Unidad Didáctica.2019
Unidad Didáctica.2019
Unidad Didáctica.2019
UNIDAD DIDÁCTICA
ESTADISTICA APLICADA
Nivel: 6
Número de créditos: 5
TUTOR:
Econ. Héctor Cumbal Flores
Quito - Ecuador
INDICE
INTRODUCCIÓN ................................................................................................................................... 4
Caracterización de la materia ............................................................................................................... 4
Competencias a lograr: ......................................................................................................................... 4
Bibliografía básica ................................................................................................................................... 6
Orientaciones generales............................................................................................................................ 7
PRIMERA PARTE DE LA UNIDAD DIDÁCTICA. ......................................................................... 8
I. UNIDAD: Prueba de hipótesis para una muestra ............................................................................. 9
1.1 Conceptos principales .............................................................................................................. 9
1.2 Que es una prueba de hipótesis, procedimiento y tipos de pruebas de hipótesis ................... 10
1.3 Prueba de hipótesis para una media poblacional, con una desviación estándar poblacional
conocida (muestras grandes) .............................................................................................................. 17
1.4 Prueba de hipótesis para una media poblacional, con una desviación estándar poblacional
desconocida (muestras grandes) ......................................................................................................... 19
1.5 Prueba de hipótesis para una media poblacional, con una desviación estándar poblacional
desconocida (muestras pequeñas) ...................................................................................................... 21
1.6 Pruebas de hipótesis para una proporción (muestras grandes) ............................................... 22
II. UNIDAD: Prueba de hipótesis para dos muestras ......................................................................... 25
2.1 Conceptos principales ............................................................................................................ 25
2.2 Prueba de hipótesis: diferencia de dos medias poblacionales (muestras grandes) ................. 26
2.3 Pruebas de hipótesis: diferencia de dos relaciones proporcionales ........................................ 28
2.4 Pruebas de hipótesis: diferencia de dos medias poblacionales (muestras pequeñas) ............. 29
2.5 Pruebas de hipótesis: diferencia de dos medias poblacionales (varianzas desiguales) .......... 31
2.6 Prueba de hipótesis con muestras dependientes (muestras pequeñas) ................................... 32
2.7 Comparación de muestras dependientes e independientes ..................................................... 34
SEGUNDA PARTE DE LA UNIDAD DIDACTICA ........................................................................... 35
III. UNIDAD: Análisis de varianza .................................................................................................. 36
3.1 Conceptos principales ............................................................................................................ 36
3.2 Comparación de dos varianzas poblacionales ........................................................................ 37
3.3 Suposiciones Anova ............................................................................................................... 39
3.4 Prueba Anova en una dirección .............................................................................................. 39
3.5 Inferencias acerca de pares de valores medios de tratamiento ............................................... 42
3.6 Análisis de varianza en dos direcciones ................................................................................. 45
IV. UNIDAD: Métodos no paramétricos ......................................................................................... 49
pág. 2
4.1 Introducción. .......................................................................................................................... 49
4.2 Prueba de bondad de ajuste. Frecuencias esperadas iguales. ................................................. 50
4.3 Prueba de bondad de ajuste. Frecuencias esperadas desiguales. ............................................ 52
4.4 Pruebas de independencia (tablas de contingencia) ............................................................... 53
V. UNIDAD: Control estadístico de calidad ....................................................................................... 56
5.1 Conceptos principales ............................................................................................................ 56
5.2 Diagramas de diagnóstico ...................................................................................................... 57
5.3 Diagrama de Pareto ................................................................................................................ 58
5.4 Diagramas de control de calidad ............................................................................................ 59
5.4.1 Diagrama de control para variables ................................................................................ 59
pág. 3
INTRODUCCIÓN
Caracterización de la materia.
Competencias a lograr:
Competencia genérica:
Competencias específicas:
los conocimientos.
pág. 4
2. Propende a dar respuesta a las necesidades de la vida diaria dentro de la sociedad
probabilidades.
Unidades Competencias
UNIDAD No. 1 Poder usar las muestras para decidir si una población posee una
característica en particular.
Prueba de hipótesis
para una muestra
UNIDAD No. 4 Usar métodos para probar hipótesis acerca de las probabilidades de
las categorías; y (como aplicación particular) probar la equivalencia
Métodos no
de más de dos proporciones binomiales
paramétricos.
Aplicaciones de la JI
cuadrada
pág. 5
Conocer algunas técnicas muy útiles que se usan en la industria para
controlar y mejorar la calidad de los productos manufacturados,
UNIDAD No. 5
además se mostrará cómo pueden utilizarse algunas de estas
Control Estadístico de
técnicas para el mejoramiento de la calidad de sistemas de
la Calidad
administración
Bibliografía básica
Bibliografía adicional
pág. 6
Orientaciones generales
probar si esta se acepta o se rechaza. Usualmente la población es tan grande que no es viable
estudiarla en su totalidad, por lo que se tiene que seleccionar una muestra representativa de
pág. 7
PRIMERA PARTE DE LA UNIDAD DIDÁCTICA.
