Trabajo Estadistica Industrial 1

ESTADÍSTICA INDUSTRIAL Facultad de Ingeniería Industrial
PRUEBA DE HIPOTESIS “Z” PARA UNA MUESTRA
PROBLEMA 1
En una rama industrial se paga un salario promedio de 15.00 dólares por hora. En una
muestra de 36 trabajadores de una empresa se determinó un salario promedio = 14.50 y
una desviación estándar s = 0.60 dólares.
a. Un intervalo unilateral de confianza usa los resultados de la muestra para

establecer un límite superior o uno inferior para el valor del parámetro
poblacional. Para este ejercicio establezca un límite superior de confianza de
95% para el salario por hora que paga la empresa. La forma de este intervalo
unilateral de confianza requiere tener, cuando menos, 95% de confianza en
que la media de la población sea este valor o menos. ¿Cuál es la declaración
de 95% de confianza para este intervalo unilateral de confianza?
SOLUCIÓN
Datos
𝜇 = 15 $ 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎
𝑛 = 36 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠
𝑥̅ = 14.5 $ 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎
𝑠 = 0.60 $
𝑖) 𝑃𝑙𝑎𝑛𝑡𝑒𝑜 𝑙𝑎 𝐻𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑦 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎

𝐻0 : 𝜇 ≥ 15
𝐻1 : 𝜇 < 15
𝑖𝑖) 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑆𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎:

𝛼 = 0.05
𝑖𝑖𝑖) 𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎: 𝑍 ; 𝑦𝑎 𝑞𝑢𝑒 𝑛 ≥ 30.
𝑖𝑣) 𝐷𝑒𝑓𝑖𝑛𝑜 𝑙𝑎 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝐴𝑐𝑒𝑝𝑡𝑎𝑐𝑖ó𝑛 𝑦 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝑅𝑒𝑐ℎ𝑎𝑧𝑜(𝐶𝑟í𝑡𝑖𝑐𝑎)
PROBLEMAS RESUELTOS Página 1

𝑣) 𝐶𝑎𝑙𝑐𝑢𝑙𝑜 𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎
𝑥̅ − 𝜇
𝑧= 𝜎
⁄ 𝑛
√
14.5 − 15
𝑧=
0.60⁄
√36
𝑧 = −5
∴ 𝑍𝑘 ∈ 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝑅𝑒𝑐ℎ𝑎𝑧𝑜 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1
𝑷𝒐𝒓 𝒆𝒍 𝑰𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒅𝒆 𝑪𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂, 𝒉𝒂𝒍𝒍𝒂𝒎𝒐𝒔:
𝜎 𝜎
𝑥̅ 𝜖 𝐼𝐶 ∶ [ 𝜇 − 𝑧1−𝛼⁄ . , 𝜇 + 𝑧1−𝛼⁄ . ]
2 2
√𝑛 √𝑛
0.6 0.6
[ 15 − 1,96 ∗ , 15 + 1,96 ∗ ]
√36 √36
[ 14.8 , 15.196]
∴ 𝑥̅ 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1
Del mismo modo:
𝜎 𝜎
𝜇 𝜖 𝐼𝐶 ∶ [ 𝑥̅ − 𝑧1−𝛼⁄2 . , 𝑥̅ + 𝑧1−𝛼⁄2 . ]
√𝑛 √𝑛
0.6 0.6
[ 14.5 − 1.96 ∗ , 14.5 + 1.96 ∗ ]
√36 √36
[ 14.30 , 14.69]
∴ 𝜇 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

b. Use el resultado del intervalo unilateral de confianza para probar 15. ¿Cuál
es su conclusión? Explíquela.
𝑪𝒐𝒏𝒄𝒍𝒖𝒔𝒊ó𝒏: 𝐿𝑎 𝑑𝑒𝑐𝑙𝑎𝑟𝑎𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 𝑢𝑛 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒𝑙 95% 𝑑𝑒 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑢𝑒𝑏𝑎
𝑢𝑛𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙 𝑑𝑒 𝑐𝑜𝑙𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎, 𝑛𝑜𝑠 𝑖𝑛𝑑𝑖𝑐𝑎 𝑢𝑛 𝑙í𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑦 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜
𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙, 𝑒𝑙 𝑐𝑢𝑎𝑙 𝑒𝑠: [ 14.30 , 14.69], 𝑞𝑢𝑒 𝑟𝑒𝑓𝑖𝑒𝑟𝑒 𝑎 𝑞𝑢𝑒 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑓𝑢𝑒𝑟𝑎
𝑑𝑒 𝑒𝑠𝑒 𝑟𝑎𝑛𝑔𝑜 𝑛𝑜 𝑠𝑒𝑟á 𝑎𝑐𝑒𝑝𝑡𝑎𝑑𝑜 𝑒𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 95% 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑐𝑜𝑚𝑜 𝑒𝑙 𝑠𝑢𝑒𝑙𝑑𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
𝑞𝑢𝑒 𝑝𝑎𝑔𝑎 𝑙𝑎 𝑒𝑚𝑝𝑟𝑒𝑠𝑎.
Empleando minitab, podemos observar lo siguiente:
Z de una muestra
Prueba de mu = 15 vs. < 15

La desviación estándar supuesta = 0.6
Error
estándar Límite
de la superior
N Media media 95% Z P
36 14.500 0.100 14.664 -5.00 0.000
Podemos observar que,

𝜇 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1
Y además el valor de p= 0.00.. el cual es menor a 0.05 , 𝑝 < 𝛼; entonces
concuerda en la decisión de rechazar la Hipótesis nula, y aceptar la Hipótesis
Alternativa.

PROBLEMA 2
En la Universidad Western la media histórica de la calificación de los alumnos que
ingresan ha sido 900, con desviación estándar de 180. Cada año se toma una muestra
de las solicitudes para ver si se conserva el mismo nivel de calificaciones que en años
anteriores. La hipótesis nula que se prueba es = 900. Una muestra de 200 alumnos que
ingresaron este año da como resultado una calificación promedio de 935. Use un nivel de
significancia de 0.05.
a. Con el método del intervalo de confianza, lleve a cabo una prueba de hipótesis.
SOLUCIÓN:
Datos:
𝜇 = 900
𝜎 = 180
𝑛 = 200
𝑥̅ = 935
𝑖) 𝑃𝑙𝑎𝑛𝑡𝑒𝑜 𝑙𝑎 𝐻𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑦 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎

𝐻0 : 𝜇 = 900
𝐻1 : 𝜇 ≠ 900
𝑖𝑖) 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑆𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎:

𝛼 = 0.05
𝑖𝑖𝑖) 𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎: 𝑍 ; 𝑦𝑎 𝑞𝑢𝑒 𝑛 ≥ 30.
𝑖𝑣) 𝐷𝑒𝑓𝑖𝑛𝑜 𝑙𝑎 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝐴𝑐𝑒𝑝𝑡𝑎𝑐𝑖ó𝑛 𝑦 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝑅𝑒𝑐ℎ𝑎𝑧𝑜(𝐶𝑟í𝑡𝑖𝑐𝑎)

𝑷𝒐𝒓 𝒆𝒍 𝑰𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒅𝒆 𝑪𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂, 𝒉𝒂𝒍𝒍𝒂𝒎𝒐𝒔:
𝜎 𝜎
𝜇 𝜖 𝐼𝐶 ∶ [ 𝑥̅ − 𝑧1−𝛼⁄2 . , 𝑥̅ + 𝑧1−𝛼⁄2 . ]
√𝑛 √𝑛
180 180
[ 935 − 1,96 ∗ , 935 + 1,96 ∗ ]
√200 √200
[ 910.0536 , 959.9464]
∴ 𝜇 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1
De otro modo, obtenemos la misma conclusión:
𝜎 𝜎
𝑥̅ 𝜖 𝐼𝐶 ∶ [ 𝜇 − 𝑧1−𝛼⁄2 . , 𝜇 + 𝑧1−𝛼⁄2 . ]
√𝑛 √𝑛
180 180
[ 900 − 1,96 ∗ , 900 + 1,96 ∗ ]
√200 √200
[ 875.05 , 924.95]
∴ 𝑥̅ 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1
𝑪𝒐𝒏𝒄𝒍𝒖𝒔𝒊ó𝒏: 𝑌𝑎 𝑞𝑢𝑒 𝜇 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶, 𝑎𝑐𝑒𝑝𝑡𝑎𝑚𝑜𝑠 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑎ñ𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎, 𝑒𝑠𝑡𝑜 𝑞𝑢𝑖𝑒𝑟𝑒 𝑑𝑒𝑐𝑖𝑟
𝑑𝑒 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑒 𝑣𝑎 𝑎 𝑐𝑜𝑛𝑠𝑒𝑟𝑣𝑎𝑟 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑦𝑎 𝑞𝑢𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑠𝑒𝑟á 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑎
𝑜 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑎 900 𝑒𝑛 𝑙𝑎 𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑖𝑑𝑎𝑑 𝑊𝑒𝑠𝑡𝑒𝑟𝑛
b. Use un estadístico de prueba para probar esta hipótesis.
SOLUCIÓN
𝑣) 𝐶𝑎𝑙𝑐𝑢𝑙𝑜 𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎
𝑥̅ − 𝜇
𝑧= 𝜎
⁄ 𝑛
√
935 − 900
𝑧=
180⁄
√200
𝑧 = 2.75
∴ 𝑍𝑘 ∈ 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑡𝑟í𝑡𝑖𝑐𝑎 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

𝑪𝒐𝒏𝒄𝒍𝒖𝒔𝒊ó𝒏:
𝑌𝑎 𝑞𝑢𝑒 𝑍𝑘 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒 𝑎 𝑙𝑎 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑡𝑟í𝑡𝑖𝑐𝑎 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 ,
𝑎𝑐𝑒𝑝𝑡𝑎𝑚𝑜𝑠 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑎ñ𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎, 𝑒𝑠𝑡𝑜 𝑞𝑢𝑖𝑒𝑟𝑒 𝑑𝑒𝑐𝑖𝑟 𝑑𝑒 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑒 𝑣𝑎 𝑎 𝑐𝑜𝑛𝑠𝑒𝑟𝑣𝑎𝑟
𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑦𝑎 𝑞𝑢𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑠𝑒𝑟á 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑎 𝑜 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑎 900
𝑒𝑛 𝑙𝑎 𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑖𝑑𝑎𝑑 𝑊𝑒𝑠𝑡𝑒𝑟𝑛
c. ¿Cuál es el valor p para esta prueba?
SOLUCIÓN
𝑧 = 2.75, entonces el
área sería el valor de p
p = 2*( 0.5 – 0.4970)
p = 0.006
𝑧 = 2.75
Empleando Minitab, podemos observar lo siguiente:

Z de una muestra
Prueba de mu = 900 vs. no = 900

La desviación estándar supuesta = 180
Error
estándar
de la
N Media media IC de 95% Z P
200 935.0 12.7 (910.1, 959.9) 2.75 0.006
Podemos observar que,

𝜇 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1
Y además el valor de p= 0.006 el cual es menor a 0.05 , 𝑝 < 𝛼; entonces
concuerda en la decisión de rechazar la Hipótesis nula, y aceptar la Hipótesis
Alternativa.

RELACIONES PROPORCIONALES PARA UNA MUESTRA
PROBLEMA 1
1) Se dan las siguientes hipótesis
Ho: π=0.40
H1: π≠0.40
En una muestra de 120 observaciones se encuentra que p =0.30 ¿Puede rechazarse la
hipótesis nula al nivel de significancia de 0.05?
a) Establezca la regla de decisión
b) Calcule el valor del estadístico de prueba
c)¿Cuál es su decisión con respecto a la hipótesis nula?
Resolución:
Paso1:
L a hipótesis nula, Ho, es que la proporción poblacional π sea 0.40. L a hipótesis
alternativa, H1, es que la proporción poblacional sea diferente de 0.40.Es decir:
Ho: π=0.40
H1: π≠0.40
Paso 2:
El nivel de significancia es 0.05. Esta es la probabilidad de que una hipótesis verdadera
sea rechazada.
Paso3:
El estadístico adecuado es Z (prueba de hipótesis para una proporción)
Paso 4:
El valor crítico de Z constituye el punto divisorio entre las regiones de aceptación y de
rechazo de Ho. Como la hipótesis alternativa establece dos direcciones, esta es una
prueba de dos colas. El nivel de significancia fue 0.05. Esta probabilidad se encuentra
repartida igualmente entre las dos colas y determina la zona de rechazo.
Dirigiéndonos a la tabla de distribución Z, y buscar 0.475 se obtendrá el valor de z cual es
-1.96 para el lado izquierdo y 1.96 para el lado derecho.
Como α=0.05, no se rechaza la Ho si z > 1.96 o z < -1.96, caso contrario se rechaza la
Ho. Como podemos ver en el siguiente gráfico.

PASO 5: RESPUESTA B
Los datos calculados manualmente mediante la fórmula es:
Formula:
0.3 − 0.4
𝑍= == −2.236
√0.4(1 − 0.4)
120
Ahora lo resolveremos usando el paquete estadístico minitab 16.

Para obtener los datos calculados de z, se emplea el paquete estadísticos, ingresando los
datos correspondientes siguiendo los siguientes pasos.
1. En la barra de Menú hacer clic de la siguiente manera:
 Estadística, luego
 estadística básica y finalmente
 1 proporción.

2. Luego ingresar los datos:

Numero de eventos: 36
Numero de ensayos: 120
Proporción Hipotética: 0.40

Luego clic en opciones>
Nivel de confianza: 0.05

Hipótesis alterna: No es igual a
3. Finalmente clic en Aceptar, los resultados obtenidos son:
Paso 6:
Se observa que el valor calculado de z es : -2.24 mientras que el valor estaditico z es de [-
1.96 a 1.96] zona de aceptacion.
Por lo tanto se rechaza la hipotesis nula por caer en la zona de rechazo de Ho.
-2.24

PROBLEMA 2
Se hace un experimento para determinar el efecto del peróxido de hidrógeno sobre el
tiempo de germinación de semillas de pino (el peróxido de hidrógeno se suele emplear
para matar el germen). Si el 53% de las semillas tratadas germinaron en día y medio o
menos, ¿parece razonable con el 5% de nivel de significancia, el suponer que la mitad de
una muestra de 300, de tales semillas tratadas germinarán en un día y medio a lo más en
las condiciones del experimento?
SOLUCIÓN:
1.- Planteamiento de la Hipótesis
H0: p = 0.53 Proporción de semillas que germinaron al día y medio, a lo mas.

H1: p ≠ 0.53
2.- Nivel de Significancia 𝜶=0.05
3.- Estadístico Z “Proporciones”
4.- Regla de Rechazo
Punto Critico:
Z(𝜶/2) = Z(0.25)=±1.96
Si Z es menor que 1.96 y

mayor que -1.96, se acepta la
hipótesis nula y se rechaza la
alternativa.
5.- Calculo del estadístico
𝑝̂ − 𝑝
𝑍=
𝑝. 𝑞
√
𝑛
150
𝑛 = 300 𝑝̂ = 300 = 0.5

0.5 − 0.53
𝑍=
√0.53(0.47)
300
𝑍 = −1.04
Entonces como Z pertenece a la región de aceptación, pues es mayor que -1.96 y

menor que 1.96, por lo tanto se acepta la hipótesis nula.
6. Conclusión:
De la muestra de 300 semillas, es confiable decir que a un nivel de significancia del

5% la mitad de estas, germinaran en un día y medio a lo más.
Usando Minitab:

Observamos que el valor de P es mayor que α, además también se observa que

nuestra proporción de la muestra 0.5 se encuentra dentro del intervalo de confianza
al 95%, por lo tanto aceptamos la hipótesis nula.

