Taller 2

John González
09/5/2020

1. Comprendiendo la información
Cargue los datos en fase 1.

 ¿En qué consiste esta base de datos?

Consisten en unos datos correspondientes a un proceso de fabricación de

vidrio, consta de dos fases l y ll. Es una matriz de tres dimensiones.

> glass1
, , 1

var1 var2 var3

[1,] 9.87 1.97 4.98
[2,] 10.00 2.15 5.04
[3,] 10.06 2.43 5.21
[4,] 10.00 2.06 4.87
[5,] 10.02 2.02 5.41
[6,] 10.06 1.95 4.31
[7,] 9.98 2.01 5.05
[8,] 10.10 2.46 5.32
[9,] 10.08 1.99 4.89
[10,] 10.06 2.10 5.22
[11,] 10.02 1.99 5.27
[12,] 10.01 2.17 5.24
[13,] 9.87 2.02 4.84
[14,] 10.16 2.00 5.18
[15,] 10.05 2.25 4.98
[16,] 10.16 2.51 5.56
[17,] 10.00 1.96 4.89
[18,] 9.85 1.84 4.98
[19,] 10.20 2.52 5.56
[20,] 9.98 2.21 4.51
[21,] 10.06 1.99 5.17
[22,] 9.99 2.17 4.90
[23,] 9.95 2.62 4.45
[24,] 9.96 2.10 5.33
[25,] 9.92 1.89 4.82
[26,] 10.07 2.04 5.24
[27,] 10.07 2.12 4.77
[28,] 9.96 1.84 5.33
[29,] 9.99 1.80 5.15
[30,] 9.95 2.05 5.33
[31,] 9.88 1.45 4.48
[32,] 9.99 2.15 3.45

, , 2

var1 var2 var3

[1,] 10.00 2.11 5.01
[2,] 10.02 2.22 5.19
[3,] 10.05 1.89 5.34
[4,] 9.96 2.59 5.16
[5,] 9.97 1.82 5.09
[6,] 9.99 1.86 5.24
[7,] 10.04 2.16 5.59
[8,] 10.22 2.28 4.97
[9,] 9.95 1.94 5.73
[10,] 9.91 1.20 4.61
[11,] 9.91 1.87 3.85
[12,] 9.77 1.28 4.58
[13,] 9.97 1.58 4.37
[14,] 10.13 2.59 5.38
[15,] 10.02 2.10 4.90
[16,] 9.97 1.78 4.78
[17,] 9.99 1.71 4.87
[18,] 9.83 1.94 5.10
[19,] 9.96 1.58 4.17
[20,] 9.92 2.07 4.76
[21,] 9.96 2.03 4.84
[22,] 10.18 2.46 5.37
[23,] 10.24 2.47 5.49
[24,] 10.14 2.70 5.26
[25,] 10.06 2.51 4.33
[26,] 10.03 1.87 4.56
[27,] 9.97 1.89 5.16
[28,] 10.01 2.06 4.96
[29,] 9.98 1.80 4.60
[30,] 10.01 1.91 5.16
[31,] 10.08 2.06 4.14
[32,] 9.89 1.93 4.63

, , 3

var1 var2 var3

[1,] 9.88 1.40 4.67
[2,] 9.97 2.01 4.85
[3,] 10.00 2.30 5.29
[4,] 10.19 2.22 5.43
[5,] 9.84 1.13 4.77
[6,] 9.86 1.53 4.84
[7,] 10.08 2.05 5.56
[8,] 10.16 2.76 5.35
[9,] 9.99 2.26 5.34
[10,] 10.05 2.45 4.57
[11,] 10.02 1.79 4.75
[12,] 10.18 2.14 5.55
[13,] 10.03 2.14 4.88
[14,] 10.00 2.15 5.13
[15,] 10.09 1.77 5.03
[16,] 9.94 2.04 4.87
[17,] 10.14 1.69 5.34
[18,] 10.08 1.97 5.27
[19,] 10.01 1.74 4.84
[20,] 9.87 2.01 4.53
[21,] 10.20 2.90 5.41
[22,] 9.89 2.09 5.01
[23,] 10.07 2.12 5.53
[24,] 9.92 1.84 5.04
[25,] 10.05 2.08 5.24
[26,] 10.06 2.27 4.56
[27,] 9.88 2.04 4.79
[28,] 10.15 2.27 4.97
[29,] 10.12 1.94 5.65
[30,] 10.19 1.65 4.64
[31,] 10.02 1.94 5.11
[32,] 9.92 1.92 5.42

