Culo

ANALISIS EXPLORATORIO DE DATOS
CONTROL DE CALIDAD

ALEX GALLARDO 07/03/12
A) REALIZAR UNA COMPARACION EXPLORATORIA ENTRE LAS 2 MUESTRAS.
TIEMPO 1, MUESTRA n1
TABLA 1

Para el análisis estadístico de los 20 elementos de la muestra del tiempo 1, en la Tabla 1 se muestran las medidas descriptivas numéricas de dicha variable. La media de la muestra ha sido 0.01255 mm y su mediana0.01200 mm. A pesar de que se recortaron el 5% de datos extremos no hay muchos cambios en la media ya que es: 0.1256 debido a que no hay muchos datos, o los datos extremos no estaban tan alejados de la media.
El intervalo de confianza nos dice que los datos podrían llegar hasta 0.01322 mm y podrían ser desde 0.01188, aunque los datos mínimos y máximos sean 0.010 y 0.015 mm respectivamente.
LaVarianza aunque no dice que es 0.000, no quiere decir que los datos no varíen si no que como trabajamos con cantidades muy pequeñas y el resultado no está con todos los decimales, no podemos apreciar bien la varianza de datos.
La desviación típica es de 0.001432, ya que trabajamos con datos muy pequeños podemos decir que el promedio o variación esperada es normal.
La asimetría nos dice que losdatos tienden hacia la derecha, por lo que la mayoría de datos tienden a ser mayores que la media.
La curtosis es platocúrtica y como no llega a -1 se puede decir que la curtosis es moderada.

FIGURA 1.1

Dicha simetría se debe a que no hay diferencias existentes entre los datos obtenidos en la muestra 1 tiempo 1 como se puede ver en la figura 1, por lo que es unimodal simétrica, y suscoeficientes de asimetría 0.187 y curtosis -0.861.

FIGURA 1.2
Este diagrama de caja toma esta forma debido a que ambas tienen el promedio más o menos en .012 mm pero en la muestra 1 los datos tienden más a ser altos, no como en la muestra 2 que los datos tienden de igual forma a ser altos o bajos

FIGURA 1.3
En cuanto a los test de hipótesis ni el test de Kolmogorov-Smirnov ni el de Shapiro-Wilks son significativos al 5% (sus p-valores son > .036 y 0.190, respectivamente. Lo mismo ocurre con los contrastes de asimetría y curtosis A la luz de estos resultados, cabe pensar que la variable test se distribuye normalmente.
P-valores: Nivel de significación más pequeño posible que puede escogerse, para el cual todavía se aceptaría la hipótesis alternativa

FIGURA 1.4
Es lineal yno hay mayor dispersión de los datos.

FIGURA 1.5
La Estimación Robusta nace de la necesidad de estimadores que se comporten “bien” aún cuando existan variaciones en los supuestos iniciales o cuando es posible que el modelo esté “contaminado” por valores aberrantes que producen influencias en los resultados y por lo tanto conducen a estimaciones erróneas, siendo este un campo en constantedesarrollo se han propuesto diversos métodos de Estimación. Este artículo presenta los resultados de un estudio tipo Monte Carlo realizado para comparar algunos Métodos de Estimación Robusta para el Vector de Medias y Matriz de Varianzas y Covarianzas de un vector aleatorio de seis varibles. El propósito es evaluar el comportamiento de los estimadores bajo diversas condiciones como Contaminación totalo Contaminación por Variable; además se trata de establecer una “regla empírica” donde se utilice al tamaño de la Muestra, al Sesgo y la Curtosis Muestral como elementos de decisión sobre el estimador a utilizar. Los estimadores M de Huber y Bicuadrático o Biponderado son los que mejor rendimiento presentan aunque cuando la curtosis es “alta” el Estimador MCD es el mejor.

TIEMPO 2, MUESTRA n2TABLA 2



Para el análisis estadístico de los 20 elementos de la muestra del tiempo 2, en la Tabla 2 se muestran las medidas descriptivas numéricas de dicha variable. La media de la muestra ha sido 0.01225 mm y su mediana 0.01200 mm. A pesar de que se recortaron el 5% de datos extremos no hay muchos cambios en la media ya que es: 0.1222 debido a que no hay muchos datos, o los datos...