La primera parte de esta unidad didáctica está compuesta por dos unidades: La unidad
uno que inicia el estudio de las pruebas de hipótesis; aquí aprenderemos a realizar pruebas
En la unidad dos, se continúa con el estudio de las pruebas de hipótesis para dos
hipótesis, tanto para una muestra como para dos muestras en los diferentes campos de la
administración.
pág. 8
I. UNIDAD: Prueba de hipótesis para una muestra
Competencias
• Utilizar el valor p.
Contenidos
1.3 Prueba de hipótesis para una media poblacional, con una desviación estándar poblacional
conocida (muestras grandes)
1.4 Prueba de hipótesis para una media poblacional, con una desviación estándar poblacional
desconocida (muestras grandes)
Hipótesis estadística. - es una proposición o supuesto sobre los parámetros de una o más
poblaciones.
Hipótesis nula (Ho). - Afirmación o enunciado acerca del valor de un parámetro (población).
pág. 9
Hipótesis alternativa (H1). - Afirmación que se acepta si los datos muestrales proporcionan
verdadera.
Error tipo II (β). - Aceptar la hipótesis nula (Ho) siendo esta falsa.
Valor Crítico. - Número que es el punto divisorio entre la región de aceptación y la región de
Una prueba de hipótesis empieza con una afirmación, o suposición, sobre un parámetro de la
población, como la media poblacional. Esta afirmación recibe el nombre de hipótesis. Una
hipótesis puede ser que la edad media de los profesores de la Universidad, es de 45 años,
como puede resultar muy oneroso o demorado estudiar a la población de profesores para
asegurarnos su edad real, se procede a probar esta afirmación en base al análisis de una
Una media muestral de 20 años de los profesores causaría con certeza el rechazo de la
hipótesis. Sin embargo, suponga que la media de la muestra es de 44 años ¿Está lo bastante
diferencia de 1 año entre las dos medias se podría atribuir al error de muestreo, o dicha
pág. 10
diferencia resulta estadísticamente significativa? Por tanto, una prueba de hipótesis es un
si se acepta como si se rechaza la hipótesis puede conllevar a cometer un error. Los errores
que pueden cometerse en una prueba de hipótesis se presentan en los siguientes casos:
representa por (H0). Rechazar H0 implica aceptar una hipótesis alternativa (H1).
Esto significa que lo que queremos probar debemos formularlo como hipótesis alternativa H1,
y como hipótesis nula H0 poner su contrario para de esta forma al rechazar la H0, probar la
Es el paso más importante y de este depende el éxito de la prueba. Se pueden presentar tres
casos:
pág. 11
b. Seleccionar el nivel de significancia (α)
Se denota mediante la letra griega alfa (α). Se le llama también “nivel de riesgo”, por el
riesgo de rechazar la Hipótesis Nula cuando en realidad es verdadera. Hay tres niveles de
Una regla de decisión es el enunciado de las condiciones según las cuales se aceptará o
Los valores de Z se encuentran en el Apéndice B1 del texto guía, (Áreas bajo la curva normal.)
pág. 12
A continuación, se revisará cada uno de los casos de una prueba de hipótesis:
Ho: µ = x
H1: µ ≠ x
α = 0.01
Es una prueba de dos colas ya que la media muestral puede ser mayor o menor que la media
poblacional en consecuencia hay que encontrar dos valores críticos, a partir de los cuales se
pude rechazar la hipótesis nula; por este motivo, al nivel de significancia hay que dividirlo
VC = -2.58 VC = 2,58
El valor crítico se busca en el apéndice B1: el área más próxima a 0,495 corresponde a Z igual
a 2,58
Ho: µ ≥ x
pág. 13
H1: µ < x
α = 0.10
Es una prueba de una cola y la región de rechazo de Ho se ubica en el sentido que indique el
En este caso (H1: µ < x) este vértice apunta a la izquierda por lo que se debe ubicar la región
Rechazo Ho acepto Ho
VC = -1.28
El valor crítico se busca en el apéndice B1: el área más próxima a 0,40 corresponde a Z igual a
1,28 (como el valor está por debajo de la media lo acompañamos con el signo menos)
Ho: x
H1: > x
α = 0.05
pág. 14
Es una prueba de una cola y la región de rechazo de Ho se ubica en el sentido que indique el
En este caso (H1: > x) este vértice apunta a la derecha, por lo que hay que ubicar la región de
Acepto Ho Rechazo Ho
VC = 1,65
El valor crítico se busca en el apéndice B1, el área más próxima a 0,45 corresponde a Z de
1,65.
