Gráficas para Análisis de capacidad no normal para múltiples variables

Encuentre definiciones y ayuda para interpretar cada una de las gráficas que se proporcionan con el análisis de capacidad no normal para múltiples variables.

Gráficas de probabilidad

Una gráfica de probabilidad muestra cada punto de datos versus el porcentaje de valores en la muestra que son menores o iguales que ese punto de datos.
Una gráfica de probabilidad incluye los siguientes componentes:
Línea intermedia
El percentil esperado de la distribución con base en estimaciones del parámetro de probabilidad máxima.
Líneas de bordes de confianza
La línea izquierda curva indica los bordes inferiores de los intervalos de confianza para los percentiles. La línea derecha curva indica los bordes superiores de los intervalos de confianza para los percentiles.
Estadístico de la prueba de Anderson-Darling y valor p
Los resultados de una prueba para determinar si sus datos siguen la distribución.

Interpretación

Utilice las gráficas de probabilidad para evaluar el ajuste de la distribución no normal para cada variable.

Si la distribución provee un ajuste adecuado para los datos, los puntos deberían formar una línea aproximadamente recta. Alejamientos de esta línea recta indican que el ajuste es inaceptable. Si el valor p es mayor que 0.05, usted puede presuponer que los datos siguen la distribución no normal utilizada en el análisis.

Si el valor p es menor que 0.05, sus datos no siguen la distribución seleccionada y los resultados del análisis de capacidad podrían no ser exactos. Utilice Identificación de distribución individual para determinar cuál distribución no normal o transformación de datos es más efectiva para sus datos.
Nota

Si las distribuciones difieren para múltiples variables, usted debe realizar un análisis de capacidad por separado para cada variable.

Histograma de capacidad

El histograma de capacidad muestra la distribución de los datos de la muestra. Cada barra del histograma representa la frecuencia de los datos dentro de un intervalo.
La curva roja continua representa el modelo de distribución no normal que se seleccionó para el análisis.

Interpretación

Utilice el histograma de capacidad para ver los datos de su muestra en relación con el ajuste de distribución y los límites de especificación.

Buscar evidencia de falta de ajuste de la distribución de datos no normal que usted seleccionó

Para cada variable, compare la curva de distribución con las barras del histograma para evaluar si sus datos parecen seguir la distribución que usted eligió para el análisis. Si las barras varían considerablemente respecto de la curva, sus datos podrían no seguir la distribución que eligió y las estimaciones de la capacidad podrían no ser fiables para su proceso. Si no está seguro de cuál es la distribución que mejor se ajusta a sus datos, utilice Identificación de distribución individual para identificar una distribución o transformación apropiadas.

Ajuste adecuado
Ajuste deficiente
Important

Los histogramas solo proporcionan una indicación aproximada del ajuste de la distribución. Para evaluar de una manera más definitiva el ajuste de la distribución, utilice los resultados de las gráficas de probabilidad. Si las distribuciones difieren para múltiples variables, usted debe realizar un análisis de capacidad por separado para cada variable.

Examinar los datos de la muestra en relación con los límites de especificación
Para cada variable, examine visualmente los datos en el histograma en relación con los límites de especificación inferior y superior. Lo ideal es que la dispersión de los datos sea más estrecha que la dispersión de especificación y que todos los datos estén dentro de los límites de especificación. Los datos que están fuera de los límites de especificación representan elementos no conformes. Lo ideal es que pocas o ninguna de las partes estén fuera de los límites de especificación.

En estos resultados, la dispersión del proceso es mayor que la dispersión de especificación, lo que sugiere una capacidad deficiente. Aunque gran parte de los datos se encuentra dentro de los límites de especificación, hay muchos elementos no conformes por debajo del límite de especificación inferior (LEI) y por encima del límite de especificación superior (LES).

Nota

Para determinar el número real de elementos no conformes en el proceso, utilice los resultados de PPM < LEI, PPM > LES y PPM Total. Para obtener más información, vaya a Todos los estadísticos y gráficas.

Evaluar la ubicación del proceso

Para cada variable, evalúe si el proceso está centrado entre los límites de especificación o en el valor objetivo, si usted tiene uno. El pico de la curva de distribución muestra dónde se encuentra la mayoría de los datos.

En estos resultados, aunque las observaciones de la muestra se encuentran dentro de los límites de especificación, el pico de la curva de distribución no está en el objetivo. La mayoría de los datos excede el valor objetivo y se encuentra cerca del límite de especificación superior.

Para un análisis más completo de los supuestos para análisis de capacidad no normal, utilice Análisis Capability Sixpack no normal.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política