Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Prueba de Bondad de Ajuste
Prueba de Bondad de Ajuste
Objetivos
Una vez estudiado este Captulo, el estudiante estar en condiciones de:
Contenidos
1. Introduccin.
2. Las pruebas Chi-cuadrado.
2.1. Prueba de la bondad de ajuste.
2.2. Prueba de independencia: Tablas de contingencia.
2.3. Prueba de homogeneidad.
2.3.1. Comparacin de dos proporciones, muestras independientes.
Similitudes de la prueba Z y
2 .
175
Ctedra I Estadstica II
Autor I Marn Saino
176
Ctedra I Estadstica II
Autor I Marn Saino
1. Introduccin
Todos los mtodos de inferencia que hasta aqu vimos se han circunscripto a
parmetros poblacionales (intervalos de confianza o pruebas de hiptesis). En general,
estos mtodos estn vinculados a una serie de supuestos bastante restrictivos acerca
de caractersticas de la poblacin (v.gr.: distribucin normal de la poblacin, igualdad
de varianzas para diversos grupos, etc.).
En este Captulo, encaramos el estudio de los denominados Mtodos No Paramtricos
o de Distribucin Libre1/. Estos mtodos tienen la particularidad de realizar inferencias
estadsticas no slo referidas a parmetros poblacionales, sino tambin a otras
situaciones como por ejemplo probar si dos variables cualitativas estn asociadas o no
(pruebas de independencia), o si la distribucin de cierta caracterstica es similar en
varias poblaciones (pruebas de homogeneidad); o si la forma de la distribucin
poblacional de cierta variable es normal, o Poisson, o si responde a cierta forma
especfica (pruebas de la bondad de ajuste). A veces tambin se refieren a parmetros
poblacionales como la mediana, la media o la varianza.
Debe tenerse en cuenta que an cuando puedan aplicarse de manera efectiva los
mtodos no paramtricos, hay que proceder con prudencia ya que estas pruebas, para
un nmero dado de observaciones, tienen menor potencia (es decir, menor aptitud
para rechazar la hiptesis nula) que los tests paramtricos.
Si bien existe una gran cantidad de pruebas estadsticas no paramtricas, aplicables a
distintas situaciones concretas, especialmente nos ocuparemos de
las llamadas
pruebas Chi-cuadrado y de la prueba de Kolmogorov. No obstante ello, tambin
daremos una breve idea de otros procedimientos, tales como el Contraste de la
Mediana, las pruebas de Wilcoxon y la prueba de Mann-Withney.
1/
2/
Estos trminos aunque se usen como sinnimos, estrictamente no lo son. Por ejemplo para entender la diferencia entre ellos, la desigualdad de Tchebycheff aunque no es estrictamente no
paramtrica dado que involucra a y , es una distribucin libre puesto que es vlida cuando
la distribucin es desconocida.
Ji- Cuadrado es sinnimos de Chi-Cuadrado, en ambos casos nos referimos a la letra griega
elevada al cuadrado, y la razn por la que estas pruebas se designan con este nombre, es
que los estadsticos de prueba que se utilizan siguen la distribucin
177
2 .
Ctedra I Estadstica II
Autor I Marn Saino
(oi - ei ) 2
: c k2- m 5/
i= 1
ei
k
rechazo, debido a que desviaciones grandes de los valores observados con los valores
esperados, tienden a contradecir la hiptesis nula respecto a las probabilidades
asociadas pi a las categoras (valores o clases). Por lo tanto la hiptesis nula se
f ( k2 m )
k2 m;1
3/
4/
5/
6/
2
i2i
178
Ctedra I Estadstica II
Autor I Marn Saino
7/
Cantidad de clientes
19
25
22
8
3
2
1
80
179
Ctedra I Estadstica II
Autor I Marn Saino
1.- Hiptesis:
Ho : El nmero de das de atraso se distribuye Poisson, P (x, =?)
H1 : El nmero de das de atraso no se distribuye Poisson
En primer lugar como se desconoce , se deber encontrar su estimador de
= 1, 51
(oi - ei ) 2
i= 1
ei
k
expresin:
2
c obs
=
Cantidad de
clientes (oi)
19
25
22
8
3
6
2
1
80
(3)
P (xi; 1,51)
0,2209
0,3336
0,2518
0,1268
0,0479
0,0145
0,0036
1,0000*
(4)
ei = 80.[P(xi)]
18
27
20
10
4
5
1
0
80*
(5)
(oi ei)2 / ei
0,06
0,15
0,20
0,40
0,20
1,01
180
Ctedra I Estadstica II
Autor I Marn Saino
porque
ZNR = { 2 / 2 7, 81} ,
ZR = { 2 / 2 > 7, 81} ,
Valor de la
variable
82,00
90,00
87,52
87,00
74,00
74,10
87,14
104,70
89,00
87,00
87,15
79,56
100,00
83,00
85,97
N de
observacin
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Valor de la
variable
73,93
76,28
100,00
96,62
95,26
91,00
82,08
102,00
87,60
89,87
102,27
88,07
87,13
97,00
81,17
8/
Recuerde que la distribucin Chi-cuadrado es una familia de distribuciones, donde cada distribucin depende de los grados de libertad.
181
Ctedra I Estadstica II
Autor I Marn Saino
x=
i =1
30
30
xi
= 88, 2810
s =
2
( xi x)
i =1
n 1
z1
z2
z3
z4
zi
F(z1) = 0,20
F(z2) = 0,40
F(z3) = 0,60
F(z4) = 0,80
En primer lugar debemos calcular los lmites de los intervalos de clase en trminos
de la variable estandarizada, por ejemplo el primer intervalo es:
Lmite inferior (LI): como la distribucin normal es asinttica al eje de las abscisas,
el lmite inferior es -.
Lmite superior (LS): F(z1) = 0,20, entonces z1 = z0,20 = -z0,80 = -0,84.
El segundo intervalo, es:
LI : -0,84
LS: F(z2) = 0,40, entonces z2 = z0,40 = -z0,60 = -0,26 ... el procedimiento se repite
hasta construir los 5 intervalos de clase.
Luego se debern calcular los intervalos en trmino de los valores reales para la
variable analizada. Por ejemplo, el lmite superior del primer intervalo es:
_
Ctedra I Estadstica II
Autor I Marn Saino
de la misma manera se calcularn los siguientes intervalos, quedando conformados tal como se muestran en la columna 1 de la Tabla 4.