Para el cálculo del valor crítico en una muestra pequeña (n < 30) se sigue el mismo
procedimiento anterior, con la diferencia que el valor crítico no se lo calcula con la
Distribución Normal, sino con la Distribución t de Student, por consiguiente, tiene
que considerar los grados de libertad (n - 1).
e. Tomar la decisión
Para tomar la decisión debes comparar el valor obtenido en el paso tres (valor de Z o t
pág. 15
Por ejemplo, si:
• En el paso 3, Z = 2,60
Valor de p (Potencia)
Se utiliza el valor p, que es la probabilidad de observar un valor muestral tan extremo o más,
Por ejemplo
• Para el caso de dos colas se considerará p/2, por lo que se deberá duplicar el valor
pág. 16
0.05, se tiene fuerte evidencia de que Ho no es verdadera.
es 2.91, entonces según la hilera “11 grados de libertad” del Apéndice B2…
…el valor calculado 2.91 está entre 2.718 para α = 0.02 y 3.106 para α = 0.01
El valor de p se encuentra entre 0.01 y 0.02, por lo que p es menor que 0.02.
1.3 Prueba de hipótesis para una media poblacional, con una desviación estándar
poblacional conocida (muestras grandes)
Para esta prueba se debe seguir los cinco pasos descritos anteriormente y como valor
X
Z
/ n
Ejemplo 1
De acuerdo con la asociación de plomeros de Quito, el ingreso medio anual de los plomeros
tiene una distribución normal, con una media de $5000 y una desviación estándar de $420.
Una investigación en una muestra de 100 plomeros encontró que el ingreso medio anual era de
pág. 17
$5100. Al nivel de significancia de 0.10, ¿se puede concluir que el ingreso medio anual no es
Primer Paso: Plantear las hipótesis (ver la pregunta del ejercicio y plantear en H1)
Ho: µ = 5000
H1: µ ≠ 5000
Prueba de 2 colas
5100 5000
Z 2,38
420 / 100
α = 0.10/2 = 0,05
VC = -1,65 VC = 1,65
pág. 18
Como Z (2,38) > 1,65 se rechaza la Ho y se acepta la H1
Valor de p
0,4913
p = 0,0087 x 2 = 0,0174
1.4 Prueba de hipótesis para una media poblacional, con una desviación estándar
poblacional desconocida (muestras grandes)
Para esta prueba debe seguir los cinco pasos descritos anteriormente y como valor estadístico de
prueba (paso tres) se utiliza la siguiente formula
x
Z
s/ n
Ejemplo 2
pág. 19
Datos: =90; n=100; X = 94; S=22
Acepto Ho Rechazo Ho
0,400 0,10
VC = 1,28
Valor de p
Acepto Ho Valor de p
0,4656
VC = 1,28 1,82
pág. 20
El área de Z=1,82 es 0,4656
p = 0.5000 – 0.4656 = 0.0344
1.5 Prueba de hipótesis para una media poblacional, con una desviación estándar
poblacional desconocida (muestras pequeñas)
Para esta prueba se debe seguir los cinco pasos descritos anteriormente y como valor estadístico
de prueba (paso tres) se utiliza la siguiente formula
x
t
s/ n
Ejemplo 3
88 82 81 87 80 78 79 89
pág. 21
83 87
t 2,61
4,34 / 8
Rechazo Ho Acepto Ho
VC = -1,895
Con alguna frecuencia se desea hacer una estimación de la proporción de sujetos que componen
una población y poseen una característica de interés (variable cualitativa).
Generalmente, no es práctico examinar una población entera para determinar “”, proporción
verdadera que posee la característica de interés.
pág. 22
Para esta prueba debe seguir los cinco pasos descritos anteriormente y como valor estadístico de
prueba (paso tres) se utiliza la siguiente formula
p
Z
(1 ) / n
Ejemplo 4
Una empresa informa que el 52% de los automovilistas que usan las autopistas son varones.
Una muestra de 300 autos que viajaron por una autopista, reveló que 170 fueron conducidos por
hombres. Al nivel de significancia de 0.01, ¿se puede concluir que la proporción de varones que
conducen por la autopista es mayor que lo que indica la empresa de investigación?
0,57 0,52
Z 1,74
0,52(1 0,52) / 300
Acepto Ho Rechazo Ho
0, 490 0,01
VC = 2,33
pág. 23
Quito Paso: Tomar la decisión
pág. 24
II. UNIDAD: Prueba de hipótesis para dos muestras
Competencias
pareadas.
Contenidos
pág. 25
Muestras independientes. - Cuando las muestras tomadas aleatoriamente no están
Varianza conjunta. - Promedio ponderado de las dos varianzas que se usa para estimar la
varianza común, cuando se usa muestras pequeñas para probar la diferencia entre dos medias
poblacionales.
