en orden estándar. 1. Elija Estadísticas > DOE > Mostrar diseño.
Orden estándar
El orden estándar de los dos factores, Presión y TipoImpr, se
muestra en la hoja de trabajo, en el lado derecho. La columna
Presión alterna entre –1 y +1; la columna TipoImpr alterna
entre dos unos negativos (–1) y dos unos positivos (+1).
Réplicas
La réplica de un experimento significa que cada combinación
de factores se ejecuta más de una vez. Este ejemplo incluye
cuatro réplicas. Las primeras cuatro filas representan una
réplica del experimento con un tratamiento por fila. Este
modelo continúa tres veces más para un total de cuatro
réplicas.
Antes de ingresar los datos que se observan en la derecha, 2. Asigne a la columna C7 el nombre Adhesión.
asegúrese de que su diseño se muestre en orden estándar.
Esto asegura que los datos de Adhesión se ingresen en las 3. Escriba los siguientes valores en las filas de la 1 a la 16 de
filas apropiadas. Adhesión (C7): 4.52 4.55 5.05 4.88 4.48 4.37 4.89 4.75 4.29 4.43
5.14 4.91 4.60 4.25 4.95 4.71
Próximo paso
Mostrar una tabla de resumen para investigar la adhesión
promedio con cada combinación de tratamientos.
Próximo paso
Analizar los datos experimentales utilizando estos dos pasos:
1. Ajustar varios modelos para hallar uno que represente los
datos.
Próximo paso
Excluir el término de interacción y volver a ajustar el modelo.
Nota Por lo general, cuando utiliza DOE, usted comienza con un modelo
completo y elimina los términos que no son significativos. Si elimina del
modelo un número muy bajo de términos, los residuos podrían estar
altamente estructurados, lo que dificultaría su uso para verificar los
supuestos del modelo.
Falta de ajuste
La tabla ANOVA incluye una prueba de falta de ajuste. La
hipótesis nula es que este modelo se ajusta a los datos de
respuesta.
El valor p (0.315) es mayor que 0.05, lo que indica que usted
no debe rechazar la hipótesis nula. El rechazo de la hipótesis
nula comúnmente indica que usted omitió términos
importantes del modelo.
Próximo paso
Utilizar gráficas factoriales para hallar la configuración de
factores que optimice la respuesta.
Consideraciones finales
Resumen y conclusiones Para... Utilice...
El experimento indicó que la adhesión de la pintura se Evaluar la normalidad, la Gráficas de residuos
maximiza cuando se aplica el tipo de imprimación Dos con
independencia y la igualdad de
una presión de aerosol más baja.
varianza de los residuos
Para... Utilice... Visualizar los efectos principales Gráficas de efectos principales
y las interacciones de dos y de interacción
Identificar los términos Un diagrama de Pareto, la
factores
importantes en el modelo gráfica de probabilidad
normal de los efectos o los Mostrar las medias pronosticadas Gráficas de cubo
valores p en el panel de con todas las combinaciones de
salida tratamiento
Obtener información sobre los La tabla de coeficientes
términos constantes y términos Consideraciones adicionales
de bloque El equipo de calidad debe considerar el costo de cada tipo de
imprimación junto con los resultados estadísticos para asegurarse
Considerar el efecto de retirar Una prueba de falta de ajuste de que el costo del aumento de la adhesión de la pintura sea
simultáneamente dos o más justificado. Pueden elegir utilizar una configuración de factores
términos que esté por debajo de la configuración “óptima” si la cantidad
de mejoras no es suficiente para justificar un incremento sustancial
en los costos de producción.
Optimizador de respuestas
Ejemplo 2: Optimización de la adhesión de pintura
Problema Conjunto de datos
El equipo de calidad desea confirmar la mejor configuración ImprCompleto.MTW
para la presión de aerosol y el tipo de imprimación
identificados utilizando los métodos gráficos del ejemplo Variable Descripción
anterior. Para hacer esto, utilizan el optimizador de respuestas.
Presión Presión del imprimador aplicada a la boquilla
Recolección de datos (310, 380 kPa)
El equipo de calidad ejecuta un experimento factorial completo TipoImpr Formulación del imprimador (Uno, Dos)
que prueba los dos niveles de presión de aerosol en cada tipo
de imprimación. Cada combinación de tipo de imprimación Adhesión Fuerza requerida para retirar la pintura del metal
y presión de aerosol se replica cuatro veces. Los operadores base (Mpa)
aplican imprimador a una superficie de aluminio a una presión
de aerosol designada. Luego de pintar cada muestra, se aplica Minitab almacena las variables de diseño en las columnas
una capa de pintura final y se mide la fuerza de adhesión. siguientes: OrdenEst, OrdenCorrida, PtCentral y Bloques.
