Cálculo de Pp & Ppk para datos no normales (análisis de capacidad de proceso) en Minitab.
ฝัง
- เผยแพร่เมื่อ 6 ก.ย. 2024
- Video tutorial - Explicación de cómo realizar un análisis de capacidad de proceso para datos que no siguen una distribución normal, se explica el cómo identificar el tipo de distribución y el procedimiento e interpretación del análisis.
Muchas gracias por esta excelente explicación, por fin entendí cómo hacer un análisis de capacidad correctamente. Mil gracias!!
Excelente, me da gusto que este video tutorial haya sido de tu agrado y utilidad.
Saludos!
Este canal es un éxito al igual que tus explicaciones. 💞
¡Muchas gracias por el comentario, saludos!
Excelente explicacion mi amigo, gracias por compartir sus conocimientos.
¡Muchas gracias por el comentario!
Muchas gracias por tu video, tienes una manera excelente de explicarlo.
¡Muchas gracias por el comentario!
Muchas gracias por tus videos, te quedan geniales y ayudan muchisimo
¡Muchas gracias por el comentario!
Muchas graciassss, explicas muy bien, e entendido perfectamente.
¡Muchas gracias por el comentario!
Muchas graciasss, explicas muy bien, me has salvado de una.
Que bien que hayas encontrado de utilidad el video tutorial, gracias!
Muy bueno tu video, esta todo loq ue buscaba... interpretacion y ejecucion. gracias
Muchas gracias por el tiempo dedicado a ver este video tutorial. Si hay alguna otra herramienta de interés para un nuevo video tutorial, quedo a la orden. Saludos!
Te pasaste con tan buena explicación, acabas de salvar mi trabajo 😉😁
Muchas gracias por tu comentario. Me da gusto que lo hayas encontrado de utilidad para tu trabajo. Te invito a visitar el canal dónde podrás encontrar videos de otras herramientas que se utilizan en área de calidad y manufactura. Saludos!
Muy buen video, pregunta: en el caso que ninguna distribución me da un P value igual o mayor a .05? que se puede hacer?
Hola, tambn tengo esa duda!
Igual tengo esa duda
Si al buscar la distribución de los datos con la herramienta presentada en este tutorial, todas las distribuciones evaluadas muestran P-values menores a 0.05, es decir no hay ajuste a ninguna de las distribuciones evaluadas. El procedimiento a seguir es buscar la transformación de los datos, pero algo a importante a mencionar es que la misma herramienta de identificación de distribución arroja un P-Value para la transformación de Johnson, si ese P-Value también fue menor a 0.05, quiere decir que tampoco sería posible transformar. Si gustan confirmar en sus datos que valor les arroja para la transformación de Johnson.
Ya en última estancia, si la conclusión es los datos no son normales, no se ajustaron a ninguna distribución y tampoco pudieron ser transformados, mi recomendación es evalúen como fue el método de recolección de los datos, vuelvan a colectar replanteando el método de recolección y volver a analizar.
Gracias amigo, justo lo que necesitaba¡¡
¡Muchas gracias por el comentario!
Exelente explicacion, muy clara.
¡Muchas gracias por el comentario!
muchas gracias!! que buen video
¡Muchas gracias por el comentario!
Excelente aporte,,
Muchas gracias por ver este video tutorial. Te invito a suscribirte al canal, si ya lo estás activar campana de notificación de nuevos videos.
Saludos!
Excelente explicación, muy clara. ¿Tendrás algun video sobre la explicación del calculo de los diferentes tipos de desviación estandar? Para calculo de PPK Y CMK. Saludos.
Hola Angel! En el canal cuento con un tutorial pero es relacionado a la explicación de la desviación estándar paso a paso, prácticamente el desarrollo de la fórmula e interpretación, para desviación estándar de la muestra y población.
De momento no cuento con un video para explicación de la desviación estándar utilizada en cálculos de Cpk y Ppk, pero puedo hacer uno ya que es un tema que se complementa con los videos tutoriales ya existentes de análisis de capacidad de proceso. Es una buena idea para un próximo tutorial, en una oportunidad subo material de este tema.
Excelente..muchas gracias
Muchas gracias por el tiempo y atención a este video tutorial.
