09 DMAIC Estadistica Basica

Estadstica Bsica
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
-1
Objetivos
A la conclusin de este mdulo usted ser capaz de:
Describir los conceptos de forma, centro y dispersin de las distribuciones

Describir el concepto de la Distribucin Normal
-2
Medir
Pasos Herramientas
SIPOC / VSM Anlisis Entrada/Salida Matriz C&E Mapa proceso detallado FMEA
Resultados
Mapa de proceso actual Identificacin y medicin de Xs (KPIVs) Sistema de Medicin verificado(s) Capacidad actual de las Ys (KPOVs)
Entender el proceso
Medir
Entender el proceso Evaluar el riesgo de las entradas del proceso Desarrollar y evaluar sistemas de medicin Medir el desempeo actual del proceso Desarrollar y evaluar sistemas de medicin Evaluar el riesgo de las entradas del proceso
Planes recopilacin datos Auditora integridad datos MSA Contnuo (GR&R) MSA atributo MSA (Estudio Kappa)
Medir el desempeo actual del proceso

Capacidad proceso
-3
En el Principio.
La mejora de proceso puede progresar solamente por la comprensin y respecto a el concepto de la variacin Variacin esta compuesta de tres elementos:
1.
2. 3.
Tendencia central: Est elproceso en el nominal?

Forma: Cul es la forma de la distribucin? Dispersin: Cunto variacin hay alrededor de la tendencia central?
Acompaado a menudo por.......
Elemento Temporal: Cmo el proceso cambia en un cierto plazo?
-4
Estadsticos Bsicos:
Fundamentos de Mejora
Estabilidad

Vea como se comporta el proceso a travs del tiempo. Representado por una media y variabilidad predecibles a travs del tiempo.
Variabilidad
Est el proceso en el objetivo con mnima variabilidad?

Utilice la media para determinar si el proceso est en el objetivo. Utilice la desviacin estndar para estimar la variabilidad
200
200
UCL=187.5
150
150
Individual Value
100
UCL=114.0 _ X=100.4 LCL=86.8
Individual Value
100
_ X=98.7
50
50
0 1 6 11 16 21 26 31 Observation 36 41 46
0 1 6 11 16 21 26 31 Observation 36 41 46
LCL=9.8
Cul es el mejor proceso?

-5
Variacin
An y cuando cada proceso muestra variacion, algunos de ellos muestran variacin controlada, mientras que otros muestran variacin no-controlada(Walter Shewhart)
La variacin controlada se caracteriza por un patrn consistente y estable de variacin en el tiempo La variacin no-controlada se caracteriza por variacin que cambia a travs del tiempo
Asociada por causas especiales
-6
Variabilidad de procesos
Separe la variacin de procesos en:

Causas comunes Causas especiales
La mayora de las procesos tienen ambas, pero usualmente existe una dominante Al cliente no le interesa si la variacin es por una causa comn o una especial
La diferencia es importante ya que las estrategias de mejora son diferentes
Entender las causas comunes y especiales permite la determinacin de la capacidad del proceso
-7
Causas Comunes
Son numerosas
Son repetitivas
Se originan por muchas fuentes Son comunes a todos los datos
Son predecibles en trminos de una banda de variacin
-8
Causas Especiales
Son espordicas en ocurrencia El inicio no es predecible
Se originan por pocas fuentes

Incrementan la variacin total sobre las causas comunes existentes Pueden trastornar una sola vez o ser cambios permanentes en el proceso Pueden ingresar salir del proceso va las entradas del proceso (causas externas) o mediante la conversin de actividades
-9
Ejemplos de Variacin
El proceso A muestra Variacin Controlada El proceso B muestra Variacin No Controlada
200 200
UCL=187.5
150
150
Individual Value
100
UCL=114.0 _ X=100.4 LCL=86.8
Individual Value
100
_ X=98.7
50
50
0 1 6 11 16 21 26 31 Observation 36 41 46
0 1 6 11 16 21 26 31 Observation 36 41 46
LCL=9.8
Causa Especial
-10
Cunta variacin es mala?
Podemos aceptar variabilidad de proceso actual si:

El medio de proceso est en nominal target.
La variabilidad total es relativamente pequea comparada a la tolerancia de proceso.