, , 4

var1 var2 var3

[1,] 10.07 1.96 5.38
[2,] 10.06 2.20 5.60
[3,] 10.03 2.00 5.67
[4,] 9.81 1.42 4.75
[5,] 9.99 1.70 4.62
[6,] 9.90 1.52 4.81
[7,] 9.97 1.97 5.45
[8,] 10.14 2.84 5.14
[9,] 10.06 1.97 5.18
[10,] 10.28 2.30 5.16
[11,] 10.14 2.38 5.24
[12,] 10.16 2.37 5.74
[13,] 9.97 2.20 4.53
[14,] 10.06 2.08 5.30
[15,] 10.10 2.30 5.02
[16,] 10.00 1.97 4.72
[17,] 10.09 1.95 5.18
[18,] 10.00 2.89 4.69
[19,] 10.23 2.25 5.62
[20,] 10.09 2.24 4.93
[21,] 9.91 1.71 5.43
[22,] 10.01 2.62 4.98
[23,] 10.01 1.90 5.05
[24,] 9.81 1.98 5.08
[25,] 10.18 2.99 5.02
[26,] 9.87 1.69 5.11
[27,] 9.95 1.97 5.04
[28,] 10.13 2.28 5.43
[29,] 9.98 1.90 4.96
[30,] 9.89 2.20 4.80
[31,] 10.03 1.88 5.49
[32,] 9.99 1.74 4.79

, , 5

var1 var2 var3

[1,] 10.27 2.67 5.00
[2,] 9.92 1.90 4.81
[3,] 9.81 1.76 4.49
[4,] 9.99 2.12 4.97
[5,] 9.84 2.11 4.32
[6,] 9.90 1.74 4.82
[7,] 10.06 2.02 5.70
[8,] 10.02 1.56 5.72
[9,] 10.14 2.53 5.19
[10,] 10.10 2.36 5.59
[11,] 9.94 1.95 4.45
[12,] 9.78 1.55 4.30
[13,] 9.93 1.97 5.01
[14,] 10.16 2.15 5.19
[15,] 9.96 2.15 4.83
[16,] 9.84 1.77 4.85
[17,] 9.91 2.47 4.59
[18,] 9.91 1.93 4.47
[19,] 9.93 1.58 4.96
[20,] 9.91 1.48 4.90
[21,] 9.85 1.97 4.92
[22,] 10.11 2.27 5.08
[23,] 9.84 2.06 4.95
[24,] 9.95 1.86 4.78
[25,] 9.96 1.77 5.20
[26,] 10.06 2.35 5.35
[27,] 10.10 1.92 5.11
[28,] 10.04 2.16 4.68
[29,] 9.89 1.51 4.31
[30,] 9.88 1.76 4.98
[31,] 9.83 2.02 4.91
[32,] 9.80 1.68 4.44

 ¿Cuántas variables tiene la base de datos?

Contiene tres variables

  ¿Cuántas muestras contiene?

Treinta y dos muestras, V1.1, V2.1, V3.1 hasta V1.5, V2.5 y V3.5.

 ¿De cuántas observaciones consiste cada muestra?

De 5 observaciones.

2. Agrupando la información
Agrupe la información por:

1. El promedio de todas las observaciones y todas muestras de cada

variable:

# apply(glass1, 2, mean)
Insterte su código aquí

a. media(Var1) = 10.00525
b. media(Var2) = 2.03856
c. media(Var3) = 4.99956

2. El promedio de cada muestra para cada variable (debería obtener una

tabla de tamaño 32 x 3).

# glass1_mean = apply(glass1, 1:2, mean)

> View(glass1_mean)
Insterte su codigo aquí

var2 var3
var1
1 10.018 2.022 5.008
2 9.994 2.096 5.098
3 9.990 2.076 5.200
4 9.990 2.082 5.036
5 9.932 1.756 4.842
6 9.942 1.720 4.804
7 10.026 2.042 5.470
 var2 var3
var1

8 10.128 2.380 5.300

9 10.044 2.138 5.266
10 10.080 2.082 5.030
11 10.006 1.996 4.712
12 9.980 1.902 5.082
13 9.954 1.982 4.726
14 10.102 2.194 5.236
15 10.044 2.114 4.952
16 9.982 2.014 4.956
17 10.026 1.956 4.974
18 9.934 2.114 4.902
19 10.066 1.934 5.030
20 9.954 2.002 4.726
21 9.996 2.120 5.154
22 10.036 2.322 5.068
23 10.022 2.234 5.094
24 9.956 2.096 5.098
25 10.034 2.248 4.922
26 10.018 2.044 4.964
27 9.994 1.988 4.974
28 10.058 2.122 5.074
29 9.992 1.790 4.934
30 9.984 1.914 4.982
31 9.968 1.870 4.826
32 9.918 1.884 4.546

3. Realice una gráfica de dispersión y una tabla de correlación entre las

variables. Luego realice el análisis correspondiente.
> pairs(glass1_mean)
> cor(glass1_mean)

var1 var2 var3

var1 1.0000000 0.6292402 0.6208833
var2 0.6292402 1.0000000 0.5315445
var3 0.6208833 0.5315445 1.0000000

Las variables que guardan una mayor correlación positiva es la 1 y la 2

con 0.629, le sigue muy cerca la 1 la 3 con 0.6208.