Seguidamente se cuentan las observaciones que caen dentro de cada uno de los
intervalos construidos (oi). Las mismas se disponen en la columna 2 de la Tabla.
Tabla 4:
Intervalos de clase
- ; 81,06
81,06 ; 86,04
86,04 ; 90,51
90,51 ; 95,49
95,49 ;
Total
oi
5
5
10
3
7
30
ei = n/ k
6
6
6
6
6
30
(oi ei)2 / ei
0,17
0,17
2,67
1,50
0,17
4,47
Valor del
estadstico
Hasta aqu se ha trabajado para obtener el valor del estadstico, en lo que sigue
realizaremos la prueba propiamente dicha:
1.- Ho: La variable se ajusta aproximadamente a una distribucin normal
H1: La variable no se ajusta a una distribucin normal
2.- Nivel de significacin:
= 0,01
2*
2
= (2;0,99)
= 9, 21 ,
debido a que
en conse-
ZNR = { 2 / 2 9, 21}
ZR = { 2 / 2 > 9, 21}
183
Ctedra I Estadstica II
Autor I Marn Saino
Analicemos el ejemplo:
Se afirma que el promedio de las comisiones por ventas de automviles nuevos es
de $ 2500 por mes, con una desviacin estndar de $ 360. Una muestra de 50
casos en la Ciudad de Crdoba revel la siguiente distribucin de las comisiones
(Tabla 5). Al nivel de significacin de 5%, se puede inferir que la poblacin se
distribuye aproximadamente normal con la media y desviacin estndar indicadas?
Tabla 5:
Comisiones
(en miles de $)
1,45 ; 1,75
1,75 ; 2,05
2,05 ; 2,35
2,35 ; 2,65
2,65 ; 2,95
2,95 ; 3,25
Cantidad de
ventas
3
12
14
9
7
5
z1 =
x1
1, 75 2, 5
0, 36
= 2, 08
z2 =
x2
2, 05 2, 5
0, 36
= 1, 25
9/
Ntese que en este caso se tienen los valores de los parmetros, por lo tanto se utilizan los
valores de los mismos en la frmula de estandarizacin.
184
Ctedra I Estadstica II
Autor I Marn Saino
Por ltimo obtendremos las frecuencias esperadas para cada clase aplicando la
siguiente expresin: ei = n.(fi). Por ejemplo el rea entre las comisiones de 1,75 y
2,05 (miles de pesos) es 0,0868, es decir se espera que 0,0868 x 50 = 4,34
operaciones de venta tengan una comisin entre 1750 y 2050 pesos. Los
resultados para todas las clases se muestran en la columna 5. En ella tambin
podemos observar que hay frecuencias esperadas menores que 5, en consecuencia
deberemos reagrupar dichas clases.
Tabla 6:
Comisiones
Valores z de Cantidad de
(en miles de $) los lmites
ventas (oi)
- ; -2,08
1,45 ; 1,75
3
15
1,75 ; 2,05
-2,08 ; -1,25 12
2,05 ; 2,35
-1,25 ; -0,42 14
2,35 ; 2,65
-0,42 ; 0,42
9
2,65 ; 2,95
0,42 ; 1,25
7
1,25 ;
2,95 ; 3,25
5
Totales
50
f(z)
ei=n.fi
0,0188
0,0868
0,2316
0,3256
0,2316
0,1056
0,94
4,34
11,58
16,28
11,58
5,28
50
(oi ei)2 / ei
5,28
17,89
0,51
3,26
1,81
0,01
23,48
Prueba de hiptesis:
1.- H0: La variable comisiones por ventas se distribuye aproximadamente normal
con media = 2500 $ y varianza 2 = 360 $2.
H1: La variable comisiones por ventas no se distribuye aproximadamente
normal con media = 2500 $ y varianza 2 = 360 $2.
2.- Nivel de significacin:
=0,05
2*
2
= (4;0,95)
= 9, 49 , debido
a que P ( i (4)
2
> 9, 49) = 0, 05 ; en
ZNR = { 2 / 2 9, 49}
ZR = { 2 / 2 > 9, 49}
crtico (9,49), en consecuencia se rechaza la hiptesis nula y entonces podemos inferir, a un nivel de significacin del 5%, que la distribucin de la variable presentada no se ajusta a la distribucin normal de parmetros = 2500 $
y 2 = 360 $2.
Alguien puede preguntarse el porqu de estos dos mtodos diferentes para efectuar la
misma prueba. Sucede que, por las caractersticas de la distribucin normal (altas
probabilidades en el centro, bajas probabilidades en las colas), en muchos casos
cuando los intervalos son de igual amplitud, como en este ltimo ejemplo, hay varios
intervalos con frecuencias esperadas muy bajas, que deben agruparse y disminuyen
rpidamente los grados de libertad. Trabajando de la otra manera (como en el
185
Ctedra I Estadstica II
Autor I Marn Saino
Cantidad de
ausencias
15
10
8
9
13
55
Facultad
Medicina y Enfermera
Derecho
Ciencias Econmicas
Arquitectura
Filosofa y Humanidades
Total
Nmero de
entrevistas
240
200
200
100
60
800
186
Ctedra I Estadstica II
Autor I Marn Saino
Actividad 3:
Se tienen los siguientes datos histricos que corresponden al nmero de
llamadas a la central de una empresa de emergencia mdica. El objeto es
encontrar un modelo que explique el comportamiento de las llamadas a fin de
establecer la cantidad de unidades mviles, mdicos y asistentes necesarios
para atender la demanda. Se obtiene una muestra aleatoria de 100 intervalos
de 15 minutos y se registran las frecuencias de llamadas solicitando el
servicio, tal como se muestran en la siguiente Tabla:
Nmero de
llamadas
0
1
2
3
4
Total
Cantidad de
intervalos de 15
20
52
15
10
3
100
Cantidad de
requerimientos
60
150
250
130
70
40
700
A un nivel de significacin del 5%, puede probar que el tiempo que transcurre
hasta que se efecta el requerimiento tcnico se distribuye normal?
