05 Analyze W2 Analysis of Variance SP - Six Sigma Measure

Six Sigma
Entrenamiento Green Belt
Anlisis de Varianza
ANOVA
Reconocer
Definir
Medir
Analizar
Mejorar
Controlar
INSTITUTO PARA LA CALIDAD 2008. Prohibida su reproduccin total o parcial sin permiso del autor y del Instituto para la Calidad de la Pontificia
Universidad Catlica del Per.
Sobre este Mdulo

La Significancia Estadstica se puede evaluar por medio de
las tcnicas One-way ANOVA (para un factor) o la Two-way
ANOVA (para dos factores).
Six Sigma, La bsqueda de la Perfeccin en losPprocesos

que lucha contra la variacin para Alcanzar los Objetivos.
Qu vamos a aprender ...

1. ANalysis of VAriance (ANOVA)
(Anlisis de Varianza)
2. Variacin y Suma de Cuadrados
3. Construccin de la tabla ANOVA
4. Supuestos Estadsticos
5. La distribucin F
6. Tamao de Muestra y Potencia del
Ensayo
Escenarios del Mundo Real

Diseo:
Un productor de hilados de alfombras necesita saber con qu material se
produce la alfombra mas duradera.
- Cmo debera, este productor, plantear el diseo y analizar el
experimento?
Fabricacin:
Un ingeniero de proceso necesita determinar el efecto de tres niveles de
resistencia en la densidad del plstico.
- Cmo debera el ingeniero plantear y analizar el experimento?
Administracin:
Un equipo administrativo tiene asignado el proyecto de reducir el
tiempo de ingreso de datos de los acuerdos de licencia. El equipo
ha elaborado cuatro tipos diferentes de formularios.
-Cmo debera el equipo plantear y analizar el experimento?
Anlisis de Varianza (ANOVA)

El anlisis de varianza es una generalizacin del anlisis de
medias de 2 muestras, y nos permite comprobar la
significancia de las diferencias entre k (k>2) medias de
muestras diferentes.
La tcnica del anlisis de varianza usa informacin de las
muestras para determinar si dos o mas tratamientos
muestran resultados diferentes.
Un punto central es que el anlisis de varianza ( literalmente
una tcnica que prueba y analiza varianzas) es una
herramienta que nos permite comprobar la significancia de
la diferencia entre medias.
Extrado de Statistical Analysis for Decision Making de Morris Hamburg & Peg Young
ANOVA para un factor

(One - way ANOVA)
Se usa para probar la hiptesis nula que las medias de diferentes

poblaciones son iguales:
Ho: m1 = m2 = m3 = m4
Ha: al menos una mk is distinta
ANOVA determina si una o ms de las medias son distintas, pero

no cules de las medias son distintas.
La Variacin & La Suma de

Cuadrados
ANOVA para un factor (One Way ANOVA)
Una comparacin de la variacin entre tratamientos (factor) y de
la variacin interna de cada tratamiento (error) proporciona
informacin acerca de la diferencias entre las medias de los
tratamientos:
El trmino Variacin corresponde a una suma de cuadrados
Variacin
Grados de libertad
= Varianza media = cuadrado medio
Suma de Cuadrados
xj - Media del grupo: la media del j-simo tratamiento.
xji 1
Factor
j =1 i =1
(xji -x)
SS total
Valor individual: el i-simo valor del j-simo

tratamiento.
- Media general del tratamiento
j = Tratamiento Nivel deFactor

i = Observacin del tratamiento j
g = cantidad total de Niveles o tratamientos
n = cantidad de observaciones de cada Nivel defactor
0
1
Respuesta
Comprendiendo los Fundamentos
j =1
(x j - x )
SS factor
j =1 i =1
(xji - x j )
SS error
Total: SS total = Suma de Cuadrados Total del experimento (valores individuales - media general)
Entre Tratamientos: SS factor = Suma de Cuadrados de los Factores (media del grupo - media general)
Dentro de cada tratamiento: SS error = Suma de Cuadrados dentro de cada grupo (valores individuales - media del grupo)
Trminos
Grados de libertad (DF): cantidad de conclusiones independientes que se

