Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo 100403 Vol 2 Jeammy Sierra
Modulo 100403 Vol 2 Jeammy Sierra
Actualizacin
JEAMMY JULIETH SIERRA HERNNDEZ
(Director Nacional de Curso)
Evaluador
EMERSON CHAPARRO
IBAGU
JUNIO 2012
COMITE DIRECTIVO
Jaime Alberto Leal Afanador
Rector
Gloria Herrera
Vicerrector de Medios y mediaciones Pedaggicos
Inferencia Estadstica
Tercera Versin
Copyright
Universidad Nacional Abierta y a Distancia
ISBN
2012
Unidad de Ciencias Bsicas UNAD
CAMPOS DE
Bsica CRDITOS: 2 TRABAJO INDEPENDIENTE: 72
TIPO
DE
CURSO
Terico CDIGO:100403 ACOMPAAMIENTO
TUTORIAL: 24
FORMACIN
Horas
Horas
OBJETIVO GENERAL:
Que el estudiante comprenda, aplique y desarrolle la teora y las tcnicas de la
inferencia estadstica en diversos campos de su saber formativo, y que dicha
aplicacin se convierta en una herramienta de uso matemtico para la toma de
decisiones sobre hiptesis cuantitativas de datos, basado en la informacin
extrada de una muestra.
OBJETIVOS ESPECFICOS:
Que el estudiante identifique las tcnicas y procedimientos que se
deben emplear para que las muestras sean representativas de la poblacin
que se pretende estudiar, de forma que los errores en la determinacin de
los parmetros de la poblacin objeto de estudio sean mnimos.
Que el estudiante comprenda el comportamiento de una poblacin a
partir del anlisis metdico de una muestra aleatoria de la misma, y que
entienda que la inferencia inductiva de los parmetros estadsticos que
estime sobre dicha muestra, conlleva un error, el cual es posible de ser
cuantificado.
Conocer los criterios tcnicos que hay que tener en cuenta antes
de seleccionar un tamao de muestra.
Identificar el tipo de muestreo de acuerdo a los objetivos del estudio.
Diferenciar y analizar las ventajas y desventajas de la estimacin
por intervalos de confianza y las pruebas de hiptesis.
Determinar la prueba o tcnica apropiada a aplicar en las diferentes
pruebas de hiptesis paramtricas y No paramtricas.
COMPETENCIA GENERAL DE APRENDIZAJE:
Identificar un procedimiento adecuado para seleccionar de una poblacin una
parte de ella, con el fin de obtener resultados confiables y poder generalizar los
resultados obtenidos a toda la poblacin.
Determinar los estadsticos necesarios para el anlisis y solucin de situaciones
que implican conjuntos de datos de su disciplina de formacin, por medio del
UNIDADES DIDCTICAS
.................................................. 83
UNIDAD DOS:
PRUEBA DE HIPTESIS, ANLISIS DE VARIANZAS Y
ESTADSTICAS NO PARAMTRICAS
Objetivo general.
Contrastar la validez de una hiptesis o conjetura que se haya planteado en
relacin con una situacin determinada de la empresa, analizando errores
estadsticos posibles en las pruebas de hiptesis
Objetivos especficos.
10
*Meias
*Diferencia de Medias
*Medias
*Proporciones
*Diferencia de Proporciones
*Diferencia de Medias
Varianza
11
DECISIN SOBRE Ho
VERDADERA
FALSA
Aceptar H0
Correcta
Rechazar H0
Error tipo I
Nivel de significancia
Error tipo II
Correcta 1
Potencia de la prueba
Cuando se tiene una hiptesis esta puede ser verdadera o falsa y la decisin que
se toma en la prueba es aceptar o rechazar la hiptesis. Si la decisin que se
toma est de acuerdo con la realidad no se cometen errores, en este caso las
dos buenas decisiones son: aceptar la hiptesis nula cuando es cierta o rechazar
la hiptesis nula cuando es falsa.
Pero cuando la decisin no est de acuerdo con la realidad se pueden comete r
dos tipos de errores vistos anteriormente: rechazar la hiptesis nula cuando en
realidad es cierta, llamado error tipo I representado por alfa ( ); aceptar la
hiptesis nula cuando en realidad es falso, llamado error tipo II representado por
beta ( ), llamados tambin nivel de significancia. El procedimiento utilizado
consiste en limitarlos a un nivel preestablecido pequeo, generalmente 0.01
0.05. Este planteamiento se le denomina la potencia de la prueba y se
representa as:
Probabilidad de cometer el error tipo I
Probabilidad de rechazar Ho cuando es verdadera.
Probabilidad de NO cometer el error tipo I
(1 - ) Probabilidad de acertar la Ho cuando es verdadera.
Probabilidad de cometer el error tipo II
Probabilidad de aceptar Ho cuando es falsa.
Probabilidad de NO cometer el error tipo II
(1 - ) Probabilidad de rechazar Ho cuando es falsa.
Toda prueba de hiptesis determina una regin de rechazo de la hiptesis
llamada regin crtica, la cual depende del tipo de hiptesis que se pruebe y se
determina utilizando un nivel de significancia .
12
13
Prueba de hiptesis:
<
Ho
Verdadera)
Probabilidad
1
/2
/2
valor crtico
Regin de rechazo
Regin de aceptacin
Valor crtico
Regin de rechazo
14
Probabilidad
Ho
(Verdadera)
Valor crtico
Regin de rechazo
Regin de aceptacin
Probabilidad
Ho
(verdadera)
Valor crtico
Regin de aceptacin
Regin de rechazo
17.1.1.
15
H 0 : 0
H1 : 0
Estadstico de prueba para desviacin estndar poblacional conocida:
Ecuacin No.1
Rechazar H0 si z -Z o si Z Z
2
Ejemplo
La empresa coca cola ha establecido como poltica general para su produccin en
pequea escala, un promedio ( ) de llenado para sus envases de 200
centmetros cbicos con una desviacin estndar ( ) de 16 centmetros cbicos.
Dado que recientemente se han contratado y diseado nuevos mtodos de
produccin, utilizando un nivel de significancia del 0.01, se desea probar la
hiptesis, que el promedio de llenado sigue siendo de 200 centmetros cbicos.
Para tal efecto se tom una muestra de 100 envases llenos, los cuales mostraron
una media de llenado de 203.5 centmetros cbicos.
16
) es
17
17.1.2.
