Revisión general de Identificación de distribución individual

Utilice Identificación de distribución individual para identificar una distribución o transformación apropiada para los datos antes de realizar un análisis.

Muchos análisis estadísticos, como el análisis de capacidad, se basan en el supuesto de que los datos siguen una distribución particular. Identificación de distribución individual ofrece gráficas de probabilidad y pruebas de bondad de ajuste que permiten hacer lo siguiente:

• Determinar cuál de las 14 distribuciones proporciona el mejor ajuste para los datos.
• Determinar si una transformación es efectiva para ajustar los datos a una distribución normal.

Por ejemplo, un fabricante de losetas desea evaluar la capacidad de un proceso de manufactura para producir losetas que no estén deformadas. El analista de calidad mide la deformación en muestras aleatorias de losetas y registra los datos. Puesto que no se conoce la distribución de los datos sobre deformación, el analista utiliza la identificación de distribución individual y determina que la distribución de Weibull provee el mejor ajuste. Por lo tanto, el analista decide evaluar la capacidad del proceso utilizando un análisis de capacidad no normal con base en la distribución de Weibull.

También puede utilizar la identificación de distribución individual para transformar los datos usando una transformación de Box-Cox o de Johnson y para almacenar los valores de datos transformados en la hoja de trabajo para su posterior análisis. Por ejemplo, un analista de calidad necesita realizar varios análisis estadísticos que se basan en el supuesto de normalidad. Cuando una prueba de normalidad revela que los datos de proceso de la muestra no provienen de una distribución normal, el analista utiliza la identificación de distribución individual para transformar los datos usando una transformación de Box-Cox y una transformación de Johnson, para evaluar la efectividad de cada transformación y para almacenar los valores transformados para su posterior análisis.