Te invito a suscribirte al canal, si ya lo estás activar campana de notificación de nuevos videos.
Saludos!
excelente explicacion
Gracias Diego! Que bien que haya sido de tu agrado y utilidad esta explicación.
Te invito a suscribirte al canal, si ya lo estás activar campana de notificación de nuevos videos.
Saludos!
Muy buena la explicación! Muchas gracias. Tengo una consulta: cuál sería la diferencia entre Pp y Ppk. Siempre se nombra que uno es a mediano y el otro a largo plazo, pero no me termina de cerrar el concepto. Gracias nuevamente.
¡Muchas gracias por el comentario!
Tengo un video tutorial en el canal dónde puedes encontrar la explicación para como se calculan las métricas de Pp, Ppk, Cp, Cpk y las diferencias entre los métricos.
Aquí la liga:
th-cam.com/video/RaegC8SE5-E/w-d-xo.html
¡Gracias!
Muy bien video, he entendido mejor, solo tengo una duda ¿qué pasa si mi análisis de capacidad no me arroja los datos de las tablas de la derecha: de capacidad y rendimiento a largo plazo? porque me aparecen asteriscos ¿eso quiere decir que mi proceso no es capaz ni hábil? ¿qué podría hacer en ese caso?
Hola, quiero agradecer por este video, me ha dado mucha luz y claridez a manejar los datos no normales. Tengo una inquietud y ojala me ayude a responderla. En el trabajo debo crear los limites de trabajo para estandarizar el proceso, las variable de proceso son temperatura y presión. Para analizar los datos utilizo una base de datos del proceso, y de ahi poder sacar la capacidad del proceso y limites de control para que estos sean mis limites estandares, sin embargo la distribución que siguen no es normal y hay equipos donde sus datos se agrupan en una sola clase. Esperaba sacar los limites de los limites de control y su capacidad, despues de eliminar aquellos datos atipicos del proceso y luego repetir el paso anterior, pero el comportamiento de los datos no me lo permite. En este caso como me recomienda sacar los limites de proceso o que video me recomienda para obtener respuesta. Ojala pueda ver ese mensaje pronto. Mil gracias bendiciones
Hola Angela Ariza! Antes que nada muchas gracias por su tiempo y atención al video tutorial.
Para realizar un gráfico de control, mi recomendación es:
1. Seleccionar la característica de calidad. En tu caso, ya la tienes seleccionada son variables de temperatura y presión.
2. Selecciona el tipo de gráfico de control. Para temperatura y presión, no hay duda que tiene que ser un gráfico del tipo variable. Pero recuerda que para variables tenemos:
a) Valores individuales y rango móvil (I-MR)
b) Gráfico de medias y rangos (XbarR) cuando trabajamos con muestras pequeñas n ≤ 10.
c) Gráfico de medias y desviación estándar (XbarS) cuando trabajamos con muestras n>10.
Nota. la "n" es el tamaño de muestra del subgrupo. Es decir puedes tomar lecturas de temperatura y presión en ciertos periodos de tiempo con muestras tamaño "n".
3. Definir el muestreo y recolectar los datos.
Ejemplo: Muestreo cada hora de 06:00 am a 06:00 pm (12 horas) con subgrupos tamaño 10
(n = 10).
06:00 am - 07:00 am 09:00 am - 10:00 am ..... 05:00 pm - 06:00 pm
muestra 1 = muestra 1 = muestra 1 =
muestra 2 = muestra 2 = muestra 2 =
muestra 3 = ................... .................
................. .................... .................
................ ................... .................
muestra 10 = muestra 10 = muestra 10=
En el canal cuento con un video tutorial para gráficas de control (XbarR).
Podría ser de utilidad para referencia al proceso de desarrollo del gráfico.
Te anexo el link: th-cam.com/video/sFGFnNGjuwI/w-d-xo.html
Nota. En la definición del muestreo y la forma en que recolectaremos los datos es clave para tener una representación real de la variación del proceso y del tipo de distribución que sigan nuestros datos del proceso.