18
Con anterioridad de dijo que la hiptesis alternativa indica una direccin ya sea
mayor que o menor que, la prueba es de una cola. El procedimiento para
demostrar la hiptesis es por lo general igual a la prueba de dos colas, excepto
que el valor crtico es diferente. Ahora se modificar la hiptesis alternativa del
problema anterior, sobre el llenado de los envases de una factora de coca cola,
pues se sospecha que el promedio de llenado est por encima de lo que la
empresa determina (por eso en la hiptesis alterna se plantea una relacin mayor
que).
Paso 1: Planteamiento de hiptesis
H 0 : 200
H1 : 200
Prueba de
hiptesis para la
media (unilateral)
19
Probabilidad
Ho (verdadera)
200
|2.33
Escala Z
Regin de rechazo
Regin de aceptacin
la
media
(desconocida
la
desviacin
estndar
Ecuacin No.2
Ejemplo
Una cadena grande de almacenes expide su propia tarjeta de crdito y Ud. desea
saber si los saldos promedios por crditos de los clientes son mayores que 400
unidades monetarias. El nivel de significancia se fija en 0.05. Una revisin
aleatoria de 172 clientes, revel que el promedio por crdito de los clientes es de
407 unidades monetarias y la desviacin estndar de la muestra es de 38
20
unidades monetarias. Concluye UD. que la media poblacional es mayor que 400
unidades monetarias?
Paso 1: Planteamiento de hiptesis
H 0 : 400
H1 : 400
Dado que la hiptesis alternativa se enuncia mayor que, se aplica una cola a la
derecha, y como la muestra es grande (n >= 30), se aplica la distribucin normal
estandarizada en Z.
Paso 2: Nivel de significancia
El nivel de significancia se fija en 0.05
Paso 3: Estadstico de prueba (o calculado)
Z
X 407 400
2.42
S
38
n
172
Probabilidad
Ho (verdadera)
1- =0,95
= 0,05
200
|1,645
Regin de aceptacin
Unidades
monetarias de
crdito
Escala Z
|2.42
Regin de rechazo
21
) (
2
2
2
Ecuacin No.3
Ejemplo
Una obra de construccin requiere un gran nmero de bloques de concreto. Dos
empresas abastecedoras A y B licitan para su adjudicacin, y dentro del pliego de
condiciones se estipula que la resistencia mnima es de 1.000 unidades mtricas a
la resistencia, y el contrato se adjudicar a la empresa que mayor resistencia
presente su producto.
Paso 1: Planteamiento de hiptesis
Se plantea la hiptesis nula (Ho) que no existe diferencia entre las resistencias
medias a la compresin de los bloques de concreto. La hiptesis alternativa se
plantea en trminos que hay alguna diferencia significativa entre las dos
resistencias medias a la compresin. Simblicamente se expresa as:
22
H0 : A B
H1 : A B
Dado que la hiptesis alternativa no indica una direccin especfica, la prueba es
de dos colas
Paso 2: Nivel de significancia
Se elige un nivel de significancia de 0.01. Esto equivale a cometer un error de tipo
I. Se usar una distribucin normal estandarizada en Z, razn por la cual se debe
seleccionar una muestra que al menos contenga como mnimo 30 unidades de
bloque, cada una de las empresas licitantes.
2
2
2
Ecuacin No.4
Suponga que Ud. Seleccion una muestra de cada una de las empresas licitantes
y determin la resistencia a la compresin, con los siguientes resultados:
Tabla No.2 Resultados de muestra
Licitante A
Licitante B
= 1.070
X = 1.020
n = 81
n = 64
S = 63
S = 57
X1 X 2
S12 S 22
n1 n2
1.070 1.020
632 572
81
64
50
5.01
9.98827
23
Probabilidad
Ho (Verdadera)
0.01/2= 0.005
0.01/2=0.005
Resistencia ladrillos
|2.58
Regin de aceptacin
|5.01
Regin de rechazo
( 1 2 )( 1 2 )
2
2
1 2
1
2
Ecuacin No.5
Si
<
Recuerde que
<
24
entonces No se rechaza
Ejemplo
15
< 15
25
Comunidad 1
Comunidad 2
4
34 6
24
(35
2
1
1
2
2
2
346
18
) 15
24
4
1 195
Probabilidad
Ho
(Verdadera)
= 0.05
-1.195|
Regin de aceptacin
26
27
PP
P(1 P)
n
Ecuacin No.6
Dnde:
es la proporcin muestral.
es la proporcin poblacional.
es el tamao de la muestra.
X n p
n p q
Ecuacin No.7
Dnde:
X
P
Ejemplo
Suponga que para que lo elijan a Ud. como alcalde, es necesario que logre al
menos el 80% de los votos del barrio donde vive. Dado su inters decide hacer
una encuesta en el barrio con una muestra de 2.000 personas, para ver la
posibilidad y 1.550 dieron respuesta favorable por sus aspiraciones. Pruebe la
hiptesis de favorabilidad, con un nivel de significancia del 0.05.
Antes de realizar el procedimiento de los cinco pasos, veamos si cumple la
condicin de:
(n)(p)>5
(2.000)(0.8)>5 1.600>5
Cierto
(n)(1-p)>5
(2.000)(0.2)>5 400>5
Cierto
28
Ho : P 0.80
H1 : P 0.80
Paso 2: Nivel de significancia
La distribucin de probabilidad a utilizar es la normal estandarizada en Z, con un
nivel de significancia del 5%, con una cola a la izquierda.
Paso 3: Estadstico de prueba (o calculado)
PP
P(1 P)
n
Dnde:
es la proporcin muestral.
es la proporcin poblacional.
es el tamao de la muestra.
P(1 P)
P
n
PP
P(1 P)
n
1.550
0.80
0.775 0.80
0.025
2.000
2.80
0.0089443
0.80(1 0.80)
0.00008
2.000
29
Ejemplo
Probar al nivel de significancia del 0.01 la aseveracin que el 55% de las familias
que planean adquirir una residencia en Melgar desea su ubicacin en un
condominio. Para su estudio Ud. toma una muestra aleatoria de 400 familias que
planean comprar una residencia en Melgar, de las cuales 228 familias desean en
un condominio.
Paso 1: Planteamiento de hiptesis
La hiptesis nula se plantea diciendo que el 55% de las familias desean adquirir
residencia en un condominio en Melgar.
Ho : P 0.55
H1 : P 0.55
Paso 2: Nivel de significancia
La distribucin de probabilidad a utilizar es la normal estandarizada en Z, con un
nivel de significancia del 1%, con dos colas.