La variacin es estable en el tiempo .
-11
Cunto variacin es mala?

Perspectiva tpica con respecto a la variacin:
Malo
Malo
Bueno
LEI
LES
-12
Nueva visin: hay costos asociados a estar fuera del nominal target - incluso cuando cumplimos con las espec. del cliente!
Proceso de Mazda Manufactura de transmisiones para automobiles Proceso de Ford
LEI
LES
-13
Tareas del Anlisis de Datos

Determine si el proceso es estable
Si el proceso no es estable, identifique y elimine las causas de la inestabilidad Si no est en el objetivo, identifique las variables que afectan la media y determine los ajustes necesarios para lograr el valor objetivo.
Determine la ubicacin de la media del proceso - est en el objetivo?
Estime la magnitud de la variabilidad total - es aceptable en relacin a los requerimientos del cliente (lmites especificados)?
Si no lo es, identifique las fuentes de variabilidad y elimine o reduzca su influencia en el proceso.
Ahora revisaremos algunos estadsticos que nos ayudarn con estos pasos
-14
Estadsticos Bsicos
Tipos de Datos Mida el centro de los datos

Media Mediana Rango
Mida la dispersin de los datos
Varianza
Desviacin Estndar
Propiedades de la Distribucin Normal
-15
Tipos de Datos
Atributo (Discreto)

Categoras Bueno / Malo Regin Este, Regin Central, Regin Oeste Nmero de turno
Continuo ( variable)

Tiempo (segundos) Ventas ($) Tasa (pulgadas) Temperatura Cuarto (grados) Velocidad (millas/hr)
Se acuerda de est?
-16
Parmetros Poblacin vs. Estadsticos de Muestra
= Media Muestra
= Media de Poblacin
= Desviacin Estndar de la Muestra
= Desviacin Estndar de la Poblacin
Estadsticos
estimado
Parmetros
-17
Medida de la Tendencia Central

Media: Promedio aritmtico del conjunto de valores

Reflejan la influencia de todos los valores Influenciada por valores extremos

n
n 1
xn
Mediana: Refleja el 50% del rank El nmero central de un conjunto de nmeros ha sido ordenado
No necesariamente incluye todos los valores en el clculo.

Es robusta para calificaciones extremas Porqu utilizamos principalmente la Media en lugar de la Mediana en el esfuerzo de mejora de un proceso?
-18
Como la cabeza del Depto. De Comunicacin de la Universidad, se le ha encargado la tarea de resumir el salario inicial promedio de los graduados de Comunicacin
$10, 20, 30, 40, 50 ($ en miles)
Cul es el ingreso promedio (o centro de gravedad)?
Cul es el el ingreso mediano?
Sin embargo, el Depto. De Relaciones Pblicas le sugiere que considere la opcin de incluir el salario inicial de uno de los alumnos de comunicacin: Shaquille ONeal .
$10, 20, 30, 40, 5000 ($ en miles)
Cul es el ingreso promedio (o centro de gravedad)?
Cul es el el ingreso mediano?
-19
Medidas de Variabilidad
Rango (R): La distancia entre los valores extremos del conjunto de datos (Mayor - Menor) Varianza (2, s2): La desviacin cuadrada promedio de cada punto respecto la media. Desviacin Estndar (, s): La raz cuadrada de la varianza
El rango es ms sensible a los puntos extremos que la varianza
La medicin ms comn y til de variacin es la desviacin estndar - porqu?

-20
Clculo de la Desviacin Estndar

5 4
X- X 0
3
X 3
X - X -1
2 1 0
X - X -2
Datos: 2, 1, 3, 5, 4
-21
Ejemplo
X
1 2 3 4 5 6 7 8 9 10 Mean Variance 2 1 3 5 4
X - X (X - X)
-1 -2 0 2 1 1 4 0 4 1
(X X )
i i =1
n -1
n
15 3
10 2.5 1.581139
-22
2 (X X ) i i =1
n -1
Principio de Seis Sigma