Actividad 5:
Comprobar, a un nivel de significacin del 5%, si los siguientes datos provienen de una distribucin normal:
N de observacin variable
1
47,00
2
57,00
3
41,69
4
48,32
5
45,32
6
48,11
7
43,17
8
56,88
9
58,13
10
42,67
11
49,80
12
52,40
13
50,16
14
52,44
15
50,76
187
N de observacin
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
variable
48,09
54,96
50,40
50,36
51,85
42,84
33,56
54,77
58,43
55,00
52,46
43,00
47,30
64,38
44,00
Ctedra I Estadstica II
Autor I Marn Saino
Secundario
Universitario
(II)
427
110
63
600
(III)
191
60
49
300
Totales
Respuestas
Bueno
Regular
Malo
Totales
(A)
(B)
(C)
(I)
82
10
8
100
700
180
120
1000
pAI = pA . pI
188
Ctedra I Estadstica II
Autor I Marn Saino
p ij =
nij
(i=1,...,f ; j=1,...,c)
donde:
nij: frecuencia observada de la celda ij
pij: probabilidad que una observacin caiga en la celda ij, que es simplemente la
frecuencia relativa observada para esa celda
Asimismo las probabilidades marginales, probabilidades fila y columna respectivamente, estn dadas por:
pi =
fi
n
pj =
cj
n
f c f .c
eij = E (nij ) = n p i . p j = n i . j = i j
n
n n
e11 =
700.(100)
= 70 ;
1000
Secundario
Universitario
(II)
420
108
72
600
(III)
210
54
36
300
Totales
Respuestas
Bueno
Regular
Malo
Totales
(I)
70
18
12
100
(A)
(B)
(C)
700
180
120
1000
Es decir, se puede observar que la frecuencia esperada para una celda particular
es igual al cociente del producto de sus respectivas frecuencias marginales y la
frecuencia total.
Ahora podemos calcular el valor del estadstico de prueba utilizando las frecuencias
observadas de la Tabla 7 y las frecuencias esperadas de la Tabla 8:
f
2
obs
=
i =1 j =1
(oij eij ) 2
eij
(82 70)
70
(10 18)
18
+ ... +
(49 36)
36
= 15, 30
189
Ctedra I Estadstica II
Autor I Marn Saino
k=f.c
1
(c-1)
(f-1)
(f-1) . (c-1)
Es decir:
g.l.
g.l.
g.l.
g.l.
g.l.
=
=
=
=
=
=0,05
crtico es
debido a que
en
ZNR = { 2 / 2 9, 49}
ZR = { 2 / 2 > 9, 49}
Cabe aclarar que, cuando el tamao de muestra es pequeo (menor que 30) y se tiene
una tabla de 2 x 2, es posible aplicar una prueba muy til como es la Prueba Exacta de
Fisher, la cual nos permite conseguir las probabilidades de obtener exactamente la
distribucin de frecuencias conforme a la hiptesis nula.
190
Ctedra I Estadstica II
Autor I Marn Saino
II
III
350
270
380
Mujer
340
400
260
Privada
Altos
Total
Pblica
Total
506
494
1000
438
944
162
656
600
1600
191
Villa Mara
Ro IV
Totales
53
22
75
40
35
75
208
92
300
Ctedra I Estadstica II
Autor I Marn Saino
Los estimadores mximo verosmiles de las frecuencias esperadas de las celdas son los
mismos que se presentaron en la prueba de independencia y estn dados por:
eij = E (nij ) =
f i .c j
n
p=
_
y el complemento:
X1 + X 2 + X 3 X
=
n1 + n2 + n3
n
q = 1 p
individuos que estn en desacuerdo con las polticas del gobierno (proporcin de
fracasos).
Para el ejemplo dichas estimaciones son:
_
p=
115 + 53 + 40
150 + 75 + 75
208
300
= 0, 69
q=
84
300
= 0, 31
Frecuencia marginal
(total fila)
f i .c j
X
208
=
= 150.
= 104
n
n
300
Tamao de muestra
(total de observaciones)
Procediendo de la misma forma para las restantes celdas obtenemos las frecuencias esperadas correspondientes. Todas las frecuencias esperadas se presentan en
la Tabla 10.
10/
Cada una de las proporciones, sera una estimacin del parmetro poblacional (bajo hiptesis
nula cierta).
192
Ctedra I Estadstica II
Autor I Marn Saino
Tabla 10:
Localidad
Opinin
De acuerdo
En desacuerdo
Totales
Crdoba
Villa Mara
Ro IV
Totales
104
46
150
52
23
75
52
23
75
208
92
300
Se puede demostrar adems que, la variable resultante tendr distribucin Chicuadrado con (f-1).(c-1) grados de libertad11/ y utilizando un nivel de significacin
, la hiptesis nula se rechazar si el estadstico de prueba Chi-cuadrado:
f
2
obs
=
i =1 j =1
(oij eij ) 2
eij
(115 104)
104
(35 46)
46
+ ... +
(35 23)
23
= 12, 89
El valor crtico es
debido a que
ZNR = { 2 / 2 5, 99}
ZR = { 2 / 2 > 5, 99}
Actividad 8:
Se pretende analizar la intencin de voto para las prximas elecciones a
gobernador de una provincia. A tal fin se realiza una encuesta a 115
profesionales, a 110 hombres de negocios y a 125 empleados, a quienes se les
pregunta sobre su preferencia respecto del candidato A o del candidato B,
ambos postulados para ser gobernador de la provincia. Los resultados
obtenidos son:
11/
Ntese que una de las variables de la tabla de contingencia siempre es una variable dicotmica (o reagrupamos categoras para transformarla), por lo tanto si se tiene una tabla de 2 x c
los grados de libertad asociados son (c - 1) y si se tiene una tabla de f x 2 los grados de
libertad sern (f - 1).
193
Ctedra I Estadstica II
Autor I Marn Saino
Candidato
Total
80
35
115
H. de negocios
72
38
110
Empleados
Total
69
221
56
129
125
350
Categora
Profesionales
De 2 a 4
familias
Edificio de
Departamentos
39
Totales
77
210
56
36
98
190
150
75
175
400
y podr observar
es
2 ,
diferencia en una direccin, por ejemplo p1 > p2 (recuerde que si esto es posible
aumenta la potencia de la prueba). En la prueba
194
Ctedra I Estadstica II
Autor I Marn Saino
Actividad 10:
Un ingeniero encargado del control de calidad de una fbrica, desea examinar
la eficiencia de dos operadores de una mquina ensambladora y que trabajan
en turnos diferentes. Se registraron datos de una semana de trabajo y se
obtuvo lo siguiente:
Operador A
16
551
567
Cantidad defectuosos
Cantidad no defectuosos
Total
Operador B
17
416
433
Total
33
967
1000
dores son
p1 ; p 2 ; ...; p c ,
= p j p j y el estimador puntual de
= p j p j . Adems es posible demostrar que el valor crtico con el cul
j es
j debe ser
comparado es:
m jj =
2
1 /( c 1)
p j .(1 p j )
nj
12/
p j .(1 p j )
13/
n j
Si las poblaciones o niveles de factor estuvieran dispuestas en filas, las comparaciones seran
f . (f - 1)/2.