El siguiente tema, analiza cómo se puede aplicar la prueba de hipótesis para comparar dos
Con frecuencia los datos disponibles para el análisis se obtienen de dos muestras (una de cada
población).
X1 X 2
Z
21 22
n1 n2
• Las dos muestras no deben estar relacionadas, es decir, deben ser independientes.
Ejemplo 1
pág. 26
Una empresa desea determinar si se producen más unidades en el turno de la tarde que en el
primero. Una muestra de 54 trabajadores del primer turno mostró que el número medio de
unidades producidas fue de 345, con una desviación estándar de 21. Una muestra de 60
trabajadores del turno vespertino indicó que el número medio de unidades producidas fue de
351, con una desviación estándar de 28 unidades. Al nivel de significancia de 0.05, ¿es mayor el
345 351
Z 1,30
212 28 2
54 60
Rechazo Ho Acepto Ho
0,05 0,4500
VC = -1,65
pág. 27
Si Z<-1,65 se rechaza la Ho y se acepta la H1
x1 x 2
pc
n1 n 2
p1 p 2
Z
p c (1 p c ) p c (1 p c )
n1 n2
Ejemplo 2
Una muestra de 1000 ciudadanos estadounidenses reveló que 198 estaban a favor de la
reanudación de las relaciones diplomáticas con Cuba. De manera semejante, 117 de una muestra
de 500 ciudadanos nacidos en el extranjero estaban a favor de ello. Al nivel de significancia de
0.05 ¿Existe alguna diferencia en la proporción de ciudadanos estadounidenses y los nacidos en
el extranjero, que están a favor de reanudar las relaciones diplomáticas?
pág. 28
Primer Paso: Plantear la hipótesis (ver la pregunta del ejercicio)
Ho: 1= 2
H1: 1 2
Prueba de 2 colas
198 117
pc 0,21
1000 500
0,20 0,23
Z 1,34
0,21(1 0,21) 0,21(1 0,21)
1000 500
α= 0,05 /2=0,025
Rechazo Ho Acepto Ho Rechazo Ho
CICIO 7
pág. 29
Las poblaciones muestreadas siguen la distribución normal.
n1 1S12 n2 1S 22 X1 X 2
t
2
S
n1 n2 2
p
1 1
S p2
n1 n2
Ejemplo 3
Un psicólogo seleccionó una muestra de 12 mujeres y otra de 9 hombres. Luego pidió a cada
individuo que dibujara una figura masculina. El tiempo promedio que gastaron las mujeres fue
de 8 minutos, con varianza de 18. Para los hombres el tiempo fue de 13 minutos, con varianza
de 22,5. Indican estos datos que los hombres en promedio gastan más tiempo que las mujeres
2
Datos: n1 =12; X 1 =8; S 1 =18
n 2 =9; X 2 =13; S 22 =22,5
pág. 30
Tercer Paso: Valor estadístico de prueba
S p2
12 118 9 122,5 19,89
12 9 2 (Varianza combinada)
8 13
t 2.54
1 1
19,89
12 9
Rechazo Ho Acepto Ho
VC = -1,729
pág. 31
X1 X 2
t
S12 S 22
n1 n2
n1 1 n2 1
Con frecuencia los datos disponibles para el análisis se obtienen de dos muestras que no son
independientes.
Las mediciones se hacen sobre la muestra de sujetos tanto antes como después de la
introducción de algún fenómeno.
Los métodos que se acaban de estudiar en las secciones anteriores no se pueden aplicar cuando
las dos muestras que generan los datos están relacionadas, puesto que tales métodos están
sujetos a la condición de que las dos muestras sean independientes.
d d
d ; t
n Sd
n
Ejemplo 4
pág. 32
su hora de almuerzo. Para evaluar el programa se tomó una muestra de 8 participantes y se
determinó el número de días que cada uno se había ausentado en los seis meses antes de que
comenzara dicho plan y en los últimos seis meses. A continuación, se presentan los resultados.
Al nivel de significancia de 0.05, ¿se puede concluir que el número de ausencias ha disminuido?
