UNIVERSIDAD TECNOLÓGICA DE TECAMACHALCO

INGENIERÍA INDUSTRIAL

UAC: CONTROL ESTADÍSTICO DEL PROCESO

PRÁCTICA 5- COEFICIENTE DE CORRELACIÓN

3° CUATRIMESTRE

DOCENTE: TANIA VIVIANO SÁNCHEZ

ALUMNA: DULCE MARÍA VÉLEZ ROSAS

MATRÍCULA: 21303059

GRADO Y GRUPO: 3° B PIAM

FECHA DE ENTREGA: 07/06/2022

DIAGRAMA DE DISPERSIÓN Y COEFICIENTE DE CORRELACIÓN

INTRODUCCIÓN
Es una herramienta gráfica que permite demostrar la relación existente entre dos
clases de datos y cuantificar la intensidad de dicha relación. Al analizar la gráfica
podremos notar Si los puntos trazados en el diagrama están dispersos al azar, sin
un patrón discernible, significa que los dos conjuntos de mediciones no tienen
relación entre sí. Si los puntos forman algún patrón, se denota la existencia de
relación entre los dos grupos de mediciones.
El coeficiente de correlación puede tomar un rango de valores de +1 a -1. Un valor
de 0 indica que no hay asociación entre las dos variables. Un valor mayor que 0
indica una asociación positiva. Es decir, a medida que aumenta el valor de una
variable, también lo hace el valor de la otra. Un valor menor que 0 indica una
asociación negativa; es decir, a medida que aumenta el valor de una variable, el
valor de la otra disminuye. A continuación, se muestran los siguientes casos a
resolver.

Propósito: Interpretar los gráficos que se presenten, para dar un argumento

adecuado sobre lo que sucede con cada caso, de igual manera, encontrar el
coeficiente de correlación para verificar nuestro resultado.

DESARROLLO
CASO 1: En una fábrica de pintura se desea investigar la relación que existe entre
la velocidad de agitación en el proceso de mezclado y el porcentaje de impurezas
en la pintura. Mediante pruebas experimentales se obtienen los datos de la tabla
6.6. Elabore el diagrama de dispersión y mencione si existe relación entre las
variables.
 Acomodamos los datos y su gráfico:

Velocidad Impurezas
(rmp) (%) DIAGRAMA DE DISPERSIÓN
20 8.4 20
18
22 9.5
16
24 11.8 14

IMPUREZAS
26 10.4 12
28 13.3 10
30 14.8 8
6
32 13.2
4
34 14.7 2
36 16.4 0
38 16.5 0 5 10 15 20 25 30 35 40 45

40 18.9 VELOCIDAD (RMP)

42 18.5

Descripción: Como se puede observar, los datos van de menor a mayor, por lo que
hay una correlación positiva, ya que los puntos siguen un patrón bien definido, lo
cual indica una relación entre las dos variables correspondientes.

Se va a calcular el coeficiente de correlación:

X Y
Velocidad (rmp) Impurezas 𝒙𝟐 𝒚𝟐 xy
20 8.4 400 70.56 168
22 9.5 484 90.25 209
24 11.8 576 139.24 283.2
26 10.4 676 108.16 270.4
28 13.3 784 176.89 372.4
30 14.8 900 219.04 444
32 13.2 1024 174.24 422.4
34 14.7 1156 216.09 499.8
36 16.4 1296 268.96 590.4
38 16.5 1444 272.25 627
290 129 8740 1735.68 3886.6
Promedio 29 12.9 874 173.568 388.66
Ahora utilizamos las siguientes fórmulas

∑𝑋𝑖∗𝑌𝑖 3886.6
𝑆𝑥𝑦 = −𝑋∗𝑌 = − 29 ∗ 12.9 = 14.56
𝑛 10

∑𝑌𝑖 2 −(𝑦)2
𝑆𝑦 = √ = √173.568 − 166.41= 2.68
𝑛

∑𝑋𝑖 2 −(𝑋)2
𝑆𝑥 = √ = √874 − 841= 5.74
𝑛

𝑆𝑥𝑦
𝑟= = 14.56/15.37= 0.95
𝑆𝑥∗𝑆𝑦

CONCLUSIÓN

Al obtener el coeficiente de correlación, podemos concluir que el valor de r cercano

a 1, que es el 0.95, indican una relación lineal muy fuerte y es positiva.