PRUEBA DE HIPOTESIS “Z” PARA DOS MUESTRAS
PROBLEMA 1
En las zonas costeras de Estados Unidos, Cape Cod, Outer Banks, las Carolinas y la
costa del Golfo, hubo, durante los años 90 un crecimiento relativamente rápido de la
población. Los datos recolectados son sobre la personas que viven tanto en zonas
costeras como en zonas no costeras de todo EEUU (USA today, 21 de julio de
2000).Suponga que se obtuvieron los resultados muestrales siguientes sobre las edades
de estas dos poblaciones de personas.
Pruebe la hipótesis de que no hay diferencia entre las dos medias poblacionales. Use
α=0.05.
Zona costera Zona no costera

n1=100 n2=175
x1=39.3 n2=35.4
s1=16.8 s2=15.2
¿Cuál es el valor del estadístico de prueba?

¿Cuál es el valor-p?
¿A qué conclusión llega?
Formule la hipótesis nula y alternativa.
SOLUCIÓN:
Datos:
H0: µ1= µ2
H1: µ1≠µ2
ii) Nivel de Significancia:

Cuál es el valor del estadístico de prueba.
SOLUCIÓN
¿Cuál es el valor-p?
¿A qué conclusión llega?
Empleando Minitab, podemos observar lo siguiente:


PROBLEMA 2
Un ingeniero industrial desea saber si se producen más unidades en el turno nocturno,
que en el diurno. En una muestra de 54 días del turno diurno, el número medio de
unidades producidas fue 345, y la desviación estándar, 21. En una muestra de 60 días del
turno nocturno vespertino, la media fue 351 unidades y la desviación estándar, 28
unidades. En el nivel de significancia de 0.05, ¿es mayor la cantidad de unidades
producida por el turno nocturno?
Solución:
1) Planteo de hipótesis:
Hipótesis nula  H0: u1 = u2

Hipótesis alternativa  Ha: u1 > u2
2) Nivel de significancia: α = 0.05
3) Determinar estadístico: z
4) Identificar los valores críticos y la zona de rechazo
R.A.
R.C.
5) Calculo del estadístico:

𝑋1 − 𝑋2 351 − 345
𝑧= = = 1.302 => 𝑝 = 0.0968
𝑆1 2 𝑆2 2 28 2 21 2
√ √
𝑛1 + 𝑛2 60 + 54
=> 𝐴𝑐𝑒𝑝𝑡𝑎𝑚𝑜𝑠 𝑙𝑎 𝐻0 𝑦 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑚𝑜𝑠 𝑙𝑎 𝐻𝑎
Conclusión: Basándose en las muestras recogidas en esos días el ingeniero industrial

puede afirmar con seguridad que el turno nocturno produce mayor cantidad de unidades.

RELACIONES PROPORCIONALES PARA DOS MUESTRAS
PROBLEMA 1
A una muestra a nivel nacional (en Estados Unidos) de ciudadanos influyentes de los
partidos republicanos y demócratas, se les pregunto, entre otras cosas, si estaban de
acuerdo con la disminución de los estándares ambientales para permitir el uso del carbón
con alto contenido de azufre como combustible, los resultados fueron:
Republicanos Demócratas
Cantidad muestreada 1000 800
Cantidad a favor 200 168
Al nivel de significancia 0.02 ¿Puede decirse que hay una proporción mayor de
demócratas a favor de reducirlos estándares?
Resolución:
Paso 1:
Establecer la hipótesis nula, en este caso L a hipótesis nula, Ho, es que la proporción de
republicanos es mayor o igual a la proporción de demócratas frente a la aceptación de la
disminución de los estándares ambientales para permitir el uso del carbón con alto
contenido de azufre como combustible. Es decir:
Ho: πd ≤ πr
H1: πd>πr
Paso 2:
El nivel de significancia es 0.02. Esta es la probabilidad de que una hipótesis verdadera
sea rechazada.
Paso 3:
El estadístico adecuado es Z (prueba de hipótesis acerca de la proporción de dos
poblaciones)
Paso 4:
Formula de la regla de decisión:
Como la hipótesis alternativa establecida en el paso 1 indica una dirección, cola derecha.
Para determinar el valor critico se resta el área del nivel de significancia (0.02) de la cola
derecha (0.5 – 0.02 = 0.48) y se busca este resultado en la tabla de distribución Z.

Se rechaza
la Ho
Se acepta la
Ho
Paso 5:
Primero lo resolveremos usando la formula especifica.
Donde:
La fórmula general para dos proporciones es:
Reemplazando los datos:

𝑋1+ 𝑋2
𝑃=
𝑁1 + 𝑁2
168 200
𝑍= 800 − 1000 =
0.01
= 0.523
0.204(1 − 0.204) 0.204(1 − 0.204) 0.0191
√ +
800 1000
Entonces el valor de Z calculado manualmente es 0.523.

Ahora usando el paquete estadístico Minitab 16.
Para obtener los datos calculados de z, se emplea el paquete estadísticos, ingresando los
datos correspondientes siguiendo los siguientes pasos.
1. En la barra de Menú hacer clic de la siguiente manera:
 Estadística, luego
 estadística básica y finalmente
 2 proporciones...

2. Luego ingresar los datos:
Hacer clic en datos resumidos, luego:
Eventos
Ensayos
Primero: 168 800
Segundo: 200 1000
Estos datos son respectivamente:
X1: 168 -> cantidad a favor de parte de los demócratas.

X2: 200 -> cantidad a favor de parte de los republicanos.
N1: 800 -> número total de demócratas.
N2: 1000 -> número total de republicanos.
Seguir los pasos como se muestra en la imagen.

3. Finalmente clic en Aceptar, los resultados obtenidos son:
Paso 6:
No se rechaza la hipótesis nula(Ho), Debido a que no hay diferencia entre las
proporciones de demócratas y republicanos que están a favor de la disminución de los
estándares ambientales para permitir el uso de carbón con alto contenido de azufre como
combustible.
Se acepta la
Ho
0.52

PROBLEMA 2
La National Association of Purchasing Managers (Asociación nacional de gerentes de
compras en EUA) publica el índice NAPM. Una pregunta que se les hace En la encuesta a
los agentes de compras es:” ¿Cree usted que la economía se está expandiendo?” El mes
pasado de 300 encuestados, 160 respondieron que sí. Este mes, 170 de 290 encuestados
dieron una respuesta afirmativa. Al nivel de significancia 0.05, ¿puede concluirse que este
mes es mayor la proporción de compradores que piensa que la economía, en EUA, se
está expandiendo?
Solución:
Hipótesis nula  H0: p1 ≥ p2

Hipótesis alternativa  Ha: p1 < p2
3) Determinar estadístico: z
R.A.
R.C. R.C.
𝑥1 + 𝑥2 𝑥1 + 𝑥2
𝑝𝑐 = = = 0.559
𝑛1 + 𝑛2 𝑛1 + 𝑛2
𝑝1 − 𝑝2 0.53 − 0.586
𝑧= = = −1.36
𝑝 (1 − 𝑝𝑐 ) 𝑝𝑐 (1 − 𝑝𝑐 )
√ 𝑐 + √0.559(1 − 0.559) + 0.559(1 − 0.559)
𝑛1 𝑛1 300 290

Conclusión: Se puede concluir que ha aumentado la proporción de compradores

que piensa que la economía de EUA de está expandiendo.
SOLUCION CON MINITAB:
R.A.
R.C. R.C.

PRUEBA DE HIPOTESIS “T” PARA UNA MUESTRA
PROBLEMA 1
Durante la última estación, se ha criticado a la Liga Mayor de Beisbol por la duración de
los juegos. Un informe indica que la duración promedio de un juego es 3 horas y 30
minutos. En una muestra de 17 juegos, las duraciones fueron las siguientes. (Observe
que lo minutos se transformaron en fracciones de horas, de manera que una duración de
2 horas y 24 minutos, se transformó en 2.40 horas).
2.98 2.40 2.70 2.25 3.23 3.17 2.93 3.18 2.80

2.38 3.75 3.20 3.27 2.52 2.58 4.45 2.45
¿Puede concluirse que la duración media de un juego sea inferior a 3.5 horas? Use el
nivel de significancia 0.05.
Solución:
Hipótesis nula  H0: u = 3.5

Hipótesis alternativa  Ha: u < 3.5
2) Nivel de significancia: α = 0.05 G.L. = n-1 =17 – 1 = 16
3) Determinar estadístico: t
4) Identificar los valores críticos y la zona de rechazo.
R.A.
R.C.

𝑋−𝜇 2.955 − 3.5
𝑡= = = −4.01
𝑠/√𝑛 0.560/√17
=> 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑚𝑜𝑠 𝑙𝑎 𝐻0 𝑦 𝑎𝑐𝑒𝑝𝑡𝑎𝑚𝑜𝑠 𝑙𝑎 𝐻𝑎

Conclusión: Podemos afirmar que la duración media de cada encuentro de beisbol

es menor a las 3.5 horas o 3 horas con 30 minutos.
R.A.
R.C.

PROBLEMA 2
Un estudiante universitario (de Estados Unidos) toma en promedio 27 galones de café por
año, o 2.25 galones por mes En una muestra de 12 estudiantes de una determinada
universidad se encontraron las siguientes cantidades de consumo de café por mes:
1.75 1.96 1.57 1.82 1.85 1.82 2.43 2.65 2.60 2.24 1.69 2.66
En el nivel de significancia 0.05 ¿hay una diferencia significativa entre el consumo

promedio general y el consumo promedio de los estudiantes de esta universidad?
Solución:
Hipótesis nula  H0: u = 2.25

Hipótesis alternativa  Ha: u ≠ 2.25
2) Nivel de significancia: α = 0.05 G.L. = n-1 = 12 – 1 = 11
R.A.
R.C. R.C.

𝑋−𝜇 2.087 − 2.25
𝑡= = = −2.09
𝑠/√𝑛 0.405/√27

Conclusión: Basados en los datos recopilados podemos afirmar que si hay una
diferencia significativa entre el consumo promedio de café general con el promedio
de consumo de café de los estudiantes de esta universidad.
R.A.
R.C. R.C.

PRUEBA DE HIPOTESIS “T” PARA DOS MUESTRAS DEPENDIENTES
PROBLEMA 1
La empresa renta & alquileres desea comparar las 2 agencias que utiliza para
realizar alquileres de locales. Para esto selecciono una muestra de 10 locales y
programo un precio por agencia. Los resultados reportados en miles de dólares,
son:
Local El Futuro La Mirada

1 135 128
2 110 105
3 131 119
4 142 140
5 105 98
6 130 123
7 131 127
8 110 115
9 125 122
10 149 145
Al nivel de significancia de 0.05, ¿puede concluirse que hay una diferencia en los
precios medios en los alquileres de las casas?
Solución:
a) Ho: 𝑢𝑑 = 0
Hi: 𝑢𝑑 ≠ 0
b) 𝛼 = 0.05
c)
Local El Futuro La Mirada Diferencia d Diferencia al

Cuadrado d2
1 135 128 7 49
2 110 105 5 25
3 131 119 12 144
4 142 140 2 4
5 105 98 7 49
6 130 123 7 49
7 131 127 4 16
8 110 115 -5 25
9 125 122 3 9
10 149 145 4 16

∑ 𝑑 46
𝑑= = = 4.6
𝑛 10
2 2
∑ 𝑑 2 − (∑ 𝑑) ∑ 386 2 − (46)
√ 𝑛 =√ 10 = 4.402
𝑠𝑑 =
𝑛−1 10 − 1
El valor de t= 3.305, que se obtiene de:
𝑑 4.6
𝑡=𝑠 = = 3.305
𝑑
⁄ 4.402⁄
√𝑛 √10
d) 𝑛 = 10 𝑔𝑙 = 9 𝛼 = 0.05
La regla de decisión es:

Rechazar la Ho si el valor de t calculado es menor que -2.262 o mayor que
2.262
e) Como el valor calculado se encuentra en la zona de rechazo, es decir más

allá del valor crítico, se rechaza la hipótesis nula. Se concluye que si hay
diferencia entre los precios medios en los alquileres de los locales.
f) Para encontrar el valor de p utilizamos el apéndice F y la sección para la

prueba de 2 colas. En el reglón correspondiente a 9 grados de liberta, se
localizan los valores de t cercanos al valor calculado. Para el nivel de
significancia 0.01.el valor t es 3.250.el valor calculado es superior a este
dato, pero se reporta que el valor p es menor que 0.01.esta información
se resume en la siguiente tabla.

g) Hallamos el t en MINITAB
Paso 1: Ingresar los precios respectivos en las columnas.

Paso2: Seleccionar el menú estadísticas
Paso 3: Elegir Pairet t
Cuando aparezca el cuadro de dialogo pairet t (prueba de intervalo de confianza)
Seleccionar muestras en columnas.

Ingresar C1 en el cuadro de primera columna.
Ingresar C2 en el cuadro de segunda columna.
Seleccionar opciones.
Paso4: Cuando aparezca el cuadro de dialogo pairet t-opciones:

Ingresar 95 en el cuadro nivel de confianza.
Ingresar 0 en el cuadro de media de la prueba.
Ingresar no es igual en el cuadro de hipótesis alternativa.
Clic en aceptar

El valor calculado para t es 3.30 y el valor para p par dos colas es 0.009.como p es
menor que 0.05, se rechaza la hipótesis de que sea cero la diferencia entre los
precios medios en los alquileres de los locales. El valor p es, en realidad, inferior a
1.0%.es muy probable que la hipótesis nula sea verdadera.

PROBLEMA 2
Varios accidentes automovilístico menores ocurren en diversos cruces de alto riesgo en
un distrito urbano, a pesar de los semáforos. El departamento de tránsito afirma que una
modificación en el tipo de semáforo reducirá los accidentes. Los integrantes de la junta
municipal han aceptado probar esta propuesta. Se eligieron aleatoriamente 8 cruces y se
modificó sus semáforos. El número de accidentes menores durante un periodo de 6
meses antes y después de las modificaciones fue:
Número de accidentes por cruce

A B C D E F G H
Antes de la modificación 5 7 6 4 8 9 8 10
Después de la modificación 3 7 7 0 4 6 8 2
DIFERENCIAS 2 0 -1 4 4 3 0 8
Utilice el nivel de significancia 0.01, ¿es razonable concluir que la modificación redujo la
cantidad de accidentes de tráfico?
Solución:
Hipótesis nula  H0: ud = 0

Hipótesis alternativa  Ha: ud > 0
R.A.
R.C.

2
∑𝑑 + 2 (∑ 𝑑)
∑𝑑
𝑠𝑑 = √ 𝑛−1 𝑛 = 2.93 đ= 𝑛
= 2.5
đ 2.5
𝑡= = = 2.42
𝑠𝑑 /√𝑛 2.93/√8
Conclusión: Es razonable concluir que la cantidad de accidentes disminuyo gracias a las

modificaciones realizadas a los semáforos.
R.A.
R.C.

PRUEBA DE HIPOTESIS “T” PARA DOS MUESTRAS INDEPENDIENTES
PROBLEMA 1
Un determinado banco desea analizar el uso de sus cajeros automáticos. Le interesa, en
especial, saber si los adultos jóvenes (menores de 25 años) usan más de los cajeros
automáticos que los adultos mayores. Para investigar esto se tomaron muestras de
clientes menores de 25 años y muestras de clientes mayores de 60 años. Se determinó el
número de transacciones realizadas a través del cajero automático por cada persona
seleccionada. Los resultados se dan a continuación. Con un nivel de significancia de 0.01,
¿la gerencia del banco puede concluir que los adultos jóvenes utilizan los cajeros con
mayor frecuencia?
Edad (años) Número de Transacciones

Menor de 25 10 10 11 15 7 11 10 9
Mayor de 60 4 8 7 7 4 5 1 7 4 10 5
Solución:

Hipótesis alternativa  Ha: u1 > u2
R.A.
R.C.

