INSTITUTO TECNOLÓGICO DE ENSENADA DIAGRAMAS DE DISPERSIÓN (C1)

INSTITUTO TECNOLÓGICO DE ENSENADA

DIAGRAMAS DE DISPERSIÓN
INVESTIGACIÓN (C1)

MATERIA: PROBABILIDAD Y ESTADÍSTICA

DOCENTE: SERGIO DELGADO LLAMAS

GUILLERMO ENRIQUE GUTIÉRREZ ORTIZ - 23760038

MIERCOLES, 7 DE FEBRERO DE 2024
INSTITUTO TECNOLÓGICO DE ENSENADA DIAGRAMAS DE DISPERSIÓN (C1)

DIAGRAMAS DE DISPERISÓN

El principal objetivo de las empresas, en un mercado global con mayores competidores, es ofrecer
productos y servicios de calidad a sus clientes finales. Para averiguar si están cumpliendo con los
mejores estándares de calidad, las compañías recurren a diversas herramientas para detectar
posibles contingencias. Una de las más usadas es el diagrama de dispersión.

“Conocido también como "gráfico de puntos" o "diagrama XY", es una de las siete herramientas
básicas de control de calidad utilizadas en la mejora de procesos y la implementación de proyectos
lean con Six Sigma. Estas incluyen el histograma, el gráfico de Pareto, la hoja de verificación, el gráfico
de control, el diagrama de causa-efecto y el diagrama de flujo”. (Conexión Esan, 2009).

El diagrama de dispersión se usa comúnmente para mostrar cómo dos variables se relacionan entre
sí. De este modo, permite estudiar las relaciones que existen entre dos factores, problemas o causas
relacionadas con la calidad, o un problema de calidad y su posible causa. Su objetivo es analizar estas
variables para determinar la forma en que se relacionan o qué tan independientes son una de la
otra. Esto se llama correlación y existen tres tipos:

Correlación positiva. Se da cuando hay una relación proporcional entre ambas variables; es decir, las
dos disminuyen o aumentan a la vez.

Correlación negativa. Se produce cuando el comportamiento de una variable es diferente a la otra.

Por ejemplo, mientras una aumenta, la otra disminuye.

Correlación nula. No existe algún tipo de comportamiento entre ambas variables.

Pasos para elaborar un diagrama de dispersión

• Identificar la situación y las variables. Lo primero que deben hacer las organizaciones es
detectar el problema en cuestión. Luego, determinar las variables que permitan caracterizar
la situación.
• Recolectar los datos de las variables. Se recopilan los datos que se analizarán para verificar
la relación entre las variables. Es importante que estos datos se encuentren dentro del
mismo periodo de tiempo.
• Dibujar el plano cartesiano. En el eje X se encuentra la variable independiente (que no es
influenciada por la otra) y en el eje Y se coloca la variable dependiente (aquella que se
encuentra afectada por la otra variable).
• Trazar las variables pareadas. Las variables son representadas por círculos. Si los dos pares
de datos tienen el mismo valor, ambos deben ser dibujados uno al costado del otro o trazar
el segundo punto a corta distancia.
• Analizar los datos. Colocados los datos en el diagrama, se analiza el diagrama para
determinar la correlación que existe entre las variables. Siempre se debe buscar la causa raíz
del problema.
INSTITUTO TECNOLÓGICO DE ENSENADA DIAGRAMAS DE DISPERSIÓN (C1)

El diagrama de dispersión es una herramienta muy útil con la capacidad de mostrar relaciones no
lineales entre variables, y es usado ampliamente en los planes de Six Sigma. Conociendo estas
correlaciones, se puede determinar la estrategia a usar para controlar y supervisar el proceso de
manera eficiente, mejorando así la calidad.

Ilustración 1. Correlación.

Recta de regresión mínimo cuadrático.

La regresión lineal de los mínimos cuadrados (en inglés OLS: Ordinary Least Squares regression) es
un método común para estimar los coeficientes de las ecuaciones de regresión lineal que describen
la relación entre una (o varias) variables independientes cuantitativas y una variable dependiente.
Según el número de variables, podemos hacer una regresión simple o múltiple. Se llama regresión
de los mínimos cuadrados por qué se basa en la minimización del error cuadrático. También
podemos utilizar el método del máximo de verosimilitud y el estimador del método generalizado de
momentos. (Lumivero, 2024).

En la práctica, la regresión lineal se usa en varios dominios:

• meteorología, con la predicción de temperaturas o de la cantidad de lluvia basándose en

factores externos
• biología, si tienes que predecir el número de individuos en una especie dependiendo en el
número de predadores o la cantidad de recursos naturales
• economía, si tienes que predecir la facturación de una empresa basándose en la cantidad
de ventas, etc.
INSTITUTO TECNOLÓGICO DE ENSENADA DIAGRAMAS DE DISPERSIÓN (C1)

Gráfica de dispersión residual en minitab.

Una gráfica de residuos es una gráfica que se utiliza para examinar la bondad de ajuste en regresión
y ANOVA. Examinar las gráficas de residuos le ayuda a determinar si se cumplen los supuestos de los
mínimos cuadrados ordinarios. Si se cumplen esos supuestos, entonces la regresión de mínimos
cuadrados ordinarios producirá estimaciones de coeficientes sin sesgo con la varianza mínima.

¿Qué gráficas de residuos están incluidas en Minitab?

Minitab ofrece las siguientes gráficas de residuos:

Ilustración 2. Análisis de datos estadísticos meteorológico.

Histograma de los residuos

Utilice el histograma de residuos para determinar si los datos son asimétricos o si existen valores
atípicos en los datos.

Gráfica de probabilidad normal de los residuos

Utilice la gráfica normal de los residuos para comprobar el supuesto de que los residuos están
distribuidos normalmente.

NOTA

Para incluir la prueba de Anderson Darling con la gráfica, vaya a Archivo > Opciones > Modelos
lineales > Gráficas de residuos y marque Incluir prueba de Anderson-Darling con gráfica normal. Sin
embargo, Minitab no muestra la prueba cuando hay menos de 3 grados de libertad para el error.

Residuos vs. ajustes

Utilice la gráfica de residuos vs. ajustes para comprobar el supuesto de que los residuos tienen una
varianza constante.

Residuos vs. orden de los datos

Utilice la gráfica de residuos vs. orden para comprobar el supuesto de que los residuos no están
correlacionados entre sí.
INSTITUTO TECNOLÓGICO DE ENSENADA DIAGRAMAS DE DISPERSIÓN (C1)

Residuos vs. predictores

Esta es una gráfica de los residuos vs. un predictor. Esta gráfica debe mostrar un patrón aleatorio de
residuos a ambos lados del 0. Los patrones no aleatorios, como en el ejemplo siguiente, pueden
violar el supuesto de que las variables predictoras no están relacionan con los residuos. Es posible
que haya utilizado una forma funcional incorrecta para modelar la curvatura.

Referencia Bibliográfica.
• SPC Consulting Group. (8 noviembre, 2023). Diagrama de Dispersión | SPC Consulting
Group. SPC Consulting Group | Expertos En Capacitación Y Consultoría Para La Mejora
Continua Y Gestión De La Calidad.
• Regresión lineal de los mínimos cuadrados (OLS). (6 enero,2021). XLSTAT, Your Data
Analysis Solution.
• Gráficas de residuos incluidas en Minitab - Minitab. (n.d.). (C) Minitab, LLC. All Rights
Reserved. 2023.
• Ortega, C. (3 mayo 2022). Gráfica de dispersión. Qué es y cuáles son sus características.