13/
Observar que se debe obtener un valor crtico para cada par de proporciones a comparar.
195
Ctedra I Estadstica II
Autor I Marn Saino
Entonces si
j > m jj
p j p j
(para
p1 =
X 1 115
=
= 0, 77 ;
n1 150
p2 =
X 2 53
=
= 0, 71 ;
n2 75
p3 =
X 3 40
=
= 0,53
n3 75
y la estimacin global
p = 0, 69 .
estos valores.
Figura 3:
0,8
0,6
0,4
0,2
2
3
Niveles del factor
1 = p1 p 2 = 0, 77 0, 71 = 0, 06
El valor crtico para esta comparacin est dado por:
m12 = 5,99.
Ctedra I Estadstica II
Autor I Marn Saino
en consecuencia, no hay diferencias significativas entre la proporcin de respuestas favorables de la ciudad de Crdoba y las respuestas de la Ciudad de Villa
Mara. Los clculos para todos los pares posibles se presentan en la Tabla 11.
Tabla 11:
Comparaciones
12
1-3
2-3
0,1534
0,1642
0,1906
Conclusin
No significativa
Significativa
No significativa
Actividad 11:
Concluya para la Actividad 8 Qu categora es la que opina diferente?
Actividad 12:
Retomando la Actividad 9, puede concluir Qu tipo de residencia es la que
ms influye en esta conclusin?
La prueba de K-S es una prueba de la bondad del ajuste de los datos de una muestra
a un modelo terico continuo especfico de la poblacin15/.
El mtodo K-S se basa en la comparacin entre las frecuencias acumuladas de la
distribucin de los datos ordenados de la muestra y la distribucin terica
propuesta en la hiptesis nula. De calcular previamente la distancia entre ambas
funciones de distribucin, se observa cul es la distancia mxima, es decir, el punto
que presenta mayor diferencia al que se denominar Dobs, entonces:
Dobs = mx Ft - Fo : Da / n
donde:
Dobs: estadstico de prueba
Ft : funcin de distribucin terica
Fo : funcin de distribucin de la muestra (proporcin del nmero de valores en la
muestra que son menores o iguales a xo).
La distribucin del estadstico es independiente del modelo planteado en la hiptesis
nula, ste depende nicamente de los grados de libertad y est tabulado cuando Ft es
cierta.
14/
Se puede observar que la comparacin 2-3, aunque no es significativa est cercana a serlo,
conducindonos a la sospecha que una mayor cantidad de observaciones podran demostrar
que la poblacin 3 es la que tiene una proporcin de opiniones favorables distinta a las dems.
La experiencia nos dice que esta prueba puede en algunos casos no dar ninguna diferencia
significativa pero de todas maneras nos dar indicios del sentido de las diferencias.
15/
En el Apndice del Captulo III, se ha realizado otra presentacin de esta prueba, as como de
otra equivalente, la de Shapiro-Wilk.
197
Ctedra I Estadstica II
Autor I Marn Saino
Si la distancia calculada (Dobs) es mayor que la que figura en tablas para un nivel de
significacin determinado, se rechazar el modelo Ft. Esto significa que una
diferencia tan grande como la observada no puede deberse a azar y por tanto los
datos de la muestra no provienen de la distribucin especificada. Si por el contrario,
Dobs es menor al valor de la tabla, entonces no se rechazar la hiptesis nula y las
observaciones muestrales se cien al modelo propuesto en la hiptesis nula.
Cuando los parmetros se estiman a partir de la muestra la prueba es muy
conservadora, es decir tiende a que no se rechace la hiptesis nula. En este caso se
utilizar el K-S, en la versin modificada por Lilliesfors (1967), quien simul por el
mtodo de Montecarlo alrededor de 1000 muestras del mismo tamao y calcul los
estimadores media, varianza y los estadsticos D. El carcter conservador se refleja
cuando se compara la probabilidad acumulada segn la distribucin terica y la
probabilidad estimada a partir de la simulacin.
Por ejemplo:
Para n = 20 y el mismo nivel de significacin = 0,05
Tabla K-S
Tabla K-S Lilliefors
D* = 0,294
D* = 0,19
D* = 0,231
= 0,20
= 0,01
Tabla K-S
Tabla K-S Lilliefors
Clculo
Dado que las frecuencias acumuladas observadas se comportan a saltos, la distancia
mxima entre Ft y Fo puede presentarse por debajo o por encima de la curva de Ft ,
para un valor particular cualquiera (Figura 4). Por lo tanto, al aplicar la prueba se
deben calcular ambas distancias para cada punto xh y luego tomar la mxima entre
estas dos.
Figura 4:
Representacin grfica.
Di ( xh ) = mx{ Ft ( xh ) - Fo ( xh- 1 ) ; Ft ( xh ) - Fo ( xh ) }
144444442 44444443 144444442 44444443
d1i
198
d2i
Ctedra I Estadstica II
Autor I Marn Saino
Vble: xi
8,14
8,23
9,00
9,09
9,72
9,81
9,96
10,00
12,00
x = 9, 5519
s = 1,1565
(2)
8,14
8,23
9,00
9,09
9,72
9,81
9,96
10,00
12,00
F0
(3)
0,11
0,22
0,33
0,44
0,56
0,67
0,78
0,89
1
zi
(4)
-1,22
-1,14
-0,48
-0,40
0,15
0,22
0,35
0,39
2,12
Ft
d1i
d 2i
Di ( xh )
(5)
0,1112
0,1271
0,3156
0,3446
0,5596
0,5871
0,6368
0,6517
0,9830
(6)
0,1112
0,0171
0,0956
0,0146
0,1196
0,0271
0,0332
0,1283
0,0930
(7)
0,0012
0,0929
0,0144
0,0954
0,0004
0,0829
0,1432
0,2383
0,0170
(8)
0,1112
0,0929
0,0956
0,0954
0,1196
0,0829
0,1432
0,2383
0,0930
x - x
zi = i
s
por ejemplo:
z1 =
8,14 9, 5519
1,1565
= 1, 22
Columna 5: frecuencias tericas relativas acumuladas, las cuales han sido extradas de la tabla de la normal estandarizada.