(𝑛1 − 1)𝑠1 2 + (𝑛2 − 1)𝑠2 2 (8 − 1)(2.26)2 + (11 − 1)(2.46)2

𝑠𝑝 2 = = = 5.67
𝑛1 + 𝑛2 − 2 8 + 11 − 2
𝑢1 − 𝑢2 10.38 − 5.64
𝑡= = = 4.28
1 1
√𝑠𝑝 2 ( + ) √5.67(1 + 1)
𝑛1 𝑛2 8 11
Conclusión: La conclusión del gerente del banco es correcta con respecto a que
los jóvenes usan más los cajeros automáticos que los clientes mayores.

R.A.
R.C.
PROBLEMA 2
El departamento de ingeniería industrial del Sima Software, Inc. ha producido 2 soluciones
químicas para aumentar a vida útil de discos para computadora. Una muestra de discos
duros tratados con el primer liquido duro: 86 78 66 83 84 81 84 109 65
102 (horas) h.
Los discos a los que se les aplico la otra solución, durante: 91 71 75 76 87 79 73 76
79 78 87 90 76 72 (horas) h.
Al nivel de significancia de 0.10, ¿Se puede concluir que hay una diferencia en la duración
de las dos tipos de tratamiento?
Solución:

Hipótesis alternativa  Ha: u1 ≠ u2

R.A.
R.C. R.C.
(𝑛1 − 1)𝑠1 2 + (𝑛2 − 1)𝑠2 2 (10 − 1)(13.68)2 + (14 − 1)(6.71)2

𝑠𝑝 2 = = = 103.16
𝑛1 + 𝑛2 − 2 10 + 14 − 2
𝑢1 − 𝑢2 83.9 − 79.29
𝑡= = = 1.09
1 1
√𝑠𝑝 2( − ) √103.16( 1 + 1)
𝑛1 𝑛2 10 14
Conclusión: Podemos concluir que no hay una diferencia en la duración de los dos
tipos de tratamientos para aumentar la vida útil de los discos.

R.A.
R.C. R.C.

ANOVA (UNA DIRECCION)
PROBLEMA 1
Un analista de una cadena de supermercados quiere saber si las tres tiendas tienen el
mismo promedio en dólares por compra. Se elige una muestra aleatoria de 6 compras en
cada tienda. La siguiente tabla presenta los datos recolectados de esta muestra junto a
las medias muestrales para cada tienda y la media global de todos los datos. Haga una
prueba anova con una significancia de 95%
Datos
Tienda 1 Tienda 2 Tienda 3

12,05 15,17 9,48
23,94 18,52 6,92
14,63 19,57 10,47
25,78 21,40 7,63
17,52 13,59 11,90
18,45 20,57 5,92
SOLUCIÓN:
H0: µ1 = µ2 = µ3 El promedio de lo devengado por los empleados son

similares
H1: Al menos uno de los promedios es diferente.
3.- Estadístico F “ANOVA”
Numerador g.l = k-1 = 3-1 =2

Denominador g.l = N-k = 18-3 = 15

Punto critico:
F(0.05,2,15) = 3.68
Si F es menor a 3.68 se acepta la hipótesis nula y rechaza la alternativa.
Tienda 1 Tienda 2 Tienda 3

12.05 15.17 9.48
23.94 18.52 6.92
14.63 19.57 10.47
25.78 21.40 7.63
17.52 13.59 11.90
18.45 20.57 5.92
∑ 𝑋 = 273.51 ∑ 𝑋 2 = 4748.4525 𝑁 = 18
(𝑇𝑐)2 (∑ 𝑋)2
𝑆𝑆𝑇 = ∑ 𝑛𝑐
− 𝑁
112.372 108.822 52.322 273.512

𝑆𝑆𝑇 = ( 6
+ 6
+ 6
) − 18 = 378.381
(∑ 𝑋)2
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = ∑ 𝑋 2 −
𝑁
273.512
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = 4748.4525 − = 592.468
18
Tabla de Anova
F. Variación Suma de Cuad. G.L Media de Cuad.

Tratamiento 378.381 2 189.191
Error 214.087 15 14.272
Total 592.468 17
189.191
𝐹=
14.272
F = 13.256
F pertenece a la región de rechazo, por lo tanto se acepta la hipótesis alternativa.
6. Conclusión:
No podemos decir que las tres tiendas tienen el mismo promedio en dólares por
compra, al menos una es distinta a las demás.

Usando Minitab podemos observar lo siguiente:
Paso1: Escribimos los datos en la hoja de trabajo.
Paso 2: En la barra de menús escogemos Stat.
Paso 3: Elegir One-Way Analysis of Variance

Paso 4: El programa nos arroja lo siguiente.
PROBLEMA 2
He aquí lo devengado en ocho semanas consecutivas (en dólares) por tres vendedores
de aspiradoras a domicilio, empleados por una empresa determinada:
Sr. Juárez Sr. León Sr. Alfaro

153 176 165
192 182 201
169 173 177
176 187 195
212 199 189
185 188 173
178 169 182
200 184 198
Contrastar al nivel de significancia 0.05 si las diferencias entre los promedios semanales
devengados por estos vendedores son significantes.

SOLUCIÓN:
H0: µ1 = µ2 = µ3 El promedio de lo devengado por los empleados son similares

H1: Al menos uno de los promedios es diferente.
3.- Estadístico F “ANOVA”

Punto critico:
F(0.05,2,21) = 3.47
Sr. Juárez Sr. León Sr. Alfaro

1 153 176 165
2 192 182 201
3 169 173 177
4 176 187 195
5 212 199 189
6 185 188 173
7 178 169 182
8 200 184 198
Tc 1465 1458 1480
nc 8 8 8

∑ 𝑋 = 4403 ∑ 𝑋 2 = 811981 𝑁 = 24
𝑇𝑐 2 (∑ 𝑋)2
𝑆𝑆𝑇 = ∑ −
𝑛𝑐 𝑁
14652 14582 14802 44032

𝑆𝑆𝑇 = ( 8
+ 8
+ 8
) − 24 = 31.58
(∑ 𝑋)2
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = ∑ 𝑋 2 − 𝑁
44032
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = 811981 − = 4213.95
24
Tabla de Anova

Tratamiento 31.58 2 15.79
Error 4192.37 21 199.16
Total 4213.95 23
15.79
𝐹=
199.16
F = 0.079
F pertenece a la región de aceptación, por lo tanto se acepta la hipótesis nula y

rechaza la alternativa
6. Conclusión:
Lo devengado en ocho semanas por los tres vendedores de aspiradoras, en

promedio son iguales, es decir no existe una diferencia significativa entre la
cantidad de dólares que recibieron por sus servicios.

Usando Minitab
Observamos que el valor de P es

mayor que 𝜶, además observamos
que los intervalos de confianza
están uno dentro de otro, por lo
tanto aceptamos la hipótesis nula.
Es decir lo devengado en 8 semanas
por los vendedores en promedio es
igual.

PROBLEMA 3
Para Estudiar el efecto de la temperatura en el rendimiento de un proceso químico, se
produjeron cinco lotes con cada uno de los tres tratamientos. Los resultados se presentan
a continuación. De la tabla para el análisis de varianza. Use α=0.05 para probar si la
temperatura afecta al rendimiento medio del proceso.
TEMPERATURA
50ºC 60ºC 71ºC
34 30 23
24 31 28
36 34 28
39 23 30
32 27 31
SOLUCIÓN:
H0: µ1 = µ2 = µ3 Los efectos de la temperatura no afectan el rendimiento,

son similares.
H1: Al menos uno de las temperaturas afecta el rendimiento del proceso
químico.
3.- Estadístico: F (ANOVA)

Punto crítico:
F(0.05,2,12) = 3.89
∑ 𝑋 = 450 ∑ 𝑋 2 = 13806 𝑁 = 15
(𝑇𝑐)2 (∑ 𝑋)2
𝑆𝑆𝑇 = ∑ 𝑛𝑐
− 𝑁
1652 1452 1402 4502

𝑆𝑆𝑇 = ( 5
+ 5
+ 5
) − 15
= 70
(∑ 𝑋)2
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = ∑ 𝑋 2 − 𝑁

4502
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = 13806 − 15
= 306
Tabla de Anova

Tratamiento 70 2 35
Error 236 12 19.6
Total 306 14
35
𝐹=
19.6
F = 1.779
F pertenece a la región de aceptación, por lo tanto no se acepta la hipótesis

alternativa.
6. Conclusión:
No podemos decir que las tres temperaturas difieren significativamente, en otras

palabras, no podemos decir que la temperatura afecta el rendimiento promedio del
proceso.
Usando Minitab podemos observar lo siguiente:
Paso 1: Escribir los valores de los tres lotes de temperaturas en una misma columna y en
la siguiente, a que tratamiento pertenece.

Paso 2: Seleccionar Stat. , luego One – Way…
Paso 3: Seleccionar TEMPERATURA y su factor RENDIMIENTO y dar clic en Aceptar.
Paso 4: Esto nos sale en la pantalla.


ANOVA (DOS DIRECCIONES)
PROBLEMA 1
La empresa Brunner Manufacturing Co. opera 24 horas al día, cinco días a la semana.
Los trabajadores cambian de turno cada semana. La gerencia está interesada en saber si
hay alguna diferencia en el número de unidades producidas cuando los empleados
laboran en diversos turnos. Se seleccionó una muestra de cinco obreros y se registró su
producción en cada turno. Al nivel de significancia de 0.05. ¿se puede concluir que hay
una diferencia en la producción media por turno y en la producción media por trabajador?
Unidades producidas
Empleado Mañana Tarde Noche
Skaff 31 25 35
Lum 33 26 33
Clark 28 24 30
Treece 30 29 28
Morgan 28 26 27
Solución:
X X2 X X2 X X2 Br
31 961 25 625 35 1225 91
33 1089 26 676 33 1089 92
28 784 24 576 30 900 82
30 900 29 841 28 784 87
28 784 26 676 27 728 81
Tc 150 130 153 433
nc 5 5 5 15
X2 4518 3394 4727 12639
𝐵𝑟 2 (∑ 𝑋)2
SSB=∑( )− =33.73
𝑘 𝑛
(∑ 𝑥)2 4332
SStotal=∑ 𝑥 2 − = 12639 - =139.73
𝑛 15
𝑇𝑐 2 (∑ 𝑥)2
SST=∑( )− =62.53
𝑛𝑐 𝑛
SSE=SStotal-SST-SSB=43.47
MST=SST/k-1=31.265
MSE=SSE/ (b-1) (k-1) =5.43375
MSB=SSB/b-1=8.4325
F=MST/MSE=5.7539 F=MSB/MSE=1.551

TABLA ANOVA
Fuente de Suma de Grados de Cuadrado F

variación cuadrados libertad medio
Tratamientos 62.53 2 31.265 5.7539
Bloques 33.73 4 8.4325 1.5519
Error 43.47 8 5.43375
Total 139.73 12
Por turno:
Ho: u1=u2=u3 (El promedio de producción por turno son iguales)

H1: No todas las medias son iguales
3) Estadístico: F (∝, 𝑘 − 1, (𝑘 − 1)𝑏 − 1 ) =F (0.05,2,8)= 4.46
Gráfica de distribución
F; df1=2; df2=8
1.0
0.8
0.6
0.4
0.2 R.A.
R.C.
0.05
0.0
0 4.459 5.7539

5) Cálculo del estadístico:
Fk=5.7539……….. Fk ∈ R.C. Rechaza la Ho y acepta la Ha

Conclusión: Las producciones medias por turno son diferentes
Por empleado:
Ho: u1=u2=u3=u4=u5 (El promedio de producción por empleado son iguales)
Ha: No todas las medias son iguales
3) Estadístico: F (∝, 𝑏 − 1, (𝑘 − 1)𝑏 − 1 ) =F (0.05,4,8)= 3.84
F; df1=4; df2=8
0.7
0.6
0.5
0.4
0.3
R.A.
0.2
0.1
R.C. 0.05
0.0
0 1.5519 3.838
Fk=15519……….. Fk ∈ R.A. Acepta la Ho y rechaza la Ha
Conclusión: Las producciones medias por empleado son iguales


REGRESION SIMPLE
PROBLEMA 1
El señor James McWhinney, presidente de la empresa Daniel-Jmaes Financial Services,
considera que existe relación entre el número de entrevistas con clientes y el importe en
dólares de las ventas. Para documentar este aserto, recopiló la siguiente información
muestral. La columna X indica el número de entrevistas con clientes durante el mes
pasado, y la columna Y muestra el valor de las ventas (en miles de dólares) del mes en
cuestión para cada cliente en la muestra.
Número de Ventas (miles de Número de Ventas (miles de

contactos dólares) contactos dólares)
X Y X Y
14 24 23 30
12 14 48 90
20 28 50 85
16 30 55 120
46 80 50 110
a) Determine la ecuación de regresión

b) Evalué las ventas estimadas si hay comunicación con 40 clientes
Solución:
De los datos obtenemos:
∑ 𝑋 =334
∑ 𝑌 =611
∑ 𝑋 2 =13970
∑ 𝑌 2 =51581
∑ 𝑋𝑌=26.584
 Coeficiente de correlación (r)
𝑛 ∑ 𝑋𝑌−∑ 𝑋 ∑ 𝑌
r=
√[𝑛 ∑ 𝑋 2 −(∑ 𝑋)2 ] 𝑛 ∑ 𝑌 2 −(∑ 𝑌)2
10(26584)−334(611)
r= =0.9754
√10(13970)−(334)2 [10(51581)−(611)2 ]

 Coeficiente de determinación: r2=0.9514

 Coeficiente de no determinación: 1- r2 = 0.0486
 Hallamos la ecuación de regresión Y=a+bX
𝑛 ∑ 𝑋𝑌−∑ 𝑋 ∑ 𝑌 ∑𝑌 𝑏∑𝑋
b= a= −
𝑛 ∑ 𝑋 2 −(∑ 𝑋)2 𝑛 𝑛
10(26584)−(334)(611)
b= =2.1946
10(13970)−334 2
611 2.1946(334)
a= − = -12.1996
10 10
RSPTA: Y= -12.1996+2.1946X
 RSPTA: Si X=40 entonces Y=75.5844
 Error estándar de estimación:
∑ 𝑌 2 −𝑎 ∑ 𝑌−𝑏 ∑ 𝑋𝑌 51581−(−12.1996)(611)−2.1946(26584)
SYX=√ = √ =9.3120
𝑛−2 10−2
 Inferencia sobre los coeficientes de Regresión de la Población
Ho: β1=0 (no hay relación)
Ha: β1≠0 (si existe relación)
3) Estadístico: t (α,n-2)=t(0.05,8)=2.305

T; df=8
0.4
0.3
0.2
R.A.
0.1
R.C. R.C.
0.025 0.025
0.0
-2.306 0 2.306 12.50
𝑏−𝛽 2.1946−0
t= = =12.50
𝑆𝑏1 0.1755
𝑆𝑌𝑋 9.3120
Sb1= = =0.1755
(∑ 𝑋)2 2
√∑ 𝑋 2 − √13970−334
𝑛 10
tk ∈ R.C. Rechaza la Ho y acepta la Ha
Conclusión: Si existe relación entre los coeficientes de la población
 Prueba de hipótesis para el coeficiente de correlación
Ho: ρ=0 (la correlación en la población es nula)

Ha: ρ≠0 (la correlación en la población no es nula)
3) Estadístico: t (α,n-2)=t(0.05,8)=2.305

T; df=8
0.4
0.3
0.2
R.A.
0.1
R.C. R.C.
0.025 0.025
0.0
-2.306 0 2.306 12.5144
𝑟 √𝑛−2 0.9754√10−2
t= = =12.5144
√1−𝑟 2 √0.0486
tk ∈ R.C. Rechaza la Ho y acepta la Ha
Conclusión: El coeficiente de correlación no es nula.

