8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
1/64
Capacidad de Procesos I
Estadística Descriptiva
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
2/64
Slide 2
Objetivos de Aprendizaje
• Analizar las principales técnicas para realizar un análisis descriptivo de unconjunto de datos.
• Interpretar correctamente un histograma y un diagrama de cajas.
• Aplicar los conocimientos anteriores para realizar un estudio de capacidad deun proceso.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
3/64
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
4/64
Slide "
Capacidad de Procesos
*ara realizar un estudio de capacidad se deben tomar datos del proceso duranteun per&odo considerable para "ue se releje bien el desempe+o del proceso.
,n la medida en "ue el per&odo de recolecci%n de datos y los datos en s& seanmás amplios! mejor será el conocimiento "ue tengamos del estado real delproceso.
Estad#sticos
-ediciones o cálculos "ue se obtienen a partir de un conjunto de datos con elobjetivo de conocer sus caracter&sticas más relevantes.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
5/64
Slide $
%&u' es una Medida(
• ,s una evaluaci%n cuantiicada de una caracter&stica y/o nivel de desempe+obasado en datos.
• ,jemplos
• iempo. (velocidad! edad)• ama+o (largo! altura! peso)
• 0alores monetarios (costos! ventas! ingresos! ganancias)
• $onteo de caracter&sticas o atributos (tipos de cliente! género)
• $onteo de deectos (n1mero de errores! "uejas)
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
6/64
Slide )
Estad#stica
Estad#stica *escriptivaSe encarga de la descripci%n de los datos recopilados.
Se centra en tres aspectos
#bicaci%n (tendencia central)
2ispersi%n.
3orma.
*uede estudiar los datos de una poblaci+n o de una ,uestra-
Estad#stica In.erencialSe encarga de establecer conclusiones acerca de una poblaci%n basándose en laestad&stica descriptiva de una muestra.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
7/64
Slide /
Medidas *escriptivas
Media arit,'tica
Mediana
Moda
Medidas *escriptivas
0arianza
*esviaci+nEst1ndar
ano
ano Intercuartil
Seso
4endencia Central 0ariaci+n or,aCuartiles
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
8/64
Slide 5
Por 6u' Medir(
• Establecer el nivel actual de desempeño. (baseline).
• Determinar prioridades para tomar acciones o no tomar acciones.
• Comprender la magnitud de un problema.
• Tener un mejor panorama de las causas potenciales de un problema y cambios en los procesos.
• Para prevenir problemas y predecir el desempeño futuro.
• Mantener las mejoras y establecer los lineamientos para mejoras futuras.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
9/64
Slide 7
M'todos de Medici+n
Tendencia Central es la medida !ue describec"mo todos los valores de los datos se agrupan entorno a un valor central.
Variación es la cantidad de disgregaci"n odispersi"n de los valores con respecto a un valorcentral.
Forma es el patr"n de distribuci"n de los valores
desde el menor #asta el mayor.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
10/64
Slide 89
• ,s la propiedad de los datosde agruparse alrededor de unpunto central.
– ,ste centro puede ser el
promedio! el dato másrecuente o un datoubicado justo en el centrodel conjunto de datos.
– -edia! mediana y moda
son las medidas máscomunes de tendenciacentral.
4endenciaCentral
C o n t e
o
Medida
4endencia Central
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
11/64
Slide 88
-edia -uestral• ,s el promedio aritmético de un conjunto de datos.
– ,s una medida de tendencia central 45 de variaci%n.
– La media se re"uiere para calcular algunos estad&stico devariaci%n.
: ; Media :i ; *ato i'si,o- n ; ta,a
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
12/64
-edia
• Aectada por valores e6tremos (outliers)
9 8 2 3 " $ ) / 5 7 89
Media ; 3
9 8 2 3 " $ ) / 5 7 89
Media ; "
78
98
8
8:7;9==
++++:
8
;<
8
9
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
13/64
Slide 83
-ediana
-edida de tendencia central "ue es igual al valor "ue divide a la mitadde los datos cuando son ordenados de menor a mayor.
La mediana es el valor "ue divide a todos los datos en dos partesiguales.
,l 8
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
14/64
-ediana• #bicaci%n de la mediana
– Si el n1mero de datos es impar! la mediana es el valor central.
– Si el n1mero de datos es par! la mediana es el promedioaritmtmético de los dos valores centrales.
• !O es el valor de la mediana! es la POSICI?! de
la mediana en un arreglo ordenado de datos.