pueden extraer de los datos.
SS factor: mide la variacin entre la media de cada tratamiento y la media

general.
SS error: mide la variacin de cada observacin dentro de cada

tratamiento con la media respectiva a su tratamiento.
Cuadrado medio del factor (MS): La SS factor dividida por los DF [(g-1)].
MS es tambin un estimador de la varianza
Cuadrado Medio del Error (MSE): La SS error dividida por los DF [g(n-1)].
MSE es tambin un estimador de la varianza.
F: la relacin entre la variacin entre tratamientos y la variacin dentro de

los tratamientos = MS / MSE. Si el valor de F es cercano a 0, no hay
diferencia significativa entre las medias de los tratamientos (el valor P es
grande).
P: la probabilidad de que la diferencia observada se deba al azar (error

de muestreo). Un valor P pequeo (generalmente < 0,05) indica que hay
una diferencia y que la Ho debe ser rechazada.
Tabla de ANOVA
Fuente
Entre
grupos
Suma de
Cuadrados
SSFactor
Grados de Media cuadrtica F = MSfactor Valor P basado

libertad
(Varianza)
/MSE
en F y en DF
g-1
SS Factor
(g-1)
SS Error
g(n-1)
Dentro de
grupos
SS Error
g(n-1)
Total
SS Total
ng-1
MSfactor
MSerror
P(F)
DF Tota l = DF entre + DF dentro

DF Total = ng - 1
g = # de grupos
n = # en el grupo
DF entre = g-1
DF dentro = (ng-1) - (g-1) = g(n-1)

Tabla de ANOVA (Cont)

Ensayo de Hiptesis:
Ho: m1 = m2 = m3 = m4
Ha: Al menos una mk es distinta
Para determinar si podemos aceptar o rechazar la hiptesis nula,
debemos calcular el estadstico F usando el ANOVA como se
muestra en la siguiente tabla:
FUENTE
SS
DF
MS (=SS/df)
ENTRE
SS factor
g-1
SS factor/(g - 1)
DENTRO
SS error
g(n -1)
SS error/g(n - 1)
TOTAL
SS total
gn - 1
F {=MS(factor)/MS(Error)}
MSfactor / MSError
Varianza de error ponderado
Por qu a la fuente DENTRO o INTERNA se la denomina Error o Ruido?

En trminos prcticos qu es lo que nos dice el cociente F?
La prueba F y la Distribucin F
F = Variacin entre tratamientos
= SS factor / (g-1)
Variacin dentro de los tratamientos
SS error / g(n-1)
Si F > F crit entonces al menos una media es distinta.
Distribucin F para 4 y 45 Grados de libertad

0.8
La distribucin F es
una familia de
curvas dependientes
del nmero de
grados de libertad.
0.7
Fcrit en el punto 10%
0.6
Prob
0.5
0.4
0.3
0.2
0.1
0
0
7
Valor - F
10
11
12
13
14
Si el valor F
observado
es > 5, el
valor - P= 0
Supuestos Estadsticos
Normalidad: las muestras se extraen de poblaciones normalmente
distribuidas.
Nota: La distribucin dentro de los subgrupos debe ser normal. No se
puede asumir que el total de la poblacin bajo estudio sea normal.
Independencia: Las muestras son independientes
Minitab: Stat>Basic Statistics>Correlation
Homogeneidad de Varianzas: Las poblacionales tienen varianzas
iguales.
Minitab: Stat>ANOVA>Test for Equal Variances (use stacked data)
Nota: ANOVA es robusta en estos supuestos cuando los tamaos

de las muestras son iguales.
Ejemplo de Entrada de Datos

Un equipo que tiene asignado el
proyecto de reducir el tiempo de
ingreso de datos en los acuerdos
de licencia, ha elaborado cuatro
tipos diferentes de formularios. Se
asignaron los formularios al azar
entre el personal, para el ingreso
de datos.
Es algn formulario mejor que el
resto (toma menos tiempo)?
Nota. . .
El sigma histrico es
aproximadamente 2
4 segundos es una diferencia
significativa.
Sea a = 5% y b = 20%
Primero,
hay que
encontrar el tamao de
muestra necesario para
determinar si hay una
diferencia estadsticamente significativa entre
las medias de los tiempos
requeridos para completar
los distintos formularios.
Luego,
hay que probar los

supuestos del ANOVA.
Entonces
se usa ANOVA
para determinar si existe
diferencia entre las
medias.
Tamao de muestra usando Minitab

