2011 Minitab 15

Dra.
Josefa Marn Fernndez

Departamento de Estadstica e Investigacin Operativa
Facultad de Matemticas. Universidad de Murcia
Manual de MINITAB 15
(con aplicaciones a las
Ciencias de la Documentacin)
Murcia, 2011
Contenidos
1. Introduccin a Minitab
1.1. Elementos de Minitab para Windows . . . . . . . . . . . . . . . . . . . . . . .
1.2. Barra de mens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3. Entrada de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4. Grabacin de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5. Lectura de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6. Opciones principales del men Calc . . . . . . . . . . . . . . . . . . . . . . .
1.6.1. Operaciones por filas mediante la opcin CalcCalculator . . . . . .
1.6.2. Operaciones por columnas mediante la opcin CalcColumn Statistics
1.6.3. Operaciones por filas mediante la opcin CalcRow Statistics . . . .
1.6.4. Tipificacin de datos . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.5. Creacin de datos por patrn . . . . . . . . . . . . . . . . . . . . . . .
1.6.6. Creacin de resultados aleatorios de una distribucin conocida . . . . .
1.7. Opciones principales del men Data . . . . . . . . . . . . . . . . . . . . . . .
1.7.1. Apilamiento de columnas . . . . . . . . . . . . . . . . . . . . . . . .
1.7.2. Desapilamiento de columnas . . . . . . . . . . . . . . . . . . . . . . .
1.7.3. Ordenacin de los datos . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.4. Codificacin o clasificacin de datos . . . . . . . . . . . . . . . . . . .
1.8. Algo ms sobre la ventana Session . . . . . . . . . . . . . . . . . . . . . . . .
1.9. Algo ms sobre la ventana Proyect Manager . . . . . . . . . . . . . . . . . . .
1.10. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2. Estadstica descriptiva
2.1. Distribucin de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Estadstica descriptiva con la opcin Stat Basic Statistics Display Descriptive
Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Representaciones grficas con la opcin Stat Basic Statistics Display Descriptive Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4. Representaciones grficas con la opcin Graph . . . . . . . . . . . . . . . . . . . .
3
7
7
8
9
10
11
11
11
12
14
14
14
15
15
15
16
16
16
17
17
18
21
21
21
23
24
Contenidos
2.4.1. Histograma . . . . . . . . . . . . . . . . . . . . . . . .
2.4.2. Diagrama de sectores o de pastel . . . . . . . . . . . . .
2.4.3. Diagrama de barras . . . . . . . . . . . . . . . . . . . .
2.4.3.1. Diagrama de barras simple . . . . . . . . . .
2.4.3.2. Diagrama de barras agrupado (o apilado) . . .
2.4.4. Diagramas bivariantes . . . . . . . . . . . . . . . . . .
2.4.4.1. Diagrama de dispersin o nube de puntos . . .
2.4.4.2. Representacin grfica de una funcin y=f(x) .
2.5. Correlacin y regresin lineal . . . . . . . . . . . . . . . . . . .
2.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . .
3. Variables aleatorias
3.1. Muestras aleatorias de las distribuciones usuales .
3.2. Funcin de densidad y funcin de probabilidad .
3.3. Funcin de distribucin (probabilidad acumulada)
3.4. Inversa de la funcin de distribucin (percentiles)
3.5. Ejercicios propuestos . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4. Contrastes no paramtricos en una poblacin

4.1. Contraste de aleatoriedad de la muestra . . . . . . . . . . . . . . . . .
4.2. Contrastes de Normalidad . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. Contraste chi-cuadrado sobre independencia de dos variables aleatorias
4.3.1. Datos en una tabla de doble entrada . . . . . . . . . . . . . . .
4.3.2. Datos en dos (o tres) columnas . . . . . . . . . . . . . . . . . .
4.4. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
24
25
26
26
27
28
28
29
30
31
.
.
.
.
.
35
35
35
37
38
39
.
.
.
.
.
.
43
43
44
44
44
45
47
5. Contrastes paramtricos en una poblacin

5.1. Contrastes sobre la media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.1. Contraste sobre la media cuando la desviacin tpica poblacional es conocida
5.1.2. Contraste sobre la media cuando la desviacin tpica poblacional es desconocida
5.2. Contrastes sobre la varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3. Contrastes sobre la proporcin . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
51
51
53
54
55
57
6. Contrastes paramtricos en dos poblaciones

6.1. Comparacin de dos varianzas con muestras independientes . . . . . . . . . . . . .
6.2. Comparacin de dos medias con muestras independientes . . . . . . . . . . . . . . .
6.2.1. Comparacin de dos medias con muestras independientes y varianzas poblacionales desconocidas pero iguales . . . . . . . . . . . . . . . . . . . . . . .
6.2.2. Comparacin de dos medias con muestras independientes y varianzas poblacionales desconocidas y distintas . . . . . . . . . . . . . . . . . . . . . . . .
6.3. Comparacin de dos medias con muestras apareadas . . . . . . . . . . . . . . . . .
59
59
61
61
63
64
Contenidos
6.4. Comparacin de dos proporciones . . . . . . . . . . . . . . . . . . . . . . . . . . .

65
67
7. Contrastes no paramtricos en dos o ms poblaciones

7.1. Contraste de homogeneidad con dos o ms muestras independientes (Kruskal-Wallis)
7.2. Contraste de homogeneidad con dos o ms muestras apareadas (Friedman) . . . . . .
7.3. Contraste chi-cuadrado sobre homogeneidad de dos o ms poblaciones . . . . . . . .
73
73
74
75
78
1
Introduccin a Minitab
1.1.
Elementos de Minitab para Windows
Al ejecutar Minitab 15 aparece la pantalla de la Figura 1.

Como en cualquier otra aplicacin Windows, esta pantalla inicial puede modificarse en cuanto al
tamao y a la disposicin de sus elementos. Se trata de una ventana tpica de una aplicacin Windows
que, de arriba a abajo, consta de los siguientes elementos:
En la primera lnea aparece la barra de ttulo con el nombre de la ventana y los botones de
minimizar, maximizar y cerrar.
En la segunda lnea est la barra de mens con los 10 mens que luego comentaremos.
Las lneas tercera y cuarta conforman la barra de herramientas donde, mediante botones con iconos, se representan algunas de las operaciones ms habituales. Si pasamos el puntero del ratn
por cualquiera de ellos, aparecer en la pantalla un texto indicando la funcin que se activa.
Despus aparece la ventana de sesin (Session). Es la parte donde aparecen los resultados de los
anlisis realizados. Tambin sirve para escribir instrucciones, como forma alternativa al uso de
los mens.
A continuacin tenemos la hoja de datos (Worksheet). Tiene el aspecto de una hoja de clculo, con
filas y columnas. Las columnas se denominan C1, C2, . . ., tal como est escrito, pero tambin
se les puede dar un nombre, escribindolo debajo de C1, C2, . . . Cada columna es una variable
y cada fila corresponde a una observacin o caso.
En la parte inferior aparece (minimizada) la ventana de proyecto (Proyect Manager). En Minitab
un proyecto incluye la hoja de datos, el contenido de la ventana de sesin, los grficos que se
hayan realizado, los valores de las constantes y de las matrices que se hayan creado, etc.
Para activar la ventana de sesin (Session) podemos hacer clic sobre ella o podemos hacer clic
sobre su icono en la barra de herramientas (primer icono de la Figura 2). Para activar la hoja de
datos (Worksheet) podemos hacer clic sobre ella o podemos hacer clic sobre su icono en la barra de
7
Dra. Josefa Marn Fernndez
Figura 1: Pantalla inicial de Minitab 15
herramientas (segundo icono de la Figura 2). Para activar la ventana de proyecto (Proyect Manager)
podemos maximizarla o podemos hacer clic sobre su icono en la barra de herramientas (tercer icono
de la Figura 2).
Figura 2: Iconos para activar las ventanas de sesin, de datos o de proyecto
1.2.
Barra de mens
A continuacin se da un resumen de lo que se puede encontrar en la barra de mens:

File: Mediante este men se pueden abrir, crear o grabar los diferentes archivos que Minitab emplea,
ya sean de datos, instrucciones, resultados o procesos. Igualmente, es posible controlar las tareas
de impresin.
Edit: Permite realizar las tareas habituales de edicin: modificar, borrar, copiar, pegar, seleccionar,
etc.
Manual de MINITAB 15 (con aplicaciones a las Ciencias de la Documentacin)
Data: Este men permite, entre otras cosas, efectuar modificaciones en los archivos de datos: extraer
un subconjunto de datos, apilar y desapilar, ordenar, codificar, etc.
Calc: Aqu se encuentran todas las opciones relativas a la modificacin y generacin de nuevas variables, clculo de los estadsticos, introduccin de datos por patrn, clculo de las distribuciones
de probabilidad, etc.
Stat: Mediante este men se accede a los diferentes anlisis estadsticos que se pueden realizar con
los datos.
Graph: Permite la creacin y edicin de diversos tipos de grficos. Algunos de ellos son tambin
accesibles a travs de determinadas tcnicas estadsticas.
Editor: Tiene distintas opciones segn est activada la ventana de sesin o la hoja de datos. Con
la ventana de sesin activada permite, por ejemplo, que se pueda escribir en dicha ventana en
lenguaje de comandos.
Tools: Entre otras cosas, permite personificar la barra de herramientas y la barra de mens.
Windows: Dispone de las funciones habituales para controlar las ventanas.
Help: Proporciona ayuda al usuario en el formato tpico de Windows.
Para salir del programa se selecciona la opcin File Exit o se pulsa el botn de la esquina superior
derecha: .
1.3.
Entrada de datos
Antes de realizar ningn anlisis estadstico es necesario tener un conjunto de datos en uso, para
lo cual podemos proceder de cuatro formas:
Escribirlos a travs del teclado.
Obtenerlos desde un archivo.
Pegarlos.
Generarlos por patrn o de forma aleatoria.
Para introducir datos a travs del teclado, activamos, en primer lugar, la ventana de datos. En la
parte superior aparece C1, C2, C3, . . . y debajo un espacio en blanco para poner el nombre de cada
variable. La flechita del extremo
superior izquierdo de la hoja de datos seala hacia dnde se mueve

el cursor al pulsar la tecla Intro . Por defecto apunta hacia abajo, ; si se hace clic sobre ella, apuntar
hacia la derecha, . Para escribir
datos por columna no hay ms que situarse en la casilla del caso 1,

teclear el dato y pulsar la tecla Intro . La casilla activa se mover hacia abajo. Si tecleamos datos que
no son numricos podemos observar que junto a CJ aparece un guin y la letra T (es decir, CJ T ),
lo que significa que Minitab reconoce que la variable es cualitativa (o de texto).
Por ejemplo, podemos introducir los datos de la Figura 3, correspondientes a las calificaciones de
una muestra de 8 alumnos en un determinado examen y el tiempo empleado en realizar dicho examen.
Si el nombre de la variable (columna) no es suficientemente explicativo, podemos escribir una
descripcin de la variable para poder consultarla en cualquier momento. Para ello, hacemos clic sobre
10
Figura 3: Ejemplo para introducir datos a travs del teclado
el nombre de la variable (o sobre su nmero de columna: CJ); pulsamos con el botn derecho del
ratn y seleccionamos ColumnDescription.
Para cambiar el formato de una variable (columna) numrica, hacemos clic sobre el nombre de la
variable (o sobre su nmero de columna: CJ); pulsamos con el botn derecho del ratn y seleccionamos Format ColumnNumeric. Esta opcin es importante, por ejemplo, para cambiar el nmero de
decimales que se muestran en la hoja de datos.
Una hoja de datos puede contener hasta 4 000 columnas, 1 000 constantes y hasta 10 000 000 de
filas, dependiendo de la memoria que tenga el ordenador.
1.4.
Grabacin de datos
Una vez introducidos los datos, stos pueden guardarse en un archivo para poder ser utilizados en
cualquier otro momento.
Para guardar nicamente la hoja de datos hay que seleccionar FileSave Current Worksheet As (si
vamos a grabar el archivo de datos por primera vez y, por tanto, vamos a ponerle un nombre a dicho
archivo) FileSave Current Worksheet (si el archivo de datos ya tiene nombre pero queremos guardar
los ltimos cambios realizados). Por ejemplo, podemos guardar los datos de la Figura 3 en un archivo
que denominaremos Notas_Tiempo.mtw. Para ello, elegimos la opcin FileSave Current Worksheet As;
en Guardar en seleccionamos la carpeta en la que vamos a grabar esta hoja de datos; en Nombre escribimos Notas_Tiempo (Minitab le asigna automticamente la extensin .mtw) y, por ltimo, pulsamos en
Guardar.
Si queremos grabar toda la informacin (la hoja de datos, el contenido de la ventana de sesin, los
grficos que se hayan realizado, los valores de las constantes y de las matrices que se hayan creado,
etc.) usaremos la opcin FileSave Project As (si vamos a grabar el proyecto de Minitab por primera
vez y, por tanto, vamos a ponerle un nombre a dicho archivo) FileSave Project (si el proyecto ya
tiene nombre pero queremos guardar los ltimos cambios realizados). Es muy importante diferenciar
entre archivos de datos (.mtw) y archivos de proyectos (.mpj).
Tambin se puede guardar solamente la ventana de sesin. Para ello, la activamos y seleccionamos
la opcin FileSave Session Windows As.
1.5.
11
Lectura de datos
Un archivo slo puede ser recuperado de la forma en que fue grabado. Si se ha grabado como hoja
de datos (.mtw) se recupera con la opcin FileOpen Worksheet. Si se ha grabado como proyecto de
Minitab (.mpj) se recupera con la opcin FileOpen Proyect.
Normalmente los archivos de datos de Minitab 15 se encuentran en C:\Archivos de programa\Minitab
15\English\Sample Data y, como ya sabemos, llevan la extensin .mtw.
Por ejemplo, podemos abrir el archivo de datos Pulse.mtw. Su contenido fue recogido en una clase
de 92 alumnos. De cada estudiante se observ su pulso antes de correr, Pulse1; su pulso despus de
correr, Pulse2; si corri o no, Ran (1=S corri, 2=No corri); si es fumador o no, Smokes (1=S fuma,
2=No fuma); el sexo, Sex (1=Hombre, 2=Mujer); su altura en pulgadas, Height; su peso en libras,
Weight; y su nivel de actividad fsica, Activity (0=Ninguna actividad fsica, 1=Baja, 2=Media, 3=Alta).
Se puede encontrar ms informacin de este archivo de datos con la opcin HelpHelpIndice. Bajo
la frase Escriba la palabra clave a buscar se teclea Pulse.mtw y despus se hace clic en Mostrar o se hace
doble clic sobre el nombre de dicho archivo.
Con la opcin FileOpen Worksheet se pueden leer otros tipos de archivos de datos, como hojas
de clculo de Excel, Lotus 1-2-3, dBase, etc. Para tener informacin ms detallada sobre el tipo de
archivos que se pueden leer, se puede seleccionar FileOpen Worksheet y, en el cuadro de dilogo
resultante, se hace clic sobre Ayuda.
1.6.
Opciones principales del men Calc
Si queremos que en la ventana de sesin (Session) aparezcan los comandos que va a utilizar Minitab
en las opciones que vamos a explicar en los siguientes apartados, activamos la ventana de sesin y
luego seleccionamos EditorEnable Commands.
1.6.1.
Operaciones por filas mediante la opcin CalcCalculator
En este apartado vamos a ver el modo de generar nuevas variables mediante transformaciones
efectuadas sobre los valores de las variables ya definidas.
Para practicar esta opcin tendremos abierto el archivo de datos Pulse.mtw.
En la Tabla 4 se encuentran recogidos los operadores aritmticos, relacionales y lgicos que estn
permitidos. Tanto las expresiones aritmticas como las lgicas se evalan de izquierda a derecha.
Todas las expresiones entre parntesis se evalan antes que las que estn fuera de los parntesis y ante
varios operadores en el mismo nivel, el orden de preferencia (de mayor a menor) es el que figura en
la Tabla 4 (de arriba hacia abajo).
Para construir una nueva variable mediante transformaciones de otras ya existentes, se tiene que
elegir la opcin Calc Calculator, con lo que se abre una ventana que tiene cinco partes fundamentales:
arriba a la derecha est el lugar para escribir el nombre de la nueva variable (Store result in variable), a
la izquierda aparece la lista de variables y constantes existentes, a la derecha est el lugar destinado a
la definicin de la nueva variable (Expression), debajo hay una calculadora y la lista de funciones que
se pueden utilizar (Functions).
En primer lugar se asigna un nombre a la variable que queremos generar, escribiendo el mismo en
el cuadro Store result in variable. Normalmente se va a tratar de una variable nueva, pero tambin cabe
12
()
Parntesis
<
Menor que
Exponenciacin
>
Mayor que
Multiplicacin
<=
Menor o igual que
Divisin
>=
Mayor o igual que
AND
Operador Y
Suma
Igual que
OR
Operador O
Resta
<>
No igual que
NOT
Operador NO
(a) Operadores aritmticos
(b) Operadores relacionales
(c) Operadores lgicos
Tabla 4: Operaciones aritmticas, relacionales y lgicas
la posibilidad de especificar una de las ya existentes. En tal caso la modificacin consistir en sustituir
los valores antiguos de la variable con los nuevos resultantes de la transformacin numrica que se
efecte.
Una vez que se ha asignado el nombre a la variable, el siguiente paso es definir la expresin que va
a permitir calcular los valores de la misma. Tal expresin se escribe en el cuadro Expression y puede
constar de los siguientes elementos: nombres de variables del archivo original, constantes, operadores
y funciones. Para escribir dicha expresin, se puede teclear directamente pero es recomendable emplear la calculadora, la lista de variables y constantes y la lista de funciones (haciendo clic dentro
del recuadro Expression y haciendo doble clic sobre la variable, sobre la constante o sobre la funcin).
Una vez que hemos terminado de escribir la expresin, pulsamos en OK.
Por ejemplo, del archivo de datos Pulse.mtw vamos a calcular la media geomtrica de las variables
Pulse1 y Pulse2 (raz cuadrada del producto de ambas variables; es decir, producto de ambas variables
elevado a 1/2). Para ello, seleccionamos la opcin CalcCalculator; en Store result in variable tenemos
que teclear la posicin de la columna que contendr los resultados (una columna, CJ, que est vaca)
o el nombre que queremos darle a dicha columna.
En este cuadro de dilogo (en realidad, en todos los cuadros de dilogo de Minitab), cuando haya
que escribir el nombre de una nueva variable (columna) y el nombre contenga espacios en blanco,
guiones, parntesis, etc., entonces hay que escribirlo entre comillas simples. La comilla simple
suele estar en la misma tecla que el smbolo de cerrar interrogacin.
En nuestro ejemplo, junto a Store result in variable vamos a teclear Media geomtrica Pulse1 Pulse2.
En Expression tenemos que colocar (utilizando, como hemos dicho, la calculadora y la lista de variables) la operacin que se realiza para determinar la media geomtrica indicada: (Pulse1 *
Pulse2)**(1 / 2). Por ltimo, pulsamos en OK.
1.6.2.
Operaciones por columnas mediante la opcin CalcColumn