30
PP
P(1 P)
n
0.55
0.02
400
0.80
0.55(1 0.55) 0.0248747
400
280
( P1 P2 ) P1 P2
PC (1 PC ) PC (1 PC )
n1
n2
Ecuacin No.8
31
Dnde:
X1 X 2
Es la media ponderada de las proporciones muestrales.
n1 n2
X1
X2
Ho : P1 P2
H1 : P1 P2
Se designa P subuno como la proporcin de mujeres jvenes y P subdos como la
proporcin de mujeres maduras.
Paso 2: Nivel de significancia
Se decidi un nivel de significancia del 0.05.
32
PC
X1 X 2
20 100 120
0.40
n1 n2
100 200 300
P1 P2
PC (1 PC ) PC (1 PC )
n1
n2
20
100
0.30
100
200
5.0
0.06
0.40(1 0.40) 0.40(1 0.40)
100
200
33
Ejemplo
Dos lotes de frutas conformados cada uno por 250 unidades son tratados y
almacenados en iguales condiciones salvo que el lote No 1 est a temperatura
ligeramente inferior que el lote No 2. Pasado un tiempo se encuentra que el lote
No 1 hay 225 frutas sanas y en el lote No 2 hay 200 sanas. Probar la hiptesis que
la temperatura ms baja favorece la conservacin de las frutas al nivel de
significacin de 0.05.
Paso 1: Planteamiento de hiptesis
Ho : P1 P2
H1 : P1 P2
Paso 2: Nivel de significancia
Utilizando la distribucin de probabilidad normal con ensayo unilateral a la derecha
con un nivel significativo de 0.05, el valor critico es de 1.645.
P1 P2
PC (1 PC ) PC (1 PC )
n1
n2
PC
0.90 0.80
0.10
3.13
0.0319
(0.85)(0.15) (0.85)(0.15)
250
250
X 1 X 2 225 200
0.85
n1 n2
250 250
34
Ahora veamos el caso en que las muestras son pequeas, n 30 , pero donde la
distribucin muestral del estadstico de prueba se puede aproximar a una
distribucin t student. Dicha aproximacin es posible cuando los valores
subyacentes de la poblacin son casi normalmente distribuidos, y cuando
intervienen poblaciones donde las desviaciones estndar, aunque desconocidas,
se sabe que son iguales. Habiendo estudiado pruebas para muestras grandes con
todo detalle, podemos restringirnos a ejemplos en donde se aplique este tipo de
distribucin.
19.1. Prueba para media (pequea muestra)
Si tambin es razonable suponer que la poblacin tiene una distribucin normal de
probabilidad, con la distribucin t se puede hacer inferencia a cerca del valor de la
media de la poblacin.
Ejemplo
Una compaa de seguros revela que en promedio la investigacin por demandas
en accidentes y todos los trmites tiene un costo promedio de 60 unidades
monetarias. Este costo se considera exagerado comparado con el de otras
compaas del mismo tipo. A fin de evaluar el costo se seleccion una muestra
aleatoria de 26 demandas recientes y se realiz el estudio de costos. Se concluy
que el costo promedio es de 57 unidades monetaria con una desviacin estndar
de 10 unidades monetarias. Con un nivel de significancia del 0.01 se puede decir
que el estudio revel un costo menor al establecido por la empresa?
35
H 0 : 600
H1 : 600
La prueba es de una cola a la izquierda, segn el planteamiento de la hiptesis
alternativa.
Paso 2: Nivel de significancia
Se usa un nivel de significancia del 0.01 con una distribucin t, en consideracin
a que la muestra en menor a 30, es decir, es una pequea muestra.
Paso 3: Estadstico de prueba (o calculado)
Utilizando los datos de la muestra, se utiliza la siguiente frmula como estadstico
de prueba:
X 57 60
1.530
S
10
n
26
36
un nivel del 1% de significancia, se concluye que los costos para los tramites de
seguros de accidente no se han disminuido y se mantiene a un nivel promedio de
costo de 60 unidades monetarias.
Ejemplo
Una empresa produce elementos con un promedio de 43 mm de largo. Un ajuste
en las mquinas de produccin supone que dicho estndar ha cambiado. Se
quiere probar sta hiptesis con un nivel de significancia del 0.02.
Para afrontar el problema Ud. selecciona una muestra aleatoria de 12 elementos y
procede a medir su largor con los siguientes resultados:
Tabla No. 4. Seleccin muestra aleatoria
Elemento 1
10
11
12
Medida
39
42
45
43
40
39
41
40
42
43
42
42
H 0 : 43
H1 : 43
37
X
S
n
X
X
n
X X
498
41.5
12
n 1
35
1.78
11
X 41.5 43.0
2.92
S
1.78
n
12
38
( X 1 X 2 ) 1 2
S12 n1 1 S 22 n2 1 1 1
n1 n2 2
n1 n2
Ecuacin No.9
Dnde:
X1 y X 2
Ejemplo
Se ha propuesto realizar un examen de estadstica a dos grupos de estudiantes,
con el propsito de saber si los grupos tienen similares conocimientos sobre
pruebas de hiptesis. Para ello Ud. seleccion el grupo A compuesto de 5
39
Educacin a distancia
2
Educacin presencial
3
4
3
Ho : 1 2
H1 : 1 2
La hiptesis nula consistente en que los dos grupos no tienen alguna diferencia en
la habilidad de conocimiento, y la hiptesis alternativa en que existe diferencia
entre los grupos sobre la habilidad en la aplicacin de los conocimientos.
40
Grupo presencial
Media = 4
Media = 5
Varianza = 8.5
Varianza = 4.4
Muestra = 5
Muestra = 6
X1 X 2
2
1
n1 1 S n2
2
2
n1 n2 2
1 1
1
n2
n1
45
1
8.55 1 4.46 1 1
5 6
5
0.6620
Grfico No. 15. Prueba Bilateral (a dos colas). Diferencia de dos medias
41
128
105
119
140
98
123
127
115
122
145
Despus 135
110
131
142
105
130
131
110
125
149
En estas condiciones hay un par de ndices de eficiencia para cada miembro del
grupo, antes y despus del curso,; ste conjunto de pares es lo que se denomina
muestra por pares. La prueba de hiptesis que se realiza para determinar si hay
diferencia entre los ndices antes y despus del curso de nivelacin, es lo que
denomina prueba de diferencia por pares. Obsrvese que las dos muestras, una
antes y una despus, dependen entre s, debido a que los mismos alumnos estn
en ambas pruebas, por tanto son dependientes.