La Variacin Total (Varianza) de una salida de un proceso puede ser seccionada o particionada en la variacin debido a las entradas del proceso.
2 Varianza De la salida del proceso Si total 2 Varianza Debida a la variable X 1; X

1
2 Varianza Debida a la variableX2 ; X

2
2 2 2 + entonces, Total X X
1
2 2 + As que Total X X
1
-23
The Normal Distribution

La Distribucin Normal es una distribucin de datos los cuales tienen con seguridad propiedades consistentes. Estas propiedades son tiles para entender las caractersticas del proceso en cuestin de donde provienen.
La mayor parte de los fenmenos naturales y los procesos hechos por la mano del hombre tienen una distribucin normal, o pueden ser representados como distribuidos normalmente
Mean, Median & Mode

Both tails extend indefinitely Symmetrical around Mean
-24
La Distribucin Normal
Propiedad 1: Una distribucin normal puede ser descrita completamente si nicamente conocemos:

La media, y La desviacin estndar

Distribucin Uno
Distribucin Dos Distribucin Tres
Qu es diferente en estas tres Distribuciones normales?

-25
Propiedad 2: El rea abajo de las secciones de la curva pueden ser utilizadas para estimar la probabilidad acumulada para que cierto evento ocurra
Probability of sample value
68%
40% 30% 20%
95%
Probabilidad Acumulada de obtener un valor entre dos valores
10%
0% -4 -3 -2 -1
99.73%
Number of standard deviations from the mean

-26
Reglas Empricas para la Desviacin Estndar

Las reglas previas de la probabilidad acumulada aplican an y cuando el conjunto de datos no est perfectamente distribuido normalmente Compare los valores para una distribucin tericamente (perfecta) a una distribucin emprica (mundo-real)
Nmero de Desv. Est. +/- 1 +/- 2 +/- 3
Normal Terica Normal Emprica
68% 95% 99.7%

-27
60-75% 90-98% 99-100%
Distribucin(Normal) Suavizada
4 8 .0
4 8 .5
4 9 .0
4 9 .5
5 0 .0
5 0 .5
5 1 .0
5 1 .5
5 2 .0
G PM
Finalmente, podemos ver los datos como una distribucin suavizada (lnea roja), en este ejemplo usamos la suposicin de una distribucin normal (discutiremos esto mas adelante). Esta provee una aproximacin de como podran verse los datos si fuesen recolectados un numero infinitos de puntos.
-28
WORKSHEET: PAINTING.MTW
Creating a Histogram with a Normal Curve
-29
Podemos probar si un conjunto dado de datos puede ser descrito como normal con una prueba llamada Grfica de Probabilidad Normal.
Si la Distribucin esta cerca de ser normal, la grfica de probabilidad normal ser una lnea recta.
Minitab genera la grafica de probabilidad normal fcilmente.
-30
Normal Probability Plots
-31
Example Probability Plot
-32
Are You Normal?

MiniTab puede hacer pruebas de normalidad normality usando Normal Probability Plot Si los datos se ajustan a la linea recta, los datos son normales MiniTab puede hacr una prueba de hipotesis para ajuste significativo Abra el archivo BasicStats_12_06_00.MPJ Seleccione: Stat > Basic Statistics > Normality Test > Dist1, Dist2, Dist3
Despus de interpretar el diagrama Normal, construya un histograma para cada distribucin
-33
Normal Probability Plots

Dist 1
Normal
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean StDev N AD P-Value 100.5 9.729 450 0.299 0.583
Histogram of Dist1
Normal 40
Mean StDev N 100.5 9.729 450
30
Percent
Frequency
20
10
70
80
90
100 Dist1
110
120
130
80
88
96
104 Dist1
112
120
128
Dist 1
Normal
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean StDev N AD P-Value 79.50 19.71 450 14.049 <0.005
Histogram of Dist2
Normal 80 70 60
Mean StDev N 79.50 19.71 450
Frequency
Percent
50 40 30 20 10 0 40 60 80 100 Dist2 120 140 160
20
40
60
80 Dist2
100
120
140
160
Dist 1
Normal
Histogram of Dist3
Normal 70 60 50
Mean StDev N 121.8 20.85 450
Frequency
Percent
40 30 20 10 0
50
125 150 175 Dist3 Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
75
100
200
60
80
100 Dist3
120
140
160
-34
Distribuciones
Construya un diagrama Normal de la probabilidad para "?" y?? Columnas de los datos. Cul es su opinin? Son estos datos normales?
Probability Plot of ?
Normal - 95% CI
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1
Probability Plot of ??
Normal - 95% CI
Mean StDev N AD P-Value 50.22 29.33 450 6.277 <0.005
Percent
Percent
50
75
100 ?
125
150
175
-50
50 ??
100
150
-35
Estadstica Descriptiva
Veamos diferentes conjuntos de datos usando
algunas otras tcnicas.