Statistics
La opcin CalcColumn Statistics calcula, para una columna (variable), uno de los estadsticos
siguientes:
Sum
suma
n
X
i=1
xi
n
X
xi
i=1
Mean
media aritmtica
x=
Standard deviation
desviacin tpica corregida
S=
Minimum
mnimo dato
xmin
Maximum
mximo dato
xmax
Range
recorrido total
R = xmax xmin
Median
mediana=valor que deja por debajo de l el 50 % de los datos

n
X
suma de cuadrados
x2i
Sum of squares
13
n
v n
uX
u
(xi x)2
u
t
i=1
n1
i=1
N total
nmero total de casos=N nonmissing+N missing
N nonmissing
nmero de casos para los cuales sabemos el resultado de la variable = n
N missing
nmero de casos para los cuales no sabemos el resultado de la variable
El resultado del estadstico calculado se puede almacenar (opcionalmente) en una constante, si lo

indicamos en Store result in.
Por ejemplo, del archivo de datos Pulse.mtw vamos a determinar la desviacin tpica corregida de
los datos de la columna Height y vamos a guardar el resultado en una constante que vamos a denominar
desv-Altura. Para ello, seleccionamos CalcColumn Statistics; activamos la opcin Standard deviation;
hacemos clic en el recuadro que hay a la derecha de Input variable y seleccionamos (haciendo doble
clic sobre su nombre) la columna Height; en Store result in tecleamos desv-Altura (con comillas simples,
al principio y al final, por llevar guiones) y pulsamos en OK. Minitab guarda esta constante tambin
como K1 (o, en general, KJ, con J = 1, 2, 3, . . .). Esta constante se puede consultar, en cualquier
momento, en la ventana Proyect Manager (concretamente, en Worksheets\Pulse.mtw\Constants) y puede
ser utilizada en clculos posteriores.

Importante No
es posible cambiar el nmero de decimales de los resultados que aparecen en la ventana

de sesin. Hay una forma de aumentar el nmero de decimales de un resultado
solamente en el caso en que sea posible almacenar dicho resultado en una constante; es decir,
si en el cuadro de dilogo en el cual estamos solicitando a Minitab que calcule dicho resultado
aparece la opcin de guardar el resultado. Si, por ejemplo, tenemos guardado un resultado en
la constante K1 y queremos tener una precisin de 6 decimales, hacemos lo siguiente: seleccionamos DataCopyConstants to Column; hacemos clic en el recuadro que hay debajo de
Copy from constants y seleccionamos (haciendo doble clic sobre su nombre) la constante K1;
en In current worksheet, in column tenemos que teclear la posicin de la columna que contendr
el resultado (una columna, CJ, que est vaca) o el nombre que queremos darle a dicha columna.
14
Recordemos que si el nombre contiene espacios en blanco, guiones, parntesis, etc., hay que
escribirlo entre comillas simples. Si hemos puesto un nombre a esta columna, desactivamos Name the column containing the copied data. Por ltimo, pulsamos en OK. Una vez que tenemos la
constante K1 copiada en una columna, podemos cambiar su formato como hemos visto anteriormente: hacemos clic sobre el nombre de la variable (o sobre su nmero de columna: CJ);
pulsamos con el botn derecho del ratn; seleccionamos Format ColumnNumeric; activamos
Fixed decimal; en Decimal places tecleamos 6 y pulsamos en OK.
1.6.3.
Operaciones por filas mediante la opcin CalcRow Statistics
La opcin CalcRow Statistics calcula los mismos estadsticos del apartado anterior, pero por filas,
en vez de por columnas. En este caso, a diferencia del anterior, es totalmente necesario rellenar el
recuadro Store result in ya que los resultados forman una nueva variable o columna.
Por ejemplo, del archivo de datos Pulse.mtw vamos a hallar la media aritmtica (por filas) de la
variables Pulse1 y Pulse2 y guardar los resultados en una nueva columna (variable) que denominaremos
Media aritmtica Pulse1 Pulse2. Para ello, seleccionamos CalcRow Statistics; activamos la opcin Mean;
hacemos clic en el recuadro que hay debajo de Input variables y seleccionamos (haciendo doble clic
sobre sus nombres) las columnas Pulse1 y Pulse2; en Store result in tecleamos Media aritmtica Pulse1
Pulse2 (con comillas simples, al principio y al final, por tener espacios en blanco) y pulsamos en OK.
Las operaciones realizadas con esta opcin tambin pueden realizarse mediante CalcCalculator.
1.6.4.
Tipificacin de datos
Esta opcin se entender mejor cuando estudiemos la tipificacin de una variable aleatoria Normal
(Tema 6).
Con la opcin CalcStandardize se calcula, en una nueva columna (variable), los datos tipificados
o estandarizados de una de las columnas de nuestra hoja de datos. Hay varias formas de tipificar los
datos pero la ms usual es la siguiente: Si xi son los datos de la muestra, x es la media (aritmtica)
y s es la desviacin tpica, los datos tipificados o estandarizados son zi = (xi x)/s. Esto se logra
dejando activada la opcin subtract mean and divide by standard deviation.
Por ejemplo, vamos a crear una nueva variable (columna), que denominaremos Pulse1 Tipificada, que
contendr los datos de Pulse1 tipificados. Para ello, seleccionamos CalcStandardize; en Input columns
seleccionamos (haciendo doble clic sobre su nombre) la columna Pulse1; en Store results in tecleamos
Pulse1 Tipificada (con comillas simples, al principio y al final, por tener espacios en blanco); dejamos
activada la opcin Substract mean and divide by standard deviation y pulsamos en OK.
Las operaciones realizadas con esta opcin tambin pueden realizarse mediante CalcCalculator.
1.6.5.
Creacin de datos por patrn
Con la opcin CalcMake Patterned Data se generan datos siguiendo un determinado patrn.
Por ejemplo, si queremos generar una lista de los siguientes 100 nmeros: 00 01, 00 02, 00 03, . . ., 1,
seguiremos los siguientes pasos:
Como estos datos no tienen nada que ver con los datos del archivo Pulse.mtw, abrimos una nueva
hoja de datos con la opcin FileNew. En el cuadro de dilogo que aparece seleccionamos Minitab
15
Woorksheet. A esta nueva hoja de datos Minitab le asignar el nombre Worksheet J, siendo J un
nmero natural. Luego podemos cambiarle el nombre con la opcin FileSave Current Worksheet As.
Seleccionamos, a continuacin, la opcin CalcMake Patterned DataSimple Set of Numbers. En Store
patterned data in podemos teclear C1 o un nombre, por ejemplo Patrn entre 0 y 1 (con comillas simples,
al principio y al final, por tener espacios en blanco). En From first value tecleamos 0,01, en To last value
escribimos 1 y en In steps of ponemos 0,01. Tanto en List each value como en List the whole sequence dejamos lo que est puesto por defecto, que es 1. Una vez obtenida la nueva columna vamos a denominar
Ejemplo_Practica_1.mtw a la nueva hoja de datos utilizando la opcin FileSave Current Worksheet As.
1.6.6.
Creacin de resultados aleatorios de una distribucin conocida
La utilidad principal de esta opcin la veremos en el captulo 3.

En Minitab podemos generar datos de distribuciones usuales utilizando la opcin CalcRandom
Data.
Por ejemplo, en el archivo de datos Ejemplo_Practica_1.mtw vamos a generar 100 datos de una distribucin Uniforme en el intervalo (0, 1) (es decir, 100 nmeros aleatorios comprendidos entre 0 y 1).
Para ello, seleccionamos la opcin CalcRandom DataUniform; en Number of rows of data to generate
ponemos 100; en Store in column escribimos el nombre de la nueva columna: 100 datos de U(0,1) (con
comillas simples, al principio y al final, por tener espacios en blanco y parntesis); en Lower endpoint
tecleamos 0 y en Upper endpoint escribimos 1.
1.7.
Opciones principales del men Data
Slo se explicarn algunas de las opciones ms utilizadas del men Data. En el cuadro de dilogo
de cada opcin existe un botn Help que la explica bastante bien.
1.7.1.
Apilamiento de columnas
Con la opcin DataStackColumns se pueden apilar varias columnas en una sola. Opcionalmente
se puede indicar de qu columna procede cada valor mediante una nueva variable (subndices). Si no
se hace esta indicacin no se podr identificar la procedencia de cada dato.
Para practicar esta opcin vamos a apilar los datos de la columna Patrn entre 0 y 1 y de la columna 100 datos de U(0,1) del archivo de datos Ejemplo_Practica_1.mtw. Para ello, seleccionamos la opcin
DataStackColumns; activamos el recuadro Stack the following columns y seleccionamos (haciendo
doble clic sobre sus nombres) las dos columnas que queremos apilar: Patrn entre 0 y 1 100 datos de
U(0,1); en Store stacked data in activamos la opcin Column of current worksheet y tecleamos la posicin
de una columna que est vaca, por ejemplo, C3. En Store subscripts in tecleamos la posicin de la
columna en la que queremos guardar la procedencia de cada dato, por ejemplo, C4. Es conveniente
dejar activada la opcin Use variable names in subscript column.
16
1.7.2.
Desapilamiento de columnas
La opcin DataUnstack columns permite separar una columna en varias segn los valores de la
columna de alguna variable (que contiene los subndices). Esta opcin es la contraria de la explicada
en el apartado anterior.
Por ejemplo, de la hoja de datos Pulse.mtw vamos a desapilar los resultados de la variable Pulse2
(pulso despus de correr) segn los resultados de la variable Ran (corri o no?). Para ello, seleccionamos DataUnstack Columns; en Unstack the data in seleccionamos (haciendo doble clic sobre su
nombre) la variable o columna Pulse2; en Using subscripts in seleccionamos (haciendo doble clic sobre
su nombre) la columna que contiene la procedencia de cada dato, que es Ran; en Store unstacked data in
activamos la opcin After last column in use y dejamos activado Name the columns containing the unstaked
data.
1.7.3.
Ordenacin de los datos
La opcin DataSort ordena los datos de una columna segn los resultados de una o varias columnas. Lo normal es ordenar una columna segn los resultados de dicha columna. Esto es lo que vamos
a explicar.
Por ejemplo, en la hoja de datos Pulse.mtw vamos a crear una nueva variable (columna), designada
por Pulse1 ordenado, que contenga los resultados de la variable Pulse1 ordenados de menor a mayor.
Para ello, seleccionamos DataSort; en Sort column seleccionamos (haciendo doble clic sobre su nombre) la variable Pulse1; en By column volvemos a seleccionar la misma columna. Si dejamos desactivada
la opcin Descending la ordenacin se har de menor a mayor resultado, que es lo que queremos. En
Store sorted data in activamos Column of current worksheet y tecleamos el nombre que queremos ponerle
a dicha columna: Pulse1 ordenado (con comillas simples, al principio y al final, por tener espacios en
blanco).
Tenemos que tener cuidado con la ordenacin de columnas debido a que los resultados de esta
nueva variable no guardan correspondencia con los casos originales. Por ejemplo, la primera persona
observada tiene un pulso antes de correr (resultado de Pulse1) igual a 64 pulsaciones por minuto, no 48
pulsaciones por minuto, como nos ha salido en el primer lugar de la columna Pulse1 ordenado. Como
podemos observar, el menor valor de Pulse1 es 48 y el mayor valor es 100.
1.7.4.
Codificacin o clasificacin de datos
La opcin DataCode permite la clasificacin o codificacin de los datos de una columna. Se

puede codificar transformando datos numricos en datos numricos, datos numricos en datos de
texto, datos de texto en datos de texto, datos de texto en datos numricos, etc.
Por ejemplo, con la hoja de datos Pulse.mtw podemos codificar la variable Pulse1 de la forma siguiente:
intervalo de Pulse1
nueva categora
[48,65]
Pulso bajo
(65,83]
Pulso medio
(83,100]
Pulso alto
17
Para ello, seleccionamos DataCodeNumeric to Text. En Code data from columns seleccionamos
(haciendo doble clic sobre su nombre) la variable Pulse1. En Store coded data in column escribimos el
nombre la nueva variable, por ejemplo, Codificacin de Pulse1 (con comillas simples, al principio y al
final, por tener espacios en blanco). En la primera lnea de Original values escribimos 48:65 (todos los
resultados comprendidos entre 48, incluido, y 65, incluido) y en la primera lnea de New escribimos
Pulso bajo. En la segunda lnea de Original values escribimos 65:83 (todos los resultados comprendidos
entre 65, sin incluir, y 83, incluido) y en la segunda lnea de New escribimos Pulso medio. En la tercera
lnea de Original values escribimos 83:100 (todos los resultados comprendidos entre 83, sin incluir, y
100, incluido) y en la tercera lnea de New escribimos Pulso alto.
1.8.
Algo ms sobre la ventana Session
Ya hemos visto que una de las utilidades de la ventana de sesin es la de servir para la presentacin
de los comandos aplicados en cada opcin de las que hemos realizado. Adems, podemos repasar
resultados obtenidos con anterioridad movindonos hacia arriba en dicha ventana. Los resultados
incluidos en la ventana de sesin pueden grabarse como un archivo de texto (.txt) activando dicha
ventana y seleccionando FileSave Session Window As. Tambin podemos usar las opciones de marcar,
copiar y pegar para pasar los resultados obtenidos a editores de texto. Adems, es posible imprimir
todos sus contenidos activando dicha ventana y seleccionando FilePrint Session Window.
Una vez seleccionada la ventana de sesin, la activacin de la opcin EditorEnable Commands
permite ejecutar los comandos de Minitab.
Por ejemplo, si tecleamos en la ventana de sesin (tras

MTB >) Mean C1 y pulsamos el botn Intro , el programa calcula media aritmticade los datos de la
columna C1 de la hoja de datos activa. Si escribimos Let K2=1/3 y pulsamos el botn Intro , el programa
guarda el valor 1/3 en la correspondiente constante. Si tecleamos ahora Print K2, el programa nos da el
valor de dicha constante.
Lgicamente, es ms sencillo el manejo de Minitab utilizando los mens, pero los comandos
pueden incorporarse posteriormente a los programas (macros) que construyamos. Adems, una vez
habilitado el lenguaje de comandos, cuando ejecutemos una opcin del men, sta se escribir en la
ventana de sesin, con lo que podremos ver cul es la sintaxis concreta del comando que queremos
utilizar.
Para que el contenido de la ventana de sesin pueda modificarse, debemos activar dicha ventana y
seleccionar EditorOutput Editable, con lo que podemos rectificar fcilmente cualquier error, modificar
comandos ejecutados anteriormente o simplemente preparar los resultados para ser imprimidos.
Una vez activada la opcin EditorOutput Editable, la ventana de sesin es el lugar en el que se
ejecutan los macros o programas, tanto los que construyamos nosotros como los que incluye Minitab
o los realizadas por otros usuarios. Los macros llevan la extensin .mac y normalmente estn incluidos
en el directorio C:\Archivos de programa\Minitab 15\English\Macros. En la versin 15 de Minitab solamente se incluyen cuatro macros, pues los resultados del resto de los macros de la versin anterior
pueden conseguirse con distintas opciones de los mens.
1.9.
Algo ms sobre la ventana Proyect Manager
Esta ventana presenta toda la informacin disponible en forma de directorios. Resulta ser especialmente til cuando se maneja una gran cantidad de datos. El directorio Session nos muestra, de forma
18
resumida y organizada, la informacin correspondiente a dicha ventana. El directorio History presenta

(en lenguaje de comandos) todas las operaciones que hemos realizado. A diferencia de lo que ocurra con la ventana de sesin, no sirve para ejecutar comandos ni macros, y en l no se muestran los
resultados de la ejecucin de los comandos. En este directorio aparece solamente el programa de las
operaciones que hemos realizado, y su contenido puede consultarse o copiarse directamente para la
realizacin de macros. Los directorios de datos, Worksheets, contienen informacin sobre las columnas
(variables), constantes y matrices manejadas en cada ventana de datos que se est utilizando. Adems, indican el nmero de datos incluidos en una columna, as como los datos ausentes de la misma
(Missing).
1.10.
Ejercicios propuestos
Ejercicio 1.1 En la Tabla 5 se muestra el nmero anual de usuarios de una biblioteca determinada y
el nmero anual de prstamos durante 10 aos elegidos al azar.
ao
usuarios
prstamos
296
155
459
275
602
322
798
582
915
761
1145
856
1338
1030
1576
1254
1780
1465
10
2050
1675
Tabla 5
a) Crea un nuevo proyecto de Minitab.

b) Introduce los datos (sin incluir, obviamente, la primera columna, que indica el nmero de
caso). Pon los siguientes nombres a las dos variables: Usuarios y Prstamos. Graba la hoja
de datos en un archivo denominado Prestamos.mtw
c) Calcula, en una nueva columna, la variable que indica el porcentaje anual de prstamos
por usuario, resultado de multiplicar por 100 el resultado de dividir el nmero anual de
prstamos entre el nmero anual de usuarios. Pon a la nueva variable el siguiente nombre:
PPU. Haz que los resultados aparezcan con tres decimales. Pon una etiqueta descriptiva a
esta variable. Vuelve a grabar la hoja de datos.
d) Calcula el mnimo y el mximo de la variable PPU.
e) Clasifica los datos de la variable PPU en 4 categoras o intervalos de la misma amplitud.
Llama a la nueva variable Intervalos PPU. Las categoras han de denotarse como lo hacemos
en las clases de teora; es decir, [a, b] o (a, b] (sustituyendo, obviamente, a y b por los
lmites de los intervalos de clase). Vuelve a grabar la hoja de datos.
19
f) Graba el proyecto con el siguiente nombre: Ejercicio1-1.mpj