CASO 2: En una empresa del área electrónica se desea investigar la relación entre
la cantidad de fl ux (ml/min) y la cantidad de cortos en las tarjetas. El resto de las
variables del proceso (soldadora de ola) se mantuvieron constantes, entre ellas el
tiempo que operó el proceso en cada condición. Los datos obtenidos se muestran
en la tabla:
Flux (ml/min) N°.de cortos
10 6
12 5 DIAGRAMA DE DISPERSIÓN
14 4 7
16 5 6

NÚMERO DE CORTOS
18 4 5
20 4 4
22 2 3
24 3 2
26 2 1
28 2 0
0 5 10 15 20 25 30 35 40
30 1
FLUX(ML/MIN)
32 0
34 0
36 1

Obtenemos el coeficiente de correlación

X Y 𝒙𝟐 𝒚𝟐
Flux (ml/min) N°.de cortos XY
10 6 100 36 60
12 5 144 25 60
14 4 196 16 56
16 5 256 25 80
18 4 324 16 72
20 4 400 16 80
22 2 484 4 44
24 3 576 9 72
26 2 676 4 52
28 2 784 4 56
30 1 900 1 30
32 0 1024 0 0
34 0 1156 0 0
36 1 1296 1 36
322 39 8316 157 698
23 2.79 594 11.21 49.86
Ahora utilizamos las siguientes fórmulas

∑𝑋𝑖∗𝑌𝑖
𝑆𝑥𝑦 = − 𝑋 ∗ 𝑌 = 49.86 − 64.07 = -14.21
𝑛

∑𝑌𝑖 2 −(𝑦)2
𝑆𝑦 = √ = √3.45= 2.68
𝑛

∑𝑋𝑖 2 −(𝑋)2
𝑆𝑥 = √ = √65= 5.74
𝑛

𝑆𝑥𝑦
𝑟= = −14.21/14,98= -0.95
𝑆𝑥∗𝑆𝑦

• ¿Qué tipo de relación existe entre estas variables? Apóyese en diagrama de

dispersión y coeficiente de correlación.

Es una correlación negativa, puesto que está cerca del -1, en la gráfica se ve
claramente que cuando X crece, Y disminuye en forma lineal, y viceversa.

Caso 3: En cierta empresa es usual pagar horas extras para cumplir con los tiempos
de entrega. En este centro productivo, un grupo de mejora de calidad está tratando
de reducir la proporción de piezas malas. Con este propósito deciden investigar la
relación que existe entre la cantidad de horas extras, X, y el porcentaje de artículos
defectuosos, Y. A continuación, se muestran los datos obtenidos.
a) Obtenga el diagrama de dispersión para estas variables.

DIAGRAMA DE DISPERSIÓN
16

14
% DE DEFECTUOSOS

12

10

0
0 100 200 300 400 500 600 700 800 900
HORAS EXTRAS
 X Y 𝒙𝟐 𝒚𝟐
HORAS EXTRAS % DEFECTUOSOS XY
340 5 115600 25 1700
95 3 9025 9 285
210 6 44100 36 1260
809 15 654481 225 12135
80 4 6400 16 320
438 10 191844 100 4380
107 4 11449 16 428
180 6 32400 36 1080
100 3 10000 9 300
550 13 302500 169 7150
220 7 48400 49 1540
50 3 2500 9 150
193 6 37249 36 1158
290 8 84100 64 2320
340 2 115600 4 680
115 4 13225 16 460
362 10 131044 100 3620
300 9 90000 81 2700
75 2 5625 4 150
93 2 8649 4 186
320 10 102400 100 3200
154 7 23716 49 1078
5421 139 2040307 1157 46280
246.41 6.32 92741.23 52.59 2103.64

Ahora utilizamos las siguientes fórmulas

∑𝑋𝑖∗𝑌𝑖
𝑆𝑥𝑦 = − 𝑋 ∗ 𝑌 = 2103.64 − 1556.86 = 546.78
𝑛

∑𝑌𝑖 2 −(𝑦)2
𝑆𝑦 = √ = √12.67= 3.56
𝑛
 ∑𝑋𝑖 2 −(𝑋)2
𝑆𝑥 = √ = √65= -237.7
𝑛

𝑆𝑥𝑦
𝑟= = 546.78/14,98= -0.65
𝑆𝑥∗𝑆𝑦

b) ¿Qué relación observa? No correlación. Los puntos están dispersos dentro de

una banda horizontal sin ningún orden aparente, lo cual sugiere una no correlación
entre las dos variables

c) Con base en lo anterior, ¿puede concluir con seguridad que cuando se trabaja
tiempo extra se incrementa el porcentaje de defectuosos porque ocurren factores
como calentamiento de equipo, cansancio de obreros, etc., que causan mayores
problemas en la calidad de las piezas? No existe una relación, por lo que el tiempo
extra con el cansancio y demás factores, no dan un resultado factible.

CONCLUSIÓN

Al realizar dicha práctica, comprendí varios conceptos sobre correlación, así como
sus posibles soluciones, dependiendo el contexto en el que nos encontremos,
además de que es de gran facilidad interpretar las gráficas de dispersión, son una
gran herramienta para un proceso de calidad.