Estadística industrial moderna : diseño y control de la calidad y la confiabilidad /
Kenett, Ron S.
Estadística industrial moderna : diseño y control de la calidad y la confiabilidad / Ron Kenett, Shelemyahhu Zacks - México : International Thomson Editores, 2000 - xvi, 619 p. : fig., tablas ; 25 cm
Incluye índice alfabético
Bibliografía: p. 542-548
PRIMERA PARTE. PRINCIPIOS DEL RAZONAMIENTO Y ANÁLISIS ESTADÍSTICO
CAPÍTULO 1. EL PAPEL DE LOS MÉTODOS ESTADÍSTICOS EN LA INDUSTRIA MODERNA
1.1. Las distintas áreas funcionales en la industria
1.2. El dilema entre calidad y productividad
1.3. Extinción de incendios
1.4. Inspección de incendios
1.5. Control de procesos
1.6. Calidad por diseño
CAPÍTULO 2. QUÉ ES LA VARIABILIDAD
2.1. Los fenómenos y la estructura de las observaciones
2.2. Exactitud y precisión de las mediciones
2.3. La población y la muestra
2.3.1. Toma de una muestra aleatoria de una población finita
2.3.2. Toma de una muestra aleatoria de una población infinita
2.4. Análisis descriptivo de los datos de la muestra
2.4.1. Distribuciones de frecuencia de variables aleatorias discretas
2.4.2. Distribuciones de frecuencia de variables aleatorias continuas
2.4.3. Estadísticas de la muestra ordenada
2.4.4. Estadísticas de ubicación u dispersión
2.5. Intervalos de predicción
2.6. Técnicas adicionales del análisis exploratorio de datos
2.6.1. Diagramas de caja y bigotes
2.6.2. Gráficas de cuantiles
2.6.3. Diagramas de tallo y hojas
2.6.4. Estadísticas robustas de ubicación y dispersión
CAPÍTULO 3. VARIABILIDAD EN DIVERSAS DIMENSIONES
3.1. Presentación y análisis gráfico
3.1.1. Diagramas de dispersión
3.1.2. Diagramas de cajas múltiples
3.2. Gráficas dinámicas
3.2.1. Giro en 3 dimensiones
3.2.2. Iluminación, codificación y transformaciones
3.3. Distribuciones de frecuencia en varias dimensiones
3.3.1. Distribuciones bivariadas de frecuencias conjuntas
3.3.2. Distribuciones condicionales
3.4. Correlación y análisis de regresión
3.4.1. Covarianzas y correlaciones
3.4.2. Ajuste de las líneas de regresión a los datos
3.4.2.1. El método de los mínimos cuadrados
3.4.2.2. Intervalos de predicción y regresión
3.4.2.3. Métodos robustos de correlación y regresión
3.5. Tablas de contingencia
3.5.1. Estructura de las tablas de contingencia
3.5.2. Índice de asociación para tablas de contingencia
3.5.2.1. Variables escalonadas en dos intervalos
6.5.2.2. Índice de asociación para variables categóricas
CAPÍTULO 4. MODELOS BÁSICOS DE PROBABILIDAD Y FUNCIONES DE DISTRIBUCIÓN
4.1. Probabilidad básica
4.1.1. Eventos y espacios muéstrales: presentación formal de mediciones aleatorias
4.1.2. Reglas básicas de operaciones con eventos: uniones e intersecciones
4.1.3. Probabilidades de eventos
4.1.4. Funciones de probabilidad para muestreo aleatorio
4.1.5. Probabilidades condicionales e independencia de eventos
4.1.6. Fórmula de Bayes y sus aplicaciones
4.2. Variables aleatorias y sus distribuciones
4.2.1. Distribuciones discretas y continuas
4.2.1.1. Variables aleatorias discretas
4.2.1.2. Variables aleatorias continuas
4.2.2. Valores esperado y momentos de la distribución
4.2.3. Desviación estándar, cuantiles, medidas de asimetría y curtosis
4.2.4. Funciones generadoras de momentos
4.3. Familias de distribuciones discretas
4.3.1. La distribución binomial
4.3.2. La distribución hipergeométrica
4.3.3. La distribución de Poisson
4.3.4. Distribuciones geométrica y binomial negativa
4.4. Distribuciones continuas
4.4.1. La distribución uniforme en el intervalo (a,b), a < b
4.4.2. Las distribuciones normal y log – normal