F ( z ) = P[ Z z i ]
por ejemplo:
P[ z 1, 22] = 0,1112
199
Ctedra I Estadstica II
Autor I Marn Saino
d1i = Ft ( xh ) Fo ( xh 1 )
Columna 7: diferencia entre la frecuencia terica asociada al valor de la variable y
la frecuencia observada hasta ese valor.
d 2i = Ft ( xh ) Fo ( xh )
Columna 8: distancias mximas entre la distribucin terica y la distribucin observada (de las columnas 6 y 7) para cada valor de la variable. Se
resalta la distancia mxima entre las mximas.
Si realizamos la prueba:
1.- Ho: Los valores de la variable se ajustan a una distribucin normal
H1 : Los valores de la variable no se ajustan a una distribucin normal
2.- Nivel de significacin: = 0,05
3.- Valor del estadstico observado: Dobs = 0,2383
4.- Regla de decisin:
D : D0,05;9
D* = 0, 271
Zona de no rechazo ZNR: {D/D 0,271}
Zona de rechazo ZR: {D/D > 0,271}
5.- Decisin o inferencia final: No se rechaza la hiptesis nula. Se puede inferir
que, con un nivel de significacin del 5%, los valores de la muestra se ajustan
a una poblacin normal.
Actividad 13:
Comprobar si los siguientes datos siguen una distribucin normal mediante la
prueba de Kolmogorov-Smirnov. Determine con que nivel de significacin
desea trabajar.
26,39; 23,04; 24,99; 27,12; 22,23; 24,44; 23,44; 24,37; 22,72; 27,29
Actividad 14:
Se desea comprobar la efectividad de un tratamiento sobre el Indice Cardaco,
variable que debe distribuirse en forma normal a fin de realizar la prueba
estadstica respectiva. Analice los siguientes resultados e informe al respecto.
Prueba de Kolmogorov para bondad de ajuste.
Variable
Indice cardaco
Ajuste
Normal(2,73 ; 1,41)
media
2,73
varianza
1,41
n
65
Estadistico D
0,10
p-valor
0,5855
Actividad 15:
Se supone que la duracin de vida de una determinada marca de pilas debe
distribuirse en forma exponencial. Analizada una muestra de pilas se realiz el
contraste correspondiente obteniendo los siguientes resultados. Qu podra
concluir al 5%?
200
Ctedra I Estadstica II
Autor I Marn Saino
N
Exponential parameter.a,b Mean
Most Extreme
Absolute
Differences
Positive
Negative
-,307
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
,969
,304
0,61;
0,02;
0,25;
0,13;
0,65;
1,07;
0,10;
0,16;
0,59
Actividad 17:
Las personas que mueren por accidente de trnsito en cierta ciudad, en un ao
dado (52 semanas), siguen un modelo Poisson. Dicha informacin se muestra en
la siguiente tabla:
0
6
1
10
2
20
3
10
4
6
5
0
Total
52
Al nivel del 5%, existe evidencia que avale el modelo planteado para las
frecuencias observadas?
Actividad 18:
Alguien afirma que los clientes varones de una tienda de pantalones vaqueros
son el doble de los clientes mujeres. Se toma una muestra aleatoria de 40
clientes y 25 resultan ser hombres y 15 mujeres. Son los datos muestrales
consistentes con la hiptesis planteada, a un nivel del 5%?
CLIENTES
varones
mujeres
Total
Observed N
25
15
40
Expected N
26,8
13,2
Residual
-1,8
1,8
Test Statistics
Chi-Squarea
df
Asymp. Sig.
CLIENTES
,366
1
,545
201
Ctedra I Estadstica II
Autor I Marn Saino
Actividad 19:
A efectos de disear su prxima campaa publicitaria, un fabricante de vinos
desea saber si la proporcin de hombres que prefieren sus productos es igual
a la de mujeres, a un nivel del 5%. Una muestra al azar de 30 hombres y 35
mujeres arroj como resultado que 20 hombres y 19 mujeres preferan sus
vinos.
Qu prueba estadstica utilizara a fin de asesorar al fabricante de vino?
Utilice un mtodo paramtrico y uno no paramtrico. Se llega a la misma
conclusin?
Actividad 20:
Una consultora que realiza trabajos de Investigacin de Mercado desea estudiar
el Ingreso Familiar de un determinada zona de la ciudad. Para ello quiere
asegurarse de que dicha variable cumple el requisito de distribucin normal a fin
de poder aplicar distintas tcnicas de inferencia estadstica. Qu se puede
concluir a un nivel del 1%?
N
Normal Parameters a,b
Most Extreme
Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
INGRESO
85
561,4040
135,8388
,093
,093
-,087
,859
,452
tv
93
10
103
Total
274
42
316 .
202
Total
0,87
0,13
1,00
Ctedra I Estadstica II
Autor I Marn Saino
Estadstico
Chi Cuadrado Pearson
Chi Cuadrado MV-G2
Valor
19,02
17,98
gl
2
2
p
.
0,0001
0,0001
203
Ctedra I Estadstica II
Autor I Marn Saino
Tabla 14:
Grupo 1
Grupo 2
54
65
51
53
66
71
54
61
73
78
64
66
78
80
67
69
82
87
71
74
92
93
76
80
95
81
85
89
90
94
de
poblaciones con
medianas
diferentes
Grupo II
Total
Por encima de
Me(X)
10
15
15
13
17
30
Total
Dado que ninguna de las frecuencias esperadas es menor que 5 y como n1 + n2 >
20, podemos usar la prueba
2 .