EN MINITAB:
Gráfica de línea ajustada

Ventas = - 12.20 + 2.195 Contactos
120 S 9.31045
R-cuad. 95.1%
R-cuad.(ajustado) 94.5%
100
80
Ventas
60
40
20
0
10 20 30 40 50 60
Contactos

PROBLEMA 2
La empresa Reliable Furniture es un negocio familiar que realiza ventas al menudeo, en
chicago, durante muchos años. Se anuncia ampliamente por radio y televisión,
destacando sus bajos precios y accesible condiciones de crédito. Al dueño le gusta
analizar la relación entre las ventas y lo que gasta en publicidad. A continuación se
encuentra la información acerca de las ventas y gastos de publicidad durante los últimos 4
meses.
MES GASTOS EN INGRESOS POR

PUBLICIDAD VENTAS
JULIO 2 7
AGOSTO 1 3
SETIEMBRE 3 8
OCTUBRE 4 10
a) Determine la ecuación de regresión

b) Interprete los valores de a y b
c) Calcule los importes de las ventas cuando se gastan 3 millones de dólares en
publicidad.
SOLUCION
a) Para tener una mejor apreciación de los datos, los colocaos en un diagrama de
dispersión (regresión simple).
X Y XY 𝑋2 𝑌2
2 7 14 4 49
1 3 3 1 9
3 8 24 9 64
4 10 40 16 100
10 28 81 30 222

𝑛(∑ 𝑋𝑌)−(∑ 𝑋)(∑ 𝑌) 4(81)−10(28)

𝑏= 𝑛(∑ 𝑋 2 )−(∑ 𝑋)2
= 4(30)−102
= 2.2
∑𝑌 ∑𝑋 28 10
𝑎= −𝑏( )= − 2.2 ( ) = 1.5
𝑛 𝑛 4 4
𝑌 ′ = 𝑎 + 𝑏𝑋
′
𝑌 = 1.5 + 2.2𝑋
b) la pendiente es 2.2. Esto indica que un aumento de 1 millón de dólares en publicidad

resultara en un incremento de 2.2 millones en ventas. La intersección es 1.5. Si no
hubiera gastos en publicidad, las ventas serian de 1.5 millones de dólares únicamente.
c) 𝑌 ′ = 1.5 + 2.2(3) = 8.1 en millones de dólares.
SOLUCION POR MINITAB
PASO 1. Ingresar en la columna C1 y C2 los datos de X(Gastos de Publicidad) e Y

(Ingresos por ventas) respectivamente.
PASO 2. Hacer click en “Estadísticas”
PASO 3. Seleccionar “Regresión”.
PASO 4. Seleccionamos “Regresión”.
PASO 5. En el cuadro de dialogo “Regresión”:

En la etiqueta “Respuesta” seleccionamos “Ingreso por Ventas”
En la etiqueta “Predictores” seleccionamos “Gastos en Publicidad”.
Le damos click en Aceptar.



REGRESION MULTIPLE
PROBLEMA 1
El señor Mike Wilde es presidente del sindicato de profesores del Distrito escolar de
Otsego. Al prepararse para futuras negociaciones, a Mike le gustaría investigar la
estructura de los sueldos de personal docente en el distrito. Considera que existen tres
factores que afectan el pago laboral de un profesor: años de experiencia, una calificación
de la efectividad en la enseñanza-asignada por el director-y si el enseñarte tiene o no
grado de maestría. Una muestra aleatoria de 20 profesores dio como resultado los
siguientes datos:
Sueldo Años de Calificación del Maestría

(m’dd) experiencia director
Y X2 *Y3
X1
21.1 8 35 0
23.6 5 43 0
19.3 2 51 1
33.0 15 60 1
28.6 11 73 0
35.0 14 80 1
32.0 9 76 0
26.8 7 54 1
38.6 22 55 1
21.7 3 90 1
15.7 1 30 0
20.6 5 44 0
41.8 23 84 1
36.7 17 76 0
28.4 12 68 1
23.6 14 25 0
31.8 8 90 1
20.7 4 62 0
22.8 2 80 1
32.8 8 72 0
*1=si, 0=no
Nota: m’dd0 miles de dólares

a) Determine la ecuación de regresión. ¿Qué sueldo estimaría usted para un profesor
con cinco años de experiencia, una calificación de 60 dada por el director, y sin
maestría?
b) Realice una prueba global de hipótesis para determinar si algunos de los
coeficientes de regresión netos difieren de cero. Utilice el nivel de significancia de
0.05
c) Realice una prueba de hipótesis para los coeficientes de regresión. ¿Consideraría
eliminar cualesquiera de las variables independientes? Use el nivel de significancia
de 0.05

Solución
Correlaciones: Sueldo; Años; Calificación; Maestría
Sueldo Años Calificación

Años 0.868
0.000
Calificación 0.547 0.187

0.013 0.430
Maestría 0.311 0.208 0.458

0.183 0.380 0.042
a) La ecuación de regresión es:

Sueldo = 9.92 + 0.899 Años + 0.154 Calificación - 0.67 Maestría
Entonces si:
Años=5
Calificación=60
Maestría=0
Obtendríamos Sueldo = 23.655
b) Prueba global de hipótesis para los coeficientes de regresión
Ho: β1= β2= β3=0
Ha: No todas son iguales a cero
3) Estadístico: F (∝, 𝑘, 𝑛 − 𝑘 − 1) =F (0.05,3,16)= 3.24
4) Definición de R.A. y R.C.

F; df1=3; df2=16
0.8
0.7
0.6
0.5
0.4
0.3
R.A.
0.2
0.1
0.05
0.0 R.C.
0 3.239 52.72
Tabla ANOVA
Análisis de varianza
Fuente GL SC CM FK P
Regresión 3 903.19 301.06 52.72 0.000
Error residual 16 91.37 5.71
Total 19 994.56
Fk ∈ R.C. Rechaza la Ho y acepta la Ha

Se concluye que los coeficientes de regresión difieren de cero.
c) Prueba de hipótesis individuales para los coeficientes de regresión
Ho: β1=0 β2 =0 β3=0
Ha: β1≠0 β2≠0 β3≠0
3) Estadístico: t (α,n-k-1)=t(0.05,16)=2.120

T; df=16
0.4
0.3
0.2
R.A.
0.1
0.025 R.C. R.C. 0.025

0.0
-2.120 0 2.120
𝑆𝑌𝑋
Sb=
2
√∑ 𝑋 2 −(∑ 𝑋)
𝑛
2.38967
Sb1= =0.0853
2
√2590−(190)
20
Sb2=0.0278
Sb3=1.0687
𝑏1−β1 𝑏2−β2 𝑏3−β3

t1 = t2 = t3 =
𝑆𝑏1 𝑆𝑏2 𝑆𝑏3
Entonces:
0.9766−0
t1= =11.449 tk1 ∈ R.C. Rechaza la Ho y acepta la Ha
0.0853
t2=6.9280 tk2 ∈ R.C. Rechaza la Ho y acepta la Ha
t3=0.2439 tk3 ∈ R.C. Acepta la Ho y rechaza la Ha
Se concluye que la 3º variable se eliminaría para posteriormente realizar nuevamente el

análisis

PROBLEMA 2
El gerente de ventas distrital de un importante fabricante de automóviles está estudiando
las ventas. Específicamente le gustaría determinar qué factores afectan el número de
autos vendidos en una distribuidora. Para investigar, selecciona al azar 12 distribuidores.
De ellos obtiene el número de vehículos vendidos el último mes, los minutos de publicidad
radiofónica comprados en dicho período, el número de vendedores de tiempo completo
empleados en la distribuidora, y si ésta se localiza en la ciudad o no. La información es la
siguiente:
Automóviles Publicidad Fuerza de ventas Ciudad

vendidos el último X1 X2 X3
mes
Y
127 18 10 1
138 15 15 0
159 22 14 1
144 23 12 1
139 17 12 0
128 16 12 1
161 25 14 1
180 26 17 1
102 15 7 0
163 24 16 1
106 18 10 0
149 25 11 1
a) Determine la ecuación de regresión. ¿Cuántos autos esperaría que se vendieran

en una distribuidora con 20 vendedores, que paga 15 minutos de publicidad y se
localiza en una ciudad?
b) Realice una prueba global de hipótesis para determinar si alguno de los
coeficientes de regresión neta es diferente de cero. Sea α = 0.05
c) Efectúe una prueba de hipótesis para los coeficientes de regresión individuales
¿consideraría eliminar alguna de las variables independientes? Sea α = 0.05
Solución:
a) La ecuación de regresión es
Automóviles vendidos = 31.1 + 2.15 X1 + 5.01 X2 + 5.67 X3
Si:
X1=15
X2=20
X3=1
Entonces se obtendrá Automóviles vendidos = 195.6989
b) Prueba global de hipótesis para los coeficientes de regresión

Ho: β1= β2= β3=0
Ha: No todas son iguales a cero
3) Estadístico: F (∝, 𝑘, 𝑛 − 𝑘 − 1) =F (0.05,3,8)= 4.07
F; df1=3; df2=8
0.7
0.6
0.5
0.4
0.3
R.A.
0.2
0.1
0.05
0.0 R.C.
0 4.066
Tabla ANOVA
Análisis de varianza
Fuente GL SC CM FK P
Regresión 3 5504.4 1834.8 34.93 0.000
Error residual 8 420.2 52.5
Total 11 5924.7
Fk ∈ R.C. Rechaza la Ho y acepta la Ha

Se concluye que los coeficientes de regresión difieren de cero.

c) Prueba de hipótesis individuales para los coeficientes de regresión
Ho: β1=0 β2 =0 β3=0
Ha: β1≠0 β2≠0 β3≠0
3) Estadístico: t (α,n-k-1)=t(0.05,8)=2.306
T; df=8
0.4
0.3
0.2
R.A.
0.1
0.025 R.C. R.C. 0.025

0.0
-2.306 0 2.306
𝑆𝑌𝑋
Sb=
2
√∑ 𝑋 2 −(∑ 𝑋)
𝑛
7.24780
Sb1= =0.5168
2
√5158−(244)
12
Sb2=0.7682
Sb3=4.4383

𝑏1−β1 𝑏2−β2 𝑏3−β3

t1 = t2 = t3 =
𝑆𝑏1 𝑆𝑏2 𝑆𝑏3
Entonces:
6.7237−0
t1= = 13.0103 tk1 ∈ R.C. Rechaza la Ho y acepta la Ha
0.5168
t2= 14.1392 tk2 ∈ R.C. Rechaza la Ho y acepta la Ha
t3= 25.0002 tk3 ∈ R.C. Rechaza la Ho y acepta la Ha
Se concluye que ninguna variable se consideraría para eliminar.

PROBLEMAS DE CHI CUADRADA
PROBLEMA 1
Una organización de investigación de la opinión desea determinar si hay alguna relación
entre la calidad de la labor de los entrevistadores y sus puntuaciones en un test de
personalidad introvertido-extrovertido. Cada entrevistador es calificado por su superior
como sobre el promedio, promedio o por debajo del promedio basándose en factores
como la perseverancia, la necesidad de supervisión, quejas de entrevistados,
escrupulosidad en cumplir programas, etc. Los resultados se ven en la tabla que sigue:
Trabajo por encima Trabajo promedio Trabajo inferior al

del promedio promedio
Introvertido 18 28 14
Promedio 37 63 30
Extrovertido 15 29 16
Contrastar, a un nivel de significancia de 0.05, la hipótesis de que no hay relación entre la

personalidad medida por el test y la calidad del rendimiento en el trabajo. ¿Qué se puede
concluir sobre la eficacia del test para predecir si un posible entrevistador hará una labor
de buena calidad?
SOLUCIÓN:
i.
 Sabiendo que:
(𝒕𝒐𝒕𝒂𝒍 𝒑𝒐𝒓 𝒓𝒆𝒈𝒍𝒐𝒏)(𝒕𝒐𝒕𝒂𝒍 𝒑𝒐𝒓 𝒄𝒐𝒍𝒖𝒎𝒏𝒂)
𝒇𝒆 =
𝑮𝒓𝒂𝒏 𝒕𝒐𝒕𝒂𝒍
 Del cuadro, hallamos:
60 × 70
𝑓𝑒11 = = 16.8
250
130 × 70
𝑓𝑒21 = = 36.4
250
60 × 70
𝑓𝑒31 = = 16.8
250
60 × 120
𝑓𝑒12 = = 28.8
250
130 × 120
𝑓𝑒22 = = 62.4
250

60 × 120
𝑓𝑒32 = = 28.8
250
60 × 60
𝑓𝑒13 = = 14.4
250
130 × 60
𝑓𝑒23 = = 31.2.
250
60 × 60
𝑓𝑒33 = = 14.
250
 Haciendo un nuevo cuadro con los datos hallados:
Trabajo por Trabajo Trabajo

encima promedio inferior
fo fe fo fe fo fe total
Introvertido 18 16.8 28 28.8 14 14.4 60
Promedio 37 36.4 63 62.4 30 31.2 130
Extrovertido 15 16.8 29 28.8 16 14.4 60
total 70 120 60 250
ii.
1)
H0 = Si existe relación entre la personalidad medida por el test y la calidad
del rendimiento en el trabajo de cada entrevistador.
H1 = No existe relación entre la personalidad medida por el test y la calidad
del rendimiento en el trabajo de cada entrevistador.
2) Nivel de significancia:
∝= 0.05
3)
 Hallando el ji-cuadrado x2:
(𝑓𝑜 − 𝑓𝑒)2
𝑥2 = ∑
𝑓𝑒
 Reemplazando los datos obtenidos:
(18 − 16.8)2 (37 − 36.4)2 (15 − 16.8)2 (28 − 28.8)2 (63 − 62.4)2
𝑥2 = + + + +
16.8 36.4 16.8 28.8 62.4
(29 − 28.8)2 (14 − 14.4)2 (30 − 31.2)2 (16 − 14.4)2
+ + + +
28.8 14.4 31.2 14.4

(1.2)2 (0.6)2 (−1.8)2 (−0.8)2 (0.6)2 (0.2)2 (−0.4)2 (−1.2)2 (1.6)2

𝑥2 = + + + + + + + +
16.8 36.4 16.8 28.8 62.4 28.8 14.4 31.2 14.4
1.44 0.36 3.24 0.64 0.36 0.04 0.16 1.44 2.56

𝑥2 = + + + + + + + +
16.8 36.4 16.8 28.8 62.4 28.8 14.4 31.2 14.4
𝑥 2 = 0.0857 + 0.0099 + 0.1929 + 0.0222 + 0.0058 + 0.0014 + 0.0111 + 0.0462 + 0.1778
𝑥 2 = 0.553
4)
 Hallando su grado de libertad:
𝑔𝑙 = (#𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 − 1)(#𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)
 Reemplazando los datos:
𝑔𝑙 = (3 − 1)(3 − 1)
𝑔𝑙 = (2)(2)
𝑔𝑙 = 4
 Entonces, según tabla:
𝑥 2 (4; 0.05) = 9.488
 Determinando la gráfica:

 Reemplazando en la gráfica el x2 hallado con los datos y la distribución ji-

cuadrada:
5) Por tanto del x2 hallado se puede plantear:
𝑥 2 ∈ 𝑅. 𝐴. → 𝑎𝑐𝑒𝑝𝑡𝑜 𝐻0 𝑦 𝑟𝑒𝑐ℎ𝑎𝑧𝑜 𝑙𝑎 𝐻1
6) En conclusión:
Puesto que el valor calculado de la ji-cuadrada(x2=0.553) se encuentra en la

región ubicada a la izquierda de 9.488, se acepta la hipótesis nula (H0) al nivel
de 0.05. Se concluye que si hay relación entre la personalidad medida por el
test y la calidad medida en el trabajo de cada entrevistador. Para el test
elaborado a los entrevistadores, el resultado de este arroja que en promedio la
personalidad de cada entrevistador esta relacionado con la calidad del
rendimiento en su trabajo.
iii. De la pregunta: ¿Qué se puede concluir sobre la eficacia del test para
predecir si un posible entrevistador hará una labor de buena calidad?
 Como aquí se espera una labor de buena calidad, por ello se trabaja con la
columna de “Trabajo encima del promedio”, y se calcula el promedio de cada
personalidad ubicada ahí con respecto del total por fila o por personalidad.
 Hallando sus promedios:
18
𝑖𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡𝑖𝑑𝑜 = = 0.3 → 30%
60
37
𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 = = 0.2846 → 28.46%
130

15
𝑒𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡𝑖𝑑𝑜 = = 0.25 → 25%
60
 Entonces concluimos:
 Los entrevistadores con personalidad introvertida presentan un 30% de

probabilidad de que cumplan un trabajo por encima del promedio, o sea
una labor de buena calidad.
 Los entrevistadores con personalidad promedio presentan un 28.46% de
 Los entrevistadores con personalidad extrovertida presentan un 25% de
iv. Resultado del aplicar el ejercicio al el paquete estadístico Minitab:
Prueba Chi-cuadrada: Trabajo por encima, trabajo promedio, trabajo inferior
Los conteos esperados se imprimen debajo de los conteos observados.