Ejercicio 1.2 En la Tabla 6 aparece el nmero anual de transacciones de referencia y el nmero anual
de transacciones de referencia finalizadas en 20 biblioteca elegidas al azar.
biblioteca
tipo de biblioteca
transacciones de referencia
transacciones de referencia finalizadas
11500
9400
8600
7200
20400
18100
5800
4600
6500
5800
13700
10900
12400
11200
5300
4700
6700
5600
10
15600
12500
11
1900
1700
12
9600
7800
13
8400
6900
14
6200
4900
15
7700
5900
16
5600
4200
17
6200
4900
18
4800
3500
19
3800
2600
20
2400
2200
Tabla 6

b) Introduce los datos (sin incluir, obviamente, la primera columna, que indica el nmero
de caso). Pon los siguientes nombres a las variables: Tipo, TR y TRF. Pon una etiqueta
descriptiva a cada variable. En lo que respecta a la variable Tipo hay que dejar claro que el
valor 1 significa biblioteca pblica y el valor 2 significa biblioteca universitaria. Graba la
hoja de datos en un archivo denominado Transacciones.mtw
c) Crea una nueva variable, denominada Tipo biblioteca, que contenga las categoras de la variable Tipo designadas de la siguiente manera: bib. pblica (en vez de 1) y bib. universitaria
(en vez de 2). Vuelve a grabar la hoja de datos.
d) Calcula, en una nueva columna, la variable que indica el porcentaje de transacciones de
referencia finalizadas, que se determina multiplicando por cien el resultado de dividir el
nmero anual de transacciones de referencia finalizadas entre el nmero anual de transacciones de referencia. Pon a la nueva variable el siguiente nombre: Porcentaje TRF. Haz que
20
los resultados aparezcan con 5 decimales. Pon una etiqueta descriptiva a esta variable.
Vuelve a grabar la hoja de datos.
e) Desapila los resultados de la variable Porcentaje TRF segn los resultados de la variable
Tipo biblioteca. Calcula la media aritmtica de estas dos nuevas columnas. Interpreta los
resultados.
f) Ordena los datos de la variable Porcentaje TRF en orden creciente. Pon un nombre adecuado a la nueva columna. Pon una etiqueta descriptiva a esta columna. A partir de esta
ordenacin determina el valor mnimo y el valor mximo de Porcentaje TRF.
g) Clasifica los datos de la variable Porcentaje TRF en 3 categoras o intervalos de la misma amplitud. Llama a la nueva variable Intervalos Porcentaje TRF. Las categoras han de denotarse
como lo hacemos en las clases de teora; es decir, [a, b] o (a, b] (sustituyendo, obviamente,
a y b por los lmites de los intervalos de clase). Vuelve a grabar la hoja de datos.
h) Graba el proyecto con el siguiente nombre: Ejercicio1-2.mpj
2
Estadstica descriptiva
2.1.
Distribucin de frecuencias
Con Minitab, para determinar la distribucin de frecuencias de una (o ms variables) utilizamos

la opcin StatTables Tally Individual Variables.
Para practicar esta opcin, podemos abrir el archivo de datos (Worksheet) Pulse.mtw. Recordemos
que su contenido fue recogido en una clase de 92 alumnos. De cada estudiante se observ su pulso
antes de correr, Pulse1; su pulso despus de correr, Pulse2; si corri o no, Ran (1=S corri, 2=No
corri); si es fumador o no, Smokes (1=S fuma, 2=No fuma); el sexo, Sex (1=Hombre, 2=Mujer); su
altura en pulgadas, Height; su peso en libras, Weight; y su nivel de actividad fsica, Activity (0=Ninguna
actividad, 1=Baja, 2=Media, 3=Alta).
Si queremos saber el nmero de casos (frecuencia absoluta) y el porcentaje de cada una de las
categoras de la variable Activity, utilizamos la opcin StatTablesTally Individual Variables; en el recuadro Variables seleccionamos, de la lista de variables de la izquierda, la columna Activity y en Display
activamos Counts y Percents. Podemos ver, en la ventana de sesin (Session), que hay 21 alumnos con
nivel alto de actividad fsica, y que un 663 % de ellos tiene un nivel medio de actividad fsica.
2.2.
Estadstica descriptiva con la opcin Stat Basic

Statistics Display Descriptive Statistics
En el captulo anterior vimos que la opcin CalcColumn Statistics calcula, para una columna (o
variable), uno de los estadsticos siguientes: Sum (suma), Mean (media arimtica), Standard deviation
(desviacin tpica corregida), Minimum (mnimo resultado), Maximum (mximo resultado), Range (recorrido o amplitud total), Median (mediana), Sum of squares (suma de cuadrados), N total (nmero total de
casos o tamao muestral), N nonmissing (nmero de casos para los cuales sabemos el resultado de la
variable) y N mising (nmero de casos para los cuales no sabemos el resultado de la variable).
A continuacin vamos a trabajar con una opcin mucho ms amplia, que nos permite, entre otras
cosas, calcular ms de un estadstico y trabajar con ms de una variable (columna) a la vez.
21
22
La opcin StatBasic StatisticsDisplay Descriptive Statistics de Minitab permite obtener los estadsticos ms importantes de las columnas (variables) de la hoja de datos. Tambin permite calcularlos
separando los valores de una columna segn el valor de otra. Adems puede realizar una serie de
grficas que nos permiten resumir la informacin contenida en los datos.
Para practicar esta opcin, vamos a calcular los estadsticos descriptivos ms importantes de las
variables Pulse1, Height y Weight de la hoja de datos Pulse.mtw. Para ello, seleccionamos StatBasic
StatisticsDisplay Descriptive Statistics y en el recuadro Variables del cuadro de dilogo resultante seleccionamos, de la lista de columnas que tenemos a la izquierda, las tres variables Pulse1, Height y
Weight. A continuacin pulsamos en Statistics. Nos aparece un nuevo cuadro de dilogo en el cual se
pueden elegir los estadsticos que queremos determinar de las variables que hemos seleccionado en
el recuadro Variables. Haciendo clic sobre el botn Help se obtiene informacin sobre el significado de
cada uno de estos estadsticos. Los estadsticos que podemos seleccionar son los siguientes:
n
X
Mean
media aritmtica
x=
SE of mean
error estndar de la media
S
x
n
Standard deviation
desviacin tpica corregida
Variance
varianza corregida
xi
i=1
v
uX
u n
u
(xi x)2
u
t i=1
Sx =
n1
Sx2
Coefficient of variation coeficiente de variacin media CV =
sx
100 %
|x|
First quartile
primer cuartil
Q1
Median
mediana
Me = Q2
Third quartile
tercer cuartil
Q3
Interquartile range
recorrido intercuartlico
RI = Q3 Q1
Trimmed mean
media de los datos eliminando el 5 % de los menores y el 5 % de los mayores
Sum
suma
n
X
xi
i=1
Minimum
mnimo dato
xmin
Maximum
mximo dato
xmax
Range
recorrido o rango
R = xmax xmin
N nonmissing
nmero de casos para los cuales sabemos el resultado de la variable = n
N missing
nmero de casos para los cuales no sabemos el resultado de la variable
N total
nmero total de casos=N nonmissing+N missing
Cumulative N
nmero acumulado de casos (solo cuando se ha rellenado el recuadro By variables)
Percent
porcentaje de casos (solo cuando se ha rellenado el recuadro By variables)
23
Cumulative percent
porcentaje acumulado de casos (solo cuando se ha rellenado el recuadro By variables)
Sum of squares
suma de cuadrados
n
X
x2i
i=1
n
X
Skewness
coeficiente de asimetra
g1 =
m3
, con m3 =
s3x
(xi x)3
i=1
n
n
X
g2 =
m4
3, con m4 =
s4x
Kurtosis
coeficiente de apuntamiento
MSSD
media de los cuadrados de las sucesivas diferencias
(xi x)4
i=1
Siguiendo con nuestro ejemplo (clculo de los estadsticos ms importantes de las variables Pulse1,
Height y Weight), podemos seleccionar todos los estadsticos menos Cumulative N, Percent y Cumulative
percent. Podemos comprobar, por ejemplo, que la suma de los datos de la variable Pulse1 es 6704 y la
suma de los cuadrados de los datos de la misma variable es 499546.
Con la misma hoja de datos (Pulse.mtw) podemos calcular los estadsticos de la variable Pulse2
(Pulso despus de correr) separando sus resultados segn los valores de la variable Ran (corri o no
corri?). Para ello, seleccionamos StatBasic StatisticsDisplay Descriptive Statistics; en el recuadro
Variables del cuadro de dilogo resultante seleccionamos la variable Pulse2; y en By variables (Optional)
seleccionamos la variable Ran. En consecuencia, en la ventana de sesin aparecen los resultados
de los mencionados estadsticos de la variable Pulse2 separados para cada grupo de resultados de la
variable Ran. Por ejemplo, podemos comprobar que para el grupo de personas que s corri (Ran=1) la
media del pulso es 920 51 y la mediana es 88, mientras que para el grupo de personas que no corri
(Ran=2) la media del pulso es 720 32 y la mediana es 70.
2.3.
Representaciones grficas con la opcin Stat