4.4.2.1. La distribución normal
4.4.2.2. La distribución log – normal
4.4.3. La distribución exponencial
4.4.4. Las distribuciones gamma y de Weibull
4.4.5. La distribución beta
4.5. Distribuciones conjunta, marginales y condicionales
4.5.1. Distribuciones conjuntas y marginales
4.5.2. Covarianza y correlación
4.5.3. Distribuciones condicionales
4.6. Algunas distribuciones multivariadas
4.6.1. La distribución multinomial
4.6.2. La distribución multi – hipergeométrica
4.6.3. La distribución normal bivariada
4.7. Distribuciones de estadísticas de orden
4.8. Combinaciones lineales de variables aleatorias
4.9. Aproximaciones para muéstrales grandes
4.9.1. La ley de los números grandes
4.9.2. El teorema del límite central
4.9.3. Algunas aproximaciones a la distribución normal
4.10. Distribuciones adicionales de estadísticas de muestras con distribución normal
4.10.1. Distribución de la varianza de muestra
4.10.2. La estadística t de Student
4.10.3. Distribución de la relación de varianzas
CAPÍTULO 5. MUESTREO PARA ESTIMAR CANTIDADES EN POBLACIONES FINITAS
5.1. El muestreo y el problema de estimar
5.1.1. Definiciones básicas
5.1.2. Estimadores de muestra de cantidades de población y su distribución de muestras
5.2. Estimados con muestras aleatorias simples
5.2.1. Propiedades de Xn y S2 usando muestreo aleatorio simple con reposición
5.2.2. Propiedades de Xn y S2n con muestreo aleatoria simple sin reposición
5.3. Estimado del promedio con muestreo aleatorio estratificado sin reposición
5.4. Asignación proporcional y óptima
5.5. Modelos de predicción con covariadas conocidas
CAPÍTULO 6. INFERENCIA ESTADÍSTICA PARAMÉTRICA
6.1. Características de muestreo de los estimadores
6.2. Algunos métodos de estimación de punto
6.2.1. Estimadores de ecuación de momentos
6.2.2. El método de los mínimos cuadrados
6.2.3. Estimadores de posibilidad máxima
6.3. Comparación de estimadores de la muestra con normas específicas. Prueba de hipótesis estadística
6.3.1. Conceptos básicos
6.3.2. Algunas pruebas comunes de hipótesis con una muestra
6.4. Intervalos de confianza
6.4.1. Intervalos de confianza de u cuando se conoce Q
6.4.2. Intervalos de confianza de u cuando se desconoce Q
6.4.3. Intervalos de confianza de Q2
6.4.4. Intervalos de confianza de p
6.5. Intervalos de tolerancia
6.5.1. Intervalos de tolerancia para las distribuciones normales
6.5.2. Intervalos de tolerancia sin distribución
6.6. Prueba de normalidad con gráficas de probabilidad
6.7. Pruebas de bondad de ajuste
6.7.1. La prueba de ji cuadrada (muestras grandes)
6.7.2. La prueba de Kolmogorov–Smirnov
6.8. Procedimientos de decisión bayesiana
6.8.1. Distribuciones a priori y a posteriori
6.8.2. Prueba y estimación bayesiana
6.8.2.1. Prueba bayesiana
6.8.2.2. Estimación bayesiana
6.8.3. Intervalos de credibilidad para parámetros reales
CAPÍTULO 7. INFERENCIA SIN DISTRIBUCIÓN: TÉCNICAS INTENSIVAS EN CÓMPUTO
7.1. Muestreo aleatorio de distribuciones de referencia
7.2. Muestreo bootstrap
7.2.1. El método bootstrap
7.2.2. Examen del método bootstrap
7.2.3. Control del método bootstrap
7.3. Prueba bootstrap de hipótesis
7.3.1. Prueba bootstrap e intervalos de confianza para la media
7.3.2. Prueba estudentizada para la media
7.3.3. Prueba estudentizada para la diferencia de dos promedios
7.3.4. Pruebas bootstrap e intervalos de confianza para la varianza
7.3.5. Comparación de estadísticas de varias muestras
7.3.5.1. Comparación de varianzas de varias muestras
7.3.5.2. Comparación de varias medias: el análisis unilateral de varianza
