Especificar los métodos de estimación de la desviación estándar para Análisis de capacidad normal para múltiples variables (análisis de capacidad de corto plazo)

Estadísticas > Herramientas de calidad > Análisis de capacidad > Variables múltiples (Normal) > Estimar
Nota

Cuando usted realiza el análisis predeterminado (dentro de los subgrupos) para múltiples variables, puede escoger entre los siguientes métodos para estimar la desviación estándar. Si seleccionó la opción para realizar un análisis de subgrupos/corto plazo en el cuadro de diálogo principal, vaya a Especificar los métodos de estimación de la desviación estándar para Análisis de capacidad normal para múltiples variables (análisis de capacidad subgrupos/corto plazo).

Métodos de estimación para tamaño de subgrupo > 1
Seleccione un método para estimar la desviación estándar dentro de los subgrupos cuando tenga múltiples observaciones en cada subgrupo.
  • Rbarra: Rbarra es el promedio de los rangos de los subgrupos. Este método es una estimación común de la desviación estándar y funciona mejor con tamaños de subgrupo de 2 a 8.
  • Sbarra: Sbarra es el promedio de las desviaciones estándar de los subgrupos. Este método proporciona una estimación más precisa de la desviación estándar que Rbarra, especialmente con tamaños de subgrupo > 8.
  • Desviación estándar agrupada: La desviación estándar agrupada es el promedio ponderado de las varianzas de los subgrupos, que otorga a los subgrupos más grandes más influencia en la estimación general. Este método proporciona la estimación más precisa de la desviación estándar cuando el proceso está bajo control.
Métodos de estimación para tamaño de subgrupo = 1
Seleccione un método para estimar la desviación estándar dentro de los subgrupos cuando tenga observaciones individuales. Cuando el tamaño del subgrupo es 1, no se pueden calcular las desviaciones estándar de la muestra o los rangos dentro de los subgrupos. En lugar de ello, Minitab estima la desviación estándar utilizando rangos móviles.
  • Promedio del rango móvil: El promedio de rango móvil es el valor promedio del rango móvil de dos o más puntos consecutivos. Este método se usa generalmente cuando el tamaño del subgrupo es 1.
  • Mediana del rango móvil: La mediana de rango móvil es el valor de la mediana del rango móvil de dos o más puntos consecutivos. Es el mejor método cuando los datos tienen rangos extremos que podrían influir en el rango móvil.
  • Raíz cuadrada de MSSD: La raíz cuadrada de MSSD es la raíz cuadrada de la media de las diferencias cuadráticas entre puntos consecutivos. Utilice este método cuando no pueda presuponer razonablemente que por lo menos 2 puntos consecutivos se recopilaron en condiciones similares.
Usar rango móvil de longitud
Ingrese el número de observaciones utilizadas para calcular el rango móvil. La longitud debe ser ≤ 100. La longitud predeterminada es 2, porque los valores consecutivos tienen la mayor probabilidad de ser similares.
Constantes de eliminación de sesgo
Usted puede elegir utilizar constantes de eliminación de sesgo en los cálculos de la desviación estándar de corto plazo y general. Las constantes de eliminación de sesgo reducen el sesgo que puede ocurrir cuando un parámetro se estima a partir de un pequeño número de observaciones. A medida que aumenta el número de observaciones, las constantes de eliminación de sesgo tienen menos efecto en los resultados calculados.
  • Utilizar constantes de eliminación de sesgo: Utilice constantes de eliminación de sesgo en la estimación de la desviación estándar dentro de los subgrupos. Esta opción se aplica a los métodos de Sbarra, desviación estándar agrupada y raíz cuadrada de MSSD.
  • Utilice constantes de eliminación de sesgo para calcular desviación estándar (largo plazo): Utilice constantes de eliminación de sesgo en la estimación de la desviación estándar general.
Nota

Con frecuencia, la decisión de utilizar constantes de eliminación de sesgo depende de la política de la empresa o de las normas de la industria.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política