Datos: n =8
Antes 6 6 7 7 5 6 7 8
Después 5 2 1 3 3 6 3 7 d
Diferencia(d) 1 4 6 4 2 0 4 1 22
d = 22/8 = 2,75
Sd = 2,05
Primer Paso: Plantear la hipótesis (ver la pregunta del ejercicio)
Ho: d 0
H1: d >0
Prueba de 1 cola
2,75
t 3,79
2,05
8
α= 0,05
gl=8-1 =7
Acepto Ho Rechazo Ho
VC= 1,895
pág. 33
Si t>1,895 se rechaza la Ho y se acepta la H1
Es muy frecuente la confusión entre las pruebas de muestras independientes con las pruebas de
muestras dependientes. Según Lind, Marchall y otros “hay dos tipos de muestras dependientes:
1) las que se caracterizan por una medición, una intervención de algún tipo y después otra
medición, y 2) una relación o agrupación de las observaciones”. Lo que es importante enfatizar
es que cuando se emplean muestras dependientes, se reduce la variación en la distribución del
muestreo; es decir, las inferencias sobre dos medias poblacionales relacionadas o dependientes,
por lo general, se obtienen mejores resultados que con el método de muestras independientes.
pág. 34
SEGUNDA PARTE DE LA UNIDAD DIDACTICA
La segunda parte de esta unidad didáctica está compuesta por tres bloques que corresponden a
distribución Ji Cuadrada.
calidad.
La importancia del estudio de estas unidades se basa en que en la vida práctica y profesional
carrera.
pág. 35
III. UNIDAD: Análisis de varianza
Competencias
Contenidos
Análisis de varianza. - Es una técnica que se usa para probar simultáneamente si las medias
pág. 36
Análisis de varianza
hace comparando las varianzas de las muestras aleatorias tomadas de estas poblaciones.
Para esto, se debe emplear el procedimiento normal de prueba de hipótesis, pero se usa la
Para realizar la prueba de hipótesis debes seguir los cinco pasos y calcular el valor estadístico
S 12
F
S 22
Ejemplo 1
Una muestra de 16 estudiantes de primer año manifestaron que se iban a especializar en artes y
una muestra de 13 dijeron que se especializarían en Historia, hicieron una prueba de aptitud
musical y la varianza de los puntajes de los que quieren especializarse en artes fue de 7,29 y la
Proporcionan estos datos evidencia suficiente como para concluir que en el nivel de
pág. 37
Primer Paso: Plantear la hipótesis (ver la pregunta del ejercicio)
Ho: 12 = 22
H1: 12 22
39,69
F 5,44
7,29
Acepto Ho rechazo Ho
VC = 2,48
pág. 38
3.3 Suposiciones Anova
Cuando estamos interesados en hacer inferencias sobre tres o más poblaciones, las técnicas
El análisis de varianza (ANOVA) nos permite hacer inferencias simultáneas sobre parámetros
de tres o más poblaciones. Para realizar la prueba debes seguir los cinco pasos para probar la
SSt X 2
X
2
pág. 39
T 2 X 2
SST c
nc n
Ejemplo 2
ATU fabrica bicicletas de turismo. El ingeniero de control de calidad decide comparar las
velocidades más altas obtenidas, utilizando tres mecanismos de cambios diferentes; 5 ciclistas
son cronometrados cuando corren con cada uno de los tres mecanismos, los resultados aparecen
aquí. ¿Los datos sugieren una diferencia en las velocidades promedio a un nivel del 1%?
MECANISMO
CICLISTA I II III
1 40 51 37
2 42 49 38
3 37 53 38
4 45 57 41
5 42 42 40
MECANISMO
CICLISTA TOTAL
I II III
X X2 X X2 X X2 X X2
1 40 1.600 51 2.601 37 1.369 128 5.570
2 42 1.764 49 2.401 38 1.444 129 5.609
3 37 1.369 53 2.809 38 1.444 128 5.622
4 45 2.025 57 3.249 41 1.681 143 6.955
5 42 1.764 42 1.764 40 1.600 124 5.128
Tc 206 252 194 652
X2 8.522 12.824 7.538 28.884
pág. 40
Tercer Paso: Valor estadístico de prueba
SSt 28884
652
2
543,73
15
TABLA ANOVA
Acepto Ho rechazo Ho
VC = 6,93
pág. 41
3.5 Inferencias acerca de pares de valores medios de tratamiento
Cuando se rechaza la hipótesis nula al aplicar el procedimiento ANOVA, se concluye que todas
las medias de tratamiento no son iguales. Algunas veces esta conclusión puede considerarse
satisfactoria, pero en otros casos se requiere conocer cuáles medias de tratamiento son
diferentes, para esto debes calcular el intervalo de confianza para la diferencia entre medias de
1 1
( X 1 X 2 ) t MSE
n1 n2
tratamiento y si tienen el mismo signo es decir no incluye al cero si hay una diferencia
Ejemplo 3
TRATAMIENTO
I II III
3 9 6
2 6 3
5 5 5
1 6 5
3 8 4
1 5
pág. 42
a. Enuncie la hipótesis nula y alternativa.
