Trabajo Estadistica Industrial

Laboratorio de Estadstica Industrial 2016
2016
Universidad Nacional Mayor de
San Marcos
Laboratorio de Estadstica
Industrial
Curso:
Estadstica Industrial
Profesor:
Vctor Prez Quispe
Alumnos:
Bautista Salazar Julio Jason
10170040
Ganoza Morales Guillermo
10170116
Garca Alarcn Carlos Alexander

11170020

INDICE
Problemas aplicativos de Distribucin Normal.............................................................................2

Problemas aplicativos de Distribucin de Muestras Pequeas.......................................................11
Problemas Aplicativos de Regresin Simple...............................................................................20
Problemas Aplicativos de Regresin Mltiple.............................................................................30
Problemas Aplicativos de Chi Cuadrada..................................................................................... 42
Problemas Aplicativos de Prueba de Independencia....................................................................48
Problemas Aplicativos de la Distribucin de Poisson...................................................................52
Problemas Aplicativos de Mtodos no Paramtricos....................................................................60
Prueba de Signos................................................................................................................ 60
Problemas Aplicativos de la Prueba de Wilcoxon.....................................................................69
Problemas Aplicativos de la Prueba de Mann-Whitney-Wilcoxon...............................................77
Prueba de Kruskal-Wallis..................................................................................................... 85

Problemas aplicativos de Distribucin Normal
Problema n1:
Le han pedido que evale la respuesta de las empresas a una nueva obligacin legal de incrementar las
prestaciones sanitarias que ofrecen a sus empleados. Tiene una muestra aleatoria de 76 cambios
porcentuales de las prestaciones sanitarias prometidas. La media muestral de los cambios porcentuales
es 0.078 y la desviacin tpica muestral es 0.201. Halle e interprete el valor p de un contraste de la
hiptesis nula de que la media poblacional de los cambios porcentuales es 0 frente a la hiptesis
alternativa bilateral.
Solucin:
p=0.1% <1% entonces se rechaza la hiptesis nula H 0, es decir si se tiene que incrementar las
prestaciones sanitarias que ofrecen a sus empleados.

Problema n2:
El director de produccin de Rodamientos Niquelados, S.A., le ha pedido ayuda para evaluar el proceso
modificado de produccin de rodamientos. Cuando el proceso funciona correctamente, produce
rodamientos cuyo peso sigue una distribucin normal de media poblacional 5 onzas y desviacin tpica
poblacional 0.1 onzas. Se ha recurrido a un nuevo proveedor de materia prima para un lote reciente de
produccin y el director quiere saber si, como consecuencia del cambio, el peso medio de los
rodamientos es menor. No hay razn alguna para sospechar que el nuevo proveedor plantea problemas
y el director continuar recurriendo a l a menos que existan pruebas contundentes de que estn
producindose rodamientos de menor peso que antes. En este problema obtenemos una muestra
aleatoria de n = 16 observaciones y la media muestral es 4.962. Tome la decisin realizando una prueba
de hiptesis por el mtodo clsico y utilizando el valor p. Haga la prueba con un nivel de significancia
= 0.05.
Solucin:
En este caso nos interesa saber si existen pruebas contundentes para concluir que estn producindose
rodamientos de menor peso. Por lo tanto, contrastamos la hiptesis.
Al encontrar p=0.064>0.05 no se rechaza la hiptesis nula H o, por lo tanto no se estn producindose

rodamientos de menor peso.
Problema n3:
En un estudio se extrajeron muestras aleatorias de empleados de restaurantes de comida rpida en los

que el empresario da formacin. En una muestra de 67 empleados que no haban terminado los
estudios secundarios, 11 haban participado en un programa de formacin de la empresa. En una
muestra aleatoria independiente de 113 empleados que haban terminado los estudios secundarios, pero
no haban ido a la universidad, haban participado 27. Contraste al nivel del 1 por ciento la hiptesis
nula de que las tasas de participacin de los dos grupos son iguales frente a la hiptesis alternativa de
que la tasa es mucho ms baja en el caso de los que no haban terminado los estudios secundarios.
Solucin
p=15.9. % >1% entonces se acepta hiptesis nula H 0.

Problema n 4:
El precio de venta promedio nacional para casas unifamiliares es de 181900 dlares. Para una muestra
de ventas de 40 casa unifamiliares nuevas en el sur se observ una media muestral de 166400 dlares y
una desviacin estndar de 33500 dlares.
a) Formule las hiptesis nula y alternativa que servirn para determinar si los datos de la muestra
sustentan la conclusin de que el precio de ventas promedio poblacional para las casas
unifamiliares nuevas en el sur es menor que la media nacional de 181900 dlares.
b) Cul es el valor del estadstico de prueba?
c) Cul es el valor de p?
d) Con = 0.01, Cul es su conclusin?
Solucin:
a)
b)
p=0.2% <1% entonces se rechaza hiptesis nula H 0.
Problema n5:
El expendio de pollos a la brasa de RikoPollo S.A asegura que 90% de sus rdenes se entregan en menos
de 10 minutos. En una muestra de 100 rdenes, 82 se entregaron dentro de ese lapso. Puede
concluirse, en el nivel de significancia 0.1, que menos de 90% de las rdenes se entregan en menos de
10 minutos?
Solucin:
H0:
H1:
p=0.4% <1% entonces se rechaza hiptesis nula H 0, se acepta que menos de 90% de las rdenes se
entregan en menos de 10 minutos
Problema n 6:
El consejo de seguridad nacional de un pas encuentra que 52% de los conductores en las autopistas son
hombres. Ayer se encontr en una muestra de 300 autos que viajaban por una determinada autopista,
que 170 de los conductores eran hombres.
Puede concluirse, en el nivel de significancia 0.01, que en esta autopista conducan ms hombres que
los que indican las estadsticas nacionales?
Solucin:
H0:
H1:
10
p=5.3% >1% entonces NO se rechaza hiptesis nula H 0, en esta autopista no conducan ms

hombres
11

Problemas aplicativos de Distribucin de Muestras Pequeas
Probleman1:
Los registros de la empresa Yellows indican que la duracin media de un juego de bujas es 22 100
millas. La distribucin de los tiempos de vida til de las bujas es aproximadamente normal.
Un fabricante de bujas afirma que sus bujas tienen una duracin media superior a 22 100 millas. El
dueo de los camiones compra muchos de estos juegos. En una muestra de 18 juegos el tiempo medio
de vida til fue 23400 millas y la desviacin estndar 1 500 millas hay suficientes evidencias, con el
nivel de significancia 0.05, que apoyen la afirmacin?
Solucin:
Ho: 22100
H1: > 22100
12
Al encontrar un p de 0.1% <5% se rechaza H o Con lo que la vida media de las bujas es mayor a 22 100
millas.
Problema n2:
Un criador de pollos sabe por experiencia que el peso de los pollos de cinco meses es 4.35 libras. Los
pesos siguen una distribucin normal .para tratar de aumentar el peso de dichas aves se le agrega un
aditivo al alimento .en una muestra de pollos de cinco meses se obtuvieron los siguientes pesos (en
libras).
Pesos
4.41
4.37
4.33
4.35
4.30
4.39
En el nivel 0.01 el aditivo ha aumentado el peso de los pollos?

