Inicio / Lean Six Sigma / Análisis estadístico
Antes de comparar el proveedor A con el B, un método nuevo con el antiguo o el antes con el después, sepa cuántas piezas medir para no perder una diferencia que importa, y cuánto cuesta.
Herramienta de predimensionamiento y estimación: los resultados no sustituyen al proyecto, cálculo o informe firmado por un técnico competente ni la verificación conforme a las normas aplicables.
La misma disposición del informe de potencia y tamaño de muestra: hipótesis, valores supuestos y la tabla de resultados.
Probabilidad de detectar cada tamaño de diferencia, para el tamaño de muestra calculado y para la mitad y el doble. El punto es su elección.
Cómo crece la potencia con la muestra para la diferencia elegida: a partir de cierto punto, cada pieza adicional aporta poco.
Muestra necesaria para cada diferencia con un 80%, 90% y 95% de potencia (escala logarítmica). La mitad de la diferencia exige unas cuatro veces la muestra.
Distribución del estadístico de prueba si no hay diferencia (H0) y si existe la diferencia elegida (H1). Rojo: falsa alarma α; verde: potencia; ámbar: β, la probabilidad de no detectarla.
Lleve los resultados de esta página a otra calculadora, con los campos ya rellenados.
La memoria reúne entradas, resultados, ecuaciones, hipótesis y referencias de esta página, con campos para proyecto, responsable y revisión. El informe completo incluye también los gráficos y las interpretaciones, en color. En la ventana de impresión, elija Guardar como PDF.
Elija t de 2 muestras, indique la menor diferencia de media que importa (por ejemplo 0,5 mm), la desviación típica del proceso (0,4 mm) y la potencia deseada (80%). La página da el número de piezas por proveedor: en el ejemplo, 12 piezas de cada uno, con una potencia real del 83%.
Es la probabilidad de que la prueba detecte una diferencia que existe de verdad. Con una potencia del 50%, un estudio bien hecho deja pasar la mitad de las diferencias reales; con el 80% o el 90%, rara vez pierde una diferencia del tamaño elegido.
Use datos históricos del mismo proceso, la σ dentro de un gráfico de control o un estudio piloto de 10 a 30 piezas (péguelos en "Estimar la desviación típica a partir de datos"). Para planificar con holgura, use el límite superior del intervalo de confianza.
La precisión de una media mejora con la raíz cuadrada del número de piezas. Para ver una diferencia dos veces menor, el error de la media debe bajar a la mitad, y eso exige cuatro veces más datos.
Solo cuando, antes de recoger los datos, decidió que solo importa un sentido (por ejemplo, la mejora solo vale si reduce los defectos). Pide menos piezas, pero no ve cambios en el sentido opuesto.
La prueba habitual intenta demostrar que hay diferencia; no encontrarla no prueba que los productos sean iguales. La de equivalencia intenta demostrar que la diferencia queda dentro de límites aceptables, que es lo correcto para validar un cambio de proveedor o de método.
Elija Factorial de 2 niveles e indique los factores, los términos del modelo, el efecto a detectar y la desviación típica. La página calcula las réplicas y el total de corridas; los puntos centrales ayudan a probar la curvatura y suman grados de libertad al error.
Aviso importante: las herramientas de Indus Metrics realizan estimaciones y predimensionamientos a partir de los datos introducidos y de métodos de ingeniería publicados. No sustituyen al proyecto, la memoria ni el certificado firmados por un técnico competente, ni la verificación conforme a las normas técnicas y la legislación aplicables. Las propiedades de materiales y combustibles varían: compruébelas con el fabricante o con análisis de su proceso antes de decidir. Al usar el sitio acepta el Aviso legal y condiciones de uso.
© 2026 Indus Metrics. ¿Ha encontrado un error? Escriba a contato@seudominio.com.