4. Realizar el gráfico de control, calculando sus limites y análisis del estado del proceso.
Nota. Si detectas datos atípicos al comportamiento normal del proceso y es atribuible a una causa de variación especial y conocida. Puedes eliminarlos, para de esta forma recalcular tus limtes de control excluyendo esos datos atípicos.
También considera la variación natural que puede tener tu proceso, si detectas una variación "grande" entonces hay que enfocarnos en reducirla ya sea a través de un ajuste en el equipo (set up), ajustes en el proceso y/o mantenimiento del equipo. Dependiendo cual sea tu caso.
Respecto a la distribución de los datos. Habrá procesos cuyos datos no sigan un comportamiento normal, pero en gran medida depende también de la forma en que fueron colectados los datos y el tipo de muestreo utilizado.
Mi recomendación es replantea tu plan de muestreo y recolección de los datos, revisa el tamaño de los subgrupos y la cantidad de muestras colectadas en un cierto periodo de tiempo.
Si al final la conclusión es que tus datos no son normales, existen métodos para normalizar datos como BoxCox y la transformación de Johnson.
Espero haber contestado tu pregunta.
Saludos!
Excelente!
Hola, excelente video te felicito y gracias por compartirlo,
Pregunta:
Qué debo hacer si los datos no se ajustan a ninguna distribución, o sea, si el P-value de todas las distribuciones es menor a 0.05
Excelente video! Gracias por compartir, tengo esa misma duda en caso de que salga menor el valor p, que procedimiento tenemos q hacer?
Hola Gerardo, Claudia!
Gracias por sus comentarios para el video tutorial, la pregunta en cuestión es muy buena.
Al referirnos a un análisis de capacidad de proceso, parte de las confirmaciones a realizar es el de confirmar si existe normalidad en los datos de estudio. Si los datos siguen una distribución normal, se realiza el análisis de capacidad para datos normales. En caso que no sean normales, hay dos caminos a seguir: Identificar el tipo de distribución de los datos o buscar la transformación de los datos mediante las herramientas de BoxCox y Johnson para normalizar datos.
Si al buscar la distribución de los datos con la herramienta presentada en este tutorial, todas las distribuciones evaluadas muestran P-values menores a 0.05, es decir no hay ajuste a ninguna de las distribuciones evaluadas. El procedimiento a seguir es buscar la transformación de los datos, pero algo a importante a mencionar es que la misma herramienta de identificación de distribución arroja un P-Value para la transformación de Johnson, si ese P-Value también fue menor a 0.05, quiere decir que tampoco sería posible transformar. Si gustan confirmar en sus datos que valor les arroja para la transformación de Johnson.
Ya en última estancia, si la conclusión es los datos no son normales, no se ajustaron a ninguna distribución y tampoco pudieron ser transformados, mi recomendación es evalúen como fue el método de recolección de los datos, vuelvan a colectar replanteando el método de recolección y volver a analizar.
Esta muy bueno el video, tengo una duda, en caso de que mis datos no se ajsute a ningun tipo de distribución que seguiria? Se puede rea lizar la transformación recomendada, en este caso me sale la transformación de Johnson y sobre esos datos realizar el calculo de la capacidad de proceso, es valido? O se tendria que tomar otra muestra?
Hola Yasmin, es muy buena tu pregunta.
En un escenario dónde los datos no se ajusten a ningún tipo de distribución, una opción es utilizar como bien dices la transformación de Johnson, primero habría que ver si los datos pueden ser normalizados. Al usar la herramienta de identificación de distribución que se muestra en el video, la misma herramienta en uno de los resultados de la tabla, menciona la transformación de Johnson y si esta es factible.
Si es factible la transformación de tus datos, puedes hacer el estudio de capacidad con los datos transformados, solo que los limites de especificación tendrías que tambien transformarlos con la ecuación/función que da la herramienta de Johnson.
Sin embargo, es muy importante mencionar que un escenario dónde los datos no se ajustan a ningún tipo de distribución, no es muy común, pero puede pasar. Mi recomendación sería revisar el método de muestreo y/o selección de los datos y si es posible volver a tomarlos, para confirmar no haya habido alguna condición especial al momento de tomarlos.
Si te puedo dar una referencia, siempre es más adecuado identificar el tipo de distribución de los datos, si no son normales, confirmar si se ajustan a otra distribución, lo más común para capacidad de procesos, después de la distribución normal, es la distribución de weibull.