Ho: 4.35
H1: > 4.35
13
4.36
4.38
4.40
4.39
Como p=6.4%>1% se acepta la hiptesis nula Ho. El aditivo no ha aumentado el peso de los pollos.
Problema n3:
Una muestra de las calificaciones en un examen presentado en un curso de estadstica es:
14

Hombres 72
69
98
66
85
76
79
Mujeres
67
90
78
81
80
76
81
80
77
A nivel de significancia de 0.01. La calificacin media de las mujeres es ms alta que la

calificacin media de los hombres?
Solucin:
Ho: 2 1
H1: 2 > 1
15
Como p=40.9%>1% se acepta Ho. La calificacin media de las mujeres no es ms alta que la de
los varones.
16

Problema n4:
Recuerde que la empresa Nikel Saving desea comprara las dos agencias que utiliza para realizar avalos
de casas. Para esto selecciono una muestra de 10 propiedades residenciales y program un avalu por
cada agencia .los resultados, reportados en miles de dlares, son:
Casa
Schadek
Bowyer
135
128
110
105
131
119
142
140
105
98
130
123
131
127
110
115
125
122
10
149
145
Al nivel de significancia de 0.05. Puede concluirse que hay una diferencia en los avalos medios
de las casas?
Ho: =0
H1: 0
17
18

Problema n5:
Lammers Limo ofrece servicio de limusinas desde el edificio del ayuntamiento de la ciudad de Toledo,
Ohio, hasta el aeropuerto
Metro, en Detroit. El presidente de la compaa, San Lammers, est
considerando dos rutas, una va es la ruta US25 y la otra es va la autopista I75 .Desea estudiar el
tiempo necesario para llegar al aeropuerto por cada uno de estos caminos y despus comparar (en
minutos). Utilizando el nivel de significancia de 0.10. Existe alguna diferencia en la variacin de los
tiempos de recorrido por ambas rutas?
RUTA US25
INTERESTATAL
75
52
59
67
60
56
61
45
51
70
56
54
63
64
57
65
Ho: 1 = 2
H1: 1 2
19
20

Problemas Aplicativos de Regresin Simple
Problema n1:
Se llev a cabo un estudio en el Instituto Politcnico y Universidad Estatal de Virginia para determinar
si ciertas medidas de resistencia esttica del brazo (Kg.) tienen alguna influencia en las caractersticas
de "elevacin dinmica (milmetros)" de un individuo. Se sometieron a pruebas de resistencia a 10
individuos y despus se les pidi realizar una prueba de levantamiento de pesas en la que el peso se
deba levantar en forma dinmica por arriba de la cabeza.
Los datos son los siguientes:
21
INDIVIDUO
RESISTENCIA
DEL BRAZO
LEVANTAMIENTO
DINMICO
17.3
71.7
19.3
48.3
29.6
78.3
29.6
60.0
19.5
88.3
29.9
71.7
19.7
75.0
30.3
85.0
22.9
91.7
10
31.3
85.0

Grficas de puntos:
22

Grfica de dispersin de levantamiento di vs. Resistencia del
levantam
ientodinam
ico
90
80
70
60
50
16
18
20
22
24
26
Resistencia del brazo
28
30
32
Grfica de dispersin de levantamiento di vs. Resistencia del
levan
tam
ien
tod
in
am
ico
90
80
70
60
50
16
18
20
22
24
26
28
30
32
Grfica de lnea ajustada

levantamiento dinamico = 65,50 + 0,4009 Resistencia del brazo
120
Regresin
I C de 95%
I P de 95%
levantam
ientodinam
ico
110
S
R-cuad.
R-cuad.(ajustado)
100
90
80
70
60
50
40
30
16
23
18
20
22
24
26
28
30
32
14,0422
2,9%
0,0%

Al encontrar un r2 de 2.9% no se ajusta a una regresin lineal
24

Problema n2:
El siguiente conjunto de datos era tomado sobre grupos de trabajadoras de Inglaterra y Gales en el
perodo de 1970-72. Cada grupo est formado por trabajadores de la misma profesin (mdicos,
trabajadores textiles, decoradores,...etc.,) y en cada uno de los veinticinco grupos muestreados se han
observado dos variables: el ndice estandarizado de consumo de cigarrillos y el ndice de muertes por
cncer de pulmn.
25
Estudiar la regresin lineal del ndice de mortalidad frente al ndice de fumadores.
MUERTESPORCANCERDEPULMON
Grfica de dispersin de MUERTES POR CANC vs. CONSUMO DE CI GAR

150
125
100
75
50
60
26
70
80
90
100
110
CONSUMO DE CIGARRILLOS
120
130
140
MUERTESPOR CANCERDEPULMON
Grfica de dispersin de MUERTES POR CANC vs. CONSUMO DE CI GAR

150
125
100
75
50
60
70
80
90
100
110
120
130
140

MUERTES POR CANCER DE PULMON = - 2,89 + 1,088 CONSUMO DE CIGARRILLOS
MUERTES POR CANCER DE PULMON
200
Regresin
I C de 95%
I P de 95%
S
R-cuad.
R-cuad.(ajustado)
150
100
50
60
27
70
80
90
100
110
120
130
140
18,6154
51,3%
49,2%

No es conveniente un ajuste lineal al encontrar un R2 de 51.3%
Problema n3:
28

En 34 lotes de 120 libras de cacahuetes se observ el nivel medio de anatoxina (partes por
billn) (X) y el porcentaje de cacahuetes no contaminados (Y):
Analizar estos datos e investigar la relacin entre estas dos variables para predecir
Y en funcin de X. Es adecuado el ajuste lineal?
Grfica de dispersin de Y vs. X

100,0
99,9
99,8
99,7
99,6
0
29
20
40
60
X
80
100
120

Grfica de dispersin de Y vs. X
100,0
99,9
99,8
99,7
99,6
0
20
40
60
X
80
100
120

Y = 100,0 - 0,002904 X
100,1
Regresin
I C de 95%
I P de 95%
100,0
S
R-cuad.
R-cuad.(ajustado)
0,0393282
82,9%
82,3%
99,9
99,8
99,7
99,6
0
20
40
60
X
80
100
120
Al encontrar un R-cuad=82.9% resulta conveniente trazar un ajuste lineal
30
La ecuacin de regresin es
Y = 100 - 0,00290 X
Predictor
Coef
SE Coef
Constante
100,002
0,011
9184,91
0,000
-0,0029035
0,0002335
-12,43
0,000
S = 0,0393282
R-cuad. = 82,9%
R-cuad.(ajustado) = 82,3%
Anlisis de varianza
Fuente Ajuste
a un
GL x=100SC
Observaciones poco comunes
Regresin
Error residual
Obs
28
111
99,6580
Total
0,23915
32
0,04949
CM
0,23915
154,62
0,000
EE de
0,00155
Ajuste
ajuste
Residuo
99,6792
0,0187
-0,0212
33
0,28864
Residuo
estndar
-0,61 X
X denota una observacin cuyo valor X le concede gran apalancamiento.