Desarrollo:
1.
Abrir Minitab
Ir a Stat > Power and Sample Size
> ANOVA para un factor
2.
3.
Nota:
El sigma
histrico es 2
4.0 segundos
es una
diferencia
significativa
a = 5%
b = 20%
1
2
4.
5.
En Number of
levels: tipear 4
En Values of the
maximum
difference
between means:
tipear 4.0
En Power
values: tipear
0.80 (1.00 0.20)
En Sigma:
tipear 2.0
Seleccione OK
Tamao de muestra usando Minitab

(Cont)
Ventana de Sesin Minitab
Power and Sample Size
One way ANOVA
Sigma = 2 Alpha = 0.05 Number of levels= 4
SS Means
8
Sample
Size
7
Target Actual
Power Power
0.8000 0.8361
Maximum
Difference
4
En archivo
DataFile ANOVA1,
usaremos 6 debido
a restricciones de
recursos
Apilando los Datos

Desarrollo:
Abrir DataFile\ANOVA1.mtw
Ir a Data > Stack > Columns
1.
2.
3.
1
4
4.
5.
6.
6
7.
Seleccione C1 A, C2 B,
C3 C, y C4 D
Presione Select
Observe A-D en Stack
the following columns:
Seleccione Column of
current worksheet: y
tipee Response
En Store subscripts in:
tipee Factor
Seleccione Use variable
names in subscript
column
Seleccione OK
7
Normalidad
(Resumen Grfico) usando Minitab
Desarrollo:
Usar DataFile\ANOVA1.mtw
Ir a Stat > Basic Statistics > Graphical Summary
1
1. En Variables:
Seleccione Response
2. En By Variables
seleccione Factor
3. Seleccione OK
3
Normalidad
(Resmen Grfico)
p value > .05
Summary for Response

Anderson-Darling Normality Test
A-Squared
57.5
60.0
62.5
65.0
67.5
70.0

Factor = B
0.46
A-Squared
0.162
P-Value
0.493
Mean
StDev
61.000
1.897
Mean
StDev
66.000
2.828
3.600
Variance
0.00000
Skewness
1.19324
Kurtosis
N
-2.68519
6
Kurtosis
N
1.66875
6
Minimum
59.000
Minimum
63.000
1st Quartile
Median
3rd Quartile
59.000
61.000
63.000
1st Quartile
Median
3rd Quartile
63.750
65.500
68.000
Maximum
63.000
Maximum
71.000
55.0
57.5
60.0
62.5
65.0
67.5
70.0
59.009
95% Confidence I nterval for Mean
62.991
63.032
95% Confidence I nterval for Median

59.000
63.000
1.184
4.654
Median
68.968

63.357
95% Confidence Intervals
95% Confidence I nterval for StDev
Mean
8.000
Skewness
95% Confidence Interval s
0.29
P-Value
Variance
55.0
p value > .05
Factor = A
69.571
Mean
1.766
6.937
Median
60.0
61.5
63.0
65.0
p value > .05
65.0
67.5
70.0
A-Squared
P-Value
0.493
Mean
StDev
68.000
1.673
Mean
StDev
61.000
2.828
2.800
Variance
1.15254
2.50000
Skewness
Kurtosis
Minimum
1st Quartile
66.000
66.750
Median
3rd Quartile
68.000
68.750
Maximum
71.000
66.244
55.0
57.5
60.0
62.5
65.0
67.5
70.0
69.756
Mean
1.044
Median
3rd Quartile
61.500
63.250
Maximum
64.000
58.032
69.929
4.104
56.000
59.000
63.968