Basic Statistics Display Descriptive Statistics
El botn Graphs del cuadro de dilogo que aparece con la opcin StatBasic StatisticsDisplay
Descriptive Statistics permite elegir alguno de los siguientes grficos (por defecto no se realiza ninguno)
de las variables que hemos seleccionado en el recuadro Variables:
Histogram of data o histograma, que agrupa los datos en intervalos, representando sobre ellos rectngulos de rea proporcional a la frecuencia absoluta de cada intervalo;
Histogram of data, with normal curve o histograma al que se le superpone la curva de la distribucin normal de media igual a media muestral de la variable seleccionada y desviacin tpica
igual a la desviacin tpica corregida muestral de dicha variable;
Individual value plot o grfico de valores individuales, que representa los datos en forma de puntos,
y
24
Boxplot of data o diagrama caja-bigote, que representa los valores mnimo y mximo (extremos
de los bigotes), los cuartiles Q1 y Q3 (extremos de la caja) y la mediana. Dentro de la caja
tendremos el 50 % de los datos de la muestra y en cada bigote tendremos el 25 % de los datos
ms extremos. Este ltimo tipo de grfico nos permite visualizar tanto el valor central como
la dispersin de los datos, y es muy til a la hora de comparar datos de distintas muestras o
grupos.
Por ejemplo, con la hoja de datos Pulse.mtw vamos a dibujar el histograma (con la curva normal
superpuesta) de la variable Height.
2.4.
Representaciones grficas con la opcin Graph
Adems de los grficos que se obtienen con la StatBasic StatisticsDisplay Descriptive Statistics,
podemos crear representaciones grficas con el men Graph.
Una opcin importante de todos los grficos creados a travs del men Graph es que haciendo clic
sobre ellos con el botn derecho del ratn y activando la opcin Update Graph Automatically del men
contextual que aparece, el grfico cambia automticamente al modificar los datos con que se han
construido (ya sea aadiendo, modificando o eliminando).
2.4.1.
Histograma
Se puede obtener el histograma de una variable con la opcin GraphHistogram. Esta opcin ofrece
4 tipos: Simple, With Fit, With Outline and Groups y With Fit and Groups.
Por ejemplo, podemos hacer el histograma simple de la variable Weight de la hoja de datos Pulse.mtw. Para ello, seleccionamos la opcin GraphHistogram. De las cuatro opciones que aparecen
seleccionamos Simple. En el cuadro de dilogo resultante seleccionamos la variable Weight para ponerla en el recuadro Graph variables. Podemos cambiar el aspecto que tendra el grfico por defecto,
pulsando en los botones que aparecen en este cuadro de dilogo: Scale, Labels, Data View, Multiple Graphs
y Data Options. Para ms informacin sobre las acciones de estos botones, pulsar el botn Help del mismo cuadro de dilogo. En principio, podramos dejar todas las opciones por defecto a la hora de
realizar este primer histograma.
El histograma resultante podemos copiarlo en el portapapeles, haciendo clic sobre el grfico con
el botn derecho del ratn y seleccionando, del men contextual que resulta, la opcin Copy Graph.
De esta manera, podramos pegarlo en otro programa bajo Windows, por ejemplo, uno de edicin de
grficos. Tambin podemos almacenarlo en la ventana de proyecto, Proyect Manager (concretamente en
el directorio ReportPad) haciendo clic sobre el grfico con el botn derecho del ratn y seleccionando,
del men contextual que resulta, la opcin Append Graph to Report. Tambin tenemos la posibilidad de
grabarlo en varios formatos (grfico propio de Minitab, mgf, jpg, png, bmp, etc.). Para ello solo tenemos
que cerrar el grfico (botn ) y pulsar en S cuando Minitab nos pregunte si queremos guardar el
grfico en un archivo aparte.
Una vez obtenido el histograma es posible cambiar su aspecto. Para ello, hacemos doble clic sobre
la parte del grfico que queremos cambiar. Aparece, entonces, una nueva ventana que nos permite
hacer dicha transformacin. Los cambios ms usuales son: cambio en la escala del eje horizontal,
cambio en el eje vertical, aspecto de las barras, intervalos sobre los que se sitan las barras, aspecto
de la ventana del grfico y cambio en las proporciones del grfico. Para practicar con estas opciones
25
vamos a cambiar el histograma simple de la variable Weight de la hoja de datos Pulse.mtw de la siguiente
manera:
Que el ttulo sea Histograma de la variable Peso, en letra Arial, cursiva, negrita, de color azul
oscuro y con un tamao de 10 puntos.
Que las barras sean de color azul claro con una trama de relleno oblicua y con los bordes de
color azul oscuro.
Que haya 7 intervalos de la misma amplitud y que en el eje horizontal aparezcan los lmites de
los intervalos (no los puntos medios).
Que el texto del eje horizontal sea Peso de los alumnos, en libras, en letra Arial, cursiva, no
negrita, de color azul oscuro y con un tamao de 9 puntos.
Que en el eje vertical se muestren 13 marcas (ticks), en letra Arial, de color azul oscuro y con
un tamao de 8 puntos.
Que el texto del eje vertical sea Frecuencia absoluta, en letra Arial, cursiva, no negrita, de color
azul oscuro y con un tamao de 9 puntos.
2.4.2.
Diagrama de sectores o de pastel
Este grfico resume los datos de una columna contando el nmero de datos iguales y representndolos mediante sectores proporcionales al nmero de datos de cada clase. Se utiliza con datos
cualitativos o de tipo discreto con pocos resultados distintos. Se obtiene con la opcin GraphPie
Chart.
Por ejemplo, podramos hacer el diagrama de sectores de los datos de la columna Activity de la
hoja de datos Pulse.mtw. Para ello, en el cuadro de dilogo que resulta al seleccionar GraphPie Chart,
dejamos activada la opcin Chart counts of unique values y seleccionamos la columna Activity en el
recuadro Categorical variables. Podemos cambiar el aspecto que tendra el grfico por defecto, pulsando
en los botones que aparecen en este cuadro de dilogo: Pie Options, Labels, Multiple Graphs y Data Options.
En principio, podramos dejar todas las opciones por defecto a la hora de realizar este primer diagrama
de sectores.
Igual que ocurra con el histograma, una vez obtenido el diagrama de sectores podemos copiarlo
en el portapapeles, o almacenarlo en el directorio ReportPad de la ventana Proyect Manager, o grabarlo
en un archivo aparte. Tambin es posible cambiar su aspecto una vez obtenido, haciendo doble clic
sobre la parte del grfico que queremos cambiar. Para practicar vamos a cambiar el anterior grfico
de sectores de la siguiente manera:
Que el ttulo sea Grfico de sectores de la variable Actividad Fsica, en letra Verdana, cursiva,
negrita, de color rojo oscuro y con un tamao de 10 puntos.
Que junto a los sectores circulares aparezca la frecuencia absoluta y el porcentaje de cada
categora (clic sobre uno de los sectores circulares con el botn derecho del ratn, opcin Add,
Slice Labels).
Vamos a aprender a hacer un diagrama de sectores cuando tenemos en una columna las categoras
de una variable y en otra columna las frecuencias absolutas de dichas categoras. Por ejemplo, vamos
26
Figura 7: Idioma de los libros de una biblioteca
a realizar el diagrama de sectores de los datos de la Figura 7, correspondientes a los idiomas en que
estn escritos los libros de los estantes de una determinada biblioteca.
Como estos datos no tienen nada que ver con los datos del archivo Pulse.mtw, abrimos una nueva
hoja de datos con la opcin FileNew. En el cuadro de dilogo que aparece seleccionamos Minitab
Woorksheet. A esta nueva hoja de datos Minitab le asignar el nombre Worksheet J, siendo J un
nmero natural. A continuacin introducimos los datos tal como se muestra en la Figura 7. Luego
guardamos esta hoja de datos con el nombre IdiomaLibros.mtw (FileSave Current Worksheet As). Para
dibujar el diagrama de sectores seleccionamos GraphPie Chart. En el cuadro de dilogo resultante,
activamos la opcin Chart values from a table; seleccionamos la columna Idioma en el recuadro Categorical Variable; seleccionamos la columna No de estantes en el recuadro Summary variables y pulsamos en
OK. Como ya sabemos, podemos modificar este grfico.
2.4.3.
Diagrama de barras
2.4.3.1.
Diagrama de barras simple
Este tipo de grfico se utiliza con datos cualitativos o de tipo discreto con pocos resultados distintos. El diagrama de barras se construye colocando en el eje horizontal los resultados (o categoras) de
la variable y subiendo, sobre ellos, unas barras (rectngulos o segmentos rectilneos) de altura igual
a la frecuencia absoluta (o la frecuencia relativa o el porcentaje) de cada resultado (o categora). Se
obtiene con la opcin GraphBar Chart.
Por ejemplo, podramos hacer el diagrama de barras de los datos de la columna Activity de la hoja de
datos Pulse.mtw. Para ello, en el cuadro de dilogo que resulta al seleccionar GraphBar Chart, dejamos
activada la opcin Counts of unique values del recuadro Bars represent y dejamos tambin activado el
modelo Simple del diagrama de barras. En el cuadro de dilogo resultante, seleccionamos la columna
Activity en el recuadro Categorical Variables. Como las categoras son nmeros concretos (0, 1, 2 y 3) es
ms riguroso que, en vez de barras, aparezcan solamente segmentos rectilneos; por tanto, activamos
el botn Data View y en el cuadro de dilogo resultante activamos solo la opcin Proyect lines.
Igual que ocurra con los grficos anteriores, una vez obtenido el diagrama de barras podemos
copiarlo en el portapapeles, o almacenarlo en el apartado ReportPad de la ventana Proyect Manager,
o grabarlo en un archivo aparte. Tambin es posible cambiar su aspecto, una vez obtenido, haciendo
doble clic sobre la parte del grfico que queremos cambiar. Podemos observar, adems, que si hacemos
clic sobre el grfico (para activarlo) y luego pasamos el ratn por encima de las barras, se nos indica la
frecuencia absoluta de cada categora. Para practicar vamos a cambiar el diagrama de barras anterior
de la siguiente manera:
Que el ttulo sea Diagrama de barras de la variable Actividad Fsica, en letra Comic Sans
MS, cursiva, negrita, de color rojo y con un tamao de 11 puntos.
27
Que las barras (lneas) sean de color rojo y de un tamao (grosor) de 3 puntos.
Que en el eje vertical se muestren 13 marcas (ticks), en letra Arial, no negrita, de color rojo y
con un tamao de 10 puntos.
Que el texto del eje vertical sea Frecuencia absoluta, en letra Arial, cursiva, no negrita, de color
rojo y con un tamao de 9 puntos.
Que el texto del eje horizontal sea Actividad Fsica (0=Ninguna, 1=Baja, 2=Media, 3=Alta),
en letra Arial, cursiva, no negrita, de color rojo y con un tamao de 8 puntos.
Que en la parte superior de cada barra aparezca la frecuencia absoluta de cada categora (clic
sobre una de las barras con el botn derecho del ratn, opcin Add, Data Labels, dejar activado
Use y-values labels).
Vamos a aprender a hacer un diagrama de barras cuando tenemos en una columna las categoras de
una variable y en otra columna las frecuencias absolutas de dichas categoras. Por ejemplo, vamos a
realizar el diagrama de barras de los datos de la Figura 7, correspondientes a los idiomas en que estn
escritos los libros de los estantes de una determinada biblioteca. En primer lugar, abrimos la hoja de
datos IdiomaLibros.mtw. Para dibujar el diagrama de barras seleccionamos GraphBar Chart, activamos
la opcin Values from a table del apartado Bars represent; activamos el modelo Simple del apartado One
column of values y pulsamos en OK. En el cuadro de dilogo resultante, seleccionamos la columna No
de estantes en el recuadro Graph variables; seleccionamos la columna Idioma en el recuadro Categorical
Variable y pulsamos en OK. Como ya sabemos, podemos modificar este grfico.
2.4.3.2.
Diagrama de barras agrupado (o apilado)
Con la opcin GraphBar Chart existe la posibilidad de seleccionar una nueva variable para determinar las barras dentro de cada grupo; esto se realiza seleccionando Cluster (para un diagrama de
barras agrupado segn los resultados de otra variable) o Stack (para un diagrama de barras apilado
segn los resultados de otra variable). Por ejemplo, con el archivo de datos Pulse.mtw vamos a hacer
el diagrama de barras de la variable Activity en grupos definidos por la variable Sex. Para ello, en el
cuadro de dilogo que resulta al seleccionar GraphBar Chart, dejamos activada la opcin Counts of
unique values del recuadro Bars represent y activamos el modelo Cluster del diagrama de barras. En el siguiente cuadro de dilogo seleccionamos, de la lista de variables de la izquierda, las columnas Activity
y Sex para ponerlas en el recuadro Categorical variables. Una vez obtenido dicho diagrama de barras es
conveniente modificarlo para que sea ms explicativo, por ejemplo vamos a hacer lo siguiente:
Que el ttulo sea Diagrama de barras de la variable Actividad Fsica en grupos definidos por
la variable Sexo, en letra Verdana, negrita, de color morado y con un tamao de 9 puntos.
Que las barras tengan distinto color segn los resultados de la variable Sex y que aparezca
una leyenda explicativa (doble clic sobre una de las barras, en el cuadro de dilogo resultante
seleccionar la carpeta Groups, en el recuadro Assign attributes by categorical variables seleccionar
la variable Sex.)
Que en el eje vertical se muestren 10 marcas (ticks), en letra Verdana, no negrita, de color
morado y con un tamao de 10 puntos.
Que el texto del eje vertical sea Frecuencia absoluta, en letra Verdana, no negrita, de color
morado y con un tamao de 11 puntos.
28
Que en el eje horizontal todo est escrito con la fuente Verdana, no negrita, de color morado y
con un tamao de 9 puntos. Que en dicho eje aparezcan los nombres de las variables en espaol:
Actividad Fsica en vez de Activity, y Sexo en vez de Sex. Que en el mismo eje los resultados
de la variable Sex no sean 1 y 2 sino Hombre y Mujer. Y los resultados de la variable Activity
no sean 0, 1, 2 y 3 sino Ninguna, Poca, Media y Alta.
Vamos a aprender a hacer un diagrama de barras agrupado (o apilado) cuando tenemos los datos
en una tabla de doble entrada. Por ejemplo, vamos a realizar el diagrama de barras agrupado de los
datos de la Figura 8, correspondientes al nmero de citas en diferentes campos de investigacin y en
tres distintos aos.
Figura 8: Citas anuales en distintos campos de investigacin
En primer lugar, abrimos una nueva hoja de datos con la opcin FileNew. En el cuadro de dilogo
que aparece seleccionamos Minitab Woorksheet. A continuacin introducimos los datos tal como se
muestra en la Figura 8. Luego guardamos esta hoja de datos con el nombre Citas.mtw. Para dibujar el
diagrama de barras agrupado seleccionamos GraphBar Chart, activamos la opcin Values from a table
del apartado Bars represent; activamos el modelo Cluster del apartado Two-way table y pulsamos en OK. En
el cuadro de dilogo resultante, seleccionamos las columnas 1970, 1980 y 1990 en el recuadro Graph
variables; seleccionamos la columna Campo investigacin en el recuadro Row labels; activamos Rows
are outermost categories and columns are innermost y, por ltimo, pulsamos en OK. Como ya sabemos,
podemos modificar este grfico.
2.4.4.
Diagramas bivariantes
2.4.4.1.
Diagrama de dispersin o nube de puntos
La opcin GraphScatterplot realiza una grfica con los datos (bivariantes) de dos columnas de la
misma longitud.
Por ejemplo, con la hoja de datos Pulse.mtw podemos dibujar el diagrama de dispersin, con la
recta de regresin superpuesta, de la altura en pulgadas, Height, sobre el peso en libras, Weight. Para
ello, seleccionamos la opcin GraphScatterplot; en el cuadro de dilogo que aparece seleccionamos
With Regression y pulsamos en OK. En el siguiente cuadro de dilogo, en el recuadro Y Variables seleccionamos, de la lista de variables de la izquierda, la columna Height; y en el recuadro X Variables
seleccionamos, de la lista de variables de la izquierda, la columna Weight. Podemos cambiar el aspecto que tendra el grfico por defecto, pulsando en los botones que aparecen en este cuadro de dilogo:
Scale, Labels, Data View, Multiple Graphs y Data Options. En principio, podramos dejar todas las opciones
por defecto a la hora de realizar este primer diagrama de dispersin. Se puede comprobar que el diagrama de dispersin o nube de puntos se agrupa cerca de una lnea recta, lo que significa que hay una
relacin lineal fuerte entre las dos variables.
29
Igual que ocurra con los grficos anteriores, una vez obtenido el diagrama de dispersin se puede
copiar en el portapapeles, o almacenar en el apartado ReportPad de la ventana Proyect Manager, o grabar
en un archivo aparte. Tambin es posible cambiar su aspecto, una vez obtenido, haciendo doble clic
sobre la parte del grfico que queremos modificar. Para practicar, vamos a modificar el diagrama de
dispersin anterior de la siguiente manera:
Que el ttulo sea Diagrama de dispersin de la Altura frente al Peso, en letra Times New
Roman, cursiva, negrita, de color rojo y con un tamao de 14 puntos.
Que los smbolos sean rombos rojos de tamao 1.
Que en el eje horizontal se muestren 14 marcas (ticks), en letra Times New Roman, no negrita,
de color rojo y con un tamao de 12 puntos.
Que el texto del eje horizontal sea Peso de los alumnos, en libras, en letra Times New Roman,
cursiva, no negrita, de color rojo y con un tamao de 12 puntos.
Que en el eje vertical se muestren 10 marcas (ticks), en letra Times New Roman, no negrita, de
color rojo y con un tamao de 12 puntos.
Que el texto del eje vertical sea Altura de los alumnos, en pulgadas, en letra Times New Roman,
cursiva, no negrita, de color rojo y con un tamao de 12 puntos.
Que la recta de regresin sea de color rojo y de tamao 2.
2.4.4.2.
Representacin grfica de una funcin y=f(x)
La opcin GraphScatterplot es la que se utiliza para hacer la representacin grfica de una determinada funcin f (x). Para ello es necesario tener en una columna los valores de x (generalmente
creados por patrn) y en otra columna los resultados de y = f (x) (generalmente calculados a partir
de la opcin CalcCalculator). Por ejemplo, vamos a hacer la representacin grfica de la funcin
f (x) = x2 + 2x 4 en el intervalo [3, 3]. Para ello se procede de la siguiente manera:
1) Se abre una hoja de datos nueva (File, New, Minitab Worksheet).
2) Mediante la opcin CalcMake Patterned DataSimple Set of Numbers se crea una nueva columna
que denominaremos x y que contendr todos los nmeros comprendidos entre el -3 y el 3 con
un incremento de 0, 01. Se puede comprobar que en la columna x hay un total de 601 nmeros.
3) En otra columna se calculan los resultados de la funcin funcin f (x) = x2 + 2x 4 para cada
valor de la columna x. Para hacerlo, se selecciona CalcCalculator; en Store result in variable tecleamos f(x); en Expression tenemos que colocar, utilizando la calculadora y la lista de variables
que aparecen en este cuadro de dilogo, la siguiente expresin: x**2+2*x-4
4) Para representar grficamente la funcin se elige la opcin GraphScatterplot, despus se elige
With connect line. En el siguiente cuadro de dilogo, en Y variables se selecciona, de la lista de
variables de la izquierda, la columna f(x) y en X variables se selecciona la columna x. Sera
conveniente quitar los puntos del grfico, dejando slo la lnea de conexin, para lo cual se
hace doble clic sobre la curva, en AttributesSymbols se marca la opcin Custom y en Type se
selecciona None (buscando hacia arriba). Luego se hace un clic dentro del grfico, pero no sobre
la curva.
Tambin se puede lograr lo mismo de la siguiente manera: se elige la opcin GraphScatterplot;
se selecciona Simple; en el siguiente cuadro de dilogo, en Y variables se selecciona la columna
30
f(x) y en X variables se selecciona la columna x; se activa el botn Data View y en el cuadro de

dilogo resultante se deja activada solamente la opcin Connect line.
2.5.
Correlacin y regresin lineal
En el apartado 2.4.4 hemos visto cmo obtener (y cmo modificar) el diagrama de dispersin o
nube de puntos de una variable estadstica bidimensional.
Para obtener el coeficiente de correlacin lineal de Pearson se selecciona StatBasic Statistics
Correlation. En el cuadro de dilogo que aparece, en el recuadro de la izquierda est la lista de
variables, de las cuales podemos seleccionar dos o ms.
Por ejemplo, de la hoja de datos Pulse.mtw vamos a calcular el coeficiente de correlacin lineal de
Pearson entre las variables Altura en pulgadas, Height, y Peso en libras, Weight y lo vamos a guardar
para poder aumentar el nmero de decimales que se obtienen. Para ello, seleccionamos StatBasic
StatisticsCorrelation. En el cuadro de dilogo resultante hacemos clic en el recuadro que hay debajo
de Variables y seleccionamos, de la lista de variables de la izquierda, las columnas Height y Weight;
desactivamos Display p-values y activamos Store matrix (display nothing) y pulsamos en OK. Minitab no
muestra el resultado en la ventana de sesin pero guarda, con el nombre CORR1 (en general, CORRj,
con j = 1, 2, . . .), la matriz de correlaciones siguiente:
1, 00000 0, 78487
0, 78487 1, 00000
lo cual quiere decir que el coeficiente de correlacin lineal entre las variables Height y Weight es igual
a 00 78487. Por tanto, la fuerza de la relacin lineal entre estas dos variables es moderada. El primer
1 significa que el coeficiente de correlacin lineal entre Height y Height es igual a 1 (lo cual es lgico)
y, por supuesto, el segundo 1 significa que el coeficiente de correlacin lineal entre Weight y Weight es
igual a 1.
Para aumentar el nmero de decimales del resultado del coeficiente de correlacin lineal entre
las variables Height y Weight hacemos lo siguiente: seleccionamos DataCopyMatrix to Column; hacemos clic en el recuadro que hay debajo de Copy from matrix y seleccionamos (haciendo doble clic sobre
su nombre) la matriz CORR1; en In current worksheet, in columns tenemos que teclear las posiciones de
dos columnas (CJ y CK que estn vacas) que contendrn las dos columnas de la matriz de correlaciones. Podemos dejar activada la opcin Name the column containing the copied data. Por ltimo, pulsamos
en OK. Ahora ya podemos aumentar el nmero de decimales como hemos visto en el captulo anterior:
hacemos clic sobre el nombre de la variable (o sobre su nmero de columna: CJ); pulsamos con el
botn derecho del ratn; seleccionamos Format ColumnNumeric; activamos Fixed decimal y en Decimal
places tecleamos, por ejemplo, 8 y pulsamos en OK. Podemos observar que el resultado del coeficiente
de correlacin lineal entre las variables Height y Weight es igual a 00 78486641.
La opcin StatBasic StatisticsCovariance es similar a lo que acabamos de explicar pero en lugar
de determinar el coeficiente de correlacin lineal entre cada par de variables calcula lo que Minitab
llama covarianza, pero que en realidad es la covarianza corregida (similar a la covarianza, pero dividiendo por (n 1) en vez de por n; siendo n el tamao muestral). La covarianza corregida, Sxy , est
31
relacionada con la covarianza, sxy , de la siguiente manera:

n
X
(xi x)(yj y)
Sxy =
i=1
n1
n
sxy .
n1
De esto se deduce que el coeficiente de correlacin lineal de Pearson se puede calcular de cualquiera
de las dos formas siguientes:
Sxy
sxy
=
.
rxy =
sx sy
Sx Sy
Para obtener la ecuacin de la recta de regresin (mnimo cuadrtica) de una variable cuantitativa
Y sobre otra variable cuantitativa X, se selecciona la opcin Stat Regression Regression.
Puesto que hemos obtenido anteriormente el coeficiente de correlacin lineal entre las variables
Height y Weight, vamos ahora a encontrar la ecuacin de la recta de regresin de la variable Weight sobre
la variable Height (de la hoja de datos Pulse.mtw). Para ello, seleccionamos la opcin Stat Regression
Regression; en el cuadro de dilogo resultante seleccionamos la variable Weight en Response y la
variable Height en Predictors; pulsamos en Results y, en el cuadro de dilogo resultante, activamos la
opcin Regression equation, table of coefficients, s, R-squared, and basic analysis of variance y pulsamos en OK;
en el siguiente cuadro de dilogo volvemos a pulsar en OK. En la ventana de sesin aparecen varios
resultados, la mayora de los cuales no pueden ser interpretados en este momento pues todava no
hemos explicado la parte de Estadstica Inferencial. Lo que a nosotros nos interesa en este momento
son los resultados de los coeficientes de regresin, que son: A = 2040 74, B = 50 0918, siendo la
ecuacin de la recta de regresin Y = A + B X; donde Y =Weight (peso) y X=Height (altura). Es decir,
la ecuacin de la recta de regresin de la variable Weight sobre la variable Height es:
Weight = 2040 74 + 50 0918 Height
2.6.
Ejercicio 2.1
b) Abre la hoja de datos Prestamos.mtw (datos del Ejercicio 1.1).
c) Determina la distribucin de frecuencias de la variable Intervalos PPU.
d) Para las variables Usuarios, Prstamos y PPU calcula todas las medidas descriptivas que
hemos estudiado en las clases tericas.
e) Dibuja el diagrama de dispersin, con la recta de regresin superpuesta, de la variable
Prstamos sobre la variable Usuarios. Modifcalo de la siguiente forma:
Que el ttulo sea Diagrama de dispersin del No anual de prstamos frente al No
anual de usuarios en letra Verdana, itlica, negrita, de color rojo y con un tamao de
9 puntos.
Que los smbolos sean cuadrados rellenos, de color verde oscuro y de tamao 2.
Que en el eje horizontal se muestren 20 marcas (ticks) y que los nmeros sean de
color azul y con un tamao de 8 puntos.
32
Que el texto del eje horizontal sea Nmero anual de usuarios, en letra Verdana, itlica,
no negrita, de color rojo y con un tamao de 11 puntos.
Que en el eje vertical se muestren 18 marcas (ticks) y que los nmeros sean de color
azul y de un tamao de 8 puntos.
Que el texto del eje vertical sea Nmero anual de prstamos, en letra Verdana, itlica,
no negrita, de color rojo y con un tamao de 11 puntos.
Que la recta de regresin sea de color rojo y de tamao 2.
f) Calcula, con una precisin de 6 decimales, el coeficiente de correlacin lineal entre las
variables Prstamos y Usuarios.
g) Determina la ecuacin de la recta de regresin de la variable Prstamos sobre la variable
Usuarios.
h) Dibuja el histograma simple de la variable PPU.
Que haya 4 intervalos de la misma amplitud y que en el eje horizontal aparezcan los
lmites de los intervalos (no los puntos medios).
Que el ttulo sea Histograma del Porcentaje anual de prstamos por usuario, en
letra Times New Roman, negrita, de color rojo oscuro y con un tamao de 14 puntos.
Que las barras sean de color rojo claro con una trama de relleno horizontal y con los
bordes de color rojo oscuro, de tamao 2.
Que el texto del eje horizontal sea Porcentaje anual de prstamos por usuario, en
letra Times New Roman, cursiva, no negrita, de color rojo oscuro y con un tamao de
12 puntos.
rojo oscuro y con un tamao de 12 puntos.
Que el texto del eje vertical sea Frecuencia absoluta, en letra Times New Roman,
cursiva, no negrita, de color rojo oscuro y con un tamao de 12 puntos.
i) Dibuja el grfico de sectores de la variable Intervalos PPU.
Que el ttulo sea Grfico de sectores de la variable Intervalos PPU, en letra Verdana, cursiva, negrita, de color azul oscuro y con un tamao de 12 puntos.
Que junto a los sectores circulares aparezca la frecuencia absoluta y el porcentaje de
cada categora.
En la leyenda, tanto la fuente de la cabecera como la fuente del cuerpo sea Verdana,
de color azul oscuro y con un tamao de 10 puntos.
j) Graba el proyecto con el siguiente nombre: Ejercicio2-1.mpj
Ejercicio 2.2
b) Abre la hoja de datos Transacciones.mtw (datos del Ejercicio 1.2).
c) Determina la distribucin de frecuencias de la variable Intervalos Porcentaje TRF.
d) Para las variables TR, TRF y Porcentaje TRF calcula las medidas descriptivas siguientes: mnimo, primer cuartil, mediana, tercer cuartil, mximo, recorrido, recorrido intercuartlico,
media, varianza corregida, desviacin tpica corregida, suma de los datos y suma de los
cuadrados de los datos.
e) Calcula la media, la mediana y la desviacin tpica corregida de la variable Porcentaje TRF
separando sus resultados segn los valores de la variable Tipo Biblioteca.
33
f) Dibuja el diagrama de dispersin, con la recta de regresin superpuesta, de la variable TRF