Valores pronosticados para nuevas observaciones
EE de
Nueva obs
Ajuste
ajuste
99,7117
0,0163
IC de 95%
(99,6786. 99,7449)
IP de 95%
(99,6251. 99,7984)
Valores de predictores para nuevas observaciones

Nueva obs
100
Problemas Aplicativos de Regresin Mltiple

Problema n1:
31

En la Facultad de Ingeniera de Sistemas y Computo de la Universidad "Inca Garcilaso de la Vega" se
quiere entender los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo
cual se escoge al azar una muestra de 15 alumnos y ellos registran notas promedios en las asignaturas
de Algoritmos, Base de Datos y Programacin como se muestran en el siguiente cuadro.
ALUMNO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
PHP
13
13
13
15
16
15
12
13
13
13
11
14
15
15
15
ALGORITMOS
15
14
16
20
18
16
13
16
15
14
12
16
17
19
13
BASE DE DATOS
15
13
13
14
18
17
15
14
14
13
12
11
16
14
15
PROGRAMACIN
13
12
14
16
17
15
11
15
13
10
10
14
15
16
10
Lo que buscamos es construir un modelo para determinar la dependencia que exista de

aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas de las
asignaturas Algoritmos, Programacin.
Determine la ecuacin de regresin.
Calcule e interprete.
Estimar la nota del curso de PHP si se sabe que en Algoritmos tiene 15, Base de Datos 16 y
Programacin 17.
32

Solucin:
Coeficiente de determinacin: es 0.697, entonces el 69.70% del aprendizaje del Curso de PHP puede ser
explicado mediante las notas obtenidas por las asignaturas de Algoritmos, Base de Datos y
Programacin.
33
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de P=0.003 es

menor a 0.05 por lo tanto rechazamos la hiptesis nula y concluimos que al menos un coeficiente de
regresin no es 0.
Podemos observar que hay una buena relacin de linealidad entre las variables dependientes
con la dependiente.
34
35
36
Problema n2:
Montgomery y Peck (1982) describen el empleo de un modelo de regresin para relacionar la cantidad
de tiempo requerido por un vendedor de ruta (chofer) para abastecer una maquina vendedora de
refrescos con el nmero de latas que incluye la misma, y la distancia del vehculo de servicio a la
ubicacin de la mquina. Este modelo se emple para el diseo de la ruta, el programa y el despacho de
vehculos. La tabla presenta 25 observaciones respecto al tiempo de entrega tomadas del mismo estudio
descrito por Montgomery y Peck.
37
NUMERO
DE TIEMPO
OBSERVACIONES DE
ENTREGA
(MIN.)
1
9.95
NUMERO
DE LATAS
DISTANCIAS(PIES)
50
24.45
110
31.75
11
120
35.00
10
550
25.02
295
16.8
200
14.38
375
9.60
52
24.35
100
10
27.50
300
11
17.08
412
12
37.00
11
400
13
41.95
12
500
14
11.66
360
15
21.65
205
16
17.89
400
17
69.00
20
600
18
10.30
585
19
34.93
10
540
20
46.59
15
250
21
44.88
15
290
22
54.12
16
510
23
56.63
17
590
24
22.13
100
25
21.15
400
Determine la ecuacin de regresin. Calcule e interprete.

38

Estimar el tiempo de entrega si se sabe que el nmero de latas es 20 y la distancia del vehculo es 110.
Solucin:
39

Coeficiente de determinacin: es 0.981, entonces el 98.1% del tiempo de un vendedor para abastecer
una maquina vendedora puede ser explicado mediante el nmero de latas y la distancia del camin.
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de P=0.000 es

menor a 0.05 por lo tanto rechazamos la hiptesis nula y concluimos que al menos un coeficiente de
regresin no es 0.
Observamos un relacin lineal entre la variable dependiente Nro. De latas con respecto al T.de entrega
(Variable independiente), y en menor grado de linealidad Distancia Vs Tiempo de entrega.
40
Contribucin de la variable X1 sabiendo que X2 est incluida

41

SSR(X1 / X2) = SSR(X1 y X2) SSR(X2)
=5992.4-5887.3=105.1
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,20.23>4.3

Entonces la variable X1(nro. de latas), si contribuye significativamente a la ecuacin de regresin
Contribucin de la variable X2 sabiendo que X1 est incluida
SSR(X2 / X1) =SSR(X1 y X2) SSR(X1)
=5992.4-1483.9=4508.5
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,867.019>4.3

Entonces la variable X2(distancia), si contribuye significativamente a la ecuacin de regresin, y
podramos concluir que es ms importante que la varia X1.
42
43

Problemas Aplicativos de Chi Cuadrada
Distribucin de Bondad de Ajuste: Chi Cuadrada
Problema n1:
Probar la hiptesis siguiente usando la prueba de bondad de ajuste X2.
H0: pA=0.40, pB=0.40 y pc=0.20
H1: pA0.40, pB0.40 y pc0.20
En una muestra de 200 elementos se tiene que 60 pertenecen a la categora A, 120 a la categora B y 20
a la categora C.
Use =0.01 y pruebe si las proporciones son las afirmadas en H0.
Solucin:
Calculamos las frecuencias esperadas con n=200:
Categora A = 0.40 (200) = 80
Categora B = 0.40 (200) = 80
Categora C = 0.20 (200) = 40
Calculamos el estadstico de prueba chi-cuadrada (X2):
CATEGORAS
NMERO
OBSERVADOS(FI)
NMERO
FI - EI
ESPERADOS(EI)
(FI
EI)2
60
80
-20
400
120
80
40
1600
20
40
-20
400
TOTAL
- (FI
EI)2/ EI
5
20
10
X2=35
Para k-1=3-1=2 grados de libertad, con X2=35. Mediante tabla el valor-p es menor a 0.005. Entonces el
valor-p =0.01, por tanto, se rechaza H0.
44
45
Mediante el Minitab con X2 =35, se calcula el valor-p que se aproxima a 0. Por tanto el valor-p0.01.
Entonces se comprueba el rechazo de la hiptesis nula, concluyendo que no tienen la misma proporcin
en las poblaciones.
Problema n2:
Durante las primeras 13 semanas, se registraron las proporciones siguientes de televidentes los sbados
de 8 a 9 de la noche: ABC 29%, CBS 28%, NBC 25% e independientes 18%. Dos semanas despus en
una muestra de 300 hogares se obtuvieron las audiencias siguientes en sbados por la noche: ABC 95
hogares, CBS 70 hogares, NBC 89 hogares e independientes 46 hogares. Use =0.05 para determinar si
han variado las proporciones en la audiencia de televidentes.
Solucin:
H0: pA=0.29, pB=0.28, pc=0.25 y pD=0.18
H1: pA0.29, pB0.28 y pc0.25 y pD0.18
Nivel de significancia =0.05.
ABC = 0.29 (300) = 87
CBS = 0.28 (300) = 84
NBC = 0.25 (300) = 75
Independiente = 0.18 (300) = 54
TELEVISORAS
NMERO
ESPERADOS(EI)
FI - EI
(FI EI)2
(FI EI)2/ EI
ABC
95
87
64
0.7356
CBC
70
84
14
16
2.3333
NBC
89
75
14
196
2.6133
46
54
-8
64
1.1852
INDEPENDIENTE
TOTAL
46
NMERO
OBSERVADOS(FI)
X2=6.8674