La muestra est constituida por la diferencia entre los registros de puntuacin
antes y despus del programa. As, la media de las diferencias entre los registros
de rendimiento, se designa mediante d . Se presenta a continuacin el
procedimiento de la prueba:
Paso 1: Planteamiento de hiptesis
Ho : d 0
H1 : d 0
La hiptesis nula plantea que no hay diferencia de eficiencia despus del curso. La
hiptesis alternativa plantea que el programa de nivelacin mejor el nivel de los
estudiantes.
42
d
Sd
n
Ecuacin No.10
Dnde:
d : es la media de la diferencia entre las observaciones por pares.
observaciones por
pares.
n: es el nmero de observaciones por pares.
G.L: son los grados de libertad (n 1)
Para determinar el clculo del estadstico de prueba se requiere conocer la media
de las diferencias y su desviacin estndar, para lo cual procedemos a su clculo
utilizando el siguiente cuadro:
Tabla No. 7. Calculo estadstico sobre diferencia de medias
Muestra
1
2
3
4
5
6
7
8
9
10
Sumas
Registro
antes
128
105
119
140
98
123
127
115
122
145
Registro
despus
135
110
131
142
105
130
131
110
125
149
Diferencia
d
7
5
12
2
7
7
4
-5
3
4
46
Diferencia al
cuadrado
49
25
144
4
49
49
16
25
9
16
386
43
d 46 4.60
n
10
d
d n
Sd
n 1
386
462
10
10 1
4.40
d
4.6
3.30
Sd
4.4
n
10
Grfico No. 16. Prueba unilateral superior (cola derecha). Prueba de hiptesis por pares
44
Ejemplo
La tasa media de rendimiento de dos tipos de acciones se puede apreciar en el
siguiente cuadro, se desea saber si el rendimiento promedio es diferente a un nivel
de significancia del 0.10.
Tabla No. 8. Tasa de rendimiento de las acciones
Acciones
Rendimiento
promedio
Desviacin
estndar
Tamao de la
muestra
Tipo A
56
12
Tipo B
58
45
hiptesis alternativa.
Paso 2: Nivel de significancia
Se selecciona un nivel de significancia de 0.01 utilizando la distribucin F.
Paso 3: Estadstico de prueba (o calculado)
El valor del estadstico de prueba sigue una distribucin F, con la siguiente
relacin:
S12 122
F 2 2 5.76
S2
5
Se acostumbra a colocar el mayor valor en el numerador, de tal forma que la
relacin siempre ser por lo menos igual a uno.
Paso 4: Estadstico terico (o tabulado) y regla de decisin
El valor crtico se obtiene del Anexo F, para lo cual se reproduce una parte de la
tabla. Debido a que utiliza una prueba de dos colas, el nivel de significancia para
cada cola ser de:
0.10 0.05
.
2
2
Grados de libertad para el numerador: n 1 = 7-1 = 6
Grados de libertad para el denominador: n 1 = 8 1 = 7
Para encontrar el valor crtico, se incorpora parte de la tabla F:
230
19.3
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
234
19.3
8.94
6.16
4.95
4.28
3.87
3.58
3.37
3.22
2.7
19.4
8.89
6.09
4.88
4.21
3.79
3.50
3.29
3.14
239
19.4
8.85
6.04
4.82
4.15
3.73
3.44
3.23
3.07
46
Ejercicios propuestos
A continuacin se proponen dos ejercicios para que los desarrolle aplicando las
sugerencias propuestas:
1. Se lanza una moneda 200 veces y se obtienen 105 caras. Si el nivel de
significancia es de 1% probar la hiptesis que la probabilidad de caras es de
contra la hiptesis:
a.
b.
c.
Que es mayor de .
Que es menor de .
Que es diferente de .
np 200 1 2 100
n p q 2001 2 1 2 7.07
X n p
n p q
X
S
n
47
ANALISIS DE
VARANIZA
De un Factor
De dos Factores
Con interaccin
48
Objetivo general.
Reconocer la importancia principios en que se basa y campos de aplicacin de la
tcnica de Anlisis de Varianza.
Objetivos especficos.
Comprender la nocin general del anlisis de varianza.
Realizar una prueba de hiptesis para determinar si dos varianzas
muestrales provienen de poblaciones iguales.
Probar e interpretar hiptesis aplicando el anlisis simple de varianza.
Establecer y organizar datos en una tabla de ANOVA de una y de dos
direcciones.
Plantear, probar e interpretar hiptesis de anlisis de varianza de dos
factores de diseo de bloque aleatorizado.
Plantear, probar e interpretar hiptesis de anlisis de varianza de dos
factores con interaccin o diseo de factorial.
Definir los trminos tratamientos y bloques.
Dar a conocer el manejo de la herramienta de Anlisis de varianza en
Excel.
49
21.
Del anlisis de varianza, podemos decir que esta tcnica estadstica normalmente
es utilizada para analizar resultados en la investigacin con diseos
experimentales y cuasi-experimentales; muchas veces necesitamos comparar dos
o ms distribuciones que corresponden a variaciones de una misma variable
dependiente, afectada por una o ms variables independientes.
Ejemplo
50
51
Nivel1
X11
X21
.
.
.
Xi1
Nivel 2
X12
X22
.
.
.
Xi2
Nivel j
X1j
X2j
.
.
.
Xij
52
X iJ i ij
Ecuacin No.11
Dnde:
Es la i-sima observacin del j-simo nivel experimental.
La media de todas las observaciones de todas las poblaciones j del tratamiento. Es
una constante.
Efecto del tratamiento en la poblacin j. Son variables aleatorias independientes.
Error aleatorio asociado a la i-sima observacin del factor de la poblacin j
i J .
Ecuacin No.12
J 1
J 1
J 1
i J J J 0
Ecuacin No.13
iJ X ij j
Ecuacin No.14
53
nj
X
j 1 i 1
ij
nt
Ecuacin No.15
Dnde: nt n1 n2 ... nK
nj
X ij
j 1 i 1
nt
nj
X ij
j 1 i 1
X
j 1
Ecuacin No.16
En otras palabras, cuando los tamaos de muestra son iguales, la media general
muestral es justamente el promedio de las medias de las K muestras.
54
55
Ejemplo 1
Suponga que una empresa tiene tres dependencias diferentes en donde produce
tubos de iluminacin, y desea verificar el control de calidad en cuanto a duracin
se refiere de las bombillas, y para ello toma una muestra de 6 unidades de cada
factora y las somete a desgaste hasta que dejan de iluminar con los siguientes
resultados en horas:
34
20
32
5.83
4.47
5.66
18
474
444
396
1314
2
J
S
SJ
nJ
n
X
J !
iJ
X
J 1
nJ
79 74 66 219
73
18
3
Se observa que se obtienen las medias para cada tratamiento (79, 74 y 66) y una
media general (73). Para llevar a cabo la prueba de la igualdad de las medias de
la poblacin, se subdivide la variacin total en dos mediciones:
Diferencia entre los grupos.