sobre la variable TR. Modifcalo de la siguiente forma:
Que el ttulo sea Nube de puntos y recta de regresin en letra Verdana, negrita, de
color azul y con un tamao de 12 puntos.
Que los smbolos sean tringulos rellenos, de color magenta y de tamao 1.
Que en el eje horizontal se muestren 10 marcas (ticks) y que los nmeros sean de
color azul y de un tamao de 9 puntos.
Que el texto del eje horizontal sea Nmero anual de transacciones de referencia, en
letra Verdana, itlica, no negrita, de color azul y con un tamao de 10 puntos.
azul y de un tamao de 9 puntos.
Que el texto del eje vertical sea Nmero anual de transacciones de referencia finalizadas, en letra Verdana, itlica, no negrita, de color azul y con un tamao de 9 puntos.
Que la recta de regresin sea de color morado y de tamao 2.
g) Calcula, con una precisin de 6 decimales, el coeficiente de correlacin lineal entre las
variables TR y TRF.
h) Determina la ecuacin de la recta de regresin de la variable TRF sobre la variable TR.
i) Dibuja el diagrama de barras de la variable Intervalos Porcentaje TRF en grupos definidos por
la variable Tipo Biblioteca.
Que las barras tengan distinto color segn los resultados de la variable Tipo Biblioteca
y que aparezca una leyenda explicativa.
Que el ttulo sea Diagrama de barras agrupado, escrito con letra Arial, negrita, de
color rojo oscuro y con un tamao de 16 puntos.
Que el texto del eje vertical sea Frecuencia absoluta, escrito con letra Arial, negrita,
de color rojo oscuro y con un tamao de 12 puntos.
Que en el eje horizontal todo est escrito con la fuente Arial, de color rojo oscuro y
con un tamao de 10 puntos.
j) Graba el proyecto con el siguiente nombre: Ejercicio2-2.mpj
Ejercicio 2.3 El gasto de una biblioteca, en euros, durante un ao determinado, es:
Gasto en personal
6570
Gasto en libros
3450
Otros gastos
2380

b) Guarda los datos en el archivo GastoBiblioteca.mtw
c) Haz un diagrama de barras y modifcalo a tu gusto.
d) Haz un grfico de sectores y modifcalo a tu gusto.
e) Graba el proyecto con el siguiente nombre: Ejercicio2-3.mpj
Ejercicio 2.4 La estadstica de fotocopias de 4 bibliotecas (A, B, C y D), durante un ao, est recogida en la siguiente tabla:
34
Reproduccin de catlogos
16110
3640
3400
Trabajo del personal de la biblioteca
63350
11360
3080
5500
2600
1090
560
250
43540
58040
1980
Prstamo interbibliotecario
Copias para usuarios de la biblioteca
b) Guarda los datos en el archivo TipoFotocopias.mtw

c) Haz un diagrama de barras agrupado y modifcalo a tu gusto.
d) Graba el proyecto con el siguiente nombre: Ejercicio2-4.mpj
Ejercicio 2.5 El nmero de descriptores (keywords) de 72 artculos de investigacin viene dado por:
No de descriptores
o
N de artculos
10
11
12
13
14
12
10

b) Guarda los datos en el archivo Keywords.mtw
c) Haz un diagrama de barras en el cual las barras sean segmentos rectilneos. Modifcalo a
tu gusto.
3
Variables aleatorias
3.1.
Muestras aleatorias de las distribuciones usuales
Como ya se ha visto anteriormente, en Minitab podemos generar datos de distribuciones usuales

utilizando la opcin CalcRandom Data. Esta opcin permite generar una muestra de datos de cualquier columna de la hoja de datos actualmente abierta o de una de las distribuciones de probabilidad
que aparecen listadas.
En primer lugar, vamos a crear una nueva hoja de datos que llevar por nombre Probabilidad.mtw.
A continuacin, vamos a crear una columna, en dicha hoja de datos, que lleve por nombre 100 datos
de N(5,2) y que contenga 100 datos aleatorios procedentes de una distribucin N (5, 2) (Normal de
media 5 y desviacin tpica 2). Para ello, seleccionamos CalcRandom DataNormal; en Number of
rows of data to generate tecleamos 100; en Store in column tecleamos el nombre 100 datos de N(5,2); en
Mean tecleamos 5 y en Standard deviation ponemos un 2.
A continuacin vamos a hacer el histograma, con la curva Normal superpuesta, de la muestra
aleatoria obtenida en la columna 100 datos de N(5,2). Para ello, recordemos que hay que seleccionar la
opcin GraphHistogram. En el cuadro de dilogo resultante elegimos With Fit. En el siguiente cuadro
de dilogo, en Graph variables seleccionamos, de la lista de variables que tenemos a la izquierda, la
columna 100 datos de N(5,2) y pulsamos en OK. En la representacin grfica podemos apreciar que el
histograma est cerca de la curva Normal superpuesta, lo cual es lgico puesto que hemos creado
una muestra de una distribucin Normal. Tambin podemos ver, en la leyenda que aparece en la parte
superior derecha del grfico, que la media de la muestra obtenida se aproxima a 5 y la desviacin
tpica se aproxima a 2.
3.2.
Funcin de densidad y funcin de probabilidad
Minitab puede calcular el resultado de la funcin de densidad (o de la funcin de probabilidad)

para un valor concreto o para una lista de valores. Para ello hay que elegir la opcin CalcProbability
35
36
Distributions y a continuacin el nombre de la variable aleatoria: Chi-square (chi-cuadrado de Pearson),
Normal, F (de Snedecor), t (de Student), etc.

Dentro del cuadro de dilogo que aparecer hay que seleccionar Probability Density (para las distribuciones continuas) o Probability (para las distribuciones discretas).
Para entender mejor el inters de esta opcin, vamos a determinar los resultados de la funcin
de densidad de una distribucin N (0, 1) (Normal Estndar) para una lista de valores que vamos a
crear (todos los nmeros comprendidos entre -4 y 4, con un incremento de 0, 01). Luego haremos la
representacin grfica de esta funcin de densidad. Para ello se procede de la siguiente manera:
a) Mediante la opcin CalcMake Patterned DataSimple Set of Numbers crearemos una nueva columna que denominaremos x de -4 a 4 y que contendr todos los nmeros comprendidos entre
el -4 y el 4 con un incremento de 0, 01. Podemos comprobar que en la columna x de -4 a 4 hay
801 nmeros.
b) En otra columna se calculan los resultados de la funcin de densidad de la variable aleatoria Normal Estndar para cada valor de la columna x de -4 a 4. Para hacerlo, se selecciona
CalcProbability DistributionsNormal; se activa Probability density; en Mean y en Standard deviation
se deja lo que aparece por defecto (cero y uno, respectivamente); en Input column se selecciona,
de la lista de variables de la izquierda, la columna x de -4 a 4 y en Optional storage se teclea el
nombre de la columna que contendr los resultados de la funcin de densidad; por ejemplo, f(x)
N(0,1).
c) Finalmente, para representar grficamente la funcin de densidad de la variable aleatoria Normal Estndar se elige la opcin GraphScatterplot, despus se elige With connect line. En el siguiente cuadro de dilogo, en Y variables se selecciona, de la lista de variables de la izquierda, la
columna f(x) N(0,1) y en X variables se selecciona la columna x de -4 a 4. Sera conveniente quitar
los puntos del grfico, dejando slo la lnea de conexin, para lo cual se hace doble clic sobre la
curva, en AttributesSymbols se marca la opcin Custom y en Type se selecciona None (buscando
hacia arriba). Luego se hace un clic dentro del grfico, pero no sobre la curva.
Ahora vamos a calcular los resultados de la funcin de probabilidad de la distribucin discreta
B(200, 00 4) (Binomial de parmetros n = 200 y p = 00 4), vamos a hacer su representacin grafica y
vamos a averiguar el valor de la media de dicha variable aleatoria discreta. Para ello procedemos de
la siguiente manera:
1) Mediante la opcin CalcMake Patterned DataSimple Set of Numbers crearemos una nueva columna que denominaremos x de 0 a 200 y que contendr todos los resultados posibles de la
distribucin B(200, 00 4), que, como sabemos, son: 0, 1, 2, , 200.
2) Calculamos los resultados de la funcin de probabilidad de B(200, 00 4) para todos y cada uno
de los valores de la columna x de 0 a 200. Para ello, seleccionamos la opcin CalcProbability
DistributionsBinomial; activamos Probability; en Numbers of trials tecleamos 200; en Event probability tecleamos 0,4; en Input column elegimos, de la lista de variables de la izquierda, la columna x
de 0 a 200 y en Optional storage tecleamos el nombre de la columna que contendr los resultados
de la funcin de probabilidad; por ejemplo, p(x) B(200,0,4).
3) Ahora vamos a hacer la representacin grfica bidimensional que tiene en el eje horizontal los
resultados de la columna x de 0 a 200 y en el eje vertical los resultados de la columna p(x)
B(200,0,4). Para ello, se selecciona la opcin GraphScatterplot, despus se elige With connect
line. En el siguiente cuadro de dilogo, en Y variables se selecciona, de la lista de variables de la
37
izquierda, la columna p(x) B(200,0,4) y en X variables se selecciona la columna x de 0 a 200. Como

ya hemos dicho anteriormente, sera conveniente quitar los puntos del grfico, dejando slo la
lnea de conexin.
Se puede comprobar que esta representacin grfica se aproxima mucho a la curva de densidad
de una distribucin Normal, lo cual se debe a lo siguiente: cuando n es grande y p no se acerca
a 0 ni a 1, entonces B(n, p) se aproxima a N (np, npq), siendo q = 1 p.

4) Tambin vamos a calcular la media terica de laPdistribucin B(200, 00 4). Recordemos que la
media de una distribucin discreta es E(X) =
xi p(xi ). Por tanto, usamos la opcin Calc
Calculator. En Store result in variable tecleamos el nombre de la columna que contendr los
resultados de los productos xi p(xi ); por ejemplo, x p(x); en Expression ponemos (empleando
la lista de variables y la calculadora de dicho cuadro de dilogo) x de 0 a 200*p(x)
B(200,0,4). Ahora tenemos que calcular la suma de todos los resultados de la columna
x p(x), para lo cual elegimos la opcin CalcColumn Statistic; activamos Sum; en Input variable
seleccionamos, de la lista de variables de la izquierda, la columna x p(x) y dejamos desactivada
la opcin Store result in. En la ventana de sesin podemos ver el resultado de la media, que es
igual a E(X) = n p = 200 00 4 = 80.
3.3.
Funcin de distribucin (probabilidad acumulada)
Para calcular el resultado de la funcin de distribucin de una variable aleatoria, F (t) = P (X

t), hay que elegir la opcin CalcProbability Distributions y a continuacin el nombre de la variable
aleatoria. Dentro del cuadro de dilogo que aparece hay que seleccionar Cumulative Probability.
Por ejemplo, vamos a calcular la probabilidad P (X 10 36), siendo X una variable aleatoria
Normal Estndar. Como P (X 10 36) = F (10 36), para calcular su resultado seleccionamos la
opcin CalcProbability DistributionsNormal; activamos Cumulative Probability; en Mean y en Standard
deviation dejamos lo que aparece por defecto (cero y uno, respectivamente). No activamos la opcin
Input column sino la opcin Input constant, en donde colocamos el valor -1,36. Podemos almacenar el
resultado en una constante tecleando en el recuadro Optional storage una K seguida de un nmero
o poniendo un nombre a dicho resultado. Si no rellenamos el recuadro Optional storage, el resultado
aparece en la ventana de sesin. Se puede comprobar que la probabilidad pedida es P (X 10 36) =
F (10 36) = 00 086915.
Si queremos calcular probabilidades de los tipos P (X > a), P (a < X < b), etc., tenemos
que utilizar lpiz y papel, y aplicar las propiedades de la probabilidad para llegar a expresiones en
las que slo aparezcan probabilidades del tipo P (X x) (funcin de distribucin), pues stas son
las que calcula Minitab. No tenemos que olvidar, por ejemplo, que si X es una variable aleatoria
continua, entonces P (X = a) = 0 para todo a, por lo que se cumplen las siguientes igualdades:
P (X x) = P (X < x), P (X x) = P (X > x), . Pero si X es una variable aleatoria discreta,
las probabilidades P (X x) y P (X < x) no son (en general) iguales.
Como ya hemos dicho, cuando n es grande y p no se acerca a 0 ni a 1, entonces B(n, p) se aproxima
a N (np, npq), siendo q = 1 p. Vamos a poder observarlo con el siguiente ejemplo:

Sea X una variable aleatoria B(200, 00 4) y sea Y una variable aleatoria Normal de media 80 y
desviacin tpica 6928203. Vamos a comprobar (mediante una representacin grfica conjunta) que
las funciones de distribucin de ambas variables son muy parecidas. La solucin es la siguiente:
38
a) Calculamos los resultados de la funcin de distribucin de B(200, 00 4) para todos y cada uno de
los valores de dicha columna x de 0 a 200. Para ello, seleccionamos la opcin CalcProbability
DistributionsBinomial; activamos Cumulative probability; en Numbers of trials tecleamos 200; en
Event probability tecleamos 0,4; en Input column elegimos, de la lista de variables de la izquierda,
la columna x de 0 a 200 y en Optional storage tecleamos el nombre de la columna que contendr
los resultados de la funcin de distribucin de la Binomial; por ejemplo, F(x) B(200,0,4).
b) Calculamos los resultados de la funcin de distribucin de N (80, 60 928203) para los mismos valores de x, es decir, para los valores de la columna x de 0 a 200. Para ello, se elige
CalcProbability DistributionsNormal; se activa Cumulative probability; en Mean se teclea 80; en
Standard deviation se pone 6,928203; en Input column elegimos, de la lista de variables de la izquierda, la columna x de 0 a 200 y en Optional storage tecleamos el nombre de la columna que
contendr los resultados de la funcin de distribucin de la Normal; por ejemplo, F(x) N(80,6,9).
c) Ahora vamos a superponer, en un mismo grfico, las dos funciones de distribucin. Para ello, se
selecciona la opcin GraphScatterplotWith connect line. En el cuadro de dilogo que aparece,
junto al 1 en Y variables seleccionamos la columna F(x) B(200,0,4) y en X variables seleccionamos
la columna x de 0 a 200, y junto al 2 en Y variables seleccionamos la columna F(x) N(80,6,9) y
en X variables seleccionamos otra vez la columna x de 0 a 200. Luego pulsamos Multiple graphs y
en el cuadro de dilogo resultante activamos Overlay on the same graph. Como ya hemos dicho
anteriormente, sera conveniente quitar los puntos del grfico, dejando slo la lnea de conexin.
3.4.
Inversa de la funcin de distribucin (percentiles)
En ocasiones, en lugar de querer calcular probabilidades de sucesos, se desea justamente lo contrario, conocer el valor x que hace que la probabilidad del suceso (X x) sea igual a un valor
determinado p; es decir, hallar x para que se cumpla P (X x) = p; esto no es ms que calcular
percentiles de variables aleatorias. Para calcular el resultado de los percentiles de una variable aleatoria hay que elegir la opcin CalcProbability Distributions y a continuacin el nombre de la variable
aleatoria. Dentro del cuadro de dilogo que aparece hay que seleccionar Inverse cumulative probability.
Por ejemplo, vamos a calcular el valor x que verifica P (X x) = 00 98, cuando X 220 (chicuadrado de Pearson con 20 grados de libertad). Para ello seleccionamos la opcin CalcProbability
DistributionsChi-Square. En el cuadro de dilogo activamos Inverse cumulative probability. Dejamos lo
que aparece por defecto (cero) en Noncentrality parameter. En Degrees of freedom tecleamos 20. No activamos la opcin Input column sino la opcin Input constant, en donde colocamos el valor 0,98. Podemos almacenar el resultado en una constante tecleando en el recuadro Optional storage una K seguida
de un nmero o poniendo un nombre a dicho resultado. Si no rellenamos el recuadro Optional storage, el resultado aparece en la ventana de sesin. Se puede comprobar que el valor x que verifica
P (X x) = 00 98 es 350 0196; es decir, P (X 350 0196) = 00 98, siendo X 220 .
Si queremos calcular el valor a tal que las probabilidades de los tipos P (X > a), P (|X| < a),
P (|X| > a), etc., sean iguales a un cierto resultado, tenemos que utilizar lpiz y papel, y aplicar las
propiedades de la probabilidad para llegar a expresiones en las que slo aparezcan ecuaciones del tipo
P (X x) = p (percentiles), pues stas son las que calcula Minitab.
3.5.
39
Ejercicio 3.1 Genera 10000 datos aleatorios procedentes de una variable aleatoria Binomial de parmetros n = 50 y p = 00 25. Calcula la media de esta columna de datos aleatorios.
Ejercicio 3.2 Haz la representacin grfica de la funcin de probabilidad de una variable aleatoria
Binomial de parmetros n = 50 y p = 00 25.
Ejercicio 3.3 Haz la representacin grfica de la funcin de distribucin de una variable aleatoria
Binomial de parmetros n = 50 y p = 00 25.
Ejercicio 3.4 Sea X una variable aleatoria Binomial de parmetros n = 50 y p = 00 25. Calcula:
a) P (X = 10).
b) P (X 12).
c) P (X 3).
d) P (X < 5).
e) P (X > 7).
f) P (10 < X < 20).
g) P (10 X < 20).
h) P (10 < X 20).
i) P (10 X 20).
Ejercicio 3.5 Si Z es una variable Normal Estndar, determina:
a) P (Z 20 21).
b) P (Z < 30 47).
c) P (Z 10 75).
d) P (Z > 20 46).
e) P (Z 30 24).
f) P (Z > 30 08).
g) P (10 12 Z 20 68).
h) P (00 85 < Z < 10 27).
i) P (20 97 < Z 10 33).
Ejercicio 3.6 Si X es una variable Normal con media 80 46 y desviacin tpica 10 14, halla:
a) P (X 90 11).
b) P (X < 120 33).
c) P (X 60 41).
d) P (X > 100 52).
e) P (X 120 61).
f) P (X > 40 01).
40
g) P (60 11 X 110 91).