Para k-1=4-1=3 grados de libertad, con X2=6.8674. Mediante tabla el valor-p esta entre 0.10 y 0.05.
Entonces el valor-p =0.05, por tanto, no se rechaza H0.
Mediante el Minitab con X2 =6.86748, se calcula el valor-p =0.0762436. Por tanto el valor-p =0.05.
Entonces se comprueba el no rechazo de la hiptesis nula, concluyendo que tienen la misma proporcin
en las poblaciones.
M&M/Mars, fabricantes de los chocolates M&M, realizaron un sondeo nacional en el que ms de 10
millones de personas dieron su preferencia para un nuevo color. El resultado de este sondeo fue el
reemplazo de un color caf claro por uno azul. En el prospecto Colors de M&M/Mars, la distribucin
de los colores de estos chocolates es el siguiente:
CAF
AMARILLO
ROJO
30%
20%
20%
ANARANJADO
10%
VERDE
AZUL
10%
10%
En un estudio anterior se emplearon como muestra bolsas de 1 libra para determinar si los porcentajes
dados eran reales. En la muestra de 506 dulces los resultados encontrados fueron los siguientes:
CAF
AMARILLO
177
47
135
ROJO
ANARANJADO
79
41
VERDE
36
AZUL
38
Use =0.05 para determinar si estos datos coinciden con los datos por la empresa.
Solucin:
H0: pA=0.30, pB=0.20, pc=0.20, pD=0.10, pE=0.10 y pf=0.10
H1: pA0.30, pB0.20, pc0.20, pD0.10, pE0.10 y pf0.10
Caf = 0.30 (506) = 151.8
Amarillo = 0.20 (506) = 101.2
Rojo = 0.20 (506) = 101.2
Anaranjado = 0.10 (506) = 50.6
Verde = 0.10 (506) = 50.6
Azul = 0.10 (506) = 50.6
COLORES DE
NMERO
NMERO
CHOCOLATES OBSERVADOS(FI) ESPERADOS(EI)
FI - EI
(FI
EI)2
CAF
177
151.8
25.20
635.04
4.1834
AMARILLO
135
101.2
33.80
1142.44
11.2889
ROJO
79
101.2
-22.20
492.84
4.8700
ANARANJADO
41
50.6
-9.6
92.16
1.8213
VERDE
36
50.6
-14.6
213.16
4.2126
AZUL
38
50.6
-12.6
158.76
3.1375
TOTAL
48
- (FI
EI)2/ EI
X2=29.51

Para k-1=5-1=4 grados de libertad, con X2=29.51. Mediante tabla el valor-p es menor que 0.005.
Entonces el valor-p =0.05, por tanto, se rechaza H0.
Mediante el Minitab con X2 =29.5138, se calcula el valor-p =0.0000061. Por tanto el valor-p =0.05.
Entonces se comprueba el rechazo de la hiptesis nula, concluyendo que no tienen la misma proporcin
en las poblaciones.
49

Problemas Aplicativos de Prueba de Independencia
La siguiente tabla de contingencia 2x3 contiene las frecuencias observadas de una muestra de tamao
de 200. Pruebe la independencia de las variables de rengln y de la columna usando la prueba X2 con
=0.05.
VARIA
BLE
DE
RENGLONES
VARIABLE DE COLUMNA
A
20
44
50
30
26
30
Solucin:
H0: Las variables de rengln son independientes a las variables columna.
H1: Las variables de rengln no son independientes a las variables columna.
Tabla de contingencia:
VARIABLE
DE
RENGLONES
VARIABLE DE COLUMNA
A
TOTA
L
20
44
50
114
30
26
30
86
50
70
80
200
TOTAL
Hallando las frecuencias esperadas de cada celda:

eij=
e11=
=28.5
e12=
=39.9
e13=
=45.6
e21=
=21.5
e22=
=30.1
e23=
=34.4
Tabla de nmeros observados y esperados:
50

RENGLN
COLUMNA NMERO
NMERO
OBSERVADOS(FI) ESPERADOS(EI)
FI - (FI
EI
-EI)2
(FI
EI)2/EI
20
28.5
-8.5
72.25
2.5351
44
39.9
4.1
16.81
0.4213
50
45.6
4.4
19.36
0.4246
30
21.5
8.5
72.25
3.3605
26
30.1
-4.1
16.81
0.5585
30
34.4
-4.4
19.36
0.5628
TOTAL
X2=7.8628
Para (2-1) x (3-1) = 2 grados de libertad y mediante tabla para X2=7.8628, se calcula el valor-p que esta
entre 0.025 y 0.01. Por tanto el valor-p =0.05. Entonces se rechaza la hiptesis nula.
51

Mediante el Minitab con X2 =7.863, se calcula el valor-p = 0.020. Por tanto el valor-p =0.05.
Entonces se comprueba el rechazo de la hiptesis nula, concluyendo que no hay independencia entre
variable rengln y variable columna.
Una de las preguntas a los suscriptores de Bussiness Week fue, En sus viajes de negocios de los ltimo
12 meses, Qu tipo de boleto ha comprado? Los datos obtenidos se presentan en la tabla de
contingencia siguiente.
TIPO
BOLETO
DE
TIPO DE VUELO
Vuelo
Nacional
Vuelo Internacional
PRIMERA
CLASE
29
22
CLASE
NEGOCIO/EJECUTIVA
95
121
VUELO
TRADICIONAL/
CLASE ECONMICA
518
135
Solucin:
H0: Los tipo de boleto son independientes con los tipos de vuelo.
H1: Los tipo de boleto son no independientes con los tipos de vuelo.
Tabla de contingencia:
TIPO DE
BOLETO
TIPO DE VUELO
V. Nacional
V. Internacional
TOTAL
PRIMERA
CLASE
20
44
64
CLASE
NEGOCIO
30
26
56
VUELO
TRADICIONAL
518
135
653
TOTAL
568
205
773
Hallando las frecuencias esperadas de cada celda:

52

eij=
e11=
=28.5
e12=
e22=
=21.5
e31=
=39.9
=30.1
e21=
e32=
=45.6
=34.4
Tabla de nmeros observados y esperados:

TIPO DE
BOLETO
TIPO DE
VUELO
NMERO
OBSERVADOS(F
I)
NMERO
ESPERADOS(E
I)
FI EI
(FI
EI)2
(FI EI)2/EI
PRIMERA
Nacional
20
47.03
27.0
3
730.6
2
15.535
PRIMERA
Internacion
al
44
16.97
27.0
3
730.6
2
43.054
NEGOCIO
Nacional
30
41.15
11.15
124.3
2
3.0212
NEGOCIO
Internacion
al
26
14.85
11.15
124.3
2
8.3719
TRADICIONA
L
Nacional
518
479.82
38.1
8
1457.7
3.0380
TRADICIONA
L
Internacion
al
135
173.18
38.1
8
1457.7
8.4173
TOTAL
X2=81.43
7
Para (3-1) x (2-1) = 2 grados de libertad y mediante tabla para X2=81.437, se calcula el valor-p que es
menor a
0.005. Por tanto el
valorp
=0.05.
Entonces se rechaza
la
hiptesis nula.
53
Mediante el Minitab con X2 =81.413, se calcula el valor-p = 0.000. Por tanto el valor-p =0.05.
Entonces se comprueba el rechazo de la hiptesis nula, concluyendo que no hay independencia entre los
tipos de boleto y los tipos de vuelo.
Problemas Aplicativos de la Distribucin de Poisson

A continuacin se presenta el nmero de ocurrencia por lapso de tiempo y su frecuencia observada. Use
=0.05 y la prueba de bondad de ajuste para verificar su estos datos se ajustan a un distribucin de
Poisson.
NMERO
OCURRENCIA
DE F. OBSERVADA
39
30
30
18
Solucin:
H0: La poblacin tiene una distribucin Poisson.
H1: La poblacin no tiene una distribucin Poisson.
Total de frecuencias observadas: 120.
Media de ocurrencias: =
Entonces la probabilidad de Poisson es: f(x)=
54
= 1.31
=

Frecuencia esperada que siga un distribucin de Poisson con =1.31
NMERO
DE PROBABILIDAD NMERO
OCURRENCIAS DE
POISSON ESPERADO
F(X)
120.F(X)
0
0.2698
32.376
0.3535
42.420
0.2315
27.780
0.1011
12.132
0.0331
3.972
5 O MS
0.0110
1.320
Clculo del estadstico de prueba Chi-Cuadrado X2:

NMERO DE
NMERO
NMERO
OCURRENCIAS OBSERVADOS(FI) ESPERADOS(EI)
FI - EI
(FI
EI)2
(FI
-EI)2/EI
39
32.376
6.624
43.877
1.355
30
42.420
-12.42
154.256
3.636
30
27.780
2.22
4.928
0.177
18
12.132
5.868
34.433
2.838
4 O MS
5.292
-2.292
5.253
0.993
TOTAL
X2=8.999
Para k-p-1=5-2=3 grados de libertad, con X2=8.999 mediante tabla el valor-p esta entre 0.05 y 0.025.
Entonces el valor-p =0.05, por tanto, se rechaza H0.
55
Mediante Minitab con X2=8.99683, se calcula el valor-p=0.0293330.

