REPBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL BELLOSO CHACN FACULTAD DE INVESTIGACIN Y POSTGRADO ESCUELA DE TELEMATICA CTEDRA: MATEMATICAS APLICADAS

SECCIN: L-111

TAREA N 2

PRESENTADO POR: ING, CESAR AUGUSTO MARTINEZ Maracaibo, mayo de 2013

1.- EJERCICIOS ENUNCIADOS (SPSS) Problema 1 A fin de analizar el efecto del color del envase en un producto se seleccionaron 15 establecimientos comerciales de similares caractersticas (volumen de ventas, ubicacin, ...). A cinco de ellos tomados al azar se les envi una partida de producto con envases rojos (1), a otros cinco, envase verde (2) y al resto azul (3). Al cabo de un mes se recogieron los datos siguientes referidos a las cantidades vendidas en cada establecimiento: VENTAS 7 6 5 5 6 9 11 8 7 9 6 6 9 8 10 COLOR 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3

El primer paso es realizar las pruebas de normalidad de los tres grupos a estudiar, para as de esta manera proceder a la realizacin de la prueba ANOVA Los resultados de normalidad presentados son los siguientes:
Pruebas de normalidad Color Kolmogorov-Smirnova Estadstico Rojo Ventas Verde Azul ,231 ,246 ,243 gl 5 5 5 Sig. ,200
*

Shapiro-Wilk Estadstico ,881 ,956 ,894 gl 5 5 5 Sig. ,314 ,777 ,377

,200* ,200
*

*. Este es un lmite inferior de la significacin verdadera. a. Correccin de la significacin de Lilliefors

De esta manera queda demostrado que sig. En los tres casos es mayor que el nivel de significancia establecido el cual es 0.05, el resultado arrojado en los tres casos fue de 0,200, demostrando de esa manera la normalidad en los grupos estudiados. Luego se procede a realizar la prueba ANOVA de un factor, tomando en este caso como factor el color del envase del producto vendido y la variable dependiente sera entonces la cantidad de ventas del producto.

Comparaciones mltiples Variable dependiente: Ventas (I) Color (J) Color Diferencia de medias (I-J) Rojo HSD de Tukey Verde Azul Rojo Azul Rojo Verde -3,000* -2,000 3,000* 1,000 2,000 -1,000 ,902 ,902 ,902 ,902 ,902 ,902 ,015 ,108 ,015 ,527 ,108 ,527 Error tpico Sig. Intervalo de confianza al 95% Lmite inferior Lmite superior -5,41 -4,41 ,59 -1,41 -,41 -3,41 -,59 ,41 5,41 3,41 4,41 1,41

Verde

Azul

*. La diferencia de medias es significativa al nivel 0.05. Ventas Color N Subconjunto para alfa = 0.05 1 Rojo HSD de Tukeya Azul Verde Sig. Rojo Duncana Azul Verde Sig. 5 5 5 1,000 5 5 5 ,108 5,80 7,80 8,80 ,289 5,80 7,80 7,80 8,80 ,527 2

Se muestran las medias para los grupos en los subconjuntos homogneos. a. Usa el tamao muestral de la media armnica = 5,000.

La diferencia ms notable en este caso se puede visualizar en el resultado obtenido al comparar el color rojo y verde, dando un valor de sig. de 0,015 siendo este 0,015 < denotando as la diferencia de valores entre ellos. La comparacin entre las ventas del envase rojo y azul no fueron tan grandes como para demostrarse mediante este anlisis, sin embargo al visualizar el grafico a continuacin se puede notar que si existe una diferencia entre las mencionadas. Tambin se puede comprobar que la venta del producto color verde tuvo mayor volumen que las dems.

Problema 2: Tres tipos distintos de motores de gasolina fueron probados para determinar cunto tiempo son tiles antes de necesitar una reparacin; si los tiempos de vida de los motores de cada tipo se distribuyen normalmente y tienen la misma varianza, haga una prueba usando = 0.05 para determinar si difieren las medias de vida til antes de requerir una reparacin. En la tabla aparecen los tiempos de vida til, en decenas de miles de millas para cada tipo de motor.