7.4. Intervalos de tolerancia bootstrap
7.4.1. Intervalos de tolerancia booststrap para muestras de Bernoulli
7.4.2. Intervalos de tolerancia para variables continuas
7.5. Pruebas no paramétricas
7.5.1. La prueba del signo
7.5.2. La prueba de aleatorización
7.5.3. La prueba de rango con signo de Wilcoxon
7.6. Macros de MINITAB y archivos ejecutables usados en el capítulo
CAPÍTULO 8. REGRESIÓN LINEAL MÚLTIPLE Y ANÁLISIS DE VARIANZA
8.1. Regresión con dos variables
8.2. Regresión y correlación parcial
8.3. Regresión lineal múltiple
8.4. Pruebas F parciales y suma de cuadrados secuencial
8.5. Construcción de modelos. Regresión en etapas
8.6. Diagnóstico de la regresión
8.7. Análisis de la respuesta cuantal: regresión logística
8.8. El análisis de varianza: comparación de promedios
8.8.1. El modelo estadístico
8.8.2. El análisis unidireccional de varianza (ANOVA)
8.9. Intervalos de confianza simultáneos: comparaciones múltiples
8.10. Análisis de datos categóricos
8.10.1. Comparación de experimentos binomiales
8.10.2. La prueba de ji cuadrada para tablas de contingencia
SEGUNDA PARTE. MÉTODOS DE LA ESTADÍSTICA INDUSTRIAL
CAPÍTULO 9. PLANES DE MUESTREO PARA INSPECCIÓN DE PRODUCTOS
9.1. Descripción general
9.2. Planes de muestreo de una etapa para atributos
9.3. Determinación aproximada del plan de muestreo
9.4. Planes de muestreo doble para atributos
9.5. Muestreo secuencial
9.6. Planes de muestreo de aceptación para variables
9.7. Inspección rectificadora de lotes
9.8. Normas nacionales e internacionales
9.9. Planes de muestreo de lotes salteados para atributos
9.9.1. Procedimientos ISO 2859 de muestreo de lote salteado
9.10. El criterio de inspección de Deming
9.11. Tablas publicadas para muestreo de aceptación
CAPITULO 10. MÉTODOS Y PRINCIPIOS BÁSICOS DEL CONTROL ESTADÍSTICO DE PROCESO
10.1. Conceptos básicos del control estadístico de procesos
10.2. Manejo de un proceso con gráficas de control
10.3. Establecimiento de una gráfica de control: estudios de capacidad del proceso
10.4. Índices de capacidad del proceso
10.5. Siete herramientas para controlar y mejorar el proceso
10.6. Análisis estadístico de los diagramas de Pareto
10.7. Las gráficas de control de Shewhart
10.7.1. Gráficas de control para atributos
10.7.2. Gráficas de control para variables
10.7.2.1. Gráficas X
10.7.2.2. Gráficas S y R
CAPÍTULO 11. MÉTODOS AVANZADOS DE CONTROL ESTADÍSTICO DE PROCESO
11.1. Pruebas de aleatoriedad
11.1.1. Pruebas de la cantidad de corridas
11.1.2. Corridas arriba y debajo de un nivel específico
11.1.3. Corridas hacia arriba y abajo
11.1.4. Prueba de la longitud de corridas hacia arriba y hacia abajo
11.2. Gráficas modificadas de control de Shewhart para X
11.3. Tamaño de muestra y frecuencia de muestreo para las gráficas de control de Shewhart
11.3.1. Diseño económico para las gráficas X
11.3.2. Aumento de la sensibilidad de las gráficas p
11.4. Gráficas de control multivariadas
11.5. Gráficas de control de suma acumulada
11.5.1. Esquema superior de Page
11.5.2. Algunos fundamentos teóricos
11.5.3. Esquemas inferior y bilateral de Page
11.5.4. Longitud promedio de corrida, probabilidad de falsa alarma y demora esperada condicional
11.6. Detección bayesiana
11.7. Seguimiento del proceso
11.7.1. El procedimiento de promedios móviles ponderados exponencialmente (EWMA)
11.7.2. El procedimiento de estimación de Bayes de la media actual (EBPA)
11.7.3. El filtro de Kalman
11.7.4. Plan de medición de calidad (QMP) de hoadley
11.8. Control automático de proceso
CAPÍTULO 12. DISEÑO Y ANÁLISIS CLÁSICO DE EXPERIMENTOS
