CONTROLESTÁDISTICO DELPROCESO (SPC)STATISTICAL PROCESS CONTROL
TEMA:                    CORRELACIÓN                               LINEALMATERIA:      CONTROL ESTÁDISTICO DEL            ...
INTRODUCCIÓN                       El objetivo es analizar el grado de la relación                       existente entre v...
DESARROLLO         Estudiaremos dicho grado de relación entre dos         variables en lo que llamaremos análisis de      ...
x           y            x2           y2            xy1            4025.9      2136.2      16207870.8   4563350.44    8600...
x           y=                                                                                         4025.9 2142.864046 ...
CONCLUCIONES                 En aquellos casos en que el coeficiente de                 regresión lineal sea “cercano” a +...
Upcoming SlideShare
Loading in …5
×

Control estádistico del proceso (spc) correlación

642 views

Published on

correlación lineal, representación gráfica,

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
642
On SlideShare
0
From Embeds
0
Number of Embeds
38
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Control estádistico del proceso (spc) correlación

  1. 1. CONTROLESTÁDISTICO DELPROCESO (SPC)STATISTICAL PROCESS CONTROL
  2. 2. TEMA: CORRELACIÓN LINEALMATERIA: CONTROL ESTÁDISTICO DEL PROCESOALUMNO: FRANCISCO SOTO MEDINAGRUPO: 4to. – A NOCTURNO UNIVERSIDADCARRERA: TSU. PROCESOS INDUSTRIALES AREA DE MANUFACTURA TECNOLÓGICA DE TORREÓNDOCENTE: LIC. EDGAR MATA ORTIZFECHA: 30/MARZO/2012LUGAR: TORREÓN, COAH. MX.
  3. 3. INTRODUCCIÓN El objetivo es analizar el grado de la relación existente entre variables utilizando modelos matemáticos y representaciones gráficas. Así pues, para representar la relación entre dos o más variables desarrollaremos una ecuación que permitirá estimar una variable en función de la otra.The aim is to analyze the degree of the relationship between variables using mathematical models andgraphical representations. Thus, to represent the relationship between two or more variables which willdevelop an equation to estimate a variable depending on the other.
  4. 4. DESARROLLO Estudiaremos dicho grado de relación entre dos variables en lo que llamaremos análisis de correlación. Para representar esta relación utilizaremos una representación gráfica llamada diagrama de dispersión y, finalmente, estudiaremos un modelo matemático para estimar el valor de una variable basándonos en el valor de otra, en lo que llamaremos análisis de regresión. Study the degree of relationship between two variables in what we call correlation analysis. To represent this relationship we use a graphical representation called scatter diagram and, finally, we study a mathematical model to estimate the value of a variable based on the value of another, in what we call regression analysis.
  5. 5. x y x2 y2 xy1 4025.9 2136.2 16207870.8 4563350.44 8600127.582 4048.2 2137.8 16387923.2 4570188.84 8654241.963 4090.9 2138.5 16735462.8 4573182.25 8748389.654 4107.5 2138.3 16871556.3 4572326.89 8783067.255 4113.8 2128.8 16923350.4 4531789.44 8757457.446 4158.5 2131.1 17293122.3 4541587.21 8862179.357 4166 2120.3 17355556 4495672.09 8833169.88 4193.1 2096.5 17582087.6 4395312.25 8790834.159 4215.3 2097.6 17768754.1 4399925.76 8842013.2810 4231.8 2099.1 17908131.2 4406220.81 8882971.3811 4244.9 2097.1 18019176 4397828.41 8901979.7912 4279.7 2100.7 18315832.1 4412940.49 8990365.7913 4304.6 2101.6 18529581.2 4416722.56 9046547.3614 4339.7 2089.1 18832996.1 4364338.81 9066067.2715 4342.5 2087.7 18857306.3 4358491.29 9065837.25∑ 62862.4 31700.4 263588706 66999877.54 132825249 scx= 143284.089 scy= 5520.196 scxy= -25632.364 r= -0.91140714 r2 0.83066298
  6. 6. x y= 4025.9 2142.864046 4048.2 2138.874756 2150 4090.9 2131.236072 4107.5 2128.266466 2140 4113.8 2127.139447 2130 4158.5 2119.142979 4166 2117.80129 2120 4193.1 2112.953319 4215.3 2108.981919 2110 4231.8 2106.030202 y = -0.180x + 2871. 2100 4244.9 2103.686718 R² = 0.806 4279.7 2097.46128 2090 4304.6 2093.006871 4339.7 2086.727765 2080 4342.5 2086.226868 4000 4050 4100 4150 4200 4250 4300 4350 4400a1 a0n.xy 1992378740 = -384485.46 sx 2 . Sy 8355867426460.53 = 6153474864.21x.y 1992763225 x. sxy 8349713951596.32n.x2 3953830595 = 2149261.34 n . Sx 2 3953830595 = 2149261.34(sx)2 3951681334 (sx)2 3951681334
  7. 7. CONCLUCIONES En aquellos casos en que el coeficiente de regresión lineal sea “cercano” a +1 o a –1, tiene sentido considerar la ecuación de la recta que “mejor se ajuste” a la nube de puntos (recta de mínimos cuadrados). Uno de los principales usos de dicha recta será el de predecir o estimar los valores de Y que obtendríamos para distintos valores de X. Estos conceptos quedarán representados en lo que llamamos diagrama de dispersión. In those cases where the linear regression coefficient is "close" to +1 or - 1, has sense to consider the equation of the line that "best fit" to the cloud of points (line least squares). One of the main uses of that line will be to predict or estimate the values ​of Y would get for different values ​of X. These concepts will be represented in what we call scatter plot.

×