Si los datos no son normales y tampoco se ajustan a una distribución en particular, proceder a utilizar una de las herramientas de transformación como Johnson.
También es importante mencionar que en algunas organizaciones tienen ya definido cómo proceder en la identificación de distribuciones de datos, en algunos casos hay organizaciones que no aprueban el uso de herramientas de transformación. Dando más prioridad a identificar el tipo de distribución o al volver a tomar las muestras.
Espero haber respondido tu pregunta.
@@qualitybreachnos puedes enseñar?
@@brissacari4215 en el canal están disponibles tutoriales de herramientas de identificación individual de la distribución de un conjunto de datos, así como de herramientas de transformación de datos como Box-Cox y Johnson. Saludos!
Genial 🤩
Muchas gracias por el tiempo dedicado a ver este video tutorial. Muy bien que te haya servido para consulta y/o referencia de esta herramienta. Saludos!
¿Cómo se demuestra la capacidad si mis datos no son normales, pero tampoco siguen ninguna otra distribución ?
Tuviste la respuesta
?
que puedo hacer si en ninguna de esas graficas me sale pvalue mayor a 0.05
Hola Erika Torres!
Antes que nada te agradezco el tiempo que dedicaste a este video tutorial.
Espero haya sido de tu agrado y desde luego útil.
Una pregunta similar ha realizado Delly Zambrano aquí en los comentarios.
Te comparto la respuesta que he proporcionado para este tema.
*********************************************************************************************
Si al usar la herramienta de identificación del tipo de distribución, en todas te arroja valores menores a 0.05, quiere decir que los datos en análisis no se ajustan a algún tipo de distribución, de igual forma si las transformaciones de Johnson y Box Cox arrojan P-Values < 0.05, la conclusión es que los datos no pudieron ser tampoco transformados.
Me llama la atención que incluso la transformación de Johnson te arrojara P-Value < 0.05. Normalmente esta herramienta de transformación y/o normalización de datos, funciona en general dado su modelo matemático dónde busca el ajuste mediante una ecuación en algunos casos con ecuaciones complejas. La teoría dice que cuándo no hay ajuste a ningun tipo de distribución, se puede hacer uso de una rama de la estadística que se llama "Estadística no paramétrica", también llamada de las distribuciones libres, dónde existen herramientas de análisis dependiendo lo que se requiera evaluar.
Mi recomendación sería que regresaras al origen de los datos. Es decir, revisar:
¿cómo fue la metodología de recolección de los datos?
¿qué instrumento de medición nos proporciona dichos datos?
¿qué tamaño de muestra tenemos? ... esto último, el tamaño de muestra es importante para que genere más información y permita identificar el tipo de distribución.
En mi experiencia te puedo decir que en algunas ocasiones me ha sucedido lo mismo.
Por ponerte un ejemplo, te das cuenta cuando tus datos no se van a ajustar a un tipo de distribución, ya que desde el histograma observas cómo la mayoría de los datos estan en una misma clase, es decir hay mucha repetibilidad de los datos en un conjunto de números, eso no ayuda para identificar distribuciones.
****************************************************************************************
Excelente video, solo una pregunta. ¿El Ppk siempre será 1.33 el óptimo? y por farvor podrías realizar un video de determinación de área bajo la curva de datos no estándares, que no sea una gaussiana. ¿Se podría hacer en minitab? INFINITAS GRACIAS...
Hola Yesenia, muy buenas preguntas. El valor de Ppk de 1.33 es el valor más común o estándar que podrás encontrar como referencia en la literatura. Sin embargo, en la práctica ya en lo real, dependerá de la organización.
Ejemplos: hay casos en la industria médica, automotriz, electrónica, dónde dependerá el nivel de capacidad que se busca en el proceso dependiendo si se trata de un proceso nuevo, lanzamiento o un proceso actual. En la industria automotriz si se trata de un nuevo producto / proceso se busca un valor de 1.67
Puedes observar que sí puede cambiar ese valor, sin embargo el cambio siempre será a ser mayor a 1.33, en caso por ejemplo de un lanzamiento de un nuevo producto, el valor de referencia o valor mínimo aceptable ya dependerá de los estándares de cada organización.