Por tanto el valor-p =0.05. Entonces se rechaza la hiptesis nula y
se concluye que la poblacin no tiene una distribucin Poisson.
56

Al parecer el nmero de accidentes automovilsticos por da en una determinada ciudad tiene una
distribucin de Poisson. A continuacin se presentan los datos de una muestra de 80 das del ao
anterior. Estos datos apoyan la creencia de que el nmero de accidentes por da tiene una distribucin
de Poisson? Use =0.05.
Nmero
Accidentes
de F. Observada(das)
34
25
11
Solucin:
=1
Frecuencia esperada que siga un distribucin de Poisson con =1

NMERO
DE
OCURRENCIAS
57
PROBABILIDAD NMERO
DE
POISSON ESPERADO
F(X)
80.F(X)
0.3679
29.432
0.3679
29.432
0.1839
14.712
0.0613
4.904
0.0153
1.224

5 O MS
0.0037
0.296

NMERO
DE NMERO
OCURRENCIAS OBSERVADOS(FI)
NMERO
FI - EI
ESPERADOS(EI)
(FI - EI)2
(FI
EI)2/ EI
34
29.432
4.568
20.867
0.7095
25
29.432
-4.568
19.643
0.6669
11
14.712
-3.712
13.779
0.9381
10
6.424
3.712
12.788
1.9905
3 O MS
TOTAL
X2=4.30
Para k-p-1=4-2=2 grados de libertad, con X2=4.3 mediante tabla el valor-p esta entre 0.90 y 0.10.
Entonces el valor-p> =0.05, por tanto, no se rechaza H0.
58
Mediante Minitab con X2=4.30491, se calcula el valor-p=0.116199. Por tanto el valor-p >=0.05.
Entonces no se rechaza la hiptesis nula y se concluye que la poblacin tiene una distribucin Poisson.
El nmero de llamadas telefnicas que llegan por minuto al conmutador de una empresa tiene una
distribucin de Poisson. Use =0.05 y los datos siguientes para probar esta suposicin.
NMERO
DE FRECUENCIA
LLAMADAS
OBSERVADA
TELEFNICAS
QUE
LLEGAN POR MINUTO
0
15
31
20
15
13
Solucin:
59
=2

Frecuencia esperada que siga un distribucin de Poisson con =2
NMERO
DE
OCURRENCIAS
PROBABILIDAD NMERO
DE
POISSON ESPERADO
F(X)
100.F(X)
0.1353
13.53
0.2707
27.07
0.2707
27.07
0.1804
18.04
0.0902
9.02
0.0361
3.61
0.0120
1.20
7 O MS
0.0047
0.47

NMERO DE
NMERO
NMERO
OCURRENCIAS OBSERVADOS(FI) ESPERADOS(EI)
FI - EI
15
13.53
1.47
31
27.07
20
(FI EI)2
(FI EI)2/ EI
2.
0.1
1609
597
3.93
15.4449
0.5706
27.07
-7.07
49.9849
1.8465
15
18.04
-3.04
9.2416
0.5123
13
9.02
3.98
15.8404
1.7561
5 O MS
5.28
0.72
0.5184
0.0982
TOTAL
100
X2=4.9434
Para k-p-1=6-2=4 grados de libertad, con X2=4.9434 mediante tabla el valor-p esta entre 0.90 y
0.10. Entonces el valor-p =0.05, por tanto, no se rechaza H0.
60
Mediante Minitab con X2=4.945411, se calcula el valor-p=0.292945. Por tanto el valor-p >=0.05.
Entonces no se rechaza la hiptesis nula y se concluye que la poblacin tiene una distribucin Poisson.
61

Problemas Aplicativos de Mtodos no Paramtricos
Prueba de Signos
Las divisiones de acciones son benficas para los accionistas? La empresa SNL Securities estudi, a lo
largo de 18 meses, las divisiones de las acciones de la industria de la banca y encontr que las divisiones
de las acciones de un individuo. Admita que en una muestra de 20 recientes divisiones de acciones, 14
hayan llevado a un aumento de su valor, cuatro hayan llevado a una disminucin de su valor y dos no
hayan ocasionado ningn cambio. Suponga que realiza un estudio para determinar si las divisiones de
acciones an benefician a los poseedores de acciones bancarias.
Cules son las hiptesis nula y alternativa?
A qu conclusin se llega con =0.05?
Solucin:
p = es la proporcin de poseedores bancarios beneficiarios (aumente su valor).
H0: p0.5
H1: p>0.5
Tabla de probabilidades binomiales para n=18 y p=0.5.
NMERO DE PROBABILIDADES
SIGNOS MS
62
0.0000
0.0001
0.0006
0.0031
0.0117
0.0327
0.0708
0.1214
0.1669
0.1855
10
0.1669
11
0.1214
12
0.0708
13
0.0327
14
0.0117
15
0.0031
16
0.0006
17
0.0001
18
0.0000
El nmero de signos ms para el valor de poseedores bancarios beneficiarios es x=14, entonces su

probabilidad est en la cola superior:
P(x 14) = P(14)+P(15)+P(16)+P(17)+P(18)=0.0117+0.0031+0.0006+0.0001+0.0000=0.0154
Como es para una cola el valor-p = 0.0154. Adems el valor-p =0.05, entonces se rechaza H0.
63

La empresa Nielson Media Research identific que American Idol y a Dancing whit the Stars como los 2
programas de televisin de mayor rating en febrero de 2006. En un estudio local acerca del programa
de televisin preferido, de 750 encuestados 330 votaron por American Idol, 270 por Dancing whit the
Stars, y 150 por otros programas de televisin. Con 0.05 como nivel de significancia prueba la hiptesis
de que American Idol y Dancing whit the Stars tiene el mismo nivel de preferencia. A qu conclusin
llega?
Solucin:
p = es la proporcin que ven American Idol.
H0: p=0.5
H1: p0.5
La muestra es n=600, entonces es una distribucin normal donde:
= 0.50 (600) = 300

=
=12.25
El nmero de signo ms es x=330, se halla el estadstico de prueba Z:
Z=
= 2.45
Mediante tabla para Z=2.45, se calcula para 2 colas el valor-p= 2(1-0.9929)= 0.0142. Como el valor-p
=0.05, entonces se rechaza H0.
64
En el mercado de computadoras personales la competencia es intensa. En una muestra de 500

compras, se encontr que 202 eran compras de la marca A, 158 de la marca B y 140 de otras marcas.
Con un nivel de significancia de 0.05 pruebe la hiptesis de que las marcas A y B tienen la misma
participacin en el mercado de las computadoras personales Cul es su conclusin?
Solucin:
p = es la proporcin de los que compran computadoras de la marca A.