12.1. Principios directivos y pasos básicos
12.2. Bloqueo y aleatorización
12.3. Modelos lineales aditivos y no aditivos: efectos principales e interacciones
12.4. Análisis de diseños completos de bloques aleatorizados
12.4.1. Varios bloques, dos tratamientos por bloque: comparación apareada
12.4.1.1. La prueba t
12.4.1.2. Pruebas de aleatorización
12.4.2. Varios bloques, t tratamientos por bloque
12.5. Diseños de bloques incompletos balanceados
12.6. Diseños con cuadrados latinos
12.7. Experimentos factoriales completos
12.7.1. Estructura de los experimentos factoriales
12.7.2. Análisis de varianza de diseños factoriales completos
12.7.3. Estimación de efectos principales e interacciones
12.7.4. Diseños factoriales 2 m
12.7.5. Diseños factoriales 3 m
12.8. Bloqueo y réplica fraccionarias de diseños factoriales 2 m
12.9. Exploración de las superficies de respuesta
12.9.1. Diseños de segundo orden
12.9.2. Algunos diseños específicos de segundo orden
12.9.2.1. Diseños 3k
12.9.2.2. Diseños compuestos centrales
12.9.3. Acercamiento a la región de rendimiento óptimo
12.9.4. Representación canónica
CAPÍTULO 13. CALIDAD POR DISEÑO
13.1. Control de calidad fuera de línea, diseño de parámetros y el método de Taguchi
13.1.1. Optimización de producto y proceso usando funciones de pérdida
13.1.2. Etapas principales en el diseño de productos y procesos
13.1.3. Parámetros de diseño y factores de ruido
13.1.4. Experimentos de diseño de desempeño
13.1.5. Medidas estadísticas de desempeño
13.2. Los efectos de la no linealidad
13.3. Diseños de Taguchi
13.4. Diseños asistidos por computadora
13.5. Diseños de tolerancia
13.6. Estudios de caso
13.6.1. El experimento de Quinlan en Flex Products
13.6.2. Optimización en computadora del tiempo de respuesta
CAPÍTULO 14. ANÁLISIS DE CONFIABILIDAD
14.1. Nociones básicas
14.1.1. Categorías de tiempo
14.1.2. Confiabilidad y funciones afines
14.2. Confiabilidad del sistema
14.3. Disponibilidad de los sistemas que se pueden reparar
14.4. Tipos de observaciones del tiempo hasta la falla
14.5. Análisis gráfico de datos de duración
14.6. Estimación no paramétrica de la confiabilidad
14.7. Estimado de características de vida
14.7.1. Estimadores de máxima posibilidad para distribuciones exponenciales de tiempo gasta la falla
14.7.2. Estimando de máxima posibilidad de los parámetros de Weibull
14.8. Demostración de confiabilidad
14.8.1. Prueba binomial
14.8.2. Distribuciones exponenciales
14.8.3. Prueba secuencial de confiabilidad
14.8.3.1. Prueba de confiabilidad pata datos binomiales
14.8.3.2. La prueba de relaciones secuenciales de probabilidad para procesos de Poisson
14.8.3.3. La prueba de relaciones secuenciales de probabilidad para procesos de Poisson
14.9. Prueba acelerada de vida
14.9.1. El modelo de temperaturas de Arrhenius
19.9.2. Otros modelos
14.10. Procedimientos de quemado
Apéndice I. Repaso de álgebra de matrices para estadísticas, con cálculos en MINITAB
Apéndice II. Simuladores
Apéndice III. Información sobre archivos de datos y programas
Apéndice IV. Información detallada sobre archivos de datos
Apéndice V. Información detallada sobre archivos ejecutables de BASIC y macros de MINITAB
Apéndice VI. Procedimientos con S – PLUS
Apéndice VII. Soluciones
Apéndice VIII. Operaciones y comandos con MINITAB
Apéndice IX. Lista de abreviaturas
Apéndice X. El alfabeto griego
9706860274
ANALISIS ESTADISTICO
CONTROL DE CALIDAD
INDICES ESTADISTICOS
DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE MUESTREO
TEOREMA DEL LIMITE CENTRAL
INFERENCIA ESTADISTICA