h) P (70 53 < X < 100 33).
i) P (50 05 X < 60 83).
Ejercicio 3.7 Halla el valor de los siguientes cuantiles:
a) Z00 58 .
b) Z00 42 .
c) Z00 999 .
d) Z00 001 .
Ejercicio 3.8 Genera 10000 datos aleatorios procedentes de una distribucin chi-cuadrado de Pearson con 100 grados de libertad. Calcula la media de esta columna de datos aleatorios. Haz un
histograma de los datos aleatorios generados, con la curva Normal superpuesta. Puedes extraer
alguna conclusin?
Ejercicio 3.9 Haz la representacin grfica de la funcin de densidad de una variable aleatoria chicuadrado de Pearson con 100 grados de libertad. Los valores del eje horizontal pueden ser todos
los comprendidos entre 0 y 200 con un incremento de 00 1.
Ejercicio 3.10 Haz la representacin grfica de la funcin de distribucin de una variable aleatoria
chi-cuadrado de Pearson con 100 grados de libertad. Los valores del eje horizontal pueden ser
todos los comprendidos entre 0 y 200 con un incremento de 00 1.
Ejercicio 3.11 Calcula el valor de los siguientes cuantiles:
a) 26 , 00 01 .
b) 26 , 00 99 .
c) 272 , 00 975 .
Ejercicio 3.12 Sea X una variable aleatoria que sigue una distribucin chi-cuadrado de Pearson con
15 grados de libertad. Determina el valor de a que verifica la siguiente igualdad:
a) P (X a) = 00 05.
b) P (X > a) = 00 99.
a) t26 , 00 9 .
b) t26 , 00 1 .
c) t75 , 00 8 .
Ejercicio 3.14 Sea X una variable aleatoria que sigue una distribucin t de Student con 20 grados de
libertad. Determina el valor de a que verifica la siguiente igualdad:
a) P (X a) = 00 99.
b) P (X a) = 00 25.
41

a) F8 , 6 , 00 975 .
b) F25 , 50 , 00 01 .
c) F45 , 35 , 00 01 .
Ejercicio 3.16 Sea X una variable aleatoria que sigue una distribucin F de Snedecor con 10 grados
de libertad en el numerador y 8 grados de libertad en el denominador. Determina el valor de a
que verifica la siguiente igualdad:
a) P (X < a) = 00 9.
b) P (X > a) = 00 05.
4
Contrastes no paramtricos en una
poblacin
4.1.
Contraste de aleatoriedad de la muestra
El contraste de las rachas sobre aleatoriedad de una muestra se realiza mediante la opcin Stat
Nonparametrics Run Test. Esta prueba no puede utilizarse si los valores de la variable han sido
ordenados en el archivo de datos.
Como ya sabemos, este contraste se basa en el concepto de racha, que es una secuencia de observaciones de un mismo tipo precedida y continuada por otro tipo de observaciones o por ninguna.
Esto supone que los datos son slo de dos tipos; es decir, que la variable est dicotomizada. Si esto
no sucediera, se pueden reducir los datos a dos tipos mediante lo siguiente: asignar un smbolo (por
ejemplo, +) a los datos que son mayores que la media (o la mediana) y otro smbolo (por ejemplo,
) a los que son menores o iguales que la media (o la mediana, respectivamente).
Con los datos del archivo Pulse.mtw vamos a comprobar si se puede aceptar, con un nivel de significacin de 00 05, que la muestra de resultados de la variable Pulse1 es aleatoria. Vamos a realizar la
dicotomizacin de los datos a travs de la mediana, por lo cual la calculamos previamente. Podemos
comprobar que dicha mediana es 71. Ahora seleccionamos Stat Nonparametrics Run Test. En el
cuadro de dilogo resultante, activamos el recuadro Variables (haciendo clic dentro de l); seleccionamos (haciendo doble clic sobre su nombre) la columna Pulse1. Si dejamos activada la opcin Above
and below the mean la variable se dicotomizara a travs de su media. Como queremos dicotomizar a
travs de la mediana, activamos Above and below y tecleamos el valor de la mediana; es decir, 71. Pulsando en OK podemos comprobar, en la ventana de sesin, que el p-valor es 00 294, mayor que el nivel
de significacin elegido (00 05), por lo que podemos aceptar que la muestra de resultados de dicha
variable es aleatoria.
43
44
4.2.
Contrastes de Normalidad
En Minitab hay varias formas de comprobar la Normalidad de una variable. Una de ellas es la
opcin StatBasic StatisticsNormality Test.
Recordemos que para poder aplicar un contraste de Normalidad es necesario comprobar previamente que la muestra de datos es aleatoria.
Con la hoja de datos Pulse.mtw hemos comprobado que la muestra de resultados de la columna
Pulse1 es aleatoria. Por tanto, podemos ahora realizar un contraste de Normalidad para ver si se puede
aceptar, con un nivel de significacin de 00 05, que la variable Pulse1 es Normal. Para ello, usamos
StatBasic StatisticsNormality Test. En el cuadro de dilogo resultante, en Variable seleccionamos,
de la lista de variables de la izquierda, la columna Pulse1; en Percentile Lines dejamos lo que est
activado por defecto, que es None; en Tests for Normality podemos activar uno de los siguientes tres
contrastes: Anderson-Darling, Ryan-Joiner o Kolmogorov-Smirnov. Por ejemplo, vamos a activar el
ltimo test, Kolmogorov-Smirnov. El recuadro Title vamos a dejarlo en blanco. Por ltimo, pulsamos en
OK. El resultado es un grfico probabilstico en el cual tambin est indicado el p-valor, que es mayor
que 00 15. Este p-valor es mayor que el nivel de significacin elegido (00 05) y, por tanto, podemos
aceptar que la variable Pulse1 es Normal.
4.3.
Contraste chi-cuadrado sobre independencia de dos

variables aleatorias
Hasta ahora se ha considerado una nica variable cuyas observaciones en una poblacin daban
lugar a ciertas hiptesis convenientes de contrastar mediante un test. Sin embargo, es frecuente el
problema de estudiar conjuntamente dos variables en los mismos individuos y preguntarse si existe o
no algn tipo de relacin entre ellas, es decir, si los valores que tome una de ellas van a condicionar de
algn modo los valores de la otra. El mtodo estadstico para responder a tal pregunta vara con el tipo
de variables implicadas. Cuando ambas son cualitativas, la tcnica oportuna es el test chi-cuadrado
de Pearson; aunque este mtodo tambin se puede emplear cuando las variables son cuantitativas.
En Minitab hay dos formas de aplicar este contraste, segn tengamos recogidos los datos. Explicamos estos dos casos en los dos sub-apartados siguientes.
4.3.1.
Datos en una tabla de doble entrada
Si los datos estn recogidos en una tabla de doble entrada, se utiliza la opcin StatTablesChiSquare Test (Two-Way Table in Worksheet).
Vamos a hacer el siguiente ejemplo: Se desea averiguar si existe asociacin entre el sexo y el uso
de la biblioteca. A tal efecto, se tom una muestra aleatoria de 30 mujeres y 30 hombres y se les
clasific de la siguiente manera:
usuarios
no usuarios
hombres
24
mujeres
14
16
45
Para realizar este contraste con Minitab, en primer lugar tenemos que introducir la tabla de doble
entrada anterior en una nueva hoja de datos que podemos denominar Ejemplo_Independencia.mtw. Los
datos tienen que ser introducidos tal y como se muestra a continuacin:
Ahora seleccionamos StatTablesChi-Square Test (Two-Way Table in Worksheet); en Columns containing the table elegimos, de la lista de variables de la izquierda, las columnas C1 y C2; es decir, SI y
NO y pulsamos en OK. En la ventana de sesin podemos ver el resultado del p-valor, que es 00 028. Si
consideramos un nivel de significacin de = 00 01 entonces el p-valor es mayor que , por lo que
podramos aceptar la hiptesis nula de independencia. Pero si consideramos un nivel de significacin
de = 00 05 (que es lo usual) entonces el p-valor es menor que , por lo que no podramos aceptar la
hiptesis nula de independencia, aceptando entonces que existe relacin entre el sexo y el uso de la
biblioteca.
4.3.2.
Datos en dos (o tres) columnas
Si los datos estn recogidos en dos (o tres) columnas, se utiliza la opcin StatTablesCross
Tabulation and Chi-Square.
Ejemplo 1. Vamos a hacer el mismo ejemplo que en el apartado anterior, pero utilizando la opcin
StatTablesCross Tabulation and Chi-Square. Para ello, en primer lugar tenemos que introducir los
datos (en la hoja de datos Ejemplo_Independencia.mtw) tal como se muestra a continuacin:
Como se puede observar, hemos creado tres nuevas columnas que contienen todas las combinaciones posibles de resultados de las dos variables y sus frecuencias conjuntas: la columna sexo tiene por
resultados H (hombre) y M (mujer); la columna usuario tiene por resultados SI (la persona s es usuaria
de la biblioteca) y NO (la persona no es usuaria de la biblioteca); la columna frecuencia contiene las
frecuencias conjuntas de todas y cada una de las combinaciones posibles de los resultados de las dos
variables mencionadas.
Ahora seleccionamos StatTablesCross Tabulation and Chi-Square. En Categorical variables se tienen
que especificar las variables para las cuales vamos a hacer el test de independencia; en nuestro ejemplo, en For rows tenemos que seleccionar, de la lista de variables de la izquierda, la columna sexo;
en For columns tenemos que seleccionar, de la lista de variables de la izquierda, la columna usuario.
El recuadro For layers (capas) lo dejamos en blanco. En Frequencies are in tenemos que seleccionar,
de la lista de variables de la izquierda, la columna frecuencia. Pulsamos el botn Chi-Square y, en el
46
cuadro de dilogo resultante, dejamos activada la opcin Chi-Square Analysis y pulsamos en OK. Dejamos lo que aparece por defecto en el cuadro de dilogo inicial y pulsamos en OK. En la ventana de
sesin podemos comprobar que los resultados del contraste de hiptesis son los mismos que antes
(p-valor=00 028) y, por tanto, las conclusiones, obviamente, son las mismas.
Ejemplo 2. Para utilizar la opcin StatTablesCross Tabulation and Chi-Square no es necesario que
tengamos una columna con las frecuencias de cada combinacin de resultados de dos variables; tambin se puede utilizar dicha opcin si solamente tenemos dos columnas que contienen los resultados
de una variable bidimensional, (xi , yi ), pero es necesario que las dos variables sean de tipo discreto,
con pocos resultados distintos; de lo contrario no se puede aplicar este contraste.
Para hacer un ejemplo de este caso, vamos a activar (o abrir) la hoja de datos Pulse.mtw. Vamos
a comprobar si existe dependencia entre las variables Smokes (la persona es fumadora o no) y Sex
(sexo). La hiptesis nula es H0 : No existe relacin entre el sexo y ser fumador o no. Como vemos,
en la Worksheet los datos estn recogidos en dos columnas (no en tres). Para realizar este contraste
seleccionamos StatTablesCross Tabulation and Chi-Square; en For rows seleccionamos la columna
Smokes; en For columns seleccionamos la columna Sex; no escribimos nada en For layers (capas)
y tampoco escribimos nada en Frequencies are in. Pulsamos el botn Chi-Square y, en el cuadro de
dilogo resultante, activamos Chi-Square Analysis y Expected cell counts, y pulsamos en OK. Finalmente,
volvemos a pulsar OK en el cuadro de dilogo inicial. En la ventana de sesin aparece lo siguiente:
Como podemos observar, aparecen las frecuencias observadas y las frecuencias esperadas bajo la
hiptesis nula. Podemos comprobar que estas ltimas frecuencias son todas mayores o iguales que
5, por lo cual se puede aplicar esta tcnica (el test chi-cuadrado de independencia). Recordemos que
este contraste solamente puede aplicarse si todas las frecuencias esperadas bajo la hiptesis nula son
mayores o iguales que 1 y, adems, todas las frecuencias esperadas bajo la hiptesis nula son mayores
o iguales que 5, salvo para un 20 % como mximo. Si no ocurriera esto, Minitab nos lo especificara en
la ventana de sesin, y por tanto el test quedara invalidado. Como podemos ver, tenemos el resultado
del estadstico 2 y el resultado del p-valor, que es 00 216, claramente mayor que los habituales niveles
de significacin (00 05 00 01), por lo que podemos aceptar la hiptesis nula de independencia de las
dos variables aleatorias; es decir, podemos aceptar que no existe relacin entre el sexo y ser fumador
o no.
4.4.
47
Ejercicio 4.1
c) Calcula de mediana de la columna PPU.
d) Utilizando la mediana (para dicotomizar) en el contraste de las rachas, se puede aceptar,
con un nivel de significacin de = 00 05, que la muestra de datos de la variable PPU
(porcentaje anual de prstamos por usuario) es aleatoria? Por qu?
e) Se puede aceptar, con un nivel de significacin de = 00 05, que la variable PPU es
Normal? Por qu?
Ejercicio 4.2
c) Utilizando la media (para dicotomizar) en el contraste de las rachas, se puede aceptar,
con un nivel de significacin de = 00 05, que las muestras de los datos de las variables
TR, TRF y Porcentaje TRF son aleatorias? Por qu?
d) Se puede aceptar, con un nivel de significacin de = 00 05, que las variables TR, TRF y
Porcentaje TRF son Normales? Por qu?
Ejercicio 4.3 Los siguientes datos corresponden a las edades de una muestra de 10 personas que
visitan una biblioteca.
19
24
83
30
17
23
33
19
68
56

b) Guarda los datos en el archivo Edad.mtw
c) Calcula de mediana.
d) Utilizando la mediana (para dicotomizar) en el contraste de las rachas, se puede aceptar,
con un nivel de significacin de = 00 05, que la muestra es aleatoria? Por qu?
e) Se puede aceptar, con un nivel de significacin de = 00 05, que la variable aleatoria
edad de las personas que visitan la biblioteca es Normal? Por qu?
Ejercicio 4.4 El rector de una universidad espaola desea saber la opinin del profesorado en relacin
con un proyecto por el cual todos los libros comprados por los departamentos se llevaran a una
biblioteca general universitaria ubicada en un edificio independiente de las facultades. Para ello,
selecciona una muestra aleatoria de 370 profesores de distintos rangos acadmicos (A.E.U.=
Ayudante de Escuela Universitaria, A.F.= Ayudante de Facultad, T.E.U.=Titular de Escuela
Universitaria, T.U.= Titular de Universidad, C.U.= Catedrtico de Universidad). Los resultados
se reflejan en la siguiente tabla:
48
A.E.U.
A.F.
T.E.U.
T.U.
C.U.
en contra
30
55
95
14
12
indiferente
15
20
17
10
a favor
10
25
38
13

b) Guarda los datos en el archivo Rango-Opinion.mtw
c) Se puede aceptar, con un nivel de significacin de = 00 01, que existe relacin entre el
rango acadmico y la opinin de los profesores respecto del proyecto mencionado? Por
qu?
Ejercicio 4.5 Un profesor de estadstica de un Grado en Informacin y Documentacin quiere estudiar la mejor forma de obtener un buen resultado en la asignatura y para ello solicita la colaboracin de los alumnos durante varios cursos acadmicos plantendoles el siguiente esquema:
al final del primer parcial califica a todos los alumnos segn los resultados del examen en A
(sobresaliente y notable), B (aprobado) y C (suspenso); luego les pide que contesten cul ha
sido su mtodo de trabajo ante la signatura (I= slo estudia teora, II= slo estudia problemas,
III= estudia teora y problemas). Conocidos los resultados, el profesor construye la siguiente
tabla:
Mtodo de trabajo
Calificacin
II
III
15
12
65
58
70
85
40
102
53