Diferencia dentro de los grupos.
La varianza de la muestra total se particiona en la varianza dentro de las plantas y
la varianza entre las plantas, tal como se indica en el siguiente grfico:
Variacin
Total (VT)
Variacin Dentro
del Grupo (VDG)
Variacin Entre
Grupo (VEG)
VT X ij X
j 1 i 1
X
VT
3
i 1
Ecuacin No.17
J 1
56
ij
85 73 75 73 ... 71 73 75 73 ...
2
VDG X ij X j
j 1 i 1
Ecuacin No.18
VEG n j X j X
j 1
VEG n6 X X
J 1
Ecuacin No.19
57
siguiente cuadro:
Tabla No. 12. Componentes del anlisis de varianza
Variacin
Entre tratamiento
Suma cuadrados
K
n
j 1
Dentro o error
X
k
X
k
X j
ij
j 1 i 1
ij
j 1 i 1
Total
Grados libertad
(K-1)
(n-K)
(n-1)
Cuadrado medio
Distribucin F
VET
A
K 1
VDT
B
n k
A
B
VT
n 1
Suma cuadrados
Entre
tratamiento
516
Grados
libertad
(K-1)= 2
Dentro o error
430
(n-K)=15
Total
946
(n-1)=17
Cuadrado
medio
Distribucin F
516
258.00
2
430
28.67
15
258
8.99
28.67
Rechaza H0 si
A
Valor crtico
B
Para el caso la relacin es igual a 8.99 mayor que el valor crtico 3.68, entonces se
tienen pruebas suficientes para rechazar la hiptesis nula consistente en que las
58
Altura
Especie
Altura
8.52
8.52
8.13
6.45
6.43
7.17
7.41
6.21
8.40
7.15
7.07
8.87
8.73
8.83
6.12
7.55
8.53
8.91
6.54
7.84
8.81
7.74
8.59
7.40
8.65
7.41
8.19
8.81
8.94
8.56
59
Sumas
Promedio
Observaciones
6.45
8.73
8.52
8.83
8.53
8.94
8.40
8.91
8.19
8.56
84.06
8.406
10
42.56
7.093
6
7.41
8.65
8.81
8.59
8.87
8.81
7.55
7.74
7.84
7.41
7.40
6.54
7.07
7.17
51.14
8.523
6
37.94
7.588
5
20.78
6.926
3
236.48
7.707
30
Gran media =
nj
ij
j 1 i 1
nt
8.52 7.15 ... 6.45 8.76 ... 7.41 8.65 ... .... 236.48
7.882666
30
30
X
k
j 1 i 1
8.52 7.88 ... 6.12 7.88 ... 7.07 7.88 7.17 7.88
2
ij
24.0741867
X
k
j 1 i 1
X j
ij
8.52 7.09 ... 6.45 8.406 ... 7.41 8.523 .... 7.17 6.926
11.9584533
60
n
j 1
12.1157333
Suma cuadrados
12.1157333
11.9584533
24.0741867
Grados libertad
(K-1)= 4
(n-K)=25
(n-1)=29
Cuadrado medio
3.0289
0.4783
Distribucin F
6.332
Leccin 23.
Posteriori)
Las pruebas "a posteriori" son un conjunto de pruebas para probar todas las
posibles medias que podra ser diferente al rechazar la hiptesis.
Existen varias, (Duncan, Newman-Keuls, LSD): todas ellas muy parecidas. Usan el
rango (diferencia entre medias) de todos los pares de muestras como estadstico y
dicho rango debe superar un cierto valor llamado mnimo rango significativo para
considerar la diferencia significativa.
La principal diferencia con respecto a la t-student radica en que usan MSE como
estimador de la varianza, es decir un estimador basado en todas las muestras.
61
Dnde:
VEF c X i. X
i 11
Error de
muestreo, E
VE X ij X . j X i. X
Total, T
VT X ij X
j 1 i 1
j 1 i 1
c 1
MCA
VEC
c 1
MCA
MCE
r 1
MCB
VEF
r 1
MCB
MCE
MCE
VE
r 1c 1
cuadrtica, Relacin F
VEC r X . j X
j 1
Grados
de Media
Libertad, gl
MC
r 1c 1
rc 1
62
X
j 1 i 1
ij
Suponga que existen cuatro parcelas diferentes las cuales son sometidas
sucesivamente a seis tipos de insumos y se piensa que la produccin es afectada
por el tipo de insumo y mantenimiento a que es sometida. Se desea probar los
diferentes tratamientos afectan la produccin por parcela, y la produccin es la
siguiente:
Tabla No. 19. Rendimientos en kilos por parcela
Tratamiento
RENDIMIENTO EL KILOS
Parcela 1
Parcela 2
Parcela 3
Parcela 4
Total
Medias
A
B
C
D
E
F
70
77
76
80
84
78
61
75
67
63
66
68
82
88
90
96
92
98
74
76
80
76
84
86
287
316
313
315
326
330
71.75
79.00
78.25
78.75
81.50
82.50
Totales
Medias
465
77.50
400
66.67
546
91.00
476
79.33
1.887
78.625
Los totales por grupo (parcelas) y sus correspondientes promedios, los totales y
los promedios por tratamientos o bloques (insumo y manteniendo), as como la
gran media se indican en el cuadro.
Adems de las estadsticas representadas en el cuadro, se tiene:
r 6;
c 4;
n rc 24
63
X
j 1 i 1
ij
rc
1.887
78,625
24
VT X ij X
j 1 i 1
VEC r X . j X
j 1
Ecuacin No.21
VEF c X i. X
i 11
Ecuacin No.22
VE X ij X . j X i. X
j 1 i 1
Ecuacin No.23
64
.
.
86 - 79.33 - 82.50 78,625
244.79
MCA
VEC 1.787,46
595,82
c 1
4 1
MCB
VEF 283.38
56,676
r 1
6 1
MCE
VE
224.79
224.79
14,986
r 1c 1 6 14 1
15
595,820
Entre
Bloques
283.38
6-1=5
224.79
(6-1)(4-1)=15
2.295.63
(6)(4)-1=23
Error
Total
VEF
283.38
5
56,676
224.79
15
14,986
VE
medio
595.82
14,986
39,758
56,676
F
14,986
3,782
F
65
66
X ijk Valor de la k - sima observaci n del nivel i del factor A t del nivel j del factor B.