2
1+=
n Posición
;
9n +
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
15/64
-ediana• ,n un arreglo ordenado! la mediana es el valor
medio. (8
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
16/64
-oda• ,s una medida de tendencia central "ue
corresponde al valor "ue se repite más vecesen un conjunto de datos.
• 4o es aectado por valores e6tremos.
• *uede no haber moda.• *ueden haber varias modas.
< 9 ; 7 : 8 > ? @ 9< 99 9; 97 9:
-oda B
< 9 ; 7 : 8 >
4o hay -oda
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
17/64
Slide 8/
$uartilesLos cuartiles dividen a un conjunto de datos en cuatro partes
iguales &8 separa al ;8= "ue abarca los valores máspe"ue+os! del ?8= restante "ue son los mayores.
,l segundo cuartil &2 es la mediana 8
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
18/64
Slide 85
$uartilesLas ecuaciones "ue deinen a C9 y C7 son
411 +=nQ
4)1(33 += nQ
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
19/64
Slide 87
$uartiles*ara calcular los cuartiles se utilizan las siguientes reglas
ela 8 D si el resultado es un n1mero entero! entonces el
cuartil es igual al valor clasiicado.
ela 2 D si el resultado es una racci%n de mitad! entonces elcuartil es igual al promedio de los valores clasiicados
correspondientes.
ela 3 D si el resultado no es un n1mero entero ni unaracci%n de mitad! se redondea al entero más cercano y se
selecciona ese valor clasiicado.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
20/64
-edidas de endencia $entral
Las medidas de tendencia central no son suicientes comocriterio de calidad.
E*or "uéF
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
21/64
-edidas de endencia $entral
Las medidas de tendencia central no son suicientes como
criterio de calidad.
E*or "uéF
*or"ue no toman en cuenta "ué tandispersos están los datos! un hecho vital
para la calidad.
,jemplo abla ;.9 *g. 9@
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
22/64
Slide 22
0ariabilidad• La variabilidad reconoce
"ue los procecos noproducen resultadosidénticos siempre. – La variabilidad puede ser
causada por causas
identiicables "ue act1anen el proceso o porpe"ue+as causas "uepertenecen al proceso ens&.
– Gango! desviaci%nestándar y varianza sonlas más comunesmedidas de variaci%n.
0ariabilidad
C o n t e
o
Medida
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
23/64
-edidas de 0ariabilidad
Además de conocer la tendencia central de un conjunto de
datos es necesario saber "ué tan dierentes son entre s&! esdecir! es preciso determinar su variabilidad o dispersi%n.
4os indican "ué tan separados están los datos unos de otros.
0ariaci+n
0arianza *esviaci+nEst1ndar
Coe.icientede
0ariaci+n
ano anoIntercuartil
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
24/64
-edidas de 0ariabilidad
Mis,[email protected]+n-
Las medidas de variaci%n brindaninormaci%n sobre la dispersi+n or variabilidad de los valores de losdatos.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
25/64
Gango
• ,s la más simple medida de variaci%n.
• ,s la dierencia entre el valor mayor y elvalor menor de un conjunto de datos.
Gango B Hmayor D Hmenor
< 9 ; 7 : 8 > ? @ 9< 99 9; 97 9:
ano ; 8" 8 ; 83
Se ve a.ectado por valores e:tre,os-
Eje,ploB
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
26/64
Slide 2)
Gango,l rango mide la distribuci%n total del conjunto de datos.
Aun"ue el rango es una medida simple de la variaci%n total de los
datos! no toma en cuenta c%mo se distribuyen los datos entre los
valores menor y mayor.
,n otras palabras el rango no indica si los valores están distribuidos
de manera uniorme a lo largo del conjunto de datos! as& no resulta
prudente utilizar el rango como medida de variaci%n cuando al menos
uno de los valores es e6tremo.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
27/64
Slide 2/
2esventajas del Gango• Ignora la orma en "ue están distribuidos los datos.