Empezaremos con algo de Estadstica
Descriptiva
Esto nos dar una idea de el Centro, dispersin y
forma de los datos.
-36
Estadstica Descriptiva Grfica

Observar a los nmeros aisladamente puede causar confusin.
Echemos un vistazo a los datos grficos y a los nmeros a la salida.
-37
Descriptive Statistics
Variable: Mystery
Anderson-Darling Normality Test A-Squared: p-value: Mean Std Dev Variance Skewness Kurtosis n of data Minimum 1st Quartile Median 3rd Quartile Maximum 27.11 0.00 100.00 32.38 1048.78 0.01 -1.63 500.00 41.77 68.69 104.20 130.81 162.82
30
80
130
180
95% Confidence Interval for Mu
95% Confidence Interval for Mu 97.15

80 90 100 110 120
102.85
95% Confidence Interval for Sigma 30.49 34.53
95% Confidence Interval for Median
95% Confidence Interval for Median 82.78 117.66
Stat > Basic Statistics > Descriptive Statistics (graphical)

-38
Permitiendo que Minitab haga el trabajo

Estadsticos Descriptivos
Summary for Output
A nderson-D arling N ormality Test A -S quared P -V alue M ean S tDev V ariance S kew ness Kurtosis N M inimum 1st Q uartile M edian 3rd Q uartile M aximum 66.748 66.000 0.56 0.142 68.280 9.498 90.216 0.156009 -0.127791 150 43.000 63.000 68.000 75.000 92.000 69.812 69.000 10.714
48
56
64
72
80
88
95% C onfidence Interv al for M ean 95% C onfidence Interv al for M edian 95% C onfidence Interv al for S tDev 8.531
95% Confidence Intervals

Mean Median 66 67 68 69 70
-39
Ejercicio:
Minitab Estadsticos Descriptivos
Propsito: Obtener prctica en generar estadsticos bsicos utilizando el Minitab
Grupo: Individual
Ejercicio:
Genere un resumen estadstico grfico para la variable Costo de Carga (Freight Cost) en la hja Freight Cost.MTW del proyecto Minitab TR 113 Numerical Data.MPJ . Evale los siguientes estadsticos: Media, Mediana, Rango, Desviacin Estndar y Varianza. Estn los datos distribuidos Normalmente?
Preprese: Situaciones encontradas Tiempo: 15 min
-40
Ejercicio en Clase
El objetivo de Seis Sigma es:

Identificar
Quantificar Reducir o Controlar la variacion
Este ejercicio utiliza datos reales de las propiedades inmobiliarias de los suburbios de Boston que miden la variacin en precio de listado de una caracterstica residencial (KPOV)
Variables observadas KPIVs: Terreno force fit (area en intervalos de 250 ft2), Estilo de casa, Ciudad, # cuartos, # banos, Color
Objetivo: Qu fuentes de la variacin (entradas) afectan la variacin en la salida?
-41
Variacion Total de Lista de Precios

Using the Graph > Histogram > Listing Price function we see the distribution of home prices. Values range from about $125K-$750K. Check for Normality and Descriptive Stats
Histogram of Listing Price
Normal 12 10 8 6 4 2 0
Percent
Mean StDev N 284157 134646 30 99
Probability Plot of Listing Price