CURTOSIS
CONTROL ESTADISTICO DE LA CALIDAD
519.2
Estadística industrial moderna : diseño y control de la calidad y la confiabilidad / Ron Kenett, Shelemyahhu Zacks - México : International Thomson Editores, 2000 - xvi, 619 p. : fig., tablas ; 25 cm
Incluye índice alfabético
Bibliografía: p. 542-548
PRIMERA PARTE. PRINCIPIOS DEL RAZONAMIENTO Y ANÁLISIS ESTADÍSTICO
CAPÍTULO 1. EL PAPEL DE LOS MÉTODOS ESTADÍSTICOS EN LA INDUSTRIA MODERNA
1.1. Las distintas áreas funcionales en la industria
1.2. El dilema entre calidad y productividad
1.3. Extinción de incendios
1.4. Inspección de incendios
1.5. Control de procesos
1.6. Calidad por diseño
CAPÍTULO 2. QUÉ ES LA VARIABILIDAD
2.1. Los fenómenos y la estructura de las observaciones
2.2. Exactitud y precisión de las mediciones
2.3. La población y la muestra
2.3.1. Toma de una muestra aleatoria de una población finita
2.3.2. Toma de una muestra aleatoria de una población infinita
2.4. Análisis descriptivo de los datos de la muestra
2.4.1. Distribuciones de frecuencia de variables aleatorias discretas
2.4.2. Distribuciones de frecuencia de variables aleatorias continuas
2.4.3. Estadísticas de la muestra ordenada
2.4.4. Estadísticas de ubicación u dispersión
2.5. Intervalos de predicción
2.6. Técnicas adicionales del análisis exploratorio de datos
2.6.1. Diagramas de caja y bigotes
2.6.2. Gráficas de cuantiles
2.6.3. Diagramas de tallo y hojas
2.6.4. Estadísticas robustas de ubicación y dispersión
CAPÍTULO 3. VARIABILIDAD EN DIVERSAS DIMENSIONES
3.1. Presentación y análisis gráfico
3.1.1. Diagramas de dispersión
3.1.2. Diagramas de cajas múltiples
3.2. Gráficas dinámicas
3.2.1. Giro en 3 dimensiones
3.2.2. Iluminación, codificación y transformaciones
3.3. Distribuciones de frecuencia en varias dimensiones
3.3.1. Distribuciones bivariadas de frecuencias conjuntas
3.3.2. Distribuciones condicionales
3.4. Correlación y análisis de regresión
3.4.1. Covarianzas y correlaciones
3.4.2. Ajuste de las líneas de regresión a los datos
3.4.2.1. El método de los mínimos cuadrados
3.4.2.2. Intervalos de predicción y regresión
3.4.2.3. Métodos robustos de correlación y regresión
3.5. Tablas de contingencia
3.5.1. Estructura de las tablas de contingencia
3.5.2. Índice de asociación para tablas de contingencia
3.5.2.1. Variables escalonadas en dos intervalos
6.5.2.2. Índice de asociación para variables categóricas
CAPÍTULO 4. MODELOS BÁSICOS DE PROBABILIDAD Y FUNCIONES DE DISTRIBUCIÓN
4.1. Probabilidad básica
4.1.1. Eventos y espacios muéstrales: presentación formal de mediciones aleatorias
4.1.2. Reglas básicas de operaciones con eventos: uniones e intersecciones
4.1.3. Probabilidades de eventos
4.1.4. Funciones de probabilidad para muestreo aleatorio
4.1.5. Probabilidades condicionales e independencia de eventos
4.1.6. Fórmula de Bayes y sus aplicaciones
4.2. Variables aleatorias y sus distribuciones
4.2.1. Distribuciones discretas y continuas
4.2.1.1. Variables aleatorias discretas
4.2.1.2. Variables aleatorias continuas
4.2.2. Valores esperado y momentos de la distribución
4.2.3. Desviación estándar, cuantiles, medidas de asimetría y curtosis
4.2.4. Funciones generadoras de momentos
4.3. Familias de distribuciones discretas
4.3.1. La distribución binomial
4.3.2. La distribución hipergeométrica
4.3.3. La distribución de Poisson
4.3.4. Distribuciones geométrica y binomial negativa
4.4. Distribuciones continuas
4.4.1. La distribución uniforme en el intervalo (a,b), a < b
4.4.2. Las distribuciones normal y log – normal
4.4.2.1. La distribución normal