• Sensible a valores e6tremos
/ 5 7 89 88 82
ano ; 82 / ; $
/ 5 7 89 88 82
ano ; 82 / ; $
9!9!9!9!9!9!9!9!9!9!9!;!;!;!;!;!;!;!;!7!7!7!7!:!8
9!9!9!9!9!9!9!9!9!9!9!;!;!;!;!;!;!;!;!7!7!7!7!:!9;<
ano ; $ 8 ; "
ano ; 829 8 ; 887
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
28/64
Slide 25
Gango Intercuartil
,s la dierencia entre el tercer y el primer cuartil de un conjunto dedatos! se le llama también dispersi+n ,edia-
&3 &8 ; ano Intercuartil
-ide la dispersi%n en la mitad (parte central) de los datos! no se ve
inluido por valores e6tremos. (Lo "ue permite la conveniencia de su
uso en ocasiones)
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
29/64
Slide 27
Gango Intercuartil
-ediana(C;)
Hmá6imo
Hm&nimo
C9 C7
,jemplo
;8= ;8= ;8= ;8=
82 39 "$ $/ /9
Gango IntercuartilB 8? D 7< B ;?
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
30/64
0arianza y 2esviaci%n ,stándar
La varianza y la desviaci%n estándar son dosmedidas de variaci%n muy utilizadas para tomar en
cuenta c%mo se distribuyen los datos.
-iden las dispersi%n promedioJ alrededor de lamedia! es decir "ué tanto var&an los valores más
grandes "ue están por encima de ella y c%mo se
distribuyen los valores menores "ue están pordebajo de ella.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
31/64
Slide 38
2esviaci%n ,stándar,s la medida más usual de variabilidad e indica "ué tan esparcidos
están los datos respecto a la media.
*esviaci+n est1ndar ,uestralB medida de variabilidad "ue indica
"ué tan esparcidos están los datos respecto a la media.
*esviaci+n est1ndar del procesoB releja la variabilidad de un
proceso. *ara su cálculo se debe utilizar un n1mero grande de datos
"ue hayan sido obtenidos en el transcurso de un lapso de tiempo
amplio.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
32/64
Slide 32
2icho de manera intuitiva la desviaci%n estándar es la Ddistancia
pro,edio de cada dato con respecto a la media.
iene las mismas unidades "ue los datos originales.
Se utilizan todos los datos.
Desviación estándarpoblacional
Desviación estándarde la muestra.
2esviaci%n ,stándar
%
$
)(∑=
µ−=σ
N
i
i
N
X
%
$ $
)(
∑= −−
=
n
i
i
n
x x s
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
33/64
2esviaci%n ,stándar
2esviaci%n estándar pe"ue+a
2esviaci%n estándar grande
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
34/64
2esviaci%n ,stándar
-edia B 98.8 S B 7.77@
88 82 83 8" 8$ 8) 8/ 85 87 29 28
88 82 83 8" 8$ 8) 8/ 85 87 29 28
2ata K
2ata A
-edia B 98.8
S B
88 82 83 8" 8$ 8) 8/ 85 87 29 28
-edia B 98.8
S B :.8>?
2ata $
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
35/64
Slide 3$
0arianza,s otra medida de variabilidad.
4ote "ue la varianza es el cuadrado de la desviaci%n
estándar.
Su desventaja es "ue sus unidades al cuadrado en
ocasiones no tienen interpretaci%n l%gica.
VarianzaPoblacional
VarianzaMuestral
2
1
2 )(∑=
−=
N
i
i
N
X µ σ
%
$
%
$
)(∑= −
−=
n
i
i
n
x x s
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
36/64
Caracter#sticas de las Medidas de 0ariaci+n
9. $uanto más esparcidos o dispersos están los datos!mayor es el rango! rango intercuartil! varianza ydesviaci%n estándar.
;. $uánto más concentrados u homogéneos están losdatos! menor es el rango! rango intercuartil! varianza ydesviaci%n estándar.
7. Si todos los valores son los mismos! el rango! el rangointercuartil! la varianza y la desviaci%n estándar soniguales a cero.
:. 4inguna de las medidas de variaci%n puede sernegativa.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
37/64
Coe.iciente de 0ariaci+n
,s una medida relativa de la variaci%n "ue siempre see6presa como porcentaje! más "ue en términos de lasunidades de los datos en particular! mide la dispersi%n de losdatos con respecto a la media.
,l coeiciente de variaci%n (C0) es igual a la desviaci%nestándar dividida entre la media.
