Métodos y fórmulas para Gráfica T

Seleccione el método o la fórmula de su preferencia.

Puntos graficados

Cada punto graficado, xi, representa la cantidad de tiempo entre eventos sucesivos.

Línea central y límites de control

Línea central (LC)

La línea central es el percentil 50 de la distribución.

Límite de control inferior (LCI)

Límite de control superior (LCS)

Notación

TérminoDescription
Φfunción de distribución acumulada de la distribución normal estándar
INVfunción de distribución acumulada inversa
Kzdistancia desde la línea central expresada en unidades de la desviación estándar de una distribución normal; el valor utilizado para la Prueba 1

Estimación de los parámetros de distribución

La gráfica T analiza las duraciones entre eventos subsecuentes. Si los datos se ingresan como fechas u horas de eventos, entonces Minitab primero convierte los datos a números de días entre eventos subsecuentes. Si todas las duraciones son mayores que cero, entonces Minitab estima los parámetros de distribución utilizando el método de máxima verosimilitud descrito en Análisis de distribución paramétrico.

Si una o más duraciones = 0

Una duración de cero indica que ocurrieron dos eventos simultáneamente. Si una o más duraciones son iguales a cero, entonces Minitab utiliza un método alternativo para estimar los parámetros.

Sea yi = la duración (en días) entre el evento i y el evento i – 1. Supongamos que xi se define de la siguiente manera:

donde Rango(xi) es el rango, de menor a mayor, de xi en x.

Para cada yi = 0, excluya yi y xi de los cálculos restantes.

Weibull

Para estimar los parámetros de la distribución de Weibull, primero transforme tanto y como x tomando el logaritmo natural de cada uno. Luego utilice una regresión lineal simple para ajustar el modelo y = β0 + β1x. La escala para la distribución de Weibull se estima como exp(β0) y la forma como 1 / β1.

Exponencial

La escala de la distribución exponencial se estima como el coeficiente de regresión, β1, en la ecuación de regresión lineal simple, y = β1x. Observe que la intersección (β0) no está ajustada en este modelo.

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