Herramientas
• Optimizador de respuesta
Optimizador de respuestas
Qué es el optimizador de respuestas Cuándo utilizar el optimizador de respuestas
Muchos experimentos diseñados determinan la configuración Utilice el optimizador de respuestas para ayudar a identificar la
de factores óptima que produce el “mejor” valor para una combinación de valores de configuración de las variables de
respuesta de interés. El optimizador de respuestas utiliza el entrada que optimice una respuesta individual o un conjunto de
ajuste más reciente del modelo para calcular una solución respuestas. La optimización en conjunto debe satisfacer los
basada en criterios de deseabilidad. Una respuesta puede requisitos de todas las respuestas incluidas en el conjunto. El
minimizarse, maximizarse o centrarse en un valor objetivo. optimizador de respuestas resulta especialmente útil cuando se
desea considerar muchas respuestas.
La deseabilidad tiene un rango de 0 a 1. Un valor de 1
representa el caso ideal; 0 indica que una o más respuestas Nota Aunque la optimización numérica con análisis gráfico puede ofrecer
están fuera de los límites aceptables. A medida que la información valiosa, no sustituye la experiencia en la materia. Cuando decida
respuesta se aleja del objetivo hacia el límite superior o inferior aplicar estos métodos, asegúrese de utilizar información de respaldo relevante,
(dependiendo de la meta), la deseabilidad disminuye. principios teóricos y el conocimiento adquirido a través de la observación o
experimentos previos.
Optimización de la respuesta
Utilizando el ajuste del modelo del ejemplo anterior, aplique Optimizador de respuestas
el optimizador de respuestas para determinar la mejor
configuración para el tipo de imprimación y presión de 1. Abra ImprCompleto.MTW.
aerosol. Recuerde que el modelo final contiene solo los efectos
principales para la presión y el tipo de imprimación. 2. Elija Estadísticas > DOE > Factorial > Optimizador de
respuesta.
En este ejemplo, la meta es maximizar la adhesión.
3. Complete el cuadro de diálogo como se muestra a
continuación.
Optimización de la respuesta
Meta • Una ponderación > 1 hace más énfasis en el objetivo
Cuando se utiliza el optimizador de respuestas, no es necesario
especificar valores en Configuración. Sin embargo, si se
Optimizador de respuestas (continuación)
desean ciertos valores o si hay múltiples respuestas, se pueden 4. Haga clic en Configuración.
ingresar números para los valores inferior, objetivo y/o
superior con el fin de refinar la optimización. 5. Complete el cuadro de diálogo como se muestra a
continuación.
Se desea que la adhesión media sea de al menos 5 y que el
valor inferior de la media de adhesión aceptable sea 4.8. A
medida que la respuesta se aleja del objetivo en
Configuración hacia el límite superior o inferior (dependiendo
de la meta), la deseabilidad disminuye.
Observe que cuando la meta se cambia a maximizar, solo se 6. Haga clic en Aceptar en cada cuadro de diálogo.
requieren los valores de deseabilidad inferior y objetivo, no
el límite superior.
Ponderación
En el enfoque de Minitab para la optimización, cada respuesta
se transforma utilizando una función de deseabilidad
específica. La ponderación determina la forma de la función
de deseabilidad para cada respuesta. Usted puede seleccionar
una ponderación de 0.1 a 10 para enfatizar o restar énfasis a
la importancia de alcanzar el valor objetivo:
TipoImpr = Dos
Intervalo de confianza
El intervalo de confianza de 95% define el rango probable de
valores para la media de población de la respuesta con cada
combinación de factores. Usted está 95% seguro de que la
media de la población de todos los especímenes rociados a
una presión de 310 con el tipo de imprimación dos tendrá
una adhesión de entre 4.8672 y 5.0865.
Intervalo de predicción
El intervalo de predicción de 95% define el rango probable
de valores para un futura observación. Usted está 95% seguro
de que un futuro espécimen que sea rociado a una presión
de 310 con el tipo de imprimación dos tendrá una adhesión
de entre 4.7009 y 5.2528.
Consideraciones finales
Resumen y conclusiones Consideraciones adicionales
• Para optimizar la adhesión, utilice el tipo de imprimación • Debido a que el optimizador de respuesta utiliza el último
Dos aplicado con la presión más baja. modelo ajustado para cada respuesta, asegúrese de que el
último modelo que ajustó contenga los términos correctos.
• Niveles más altos de presión producen resultados
aceptables y pueden ser necesarios en la fase de • No hay ninguna garantía de que exista un valor óptimo único.
producción. Aunque el optimizador provee una solución, puede existir más
de un área óptima.
• La importancia relativa de cada respuesta es subjetiva. Base
esa importancia en su conocimiento práctico y técnico del
proceso.
• Ejecute corridas de confirmación para validar las conclusiones
que obtuvo con un experimento diseñado .