Respecto al área bajo la curva para datos no normales, sí es posible hacerlos en Minitab. Ejemplos: área bajo la curva para distribuciones como: Chi o ji cuadrada, Fisher, etc. Buscaré en próximos tutoriales hacer alguno como ejemplo del tema que mencionas.
Muchas gracias por visita el canal.
Hola, y si solo hay un USL y no existe el LSL? Mi problema es que estoy haciendo un análisis de capacidad contando con los datos del impacto de las fechas de entrega(fecha de entrega real - fecha de recepción), entonces el USL es 0 (si se entrega a tiempo) y no existe LSL porque siempre que se entregue antes se logra la satisfacción del cliente. Entonces, como harías la gráfica de análisis de capacidad? Nota: mis datos no son normales
Hola, gracias por tu comentario. Sí es posible realizar estudios de capacidad cuando la característica y/o variable en estudio tiene solo una especificación. A esto se llama especificaciones unilaterales, en tu caso al solo tener USL, seria el único valor que ingreses cuando hagas el estudio. Si no se tiene un LSL, no es necesario agregar algún valor para ese campo. Pero dado la descripción que compartes, no estoy seguro si el USL la forma de plantearlo es correcto, habría que revisar un poco más a detalle tu caso. Generalmente los limites de especificación y/o requerimiento cuando hablamos de datos por variables, están definidos por alguna especificación de ingeniería, diseño, dibujos o planos, documentos como tal especificaciones, procedimientos. En el caso que mencionas, cual es el requerimiento para el número de días de entrega? Se entiende que si bien son datos variables, los datos serán discretos (no continuos), por que básicamente representan un numero de días. La naturaleza de los datos explicaría por que no pasan la prueba de normalidad, recordemos que la distribución normal es una distribución de variable continua. En palabras más simples, variables discretas básicamente son números enteros, variables continuas son números con decimales.
Lo que podrías hacer sería revisar si se tiene como una especificación y/o requerimiento de números de días para hacer una entrega. Es decir, las entregas no pueden ser mayores a X cantidad de días, eso podría tomarse como tu USL. Luego al recolectar la data donde se revisen fechas y por ende determines un conjunto de datos que representen una muestra donde se muestren cuales han sido los días de entrega de ciertos envíos o pedidos. Ese conjunto de data se podría contrastar vs el USL que es tu requerimiento pero para que ese estudio sea lo más representativo habría que determinar que distribución seguirá ese conjunto de datos y sobre dicha distribución hacer el análisis.
Gracias por visitar el canal, saludos!
Hola efectivamente, mis datos son discretos al ser días y siguen una distribución Weibull de 3 parámetros. Configuré el USL en 0 días porque lo datos que he usado son los impactos en la fecha de entrega real ( entrega real- entrega acordada con cliente) entonces si es 0 es que se ha entregado a tiempo, si es positivo es que se ha entregado antes y negativo, se ha entregado después. No hay LEI porque siempre que el impacto sea menor que 0, es un resultado beneficioso para el cliente. El Ppk según la media y la distrbución, me dio 0.01 que es muy pequeño porque la distancia de la media (-0.92) al USL de 0 es muy pequeña respecto la gran dispersión de los datos. He explicado para razonar ese análisis de capacidad tan pequeño que el problema es la alta variabilidad porque la media si se acerca al 0 es correcta.
Una consulta si la variable solo tiene una especificación mínima y no tiene valor maximo especificado en minitab sólo se coloca la especificación mínima y el campo del valor máximo especificado se deja en blanco?
Buenas tardes Yuliana!
Es correcto, si tu proceso solo tiene una especificación, ya sea inferior o superior.
Se deja estipulado la correspondiente especificación y el campo vacío, según corresponda.
Nota. En el caso que mencionas, después de correr el análisis observarás que solo cálcula métricas de Seis Sigma respecto a la especificación inferior o mínima como la has nombrado.
Es decir, el software te dará resultados para largo plazo (PPL) ya que el sub índice L quiere decir "Lower" y por ende cuando te da el resultado de PPk, va a ser el mismo valor.