1/2 0.95 = 3, 84 ,
crtico de tabla es
204
Ctedra I Estadstica II
Autor I Marn Saino
Actividad 22:
Se desea determinar si los sueldos mensuales de plomeros, carpinteros y electricistas de cierta comunidad difieren significativamente entre s. Se toman 3
muestras independientes y se obtiene la siguiente informacin:
Plomeros
Carpinteros
Electricistas
317
322
316
319
316
316
321
320
320
316
318
314
322
317
318
316
320
328
317
322
315
320
320
327
324
328
313
328
322
317
316
320
315
311
323
320
313
316
321
316
323
324
323
318
Sistema II
Sistema III
25
29
42
16
31
14
33
45
26
34
30
43
28
19
18
37
40
56
49
28
20
34
39
47
31
65
38
32
24
49
21
36
34
19
46
25
38
31
20
26
30
18
205
Ctedra I Estadstica II
Autor I Marn Saino
T =
n.(n+1)
;
4
T =
n.(n+1).(2n + 1)
24
T T
N (0,1)
206
Ctedra I Estadstica II
Autor I Marn Saino
Tabla 16:
Herramientas
vendidas
8
Herramientas
vendidas
16
2
3
18
9
8
9
7
14
4
5
12
10
10
11
11
10
14
12
20
Ferretera
Ferretera
Ho: Me(X) 10
H1: Me(X)> 10
Herramientas
vendidas
8
-2
3,5
(-)
2
3
18
9
8
-1
9
1,5
(-)
4
5
12
10
2
0
6
7
14
16
8
9
Ferretera
di
Ri
Signo de di
Ri (+)
(+)
3,5
elimine
(+)
3,5
4
6
6,5
8
(+)
(+)
6,5
8
7
14
-3
4
5
6,5
(+)
6,5
10
11
11
10
1
0
1,5
elimine
(+)
1,5
12
20
10
10
(+)
10
45
Totales
(-)
Valor del
estadstico T
observado
207
Ctedra I Estadstica II
Autor I Marn Saino
Tabla 18:
Valores crticos inferiores, T*, para la prueba de rangos
con signo de Wilcoxon para una muestra
Una cola
Dos colas
n
=0,05
=0,10
=0,025
=0,01
=0,005
=0,05
=0,02
=0,01
Lmites
(Inferior; Superior)
0 ; 15
...;...
...;...
...;...
2 ; 19
0 ; 21
...;...
...;...
3 ; 25
2 ; 26
0 ; 28
...;...
5 ; 31
8 ; 37
3 ; 33
1 ; 35
0 ; 36
5 ; 40
3 ; 42
1 ; 44
10
10 ; 45
8 ; 47
5 ; 50
3 ; 52
11
13 ; 53
10 ; 56
7 ; 59
5 ; 61
20
60 ; 150
52 ; 158
43 ; 167
37 ; 173
Unidades
ensambladas
75
85
92
80
94
90
Turno
muestreado
7
8
9
10
11
12
Unidades
ensambladas
91
76
88
82
96
83
208
Ctedra I Estadstica II
Autor I Marn Saino
iguales a cero y asignando el rango promedio para diferencias con iguales resultados.
Luego, se calculan las sumas de los rangos para diferencias positivas y para las
diferencias negativas. Para una prueba bilateral tomaremos la menor de esas sumas
como el valor del estadstico de prueba (T). Por lo tanto rechazaremos la hiptesis nula
en tanto T (valor observado) sea menor a un valor T* (T crtico). Si la prueba es
lateral izquierda, usamos como estadstico de la prueba (T) la suma de los rangos
negativos y si la prueba es lateral derecha utilizamos como estadstico de la prueba (T)
la suma de rangos positivos.
Cuando n 20 recurriremos a la tabla de valores crticos de T de la prueba de rangos
con signo de Wilcoxon para muestras dependientes presentada al final del Captulo,
para comparar el valor observado.
Cuando n > 20, el estadstico T tiene una distribucin aproximadamente normal de
parmetros T y T, tal como se especific anteriormente y utilizaremos la distribucin
normal para calcular tanto el estadstico de la prueba como los valores crticos que
definen la zona de rechazo y la zona de no rechazo.
Ejemplifiquemos:
A un grupo de consumidores que consta de 14 personas se le pide que califique dos
marcas de t, de acuerdo a un sistema de valuacin por puntos que se basa en
diversos criterios. En la Tabla 19 se muestran los puntos asignados a cada marca de
t:
Tabla 19:
Miembro
del grupo
1
Marca 1
Marca 2
20
16
2
3
24
28
26
18
4
5
24
20
17
20
6
7
29
19
21
23
8
9
27
20
22
23
10
11
30
18
20
18
12
13
28
26
21
17
14
24
26
209
Ctedra I Estadstica II
Autor I Marn Saino
Tabla 20:
Miembro
del grupo
1
Marca 1
Marca 2
di
Ri
Ri (+) Ri (-)
20
16
4,5
4,5
2
3
24
28
26
18
-2
10
1,5
11,5
11,5
4
5
24
20
17
20
7
0
7,5
6
7
29
19
21
23
8
-4
elimine
9
4,5
8
9
27
20
22
23
5
-3
6
3
10
11
30
18
20
18
10
0
11,5
12
13
28
26
21
17
7
9
elimine
7,5
10
11,5
-.-
14
24
26
-2
1,5
Total
78
1,5
7,5
-.-
-.-
9
4,5
3
-.-
7,5
10
1,5
67,5
10,5
Valor del
estadstico T
=0,05
=0,025
=0,05
=0,005
=0,01
T*
5
6
0
2
...;...
0
.
.
.
.
.
.
...;...
...;...
7
.
3
.
2
.
.
.
...;...
.
.
.
.
.
13
14
21
25
.
.
17
.
.
.
.
21
.
.
.
.
.
.
100
2045
1955
.
.
.
.
.
.
.
.
.
.
.
.
9
12
.
.
