INGENIERÍA DE CALIDAD

Seis Sigma

Módulo 3
ANALIZAR
§

Preparado por:
Francisco J. Estrada, Ph.D. 3.5 Análisis de Regresión
frestrad@uacj.mx
Minitab R17 y R18
dr.f.estrada@gmail.com

2024 Rev 5.0

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

1
 Análisis
de
Regresión
con
Minitab R17-R18

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

2
 Terminología

✦ Variables
Ø Llamadas también Variables de Predicción
Ø Pueden ser Continuas o Categóricas.

✦ Variables
Ø Llamadas también Variables de
Respuesta o de Salida (Lo que tratamos
de predecir)
Ø Pueden ser Continuas o Categóricas.

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

3
 Terminología

Ø Una Variable de Predicción

Ø Ejemplo: Y = 3X + 2

Ø Más de una Variable de Predicción

Ø Ejemplo: Y = 4X1 + 7X2 + 2X3 + 9

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

4
 Regresión Lineal Simple
✦ Cuando tenemos la Ecuación, obtenemos
los datos para elaborar el gráfico:
Y = 3x + 2

x Y
-2 -4
-1 -1
0 2
1 5
2 8

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

5
 Regresión Lineal Simple
✦ En Regresión tenemos los Datos y los usamos
para generar la ecuación y el gráfico.
Ø Y = 3x + 2
x Y
-2 -4
-1 -1
0 2
1 5
2 8

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

6
 Regresión Lineal Simple. Ejemplo
✦ Un ingeniero de proceso de una compañía
fabricante de sensores desea investigar la
relación entre dos variables de respuesta de
sus productos, las cuales ha identificado como
Brp11 y Bop11. Para una aplicación específica
el requiere que el Bop11 cambie en proporción
directa a cualquier cambio en el Brp11. Se
registraron lecturas de 139 unidades. Analice
los datos y obtenga conclusiones. Los datos se
encuentran en el archivo BRP, en la página de
la clase en el Campus Virtual.

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

7
 ✦ La correlación es una medida de la relación lineal
que existe entre los datos de dos variables X y Y.
Nos indica si existe un patrón de comportamiento
de una variable comparada con la otra.
✦ La fórmula de correlación de Pearson es:

✦ Rango de valores para R: -1 a 1

Ø 1 = Correlación Positiva Perfecta
Ø 0 = No Correlación
Ø -1 = Correlación Negativa Perfecta
© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

8
 ¿Existe Correlación?
Seleccione Stat > Basic Statistics > Correlation

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

9
 Gráfico de Correlación (R)
Seleccione Stat > Regression > Fitted Line Plot

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

10
 Gráfico de Correlación (R)

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

11
 Cálculos de Regresión
Seleccione Stat > Regression > Regression
Entrar en Graphs

Seleccionar
Four in one
© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

12
 Cálculos de Regresión
Indica si el
Modelo de
Estimación de Regresión es
la Desviación significativo
Estándar sobre
la línea de
Regresión

Porcentaje de la
variación en el
Bopp11 explicado
por la variación
del Brp11
R-Sq = (0.982)2 =
0.964 ó 96.4%

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

13
 Análisis de Residuos
✦ El análisis de residuos es el mejor estimador
del error:
Ø Es la diferencia entre el valor actual de la
variable de respuesta (Y) y el valor ajustado
(YPredicted)
✦ Supuestos del Error:
Ø El valor promedio es cero
Ø Los errores son independientes y
tienen una distribución Normal

Ø Todos los errores tienen la misma

variación (variación constante)
© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

14
 Análisis de Residuos
Los residuos son simplemente la diferencia entre los
valores calculados y los actuales. Los residuos deben tener
una distribución Normal, con una media igual a cero,
comportamiento sin tendencia (aleatorio)

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

15
 Regresión Múltiple
Si se tienen varias variables que se espera o se sabe
que se relacionan con la variable de respuesta se
puede construir un

Si dos o mas variables de entrada x1, x2, etc., se

utilizan, los modelos se vuelven mas complejos
pero tienen el potencial de producir información
mas útil y de proveer predicciones mas precisas
que los modelos con una sola variable.

Uno de los principales problemas para construir

un modelo de regresión múltiple, es la dificultad
para detectar la correlación entre x1, x2… y la “y”.

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

16
 Ejemplo de Regresión Múltiple
Como parte de una prueba de la energía térmica
solar, se mide el flujo total de calor de las casas.
Se desea examinar si el flujo total de calor puede
predecirse en base al aislamiento según la
posición del punto focal en las direcciones este,
sur, y norte. Evalué el modelo de tres predictores
usando regresión múltiple.

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

17
Ejemplo de Regresión Múltiple. Minitab R17
Abra la hoja de trabajo EXH_REGR.MTW
Seleccione Stat > Regression > Regression
En Predictors
En Response elija North,
elija HeatFlux South, East

Click OK
© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

18
Ejemplo de Regresión Múltiple. Minitab R18
Abra la hoja de trabajo Thermal Energy Test

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

19
 Ejemplo de Regresión Múltiple

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

20
 Ejercicio # 1
El gerente de RH cree que el ausentismo y la
rotación están relacionados con el número de
horas extras trabajadas y el gerente de
producción lo relaciona con los bonos de
productividad pagados. Se reúnen datos de las
diferentes áreas de la planta. Realice un modelo
regresión y determine quién tiene razón. Los
datos se encuentran en la siguiente página.

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

21
 Ejercicio # 1
Área Ausencias Renuncias Hrs Extras Bonos
Estampado 640 40 1000 300
Moldeo 613 37 980 350
Pintura 619 37 950 450
SMT 489 33 880 500
PCB 563 34 800 550
Cables 452 29 500 900
Subensamble 589 32 750 600
Embarques 479 27 480 800
Almacén 527 35 760 400
Ensamble 608 49 1100 200
Aduanas 402 45 500 300

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

22
 Ejercicio # 2
✦ Un ingeniero de proceso de una compañía
fabricante de sensores desea investigar la
relación entre las características de dos de
sus componentes (Brp11 and Brp12) y una
variable crítica de respuesta (AL150). Si Para
una aplicación específica se requiere un
valor de AL150 entre -3.0 y +0.6, ¿qué
valores de Brp11 y Brp12 recomienda
utilizar? Los datos se encuentran en el
archivo “BRP” en la página de la clase en el
Campus Virtual.

© 2001-2024 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M3-5 Análisis de Regresión

23