57.429
95% Confidence Intervals
Median
Minimum
1st Quartile

66.357
8.000
-1.19324
1.66875
95% Confidence Interval s
0.29
0.129
62.5
0.49
P-Value
Skewness
Kurtosis
60.0
Factor = D
Variance
57.5
70.0
p value > .05
Factor = C
A-Squared
55.0
67.5
63.643
Mean
1.766
6.937
Median
66
68
70
57
60
63
Test para homogeneidad de varianzas usando

Minitab
Desarrollo:
Usar DataFile\ANOVA1 con datos apilados
Ir a Stat > ANOVA > Test for Equal Variances
1
2
1. En Response:
seleccione Response
2. En Factors: seleccione
Factor
3. Seleccione OK
3
Test de homogeneidad de varianzas

(Cont)
Test for Equal Variances for Response
Bartlett's Test
Test Statistic
P-Value
1.95
0.584
Lev ene's Test

Test Statistic
P-Value
Factor
0.60
0.622
P > 0.05:
no podemos
rechazar la
hiptesis nula
de igualdad de
varianzas
1
2
3
4
5
6
7 Usar
8
9 Bartlett's
95% Bonferroni Confidence Intervals for StDevs
test cuando los datos

vienen de distribuciones normales.
Usar Levene's test cuando los datos
viene de distribuciones continuas, pero
no necesariamente normales.
Test de Independencia usando Minitab

Desarrollo:
Ir a Stat > Basic Statistics > Correlation
1. En Variables:
seleccione C1 A, C2
Coeficiente de
B, C3 C, and C4 D
correlacin, r
2. Seleccione Display
p-values
3. Seleccione OKCorrelations: A, B, C, D
Valor - p
C
A
B
0.298
0.566
0.630
0.180
Todos los valores 0.634

p > 0.05: la hip0.177
tesis nula de independencia
es
-0.373 0.225
-0.211
verdadera
0.467 0.668
0.688
ANOVA para un factor usando Minitab (Cont)
Desarrollo:
Usar DataFile\ANOVA1.mtw con columnas apiladas
Ir a Stat > ANOVA > One-way
3
1
4
1. Seleccione C1 A, C2
B, C3 C, and C4 D
2. Presione Select
3. En Response:
seleccione Response
4. En Factor:
seleccione Factor
5. Seleccione OK
5

Ventana de Sesin Minitab
Source DF
Factor 3
Error 20
Total 23
SS
MS
F
P
228.00 76.00 13.57
0.000
112.00 5.60
340.00
Una, o mas, medias de los
tratamientos es estadsticamente
diferente de la media general
S = 2.366 R-Sq = 67.06% R-Sq (adj) = 62.12%
R-Sq Cunto de la variacin es

explicada por los factores
Veamos el grfico!
Grafique el valor de las medias, a nivel

factor, con sus intervalos de confianza
Desarrollo:
1.
Ir a Stat > ANOVA > Interval Plot
2.
3.
4.
5.
Seleccione One Y
with Groups.
En Graph Variables:
Seleccione Response
En Categorical
Variables Seleccione
Factor
Seleccione OK
Seleccione OK

El grfico de intervalos contiene la misma informacin que se
presenta en la Ventana de Sesin - salvo que el grfico de
intervalos (Interval Plot) tiene una mucho mejor resolucin.
of Response vs Factor
Es la media deInterval Plot
95% CI for the Mean
A diferente
de la
70
media
de B?
68
Response
66
64
62
60
58
A
Examine las
diferencias
entre medias
utilizando
Comparaciones
Mltiples.
Factor
Comparaciones Mltiples usando

Minitab
Se debe tener algn cuidado al interpretar el nivel de confianza
cuando se realiza mas de una estimacin, o al interpretar el nivel de
significancia cuando se est desarrollando mas de un ensayo.
(Dixon and Massey, Introduction to Statistical Analysis)
Si usa sucesivas pruebas -t para examinar diferencias entre medias, el
riesgo-alfa aumenta dramticamente.
El nivel de significancia total es: a* = 1 (1 a)k, donde k es la
cantidad de pruebas. Las comparaciones mltiples evitan esto!
Las comparaciones mltiples se presentan como un grupo de
intervalos de confianza, mas que un grupo de ensayos de hiptesis.
Esto permite determinar la significancia prctica de la diferencia
entre medias, adems de la significancia estadstica. Como de
costumbre, la hiptesis nula de no diferencia entre medias es falsa s
y slo s el intervalo de confianza de la diferencia de IC no contiene
al cero.
Comparaciones Mltiples Usando Minitab
Desarrollo:
Ir a Stat > ANOVA > One-way
Seleccionar Comparisons
2
1. Seleccione Tukeys
family error rate:

2. Tipee 5 para a = 5%
3. Seleccione OK
3
Comparaciones mltiples (Cont)

Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels
Individual confidence level = 98.89%
La hiptesis nula de no
of diferencia
Factor
entre medias es
falsa s y slo si el intervalo de
confianza no contiene al cero.
Factor = A subtracted from:
Factor
Lower
Center
Upper
1.174
5.000
8.826
3.174
7.000
10.826
-3.826
0.000
3.826
--------+---------+---------+---------+(-----*------)
(------*-----)
(-----*-----)
--------+---------+---------+---------+-6.0
No hay diferencia entre

las medias de D y A.
0.0
6.0
12.0
Tampoco hay diferencia

entre las medias de B y C.
ANOVA para dos factores con Rplicas

En el ANOVA para un factor (DataFile\ANOVA1.mtw) cada nivel de
cada factor tena seis rplicas.
Las rplicas son necesarias para generar la SS error.
En el ANOVA para dos factores (Two Way ANOVA), hay dos factores.
Si el ANOVA para dos factores es replicado, cada combinacin de
tratamientos (celda) tiene dos o mas respuestas.
TWO-WAY ANOVA WITH TWO

REPLICATIONS
Level 1
Factor B
Level 2
Factor A
Level 1
Level 2
Y1, 11
Y1, 21
Y2, 11
Y2, 21
Y1, 12
Y1, 22
Y1, 12
Y2, 22
Combinacin de
tratamientos
A al Level 2
B al Level 1
ANOVA para dos factores usando

Minitab
Escenario:
El dueo de un hotel necesita instalar una nueva alfombra.
El/Ella decide probar cuatro marcas de alfombras distintas para usar en
cuatro pasillos distintos.
Cada pasillo tendr las cuatro alfombras distribuidas en lneas continuas,
dispuestas al azar, as cada alfombra soportar el mismo trfico.
Desarrollo:
Ir a DataFile\ANOVA2.mtw
Notar el orden de los datos
Una columna tiene un nmero para la ubicacin
En cada ubicacin hay datos del desgaste para cada una de las cuatro
marcas.
Cada una de las marcas es medida cuatro veces - cuatro rplicas.
Ir a Data> Stack > Columns

Minitab (Cont)
1
1.
1.
2
4
2.
3.
5
4.
En Stack the following

columns: seleccione C2
Carpet 1, C3 Carpet 2,
C4 Carpet 3 y
C5 Carpet 4
En Store stacked data in:
seleccione Column of
current worksheet: y
tipee Carpet Stack
En Store subscripts in:
tipee Carpet
Seleccione Use variable
names in subscript
column
Seleccione OK
ANOVA para dos factores

usando Minitab (Cont)
Agregar los subndices necesarios para Ubicacin
Desarrollo:
Ir a Calc > Make Patterned Data > Simple Set of Numbers
1. En Store patterned data
1
in: seleccione Loc
2. En From first value:
2
tipee 1
3
3. En To last value: tipee
4
4
4. En In steps of: Tipee 1
5
5. En List each value:
6
tipee 4
6. En List the whole
sequence: tipee 4
7
7. Seleccione OK

Minitab (Cont)
Analice el ANOVA para dos factores
Desarrollo:
Ir a Stat > ANOVA > Two-way
1
1. En Response:
seleccione Carpet Stack
2. En Row factor:
seleccione Location
3. En Column factor:
seleccione Carpet
4. Seleccione OK
2
3
4
ANOVA para dos factores usando Minitab (Cont)