A 6 2 4 1 7

B 8 7 7 2 6

C 3 2 5 4 1

Asumiendo que los tiempos de vida de los motores se distribuyen normalmente y tienen la misma varianza, entonces procedemos a realizar directamente el anlisis de ANOVA de un factor. En las pruebas Post hoc se arrojan los siguientes resultados:

Comparaciones mltiples Variable dependiente: Millas (I) Motores (J) Motores Diferencia de medias (I-J) Motor A Motor B Motor C Motor A Motor C Motor A Motor B -2,000 1,000 2,000 3,000 -1,000 -3,000 1,390 1,390 1,390 1,390 1,390 1,390 ,353 ,757 ,353 ,120 ,757 ,120 Error tpico Sig. Intervalo de confianza al 95% Lmite inferior -5,71 -2,71 -1,71 -,71 -4,71 -6,71 Lmite superior 1,71 4,71 5,71 6,71 2,71 ,71

HSD de Tukey Motor B

Motor C

Millas Motores N Subconjunto para alfa = 0.05 1 Motor C HSD de Tukeya Motor A Motor B Sig. Motor C Duncana Motor A Motor B Sig. 5 5 5 5 5 5 3,00 4,00 6,00 ,120 3,00 4,00 6,00 ,062

Segn los resultados mostrados anteriormente, en ninguno de los casos de comparacin se tiene como resultado una diferencia lo suficientemente notable como para superar el nivel de significancia previamente establecido. Siendo la diferencia ms grande entre el valor del tiempo de vida del motor B y el motor C, no es lo suficiente como para demostrar con la confianza requerida del 95% que son lo suficientemente diferentes. Sin embargo, a modo grfico se puede apreciar la diferencia en las medias de las tres variables estudiadas, esto es gracias al grfico de las medias presentado a continuacin:

Problema 3 Para determinar si existe diferencia significativa en el nivel de Matemticas de 4 grupos de estudiantes de Ingeniera se realiz un examen aleatorio a 6 individuos por grupo. Determine cuales son los grupos en los cuales existen diferencias a un 95% de nivel de confianza. A 75 93 78 71 63 76 B 78 91 97 82 85 77 C 55 66 49 64 70 68 D 64 72 68 77 56 95

Para determinar las diferencias entre los grupos presentados anteriormente se realizar un anlisis ANOVA de un factor Los resultados obtenidos fueron los siguientes:

Comparaciones mltiples Variable dependiente: Alumnos (I) Grupos (J) Grupos Diferencia de medias (I-J) Grupo B Grupo A Grupo C Grupo D Grupo A Grupo B HSD de Tukey Grupo C Grupo C Grupo D Grupo A Grupo B Grupo D Grupo A Grupo D Grupo B Grupo C -9,000 14,000 4,000 9,000 23,000
*

Error tpico

Sig.

Intervalo de confianza al 95% Lmite inferior Lmite superior 7,23 30,23 20,23 25,23 39,23 29,23 2,23 -6,77 6,23 12,23 3,23 26,23

5,799 5,799 5,799 5,799 5,799 5,799 5,799 5,799 5,799 5,799 5,799 5,799

,427 ,107 ,900 ,427 ,004 ,146 ,107 ,004 ,338 ,900 ,146 ,338

-25,23 -2,23 -12,23 -7,23 6,77 -3,23 -30,23 -39,23 -26,23 -20,23 -29,23 -6,23

13,000 -14,000 -23,000* -10,000 -4,000 -13,000 10,000

*. La diferencia de medias es significativa al nivel 0.05.

Al visualizar todas las comparaciones entre los grupos, se puede notar que destaca la diferencia entre los grupos B y C, teniendo como resultado la

comparacin de los mismos un sig. de 0,004, siendo este valor menor a 0,05 se puede entonces decir que es una diferencia de al menos 95% de confianza. El resto de las comparaciones no mostr resultados que determinaran diferencias con 95% de nivel de confianza.
Alumnos Grupos N Subconjunto para alfa = 0.05 1 Grupo C Grupo D HSD de Tukeya Grupo A Grupo B Sig. Grupo C Grupo D Duncana Grupo A Grupo B Sig. 6 6 6 6 ,100 ,498 6 6 6 6 ,107 62,00 72,00 72,00 76,00 76,00 85,00 ,136 62,00 72,00 76,00 72,00 76,00 85,00 ,146 2 3

Se muestran las medias para los grupos en los subconjuntos homogneos. a. Usa el tamao muestral de la media armnica = 6,000.

En el cuadro anterior se muestra el anlisis realizado al relacionar varios grupos y compararlos entre s, sin embargo en este caso no se muestra una diferencia grande que establezca de igual forma un nivel de confianza del 95% A continuacin se muestra el grafico de las medias para visualizar la comparacin entre los resultados de los diferentes grupos de estudio analizados.