4.4.2.2. La distribución log – normal
4.4.3. La distribución exponencial
4.4.4. Las distribuciones gamma y de Weibull
4.4.5. La distribución beta
4.5. Distribuciones conjunta, marginales y condicionales
4.5.1. Distribuciones conjuntas y marginales
4.5.2. Covarianza y correlación
4.5.3. Distribuciones condicionales
4.6. Algunas distribuciones multivariadas
4.6.1. La distribución multinomial
4.6.2. La distribución multi – hipergeométrica
4.6.3. La distribución normal bivariada
4.7. Distribuciones de estadísticas de orden
4.8. Combinaciones lineales de variables aleatorias
4.9. Aproximaciones para muéstrales grandes
4.9.1. La ley de los números grandes
4.9.2. El teorema del límite central
4.9.3. Algunas aproximaciones a la distribución normal
4.10. Distribuciones adicionales de estadísticas de muestras con distribución normal
4.10.1. Distribución de la varianza de muestra
4.10.2. La estadística t de Student
4.10.3. Distribución de la relación de varianzas
CAPÍTULO 5. MUESTREO PARA ESTIMAR CANTIDADES EN POBLACIONES FINITAS
5.1. El muestreo y el problema de estimar
5.1.1. Definiciones básicas
5.1.2. Estimadores de muestra de cantidades de población y su distribución de muestras
5.2. Estimados con muestras aleatorias simples
5.2.1. Propiedades de Xn y S2 usando muestreo aleatorio simple con reposición
5.2.2. Propiedades de Xn y S2n con muestreo aleatoria simple sin reposición
5.3. Estimado del promedio con muestreo aleatorio estratificado sin reposición
5.4. Asignación proporcional y óptima
5.5. Modelos de predicción con covariadas conocidas
CAPÍTULO 6. INFERENCIA ESTADÍSTICA PARAMÉTRICA
6.1. Características de muestreo de los estimadores
6.2. Algunos métodos de estimación de punto
6.2.1. Estimadores de ecuación de momentos
6.2.2. El método de los mínimos cuadrados
6.2.3. Estimadores de posibilidad máxima
6.3. Comparación de estimadores de la muestra con normas específicas. Prueba de hipótesis estadística
6.3.1. Conceptos básicos
6.3.2. Algunas pruebas comunes de hipótesis con una muestra
6.4. Intervalos de confianza
6.4.1. Intervalos de confianza de u cuando se conoce Q
6.4.2. Intervalos de confianza de u cuando se desconoce Q
6.4.3. Intervalos de confianza de Q2
6.4.4. Intervalos de confianza de p
6.5. Intervalos de tolerancia
6.5.1. Intervalos de tolerancia para las distribuciones normales
6.5.2. Intervalos de tolerancia sin distribución
6.6. Prueba de normalidad con gráficas de probabilidad
6.7. Pruebas de bondad de ajuste
6.7.1. La prueba de ji cuadrada (muestras grandes)
6.7.2. La prueba de Kolmogorov–Smirnov
6.8. Procedimientos de decisión bayesiana
6.8.1. Distribuciones a priori y a posteriori
6.8.2. Prueba y estimación bayesiana
6.8.2.1. Prueba bayesiana
6.8.2.2. Estimación bayesiana
6.8.3. Intervalos de credibilidad para parámetros reales
CAPÍTULO 7. INFERENCIA SIN DISTRIBUCIÓN: TÉCNICAS INTENSIVAS EN CÓMPUTO
7.1. Muestreo aleatorio de distribuciones de referencia
7.2. Muestreo bootstrap
7.2.1. El método bootstrap
7.2.2. Examen del método bootstrap
7.2.3. Control del método bootstrap
7.3. Prueba bootstrap de hipótesis
7.3.1. Prueba bootstrap e intervalos de confianza para la media
7.3.2. Prueba estudentizada para la media
7.3.3. Prueba estudentizada para la diferencia de dos promedios
7.3.4. Pruebas bootstrap e intervalos de confianza para la varianza
7.3.5. Comparación de estadísticas de varias muestras
7.3.5.1. Comparación de varianzas de varias muestras
7.3.5.2. Comparación de varias medias: el análisis unilateral de varianza
7.4. Intervalos de tolerancia bootstrap