Ventana de Sesin Minitab :
Two-way ANOVA: Carpet Stack versus Loc, Carpet
Source
Loc
Carpet
Interaction
Error
Total
DF
3
3
9
48
63
SS
MS
F
P
9.99
3.329 0.31 0.815
796.72 265.575 25.02 0.000
46.91
5.212 0.49 0.873
509.56 10.616
1363.17
Carpet es
el nico
factor
significativo
(p <= 0.05)
S = 3.258 R-Sq = 62.62% R-Sq (adj) = 50.94%
Veamos los grficos de los resultados:

Main Effects Plot (Grfico de efectos principales)
Interaction Plot (Grfico de interacciones)
ANOVA para dos factores usando Minitab (Cont)
Grafique los Efectos Principales

Desarrollo:
Ir a Stat > ANOVA > Main Effects Plot
1. En Responses: seleccione
Carpet Stack (que es una
medida del desgaste)
Location and Carpet
3. Seleccione OK
1
2
ANOVA para dos factores usando Minitab

(Cont)
Este es el factor significativo
Main Effects Plot (data means) for Carpet Stack
Carpet
Loc
Mean of Carpet Stack
18
16
14
12
10
8
Carpet 1 Carpet 2 Carpet 3 Carpet 4
ANOVA para dos factores usando Minitab

(Cont)
Grafique las Interacciones

Desarrollo:
Ir a Stat > ANOVA > Interactions Plot
1. En Responses:
seleccione Carpet Stack
Location y Carpet
3. Seleccione Display full
interaction plot matrix
4. Seleccione OK
1
2
3

Minitab (Cont)
Interaction Plot (data means) for Carpet Stack
1
20
15
Carpet
C arpet
C arpet 1
C arpet 2
C arpet 3
C arpet 4
Hay interaccin,
pero no es
estadsticamente
significativa.
10
20
15
Loc
Loc
1
2
3
4
10
5
Carpet 1 Carpet 2 Carpet 3 Carpet 4
En un grfico de interaccin, lneas paralelas indican que no hay

interaccin. Esto es lo que uno esperara - un cambio lineal en los
niveles de un factor al cambiar el otro factor.
Su Turno!
Abra DataFile\ANOVA3.mtw
Realice una anlisis ANOVA de los datos (determine el efecto de la
Resistencia (Strength) en la Densidad (Density))
Responda las siguientes preguntas:
1. Se cumplen los supuestos estadsticos?
2. Puede utilizarse ANOVA para un factor para analizar estos datos?
3. Hay alguna diferencia entre las resistencias?
4. Cul resistencia rinde densidad mas alta?
5. Mire los datos. Cul resistencia tiene la densidad mas alta?
6. El anlisis ANOVA respalda sus conclusiones?
7. Cul es la potencia de la prueba realizada?
8. Qu niveles de alfa y beta eligi? Qu tamao de muestra se
debera haber utilizado para el valor de beta elegido?
Est preparado para presentar sus resultados y para indicar sus
conclusiones. (Solucin: DataFile\ANOVA3 SOLUTION.mtw)
Volviendo al Escenario del Mundo Real

Diseo:
Un productor de hilados de alfombras necesita saber con qu material
se produce la alfombra mas duradera.
- Cmo debera este productor plantear y analizar el experimento?
Fabricacin:
Un ingeniero de proceso necesita determinar el efecto de tres niveles
de resistencia en la densidad del plstico.
- Cmo debera el ingeniero plantear y analizar el experimento?
Administracin:
Un equipo administrativo tiene asignado el proyecto de reducir el
tiempo para el ingreso de datos en los acuerdos de licencia. El equipo
ha elaborado cuatro tipos diferentes de formularios.
-Cmo debera el equipo plantear y analizar el experimento?
Qu hemos aprendido
1. Anlisis de Varianza (ANOVA)
2. Variacin y Suma de Cuadrados
3. Construccin de la Tabla de ANOVA

4. Supuestos estadsticos
5. La distribucin - F
6. Tamao de la muestra y Potencia del ensayo.
Bibliografa
Statistical Analysis for Decision Making, 1993, Hamburg & Young,
publicado por The Dryden Press, Captulo 8
Statistics for Experimenters, Box, Hunter & Hunter, 1978, publicado por
John Wiley and Sons, Captulo 7.
Design and Analysis of Experiments, 3rd Edition 1991, Montgomery,
publicado por John Wiley and Sons, Captulo 5.
Frmulas para el tamao de la muestra