Las contribuciones Chi-cuadradas se imprimen debajo de los conteos esperados
Trabajo por trabajo trabajo

encima promedio inferior Total
1 18 28 14 60
16.80 28.80 14.40
0.086 0.022 0.011
2 37 63 30 130
36.40 62.40 31.20
0.010 0.006 0.046
3 15 29 16 60
16.80 28.80 14.40
0.193 0.001 0.178
Total 70 120 60 250
Chi-cuadrada = 0.553, GL = 4, Valor P = 0.96

PROBLEMA 2
El departamento de reclamaciones de la aseguradora Wise Insurance Company considera
que los conductores de auto más jóvenes tienen más accidentes y, por tanto, se les debe
cobrar cuotas de pólizas más altas. El análisis de una muestra de 1200 personas
aseguradas por Wise se revelo la siguiente clasificación referente a si se había tramitado
una demanda en los últimos tres años y la edad del reclamante asegurado. ¿es razonable
concluir que existe relación entre la edad de la persona con póliza y si ha presentado una
demanda (pago por seguro) o no ?Utilice un nivel de significancia de 0.05.
Grupos de No hubo Si hubo

edades demanda demanda
16 a 25 170 74
25 a 40 240 58
40 a 55 400 44
55 o mayores 190 24
Total 1000 200
Solución:
Ho: No existe una relación ente la queja y la edad de la persona.

Hi: existe una relación ente la queja y la edad de la persona.
𝑔𝑙 = 3 𝛼 = 0.05
𝑔𝑙 = (2 − 1)(4 − 1) = 1 ∗ 3 = 3
La regla de decisión es: Rechazar la Ho si el valor de𝜒 2 calculado es mayor que 7.81

Grupos de edades No hubo Si hubo demanda

demanda
fo fe fo fe fo Fe
16 a 25 170 203.3 74 40.6 244 244
25 a 40 240 248.3 58 49.6 298 298
40 a 55 400 370 44 74 444 444
55 o mayores 190 178.3 24 35.6 214 214
Total 1000 1000 200 200 1200 1200
(170 − 203.3)2 (24 − 35.67)2

𝜒2 = +⋯+ = 53.639
203.3 35.67
Como el valor calculado se encuentra en la zona de rechazo, es decir más allá del valor
crítico, se rechaza la hipótesis nula. Se concluye que la edad está relacionada con la
presencia de un reclamo.
Hallamos el valor estadístico en MINITAB
Paso1: Ingresar los datos de las frecuencias observadas
Paso2: Seleccionar menú estadística/prueba chi cuadrada (tabla de dos factores)

Paso3: cuando aparezca el cuadro de diálogo prueba de chi cuadrada

Ingresar C1 y C2ene l cuadro columnas de contiene la tabla
Clic en aceptar
Podemos observar que el valor de p=0.0119<0.05, 𝜒 2 = 7.340,y con ellos comprobar lo ya

calculado.

PRUEBA DE SIGNO: (MUESTRA PEQUEÑA)
PROBLEMA 1
Una gran cadena de tiendas departamentales, Cornwall & Hudson, desea vender sólo una
marca de reproductor de discos compactos de alta calidad. La lista de equipos
reproductores de CDs se ha reducido a dos marcas: Sony y Pioneer. Para ayudar en la
toma de decisión, se reunió a un grupo de 16 expertos en audio. Se hizo la reproducción
de un pasaje musical usando componentes Sony (marcados A). Después se reprodujo el
mismo pasaje utilizando componentes Pioneer (marcados B). Un signo “+” en la tabla
siguiente indica la preferencia de una persona por los componentes Sony, y un signo “-“
señala predilección por Pioner, y un 0 significa que no hay preferencia.
Experto
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
+ - + - + + - 0 - + - + + - + -
Realice una prueba de hipótesis al nivel de significancia 0.10 para determinar si hay
diferencia en la preferencia entre las dos marcas.
SOLUCIÓN
Paso 01: Plantear la 𝐻𝑜 y la 𝐻𝑎 :
𝐻𝑜 : 𝑝 = 0.5
𝐻𝑎 : 𝑝 ≠ 0.5
𝐻𝑜 : No hay diferencia en la preferencia entre las dos marcas de componentes.

𝐻𝑎∶ Si hay diferencia en la preferencia entre las dos marcas de componentes.
Paso 02: Nivel de significancia: α=0.10.
Paso 03: Definir el estadístico de prueba.

El estadístico de prueba será el número de signos más (“+”) que se obtengan en el
experimento (8 en este caso)
Paso 04: Definir la Zona de Aceptación y la Zona de Rechazo.

Binomial, n=15, p=0.5
0.20
0.15
Probabilidad
0.10
0.05
0.01758
0.01758
0.00
3 12
X
Por consiguiente la regla de decisión es: rechazar la hipótesis nula y aceptar la hipótesis
alternativa, si el número de signos positivos (+) en la muestra queda en la región crítica es
decir si es mayor o igual a 12 o menor o igual a 3. En caso contrario no se rechaza la
hipótesis nula si el número de signos positivos queda en la región de aceptación. Se
define la región de aceptación y la región crítica:
𝑅. 𝐴: < 3,12 >

𝑅. 𝐶: [0,3] 𝑈 [12, +∞ >
Paso 05: Toma de decisión mediante el cálculo del estadístico de prueba: Distribución
binomial.
1º Se completa la tabla anterior añadiendo la probabilidad de éxito y la probabilidad

acumulada para determinar el valor crítico de la distribución binomial. El número de
ensayos se reduce a 15 debido que el dato 8 de la muestra no evidencia cambio.
Probabilidad Probabilidad
Número
Probabilidad Acumulada Acumulada
de
de éxito (de abajo (de arriba
éxitos
hacia arriba) hacia abajo)
0 0.000 1 0.000
1 0.000 1 0.000
2 0.003 1 0.003
3 0.014 0.997 0.017
4 0.042 0.983 0.059
5 0.092 0.941 0.151
6 0.153 0.849 0.304
7 0.196 0.696 0.5

8 0.196 0.5 0.696
9 0.153 0.304 0.849

10 0.092 0.151 0.941
11 0.042 0.059 0.983
12 0.014 0.017 0.997
13 0.003 0.003 1
14 0.000 0.000 1
15 0.000 0.000 1
Entonces el valor crítico de la Distribución Binomial determinado en la tabla anterior es 3 y

12 por el motivo de que la probabilidad acumulada del número de éxitos 3 y 12 es menor
que 0.05.
p=0.017<0.05
Experto
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
+ - + - + + - 0 - + - + + - + -
Dato Signo
1 +
2 -
3 +
4 -
5 +
6 +
7 -
8 0
9 -
10 +
11 -
12 +
13 +
14 -
15 +
16 -

En la tabla anterior se eliminó del análisis el dato 8 debido a que no se evidencia el

cambio, esto reduce el número de ensayos a 15 (n=15). También se observa que el
número de signos positivos es 8.
Se e
INTERPRETACIÓN
Como el número de signos positivos (en este caso 8) pertenece a la región de aceptación
entonces se acepta la hipótesis nula y se rechaza la hipótesis alternativa. Es decir no hay
diferencia en la preferencia entre las dos marcas de componentes Sony y Pioneer.
PROBLEMA 2
Una compañía que produce alimentos para el control de peso ofrece desayunos, comidas
y cenas bajos en calorías. Sus afiliados recibirán dos alimentos por día. La compañía,
Calorie Watchers, asegura que se puede comer lo que se desee como tercer alimento, y
aun así perder cuando menos cinco libras de peso corporal durante el primer mes. A los
participantes se les pesa antes de comenzar el programa y nuevamente al final del primer
mes. La experiencia de los integrantes de una muestra aleatoria de 11 participantes es:
Nombre Cambio en el peso

Foster Pérdida
Taoka Pérdida
Lange Aumento
Rousos Pérdida
Stephens Sin cambio
Cantrell Pérdida
Hercher Pérdida
Camder Pérdida
Hinckle Pérdida
Hinkley Pérdida
Justin Pérdida
Se quiere saber si ha habido pérdida de peso como resultado del programa.

a) Establezca las hipótesis nula y alternativa.
b) Usando el nivel de significancia 0.05, ¿cuál es la regla de decisión?
c) ¿Cuál es su conclusión respecto a este programa?.
SOLUCIÓN
𝐻𝑜 : 𝑝 ≤ 0.5
𝐻𝑎 : 𝑝 > 0.5
𝐻𝑜 : No ha habido pérdida de peso como resultado del programa

𝐻𝑎∶ Ha habido pérdida de peso como resultado del programa


El estadístico de prueba será el número de signos más (“+”) que se obtengan en el
experimento (9 en este caso)
Binomial, n=10, p=0.5
0.25
0.20
Probabilidad
0.15
0.10
0.05
0.01074
0.00
1 9
X
alternativa, si el número de signos positivos (+) en la muestra queda en la región crítica es
decir si es mayor o igual a 9. En caso contrario no se rechaza la hipótesis nula si el
número de signos positivos queda en la región de aceptación. Se define la región de
aceptación y la región crítica:
𝑅. 𝐴: [0,9 >
𝑅. 𝐶: [9, +∞ >

Paso 05: Toma de decisión mediante el cálculo del estadístico de prueba: Distribución
binomial.
1º Se completa la tabla anterior añadiendo la probabilidad de éxito y la probabilidad
acumulada para determinar el valor crítico de la distribución binomial.
Probabilidad
Número de éxitos Probabilidad de éxito
Acumulada
0 0.001 1
1 0.010 0.999
2 0.044 0.989
3 0.117 0.945
4 0.205 0.828
5 0.246 0.623
6 0.205 0.377
7 0.117 0.172
8 0.044 0.055
9 0.010 0.011
10 0.001 0.001
Entonces el valor crítico de la Distribución Binomial determinado en la tabla anterior es 9

por el motivo de que la probabilidad acumulada del número de éxitos 9 es menor que
0.05.
Dato Cambio en el
Nombre
peso
1 Foster Pérdida +
2 Taoka Pérdida +
3 Lange Aumento -
4 Rousos Pérdida +
5 Stephens Sin cambio 0
6 Cantrell Pérdida +
7 Hercher Pérdida +
8 Camder Pérdida +
9 Hinckle Pérdida +
10 Hinkley Pérdida +
11 Justin Pérdida +

En la tabla anterior se eliminó del análisis el dato 5 debido a que no se evidencia el

cambio, esto reduce el número de ensayos a 10 (n=10). También se observa que el
número de signos positivos es 9.
Se e
INTERPRETACIÓN
Como el número de signos positivos (en este caso 9) pertenece a la región crítica
entonces se rechaza la hipótesis nula y se acepta la hipótesis alternativa. Es decir Ha
habido pérdida de peso como resultado del programa, es un programa efectivo, porque
hubo 9 personas que perdieron peso.

PRUEBA DE SIGNO (MUESTRA GRANDE)
PROBLEMA 1
Un restaurante anunció que en la noche del jueves el menú consistirá en platillos nuevos
propios de gourmets: calamar, liebre, caracoles de Escocia y verduras diente de león.
Como parte de una investigación más amplia, se preguntó a una muestra de 81 clientes
habituales si preferían el menú normal o el menú nuevo para gourmet; 43 eligieron este
último. Utilizando la prueba de signo y el nivel de confianza 0.02, pruebe si a los clientes
les agradó más el nuevo menú que el común. Justifique su conclusión.
SOLUCIÓN
𝐻𝑜 : 𝑝 ≤ 0.5
𝐻𝑎 : 𝑝 > 0.5
𝐻𝑜 : No hay mayor preferencia en el nuevo menú que el común.

𝐻𝑎∶ Hay mayor preferencia en el nuevo menú que el común.

El estadístico de prueba sigue una Distribución normal siempre y cuando el tamaño de la
muestra sea mayor que 20 (n=81>20).
Normal, Media=0, Desv.Est.=1
0.4
0.3
Densidad
0.2
0.1
0.02
0.0
0 2.054
X

alternativa, si el valor de 𝑍𝑘 queda en la región crítica. En caso contrario no se rechaza la
hipótesis nula si 𝑍𝑘 queda en la región de aceptación. Se define la región de aceptación y
la región crítica:
𝑅. 𝐴: < −∞, 2.054]
𝑅. 𝐶: < 2.054, +∞ >
Paso 05: Toma de decisión mediante el cálculo del estadístico de prueba.

A la preferencia por el menú especial se le asignó un “+”, y a la preferencia por el menú
normal, un “-“. De los 81 consumidores en la muestra, se tiene que 43 prefirieron el menú
especial. En consecuencia, hay 43 signos positivos. Puesto que 43 es mayor que
n/2=81/2=40.5, se usa la siguiente fórmula para calcular z:
Se tiene que:
Tamaño de la muestra: n=81
Media: 𝜇 = 0.5*n = 0.5*81=40.5
Desviación Estándar: 𝜎=√0.25 ∗ 𝑛 = √0.25 ∗ 81 =4.5
Entonces procedemos con el cálculo de z:
̅−𝝁
𝒙
𝒛=
𝝈
43 − 40.5
𝑧= = 0.556
4.5
Se observa que 𝑍𝑘 = 0.556 pertenece a la región de aceptación, entonces se acepta la

hipótesis nula y se rechaza la hipótesis alternativa.
INTERPRETACIÓN
Como 𝑍𝑘 = 0.556 pertenece a la región de aceptación entonces se acepta la hipótesis
nula. Por lo tanto a un nivel de significancia de 0.02 se concluye que no hay mayor
preferencia por los clientes en el nuevo menú que en el menú normal.