Problema 4 Con los datos de la tabla 1, correspondiente al rendimiento acadmico en el nivel superior (Y) y al rendimiento acadmico en el nivel secundario (X) de 8 estudiantes: a) Construiremos el diagrama de dispersin b) Aplicaremos el mtodo de mnimos cuadrados para encontrar los coeficientes de regresin lineal. c) Averiguaremos: Cul ser el rendimiento en educacin superior de un estudiante con nota promedio de 12 en la educacin secundaria? Estudiantes 1 2 3 4 5 6 7 8 X 16 13 15 12 11 16 13 10 Y 15 11 17 14 11 14 15 12

Diagrama de dispersin Se toma como la variable independiente el rendimiento acadmico en el nivel secundario (X) y la variable dependiente sera entonces el nivel acadmico superior (Y).

Seguidamente se mide el nivel de correlacin entre ambas variables utilizando el coeficiente de correlacin lineal de Pearson, debido a que se trata de variables cuantitativas. El resultado obtenido fue el siguiente:

Correlaciones Secundaria Correlacin de Pearson Secundaria Sig. (bilateral) N Correlacin de Pearson Superior Sig. (bilateral) N 8 ,647 ,083 8 8 1 Superior ,647 ,083 8 1

Se puede notar que el nivel de correlacin entre las variables es de 0,647. Este resultado indica que la correlacin entre las variables es Alta, ya que se encuentra dentro del rango de r = +/- 0,61 a +/- 0,80 Se realiza la prueba de regresin. Inicialmente se analizan los residuos tipificados que se almacenaron en una variable, esto con la finalidad de realizar pruebas de normalidad, lo cual result de la siguiente manera:

Pruebas de normalidad Kolmogorov-Smirnova Estadstico Standardized Residual ,153 gl 8 Sig. ,200* Estadstico ,970 Shapiro-Wilk gl 8 Sig. ,902

*. Este es un lmite inferior de la significacin verdadera. a. Correccin de la significacin de Lilliefors

As se puede notar que existe la normalidad en el resultado de la prueba a los residuos tipificados. Al mismo tiempo se obtienen los resultados de las pruebas de regresin, lo cual muestra lo siguiente:
Resumen del modelob Modelo R R cuadrado R cuadrado corregida 1 ,647
a

Error tp. de la estimacin 1,758

Durbin-Watson

,418

,321

2,368

a. Variables predictoras: (Constante), Secundaria b. Variable dependiente: Superior

El valor de Durbin-Watson se encuentra entre 1,5 y 2,5. Lo cual indica que los residuos son independientes.
Coeficientesa Modelo Coeficientes no estandarizados Coeficientes tipificados B 1 (Constante) Secundaria 5,507 ,613 Error tp. 3,959 ,295 ,647 Beta 1,391 2,076 ,214 ,083 t Sig.

a. Variable dependiente: Superior

Finalmente obtenemos la ecuacin siguiente y = b0 + b1x + i y = 5,507 + 0,613x 3.959 Cul ser el rendimiento en educacin superior de un estudiante con nota promedio de 12 en la educacin secundaria? Y = 5,507 + 0,613(12) 3.959 Y = 12,863 3.959 Problema 5 Se desea saber el grado de relacin entre los aos de escolaridad de la madre (x) y las calificaciones de sus hijos en una prueba de matemtica (Y). Los datos se presentan en la siguiente Tabla. Estudiantes 1 2 3 4 5 X 8 5 3 6 7 Y 12 8 8 10 10

Inicialmente se realiza el grafico de dispersin, tomando como variable independiente las calificaciones de las madres (X) y la dependiente las calificaciones de los hijos (Y), los resultados obtenidos fueron los siguientes:

Se muestra una gran linealidad que relaciona los resultados de las calificaciones de las madres con las de sus hijos en la prueba de matemticas. Consiguientemente se realizar la prueba de correlacin con la finalidad de determinar el grado de relacin entre estas dos variables.

Correlaciones Madres Correlacin de Pearson Madres Sig. (bilateral) N Correlacin de Pearson Hijos Sig. (bilateral) N 5 ,901* ,037 5 5 1 Hijos ,901* ,037 5 1

*. La correlacin es significante al nivel 0,05 (bilateral).

Como se puede apreciar en la tabla mostrada anteriormente, el grado de correlacin entre ambas variables califica como muy alto ya que su resultado es de 0,901, encontrndose este en el rango de 0,81 y 0,99.