1779
210
Ctedra I Estadstica II
Autor I Marn Saino
Antes
Despus
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
70
66
68
58
78
59
84
77
63
65
51
60
81
65
66
56
72
69
65
65
58
76
57
81
74
71
60
50
58
78
68
64
56
70
T =
n1.(n + 1)
2
T =
211
n1.n2 .(n + 1)
12
Ctedra I Estadstica II
Autor I Marn Saino
Ri1
Grupo
2
Ri2
82
75
24
19
92
90
31
29,5
70
65
15
11
90
89
29,5
28
60
58
8
7
86
85
27
26
50
50
4,5
4,5
83
81
25
22,5
46
42
3
2
81
78
22,5
24
76
20
73
72
18
17
71
68
16
14
67
66
13
12
64
63
10
9
52
40
6
1
Total
Tobs = 118
11.(31 + 1)
T =
= 176 ;
2
(11).(20).(32)
T =
= 24, 22
12
118 176
entonces z =
= 2,395
24, 22
y el valor crtico es z*= 2,575, por lo tanto
la zona de no rechazo es:
118
212
Ctedra I Estadstica II
Autor I Marn Saino
Actividad 26:
Se desea comparar los sueldos mensuales de vendedores y administrativos del
gremio comercial, en cierta zona de la ciudad. Los datos muestrales obtenidos de
15 empleados de cada rea son:
Vendedores
350
351
351
355
361
365
366
369
370
375
375
382
387
390
392
Administrativos
352
360
367
370
371
375
377
378
380
381
385
389
393
394
395
U1 = n1.n2 +
U 2 = n1.n2 +
n2 .(n2 + 1)
2
n1.(n1 + 1)
2
n1
Ri1 ;
i =1
n1
Ri 2 ;
i =1
o bien:
U 2 = n1.n2 U
213
Ctedra I Estadstica II
Autor I Marn Saino
U =
n1.n2
U =
n1.n2 .(n1 + n2 + 1)
12
T U
N (0,1)
Ri1
3,5
Grupo 2
51
Ri2
1
65
66
7
8,5
53
54
2
3,5
71
73
12,5
14
61
64
5
6
78
78
17,5
17,5
66
67
8,5
10
80
82
19,5
22
69
71
11
12,5
87
92
24
27
74
76
15
16
93
95
28
30
80
81
19,5
21
85
89
23
25
90
94
26
29
Total
231
U = (13).(17) +
13.(14)
2
231 = 81
U 2 = (13).(17) 81 = 140
De la tabla de valores crticos de
U de la prueba de Mann-Whitney,
para una cola = 0,025 y dos colas
= 0,05, que se dispone (al final
del Captulo y aqu se muestra un
resumen de la misma) extraemos el
valor crtico en la intercepcin de
los tamaos de muestras de cada
grupo.
234
16/
Cuando la distribucin muestral de U se aproxima a la normal, no tiene importancia si se utiliza U1 U2 como valor de U porque el valor absoluto de Z ser el mismo, lo que si depende de
U es el signo de Z.
214
Ctedra I Estadstica II
Autor I Marn Saino
Tabla 25:
Valores crticos, U*, para la prueba de Mann-Whitney
para muestras independientes
n1
2
3
.
.
.
13
14
15
16
17
18
19
20
Una cola
=0,025
Dos colas
=0,05
n2
2
...;...
...;...
.
.
.
1
1
1
1
2
2
2
2
3
13
...;... . . . 1
...;... . . . 4
. .
.
.
.
.
.
. .
. . . 45
4
. . . 50
5
. . . 54
5
. . . 59
6
. . . 63
6
. . . 67
7
. . . 72
7
. . . 76
8
14
1
5
.
.
.
50
55
59
64
67
74
78
83
15
1
5
.
.
.
54
59
64
70
75
80
85
90
16
1
6
.
.
.
59
64
70
75
81
86
92
98
17
2 . . .
6 . . .
. .
.
.
.
.
63 . . .
67 . . .
75 . . .
81 . . .
87 . . .
93 . . .
99 . . .
105 . . .
20
2
8
.
.
.
76
83
90
98
105
112
119
127
Actividad 27:
Se desea comparar las calificaciones obtenidas por estudiantes varones y
mujeres de un mismo curso, en un determinado examen estndar. Dos muestras
tomadas al azar de 20 estudiantes cada una dieron los siguientes resultados (en
puntos):
Varones
51
90
68
83
65
75
71
85
79
84
87
72
76
92
69
91
63
71
78
59
Mujeres
45
55
95
80
70
50
99
88
74
60
67
82
86
98
62
97
93
61
73
94
215
Ctedra I Estadstica II
Autor I Marn Saino
216
Ctedra I Estadstica II
Autor I Marn Saino
(i=1, 2,..., k)
propuesta por
2
obs
para
(oi - ei ) 2
=
i= 1
ei
k
2
c obs
=
217
Ctedra I Estadstica II
Autor I Marn Saino
2
obs
luego
2
c obs
=
finalmente, se obtiene:
2
obs
(o1 - np1 )2
=
np1 (1- p1 )
Como
n
o1 = x1 j
j= 1
o1 np1
N (0,1)
n
.
p
1
o1 np1
n. p1
12 18/
17/
Cuando hay varias celdas la frecuencia en cada una de ellas es relativamente pequea (p)
comparndola contra todas las dems (1-p).
18/
Recuerde que, si Z1; Z2;...;Zn son variables aleatorias independientes, cada una con distribucin N(0,1), entonces: Z12 + Z22 + ... + Zn2 tiene distribucin
218
n2 .