H0: p=0.5
H1: p0.5
= 0.50 (360) = 180

=
=9.49

Z=
= 2.32
Mediante tabla para Z=2.32, se calcula para 2 colas el valor-p= 2(1-0.9898)= 0.0204. Como el valor-p
En una muestra de 150 partidos de basquetbol universitario, el equipo de casa gan 98 partidos. Realice
una prueba para determinar su los datos sustentan la hiptesis de que en el basquetbol universitario el
equipo de casa tiene ventaja. A qu conclusin llega con =0.05?
Solucin:
65

p = es la proporcin de partidos que gana un equipo en casa.
H0: p0.5
H1: p>0.5
= 0.50 (150) = 75
=
=6.12

Z=
= 3.76
Mediante tabla para Z=3.76, se calcula para una cola el valor-p= 1- 0.9999 0.00. Como el valor-p
PROBLEMA
En la tabla se presentan las preferencias de 10 personas respecto a dos marcas de un producto.
PERSONA
66
MARCA
FRENTEA
MARCA B
10

Emplee =0.05 y pruebe si existe alguna diferencia significativa de preferencia por estas dos marcas.
Un signo ms indica preferencia por la marca A sobre la marca B.
Solucin:
p = es la proporcin de preferencia por la marca A.
H0: p=0.5
H1: p0.5
Tabla de probabilidades binomiales para n=10 y p=0.5.
NMERO DE PROBABILIDADES
SIGNOS MS
0
0.0010
0.0098
0.0439
0.1172
0.2051
0.2461
0.2051
0.1172
0.0439
0.0098
10
0.0010
El nmero de signos ms para la marca A es x=7, entonces su probabilidad est en la cola superior:
P(x 7) = P(7)+P(8)+P(9)+P(10)=0.1172+0.0439+0.0098+0.0010=0.1719.
Como es para dos cola el valor-p = 2(0.0154)=0.8438. Adems el valor-p =0.05
Entonces no se rechaza H0.
PROBLEMA
Realice la prueba de hiptesis siguiente:
H0: Mediana 150
67

H1: Mediana >150
En una muestra de tamao 30 se obtuvieron 22 casos cuyo valor fue mayor que 150, tres cuyo valor fue
exactamente 150 y cinco cuyo valor fue menor que 150. Con =0.01 realice una prueba de hiptesis.
Solucin:
Con nivel de significancia =0.01.
El nmero de la muestra es n = 27, asume una distribucin normal.
= 0.50 (27) = 13.5
=
=2.60

Z=
= 3.27
Mediante tabla para Z=3.27, se calcula para una cola el valor-p= 1- 0.990 = 0.001.
Como el valor-p =0.01.
Entonces se rechaza H0.
68

PROBLEMA
El ingreso mediano anual de los suscriptores de la Barron es $131 000. Suponga que en una muestra de
300 suscriptores a The Wall Street Journal, 165 suscriptores posean un ingreso mayor que $131 000 y
135 poseen un ingreso menor que $131 000. Puede concluir que hay diferencia entre los ingresos
medianos de los dos grupos de suscriptores? Emplee como nivel de significancia =0.05, a qu
conclusin llega?
Solucin:
H0: Mediana = $131 000
H1: Mediana $131 000
= 0.50 (300) = 150
=
= 8.66

Z=
= 1.73
Mediante tabla para Z=1.73, se calcula para dos colas el valor-p=2(1- 0.9582) = 0.0836. Como el valorp =0.01, entonces no se rechaza H0.
69

PROBLEMA
De acuerdo con un estudio nacional, el ingreso anual mediano que los adultos dicen haran realidad sus
sueos es $152 000. Suponga que en Ohio, de 225 personas tomadas en una muestra, 122 indican que
el ingreso necesario para hacer realidad sus sueos sea menor que $152 000, y 103 informan que esta
cantidad sea mayor que $152 000. Pruebe la hiptesis nula de que en Ohio, el ingreso medio anual para
que una persona haga realidad sus sueos es $152 000. Use =0.05, a qu conclusin llega?
Solucin:
H0: Mediana = $152 000
H1: Mediana $152 000
= 0.50 (225) = 112.5
=
= 7.5

Z=
= 1.27
Mediante tabla para Z=1.27, se calcula para dos colas el valor-p=2(1- 0.8980) = 0.204. Como el valorp =0.01, entonces no se rechaza H0.
70

Problemas Aplicativos de la Prueba de Wilcoxon
PROBLEMA
Con efecto de determinar el rendimiento de la gasolina en millas por galn en los automviles de
pasajeros, se prueban dos aditivos para gasolina. A continuacin aparecen los resultados de esta prueba
en 12 automviles; en cada automvil se probaron los dos aditivos. Use nivel de significancia =0.05 y
la prueba de los rangos con signo de Wilcoxon para determinar su existe una diferencia significativa.
AUTMOVIL
ADITIVOS
1(millas
/galn)
2(millas
/galn)
20.12
18.05
23.56
21.77
22.03
22.57
19.15
17.06
21.23
21.22
24.77
23.80
16.16
17.20
18.55
14.98
21.87
20.03
10
24.23
21.15
11
23.21
22.78
12
25.02
23.70
Solucin:
H0: Las poblaciones son idnticas en relacin a los aditivos.
H1: Las poblaciones no son idnticas en relacin a los aditivos.
AUTMOVI
L
ADITIVOS
1(mill
as/galn)
71
2(mill
as/galn)
DIFERENCI
A
VALORABS.D
E
DIFERENCIA
RANG
O
RANG
O CON
SIGNO

1
20.12
18.05
2.07
2.07
23.56
21.77
1.79
1.79
22.03
22.57
19.15
17.06
21.23
-0.54
0.54
-3
2.09
2.09
10
10
21.22
0.01
0.01
24.77
23.80
0.97
0.97
16.16
17.20
1.04
-5
18.55
14.98
3.57
3.57
12
12
21.87
20.03
1.84
1.84
10
24.23
21.15
3.08
3.08
11
23.21
22.78
0.43
0.43
12
25.02
23.70
1.32
1.32
-1.04
8
11
8
11
Suma de signos: 62
Media: t=0
Desviacin: t=
= 25.50
Se realiza la prueba de rangos de signos de Wilcoxon con =0.05, adems de tener el valor de T=62. Se
obtiene el valor para el estadstico de prueba:
Z=
=2
De la tabla para Z=2.43 se halla para dos colas el valor-p=2(1-0.9925)=0.015. Como el valor-p
=0.05, se rechaza H0.
72
Se toma la diferencia de las poblaciones y se analiza en el paquete de datos, se observa el valor-p

(P)=0.017, el cual es menor a = 0.05, por lo tanto se comprueba el rechazo de H0. Entonces las dos
poblaciones son distintas.
PROBLEMA
En 10 de los principales aeropuertos se muestran los precios de la gasolina para automviles rentados.
A continuacin se presentan los datos correspondientes a las empresas Avis y Budget. Use = 0.05 para
probar la hiptesis de que hay diferencia entre las 2 poblaciones. Cul es su conclusin?
AEROPUERTOS
EMPRESAS
Avis
Budge
t
73
BOSTON
LOGAN
1.58
1.39
CHICAGO
OHARE
1.60
1.55
CHICAGO
MIDWAY
1.53
1.55
DENVER
1.55
1.51
FORT
LAUDERDALE
1.57
1.58
LOS NGELES
1.80
1.74
MIAMI
1.62
1.60
NUEVO YORK
1.69
1.60
ORANGE
COUNTRY
1.75
1.59
WASHINGTON
W.
1.55
1.54