Para prueba de hiptesis de dos muestras:
Tamao de la muestra =
(Z
+Z )
2
Ref: Applied Statistics

and Probability for
Engineers 2nd Edition,
Montgomery & Runger
Para prueba de medias de dos muestras:
(Z
+ Z ) (
2
2
1
2
+ 22 )
( - )
Para la
alternativa de
una cola, y
ANOVA, use Za
La Potencia del
ensayo es 1 - b
Para prueba de dos proporciones (una cola):
(Z
p 0 (1 - p 0 ) + Z p(1 - p) 2
2
(p - p )
Tamao de la muestra de la Entrada de Datos

Determine el tamao de la muestra con la siguiente frmula:
Tamao de muestra =
(Z
+ Z
) (
2
2
1
2
+ 22 )
( - )
0
Tamao de muestra ANOVA =
(Z
+ Z
)(
2
k =1
2
( - )
2k )
donde = # niveles de los fctores
Nmero de nveles
de factores
d = diferencia
significativa
Tamao
mnimo de
muestra
(1.645 + 0.842)2 * 4 * 22
4
= 6.185 = 6
Sigma Estimado para los

de los
INSTITUTO PARA LA CALIDAD 2008. Prohibida su reproduccin total o parcial sin permisonveles
del autor y del Instituto
para lafactores.
Calidad de la Pontificia

05 Analyze W2 Analysis of Variance SP - Six Sigma Measure

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

05 Analyze W2 Analysis of Variance SP - Six Sigma Measure

Enviado por

Direitos autorais:

Formatos disponíveis

Six Sigma

Entrenamiento Green Belt

Sobre este Mdulo

Six Sigma, La bsqueda de la Perfeccin en losPprocesos

Qu vamos a aprender ...

Escenarios del Mundo Real

Anlisis de Varianza (ANOVA)

ANOVA para un factor

Se usa para probar la hiptesis nula que las medias de diferentes

ANOVA determina si una o ms de las medias son distintas, pero

La Variacin & La Suma de

= Varianza media = cuadrado medio

xj - Media del grupo: la media del j-simo tratamiento.

Valor individual: el i-simo valor del j-simo

j = Tratamiento Nivel deFactor

Comprendiendo los Fundamentos

Grados de libertad (DF): cantidad de conclusiones independientes que se

SS factor: mide la variacin entre la media de cada tratamiento y la media

SS error: mide la variacin de cada observacin dentro de cada

F: la relacin entre la variacin entre tratamientos y la variacin dentro de

P: la probabilidad de que la diferencia observada se deba al azar (error

Grados de Media cuadrtica F = MSfactor Valor P basado

DF Tota l = DF entre + DF dentro

DF dentro = (ng-1) - (g-1) = g(n-1)

Tabla de ANOVA (Cont)

Por qu a la fuente DENTRO o INTERNA se la denomina Error o Ruido?

Distribucin F para 4 y 45 Grados de libertad

Fcrit en el punto 10%

Nota: ANOVA es robusta en estos supuestos cuando los tamaos

Ejemplo de Entrada de Datos

hay que probar los

Tamao de muestra usando Minitab

Tamao de muestra usando Minitab

Apilando los Datos

Summary for Response

Summary for Response

95% Confidence I nterval for Mean

95% Confidence I nterval for Median

95% Confidence I nterval for Median

95% Confidence Intervals

95% Confidence I nterval for StDev

95% Confidence I nterval for Mean

95% Confidence Interval s

p value > .05

95% Confidence I nterval for StDev

Summary for Response

p value > .05

95% Confidence I nterval for Median

95% Confidence Intervals

95% Confidence I nterval for StDev

95% Confidence I nterval for Mean

95% Confidence I nterval for Median

95% Confidence I nterval for Mean

95% Confidence Interval s

Anderson-Darling Normality Test

Anderson-Darling Normality Test

Summary for Response

p value > .05

95% Confidence I nterval for StDev

Test para homogeneidad de varianzas usando

Test de homogeneidad de varianzas

Lev ene's Test

test cuando los datos