Ctedra I Estadstica II
Autor I Marn Saino
TABLAS ANEXAS
Valores crticos de
Tamao
muestral
n
1
2
3
4
5
0.2
0.9
0.684
0.565
0.494
0.446
6
7
8
9
10
Di = Ft Fo
. Prueba de Kolmorogov-Smirnov
0.15
0.925
0.726
0.597
0.525
0.474
Nivel de
significacin
0.1
0.95
0.776
0.642
0.564
0.51
0.05
0.975
0.842
0.708
0.624
0.565
0.01
0.995
0.929
0.828
0.733
0.669
0.41
0.381
0.358
0.339
0.322
0.436
0.405
0.381
0.36
0.342
0.47
0.438
0.411
0.388
0.368
0.521
0.486
0.457
0.432
0.41
0.618
0.577
0.543
0.514
0.49
11
12
13
14
15
0.307
0.295
0.284
0.274
0.266
0.326
0.313
0.302
0.292
0.283
0.352
0..8
0.325
0.314
0.304
0.391
0.375
0.361
0.349
0.338
0.468
0.45
0.433
0.418
0.404
16
17
18
19
20
0.258
0.25
0.244
0.237
0.231
0.274
0.266
0.259
0.252
0.246
0.295
0.286
0.278
0.272
0.264
0.328
0.318
0.309
0.301
0.294
0.392
0.381
0.371
0.363
0.356
25
30
35
0.21
0.19
0.18
0.22
0.2
0.19
0.24
0.22
0.21
0.27
0.24
0.23
0.32
0.29
0.27
1.07
1.14
1.22
1.36
1.63
> 35
Referencia
n: tamao de muestra
219
Ctedra I Estadstica II
Autor I Marn Saino
Valores crticos de
Di = Ft Fo
Tamao
Muestral
N
4
5
0.2
0.3
0.285
0.15
0.319
0.299
6
7
8
9
10
0.265
0.247
0.233
0.223
0.215
0.277
0.258
0.244
0.233
0.224
0.294
0.276
0.261
0.249
0.239
0.319
0.3
0.285
0.271
0.258
0.364
0.348
0.331
0.311
0.294
11
12
13
14
15
0.206
0.199
0.19
0.183
0.177
0.217
0.212
0.202
0.194
0.187
0.23
0.223
0.214
0.207
0.201
0.249
0.242
0.234
0.227
0.22
0.284
0.275
0.268
0.261
0.257
16
17
18
19
20
0.173
0.169
0.166
0.163
0.16
0.182
0.177
0.173
0.169
0.166
0.185
0.189
0.184
0.179
0.174
0.213
0.206
0.2
0.195
0.19
0.25
0.245
0.239
0.235
0.231
25
30
0.149
0.131
0.153
0.136
0.165
0.144
0.18
0.161
0.203
0.187
0.736
0.768
0.805
0.886
1.031
> 30
Nivel de
significacin
0.1
0.05
0.352
0.381
0.315
0.337
220
0.01
0.417
0.405
Ctedra I Estadstica II
Autor I Marn Saino
Una cola
=0,05
Dos colas
=0,10
N
5
6
7
8
9
10
11
12
13
14
15
0
2
3
5
8
10
13
17
21
25
30
;
;
;
;
;
;
;
;
;
;
;
15
19
25
31
37
45
53
61
70
80
90
16
17
18
19
20
35
41
47
53
60
;
;
;
;
;
101
112
124
137
150
=0,025
=0,01
=0,05
=0,02
Lmites
(Inferior ; Superior)
=0,005
=0,01
...;...
0 ; 21
2 ; 26
3 ; 33
5 ; 40
8 ; 47
10 ; 56
13 ; 65
17 ; 74
21 ; 84
25 ; 95
...;...
...;...
0 ; 28
1 ; 35
3 ; 42
5 ; 50
7 ; 59
10 ; 68
12 ; 79
16 ; 89
19 ; 101
...;...
...;...
...;...
0 ; 36
1 ; 44
3 ; 52
5 ; 61
7 ; 71
10 ; 81
13 ; 92
16 ; 104
29
34
40
46
52
23
27
32
37
43
19
23
27
32
37
221
;
;
;
;
;
107
119
131
144
158
;
;
;
;
;
113
126
139
153
167
;
;
;
;
;
117
130
144
158
173
Ctedra I Estadstica II
Autor I Marn Saino
Una cola
=0,05
=0,025
Dos colas
=0,10
=0,05
n
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
40
50
60
70
80
90
100
=0,01
=0,005
=0,02
=0,01
...;...
...;...
0
1
3
5
7
9
12
15
19
23
27
32
37
43
49
55
62
69
76
84
92
101
110
120
130
140
151
162
173
238
397
600
846
1136
1471
1850
...;...
...;...
...;...
0
1
3
5
7
9
12
15
19
23
27
32
37
42
48
54
61
68
75
83
91
100
109
118
128
138
148
159
220
373
567
805
1086
1410
1779
T*
0
2
3
5
8
10
13
17
21
25
30
35
41
47
53
60
67
75
83
91
100
110
119
130
140
151
163
175
187
200
213
286
466
690
960
1276
1638
2045
...;...
0
2
3
5
8
10
13
17
21
25
29
34
40
46
52
58
65
73
81
89
98
107
116
126
137
147
159
170
182
195
264
434
648
907
1211
1560
1955
222
Ctedra I Estadstica II
Autor I Marn Saino
n1
n2
Una
cola
0,05
0,1
0,025 0,05
...;...
...;...
12 ; 28
19 ; 36
0,025 0,05
11 ; 29
17 ; 38
0,01
10 ; 30
16 ; 39
...;...
15 ; 40
0,1
0,02
0,005 0,01
10
13 ; 31
20 ; 40
28 ; 50
0,025 0,05
12 ; 32
18 ; 42
26 ; 52
0,01
0,05
0,1
0,02
11 ; 33
17 ; 43
24 ; 54
0,005 0,01
10 ; 34
16 ; 44
23 ; 55
0,05
14 ; 34
21 ; 44
29 ; 55
39 ; 66
0,025 0,05
13 ; 35
20 ; 45
27 ; 57
36 ; 69
0,01
0,1
0,02
11 ; 37
18 ; 47
25 ; 59
34 ; 71
0,005 0,01
10 ; 38
16 ; 49
24 ; 60
32 ; 73
0,05
15 ; 37
23 ; 47
31 ; 59
41 ; 71
51 ;
85
0,025 0,05
14 ; 38
21 ; 49
29 ; 61
38 ; 74
49 ;
87
0,01
0,1
0,02
12 ; 40
19 ; 51
27 ; 63
35 ; 77
45 ;
91
0,005 0,01
11 ; 41
17 ; 53
25 ; 65
34 ; 78
43 ;
93
0,05
16 ; 40
24 ; 51
33 ; 63
43 ; 76
54 ;
90 66 ; 105
0,025 0,05
14 ; 42
22 ; 53
31 ; 65
40 ; 79
51 ;
93
62 ; 109
0,01
0,1
10
10 ; 26
0,005 0,01
0,05
4
11 ; 25
0,02
0,01
Dos
colas
0,02
13 ; 43
20 ; 55
28 ; 68
37 ; 82
47 ;
97
59 ; 112
0,005 0,01
11 ; 45
18 ; 57
26 ; 70
35 ; 84
45 ;
99
56 ; 115
0,05
17 ; 43
26 ; 54
35 ; 67
45 ; 81
56 ;
96
69 ; 111 82 ; 128
0,025 0,05
15 ; 45
23 ; 57
32 ; 70
42 ; 84
53 ;
99
65 ; 115 78 ; 132
0,01
0,02
13 ; 47
21 ; 59
29 ; 73
39 ; 87
49 ; 103
61 ; 119 74 ; 136
0,005 0,01
12 ; 48
19 ; 61
27 ; 75
37 ; 89
47 ; 105
58 ; 122 71 ; 139
0,1
223
Ctedra I Estadstica II
Autor I Marn Saino
224