I II III TOTAL
X X2 X X2 X X2 X X2
3 9 9 81 6 36 18 126
2 4 6 36 3 9 11 49
5 25 5 25 5 25 15 75
1 1 6 36 5 25 12 62
3 9 8 64 4 16 15 89
1 1 5 25 6 26
1 1 1 1
Tc 15 40 23 78
X2 49 268 111 428
SSt 428
782 90
18
15 2 40 2 23 2 782
SST 33,87
6 7 5 18
pág. 43
SSE = 90-33,87 = 56,13
TABLA ANOVA
Acepto Ho rechazo Ho
VC = 3,68
Pregunta f: X 1 X 2
Nivel de confianza 90%
pág. 44
X 1 = 15/6=2,5 X 2 =40/7=5,71
n1 = 6 n2=7
t=1,753 del apéndice F con (n-k) =18-3=15 grados l
MSE= 3,74
1 1
(2,5 5,71) 1,753 3,74
6 7
ICS = -3,21+1,89 = -1,32
ICI = -3,21 -1,89 = -5,10
Como los extremos son negativos se concluye que las medias difieren
B2 X 2
SSB r
k n
Ejemplo 4
pág. 45
Unos investigadores llevaron a cabo un experimento para evaluar la actitud hacia la reforma
educativa. Los investigadores seleccionaron al azar a obreros, oficinistas y profesionales
según la actitud hacia la reforma educativa. El siguiente cuadro muestra los resultados.
Al nivel de significancia de 0,05 ¿se puede concluir que hay diferencia entre las actitudes hacia
la reforma educativa o la ocupación?
pág. 46
SSt 6532
222
2
1056
9
58 2 49 2 115 2 2222
SST 854
3 3 3 9
72 2 83 2 67 2 2222
SSB 44,67
3 3 3 9
TABLA ANOVA
α= 0,05
Para tratamiento
gl en el numerador = k-1 =3-1 =2
gl en el denominador =(k-1) (b-1) = (3-1) (3-1) =4
F=6,94
Para bloque
gl en el numerador = b-1 =3-1 =2
gl en el denominador =(k-1) (b-1) = (3-1) (3-1) =4
F=6,94
pág. 47
Acepto Ho rechazo Ho
VC
6,94
Para tratamiento
Para bloque
pág. 48
IV. UNIDAD: Métodos no paramétricos
Competencias
Realizar una prueba de hipótesis para determinar si están relacionados dos criterios de
clasificación.
Contenidos
4.1 Introducción.
4.1 Introducción.
necesita hacer suposiciones acerca de la forma de la población; esto es, no tiene que suponerse
Prueba de bondad de ajuste de ji cuadrada. - Es una prueba cuyo objetivo es determinar que
esperadas. Se usa cuando se tiene sólo una variable de nivel de medición nominal.
Las pruebas de hipótesis no paramétricas o libres de distribución usan datos de nivel nominal y
ordinal. Esto implica que estas pruebas están libres de suposiciones con respecto a la
pág. 49
distribución de la población de origen. Es decir, no es necesario que se suponga que la
Para realizar la prueba debes seguir los cinco pasos y calcular el valor estadístico de prueba con
la siguiente formula:
fo fe 2
X
2
fe
Ejemplo 1
RR.HH. reunió la siguiente información acerca del ausentismo del personal por día de la
semana. Al nivel de significancia de 0.05, puede concluir que existe una diferencia en la tasa
Día Ausentismo
Lunes 124
Martes 74
Miércoles 104
Jueves 98
Viernes 120
pág. 50
H1: hay diferencia en la tasa de inasistencia
Acepto Ho rechazo Ho
VC = 9,488
pág. 51
4.3 Prueba de bondad de ajuste. Frecuencias esperadas desiguales.
Ejemplo 2
Un banco clasifica las cuentas por cobrar como “al día”, “atrasadas” e “incobrables. Las
cifras en el sector muestran que el 60% de las cuentas por cobrar están al día, 30% son
atrasadas y 10% son incobrables. El departamento jurídico del Banco tiene 500 cuentas por
cobrar: 320 están al día, 120 tienen atraso y 60 son incobrables. Estos números concuerdan
pág. 52
Acepto Ho rechazo Ho
VC = 5,991
con dos características que se resumen en una tabla de contingencia (tabla de doble entrada). En
este caso debes seguir los pasos anteriores y para el cálculo de la frecuencia esperada para una
Ejemplo 3
Taco Bell realiza una inspección mensual para comparar los precios registrados con los precios
anunciados. La siguiente tabla resume los resultados de una muestra de 500 artículos en el mes
anterior. La administración de la empresa desearía saber si existe alguna relación entre las tasas
pág. 53
de error en mercancía de precio regular y en los artículos de precio especial. Utilice el nivel de
significancia de 0.01
(30)(235)
fe 14,10
500
pág. 54
Cuarto Paso: Plantear la regla de decisión. (Apéndice B3)
α= 0,01
gl =(filas-1) (columnas-1) = (3-1) (2-1) =2
X2=9,210
Acepto Ho rechazo Ho
VC = 9,210
pág. 55
V. UNIDAD: Control estadístico de calidad
Competencias:
servicio.