PROBLEMA 2
El citrus Council (consejo de cítricos de EUA) desea averiguar si los consumidores
prefieren jugo de naranja simple o con un poco de pulpa. Se seleccionó una muestra
aleatoria de 212 consumidores. Cada persona de la muestra probó el contenido de una
taza pequeña, sin marca, de un tipo, y después probó una taza del otro tipo. Doce
consumidores dijeron que no tenían preferencia; 40 prefirieron el jugo simple, y al resto le
gustó más el jugo con pulpa. Pruebe al nivel 0.05 que las preferencias por el producto
simple y por el producto con pulpa, son iguales.
SOLUCIÓN
𝐻𝑜 : 𝑝 = 0.5
𝐻𝑎 : 𝑝 ≠ 0.5
𝐻𝑜 : Son iguales las preferencias por el producto simple y por el producto con pulpa.
𝐻𝑎∶ No son iguales las preferencias por el producto simple y por el producto con pulpa.

El estadístico de prueba sigue una Distribución normal siempre y cuando el tamaño de la
muestra sea mayor que 20 (n=212>20).
0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-1.960 0 1.960
X

𝑅. 𝐴: [−1.960,1.960]
𝑅. 𝐶: < −∞, −1.960 > 𝑈 < 1.960, +∞ >
Paso 05: Toma de decisión mediante el cálculo del estadístico de prueba.

A la preferencia por el jugo con pulpa se le asignó un “+”, y a la preferencia por el jugo
simple, un “-“. De los 212 consumidores en la muestra, se tiene que 160 prefirieron el jugo
con pulpa. En consecuencia, hay 160 signos positivos. Puesto que 160 es mayor que
n/2=212/2=106, se usa la siguiente fórmula para calcular z:
Se tiene que:
Tamaño de la muestra: n=212, pero como 12 no prefieren nada se determina que n=212-
12=200.
Media: 𝜇 = 0.5*n = 0.5*200=100.
Desviación Estándar: 𝜎=√0.25 ∗ 𝑛 = √0.25 ∗ 200 =7.07.
Entonces procedemos con el cálculo de z:
̅−𝝁
𝒙
𝒛=
𝝈
160 − 100
𝑧= = 8.49
7.071
Se observa que 𝑍𝑘 = 8.49 pertenece a la región crítica, entonces se rechaza la hipótesis

nula y se acepta la hipótesis alternativa.
INTERPRETACIÓN
Como 𝑍𝑘 = 8.49 pertenece a la región crítica entonces se acepta la hipótesis alternativa.
Por lo tanto a un nivel de significancia de 0.05 se concluye que no son iguales las
preferencias por el producto simple y por el producto con pulpa.

PRUEBA DE RANGO CON SIGNO DE WILCONXON
PROBLEMA 1
El campeonato de los jugadores de la PGA tuvo lugar , del 23 al 26 de marzo de 2006 , en
el campo de golf TPC Sawgrass en Ponte Vedra Beach , Florida. A continuación se
presentan las puntuaciones obtenidas, en la primera y segunda rondas, por 11 golfistas
de una muestra. Use α = 0.05 y determine si existe una diferencia significativa entre las
puntuaciones obtenidas por los golfistas en la primera y segunda rondas ¿Cuál es su
conclusión?
Golfista Primera ronda Segunda ronda

Fred Couples 69 73
Jhon Daly 70 73
Ernie Els 72 70
Jim Furyk 65 71
Phil mickelson 70 73
Rocco Mediate 69 74
Nick Price 72 71
Vijay Singgh 68 70
Sergio Garcia 70 68
Mike Weir 71 71
Tiger Woods 72 69
SOLUCIÓN
Ho: 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑜𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑐𝑎𝑠

Ha: 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑐𝑎𝑠
Paso 03: Distribución muestral de T para poblaciones idénticas.

De la tabla de la distribución normal con un nivel de 0.05, encontramos:
𝑅. 𝐴: [−1.96, 1.96]
𝑅. 𝐶: < −∞, −1.96 > 𝑈 < 1.96 , +∞ >

0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-1.960 0 1.960
X
Primera Segund Valor Rango con

Diferenci
Golfista ronda a ronda absoluto Rango signos
a
Fred Couples 69 73 -4 4 8 -8
Jhon Daly 70 73 -3 3 6 -6
Ernie Els 72 70 2 2 3 3
Jim Furyk 65 71 -6 6 10 -10
Phil mickelson 70 73 -3 3 6 -6
Rocco Mediate 69 74 -5 5 9 -9
Nick Price 72 71 1 1 1 1
Vijay Singgh 68 70 -2 2 3 -3
Sergio Garcia 70 68 2 2 3 3
Mike Weir 71 71 0 0
Tiger Woods 72 69 3 3 6 6

Eliminamos el que no tiene cambio, por tanto n =10;

La suma de rangos es: -29
Como n>= 10; y nt=0;
(𝒏)(𝒏+𝟏)(𝟐𝒏+𝟏) (𝟏𝟎)(𝟏𝟏)(𝟐𝟏)
Entonces: σT = √ 𝟔
 √
𝟔
=19.62
−29−0
Tenemos que: ZK = 19.62
= -1.48
RESULTADOS CON EL MINITAB
Prueba de clasificación con signos de Wilcoxon: C1

Prueba de la mediana = 0.000000 vs. la mediana no = 0.000000
Número
de Estadística Mediana
N prueba de Wilcoxon P estimada
C1 11 10 13.0 0.154 -1.500
INTERPRETACIÓN
Como el ZK calculado se encuentra en el rango de aceptación , se acepta la hipótesis
nula y se rechaza la hipótesis alternativa , es decir las poblaciones si son idénticas. Lo
cual nos indica que no hubo una diferencia significativa entre las puntuaciones de los 11
golfistas entre la primera y segunda ronda. En los resultados del Minitab se observa que
p es mayor que el nivel de significancia por lo tanto también se verifica que se acepta la
hipótesis nula.

PROBLEMA 2
Como parte de una investigacion de mercado que tenia por objeto evaluar la efectividad
de una campaña de publicidad , se seleccionaron 10 ciudades para una prueba de
mercad. Las ventas en dolares en cada una de estas ciudades, en la semana anterior a la
campaña y se registran las ventas que hubo en la primera venta , inmediatamente
despuesd de la campaña. Use α =0.05 ¿ A que conclusion llega acerca del valor de la
campaña?
Ciudad Ventas antes de la Ventas despues de la

campaña campaña
Kansas City 130 160

Dayton 100 105
Cincinnati 120 140
Columbis 95 90
Cleveland 140 130
Indianapolis 80 82
Louisville 65 55
St. Louis 90 105
Pittsburg 140 152
Peoria 125 140
SOLUCIÓN
Ho: 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑜𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑐𝑎𝑠

Ha: 𝑙𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑐𝑎𝑠
Paso 03: Distribución muestral de T para poblaciones idénticas.

De la tabla de la Distribución Normal con un nivel de 0.05, encontramos:
𝑅. 𝐴: [−1.96, 1.96]
𝑅. 𝐶: < −∞, −1.96 > 𝑈 < 1.96 , +∞ >

0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-1.960 0 1.960
X
Primera Segund Valor Rango con

Ciudad ronda a ronda Diferencia absoluto Rango signos
Kansas City 130 160 -30 30 10 -10

Dayton 100 105 -5 5 2.5 -2.5
Cincinnati 120 140 -20 20 9 -9
Columbis 95 90 5 5 2.5 2.5
Cleveland 140 130 10 10 4.5 4.5
Indianapolis 80 82 -2 2 1 -1
Louisville 65 55 10 10 4.5 4.5
St. Louis 90 105 -15 15 7.5 -7.5
Pittsburg 140 152 -12 12 6 -6
Peoria 125 140 -15 15 7.5 -7.5

n =10;
La suma de rangos es: -32
Como n>= 10; y nt=0;

(𝒏)(𝒏+𝟏)(𝟐𝒏+𝟏) (𝟏𝟎)(𝟏𝟏)(𝟐𝟏)
Entonces σT = √ 𝟔
 √
𝟔
=19.62
−32−0
Tenemos que: ZK = 19.62
= -1.63
RESULTADOS EN MINITAB
Prueba de clasificación con signos de Wilcoxon: C2
Prueba de la mediana = 0.000000 vs. la mediana no = 0.000000
Número
de Estadística Mediana
N N* prueba de Wilcoxon P estimada
C2 10 1 10 11.5 0.114 -7.500
INTERPRETACIÓN
Como el ZK calculado se encuentra en el rango de aceptación , se acepta la hipótesis
nula y se rechaza la hipótesis alternativa , es decir las poblaciones si son idénticas. Lo
que nos indica que la campaña no tuvo un valor significativo en las ventas antes y
después de ella. En los resultados del Minitab se observa que p es mayor que el nivel de
significancia por lo tanto también se verifica que se acepta la hipótesis nula.

PRUEBA DE KRUSKALL WALLIS
PROBLEMA 1
Un fabricante de motores fuera de borda para embarcaciones, inventó un proceso de
recubrimiento con pintura epóxica para protección contra la corrosión de los componentes
del sistema de escape. Los ingenieros quieren determinar si las distribuciones de los
tiempos de duración de la pintura son iguales bajo tres condiciones diferentes de uso:
agua salada, agua dulce sin vegetación y agua dulce con gran concentración de
vegetales. En el laboratorio se realizaron pruebas activadas de duración y se registraron
los tiempos de estado útil de la pintura antes de que empezara a desprenderse.
Agua salada Agua dulce Agua dulce con

vegetación
167.3 160.6 182.7
189.6 177.6 165.4
177.2 185.3 172.9
169.4 168.6 169.2
180.3 176.6 174.7
Aplicando la prueba de Kruskall – Wallis y el nivel de 0.01, determine si la duración de la

pintura es la misma para las tres condiciones acuáticas.
SOLUCIÓN
𝐻𝑜 : Son iguales las distribuciones de las duraciones de la pintura para las tres condiciones
acuáticas.
𝐻𝑎 : No todas las distribuciones son iguales.
Paso 03: Definir el estadístico de prueba: Estadístico de Kruskall Wallis.
Se tiene que:
Grado de libertad (g.l) = k-1=3-1=2
Donde:
K: Es el número de tratamientos.
El valor de Ji Cuadrado crítico 𝑋𝑐 2 es:

𝑋(𝟎.𝟎𝟏,𝟐) 2 = 9.210

Chi-cuadrada, df=2
0.5
Densidad 0.4
0.3
0.2
0.1
0.01
0.0
0 9.210
X
alternativa, si el valor de H queda en la región crítica. En caso contrario no se rechaza la
hipótesis nula si H queda en la región de aceptación. Se define la región de aceptación y
𝑅. 𝐴: [0, 9.210]
𝑅. 𝐶: < 9.210, +∞ >
Paso 05: Toma de decisión mediante el estadístico de prueba Kruskall Wallis.

Procedimiento para el rango:
Se combina todos los valores de la muestra.
Se ordena todos los valores combinados de menor a mayor.
Agua dulce
Agua Rango Agua Rango Rango
con
salada (𝑹𝟏 ) dulce (𝑹𝟐 ) (𝑹𝟑 )
vegetación
167.3 →3 160.6 →1 182.7 →13
189.6 →15 177.6 →11 165.4 →2
177.2 →10 185.3 →14 172.9 →7

169.4 →6 168.6 →4 169.2 →5
180.3 →12 176.6 →9 174.7 →8
𝟑
∑ 𝑹𝒊 46 39 35
𝒊=𝟏

Ahora mediante la siguiente fórmula hallamos H:
12 ∑ 𝑅12 ∑ 𝑅22 ∑ 𝑅32

𝐻= ( + + ) − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1 𝑛2 𝑛3
Sean:
𝑛1 = 5 , 𝑛2 = 5, 𝑛3 = 5 y 𝑛 = 15.
Luego operando quedaría así:
12 462 392 352

𝐻 = 15(16) (5
+ 5
+ 5
)− 3(16) = 0.62
El valor de 𝐻 = 0.62 cae en la región de aceptación entonces se acepta la hipótesis nula y

se rechaza la hipótesis alternativa.
RESULTADOS EN EL MINITAB
Prueba de Kruskal-Wallis: C1 vs. C2
Prueba de Kruskal-Wallis en C1
Clasificación
C2 N Mediana del promedio Z
1 5 177.2 9.2 0.73
2 5 176.6 7.8 -0.12
3 5 172.9 7.0 -0.61
General 15 8.0
H = 0.62 GL = 2 P = 0.733
INTERPRETACIÓN
Como el 𝐻 = 0.62 es menor que el punto crítico de 𝑋𝑐 2 =9.210, esto quiere decir que se
encuentra en la zona de aceptación, por lo tanto la hipótesis nula se acepta y la hipótesis
alterna se rechaza, a un nivel de significancia del 0.01, entonces se concluye que son
iguales las distribuciones de las duraciones de la pintura para las tres condiciones
acuáticas: agua salada, agua dulce sin vegetación y agua dulce con gran concentración
de vegetales.
PROBLEMA 2

Se investigará la inestabilidad de los ejecutivos en las casas de bolsa, en empresas de

servicio, en la industria de la construcción pesada y en las empresas de transportación
aérea. Se seleccionaron muestras de cada una de estas industrias, y se expresó como un
índice, el número de veces que un ejecutivo cambió de empresa durante un periodo de 10
años. Un índice de 0 indicaría que no hubo ningún cambio, mientras que 100 indicaría un
cambio casi constante de una empresa a otra. Los índices en los cuatro grupos son:
Mercado de Construcción
Servicios Transporte aéreo
valores pesada
4 3 62 30
17 12 40 38
8 40 81 46
20 17 96 40
16 31 76 21
19
No se puede suponer que los índices están distribuidos normalmente. Por tanto, se
deberá utilizar una prueba no paramétrica. Usando el nivel 0.05, determine si los índices
de inestabilidad de las cuatro poblaciones son idénticos.
SOLUCIÓN
𝐻𝑜 : Las poblaciones son idénticos en lo que concierne a los índices de inestabilidad.

𝐻𝑎 : Las poblaciones no son idénticos en lo que concierne a los índices de inestabilidad.
Paso 03: Definir el estadístico de prueba: Estadístico de Kruskall Wallis.
Se tiene que:
Grado de libertad (g.l) = k-1=4-1=3
Donde:
K: Es el número de tratamientos.
El valor de Ji Cuadrado crítico 𝑋𝑐 2 es:

𝑋(𝟎.𝟎𝟓,𝟑) 2 = 7.815

Chi-cuadrada, df=3
0.25
0.20
0.15
Densidad
0.10
0.05
0.05
0.00
0 7.815
X
alternativa, si el valor de H queda en la región crítica. En caso contrario no se rechaza la
hipótesis nula si H queda en la región de aceptación. Se define la región de aceptación y
𝑅. 𝐴: [0, 7.815]
𝑅. 𝐶: < 7.815, +∞ >
Paso 05: Toma de decisión mediante el estadístico de prueba Kruskall Wallis.