b) Guarda los datos en el archivo Calificacion-Metodo.mtw
c) Se puede aceptar, con un nivel de significacin de = 00 05, que la calificacin es independiente del mtodo de trabajo empleado? Por qu?
Ejercicio 4.6 En una determinada facultad se considera una muestra de 807 alumnos y se realiza
una encuesta para saber cuntas horas diarias dedica cada alumno al estudio en la biblioteca,
obtenindose la siguiente tabla de resultados:
Curso de la licenciatura
N de horas
1o
2o
3o
4o
5o
menos de 1 hora
18
20
32
77
96
entre 1 y 3 horas
22
35
90
83
50
ms de 3 horas
60
70
80
60
14
49

b) Guarda los datos en el archivo Curso-Tiempo.mtw
c) Se puede aceptar, con un nivel de significacin de = 00 05, que existe relacin entre el
curso al que pertenece el alumno y el tiempo que dedica al estudio en la biblioteca? Por
qu?
5
Contrastes paramtricos en una
poblacin
5.1.
Contrastes sobre la media
El contraste de hiptesis sobre una media sirve para tomar decisiones acerca del verdadero valor
poblacional de la media de una variable aleatoria.
5.1.1.
Contraste sobre la media cuando la desviacin tpica

poblacional es conocida
Esta tcnica es vlida solamente si la muestra es aleatoria y la poblacin es Normal o el tamao

muestral, n, es grande (en la prctica, n 30).
Para hacer este test hay que seleccionar Stat Basic Statistics 1-Sample Z. Esta opcin tambin
nos da el intervalo de confianza para la media poblacional, .
Abrimos el archivo de datos Pulse.mtw. Vamos a suponer que conocemos el valor de la desviacin
tpica poblacional de la variable Pulse1 (pulso antes de correr), = 10 pulsaciones por minuto.
Comprobemos si se puede aceptar, con un nivel de significacin de = 00 05, que el pulso medio
poblacional antes de correr es mayor que 70 pulsaciones por minuto. Si denota la media poblacional
de la variable X=Pulso antes de correr, el contraste es H0 : 70 frente a H1 : > 70.
En el captulo anterior ya hemos comprobado que la muestra de resultados de la variable Pulse1 es
aleatoria. Adems, el tamao muestral es grande (n = 92). Por tanto, podemos utilizar este procedimiento estadstico.
Seleccionamos la opcin Stat Basic Statistics 1-Sample Z. En Samples in columns seleccionamos,
de la lista de variables de la izquierda, la columna o columnas para las cuales se va a realizar este tipo
de contraste; en nuestro caso, Pulse1. Dejamos desactivada la opcin Summarized data. En Standard
deviation tecleamos el valor de la desviacin tpica poblacional, , que suponemos que es 10. Activamos Perform hypothesis test y en Hypothesized mean especificamos el valor, 0 , con el que se compara la
51
52
media poblacional, que es 70. Si pulsamos el botn Options nos aparece un nuevo cuadro de dilogo
con las siguientes opciones:
Confidence level: Por defecto se muestra un intervalo de confianza al 95 % para la media poblacional
. Se puede introducir un valor entre 1 y 99 para solicitar otro nivel de confianza. En nuestro
caso, podemos dejar lo que aparece por defecto, es decir, 95.
Alternative: Aqu se especifica cul es la hiptesis alternativa: less than significa que la hiptesis
alternativa es H1 : < 0 , not equal significa que la hiptesis alternativa es H1 : 6= 0 y
greater than significa que la hiptesis alternativa es H1 : > 0 . Tengamos en cuenta que con
la opcin less than el intervalo de confianza para la media ser del tipo (, b), con la opcin
not equal el intervalo de confianza para la media ser del tipo (a, b) y con la opcin greater than
el intervalo de confianza para la media ser del tipo (a, +). En nuestro caso, tenemos que
seleccionar greater than ya que la hiptesis alternativa es H1 : > 70.
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 003, claramente menor que el nivel de significacin, = 00 05. En consecuencia, rechazamos la hiptesis nula y, por tanto, aceptamos
la hiptesis alternativa; es decir, aceptamos que la media poblacional de la variable Pulse 1 es mayor
que 70 pulsaciones por minuto. El intervalo de confianza al 95 % para la media poblacional, asociado
a este contraste de hiptesis, es (710 15, +).
Tambin se puede realizar este contraste de hiptesis si sabemos el tamao muestral y el resultado
de la media muestral. Vemoslo con un ejemplo:
En el volumen de Julio de 1992 de Economics Abstracts, la media del nmero de palabras por
resumen es 790 56, con una varianza de 6150 04. Se extrae una muestra aleatoria simple de 30 resmenes
escritos en alemn y se observa que la media del nmero de palabras por resumen es 670 47. Se quiere
decidir si existe una diferencia significativa entre la media de palabras por resumen de los escritos en
alemn y la media de palabras por resumen de todos los de este volumen.
Vamos a suponer que la varianza del nmero de palabras por resumen de los escritos en alemn
coincide con la varianza del nmero de palabras por resumen de todos los de este volumen. As pues,
los datos que tenemos son los siguientes:
0 = 790 56 ,
2 = 6150 04 = 6150 04 = 240 8 ,

X = 670 47 ,
n = 30 .
La variable observada en la poblacin no puede ser Normal pues es discreta, pero como el tamao
muestral es 30, entonces podemos aplicar esta tcnica. As pues, consideramos el siguiente contraste
de hiptesis:
H0 : = 790 56 ,
H1 : 6= 790 56 .
Seleccionamos la opcin Stat Basic Statistics 1-Sample Z. Activamos la opcin Summarized data,
con lo cual se desactiva automticamente la opcin Samples in columns. En Sample size tenemos que
teclear el tamao muestral, que es 30 y en Mean tenemos que teclear el resultado de la media muestral,
que es 67,47. En Standard deviation tecleamos el valor de la desviacin tpica poblacional, , que suponemos que es 24,8. Activamos Perform hypothesis test y en Hypothesized mean especificamos el valor,
53
0 , con el que se compara la media poblacional, que es 79,56. Pulsamos en Options y, en el cuadro de
dilogo resultante, en Alternative seleccionamos not equal puesto que nuestra hiptesis alternativa es
H1 : 6= 790 56.
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 008, claramente menor que los
niveles de significacin usuales ( = 00 05 = 00 01). En consecuencia, rechazamos la hiptesis
nula y, por tanto, aceptamos que existe diferencia significativa entre la media del nmero de palabras
por resumen en alemn y la media del nmero de palabras por resumen de todos ellos. El intervalo de
confianza al 95 % para la media poblacional, asociado a este contraste de hiptesis, es (580 60, 760 34).
5.1.2.
Contraste sobre la media cuando la desviacin tpica

poblacional es desconocida
Igual que en el apartado anterior, esta tcnica es vlida solamente si la muestra es aleatoria y la
poblacin es Normal o el tamao muestral, n, es grande (en la prctica, n 30).
Para realizar este contraste paramtrico hay que seleccionar Stat Basic Statistics 1-Sample t. La
manera de utilizar esta opcin es la misma que la explicada en el apartado anterior.
Con el archivo de datos Pulse.mtw, veamos si se puede aceptar, con un nivel de significacin de
= 00 05, que el pulso medio poblacional antes de correr es igual a 71 pulsaciones por minuto. Lo
que queremos comprobar es si la media poblacional de la variable Pulse1 es igual a 71 pulsaciones
por minuto, suponiendo ahora desconocida la desviacin tpica poblacional (lo cual es cierto). Si
denota la media poblacional de la variable Pulse1, el contraste es H0 : = 71 frente a H1 : 6= 71.
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 107, claramente mayor que el
nivel de significacin, = 00 05, por lo que podemos aceptar la hiptesis nula; es decir, aceptamos
que la media poblacional del nmero de pulsaciones por minuto antes de correr es igual a 71. El
intervalo de confianza al 95 % para la media poblacional de dicha variable es (700 59, 750 15).
Tambin se puede realizar este contraste de hiptesis si sabemos el tamao muestral, el resultado
de la media muestral y el resultado de la desviacin tpica corregida muestral. Vemoslo con un
ejemplo:
El nmero medio de libros por estante de una biblioteca es 24. Extrada una muestra de 91 estantes
de libros de matemticas se obtiene una media de 25 libros, con una desviacin tpica corregida de 10 5.
Queremos decidir si existe diferencia significativa entre el nmero medio de libros de matemticas
por estante y el nmero medio de libros por estante.
La variable X = Nmero de libros de matemticas por estante no puede ser Normal porque es
discreta; pero como n = 91 30 entonces se puede utilizar este procedimiento.
Los datos conocidos son:
0 = 24 ,
S = 10 5 ,
X = 25 ,
n = 91 .
El contraste de hiptesis que vamos a hacer es el siguiente:
H0 : = 24 ,
H1 : 6= 24 .
54
Seleccionamos la opcin Stat Basic Statistics 1-Sample t. Activamos la opcin Summarized data,
con lo cual se desactiva automticamente la opcin Samples in columns. En Sample size tenemos que
teclear el tamao muestral, que es 91, en Mean tenemos que teclear el resultado de la media muestral,
que es 25, y en Standard deviation tenemos que teclear el resultado de la desviacin tpica corregida
muestral, que es 1,5. Activamos Perform hypothesis test y en Hypothesized mean especificamos el valor,
0 , con el que se compara la media poblacional, que es 24. Pulsamos en Options y, en el cuadro de
dilogo resultante, en Alternative seleccionamos not equal puesto que nuestra hiptesis alternativa es
H1 : 6= 24.
Podemos comprobar, en la ventana de sesin, que el p-valor es 0, el mnimo posible y, por supuesto, claramente menor que los niveles de significacin usuales ( = 00 05 = 00 01). En consecuencia, rechazamos la hiptesis nula y, por tanto, aceptamos que existe diferencia significativa entre
el nmero medio de libros de matemticas por estante y el nmero medio de libros por estante. El
intervalo de confianza al 95 % para la media poblacional, asociado a este contraste de hiptesis, es
(240 688, 250 312).
5.2.
Contrastes sobre la varianza
El contraste de hiptesis sobre una varianza sirve para tomar decisiones acerca del verdadero valor
poblacional de la varianza de una variable aleatoria. Minitab realiza el contraste solamente en el caso
en el que la media poblacional es desconocida.
Esta tcnica es vlida solamente si la muestra es aleatoria y la poblacin es Normal.
Para hacer el contraste de hiptesis sobre una varianza poblacional hay que seleccionar Stat Basic
Statistics 1 Variance. Esta opcin tambin se utiliza para realizar un test sobre la desviacin tpica
poblacional.
En el captulo anterior ya hemos comprobado que la muestra de resultados de la variable Pulse1 (del
archivo de datos Pulse.mtw) es aleatoria, y que la variable Pulse1 es Normal. Por tanto, podemos utilizar
este procedimiento estadstico para comprobar si se puede aceptar, con un nivel de significacin de
= 00 05, que la varianza poblacional del pulso antes de correr es menor que 130 pulsaciones al
cuadrado. Si 2 denota la varianza poblacional de la variable X=Pulso antes de correr, el contraste
es H0 : 130 frente a H1 : 2 < 130.
Seleccionamos, por tanto, la opcin Stat Basic Statistics 1 Variance. En el cuadro de dilogo
resultante, arriba a la derecha, seleccionamos Enter variance (si quisiramos realizar un contraste sobre
la desviacin tpica poblacional, seleccionaramos Enter standard deviation); en Samples in columns se
selecciona, de la lista de variables de la izquierda, la columna o columnas para las cuales se va a
realizar este tipo de contraste; en nuestro caso se selecciona Pulse1. Dejamos desactivada la opcin
Summarized data. Activamos Perform hypothesis test y en Hypothesized variance se especifica el valor, 02 ,
con el que se compara la varianza poblacional, que es 130. Si pulsamos el botn Options nos aparece
un nuevo cuadro de dilogo con las siguientes opciones:
Confidence level: Por defecto se muestra un intervalo de confianza al 95 % para la varianza poblacional 2 . Se puede introducir un valor entre 1 y 99 para solicitar otro nivel de confianza. En
nuestro caso, podemos dejar lo que aparece por defecto, es decir, 95.
alternativa es H1 : 2 < 02 , not equal significa que la hiptesis alternativa es H1 : 2 6= 02 y
greater than significa que la hiptesis alternativa es H1 : 2 > 02 . Tengamos en cuenta que con
55
la opcin less than el intervalo de confianza para la varianza ser del tipo (, b), con la opcin
not equal el intervalo de confianza para la varianza ser del tipo (a, b) y con la opcin greater than
el intervalo de confianza para la varianza ser del tipo (a, +). En nuestro caso, tenemos que
seleccionar less than ya que la hiptesis alternativa es H1 : 2 < 130.
Podemos comprobar, en la ventana de sesin, que el p-valor (para el mtodo Standard) es 00 338,
claramente mayor que el nivel de significacin, = 00 05. En consecuencia, aceptamos la hiptesis
nula y, por tanto, no podemos aceptar la hiptesis alternativa; es decir, no podemos aceptar que la
varianza poblacional del pulso antes de correr es menor que 130 pulsaciones al cuadrado. El intervalo
de confianza al 95 % para la varianza poblacional, asociado a este contraste de hiptesis (con el mtodo Standard), es (, 158). El intervalo de confianza al 95 % para la desviacin tpica poblacional,
asociado a este contraste de hiptesis (con el mtodo Standard), es (, 120 6).
Tambin se puede realizar este contraste de hiptesis si sabemos el tamao muestral y el resultado
de la varianza corregida muestral. Vemoslo con un ejemplo:
Se sabe que las calificaciones en la asignatura A es una variable Normal de media y varianza
desconocidas. Se extrae una muestra aleatoria simple de 81 alumnos de la asignatura A, obtenindose
una media de 60 8 puntos, con una varianza corregida de 10 69 puntos al cuadrado, en las calificaciones
de dichos alumnos. Sabemos que la varianza de las calificaciones en otra asignatura B es de 20 6 puntos
al cuadrado. Queremos saber si la verdadera varianza de las calificaciones en la asignatura A es menor
que la varianza en las calificaciones en la asignatura B.
Como la varianza corregida muestral es S 2 = 10 69 < 20 6, esta evidencia debe ser compatible con
la hiptesis alternativa. As pues, vamos a realizar el siguiente contraste:
H0 : 2 20 6 ,
H1 : 2 < 20 6 .
Seleccionamos la opcin Stat Basic Statistics 1 Variance. En el cuadro de dilogo resultante,
arriba a la derecha, seleccionamos Enter variance. Activamos la opcin Summarized data, con lo cual se
desactiva automticamente la opcin Samples in columns. En Sample size tenemos que teclear el tamao
muestral, que es 81, y en Sample variance tenemos que teclear el resultado de la varianza corregida
muestral, que es 1,69. Activamos Perform hypothesis test y en Hypothesized variance se especifica el valor,
02 , con el que se compara la varianza poblacional, que es 2,6. Pulsamos en Options y, en el cuadro
de dilogo resultante, en Alternative seleccionamos less than puesto que nuestra hiptesis alternativa es
H1 : 2 < 20 6.
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 006, claramente menor que los
niveles de significacin usuales ( = 00 05 = 00 01). En consecuencia, rechazamos la hiptesis
nula y, por tanto, aceptamos que la varianza de las calificaciones en la asignatura A es menor que la
varianza de las calificaciones en la asignatura B. El intervalo de confianza al 95 % para la varianza
poblacional, asociado a este contraste de hiptesis, es (, 20 24).
5.3.
Contrastes sobre la proporcin
Supongamos una poblacin en la que observamos una caracterstica que slo tiene dos resultados
o modalidades, que podemos denominar xito y fracaso. Sea p la proporcin poblacional de xitos.
56
Para hacer el contraste de hiptesis sobre la proporcin poblacional de xitos, p, hay que seleccionar Stat Basic Statistics 1 Proportion. Esta opcin tambin nos da el intervalo de confianza para
p.
Recordemos que en la hoja de datos Pulse.mtw la variable Smokes tena solamente dos resultados:
1=S fuma, 2=No fuma. Vamos a comprobar si se puede aceptar, con un nivel de significacin de
= 00 05, que el porcentaje poblacional de fumadores es menor que 35 %; es decir, si la proporcin
poblacional de fumadores es menor que 00 35. El contraste es H0 : p 00 35 frente a H1 : p < 00 35.
Seleccionamos la opcin Stat Basic Statistics 1 Proportion. En el cuadro de dilogo resultante,
en Samples in columns seleccionamos, de la lista de variables de la izquierda, la columna Smokes;
dejamos desactivada la opcin Summarized data; activamos Perform hypothesis test y en Hypothesized
proportion especificamos el valor, p0 , con el que comparamos la proporcin poblacional, que es 0,35.
Si pulsamos el botn Options nos aparece un nuevo cuadro de dilogo con las siguientes opciones:
Confidence level: Por defecto se muestra un intervalo de confianza al 95 % para la proporcin poblacional p. Se puede introducir un valor entre 1 y 99 para solicitar otro nivel de confianza. En
nuestro caso, podemos dejar lo que aparece por defecto, es decir, 95.
alternativa es H1 : p < p0 , not equal significa que la hiptesis alternativa es H1 : p 6= p0 y greater
than significa que la hiptesis alternativa es H1 : p > p0 . Tengamos en cuenta que con la opcin
less than el intervalo de confianza para la proporcin ser del tipo (, b), con la opcin not
equal el intervalo de confianza para la proporcin ser del tipo (a, b) y con la opcin greater than
el intervalo de confianza para la proporcin ser del tipo (a, +). En nuestro caso, tenemos
que seleccionar less than ya que la hiptesis alternativa es H1 : p < 00 35.
Podemos comprobar, en la ventana de sesin, que el p-valor es 1, el mximo posible y, por supuesto, claramente mayor que el nivel de significacin, = 00 05. En consecuencia, aceptamos la hiptesis
nula y, por tanto, no podemos aceptar que la proporcin poblacional de fumadores es menor que 00 35;
es decir, no podemos aceptar que el porcentaje poblacional de fumadores es menor que 35 %. El intervalo de confianza al 95 % para la proporcin poblacional, asociado a este contraste de hiptesis, es
(, 00 774287).
Tambin se puede realizar el contraste de hiptesis sobre una proporcin poblacional si sabemos
el tamao muestral y el nmero de xitos en la muestra. Vemoslo con un ejemplo:
Deseamos conocer la postura de los bibliotecarios frente a la informatizacin de las bibliotecas.
Para ello, preguntamos a 150 de ellos (elegidos aleatoria e independientemente) sobre este tema,
obligndoles a manifestarse a favor o en contra. El resultado es que 82 se manifiestan a favor y consiguientemente, 68 en contra. Es compatible este resultado con que la proporcin de bibliotecarios
(en el colectivo total) a favor de informatizar las bibliotecas es la misma que la proporcin de bibliotecarios en contra?
Sea p la proporcin de bibliotecarios (en el colectivo total) a favor de informatizar las bibliotecas.
El contraste que hemos de realizar es H0 : p = 00 5 frente a H1 : p 6= 00 5. Seleccionamos la opcin
Stat Basic Statistics 1 Proportion. En el cuadro de dilogo resultante, activamos la opcin Summarized data, con lo cual se desactiva automticamente la opcin Samples in columns. En Number of events
tenemos que teclear el nmero de xitos en la muestra, que es 82 y en Number of trials tenemos que
teclear el tamao muestral, que es 150. Activamos Perform hypothesis test y en Hypothesized proportion
especificamos el valor, p0 , con el que se compara la proporcin poblacional, que es 0,5. Pulsamos en
57
Options y, en el cuadro de dilogo resultante, en Alternative seleccionamos not equal puesto que nuestra
hiptesis alternativa es H1 : p 6= 00 5.
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 288, claramente mayor que los niveles de significacin usuales ( = 00 05 = 00 01). En consecuencia, aceptamos la hiptesis nula y,
por tanto, aceptamos que la proporcin de bibliotecarios (en el colectivo total) a favor de informatizar
las bibliotecas es la misma que la proporcin de bibliotecarios en contra. El intervalo de confianza al
95 % para la proporcin poblacional, asociado a este contraste de hiptesis, es (00 463428, 00 628026).
5.4.
Ejercicio 5.1
c) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional del
porcentaje anual de prstamos por usuario es igual a 70? Por qu?
d) Se puede aceptar, con un nivel de significacin de 00 05, que la varianza poblacional del
porcentaje anual de prstamos por usuario es igual a 140? Por qu?
Ejercicio 5.2
c) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional del
porcentaje de transacciones de referencia finalizadas es menor que 86? Por qu?
d) Se puede aceptar, con un nivel de significacin de 00 05, que la desviacin tpica poblacional del porcentaje de transacciones de referencia finalizadas es mayor que 5? Por qu?
Ejercicio 5.3 En una muestra aleatoria simple de 15 individuos que consultan bases de datos, el
tiempo (en minutos) que estn utilizando el ordenador para realizar esta tarea es:
22
13
17
14
15
18
19
14
17
20
21
13
15
18
17