Contenidos
Diagrama de Pareto. - Es una media aplicada para clasificar el número y tipo de defectos que
Diagrama de causa y efecto. - Enfatiza la relación entre una o varias causas posibles de un
pág. 56
Diagramas de control. - Muestran gráficamente la calidad de un producto o servicio.
Variación aleatoria. - Variación que por naturaleza es aleatoria y no puede ser controlada o
eliminada.
Ejemplo 1
Un fabricante de calzado realizó un estudio acerca de sus nuevos zapatos para trotar. A
encontrados. Elabore un diagrama de Pareto para mostrar las áreas principales del problema
pág. 57
Elabore un diagrama de Pareto para mostrar las áreas principales del problema
%= (98/234)100=41,88
% acumulado = 41,88+26,50=68,38
representan el 82,91% de los daños en los zapatos, por lo que el dueño de la fábrica deberá
pág. 58
5.4 Diagramas de control de calidad
Diagrama de atributos.
a. Diagrama de media (valor medio). - Muestra la media de una variable. Las siguientes
X (Media global) = X / k
Aquí debes utilizar las siguientes fórmulas para calcular los límites de control para la
amplitud.
pág. 59
LSC (límite superior de control) = D4R
Ejemplo 2
Como parte de su proceso de inspección, una empresa prueba la resistencia de las llantas que
pág. 60
MUESTRA DESGASTE DE LLANTAS MEDIA AMPLITUD
I II III X AV
1 44 41 19 34,67 25,00
2 39 31 21 30,33 18,00
3 38 16 25 26,33 22,00
4 20 33 26 26,33 13,00
5 34 33 36 34,33 3,00
6 28 23 39 30,00 16,00
7 40 15 34 29,67 25,00
8 36 36 34 35,33 2,00
9 32 29 30 30,33 3,00
10 29 38 34 33,67 9,00
11 11 33 34 26,00 23,00
12 51 34 39 41,33 17,00
13 30 16 30 25,33 14,00
14 22 21 35 26,00 14,00
15 11 28 38 25,67 27,00
16 49 25 36 36,67 24,00
17 20 31 33 28,00 13,00
18 26 18 36 26,67 18,00
19 26 47 26 33,00 21,00
20 34 29 32 31,67 5,00
SUMA 611,33 312,00
X = 611,33/20 =30,57
R = 312/20 = 15,60
30 X
25
20
15
10 LIC
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
MUESTRAS
pág. 61
Límites de control para la amplitud de variación
LSC = 2,575(15,60) = 40,17
LIC = 0(15,60) = 0
30
25
20
15 R
10
5
0 LIC
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
MUESTRAS
El proceso se encuentra bajo control tanto para la media como para la amplitud de
variación como puedes ver en los diagramas anteriores
RCICIO 8
p(1 p)
LSC (límite superior de control) p 3
n
p(1 p)
LIC (límite inferior de control) p 3
n
pág. 62
Ejemplo 3
p = 37/140 = 0,26
0,26(1 0,26)
LSC 0,26 3 0,68
10
0,26(1 0,26)
LIC 0,26 3 0,16 0
10
0,6
0,5
0,4
0,3 P
0,2
0,1
0 LIC
1 2 3 4 5 6 7 8 9 10 11 12 13 14
DÍAS
pág. 63
Conclusión: El proceso está fuera de control en el séptimo día.
b. Diagrama c con raya. - Se refiere al número de defectos por unidad. Aquí debes utilizar las
siguientes fórmulas para calcular los límites de control para el número de defectos por
unidad.
Ejemplo 4
Al final de cada turno, el departamento de calidad selecciona una muestra de baterías para
probarlas. El número de unidades defectuosas durante los últimos 12 turnos es 2, 1, 0, 2, 1, 1, 7,
1, 1, 2, 6 y 1.
pág. 64
LSC
LIC
En muchas situaciones de negocios también interesa la calidad del producto terminado que se
recibe. Lo que interesa en estos casos es la necesidad de verificar que un determinado producto
cumpla con los requisitos estipulados. El muestreo de aceptación, por ejemplo, permite que
entren los lotes con calidad aceptable al área de manufactura y se queden afuera los que no son
aceptables.
pág. 65
es bueno o el lote es malo. Éstos son estados de la naturaleza. Si el lote es bueno y la inspección
de la muestra revela que el lote es bueno, o si el lote es malo y la inspección de la muestra
indica que es malo, se toma una decisión correcta. Sin embargo, hay otras dos posibilidades. El
lote puede contener más defectos que los aceptables, pero se acepta. A esto se denomina riesgo
del consumidor. De manera similar, el lote puede estar dentro de los límites acordados, pero se
rechaza durante la inspección de la muestra. A esto se le denomina riesgo del productor. La
siguiente tabla resume las decisiones de aceptación presentes en estas posibilidades. Observe
cómo esta decisión es muy similar a las ideas de los errores de Tipo I y Tipo II del inicio de la
Unidad 1.
