Análisis de regresión y diseño de experimentos: Aplicación en mejoramiento de Procesos Industriales

Objetivos

Al finalizar el curso los participantes estarán en capacidad de:

1. Emplear el Software Microsoft Excel como herramienta de procesamiento de diferentes modelos de regresión y diseños experimentales.

2. Construir, validar y proponer modelos de regresión dentro del contexto de su área de trabajo, con el propósito de establecer las relaciones de causalidad que determinan el comportamiento de: La calidad del producto o costos de producción o costos de distribución o rentabilidad entre otros y de esta manera tomar decisiones mas acertadas, en condiciones de riesgo.

3. Valorar el aporte que cada variable realiza al modelo de regresión múltiple.

4. Calificar el desempeño de varios modelos y recomendar el más adecuado dentro de las condiciones de cada empresa.

5. Planear, diseñar y validar experimentos que permitan obtener evidencia científica sobre el desempeño de una variable sometida a diferentes condiciones.

Metodología

Los conceptos estadísticos son abordados mediante ejemplos prácticos y de aplicación al medio empresarial; motivando la discusión, la investigación y la interacción de los participantes con datos reales de su propia empresa. El uso permanente del software Excel permite realizar un total énfasis en la parte conceptual, interpretativa y aplicativa.

Estructura del Programa

1. Análisis de correlación lineal.
2. Modelos de Regresión lineal y curvilínea.
3. Cálculo de Coeficientes y tabla de Análisis de Varianza.
4. Validación de supuestos del modelo de regresión.
5. Evaluación del modelo de regresión.
6. Modelos de Regresión lineal Múltiple.
7. Selección de variables en un modelo de Regresión Múltiple.
8. Validación y evaluación del modelo de Regresión Múltiple.
9. Interpretación de resultados.
10. Metodología de la Investigación.
11. Componentes de un Experimento.
12. Como planear un Experimento.
13. Análisis de Varianza (ANOVA).
14. Diseño Completamente aleatorizado.
15. Diseño por bloques completos y aleatorizados.
16. Experimentos factoriales.
17. Criterios de Evaluación de los Experimentos.
18. Interpretación de Resultados.
19. Análisis Post-Anova.
20. Contrastes Ortogonales.