Insterte su codigo aqui

3.Carta de control Fase 1

Realice la carta de control multivariada t2 para el proceso en Fase 1 con

riesgo de error tipo I igual a 1%. ¿Observa alguna muestra fuera de control?
Si es así, interprete el resultado MYT para cada muestra fuera de control.
# > glass1_msqc = mult.chart(type = "t2", glass1, alpha = 0.01)
> glass1_msqc$ucl
Insterte su codigo aqui
¿Observa alguna muestra fuera de control?

No, no se observa ninguna muestra fuera de control.

4. Análisis Fase 2
Cargue los datos en fase 2

Realice la carta de control multivariada t2 para el proceso en Fase 2 con

riesgo de error tipo I igual a 1%. ¿Observa alguna muestra fuera de control?
Si es así, interprete el resultado MYT para cada muestra fuera de control.
Opcionalmente, realice gráficas adicionales que ayuden a interpretar los
resultados, ejemplo: matriz de dispersión o PCA.
# > glass1_media_msqc = glass1_msqc$Xmv
> glass1_cov_msqc = glass1_msqc$covariance
> cov2cor(glass1_cov_msqc)
> num_muestras = nrow(glass1)
> data("glass2")
> glass2_msqc = mult.chart(glass2, type = "t2",
+ Xmv = glass1_media_msqc,
+ S = glass1_cov_msqc)
Insterte su código aqui
%. ¿Observa alguna muestra fuera de control?

Si, los siguientes puntos cayeron fuera del límite de control , 1 2 7 8 9

10 11 12 13 14 15 16 17 18 19 20 21 25.

$`Decomposition of [1] 1

t2 decomp ucl p-value 1 2 3

[1,] 0.7273 7.1711 0.4022 1 0 0
[2,] 1082.9858 7.1711 0.0000 2 0 0
[3,] 320.5720 7.1711 0.0000 3 0 0
[4,] 1756.1663 10.1399 0.0000 1 2 0
[5,] 370.4256 10.1399 0.0000 1 3 0
[6,] 1713.0677 10.1399 0.0000 2 3 0
[7,] 2037.8015 12.6964 0.0000 1 2 3

Del punto 1, vemos que:

a. Las variables 2 y 3 están fuera de control, que influencian a la 1.
b. La posible combinación de estas dos variables deja a todas por fuera.
c. Solo la variable 1, cumple.

$`Decomposition of`[1] 2

t2 decomp ucl p-value 1 2 3

[1,] 5.3018 7.1711 0.0303 1 0 0
[2,] 0.0648 7.1711 0.8012 2 0 0
[3,] 11.5223 7.1711 0.0024 3 0 0
[4,] 9.5441 10.1399 0.0009 1 2 0
[5,] 12.5343 10.1399 0.0002 1 3 0
[6,] 12.4498 10.1399 0.0002 2 3 0
[7,] 16.1601 12.6964 0.0000 1 2 3
Del punto 2, vemos que:
a. La variable 3 está fuera de control, que influencian a la 1 y 2.
b. La posible combinación de estas variables deja a todas por fuera.
c. Solo la variable 2 y 3, cumple.

$`Decomposition of`[1] 7

t2 decomp ucl p-value 1 2 3

[1,] 10290.2564 7.1711 0.0000 1 0 0
[2,] 1.0368 7.1711 0.3187 2 0 0
[3,] 2.7206 7.1711 0.1121 3 0 0
[4,] 16367.7898 10.1399 0.0000 1 2 0
[5,] 12508.7989 10.1399 0.0000 1 3 0
[6,] 3.2080 10.1399 0.0583 2 3 0
[7,] 19050.6929 12.6964 0.0000 1 2 3

Del punto 7, vemos que:

a. La variable 1 está fuera de control, que influencian a la 2 y 3. EL p-
valor es menor que el alfa del 0,05
b. La posible combinación de estas variables deja a todas por fuera.
c. Solo la variable 2 y 3, cumple.

