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