%100
= X S
CV
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
38/64
Coe.iciente de 0ariaci+n
,s 1til para comparar la variaci%n de dos o más variables"ue están medidas en dierentes escalas o unidades demedici%n. *or ejemplo metro rente a cent&metro o metrorente a ilogramo.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
39/64
Coe.iciente de 0ariaci+n• Stoc A
– *recio promedio a+o anterior B M8< – 2esviaci%n estándar B M8
• Stoc K
– *recio promedio a+o anterior B M9
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
40/64
elaci+n entre F G S
#n orma de apreciar claramente el signiicado de ladesviaci%n estándar como medida de dispersi%n en torno a lamedia! es a través de la relaci%n entre la media y ladesviaci%n estándar! la cual está dada por la rela deChebGshev y la rela e,p#rica.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
41/64
elaci+n entre F G S
-isma media! dierente desviaci%n.
-isma desviaci%n! dierente media.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
42/64
La ela E,p#rica,n la mayor&a de los conjuntos de datos! una gran parte de los valores
tienden a agruparse en alg1n valor cercano a la mediana.
,n los conjuntos de datos asimétricos a la derecha! el agrupamiento sepresenta a la iz"uierda de la media! es decir en un valor menor "ue lamedia.
,n los conjuntos de datos asimétricos a la iz"uierda! el agrupamientose presenta a la derecha de la media! es decir en un valor mayor "uela media.
,n los datos simétricos! los valores tienden a agruparse alrededor de
lamedia y la mediana! generalmente una distribuci%n en orma decampana! en estas distribuciones! la rela e,p#rica permite e6aminarla variabilidad de la siguiente manera
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
43/64
La ela E,p#rica
ƒ(x)
68.26%
95.46%
99.73%
σ µ 1− µ
σ µ 2+σ µ 1+σ µ 2−σ µ 3− σ µ 3+
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
44/64
La ela E,p#rica
La rela e,p#rica ayuda a medir c%mo se distribuyen losvalores por encima y debajo de la media.
,n los datos con mucha asimetr&a o en los "ue por alguna
raz%n no tienen orma de campana! se debe utilizar larela de ChebGshev.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
45/64
ela de ChebGshev,sta regla establece "ue para todo conjunto de datos! independientemente
de su orma! el porcentaje de valores "ue se encuentran a una distancia dek ! desviaciones estándar o menos de la media! debe ser igual a
*uede usar esta regla para todo valor de k mayor "ue 9.
dentro Al menos
(9 N 9/9;) 6 9
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
46/64
ela de ChebGshevSi el conjunto de datos tiene una orma "ue se apro6ima a
la de una campana! la rela e,p#rica relejará con mayorprecisi%n la mayor concentraci%n de datos cerca de lamedia.
Porcentaje de valores encontrados en
intervalos alrededor de la ,ediaIntervalo ChebGshev ela E,p#rica
(R N Q! R Q) Al menos @=
(R N ;Q! R ;Q) Al menos ?8= Apro6imadamente 8=
(R N 7Q! R 7Q) Al menos @@.@= Apro6imadamente .?=
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
47/64
L#,ites eales o !aturales
Indican los puntos entre los cuales var&a la salida de unproceso y! por lo general se obtienen de la siguiente manera
L#,ite real in.erior =LI> ; H 3
L#,ite real superior =LS> ; H J 3
,l cálculo de estos l&mites está basado en la regla emp&rica!los datos deben pertenecer a una distribuci+n nor,al.
,n un estudio de capacidad! estos l&mites reales se comparancon las especiicaciones para la caracter&stica de calidad.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
48/64
or,a
#na tercera propiedad "ue describe a un conjunto de datosnuméricos es la orma.
or,a se reiere al patr%n de distribuci%n de los valores delos datos a través del rango de todos los valores. La
distribuci%n puede ser si,'trica cuando los valorespe"ue+os y grandes se e"uilibran entre s& o asi,'tricacuando muestra dese"uilibrio de los valores pe"ue+os ograndes.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
49/64
or,a
La orma inluye en la relaci%n de la media con la mediana dela siguiente manera
-edia T -ediana' asimétrica negativa o sesgo iz"uierdo.
-edia B -ediana' simétrica o asimetr&a cero.
-edia U -ediana' asimétrica positiva o sesgo derecho.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
50/64
or,a
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
51/64
Kistora,a
,s la representaci%n gráica de la distribuci%n de un conjuntode datos o de una variable! donde los datos se clasiican porsu magnitud en un cierto n1mero de clases. *ermitevisualizar
• endencia $entral.• 2ispersi%n.• 3orma de la distribuci%n.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
52/64
Kistora,a
#nimodal D un proceso Kimodal D dos procesos
Inclinaci%n *ositiva Inclinaci%n 4egativa
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
53/64
Kistora,a
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
54/64
Interpretaci+n del Kistora,a
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
55/64
Interpretaci+n del Kistora,a
Se recomienda considerar los siguientes puntos en la
interpretaci%n del histograma
9. ,studiar el centrado del proceso.