Recuerda que PPk es el valor mínimo de PPL y PPU. Al no tener PPU (upper) por que no se cuenta con una especificación, solo cálcula PPL y por default es el mismo valor de PPk.
Pasa lo mismo con las métricas de corto plazo como: CPL, Cpk.
Cualquier duda quedo a la orden.
Muchas gracias!
si me sale recien con una transformacion de johnson? como saco la capacidad
Habría que utilizar la función obtenida en la transformación para de igual forma transformar las especificaciones de la característica en estudio, después realizar el análisis de capacidad de proceso con los datos transformados y en las especificaciones para el estudio, ingresar esas especificaciones pero transformadas en base a la función dada por Johnson.
Nota. Para efectos didácticos y aprendizaje de la herramienta, esta bien el utilizar la transformación de Johnson para datos no normales y hacer análisis de capacidad de proceso. Sin embargo, en cuestión de un entorno laboral, es importante mencionar que algunas organizaciones dentro de las herramientas de análisis que utilizan, no se permite el uso de la transformación de Johnson. Una alternativa es hacer prueba de identificación de distribución para Weibull, en algunas ocasiones datos no normales, se llegan a ajustar a la distribución de Weibull.
¿Qué es más conveniente? ¿Ajustar los datos a la verdadera distinción que siguen o transformarlos a normales y por qué?
Buena pregunta, considero que depende de la situación. Por ejemplo: en el entorno laboral, algunas organizaciones dentro de las herramientas de análisis que utilizan y sus metodologías, las transformaciones de datos no son permitidas, en esos casos se sugiere identificar causas de la no normalidad, quizá volver a tomar los datos replanteando el método de recolección de los mismos e incluso si el instrumento utilizado es el apropiado en términos de la resolución de las lecturas/mediciones y otra opción puede ser la de identificar la distribución que mejor se ajusta a los datos, como bien mencionas.
Por eso inicie respondiendo esta pregunta en qué depende de la situación, si en el entorno donde se desarrolla el análisis no existen restricciones de las transformaciones, se puede usar y es valida la herramienta, por ello existen tales como BoxCox y Johnson. Siempre y cuando siguiendo el proceso de transformación, si se quiere hacer un análisis de capacidad, transformar también las especificaciones con su respectiva función, etc.
En todos los gráficos me sale menos a 0,05, ayuda por favor.
Hola Delly Zambrano!
Si al usar la herramienta de identificación del tipo de distribución, en todas te arroja valores menores a 0.05, quiere decir que los datos en análisis no se ajustan a algun tipo de distribución, de igual forma si las transformaciones de Johnson y Box Cox arrojan P-Values < 0.05, la conclusión es que los datos no pudieron ser tampoco transformados.
Me llama la atención que incluso la transformación de Johnson te arrojara P-Value < 0.05. Normalmente esta herramienta de transformación y/o normalización de datos, funciona en general dado su modelo matemático dónde busca el ajuste mediante una ecuación en algunos casos con ecuaciones complejas.
La teoría dice que cuándo no hay ajuste a ningun tipo de distribución, se puede hacer uso de una rama de la estadística que se llama "Estadística no paramétrica", también llamada de las distribuciones libres, dónde existen herramientas de análisis dependiendo lo que se requiera evaluar.
Mi recomendación sería que regresaras al origen de los datos, es decir revisar como fue la metodologia de recolección de los datos? qué instrumento de medición nos proporciona dichos datos? qué tamaño de muestra tenemos? ... esto último, el tamaño de muestra es importante para que genere más información y permita identificar el tipo de distribución.
En mi experiencia te puedo decir que en algunas ocasiones me ha sucedido lo mismo, por ponerte un ejemplo te das cuenta cuando tus datos no se van a ajustar a un tipo de distribución, ya que desde el histograma observas cómo la mayoría de los datos estan en una misma clase, es decir hay mucha repetibilidad de los datos en un conjunto de números, eso no ayuda para identificar distribuciones.
Por lo mismo te recomiendo que evalues la recolección de tus datos, como te mencionaba anteriormente, si tu objetivo es el de realizar análisis de capacidad de proceso.
Saludos y muchas gracias por visitar el canal!!