Procedimiento para el rango:
Se combina todos los valores de la muestra.
Se ordena todos los valores combinados de menor a mayor.
Mercado
Rango Rango Construcción Rango Transporte Rango
de Servicios
(𝑹𝟏 ) (𝑹𝟐 ) pesada (𝑹𝟑 ) aéreo (𝑹𝟒 )
valores
4 →2 3 →1 62 →18 30 →11
17 →6.5 12 →4 40 →15 38 →13
8 →3 40 →15 81 →20 46 →17
20 →9 17 →6.5 96 →21 40 →15
16 →5 31 →12 76 →19 21 →10
19 →8
𝟑
∑ 𝑹𝒊 25.5 46.5 93 66
𝒊=𝟏

Ahora mediante la siguiente fórmula hallamos H:
12 ∑ 𝑅12 ∑ 𝑅22 ∑ 𝑅32

𝐻= ( + + ) − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1 𝑛2 𝑛3
Sean:
𝑛1 = 5 , 𝑛2 = 6, 𝑛3 = 5, 𝑛4 = 5 y 𝑛 = 21.
Luego operando quedaría así:
12 25.52 46.52 932 662

𝐻 = 21(22) ( 5
+ 6
+ 5
+ 5
)− 3(22) = 14.30
El valor de 𝐻 = 14.30 cae en la región crítica entonces se acepta la hipótesis alternativa y

se rechaza la hipótesis nula.
Prueba de Kruskal-Wallis: C3 vs. C4
Prueba de Kruskal-Wallis en C3
Clasificación
C4 N Mediana del promedio Z
1 5 16.00 5.1 -2.44
2 6 18.00 7.8 -1.52
3 5 76.00 18.6 3.14
4 5 38.00 13.2 0.91
General 21 11.0
H = 14.30 GL = 3 P = 0.003
H = 14.34 GL = 3 P = 0.002 (ajustados para los vínculos)
INTERPRETACIÓN
Como el 𝐻 = 14.30 es mayor que el punto crítico de 𝑋𝑐 2 =7.815, esto quiere decir que se
encuentra en la zona de rechazo, por lo tanto la hipótesis nula se rechaza y la hipótesis
alterna se acepta, a un nivel de significancia del 0.05, entonces se concluye que las
poblaciones de los índices de inestabilidad de los ejecutivos en las casas de bolsa, en
empresas de servicio, en la industria de la construcción pesada y en las empresas de
transportación aérea no son idénticos.

PRUEBA DE MAN WHITNEY-WILCONXON: MUESTRA PEQUEÑA 𝑵 ≤ 𝟏𝟎
PROBLEMA1
Para probar el efecto de dos aditivos sobre el rendimiento de la gasolina, siete
automóviles usan el aditivo 1 y nueve automóviles el aditivo 2. En los datos siguientes se
presenta el rendimiento en millas por galón obtenido con cada uno de los dos aditivos.
Use 𝛼 = 0.05 y determine si existe una diferencia significativa en el efecto que tiene los
dos aditivos sobre el rendimiento.
ADITIVO 1 ADITIVO 2
17.3 18.7
18.4 17.8
19.1 21.3
16.7 21.0
18.2 22.1
18.6 18.7
17.5 19.8
20.7
20.2
SOLUCIÓN
𝐻𝑜 : No existe diferencia significativa en el efecto que tiene los dos aditivos

sobre el rendimiento de la gasolina en millas por galón.
𝐻𝑎 : Existe diferencia significativa en el efecto que tiene los dos aditivos sobre
el rendimiento de la gasolina en millas por galón.
Paso 03: Definir el estadístico de prueba: 𝑇 (valor crítico para la prueba de Mann Whitney
Wilconxon).
𝑇𝑈 = 𝑛1 (𝑛1 + 𝑛2 + 1) − 𝑇𝐿
Como ésta es una prueba con una muestra pequeña porque 𝑛1 = 7 y 𝑛2 = 9, el valor de
𝑇𝐿 obtenido en tablas es 𝑇𝐿 (7,9, 0.05) = 41 (valor crítico).
Remplazando:
𝑇𝑈 = 7(7 + 9 + 1) − 41 = 78


Ordenar por rango las muestras combinadas y hallar la suma de rangos de cada muestra:
Aditivo 1 Rango Aditivo 2 Rango

17.3 2 18.7 8.5
18.4 6 17.8 4
19.1 10 21.3 15
16.7 1 21.0 14
18.2 5 22.1 16
18.6 7 18.7 8.5
17.5 3 19.8 11
20.7 13
20.2 12
Total 34 102
𝑇𝐿 = 𝟒𝟏 … … … … … … … … … 𝟕𝟖 = 𝑇𝑈
Si 𝑇 < 𝑇𝐿 = 50 o 𝑇 > 𝑇𝑈 = 78, se rechaza la hipótesis nula Ho y se acepta la hipótesis

alternativa Ha. Se define la región de aceptación y de rechazo:
𝑅. 𝐴: [41 , 78 ]
𝑅. 𝐶: < −∞ ,41 > 𝑈 < 78 , +∞ >
Paso 05: Toma de decisión mediante la prueba T de Mann Whitney Wilconxon.

En este último paso calculamos y comparamos la suma de rangos de ambas muestras
con el intervalo de aceptación, como 34 y 102 pertenecen a la región de rechazo, por
tanto se rechaza la hipótesis nula Ho y se acepta la hipótesis alternativa Ha.
Prueba de Mann-Whitney e IC: ADITIVO 1, ADITIVO 2
N Mediana
ADITIVO 1 7 18.200
ADITIVO 2 9 20.200
La estimación del punto para ETA1-ETA2 es -2.100

95.6 El porcentaje IC para ETA1-ETA2 es (-3.500,-0.499)
W = 34.0
Prueba de ETA1 = ETA2 vs. ETA1 no es = ETA2 es significativa en 0.0081
La prueba es significativa en 0.0081 (ajustado por empates)

INTERPRETACIÓN
Como la suma de rangos es 34 y 102 , esto quiere decir que se encuentra en la zona de
rechazo, por lo tanto se rechaza la hipótesis nula y se acepta la hipótesis alternativa, para
un nivel de significancia de 0.05, se puede concluir que existe diferencia significativa en el
efecto que tiene los dos aditivos sobre el rendimiento de la gasolina en millas por galón,
es decir hay diferencia significativa en el rendimiento de la gasolina.
Se llega a la misma conclusión usando el Minitab, como el valor de la probabilidad p=

0.0081 (ajustado por empates) es menor a 0.05, se rechaza la hipótesis nula y se acepta
la hipótesis alternativa, es decir que hay evidencia estadística para concluir que existe
diferencia significativa en el efecto que tiene los dos aditivos sobre el rendimiento de la
gasolina en millas por galón.
PROBLEMA 2
La National Association of Home Buiders proporciona datos sobre los más frecuentes
proyectos de remodelación. Use la prueba de MWW para determinar si se puede concluir
que el costo de remodelación de una cocina difiera del costo de remodelación de una
recámara. Use 0.05 como nivel de significancia.
Cocina Recámara
25 200 18 000
17 400 22 900
22 800 26 400
21 900 24 800
19 700 26 900
23 000 17 800
19 700 24 600
16 900 21 000
21 800
23 600
SOLUCIÓN
𝐻𝑜 : No existe diferencia significativa entre el costo de remodelación de una

cocina y el costo de remodelación de una recámara.
𝐻𝑎 : Existe diferencia significativa entre el costo de remodelación de una cocina
y el costo de remodelación de una recámara.
Paso 03: Definir el estadístico de prueba: 𝑇 (valor crítico para la prueba de Mann Whitney
Wilconxon).
𝑇𝑈 = 𝑛1 (𝑛1 + 𝑛2 + 1) − 𝑇𝐿

Como ésta es una prueba con una muestra pequeña porque 𝑛1 = 10 y 𝑛2 = 8, el valor de
𝑇𝐿 obtenido en tablas es 𝑇𝐿 (10, 8, 0.05) = 73 (valor crítico).
Remplazando:
𝑇𝑈 = 10(10 + 8 + 1) − 73 = 117
Aditivo 1 Rango Aditivo 2 Rango

25 200 16 18 000 4
17 400 2 22 900 11
22 800 10 26 400 17
21 900 9 24 800 15
19 700 5.5 26 900 18
23 000 12 17 800 3
19 700 5.5 24 600 14
16 900 1 21 000 7
21 800 8 4
23 600 13 11
Total 82 89
𝑇𝐿 = 𝟕𝟑 … … … … … … … … … 𝟏𝟏𝟕 = 𝑇𝑈
Si 𝑇 < 𝑇𝐿 = 73 o 𝑇 > 𝑇𝑈 = 117, se rechaza la hipótesis nula Ho y se acepta la hipótesis

alternativa Ha. Se define la región de aceptación y de rechazo:
𝑅. 𝐴: [73 , 117 ]
𝑅. 𝐶: < −∞ ,73 > 𝑈 < 117 , +∞ >
Paso 05: Toma de decisión mediante la prueba T de Mann Whitney Wilconxon.

En este último paso calculamos y comparamos la suma de rangos de ambas muestras
con el intervalo de aceptación, como 82 y 89 pertenecen a la región de aceptación, por
tanto se acepta la hipótesis nula Ho y se rechaza la hipótesis alternativa Ha.
Prueba de Mann-Whitney e IC: COCINA, RECAMARA
N Mediana
COCINA 10 21850
RECAMARA 8 23750
La estimación del punto para ETA1-ETA2 es -1650

95.4 El porcentaje IC para ETA1-ETA2 es (-5000,1900)
W = 82.0

INTERPRETACIÓN
Como la suma de rangos es 82 y 89, esto quiere decir que se encuentra en la zona de
aceptación, por lo tanto se acepta la hipótesis nula y se rechaza la hipótesis alternativa,
para un nivel de significancia de 0.05, se puede concluir que no existe diferencia
significativa entre el costo de remodelación de una cocina y el costo de remodelación de
una recámara.

0.2665 (ajustado por empates) es mayor a 0.05, se acepta la hipótesis nula y se rechaza
la hipótesis alternativa, es decir que hay evidencia estadística para concluir que no existe
diferencia significativa entre el costo de remodelación de una cocina y el costo de
remodelación de una recámara.

PRUEBA DE MAN WHITNEY-WILCONXON: MUESTRA GRANDE 𝑵 ≥ 𝟏𝟎
PROBLEMA 1
Business Week publica estadísticas anuales sobre las 1000 empresas más grandes. El
cociente P/E (cociente de rendimiento por acción )de una empresa es el precio actual de
las acciones de las empresas dividido entre la ganacia por acción en los últimos 12
meses. En la siguiente tabla se presenta el cociente P/E de 10 empresas japonesas y 12
empresas estadounidenses de una muestra. ¿ Existe diferencia entre los dos países? Use
la prueba MWW y α=0.01 para dar sus conclusiones.
JAPON ESTADOS UNIDOS

Empresa Cociente P/E Empresa Cociente P/E
Sumitomo Corp 153 Gannet 19
Kinden 21 Motorola 24
Heiwa 18 Schlumberger 24
NCR japan 125 Oracle Systems 43
Suzuki Motor 31 Gap 22
Fuji Bank 213 Winn-Dixie 14
Sumito Chemical 64 Ingersoll-Rand 21
Seibu Raiway 666 American electric 14
Shiceido 33 Hercules 21
Toho Gas 68 Times mirror 38
WellPoint Health 15
Nothem States 14
SOLUCIÓN
Ho: 𝐿𝑎𝑠 𝑑𝑜𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑒𝑚𝑝𝑟𝑒𝑠𝑎𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑜𝑠 𝑝aíses 𝑠𝑜𝑛 𝑖𝑑é𝑛𝑡𝑖𝑐𝑎𝑠
Ha: 𝐿𝑎𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑜𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑒𝑚𝑝𝑟𝑒𝑠𝑎𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑜𝑠 𝑝𝑎í𝑠𝑒𝑠 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑑é𝑛𝑡𝑖𝑐𝑎𝑠
Paso 03: Definir el estadístico de prueba: Emplear una aproximación normal de la

distribución 𝑇 para el análisis en la prueba de Mann Whitney Wilconxon.
Ésta es una prueba con una muestra grande porque 𝑛1 = 10 y 𝑛2 = 12.


JAPÓN Rango EE.UU Rango

153 20 19 6
21 8 24 11.5
18 5 24 11.5
125 19 43 16
31 13 22 10
213 21 14 2
64 17 21 8
666 22 14 2
33 14 21 8
68 18 38 15
15 4
14 2
TOTAL 157 96
Suma de rangos de Japón : 157

Suma de rangos de Estados Unidos: 96
Mediante las siguientes fórmulas hallamos z:
1
𝑢𝑇 = ∗ 𝑛 (𝑛 + 𝑛2 + 1)
2 1 1
1
𝑢 𝑇 = ∗ 10(10 + 12 + 1) = 115 → 𝑢 𝑇 = 115
2
1
𝜎𝑇 = √ ∗ (𝑛1 ∗ 𝑛2 )(𝑛1 + 𝑛2 + 1)
12
1
𝜎𝑇 = √ ∗ (10 ∗ 12)(10 + 12 + 1) = 14.57 → 𝜎𝑇 = 15.17
12
𝑇 − 𝑢𝑇
𝑧=
𝜎𝑇
Entonces:
𝑇 − 𝑢 𝑇 157 − 115
𝑧= = = 2.77
𝜎𝑇 15.17

la región crítica con un nivel de significancia de 0.01.
𝑅. 𝐴: [−2.576,2.576]
𝑅. 𝐶: < −∞, −2.576 > 𝑈 < 2.576, +∞ >
0.4
0.3
Densidad
0.2
0.1
0.005 0.005
0.0
-2.576 0 2.576
X
Paso 05: Toma de decisión mediante la Distribución aproximadamente normal.

Como 𝑍𝑘 = 2.77 pertenece a la región crítica se rechaza la hipótesis nula y se acepta la
hipótesis alternativa.
Prueba de Mann-Whitney e IC: C3, C5
N Mediana
C3 10 66.0
C5 12 21.0
La estimación del punto para ETA1-ETA2 es 45.5

99.1 El porcentaje IC para ETA1-ETA2 es (3.0,189.0)
W = 157.0

INTERPRETACIÓN
hipótesis alternativa, para un nivel de significancia de 0.01, se puede concluir que las
poblaciones de los cocientes de las empresas de los dos países no son idénticas.
0.0061 (ajustado por empates) es menor a 0.01, se rechaza la hipótesis nula y se acepta
la hipótesis alternativa, es decir que hay evidencia estadística para concluir que las
poblaciones de los cocientes de las empresas de los dos países no son idénticas.
PROBLEMA 2
Los hornos de microondas de una determinada marca se venden en Dalias y en San
Antonio. Los precios se presentan a continuación. Use un nivel de significancia de 0.05 y
pruebe si los precios en Dallas y en San Antonio son los mismos.
Dallas San Antonio

623 752
687 582
748 781
638 805
713 723
645 728
726 674
700 766
794 908
662 737
814 796
674 724
SOLUCIÓN
Ho: 𝐿𝑎𝑠 𝑑𝑜𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 𝑒𝑛 𝐷𝑎𝑙𝑙𝑎𝑠 𝑦 𝑒𝑛 𝑆𝑎𝑛 𝐴𝑛𝑡𝑜𝑛𝑖𝑜 𝑠𝑜𝑛 𝑖𝑑é𝑛𝑡𝑖𝑐𝑎𝑠
Ha: 𝐿𝑎𝑠 𝑑𝑜𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 𝑒𝑛 𝐷𝑎𝑙𝑙𝑎𝑠 𝑦 𝑒𝑛 𝑆𝑎𝑛 𝐴𝑛𝑡𝑜𝑛𝑖𝑜 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑑é𝑛𝑡𝑖𝑐𝑎𝑠
Paso 03: Definir el estadístico de prueba: Emplear una aproximación normal de la

distribución 𝑇 para el análisis en la prueba de Mann Whitney Wilconxon.
Ésta es una prueba con una muestra grande porque 𝑛1 = 12 y 𝑛2 = 12.