;. ,6aminar la variabilidad del proceso.
7. Analizar la orma del histograma – Sesgada orma asimétrica de la distribuci%n. #n sesgo releja el
desplazamiento paulatino de un proceso debido a desgastes odesajustes' puede indicar también procedimientos viciados en la
orma de obtener mediciones o un desempe+o especial delproceso.
– -ultimodal se aprecian claramente dos o más modas (picos). Algunas situaciones "ue originan esto son
I i+ d l Ki
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
56/64
Interpretaci+n del Kistora,a
– -ultimodal se aprecian claramente dos o más modas (picos).
Algunas situaciones "ue originan esto son
• 2ierencias importantes de lote a lote en materia prima debido a dierentescausas distintos proveedores por ejemplo.
• 0arios operadores o métodos de trabajo dierentes.• -edici%n realizada con instrumentos dierentes.
• $ondiciones dierentes del proceso.• 3uentes de variaci%n bien deinidas (pueden ser identiicadas y corregidas)
– 2istribuci%n muy plana las causas de esto son similares a lasanteriores pero menos uertes.
– 2istribuci%n con acantilados suspensi%n o corte brusco en la ca&dade la distribuci%n. ,sto se puede deber a e6clusi%n de lotes!problemas de medici%n (e"uipo o método).
I t t i+ d l Ki t
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
57/64
Interpretaci+n del Kistora,a
8. 2atos raros o at&picos aparecen barras pe"ue+as separadas o
aisladas del resto. Las causas pueden ser dato incorrecto! eventos raroso especiales.
>. ,stratiicar.
Li,itaciones del Kistora,a
9. 4o considera el tiempo en "ue se obtuvieron los datos por lo "ue escomplicado detectar tendencias o estabilidad.
;. 4o es apropiado para comparar varios procesos! para esto es mejor
el diagrama de cajas.
7. La cantidad de clases inluye en la orma del histograma! por lo "ue sesugiere analizar los datos utilizando dierentes n1meros de clases.
M did d
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
58/64
Medidas de or,a
9. Sesgo D es una medida numérica de la asimetr&a en ladistribuci%n de un conjunto de datos. Si es positivo! ladistribuci%n está cargada hacia la derecha.
;. $urtosis D estad&stico "ue mide "ue tan elevada o planaes la curva de distribuci%n de unos datos respecto a ladistribuci%n normal. – Si la $urtosis es mayor "ue cero casi no hay datos en los e6tremos.
– La $urtosis es cero para la 2istribuci%n 4ormal! "ue es la
reerencia.
– Si la $urtosis es menor "ue cero hay una cantidad mayor de datosen los e6tremos.
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
59/64
esu,en de Cinco !,eros
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
60/64
esu,en de Cinco !,eros
4ipo de *istribuci+n
Co,paraci+n Asi,'trico a laIz6uierda
Si,'trico Asi,'trico a la*erecha
La distancia de Hmenora la mediana contra ladistancia de la medianaa Hmayor.
La distancia de Hmenora la mediana es mayor"ue la distancia de lamediana a Hmayor.
Ambas distancias soniguales.
La distancia de Hmenora la mediana es menor"ue la distancia de lamediana a Hmayor.
La distancia de Hmenora C9 contra la distanciade C7 a Hmayor.
La distancia de Hmenora C9 es mayor "ue ladistancia de C7 a
Hmayor.
Ambas distancias soniguales.
La distancia de Hmenora C9 es menor "ue ladistancia de C7 a
Hmayor.
La distancia de C9 a lamediana contra ladistancia de la medianaa C7.
La distancia de C9 a lamediana es mayor "uela distancia de lamediana a C7.
Ambas distancias soniguales.
La distancia de C9 a lamediana es menor "uela distancia de lamediana a C7.
#n resumen de cinco n1meros compuesto por
F,enor &8 Mediana &3 F,aGor
*ermite determinar la orma de la distribuci%n.
1.i d C j Ni t
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
61/64
r1.ico de Caja G Niotes
1.i d C j Ni t
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
62/64
r1.ico de Caja G Niotes
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
63/64
,jemplo ,studio Integral de$apacidad
8/17/2019 Cap. 2 - Capacidad de Procesos I - Estadística Descriptiva
64/64
3in de *resentaci%n
Top Related