Normal
Mean StDev N AD P-Value 284157 134646 30 1.423 <0.005
95 90 80 70 60 50 40 30 20 10 5
Frequency
200000
400000 Listing Price
600000
800000
100000 200000 300000 400000 500000 600000 700000 800000
Listing Price
Descriptive Statistics: Listing Price Variable N N* Mean SE Mean StDev Minimum Q1 Listing Price 30 0 284157 24583 134646 124900 194900 Variable Maximum Listing Price 750000
Median Q3 256200 326150
-42
Busquemos el significado de los datos Veamos el color de la casa y su efecto sobre la variabilidad de List Price: Stat > Basic Stat > Display
Descriptive Stats By Color despues todas las demas variables
-43
Estadistica Descriptiva por Color

Descriptive Statistics: Listing Price
Variable Listing Price Color Blue Brown Grey Tan White Yellow Color Blue Brown Grey Tan White Yellow N 2 6 5 4 11 2 N* 0 0 0 0 0 0 Mean 241200 293233 354560 362950 233955 242400 Maximum 252500 479900 599000 750000 349900 319900 SE Mean 11300 50706 69218 131680 20768 77500 StDev 15981 124204 154776 263361 68880 109602 Minimum 229900 124900 199900 162900 134900 164900 Q1 * 199900 232450 184650 179900 * Median 241200 289900 309000 269450 229500 242400
Variable Listing Price
Q3 * 382400 499450 634750 289900 *
Como podemos ver si pientamos la casa White, Tan, podemos esperar que el valor de la case pase para arriba de el 50%
No tan rpidamente, hechemos una ojeada los grficos primero!!!

-44
Significado Grafico de los Datos

Intente Graph > Boxplot > Listing Price (Y) Color (X)
Boxplot of Listing Price vs Color
800000 700000 600000
Listing Price
500000 400000 300000 200000 100000 Blue Brown Grey Color Tan White Yellow
-45
Significado Grafico de los Datos

Investigue SF, ciudad, estilo, # los dormitorios y # los cuartos de bao de la misma manera y sea listo ahora divulgar sus observaciones. Cul es la entrada ms fuerte de explicar la variacin en precio de listado???? Usted ahora desea trasladarse al rea de Boston?
-46
Teorema de Limite Central
El teorema de lmite central es el fundamento de la estadstica descriptiva, l tiene dos componentes importantes:

El medio de la distribucin del muestreo del medio igualar el medio de la poblacin. La distribucin de la media se acercar a normalidad.
El significado del TLC es que permite que utilicemos Muestra estadstica para hacer inferencias sobre la poblacin sin saber nada sobre la forma de la distribucin de la poblacin con excepcin de lo que podemos obtener de la muestra
Levin/Rubin Statistics for Managers

-47
Error estandar de la Media
La desviacin estndar de la distribucin de medias se le llama el error estndar de la media y se define como:
x
n
x Error estandar de la Media x Desviacion estandar de los valores individual es

n = tamano de muestra para la media
Este frmula demuestra que la media es ms estable que una sola observacin por el factor de la raiz-cuadrada del tamao de muestra
-48
Efecto del tamao de la muestra en el Error Estndar
100 x 10 100 100 x 20 25 100 x 50 4
n = 100
n = 25
n=4
-49
ESTADISTICA BASICA : 1. Causa especial de variacion es: a. Aleatoria b. Esperada c. Normal d. No-aleatoria 2. Los tres elementos de la variacion son: a. Distribucion, aleatoriedad, temporada b. Tendencia central, distribucion y forma d. Tendencia central, dispersion, distribucion
Quiz
e. Tendencia central, dispersion, forma

3. Las tres medidas de dispersion son: a. Media, mediana, moda b. rango, varianza, desviacion estandar c. media, rango, varianza d. Desviacion estandar, media, moda 4. Cuanta area esta debajo entre +/- 3 desviacion estandar a. 65% b. 95.5% c. 99.73% d. 68% 5. Para la distribucin Normal, la media, mediana y la moda son muy diferentes. V o F
-50
Optional: In-Class Exercise

Projectile Type
Fixed
5 4 3 2 1 Stop Position 4 4 3 2 1 2 1
# of Elastomers Fixed
Elastomer Attachment Position
Elastomer Hinge Point
Pullback Angle Fixed

-51
Ejercicio en Clase
Objetivos:

Recolectar una muestra de datos Calcular la media y desviacin estndar muestral de la Distribucin Total Grafique un histograma total de la Distribucin datos Pruebe la normalidad de los datos. Haga algo de minado de datos. Ajuste la catapulta y mantenga todas las condiciones fijas(longitudes, ngulos de retraccin, topes, etc..) USE DOS TIPOS DE PELOTAS Y REGISTRE LOS DATOS EN UNA BASE DE DATOS Lance unas cuantas pelotas de prueba para estimar el rango. Localice un instrumento de medicin dentro del rango de distancia. Registre los valores de distancia en Minitab para 30 lanzamientos Realice el anlisis apropiado.
Procedimiento:
-52
Resumen
En la Fase Medir recopile los datos del proceso bajo estudio Los datos sern analizados durante la Fase del Proceso de Anlisis para identificar causas raz de los defectos del proceso El uso de datos estadsticos y de medicin sern reas que estar explorando en futuros bloques de entrenamiento
-53
Objetivos de Aprendizaje: Estadstica Bsica

Definir la variacin controlado y la variacin no controlada Definir las medidas de tendencia central Definir las medidas de variabilidad calculo de la media, mediana, la varianza y desviacin estndar para un sistema de datos
Describir las caractersticas de una distribucin normal y del uso del minitab para calcular rea debajo de la curva normal para un intervalo dado de los datos
Describir el teorema de lmite central y describir la importancia del teorema de lmite central Definir Atributo y los datos continuos Interpretar la salida del minitab de una prueba de la normalidad de Anderson para presentar las conclusiones apropiadas sobre los datos Describir la diferencia entre los parmetros de la poblacin contra estadstica de la muestra
-54

09 DMAIC Estadistica Basica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

09 DMAIC Estadistica Basica

Uploaded by

Copyright:

Available Formats

Estadstica Bsica

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Describir los conceptos de forma, centro y dispersin de las distribuciones

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Medir el desempeo actual del proceso

Tendencia central: Est elproceso en el nominal?

Acompaado a menudo por.......

Elemento Temporal: Cmo el proceso cambia en un cierto plazo?

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Est el proceso en el objetivo con mnima variabilidad?

UCL=114.0 _ X=100.4 LCL=86.8

Cul es el mejor proceso?

Asociada por causas especiales

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Causas comunes Causas especiales

La diferencia es importante ya que las estrategias de mejora son diferentes

Son predecibles en trminos de una banda de variacin

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Se originan por pocas fuentes

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

UCL=114.0 _ X=100.4 LCL=86.8

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Cunta variacin es mala?

Podemos aceptar variabilidad de proceso actual si:

El medio de proceso est en nominal target.

La variabilidad total es relativamente pequea comparada a la tolerancia de proceso.

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Cunto variacin es mala?

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Tareas del Anlisis de Datos

Determine la ubicacin de la media del proceso - est en el objetivo?

Si no lo es, identifique las fuentes de variabilidad y elimine o reduzca su influencia en el proceso.

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Media Mediana Rango

Mida la dispersin de los datos

Propiedades de la Distribucin Normal

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Parmetros Poblacin vs. Estadsticos de Muestra

= Desviacin Estndar de la Muestra

= Desviacin Estndar de la Poblacin

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Medida de la Tendencia Central

Reflejan la influencia de todos los valores Influenciada por valores extremos

No necesariamente incluye todos los valores en el clculo.

$10, 20, 30, 40, 50 ($ en miles)

Cul es el ingreso promedio (o centro de gravedad)?

Cul es el el ingreso mediano?

$10, 20, 30, 40, 5000 ($ en miles)

Cul es el ingreso promedio (o centro de gravedad)?

Cul es el el ingreso mediano?

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

El rango es ms sensible a los puntos extremos que la varianza

La medicin ms comn y til de variacin es la desviacin estndar - porqu?

Clculo de la Desviacin Estndar

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

Principio de Seis Sigma

2 Varianza De la salida del proceso Si total 2 Varianza Debida a la variable X 1; X

2 Varianza Debida a la variableX2 ; X

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

The Normal Distribution

Mean, Median & Mode

Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.

La media, y La desviacin estndar

Distribucin Dos Distribucin Tres