Solucin:
AEROPU
ERTOS
EMP
RESAS
DIFERENCIA VALOR ABS. RANGO RANGO

DE
CON
DIFERENCIA
SIGNO
Avis
Budget
BOSTON
LOGAN
1.58
1.39
0.19
0.19
CHICAGO
OHARE
1.60
1.55
0.05
0.05
CHICAGO
MIDWAY
1.53
1.55
DENVER
1.55
1.51
FORT
LAUDERDALE
1.57
1.58
LOS NGELES
1.80 1.74
MIAMI
1.62
NUEVO YORK
-0.02
10
10
6
0.02
3.5
0.04
0.01
1.5
-1.5
0.06
0.06
1.60
0.02
0.02
3.5
3.5
1.69
1.60
0.09
0.09
ORANGE
COUNTRY
1.75
1.59
0.16
0.16
WASHINGTON
W.
1.55
1.54
0.01
0.01
0.04
-0.01
-3.5
5
9
1.5
9
1.5
Suma de signos=45
Media: t=0
Desviacin: t=
= 19.62
Se realiza la prueba de rangos de signos de Wilcoxon con =0.05, adems de tener el valor de T=45. Se
Z=
74
= 2.29

De la tabla para Z= 2.29, se halla para dos colas el valor-p=2(1-0.9890)=0.0220 como el valor-p 0.05,
Se rechaza H0.

(P)=0.025, el cual es menor a = 0.05, por lo tanto se comprueba el rechazo de H0. Entonces las dos
poblaciones son distintas.
75

PROBLEMA
El campeonato de los jugadores de la PGA tuvo lugar, del 23 al 26 de marzo del 2006, en el
campeonato de golf TPC Sangras en Ponte Vendra Beach, Florida. A continuacin se presentan
puntuaciones obtenidas, en la primera y segunda ronda, por 11 golfistas de la muestra. Use = 0.05 y
determinar si existe una diferencia significativa entre las puntuaciones obtenidas por los golfistas en la
primera y segunda ronda. Cul es su conclusin?
ENTREGAS
RONDAS
1
2
FRED
COUPLES
69
73
JOHN DAB
70
73
ERNIE ELS
72
70
JIM FURYK
65
71
PHIL
MICKELSON
70
73
ROCCO
MEDIATE
69
74
NICK PRICE
72
71
VIJAY
SINGH
68
70
SERGIO
GARCA
70
68
MIKE WEIR
71
71
TIGER
WOODS
72
69
Solucin:
ENTREGAS
76
SER
DIFERENCIA
VALOR
RANGO RANGO

VICIOS
1
ABS.DE
DIFERENCIA
CON
SIGNO
FRED
COUPLES
69
73
-4
-8
JOHN DAB
70
73
-3
-6
ERNIE ELS
72
70
JIM FURYK
65
71
-6
10
-10
PHIL
MICKELSON
70
73
-3
-6
ROCCO
MEDIATE
69
74
-5
-9
NICK PRICE
72
71
VIJAY
SINGH
68
70
-2
-3
SERGIO
GARCA
70
68
MIKE WEIR
71
71
--
--
TIGER
WOODS
72
69
Suma de signos = -29

Media: t=0
Desviacin: t=
= 19.62
Se realiza la prueba de rangos de signos de Wilcoxon con =0.05, adems de tener el valor de T=-29. Se
Z=
= -1.48
De la tabla para Z= 1.48, se halla para dos colas el valor-p = 2(1-0.99306)=0.1388, como el valor-p
0.05, No se rechaza H0.
77

(P)=0.154, el cual es mayor a = 0.05, por lo tanto se comprueba el no rechazo de H0. Entonces las dos
poblaciones son idnticas.
78

Problemas Aplicativos de la Prueba de Mann-Whitney-Wilcoxon
PROBLEMA
Para poder comprobar el efecto de dos aditivos sobre el rendimiento de gasolina, siete automviles usan
aditivo 1 y nueve automviles el aditivo 2. En los datos siguientes se presenta el rendimiento en millas
por galn obtenido con cada uno de los dos aditivos. Use = 0.05 y la prueba de MWW para
determinar 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
Solucin:
H0: las dos poblaciones son idnticas en trmino de rendimiento.
H1: las dos poblaciones no son idnticas en trminos de rendimiento.
Nivel de significancia que se toma =0.05.
79
ADITIVO 1
RANGO
ADITIVO 2
RANGO
16.7
17.8
17.3
18.7
8.5
17.5
18.7
8.5
18.2
19.8
11
18.4
20.2
12

18.6
20.7
13
19.1
10
21.0
14
21.3
15
22.1
16
Suma de rangos:
34
Se toma la suma de rangos de la primera muestra para el valor de T=34.
80
102

PROBLEMA
Para un nivel de significancia =0.05, de la tabla se encuentra el valor crtico Tl en la cola inferior para
el estadstico de prueba MWW con n1=7 y n2=9 es Tl=41. El valor crtico en la cola superior para el
estadstico de prueba MWW es:
Tu=n1 (n1 +n2 +1)- Tl=7(7+9+1) 41=78
La decisin que se tomara es:
Rechazar H0 si T<41 v T> 78.
Se concluye, como: T=34, adems 34 < 41, entonces se rechaza H0.
Minitab:
Se concluye que la diferencia entre ambas poblaciones es significativa, entonces ambas poblaciones no
son idnticas en trminos de rendimiento segn el aditivo usado.
81

PROBLEMA
A continuacin se muestra los datos muestrales de los salarios iniciales de contadores pblicos y
planificadores financieros. Los salarios anuales estn dados en millones de dlares.
Use 0.05 como nivel de significancia y prueba la hiptesis de que no hay diferencia entre los salarios
anuales iniciales de los contadores pblicos y los planificadores financieros.
CONTADOR
PBLICO
PLANIFICADOR
FINANCIERO
45.2
44.0
45.9
44.2
46.9
48.1
49.2
50.9
50.0
46.9
51.3
48.6
52.0
44.7
53.2
48.9
53.8
46.8
54.5
43.9
Solucin:
H0: las dos poblaciones son idnticas en trmino de salarios iniciales.
H1: las dos poblaciones no son idnticas en trminos de salarios iniciales.
CONTADOR
PBLICO
PLANIFICADOR
FINANCIERO
SALARIO
Rango
Salario
Rango
45.2
43.9
45.9
44.0
46.9
8.5
44.2
49.2
13
44.7
50.0
14
46.8
82
51.3
16
46.9
8.5
52.0
17
48.1
10
53.2
18
48.6
11
53.8
19
48.9
12
54.5
20
50.9
15
Suma de Rangos
83
136.5
73.5

La suma de los rangos que se toma es de la primera muestra: T=136.5.
Como n1=10 y n2=10 se usa la aproximacin normal de la distribucin muestral de la suma de rangos
T:
t=
n1 (n1+n2+1) =
t=
10(10+10+1) =105
= 13.23
Para T= 136.5 y nivel de significancia 0.05 se halla el estadstico de prueba:

Z=
= 2.38
Mediante tabla para Z=2.38, se halla para 2 colas el valor-p=2(1-0.9913)=0.0174. Como valorp=0.05, entonces se rechaza H0.
Minitab:
son idnticas en trminos de salarios entre la poblacin de contadores pblicos y de planificadores
financieros.
84

La brecha entre los salarios de hombres y mujeres con la misma preparacin disminuye cada vez ms,
pero an no se ha cerrado totalmente. A continuacin se presenta datos de muestras de 7 hombres y 7
mujeres con licenciatura. Los datos se dan en miles dlares.
Hombre
3
0.6
Mujeres
7
5.5
4
4.5
4
5.2
3
5.4
6
2.2
2
7.9
3
8.2
4
0.5
4
9.9
2
5.8
5
5.3
4
7.5
2
4.8
Solucin:
H0: las dos poblaciones son idnticas en trmino de salarios iniciales.
H1: las dos poblaciones no son idnticas en trminos de salarios iniciales.
Hombres
Mujeres
Salario
Rango
Salario
Rango
30.6
24.8
38.2
25.8
45.2
27.9
49.9
11
35.4
55.3
12
40.5
62.2
13
44.5
75.5
14
47.5
10
Suma de Rangos
69
36
La suma de rangos que se toma es de la primera muestra: T=69.

Para un nivel de significancia de 0.05. La cota inferior para un estadstico de prueba MWW mediante
tabla es Tl= 37. La cota superior para un estadstico de prueba MWW se calcula:
Tu=n1 (n1 +n2 +1)- Tl=7(7+7+1) 37 = 68
La decisin que se tomara es:
Rechazar H0 si T<37 v T> 68.
Se concluye, como: T=69, adems 69 > 68, entonces se rechaza H0.
Minitab:
85
son idnticas en trminos de salarios entre mujeres y hombres.
86
Prueba de Kruskal-Wallis
PROBLEMA
Las calificaciones dadas a productos por un panel de 15 consumidores son las siguientes:
PRODUCTO
A
50
80
60
62
95
45
75
98
30
48
87
58
65
90
57
Use la prueba de Kruskal-Wallis y =0.05 para determinar si existe una diferencia significativa entre las
clasificaciones dadas de los tres productos.
Solucin:
PRODUCTO
A
RANGO
RANGO
RANGO
48
80
11
30
50
87
12
45
62
90
13
57
65
95
14
58
75
10
98
15
60
TOTAL
34
H0: Todas poblaciones son idnticas.

H1: No todas las poblaciones son idnticas.
Nivel de significancia y =0.05.
Los tamaos de las muestras son:

87
65
21

n1=5, n2=5, n3=5 y nT=15
Calculamos el estadstico de prueba W:
W=
W = 10.22
Para k-1=3-1=2 grados de libertad.
X2= 9.210 su rea de cola superior = 0.01
Entonces el valor-p esta entre 0.01 y 0.005, por tanto valor-p =0.05, se rechaza H0.
Minitab:
El valor-p que se calcula es 0.006, por tanto, valor-p=0.006 =0.05, se rechaza H0.
Se concluye que las poblaciones no son idnticas, es decir, que hay diferencia entre la clasificacin entre
los 3 productos.
88

PROBLEMA
Para un examen de admisin se evalan tres programas de preparacin. Las calificaciones obtenidas
por las 20 personas de una muestra empleada para probar los programas de preparacin son las
siguientes. Use la prueba de Kruskal-Wallis para determinar su hay diferencia significativa entre los
tres programas de preparacin. Use =0.01.
PROGRAMAS
A
540
450
600
400
540
630
490
400
580
530
410
490
490
480
590
610
370
620
550
570
Solucin:
PROGRAMAS
A
RANGO
RANGO
RANGO
400
2.5
370
490
490
400
2.5
570
14
490
410
580
15
530
10
450
590
16
540
11.5
480
600
17
610
18
540
11.5
620
19
550
13
630
20
TOTAL
58

89
43
109

n1=6, n2=7, n3=7 y nT=20
W=
W = 9.06
Minitab:
Se concluye que las poblaciones no son idnticas, es decir, que hay diferencia entre los tres programas
de calificacin.
PROBLEMA
Para bajar de peso basta con practicar una de las siguientes disciplinas tres veces por semana durante
40 minutos. En la tabla siguiente se muestra la cantidad de caloras que se quema en 40 minutos de
cada una de estas disciplinas. Estos datos indican que exista diferencia en la cantidad de caloras
quemadas con cada una de estas disciplinas? De su conclusin.
90
DISCIPLINAS
ANDAR EN
BICICLETA
NATACIN
TENIS
408
415
385
380
485
250
425
450
295
400
420
402
427
530
268
Solucin:
DISCIPLINAS
ANDAR
EN BICICLETA
RAN
GO
NATACIN
RANGO
TENIS
RANGO
380
415
250
400
420
10
268
408
450
13
295
425
11
485
14
385
427
12
530
15
402
TOTAL
41

n1=5, n2=5, n3=5 y nT=15
W=
91
61
17
W = 9.26
Se concluye que las poblaciones no son idnticas, es decir, que hay diferencia entre los la cantidad de
caloras quemadas con cada una de las disciplinas.
92

Trabajo Estadistica Industrial

Cargado por

Copyright:

Formatos disponibles

Trabajo Estadistica Industrial

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Estadistica Industrial

Cargado por

Copyright:

Formatos disponibles

Laboratorio de Estadstica Industrial 2016

Vctor Prez Quispe

Bautista Salazar Julio Jason

Ganoza Morales Guillermo

Laboratorio de Estadstica Industrial 2016

Garca Alarcn Carlos Alexander

Laboratorio de Estadstica Industrial 2016

Problemas aplicativos de Distribucin Normal.............................................................................2

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Al encontrar p=0.064>0.05 no se rechaza la hiptesis nula H o, por lo tanto no se estn producindose

En un estudio se extrajeron muestras aleatorias de empleados de restaurantes de comida rpida en los

Laboratorio de Estadstica Industrial 2016

p=15.9. % >1% entonces se acepta hiptesis nula H 0.

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

p=0.2% <1% entonces se rechaza hiptesis nula H 0.

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

p=5.3% >1% entonces NO se rechaza hiptesis nula H 0, en esta autopista no conducan ms

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

En el nivel 0.01 el aditivo ha aumentado el peso de los pollos?

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

A nivel de significancia de 0.01. La calificacin media de las mujeres es ms alta que la

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Metro, en Detroit. El presidente de la compaa, San Lammers, est

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Grfica de dispersin de levantamiento di vs. Resistencia del

Grfica de lnea ajustada

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Estudiar la regresin lineal del ndice de mortalidad frente al ndice de fumadores.

Grfica de dispersin de MUERTES POR CANC vs. CONSUMO DE CI GAR

Laboratorio de Estadstica Industrial 2016

Grfica de dispersin de MUERTES POR CANC vs. CONSUMO DE CI GAR

Grfica de lnea ajustada

MUERTES POR CANCER DE PULMON

Laboratorio de Estadstica Industrial 2016

Laboratorio de Estadstica Industrial 2016

Grfica de dispersin de Y vs. X

Laboratorio de Estadstica Industrial 2016

Grfica de lnea ajustada

Al encontrar un R-cuad=82.9% resulta conveniente trazar un ajuste lineal

Laboratorio de Estadstica Industrial 2016

Observaciones poco comunes

X denota una observacin cuyo valor X le concede gran apalancamiento.

Valores de predictores para nuevas observaciones

Problemas Aplicativos de Regresin Mltiple