X ij Suma de los valores de la celda ij (las observacio nes del nivel i del factor A y del nivel j del factor B.
X i.. Suma de los valores de la hilera i del factor A.
X.j. Suma de los valores de la columna j del factor B.
GT Gran total de todos los valores en todas las hileras y columnas.
r Nmero de niveles del factor A.
c Nmero de niveles del factor B.
n ' Nmero de valores(replicas) para cada celda.
n Nmero total de observacio nes del experiment o (con n r.c.n '
67
ms adelante.
Tabla resumen para el anlisis de varianzas de dos vas con ms de una
observacin por clula se resume en el siguiente cuadro:
Entre grupos
de tratamiento
A
Entre grupos
de
tratamiento, B
Interaccin
entre factores
A y B.
VEGA
i 1
X .2j .
j 1
rn'
VEGB
VEAB
i 1 j 1
X .2j .
j 1
rn'
Error
de
muestreo, E
X i2.. GT
cn '
rcn'
'
rcn'
r
i 1
X i2..
cn '
rcn'
r
VE X ijk2
i 1 j 01 k 1
Total, T
X ij2
GT 2
Media
MC
c 1
VEGA
r 1
BEGB
MCB
c 1
VEABI
MCC
r 1c 1
r 1
cuadrtica,
MCA
r 1c 1
Relacin F
MCA
MCE
MCB
F
MCE
MCI
F
MCE
F
GT 2
n'
Grados
de
libertad, gl
n'
i 1 j 1
VT X ijk2
i 1 J 1 K 1
X ij2.
n
'
GT 2
rc n' 1
MCE
VE
rcn' 1
rcn' 1
rcn'
Ejemplo
Para ilustrar el modelo factorial de dos factores, suponga que UD como dueo y
propietario de una cadena de supermercados est interesado en saber el efecto
de la colocacin de los estantes en la venta de un producto. Para ello estudia 4
posibles lugares distintos donde colocar los estantes: Colocacin normal entre el
pasillo(A), colocacin ingreso del pasillo (B), colocacin a la entrada del pasillo con
impulsadora (C) y colocacin normal con propaganda (D). Se toman ventas
aleatorias en las jornadas de la maana, tarde y noche y los resultados de las
ventas semanales se resumen en la siguiente tabla:
JORNADA
COLOCACIN ESTANTE
A
B
45
56
50
63
57
69
65
78
70
75
78
82
365
423
60.83
70.50
Maana
Tarde
Noche
Totales
Medias
C
65
71
73
80
82
89
460
76.67
D
48
53
60
57
71
75
364
60.67
Totales
451
Medias
56,375
539
67,375
622
77,750
1.612
67,167
X 1.. 451
n' 2
X 3.. 622
X 2.. 539
X .1. 365
X 11. 95
X 21. 122
X 31. 148
X .2. 423
X 12. 119
X 22. 147
X 31. 157
X .3. 460
X 13. 136
X 23. 153
X 33. 171
X .4. 364
X 14. 101
X 24. 117
X 34. 146
GT 1.612
r
n'
X
i 1 j 1 k 1
2
ijk
110.100,75
'
42
i 1 cn
r
j 1
109.375
32
rn'
X .2j .
i 1 j 1
GT 2
rcn'
X ij2.
n'
1.6122
108.272.66
342
68
n'
VT X ijk2
i 1 J 1 K 1
GT 2
rcn'
X i2.. GT
VEGA '
110.100.75 108.272.66 1.828.09
rcn'
i 1 cn
2
X .2j .
j 1
rn'
VEGB
GT 2
rcn'
VEAB
i 1 j 1
X i2.. c X . j . GT
'
'
n'
rcn'
i 1 cn
j 1 rn
X ij2
n'
VT X
i 1 J 1 K 1
2
ijk
GT
rcn'
MCA
VEGA 1.828.09
914.045
r 1
3 1
MCB
BEGB 1.102.34
367.447
c 1
4 1
69
MCC
VEABI
88.91
14,818
r 1c 1 3 14 1
MCE
VE
258
21.5
'
rc n 1 342 1
70
Suma de los
cuadrados, SC
Grados de libertad,
gl
Media
cuadrtica, MC
Relacin
F
1.828.09
3 1 2
914.045
42.51
1.102.34
4 1 3
367.447
17.09
14.818
0.69
88.91
258
3.277.34
3 14 1 6
342 1 12
342 1 23
21.5
71
X ij
n'
95
47.5
2
119
2
136
2
101
50.5
2
122
2
147
2
153
2
117
148
74.0
2
157
78.5
2
171
85.5
2
146
73.0
2
X 11.
X 21.
61.0
X 31.
X 12.
X 22.
73.5
X 32.
76.5
X 33.
58.5
X 34.
X 13.
X 14.
X 23.
X 24.
Ventas
A
B
C
D
Maana
Tarde
Jornada
Noche
72
73
EJERCICIOS COMPLEMENTARIOS
1.
Un inspector de un distrito escolar quiere estudiar el ausentismo de los
profesores de diversos grados escolares. Se seleccionaron muestras aleatorias de
profesores en escuelas primarias, secundarias, y preparatorias, y el nmero de
das de ausencia el ao anterior fue como sigue:
Primaria
7
4
10
6
5
Secundaria
13
14
9
8
7
10
Preparatoria
7
2
6
9
9
rea 2
10
16
28
25
7
17
rea 3
32
8
16
27
17
20
19
21
20
Calabacita
redonda
86
74
88
76
Calabacita
comn
40
48
54
46
Calabaza
alargada
30
36
42
34
74
Calabacita
rayada
48
54
42
56
18-24
6.31
4.27
5.75
25-29
7.64
5.36
3.85
6.24
Edad
30-39
8.37
9.26
10.16
6.48
7.86
40-59
11.23
10.64
8.32
9.00
7.53
60 y ms
6.74
7.36
5.12
Excelente
94
90
85
80
Psimo
68
70
72
65
74
75
65
Instruccin
programada
6
7
6
5
6
Calificaciones
Lecturas
Televisin
8
5
8
6
8
7
9
6
8
5
Grupos de
discussion
8
5
6
6
5
Marca 2
14
17
12
19
Marca 3
21
19
20
23
Marca 4
14
21
25
20
76
Ron
4
4
4
4
4
Consumo de alcohol
2 onzas
Tequila Brandy Ron
7
5
9
5
6
4
6
4
8
3
4
2
9
7
11
Tequila
10
6
10
12
12
3 onzas
Brandy
8
7
8
13
10
Ron
12
5
12
11
12
9.