Estados de la naturaleza
Decisión Lote bueno Lote malo
Aceptar el lote Correcto Riesgo del consumidor
Rechazar el lote Riesgo del productor Correcto
Para evaluar un plan de muestreo y determinar que es justo tanto para el productor como para el
consumidor, el procedimiento usual es desarrollar una curva característica de operación, o
curva CO, como normalmente se denomina. Una curva CO reporta el porcentaje defectuoso en
el eje horizontal, y la probabilidad de aceptar ese porcentaje defectuoso, en el vertical. Por lo
general, se traza una curva uniforme que conecta todos los niveles de calidad posibles. Se utiliza
la distribución binomial para desarrollar las probabilidades de una curva CO.
Ejemplo 5
Una empresa compra DVD a otra empresa, los artículos se empacan en lotes de 1 000 cada uno.
El gerente de la empresa que compra, está de acuerdo en aceptar lotes con 10% o menos de
DVD defectuosos e indicó a su departamento de inspección que seleccione una muestra
aleatoria de 20 DVD y los examine con detenimiento. Aceptará el lote si tiene dos o menos
defectos en la muestra. Desarrolle la curva CO de este plan de aceptación. ¿Cuál es la
probabilidad de aceptar un lote con 10% de DVD defectuosos?
pág. 66
Solución
Este tipo de muestreo se denomina muestreo de atributos, pues el artículo muestreado, en este
caso un DVD, se clasifica como aceptable o inaceptable. No se obtiene una “lectura” o
“medición” del DVD. Sea π la proporción actual defectuosa en la población.
Aceptar el lote si X ≤ 2.
Rechazar el lote si X ≥ 3.
Aquí el lote aceptable es uno con 10% o menos de DVD defectuosos. Si el lote es aceptable
cuando tiene exactamente 10% de DVD defectuosos, sería aún más aceptable si tuviera menos
de 10%. Por lo tanto, la práctica usual es trabajar con el límite superior del porcentaje de
defectos.
Mediante la distribución binomial se calculan los diversos valores en la CO. Recuerde que para
emplear la distribución binomial hay cuatro requisitos:
En las tablas sólo se dan varias probabilidades binomiales hasta 15, es decir, n = 15. En este
problema n = 20; por lo tanto, se puede utilizar Excel para calcular las probabilidades
binomiales. La siguiente captura de pantalla de Excel muestra las probabilidades binomiales
para n = 20 cuando π es igual a 0.05, 0.10, 0.15, 0.20, 0.25 y 0.30.
pág. 67
Hay que recordar los términos de las distribuciones discretas al vocabulario de muestreo de
aceptación: π representa la probabilidad de encontrar un defecto, c el número de defectos
permitidos, y n el número de artículos muestreados. En este caso, permitirá hasta dos defectos,
por lo que c = 2. Esto significa que 0, 1 o 2 de los 20 artículos muestreados pueden ser
defectuosos y aun así se aceptaría el embarque de entrada de DVD.
Para empezar, determine la probabilidad de aceptar un lote que sea 5% defectuoso. Esto
significa que π = 0.05, c = 2 y n = 20. De la captura de pantalla de Excel, la posibilidad de
seleccionar una muestra de 20 artículos de un embarque con 5% de defectos y encontrar
exactamente 0 defectos es 0.358. La posibilidad de encontrar exactamente 1 defecto es 0.377, y
la de encontrar 2 es 0.189. De aquí que la posibilidad de 2 o menos defectos sea 0.924, que se
determina mediante 0.358 + 0.377 + 0.189. Este resultado por lo general se escribe en notación
abreviada, como sigue (recuerde que la barra “|” significa “dado que”).
n= 20
pág. 68
Ejemplo 5
Radio Shack compra transistores de Mira Electronics. De acuerdo con su plan de muestreo, el
propietario, Radio Shack, aceptará un embarque de transistores si tres o menos son defectuosos
en una muestra de 25. Elabore la curva CO de estos porcentajes de defectos: 10, 20, 30 y 40%.
n= 25
No. DVD Probabilidades Acumuladas
defectuosos 0 0,1 0,2 0,3 0,4
0 1,000 0,072 0,004 0,000 0,000
1 1,000 0,271 0,027 0,002 0,000
2 1,000 0,537 0,098 0,009 0,000
3 1,000 0,764 0,234 0,033 0,002
FIN
pág. 69