$`Decomposition of [1] 8

t2 decomp ucl p-value 1 2 3

[1,] 29528.9091 7.1711 0 1 0 0
[2,] 487.9688 7.1711 0 2 0 0
[3,] 137.7606 7.1711 0 3 0 0
[4,] 54363.5053 10.1399 0 1 2 0
[5,] 37554.0854 10.1399 0 1 3 0
[6,] 542.8846 10.1399 0 2 3 0
[7,] 64177.3671 12.6964 0 1 2 3

Del punto 8, vemos que:

a. Todas las variables están fuera de control, EL p-valor es menor que
cero, además el Tcuadraddo es > que el UCL.
b. La posible combinación de estas variables deja a todas por fuera.
c. Ninguna variable resucitó.
$`Decomposition of`[1] 9

t2 decomp ucl p-value 1 2 3

[1,] 29120.0073 7.1711 0 1 0 0
[2,] 411.8450 7.1711 0 2 0 0
[3,] 864.5143 7.1711 0 3 0 0
[4,] 52970.4764 10.1399 0 1 2 0
[5,] 40869.8692 10.1399 0 1 3 0
[6,] 1078.6751 10.1399 0 2 3 0
[7,] 66829.5693 12.6964 0 1 2 3
$`Decomposition of`
[1] 10

t2 decomp ucl p-value 1 2 3

[1,] 29896.4091 7.1711 0 1 0 0
[2,] 426.3200 7.1711 0 2 0 0
[3,] 892.8571 7.1711 0 3 0 0
[4,] 54416.0600 10.1399 0 1 2 0
[5,] 41980.8956 10.1399 0 1 3 0
[6,] 1114.7557 10.1399 0 2 3 0
[7,] 68669.3927 12.6964 0 1 2 3
$`Decomposition of`
[1] 11

t2 decomp ucl p-value 1 2 3

[1,] 29631.5800 7.1711 0 1 0 0
[2,] 439.8578 7.1711 0 2 0 0
[3,] 878.6286 7.1711 0 3 0 0
[4,] 54097.2548 10.1399 0 1 2 0
[5,] 41583.5262 10.1399 0 1 3 0
[6,] 1112.0443 10.1399 0 2 3 0
[7,] 68203.9373 12.6964 0 1 2 3
$`Decomposition of`
[1] 12

t2 decomp ucl p-value 1 2 3

[1,] 28916.6255 7.1711 0 1 0 0
[2,] 524.2322 7.1711 0 2 0 0
[3,] 907.9201 7.1711 0 3 0 0
[4,] 53643.1443 10.1399 0 1 2 0
[5,] 40782.0864 10.1399 0 1 3 0
[6,] 1201.7203 10.1399 0 2 3 0
[7,] 67667.3432 12.6964 0 1 2 3
$`Decomposition of`
[1] 13

t2 decomp ucl p-value 1 2 3

[1,] 23786.7073 7.1711 0 1 0 0
[2,] 515.8472 7.1711 0 2 0 0
[3,] 918.7566 7.1711 0 3 0 0
[4,] 44828.4736 10.1399 0 1 2 0
[5,] 34203.2321 10.1399 0 1 3 0
[6,] 1204.8979 10.1399 0 2 3 0
[7,] 57110.2643 12.6964 0 1 2 3
$`Decomposition of`
[1] 14

t2 decomp ucl p-value 1 2 3

[1,] 10135.1291 7.1711 0 1 0 0
[2,] 1810.8162 7.1711 0 2 0 0
[3,] 882.8851 7.1711 0 3 0 0
[4,] 26891.3415 10.1399 0 1 2 0
[5,] 16140.3328 10.1399 0 1 3 0
[6,] 2274.3340 10.1399 0 2 3 0
[7,] 34165.4437 12.6964 0 1 2 3
$`Decomposition of`
[1] 15

t2 decomp ucl p-value 1 2 3

[1,] 12777.8200 7.1711 0 1 0 0
[2,] 3144.2450 7.1711 0 2 0 0
[3,] 284.0143 7.1711 0 3 0 0
[4,] 37033.2050 10.1399 0 1 2 0
[5,] 13802.9302 10.1399 0 1 3 0
[6,] 3975.1679 10.1399 0 2 3 0
[7,] 38737.9748 12.6964 0 1 2 3
$`Decomposition of`
[1] 16