El gerente de menudeo de una cadena de tiendas desea determinar si la
ubicacin del producto tiene o no algn efecto sobre la venta de juguetes de
peluche en forma de animales. Se van a considerar tres ubicaciones diferentes en
el pasillo: frente, centro y atrs. Se seleccion una muestra de 18 tiendas y se hizo
una asignacin aleatoria en seis tiendas para cada ubicacin en el pasillo. Los
juguetes estaban presentados en cuatro figuras de animales diferentes. Al final de
un periodo de prueba de una semana las ventas de los productos fueron como
sigue:
osos
86
72
54
40
50
62
frente
perros
gatos
81
76
77
82
49
44
45
50
45
40
67
72
len
71
87
39
55
35
77
osos
20
32
24
18
14
16
centro
perros
gatos
16
19
36
32
20
23
22
18
10
13
20
16
len
24
29
28
15
18
13
osos
46
28
60
22
28
40
Atrs
Perros
gatos
51
56
24
20
65
68
18
16
33
34
36
36
len
56
21
66
19
30
41
77
10.
El departamento de nutricin de cierta universidad lleva a cabo un estudio
para determinar si hay diferencia o no en el contenido de cido ascrbico entre
tres diferentes marcas de concentrado de jugo de naranja. Se hacen cuatro
pruebas de los tres tipos de concentrado de jugo de naranja que fue congelado
durante tres periodos de tiempo diferentes (en das). Los resultados, en
miligramos de cido ascrbico por litro, son los siguientes:
MARCA
0
RICA
BUENA
BARATA
52.6
49.8
56.0
49.6
52.5
51.8
54.2
46.5
48.0
48.4
52.0
53.6
TIEMPO ( DAS )
3
49.4
49.2
42.8
53.2
48.8
44.0
44.0
42.4
48.0
47.0
48.2
49.6
7
42.7
40.4
49.2
42.0
48.5
45.2
48.8
47.6
44.0
43.2
43.3
47.6
Ambiente
28
12
36
83
101
94
Libre
22
25
23
10
33
41
14
76
33
122
56
83
36
86
22
58
35
23
72
48
60
89
136
120
Restringido
25
32
91
31
35
83
126
110
38
64
153
128
93
19
99
118
87
140
78
Temperatura
85
78
90
92
85
87
Caliente
88
75
78
92
60
88
80
72
76
76
70
68
82
75
86
88
76
55
Caliente
83
75
88
76
74
57
85
73
76
77
78
54
13.
Los puntajes obtenidos en una prueba de rendimiento motor hecha a dos
grupos de estudiantes que participan en deportes universitarios, el primer grupo
est formado por estudiantes que practicaron deporte en la preparatoria, mientras
que el segundo est formado por estudiantes que no practicaron deporte en la
preparatoria. Los puntajes obtenidos por ambos grupos son los siguientes:
GRUPO 1
GIMNASIA
FUTBOL
55
56
59
40
63
59
58
70
50
52
52
43
69
28
77
37
60
51
GRUPO 2
FUTBOL
GIMNASIA
55
58
86
48
56
58
65
54
32
51
55
42
79
45
45
32
79
MUCH A. MONEY
PSICOLOGA
CRIMINOLOGA
7.5
5.5
5.5
3.5
4.5
9.5
8.5
3.4
6.8
3.2
15.
En una secundaria se formaron al azar dos grupos de estudiantes,
formados por alumnos de todos los grados. En un grupo se utiliz un nuevo
mtodo de enseanza. En el otro se utilizaron los mtodos tradicionales. Las
calificaciones al final del curso fueron las siguientes:
MTODO TRADICIONAL
PRIMERO SEGUNDO TERCERO
8
9
8.5
6.5
10
10
7
8
9
8
7
8.5
6
7.5
8
8
8
8
MTODO NUEVO
PRIMERO SEGUNDO TERCERO
7.5
8
8
8.5
7
10
7.5
5
10
8
8
9
9
7
8.5
7.5
9
9
80
81
Objetivo general.
Contrastar la validez de hiptesis o conjetura sobre la relacin entre variables y
sobre las distribuciones de probabilidad terica que adoptan dichas variables, sin
sujetarse a los condicionamientos de la validez de supuestos paramtricos.
Objetivos especficos.
82
83
Ecuacin No.24
= Frecuencias Observadas
= Frecuencias Esperadas
K= Nmero de observaciones
Si las frecuencias observadas coinciden o se aproximan mucho a las esperadas,
el valor estadstico
tiende a cero. Por el contrario, si las frecuencias
observadas difieren significativamente de las esperadas, el valor del estadstico
ser positivo y tan grande cuantos mayores sean las diferencias entre las
frecuencias. Bajo estas condiciones se tiene que la regin de rechazo es slo la
regin derecha (cola derecha o unilateral superior), cuando la hiptesis son las
siguientes:
: Los datos provienen de una muestra al azar de una poblacin
distribuida de acuerdo a
un modelo terico.
: Los datos no provienen de una poblacin distribuida de acuerdo al
modelo terico.
En una prueba de hiptesis usando Ji-cuadrado las frecuencias esperadas se
calculan suponiendo que La hiptesis nula es cierta
84
Ecuacin No.25
85
5
14
15
23
16
9
3
3
1
1
0
90
= 0.05.
93 7563 9
3 75
86
0
1
2
3
4
5
6
7
8
9
10 o mas
5
14
15
23
16
9
3
3
1
1
0
90
( )
0,050
0,149
0,224
0,224
0,168
0,101
0,050
0,022
0,008
0,003
0,001
1,000
4,481
13,443
20,164
20,164
15,123
9,074
4,537
1,944
0,729
0,243
0,099
90
87
Estadstico de prueba
D = mxima
Sn(x): es la funcin de distribucin emprica.
Tiene varias ventajas: es una prueba poderosa y fcil de utilizar, puesto que no
requiere que los datos se agrupen de determinada manera.
88
SUGERENCIAS:
89
decir que si tenemos un empate en las posiciones 2 y 3 se les asigna el valor 2.5 a
ambas). Ahora calculamos R+ la suma de todos los rangos de las diferencias
positivas, aquellas en las que Xi es mayor que M0 y R- la suma de todos los
rangos correspondientes a las diferencias negativas. Si la hiptesis nula es cierta,
ambos estadsticos debern ser parecidos, mientras que si nuestros datos tienen a
ser ms altos que la mediana M0, se reflejar en un valor mayor de R+, y al
contrario si son ms bajos. Se trata de contrastar si la menor de las sumas de
rangos es excesivamente pequea para ser atribuida al azar, o, lo que es
equivalente, si la mayor de las dos sumas de rangos es excesivamente grande.
