Especificar los métodos de estimación de Análisis de capacidad Seis en uno no normal

Usted puede hacer que Minitab estime los parámetros de la distribución no normal utilizada para el análisis de capacidad o puede elegir ingresar algunos o todos los siguientes parámetros.

• Estimar parámetros de distribución: Seleccione esta opción para estimar los parámetros de distribución a partir de los datos de la muestra. Minitab estima los parámetros que no se hayan especificado abajo.

  Establecer forma

  Ingrese el parámetro de forma o escala, dependiendo del tipo de distribución que usted seleccionó. El parámetro de forma afecta la forma de la distribución, como por ejemplo su asimetría.

  Establecer valor umbral

  Si usted seleccionó una distribución de 3 parámetros, ingrese el parámetro de valor umbral. El parámetro de valor umbral establece la ubicación mínima de la distribución de los datos.

  Nota

  Para obtener más información sobre la forma, escala o valor umbral de una distribución, vaya a Estadísticos de capacidad para Análisis de capacidad Seis en uno no normal y haga clic en el parámetro sobre el cual desea saber más.

• Usar estimados históricos: Seleccione esta opción para especificar las estimaciones históricas de los parámetros. Ingrese constantes o una columna utilizando el orden de parámetros que se muestra. El número de constantes y filas en la columna debe ser igual al número de parámetros en la distribución.

1 < Tamaño del subgrupo ≤ 8

Seleccione un método para estimar la desviación estándar dentro de los subgrupos cuando el tamaño del subgrupo esté estre 1 y 8.

• Rbarra: Rbarra es el promedio de los rangos 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.

Tamaño del subgrupo > 8

Seleccione un método para estimar la desviación estándar dentro de los subgrupos cuando el tamaño del subgrupo sea mayor que 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.

Tamaño del 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 de rango móvil: El rango móvil promedio 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 de rango móvil: La mediana del 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.

Utilice constantes de eliminación de sesgo en la estimación de la desviación estándar dentro de los subgrupos. Esta opción se aplica a los métodos Sbarra, desviación estándar agrupada y raíz cuadrada de MSSD.

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. 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.

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.