Dallas Rango San Antonio Rango

623 2 752 17
687 8 582 1
748 16 781 19
638 3 805 22
713 10 723 11
645 4 728 14
726 13 674 6.5
700 9 766 18
794 20 908 24
662 5 737 15
814 23 796 21
674 6.5 724 12
TOTAL 119.5 180.5
Suma de rangos de Dallas: 157

Suma de rangos de San Antonio: 180.5
Mediante las siguientes fórmulas hallamos z:
1
𝑢𝑇 = ∗ 𝑛 (𝑛 + 𝑛2 + 1)
2 1 1
1
𝑢 𝑇 = 2 ∗ 12(12 + 12 + 1) = 150 → 𝑢 𝑇 = 150
1
𝜎𝑇 = √ ∗ (𝑛1 ∗ 𝑛2 )(𝑛1 + 𝑛2 + 1)
12
1
𝜎𝑇 = √ ∗ (12 ∗ 12)(12 + 12 + 1) = 17.32 → 𝜎𝑇 = 17.32
12
𝑇 − 𝑢𝑇
𝑧=
𝜎𝑇
Entonces:
𝑇 − 𝑢 𝑇 180.5 − 150
𝑧= = = 1.76
𝜎𝑇 17.32

𝑅. 𝐴: [−1.960 , 1.960]
𝑅. 𝐶: < −∞, −1.960 > 𝑈 < 1.960, +∞ >
0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-1.960 0 1.960
X
Paso 05: Toma de decisión mediante la Distribución aproximadamente normal.

Como 𝑍𝑘 = 1.76 pertenece a la región de aceptación se acepta la hipótesis nula y se
rechaza la hipótesis alternativa.
Prueba de Mann-Whitney e IC: C6, C8
N Mediana
C6 12 693.5
C8 12 744.5
La estimación del punto para ETA1-ETA2 es -52.5

95.4 El porcentaje IC para ETA1-ETA2 es (-104.0,11.0)
W = 119.5

INTERPRETACIÓN
rechaza la hipótesis alternativa, para un nivel de significancia de 0.05, se puede concluir
que las poblaciones de precios en Dallas y en San Antonio son idénticas.
0.0832 (ajustado por empates) es mayor a 0.05, se acepta la hipótesis nula y se rechaza
la hipótesis alternativa, es decir que hay evidencia estadística para concluir que las
poblaciones de precios en Dallas y en San Antonio son idénticas.

CORRELACIÓN DE RANGO DE SPEARMAN
PROBLEMA 1
Nuevos representantes comerciales de la empresa John Ford Metal & Wheel CO., asisten
a un programa de capacitación antes de ser asignados a una oficina regional. Al término
de uno de estos programas, cada representante fue clasificado con respecto a su futura
potencialidad en ventas. Al final del primer año en ventas, sus calificaciones se
compararon con sus ventas anuales:
Calificación en el
Ventas anuales (miles
Representante programa de
US$)
capacitación
Kitchen 319 3
Bond 150 9
Gross 175 6
Arbuckle 460 1
Greene 348 4
Arden 300 10
Crane 280 5
Arthur 200 2
Keene 190 7
knopf 300 8
a) Calcule e interprete el coeficiente de correlación de rango de Spearman.

b) Al nivel de significancia 0.05, ¿puede concluirse que hay una asociación positiva entre
los rangos?
SOLUCIÓN
1º Calcular el el coeficiente de correlación de rango de Spearman mediante la siguiente
fórmula:
6 ∑ 𝑑2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
Para ello realizamos la siguiente tabla:

Ventas
Rango de
Representante anuales Rango d 𝒅𝟐
capacitación
(miles US$)
1 319 3 3 0 0
2 150 10 9 1 1
3 175 9 6 3 9
4 460 1 1 0 0
5 348 2 4 -2 4
6 300 4.5 10 -5.5 30.25
7 280 6 5 1 1
8 200 7 2 5 25
9 190 8 7 1 1
10 300 4.5 8 -3.5 12.25
Total 83.50

Donde:
𝑛 = 10
6 ∑ 𝑑2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
Remplazando tenemos:
6 ∑ 𝑑2 6 ∗ 83.50
𝑟𝑠 = 1 − 2
=1− = 0.494
𝑛(𝑛 − 1) 10 ∗ 99
CONCLUSIÓN
El coeficiente de correlación de rango de Spearman es igual a 0.494, esto significa que
existe una correlación positiva moderada.
2º Prueba de correlación de rango.

Ho: 𝜌𝑟𝑠 = 0 (𝑁𝑜 ℎ𝑎𝑦 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑟𝑎𝑛𝑔𝑜𝑠)

Ha: 𝜌𝑟𝑠 ≠ 0 (𝐻𝑎𝑦 𝑢𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑟𝑎𝑛𝑔𝑜𝑠)
Paso 03: Definir el estadístico de prueba: Distribución Normal (z).

𝑅. 𝐴: [−1.960 , 1.960]
𝑅. 𝐶: < −∞, −1.960 > 𝑈 < 1.960, +∞ >
0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-1.960 0 1.960
X

Paso 05: Toma de decisión mediante la Distribución Normal.

Mediante las siguientes fórmulas procedemos a calcular 𝑍𝑘 .
Sean:
𝑢𝑟𝑠 = 0
1
𝜎𝑟𝑠 = √
𝑛−1
Donde:
1 1
𝜎𝑟𝑠 = √ =√ = 0.33
𝑛−1 9
Entonces:
𝑟𝑠 − 𝑢𝑟𝑠
𝑧=
𝜎𝑟𝑠
Remplazando se tiene:
𝑟𝑠 − 𝑢𝑟𝑠 0.494 − 0
𝑧= = = 1.50
𝜎𝑟𝑠 0.33

rechaza la hipótesis alternativa.
INTERPRETACIÓN
rechaza la hipótesis alternativa, para un nivel de significancia de 0.05, se puede concluir
que 𝑁𝑜 ℎ𝑎𝑦 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑟𝑎𝑛𝑔𝑜𝑠 es decir la correlación poblacional entre los
rangos podría ser cero.

PROBLEMA 2
Al principio de la temporada de basquetbol (en EUA), 12 equipos parecían sobresalir. Se
pidió a un grupo de cronistas deportivos y a uno de entrenadores de baloncesto
universitario que calificaran a los 12 equipos. Sus calificaciones compuestas son las
siguientes.
Estudiante Orden de terminación Calificación (50 posible)
Gromney 1 48
Bates 2 48
MacDonald 3 43
White 4 49
Harris 5 50
Cribb 6 47
Smythe 7 39
Arquette 8 30
Govito 9 37
Grankowski 10 35
bonfigilo 11 36
Hineman 12 33
Determine la correlación entre las calificaciones que otorgaron los entrenadores y las que
asignaron los cronistas. Al nivel de significancia 0.05, ¿se puede concluir que esta
correlación es diferente de cero?
SOLUCIÓN
1º Calcular el el coeficiente de correlación de rango de Spearman mediante la siguiente
fórmula:
6 ∑ 𝑑2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
Para ello realizamos la siguiente tabla:
Calificación Rango de
Estudiante Rango d 𝒅𝟐
(50 posible) terminación
1 48 3.5 1 2.5 6.25
2 48 3.5 2 1.5 2.25
3 43 6 3 3 9
4 49 2 4 -2 4
5 50 1 5 -4 16
6 47 5 6 -1 1
7 39 7 7 0 0
8 30 12 8 4 16
9 37 8 9 -1 1
10 35 10 10 0 0
11 36 9 11 -2 4
12 33 11 12 -1 1
Total 60.5

Donde:
𝑛 = 12
6 ∑ 𝑑2
𝑟𝑠 = 1 −
𝑛(𝑛2 − 1)
Remplazando tenemos:
6 ∑ 𝑑2 6 ∗ 60.5
𝑟𝑠 = 1 − 2
=1− = 0.788
𝑛(𝑛 − 1) 12 ∗ 143
CONCLUSIÓN
El coeficiente de correlación de rango de Spearman es igual a 0.788, esto significa que
existe una correlación positiva moderada.
2º Prueba de correlación de rango.

Ho: 𝜌𝑟𝑠 = 0 (𝑁𝑜 ℎ𝑎𝑦 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑟𝑎𝑛𝑔𝑜𝑠)

Ha: 𝜌𝑟𝑠 ≠ 0 (𝐻𝑎𝑦 𝑢𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑟𝑎𝑛𝑔𝑜𝑠)
Paso 03: Definir el estadístico de prueba: Distribución Normal (z).

𝑅. 𝐴: [−1.960 , 1.960]
𝑅. 𝐶: < −∞, −1.960 > 𝑈 < 1.960, +∞ >

0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-1.960 0 1.960
X
Paso 05: Toma de decisión mediante la Distribución Normal.

Mediante las siguientes fórmulas procedemos a calcular 𝑍𝑘 .
Sean:
𝑢𝑟𝑠 = 0
1
𝜎𝑟𝑠 = √
𝑛−1
Donde:
1 1
𝜎𝑟𝑠 = √𝑛−1=√11 = 0.30
Entonces:
𝑟𝑠 − 𝑢𝑟𝑠
𝑧=
𝜎𝑟𝑠
Remplazando se tiene:
𝑟𝑠 − 𝑢𝑟𝑠 0.788 − 0
𝑧= = = 2.63
𝜎𝑟𝑠 0.30

hipótesis alternativa.
INTERPRETACIÓN
Como 𝑍𝑘 = 2.63 pertenece a la región crítica se acepta la hipótesis alternativa y se
rechaza la hipótesis nula, para un nivel de significancia de 0.05, se puede concluir que
ℎ𝑎𝑦 𝑢𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑟𝑎𝑛𝑔𝑜𝑠 es decir hay una correlación positiva entre
los cronistas deportivos y los entrenadores.

REFERENCIAS BIBLIOGRÁFICAS
 Anderson, D. (2004). Estadística para Administración y Economía. 3ra Ed.,
International Thomson Editores S.A., Estados Unidos.
 Anderson, Sweeney, Williams (2009). Estadística para Administración y

Economía. 10 Ed., International Thomson Editores S.A., Estados Unidos.
 Levin, R. (2004). Estadística para Administración y Economía.. 7ma Ed., Edit.

Prentice-Hall Hispanoamérica SA, México.
 Lind, Marshal, Mason (2004) Estadística para Administración y Economía. 11 Ed,

Alfaomega Grupo Editor 2004
 Mason Lind, R. (1995). Estadística para Administración y Economía.7ma Ed., Edit.

Alfaomega, Estados Unidos.
 Mason Lind, R. (2002). Estadística para Administración y Economía.10ma Ed.,

Edit. Alfaomega, México.

Trabajo Estadistica Industrial 1

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Trabajo Estadistica Industrial 1

Загружено:

Авторское право:

Доступные форматы

ESTADÍSTICA INDUSTRIAL Facultad de Ingeniería Industrial

PRUEBA DE HIPOTESIS “Z” PARA UNA MUESTRA

a. Un intervalo unilateral de confianza usa los resultados de la muestra para

𝑖) 𝑃𝑙𝑎𝑛𝑡𝑒𝑜 𝑙𝑎 𝐻𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑦 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎

𝑖𝑖) 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑆𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎:

𝑖𝑖𝑖) 𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎: 𝑍 ; 𝑦𝑎 𝑞𝑢𝑒 𝑛 ≥ 30.

𝑖𝑣) 𝐷𝑒𝑓𝑖𝑛𝑜 𝑙𝑎 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝐴𝑐𝑒𝑝𝑡𝑎𝑐𝑖ó𝑛 𝑦 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝑅𝑒𝑐ℎ𝑎𝑧𝑜(𝐶𝑟í𝑡𝑖𝑐𝑎)

PROBLEMAS RESUELTOS Página 1

𝑣) 𝐶𝑎𝑙𝑐𝑢𝑙𝑜 𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎

∴ 𝑍𝑘 ∈ 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝑅𝑒𝑐ℎ𝑎𝑧𝑜 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

𝑷𝒐𝒓 𝒆𝒍 𝑰𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒅𝒆 𝑪𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂, 𝒉𝒂𝒍𝒍𝒂𝒎𝒐𝒔:

∴ 𝑥̅ 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

Del mismo modo:

∴ 𝜇 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

PROBLEMAS RESUELTOS Página 2

Empleando minitab, podemos observar lo siguiente:

Prueba de mu = 15 vs. < 15

Podemos observar que,

PROBLEMAS RESUELTOS Página 3

𝑖) 𝑃𝑙𝑎𝑛𝑡𝑒𝑜 𝑙𝑎 𝐻𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑦 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎

𝑖𝑖) 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑆𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎:

𝑖𝑖𝑖) 𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎: 𝑍 ; 𝑦𝑎 𝑞𝑢𝑒 𝑛 ≥ 30.

𝑖𝑣) 𝐷𝑒𝑓𝑖𝑛𝑜 𝑙𝑎 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝐴𝑐𝑒𝑝𝑡𝑎𝑐𝑖ó𝑛 𝑦 𝑅𝑒𝑔𝑖ó𝑛 𝑑𝑒 𝑅𝑒𝑐ℎ𝑎𝑧𝑜(𝐶𝑟í𝑡𝑖𝑐𝑎)

PROBLEMAS RESUELTOS Página 4

𝑷𝒐𝒓 𝒆𝒍 𝑰𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒅𝒆 𝑪𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂, 𝒉𝒂𝒍𝒍𝒂𝒎𝒐𝒔:

∴ 𝜇 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

De otro modo, obtenemos la misma conclusión:

∴ 𝑥̅ 𝑛𝑜 𝑝𝑒𝑟𝑡𝑒𝑛𝑐𝑒 𝑎 𝐼𝐶 , 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

b. Use un estadístico de prueba para probar esta hipótesis.

∴ 𝑍𝑘 ∈ 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑡𝑟í𝑡𝑖𝑐𝑎 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑦 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻1

PROBLEMAS RESUELTOS Página 5

c. ¿Cuál es el valor p para esta prueba?

Empleando Minitab, podemos observar lo siguiente:

PROBLEMAS RESUELTOS Página 6

Prueba de mu = 900 vs. no = 900

Podemos observar que,

PROBLEMAS RESUELTOS Página 7

RELACIONES PROPORCIONALES PARA UNA MUESTRA

PROBLEMAS RESUELTOS Página 8

Los datos calculados manualmente mediante la fórmula es:

Ahora lo resolveremos usando el paquete estadístico minitab 16.

PROBLEMAS RESUELTOS Página 9

2. Luego ingresar los datos:

PROBLEMAS RESUELTOS Página 10

Luego clic en opciones>

Nivel de confianza: 0.05

3. Finalmente clic en Aceptar, los resultados obtenidos son:

PROBLEMAS RESUELTOS Página 11

1.- Planteamiento de la Hipótesis

H0: p = 0.53 Proporción de semillas que germinaron al día y medio, a lo mas.

2.- Nivel de Significancia 𝜶=0.05

3.- Estadístico Z “Proporciones”

4.- Regla de Rechazo

Si Z es menor que 1.96 y

5.- Calculo del estadístico

PROBLEMAS RESUELTOS Página 12

Entonces como Z pertenece a la región de aceptación, pues es mayor que -1.96 y

De la muestra de 300 semillas, es confiable decir que a un nivel de significancia del

PROBLEMAS RESUELTOS Página 13

Observamos que el valor de P es mayor que α, además también se observa que

PROBLEMAS RESUELTOS Página 14

PRUEBA DE HIPOTESIS “Z” PARA DOS MUESTRAS

Zona costera Zona no costera

¿Cuál es el valor del estadístico de prueba?