29.2. Wilcoxon para contrastar datos pareados
El mismo razonamiento lo podemos aplicar cuando tenemos una muestra de
parejas de valores, por ejemplo antes y despus del tratamiento, que podemos
denominar (X1,Y1), (X2,Y2), ... ,(Xn,Yn). De la misma forma, ahora calcularemos
las diferencias X1-Y1, X2-Y2, ... , Xn-Yn y las ordenaremos en valor absoluto,
asignndoles el rango correspondiente. Calculamos R+ la suma de rangos
positivos (cuando Xi es mayor que Yi), y la suma de rangos negativos R-. Ahora la
hiptesis nula es que esas diferencias proceden de una distribucin simtrica en
torno a cero y si fuera cierta los valores de R+ y R- sern parecidos.
90
Ejercicios propuestos
1. Cinco antiguos pacientes son seleccionados aleatoriamente del ala A de un
hospital y cuatro pacientes son seccionados del ala B. Los pacientes estuvieron
los siguientes nmeros de das:
Ala A
Ala B
13
10
4
9
2
7
10
8
91
3
1
4
9
8
2
R/ta: 16
3. En una partida de Rol se lanza 200 veces un dado de cuatro caras
obtenindose 60 veces el nmero 1, 45 veces el nmero 2, 38 veces el nmero
3 y 57 veces el nmero 4. Se puede aceptar, a un nivel de confianza del 95%,
que estos resultados corresponden a un dado homogneo.
R/ta: Se acepta de la hiptesis que los resultados corresponden a un dado
homogneo
4. En una encuesta preelectoral realizada a 500 personas se obtuvo la
siguiente distribucin en funcin de sus edades y de su intencin de
voto:
Partido
A
B
C
D
Edad
18 35
10
15
45
30
35 50
40
70
60
30
50 o ms
60
90
35
15
92
Autoevaluacin
1.
Los miembros de un equipo ciclista se dividen al azar en tres grupos
que entrenan con mtodos diferentes. El primer grupo realiza largos recorridos
a ritmo pausado, el segundo grupo realiza series cortas de alta intensidad y el
tercero trabaja en el gimnasio con pesas y se ejercita en el pedaleo de alta
frecuencia. Despus de un mes de entrenamiento se realiza un test de
rendimiento consistente en un recorrido cronometrado de 9 Km. Los tiempos
empleados fueron los siguientes:
Mtodo I
15
16
14
15
17
13
12
11
14
11
A un nivel de confianza del 95% Puede considerarse que los tres mtodos
producen resultados equivalentes? O por el contrario Hay algn mtodo
superior a los dems?
Solucin:
E estadstico de contraste vale: F = 13,4/ 1,43 = 9,37
El valor de la F terica con 2 y 12 grados de libertad, a un nivel de confianza
del 95% es 3,89. Por consiguiente se rechaza la hiptesis nula y se concluye
que los tres mtodos de entrenamiento producen diferencias significativas.
(Tomado de problemas de anlisis de datos Tema 14 Anlisis de varianzas: Jos
Mara Salinas)
Test No Parmetro
2.
En una partida de Rol se lanza 200 veces un dado de cuatro caras
obtenindose 60 veces el nmero 1, 45 veces el nmero 2, 38 veces el nmero
3 y 57 veces el nmero 4. Se puede aceptar, a un nivel de confianza del 95%,
que estos resultados corresponden a un dado homogneo.
Solucin:
Paso 1: La hiptesis nula ser que el dado es homogneo, esto implica que la
distribucin de los nmeros es uniforme, es decir que los cuatro nmeros
tienen una probabilidad de aparecer de 0,25.
93
ni
pi
Np i
ni-np i
(ni-np i)2
60
45
38
57
0,25
0,25
0,25
0,25
50
50
50
50
10
-5
-12
7
100
25
144
49
(ni2
0,5
2,88
0,98
4,36
18 - 35
10
15
45
30
35 - 50
40
70
60
30
50 o ms
60
90
35
15
110
175
140
75
500
35 50
44
70
56
30
50 o ms
44
70
56
30
50 o ms
256
400
441
225
94
4.
Los tiempos de respuesta de 9 sujetos en una tarea de reconocimiento
de palabras, previamente presentadas, han sido los siguientes:
115, 98, 123, 109, 112, 87, 118, 104, 116
A un nivel de confianza del 95% Son compatibles estos resultados con la
hiptesis de que el tiempo de reaccin en esta tarea sigue una distribucin
Normal de media 110 y desviacin tpica 10?
Solucin:
1 La hiptesis nula es que los datos proceden de una Normal (110, 10).
2 La hiptesis alternativa es que no siguen esa distribucin Normal.
3 Como la variable es continua, y la hiptesis nula especfica totalmente la
distribucin utilizaremos el test de Kolmogoroff-Smirnoff, cuyo estadstico de
contraste es:
max | Fn (xi ) - Mn(xi) |
4 los clculos del estadstico se especifican en la siguiente tabla:
95
xi
zi
87
-2,3
Fn
0,0107
Mn
0,1111
|Fn -Mn | 0,1004
98
-1,2
0,1151
0,2222
0,1071
104
-0,6
0,2743
0,3333
0,059
109
-0,1
0,4602
0,4444
0,0158
112
0,2
0,5793
0,5556
0,0237
115
0,5
0,6915
0,6667
0,0248
116
0,6
0,7257
0,7778
0,0521
118
0,8
0,7881
0,8889
0,1008
96
123
1,3
0,9032
1
0,0968
97
REFERENTES
Alvarado, J. A., Obagi, J.J. (2008). Fundamentos de Inferencia Estadstica.
Pontificia Universidad Javeriana. Bogot. D.C. Colombia. Extrado el 18 de octubre
de
2012
de
http://books.google.com.co/books?id=3uhUqvF0_84C&printsec=frontcover&dq=inf
erencia&source=bl&ots=DC7Ajfx6Os&sig=pOn4JMXwSC0qd0FmDBlpoMGQLkg&
hl=es&sa=X&ei=_2qAUKmEJaqG0QHT6YGwBw&ved=0CD0Q6AEwAw
Web del Instituto Tecnolgica De Chihuahua curso Estadstica 1 ITC (s. f).
Extrado
el
18
de
octubre
de
2012
de:
http://www.itch.edu.mx/academic/industrial/estadistica1/cap02.html.