Que pasa si los datos no se ajustan a ninguna distribución ?
Muy buena pregunta. Si puede pasar que los datos no se ajusten a ningún tipo de distribución. Existe una rama de la estadística llamada estadística no paramétrica, también conocida como de distribuciones libres. La estadística no paramétrica tiene herramientas de análisis estadísticos equivalentes que pueden ser usados en el análisis de datos. Por lo general esas herramientas que trabajan o utilizan la mediana como un estadístico descriptivo de referencia de los datos para probar hipótesis, ejemplo si quieres comparar diferentes poblaciones, la estadística descriptiva utilizará la mediana. No tengo un video tutorial en el canal de estas herramientas, pero puede ser un buen tema para incluirlo en futuros videos.
Seria de gran ayuda un tutorial para explicar lo no paramétrico, justo me encuentro en ese caso en que no se ajusta a ningun tipo distribución :(
que hago si no me da resultado de Pp?
BUEN VIDEO UTILIZANDO LOS ARCHIVOS DE MINITAB support.minitab.com/es-mx/datasets/ , ENTRAR A biblioteca de conjunto de datos.
Muchas gracias por tu comentario. Te invito a visitar el canal dónde encontrarás explicación de otras herramientas de análisis en Minitab.
De igual forma si se requiere un video tutorial de una herramienta en específico, quedo a la orden. Saludos!
Y si el P. Value = 0.050, es normal o no ?
Hola Angel! Antes que nada una disculpa por la demora en contestar a tu pregunta. Estaré ya más al pendiente de los comentarios del canal y de estar subiendo al menos un nuevo video tutorial por semana.
Regresando a tu pregunta, en verdad es muy buena tu pregunta, veamos cómo podría responderla.
Partiremos de lo que dice la teoría para hipótesis de prueba de normalidad:
H0 (Hipótesis nula): Los datos siguen o se asemejan a una distribución normal.
HI (Hipótesis alternativa): Los datos no siguen o no se asemejan a una distribución normal.
Regla de decision:
P-Value > Alfa (en este caso y comúnmente con un valor de 0.05) No se rechaza H0, por lo tanto se concluye que los datos se asemejan o siguen una distribución normal.
P-Value < Alfa (0.05) Se rechaza H0 y se concluye que los datos NO siguen una distribución normal.
Por lo tanto, si el P-Value de tus datos llega a ser exactamente el valor de 0.05, si bien no es mayor como tal al Alfa, lo puedes tomar como que se ajustan a la distribución normal dado el valor tan cercano o igual. Si realizas un análisis de identificación del tipo de distribución podría ser que estos datos que nos platicas den exactamente 0.05 para la prueba de normalidad y quizá para una lognormal 0.051, 0.052 ... 0.059 (es decir tiene un mejor ajuste a otro tipo de distribución)
Existen software como ProModel que cuando realizas una identificación de distribución, te arroja un ranking tal cual de en que porcentaje o valor se ajusta a cierta distribución y en ocasiones puedes ver como un conjunto de datos puede tener un 100% de ajuste a una determinada distribución, pero también un 95% a otro tipo, etc.
Esto se puede observar en distribuciones como la normal, lognormal y logística (por ejemplo)
Mi recomendación es que los consideres como normales si te da exactamente el 0.05, ya que el valor no es tan bajo/menor como para indicarte lo contrario.
Espero en verdad haber respondido a tu duda y quedo a la orden.
Por tu atención muchas gracias!
Excelente video muchas gracias, les comparto este video sobre el manejo de Minitab para los que recién están comenzando, espero les sirva: th-cam.com/video/K5WYC_Cou7s/w-d-xo.html
la verdad que no se te entiende nada cuando hablas, pero ubicas bien las palabras..
Gracias por su comentario, se agradece la retroalimentación.
Solo confirmar si su comentario es respecto el audio, la dicción o la explicación?
Para de esta forma poder mejorar en futuros videos.
Saludos!
Muchas gracias por tu ayuda :)
Muchas gracias por ver este video tutorial. Me da gusto que haya sido de tu agrado y utilidad.
Te invito a suscribirte al canal, si ya lo estás activar campana de notificación de nuevos videos.
Saludos!