7.4.1. Intervalos de tolerancia booststrap para muestras de Bernoulli
7.4.2. Intervalos de tolerancia para variables continuas
7.5. Pruebas no paramétricas
7.5.1. La prueba del signo
7.5.2. La prueba de aleatorización
7.5.3. La prueba de rango con signo de Wilcoxon
7.6. Macros de MINITAB y archivos ejecutables usados en el capítulo
CAPÍTULO 8. REGRESIÓN LINEAL MÚLTIPLE Y ANÁLISIS DE VARIANZA
8.1. Regresión con dos variables
8.2. Regresión y correlación parcial
8.3. Regresión lineal múltiple
8.4. Pruebas F parciales y suma de cuadrados secuencial
8.5. Construcción de modelos. Regresión en etapas
8.6. Diagnóstico de la regresión
8.7. Análisis de la respuesta cuantal: regresión logística
8.8. El análisis de varianza: comparación de promedios
8.8.1. El modelo estadístico
8.8.2. El análisis unidireccional de varianza (ANOVA)
8.9. Intervalos de confianza simultáneos: comparaciones múltiples
8.10. Análisis de datos categóricos
8.10.1. Comparación de experimentos binomiales
8.10.2. La prueba de ji cuadrada para tablas de contingencia
SEGUNDA PARTE. MÉTODOS DE LA ESTADÍSTICA INDUSTRIAL
CAPÍTULO 9. PLANES DE MUESTREO PARA INSPECCIÓN DE PRODUCTOS
9.1. Descripción general
9.2. Planes de muestreo de una etapa para atributos
9.3. Determinación aproximada del plan de muestreo
9.4. Planes de muestreo doble para atributos
9.5. Muestreo secuencial
9.6. Planes de muestreo de aceptación para variables
9.7. Inspección rectificadora de lotes
9.8. Normas nacionales e internacionales
9.9. Planes de muestreo de lotes salteados para atributos
9.9.1. Procedimientos ISO 2859 de muestreo de lote salteado
9.10. El criterio de inspección de Deming
9.11. Tablas publicadas para muestreo de aceptación
CAPITULO 10. MÉTODOS Y PRINCIPIOS BÁSICOS DEL CONTROL ESTADÍSTICO DE PROCESO
10.1. Conceptos básicos del control estadístico de procesos
10.2. Manejo de un proceso con gráficas de control
10.3. Establecimiento de una gráfica de control: estudios de capacidad del proceso
10.4. Índices de capacidad del proceso
10.5. Siete herramientas para controlar y mejorar el proceso
10.6. Análisis estadístico de los diagramas de Pareto
10.7. Las gráficas de control de Shewhart
10.7.1. Gráficas de control para atributos
10.7.2. Gráficas de control para variables
10.7.2.1. Gráficas X
10.7.2.2. Gráficas S y R
CAPÍTULO 11. MÉTODOS AVANZADOS DE CONTROL ESTADÍSTICO DE PROCESO
11.1. Pruebas de aleatoriedad
11.1.1. Pruebas de la cantidad de corridas
11.1.2. Corridas arriba y debajo de un nivel específico
11.1.3. Corridas hacia arriba y abajo
11.1.4. Prueba de la longitud de corridas hacia arriba y hacia abajo
11.2. Gráficas modificadas de control de Shewhart para X
11.3. Tamaño de muestra y frecuencia de muestreo para las gráficas de control de Shewhart
11.3.1. Diseño económico para las gráficas X
11.3.2. Aumento de la sensibilidad de las gráficas p
11.4. Gráficas de control multivariadas
11.5. Gráficas de control de suma acumulada
11.5.1. Esquema superior de Page
11.5.2. Algunos fundamentos teóricos
11.5.3. Esquemas inferior y bilateral de Page
11.5.4. Longitud promedio de corrida, probabilidad de falsa alarma y demora esperada condicional
11.6. Detección bayesiana
11.7. Seguimiento del proceso
11.7.1. El procedimiento de promedios móviles ponderados exponencialmente (EWMA)
11.7.2. El procedimiento de estimación de Bayes de la media actual (EBPA)
11.7.3. El filtro de Kalman
11.7.4. Plan de medición de calidad (QMP) de hoadley
11.8. Control automático de proceso
CAPÍTULO 12. DISEÑO Y ANÁLISIS CLÁSICO DE EXPERIMENTOS
12.1. Principios directivos y pasos básicos
