El documento habla sobre la estratificación de datos y el análisis de correlación entre variables. Explica qué es la estratificación y cómo se puede estratificar los datos por reactores individuales. Luego describe cómo calcular el coeficiente de correlación de Pearson entre las variables temperatura y absorción, y analizar la fuerza de su asociación. Finalmente, propone estratificar los datos separando los reactores 1 y 2 para realizar un análisis de correlación independiente en cada uno.
1. Universidad Tecnológica de Torreón
Es lo que clasifica la infor-
mación recopilada sobre una
característica de calidad.
Toda la información debe ser
estratificada de acuerdo a ope-
radores individuales en
máquinas específicas y así suce-
sivamente, con el objeto de
asegurarse de los factores
asumidos.
El problema que resol-
veremos en este ejemplo es-
tratificaremos nuestros datos
por Reactor 1 y Reactor 2.
Este es un problema de
correlación y regresión lineal
por lo cual aconsejo utilizar el
formulario en el siguiente en-
l a c e : h t t p : / / l i c m a t a -
math.blogspot.mx/p/liderazgo-y
-autoridad.html
Statistical Process Control (SPC)
¿Que es la estratificación ?
Control Estadístico del Proceso (CEP)
Análisis de correlación
Mide la fuerza de asociación
entre dos variables: Depen-
diente e independiente, siendo
la dependiente aquella que se
predice o calcula y la indepen-
diente la variable de predicción
que proporciona las bases para
el calculo. Siendo la tempera-
tura y absorción las variables
en nuestro caso.
Problemas – Análisis
Todos los datos 2
Cálculos 2
Reactor 1 2
Cálculos 3
Reactor 2 4
Cálculos 5
Conclusión 6
Estratificación
R d e P e a r s o n
Coeficiente de correlación
lineal, mide la fuerza entre las
variables. El valor siempre esta
entre -1 y +1.
El primer paso es organizar
la información como se muestra
en la tabla. Luego calcular x^2,
y^2 & xy para despuses deducir
sus respectivos sumatorias o
totales.
Mariana Berenice Barraza Gonzalez
2. Las sumatorias que se obtienen al final de cada columna
son las que se utilizan en las formulas siguientes:
La sustitución seria así:
Estos resultados se sustituyen para obtener r
Page 2
R de Pearson
Statistical Process Control (SPC)
La sustitución seria así:
Cuando el valor de r esta mas próximo a 1 la co-
rrelación es mas fuerte y cuando esta mas próximo a 0
s mas débil.
En este caso r = 0.70 lo que indica una correlación
regular, y la temperatura influye en la absorción.
Interpretación del valor de r
y = 1.0178x + 9.5898
R² = 0.4845
60
65
70
75
50 51 52 53 54 55 56 57 58 59 60
Series1
Linear (Series1)
Coeficiente de la recta de regresión lineal La recta de regresión lineal
ao= 16195.69 / 1688.841 = 9.590
a1= 1718.972 / 1688.841 = 1.018
y= 1.018x + 9.590
Es un modelo no determinístico del efecto que la variabili-
dad de la variable explicativa (x) tiene sobre la variable depen-
diente. Esta ecuación corresponde a la pregunta “¿Qué pasaría
si x es igual a…?
Esto seria sustituyendo x en la formula de y que calculamos
anteriormente.
Con dos parejas (x, y) obtenemos dos puntos que al unirlos,
podemos trazar la recta de regresión lineal.
3. Estratificación
El modelo de regresión lineal es no de-
terminístico, de
modo que los resultados pronosticados
tienen error.
Una ventaja de este modelo es que po-
demos conocer la
magnitud de dicho error.
Sustitucion:
UNIVERSIDAD TECNOLOGICA DE TORREON
MARIANA BERENICE BARRAZA GONZALEZ
Page 3
Estratificacion
Error estándar.
S a d i s t i c p r o c e s s c o n t r o l
Ahora estratificarmos separando los reactors, reactor 1 reactor y 2. para despues relizar los mis-
mos calculos de coorrelacion.
Dichos calculos se encuentran el el document adjunto.
Si este articulo te fue de
utilidad o tienes alguna
sugerencia porfavor escribe
un comentario lo
agradecere.
sy|x= 190.06 - 92.08634
19 - 2
sy|x 97.97 _ 5.763033
17
Su nombre completo es error
estándar al calcular “y”
dado “x”.
Se calcula mediante la fórmula sigui-
ente:
sy|x = 0.48