t2 decomp ucl p-value 1 2 3

[1,] 10551.4200 7.1711 0 1 0 0
[2,] 3149.0048 7.1711 0 2 0 0
[3,] 348.5491 7.1711 0 3 0 0
[4,] 32453.7098 10.1399 0 1 2 0
[5,] 11197.6039 10.1399 0 1 3 0
[6,] 4090.8709 10.1399 0 2 3 0
[7,] 33624.8351 12.6964 0 1 2 3
$`Decomposition of`
[1] 17

t2 decomp ucl p-value 1 2 3

[1,] 10577.7164 7.1711 0 1 0 0
[2,] 3214.4162 7.1711 0 2 0 0
[3,] 301.6013 7.1711 0 3 0 0
[4,] 32724.4460 10.1399 0 1 2 0
[5,] 11301.5437 10.1399 0 1 3 0
[6,] 4083.4564 10.1399 0 2 3 0
[7,] 34003.0039 12.6964 0 1 2 3
$`Decomposition of`
[1] 18

t2 decomp ucl p-value 1 2 3

[1,] 12547.5073 7.1711 0 1 0 0
[2,] 3071.7122 7.1711 0 2 0 0
[3,] 295.8173 7.1711 0 3 0 0
[4,] 36310.4455 10.1399 0 1 2 0
[5,] 13519.7491 10.1399 0 1 3 0
[6,] 3915.3215 10.1399 0 2 3 0
[7,] 37939.1182 12.6964 0 1 2 3
$`Decomposition of`
[1] 19

t2 decomp ucl p-value 1 2 3

[1,] 10949.302 7.1711 0 1 0 0
[2,] 3236.906 7.1711 0 2 0 0
[3,] 320.572 7.1711 0 3 0 0
[4,] 33575.403 10.1399 0 1 2 0
[5,] 11684.507 10.1399 0 1 3 0
[6,] 4141.097 10.1399 0 2 3 0
[7,] 34875.922 12.6964 0 1 2 3
$`Decomposition of`
[1] 20

t2 decomp ucl p-value 1 2 3

[1,] 361.6655 7.1711 0 1 0 0
[2,] 2028.8450 7.1711 0 2 0 0
[3,] 321.4286 7.1711 0 3 0 0
[4,] 5379.9564 10.1399 0 1 2 0
[5,] 485.8293 10.1399 0 1 3 0
[6,] 2792.7764 10.1399 0 2 3 0
[7,] 5428.5463 12.6964 0 1 2 3
$`Decomposition of`
[1] 21

t2 decomp ucl p-value 1 2 3

[1,] 2.1018 7.1711 0.1601 1 0 0
[2,] 1.5842 7.1711 0.2203 2 0 0
[3,] 50.5750 7.1711 0.0000 3 0 0
[4,] 2.3340 10.1399 0.1185 1 2 0
[5,] 53.0959 10.1399 0.0000 1 3 0
[6,] 50.6103 10.1399 0.0000 2 3 0
[7,] 53.9154 12.6964 0.0000 1 2 3
$`Decomposition of`
[1] 25

t2 decomp ucl p-value 1 2 3

[1,] 6.5455 7.1711 0.0172 1 0 0
[2,] 0.0098 7.1711 0.9220 2 0 0
[3,] 0.2520 7.1711 0.6202 3 0 0
[4,] 10.7811 10.1399 0.0005 1 2 0
[5,] 9.4088 10.1399 0.0010 1 3 0
[6,] 0.2520 10.1399 0.7793 2 3 0
[7,] 14.0822 12.6964 0.0000 1 2 3

Estudiando cada muestra en los últimos reportes de t², se evidencia que son
los tres puntos que se menciona
5. Análisis de varianza
Realice las cartas de control de la varianza generalizada para las fases 1 y
2. Interprete los resultados. Sea amplio en escribir cualquier análisis que
ayude a comprender lo que podría estar sucediendo.
# # Carta de control para la varianza Fase 1
> glass1_var_msqc = gen.var(glass1)
> glass1_var_msqc
Insterte su código aqui

# Carta de control para la varianza Fase ll

> glass2_var_msqc = gen.var(glass2)
> glass2_var_msqc
La grafica de control de la varianza de la fase 1, evidencia que el proceso de esa fase se encuentra
bajo control, no tiene muestras fuera de los límites de control, mostrando que la variabilidad de la
información es baja, lo que refleja es control del proceso, sin embargo, la fase 2, muestra otra
tendencia, de hecho, se evidencia una observación fuera de control, esa muestra supero el
umbral del UCL: 9.03, para este caso la variable 3 es la que encuentra fuera de control e influencia
a los demás., denotando que esta fase presenta una variabilidad de los datos alta y fuera de
control. Es posible que en esta fase, el equipo sufrió una des calibración y nadie lo notó, o que las
muestras fueron mal tomadas .