12.2. Bloqueo y aleatorización
12.3. Modelos lineales aditivos y no aditivos: efectos principales e interacciones
12.4. Análisis de diseños completos de bloques aleatorizados
12.4.1. Varios bloques, dos tratamientos por bloque: comparación apareada
12.4.1.1. La prueba t
12.4.1.2. Pruebas de aleatorización
12.4.2. Varios bloques, t tratamientos por bloque
12.5. Diseños de bloques incompletos balanceados
12.6. Diseños con cuadrados latinos
12.7. Experimentos factoriales completos
12.7.1. Estructura de los experimentos factoriales
12.7.2. Análisis de varianza de diseños factoriales completos
12.7.3. Estimación de efectos principales e interacciones
12.7.4. Diseños factoriales 2 m
12.7.5. Diseños factoriales 3 m
12.8. Bloqueo y réplica fraccionarias de diseños factoriales 2 m
12.9. Exploración de las superficies de respuesta
12.9.1. Diseños de segundo orden
12.9.2. Algunos diseños específicos de segundo orden
12.9.2.1. Diseños 3k
12.9.2.2. Diseños compuestos centrales
12.9.3. Acercamiento a la región de rendimiento óptimo
12.9.4. Representación canónica
CAPÍTULO 13. CALIDAD POR DISEÑO
13.1. Control de calidad fuera de línea, diseño de parámetros y el método de Taguchi
13.1.1. Optimización de producto y proceso usando funciones de pérdida
13.1.2. Etapas principales en el diseño de productos y procesos
13.1.3. Parámetros de diseño y factores de ruido
13.1.4. Experimentos de diseño de desempeño
13.1.5. Medidas estadísticas de desempeño
13.2. Los efectos de la no linealidad
13.3. Diseños de Taguchi
13.4. Diseños asistidos por computadora
13.5. Diseños de tolerancia
13.6. Estudios de caso
13.6.1. El experimento de Quinlan en Flex Products
13.6.2. Optimización en computadora del tiempo de respuesta
CAPÍTULO 14. ANÁLISIS DE CONFIABILIDAD
14.1. Nociones básicas
14.1.1. Categorías de tiempo
14.1.2. Confiabilidad y funciones afines
14.2. Confiabilidad del sistema
14.3. Disponibilidad de los sistemas que se pueden reparar
14.4. Tipos de observaciones del tiempo hasta la falla
14.5. Análisis gráfico de datos de duración
14.6. Estimación no paramétrica de la confiabilidad
14.7. Estimado de características de vida
14.7.1. Estimadores de máxima posibilidad para distribuciones exponenciales de tiempo gasta la falla
14.7.2. Estimando de máxima posibilidad de los parámetros de Weibull
14.8. Demostración de confiabilidad
14.8.1. Prueba binomial
14.8.2. Distribuciones exponenciales
14.8.3. Prueba secuencial de confiabilidad
14.8.3.1. Prueba de confiabilidad pata datos binomiales
14.8.3.2. La prueba de relaciones secuenciales de probabilidad para procesos de Poisson
14.8.3.3. La prueba de relaciones secuenciales de probabilidad para procesos de Poisson
14.9. Prueba acelerada de vida
14.9.1. El modelo de temperaturas de Arrhenius
19.9.2. Otros modelos
14.10. Procedimientos de quemado
Apéndice I. Repaso de álgebra de matrices para estadísticas, con cálculos en MINITAB
Apéndice II. Simuladores
Apéndice III. Información sobre archivos de datos y programas
Apéndice IV. Información detallada sobre archivos de datos
Apéndice V. Información detallada sobre archivos ejecutables de BASIC y macros de MINITAB
Apéndice VI. Procedimientos con S – PLUS
Apéndice VII. Soluciones
Apéndice VIII. Operaciones y comandos con MINITAB
Apéndice IX. Lista de abreviaturas
Apéndice X. El alfabeto griego
9706860274
ANALISIS ESTADISTICO
CONTROL DE CALIDAD
INDICES ESTADISTICOS
DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE MUESTREO
TEOREMA DEL LIMITE CENTRAL
INFERENCIA ESTADISTICA
CURTOSIS
CONTROL ESTADISTICO DE LA CALIDAD
519.2