b) Guarda los datos en el archivo Minutos.mtw
c) Se puede aceptar, con un nivel de significacin de = 00 05, que la muestra es aleatoria?
Por qu?
d) Se puede aceptar, con un nivel de significacin de = 00 05, que la variable aleatoria
tiempo empleado en consultar bases de datos por ordenador es Normal? Por qu?
e) Se puede aceptar, con un nivel de significacin de = 00 05, que la media poblacional
del tiempo empleado en consultar bases de datos por ordenador es mayor que 15 minutos?
Por qu?
58
f) Se puede aceptar, con un nivel de significacin de = 00 05, que la desviacin tpica

poblacional del tiempo empleado en consultar bases de datos por ordenador es menor que
2 minutos? Por qu?
g) Graba el proyecto con el siguiente nombre: Ejercicio5-3.mpj
Ejercicio 5.4 El nmero medio de libros por estante en una biblioteca es de 240 4, con una desviacin
tpica de 10 6. Una muestra aleatoria simple de 36 estantes de dicha biblioteca tiene una media
de 250 2 libros por estante. La informacin proporcionada por la muestra es representativa de
toda la poblacin?
Ejercicio 5.5 El nmero medio recomendado de usuarios servidos semanalmente por cada miembro
del personal de una biblioteca es de 100. En una muestra aleatoria simple de 81 miembros del
personal de las bibliotecas de una determinada regin se obtiene una media de 1320 88 usuarios
servidos semanalmente, con una desviacin tpica corregida de 550 19. Las bibliotecas de dicha
regin siguen la recomendacin mencionada?
Ejercicio 5.6 El precio medio de los libros en rstica es de 630 4 euros, con una desviacin tpica de
140 8 euros. Una muestra aleatoria simple de 61 libros en rstica con ilustraciones en color tiene
un precio medio de 690 5 euros, con una desviacin tpica corregida de 160 6 euros.
a) Permiten los datos afirmar que los libros en rstica con ilustraciones en color son ms
caros que el resto de libros en rstica?
b) La varianza del precio de los libros en rstica con ilustraciones en color es mayor que la
del precio de los libros en rstica?
Ejercicio 5.7 Se sabe que el nmero medio de veces que un artculo cientfico es citado durante los 5
siguientes aos a su publicacin es de 60 5. Se eligen aleatoria e independientemente 71 artculos
de medicina, obtenindose una media de 70 8 citas durante los 5 siguientes aos a su publicacin,
con una desviacin tpica corregida de 20 3. Se puede afirmar que durante los 5 siguientes aos
a su publicacin se citan ms los artculos de medicina que el resto de artculos cientficos?
Ejercicio 5.8 En una biblioteca desconocemos la proporcin de libros escritos en espaol. De una
muestra aleatoria simple de 125 libros, 80 de ellos estn escritos en espaol, y el resto en otros
idiomas. Segn estos datos, se puede afirmar que la proporcin de libros escritos en espaol
en dicha biblioteca es mayor que 00 6?
Ejercicio 5.9 En una biblioteca escolar hay una proporcin de libros prestados que se devuelven con
retraso. De una muestra aleatoria simple de 250 libros, 50 de ellos se han devuelto con retraso.
Permiten los datos afirmar que la proporcin de libros prestados que se devuelven con retraso
a dicha biblioteca escolar es mayor que 00 15?
6
Contrastes paramtricos en dos
poblaciones
6.1.
Comparacin de dos varianzas con muestras

independientes
En el apartado siguiente vamos a estudiar el problema de la comparacin de dos medias poblacionales en el caso en que observemos dos variables aleatorias Normales (una en cada poblacin), suponiendo que se han extrado dos muestras aleatorias (una de cada poblacin) independientes. Veremos
en dicho apartado que necesitamos saber si las varianzas poblacionales (que sern desconocidas) son
iguales o distintas. Por este motivo estudiamos ahora el contraste de comparacin de varianzas en el
caso en que desconozcamos los valores de las medias poblacionales.
Este procedimiento estadstico solamente es vlido cuando las dos muestras son aleatorias y las
dos poblaciones son Normales.
Para realizar este test paramtrico hay que seleccionar Stat Basic Statistics 2 Variances.
Ejemplo 1. Con el archivo de datos Pulse.mtw, comprobemos si se puede aceptar, con un nivel de
significacin de = 00 05, que la varianza poblacional del pulso de los hombres antes de correr es
igual a la varianza poblacional del pulso de las mujeres antes de correr. Lo que se quiere es comparar la varianza poblacional de la variable Pulse1 para los grupos en los que la variable Sex vale 1
(Hombre) y 2 (Mujer). El contraste que tenemos que hacer es H0 : 12 = 22 frente a H1 : 12 6= 22 ,
siendo X1 =Pulso de los hombres antes de correr y X2 =Pulso de las mujeres antes de correr.
Como no hay relacin alguna entre el grupo de hombres y el grupo de mujeres, podemos afirmar que
las muestras son independientes. Por tanto, nos encontramos ante un contraste de comparacin de
dos varianzas poblacionales, con muestras independientes y medias poblacionales desconocidas. Ya
hemos comprobado, en la captulo 4, que las dos variables, X1 y X2 , son Normales.
Para hacer este contraste seleccionamos Stat Basic Statistics 2 Variances. Activamos la opcin
Samples in one column, con lo cual se desactivan automticamente las opciones Samples in different columns y Summarized data. En Samples seleccionamos, de la lista de variables de la izquierda, la columna
59
60
Pulse1; en Subscripts seleccionamos, de la lista de la izquierda, la columna Sex. Si pulsamos el botn

Options nos aparece un nuevo cuadro de dilogo con las siguientes opciones:
Confidence level: Por defecto se muestra un intervalo de confianza al 95 % para la diferencia de

desviaciones tpicas poblacionales, 1 2 . Se puede introducir un valor entre 1 y 99 para
solicitar otro nivel de confianza. En nuestro ejemplo, podemos dejar lo que aparece por defecto,
es decir, 95.
Title: Aqu se puede escribir un ttulo para el resultado del contraste. En nuestro ejemplo, podemos
dejarlo en blanco.
Como resultado de este contraste obtenemos una nueva ventana que contiene dos grficos y los
resultados de dos tests de hiptesis sobre comparacin de dos varianzas (el test F de Snedecor y el
test de Levene). Podemos comprobar que el p-valor para el test F de Snedecor es 00 299; claramente
mayor que el nivel de significacin, = 00 05, por lo que podemos aceptar la hiptesis nula; es
decir, podemos aceptar que la varianza poblacional del pulso de los hombres antes de correr es igual
a la varianza poblacional del pulso de las mujeres antes de correr. Con el test de Levene tambin
aceptaramos la hiptesis nula pues el p-valor es igual a 00 148.
Ejemplo 2. Con el archivo de datos Pulse.mtw, comprobemos si se puede aceptar, con un nivel de
significacin de = 00 05, que la varianza poblacional del pulso de los hombres despus de correr
es igual a la varianza poblacional del pulso de las mujeres despus de correr. Lo que se quiere es
comparar la varianza poblacional de la variable Pulse2 para los grupos en los que la variable Sex vale
1 (Hombre) y 2 (Mujer). El contraste que tenemos que hacer es H0 : 12 = 22 frente a H1 : 12 6=
22 , siendo X1 =Pulso de los hombres despus de correr y X2 =Pulso de las mujeres despus de
correr.
Para hacer este contraste seleccionamos Stat Basic Statistics 2 Variances. Activamos la opcin
Pulse2; en Subscripts seleccionamos, de la lista de la izquierda, la columna Sex.
Se puede comprobar que el p-valor para el test F de Snedecor es 00 003, claramente menor que
el nivel de significacin, = 00 05, por lo que tenemos que rechazar la hiptesis nula y, por tanto,
aceptar que la varianza poblacional del pulso de los hombres despus de correr es distinta de la
varianza poblacional del pulso de las mujeres despus de correr. Con el test de Levene llegamos a la
misma conclusin pues el p-valor es igual a 00 011.
Tambin se puede realizar este contraste de hiptesis si sabemos los dos tamaos muestrales y los
resultados de las dos varianzas corregidas muestrales. Vemoslo con un nuevo ejemplo:
Ejemplo 3. Supongamos que, de una muestra aleatoria de 21 personas que son socias de una biblioteca, la media del nmero de horas por semana que pasan en la biblioteca es 10, con una varianza
corregida de 9. Y para una muestra aleatoria independiente de la primera, de 16 personas que no son
socias de la biblioteca, la media es 6, con una varianza corregida de 4. Existe diferencia significativa entre las varianzas del nmero de horas semanales que pasan en la biblioteca los socios y los no
socios?
Como la varianza corregida muestral en el grupo de los socios es mayor que en el grupo de los
no socios, entonces S12 ser la varianza corregida en el grupo de los socios; es decir, X1 =Tiempo
61
semanal que permanecen en la biblioteca los socios y X2 =Tiempo semanal que permanecen en la
biblioteca los no socios. Hemos de suponer que las variables aleatorias X1 y X2 son Normales.
As pues, se tienen los siguientes datos:
n1 = 21 , S12 = 9 ,
n2 = 16 , S22 = 4 .
Vamos a decidir sobre el siguiente contraste de hiptesis:
H0 : 12 = 22 ,
H1 : 12 6= 22 .
Seleccionamos la opcin Stat Basic Statistics 2 Variances. Activamos la opcin Summarized data,
con lo cual se desactivan automticamente las opciones Samples in one column y Samples in different
columns. Dentro de First, en Sample size tenemos que teclear el tamao muestral de la primera muestra,
que es 21, y en Variance tenemos que teclear el resultado de la varianza corregida de la primera muestra,
que es 9. Dentro de Second, en Sample size tenemos que teclear el tamao muestral de la segunda
muestra, que es 16, y en Variance tenemos que teclear el resultado de la varianza corregida de la
segunda muestra, que es 4.
Tanto en la ventana de sesin como en el grfico generado comprobamos que el p-valor para el test
F de Snedecor es 00 114, mayor que los niveles de significacin usuales ( = 00 05 = 00 01) y, por
tanto, aceptamos la hiptesis nula. En consecuencia, aceptamos que no existe diferencia significativa
entre las varianzas del nmero de horas semanales que pasan en la biblioteca los socios y los no
socios.
6.2.
Comparacin de dos medias con muestras

independientes
En general, un contraste para decidir sobre la hiptesis nula H0 : 1 = 2 frente a la hiptesis

alternativa H1 : 1 6= 2 es bastante frecuente y constituye uno de los primeros objetivos de cualquier
investigador que se inicia en estadstica. Los mtodos de resolucin del problema varan segn las
muestras sean independientes o apareadas, y segn las varianzas poblacionales sean conocidas o desconocidas. Dentro del caso en que las varianzas poblacionales sean desconocidas, el mtodo depende
de si son iguales o distintas. El caso de muestras independientes y varianzas poblacionales conocidas
no se puede hacer con Minitab. Trataremos, a continuacin, el resto de los casos.
6.2.1.
Comparacin de dos medias con muestras independientes y

varianzas poblacionales desconocidas pero iguales
Este procedimiento solamente es vlido cuando las dos muestras son aleatorias y las dos poblaciones son Normales o los dos tamaos muestrales son grandes (en la prctica n1 , n2 30).
Para realizar este test paramtrico hay que seleccionar Stat Basic Statistics 2-Sample t.
Con el archivo de datos Pulse.mtw, comprobemos si se puede aceptar, con un nivel de significacin
de = 00 05, que el pulso medio poblacional de los hombres antes de correr es igual al pulso medio
62
poblacional de las mujeres antes de correr. Lo que se quiere es comparar la media poblacional de la
variable Pulse1 para los grupos en los que la variable Sex vale 1 (Hombre) y 2 (Mujer). El contraste
que tenemos que hacer es H0 : 1 = 2 frente a H1 : 1 6= 2 , siendo X1 =Pulso de los hombres
antes de correr y X2 =Pulso de las mujeres antes de correr.
En el Ejemplo 1 de la seccin 6.1 hemos comprobado que se puede aceptar que la varianza poblacional del pulso de los hombres antes de correr es igual a la varianza poblacional del pulso de
las mujeres antes de correr. Por tanto, nos encontramos ante un contraste de comparacin de dos medias poblacionales, con muestras independientes y varianzas poblacionales desconocidas pero iguales.
Aunque las variables aleatorias X1 y X2 no fuesen Normales (que s lo son, pues lo hemos comprobado en el captulo 4), se puede aplicar este contraste debido a que los tamaos muestrales son
suficientemente grandes: n1 = 57 y n2 = 35.
Para hacer este contraste seleccionamos Stat Basic Statistics 2-Sample t. Activamos la opcin
Pulse1; en Subscripts seleccionamos, de la lista de la izquierda, la columna Sex; y activamos Assume equal variances ya que hemos comprobado que las varianzas poblacionales son desconocidas pero
iguales. Si pulsamos el botn Options nos aparece un nuevo cuadro de dilogo con las siguientes
opciones:
medias poblacionales, 1 2 . Se puede introducir un valor entre 1 y 99 para solicitar otro
nivel de confianza. En nuestro ejemplo, podemos dejar lo que aparece por defecto, es decir, 95.
Test difference: Aqu se pone el valor con el que se compara la diferencia de medias poblacionales,
0 . La hiptesis nula H0 : 1 = 2 es equivalente a H0 : 1 2 = 0, por lo que el valor
con el que se compara la diferencia de medias poblacionales, en este ejemplo, es cero; es decir,
0 = 0. En consecuencia, nosotros dejamos lo que aparece por defecto (cero).
alternativa es H1 : 1 2 < 0 , not equal significa que la hiptesis alternativa es H1 : 1 2 6=
0 y greater than significa que la hiptesis alternativa es H1 : 1 2 > 0 . Tengamos en cuenta
que con la opcin less than el intervalo de confianza para 1 2 ser del tipo (, b), con
la opcin not equal el intervalo de confianza ser del tipo (a, b) y con la opcin greater than el
intervalo de confianza ser del tipo (a, +). En nuestro ejemplo, tenemos que dejar lo que
aparece por defecto, que es not equal, ya que la hiptesis alternativa es H1 : 1 6= 2 , que es
equivalente a H1 : 1 2 6= 0.
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 006, claramente menor que el
nivel de significacin, = 00 05, por lo que debemos rechazar la hiptesis nula y, por tanto, aceptar
la hiptesis alternativa. Aceptamos que el pulso medio poblacional de los hombres antes de correr es
distinto del pulso medio poblacional de las mujeres antes de correr. Como la media muestral del pulso
de las mujeres antes de correr (760 9) es mayor que la media muestral del pulso de los hombres antes
de correr (700 42) podramos, incluso, aceptar que la media poblacional del pulso de las mujeres antes
de correr es mayor que la media poblacional del pulso de los hombres antes de correr. El intervalo de
confianza al 95 % para la diferencia de medias poblacionales, 1 2 , es (100 96, 10 91).
Tambin se puede realizar este contraste de hiptesis si sabemos los dos tamaos muestrales, los
resultados de las dos medias muestrales y los resultados de las dos desviaciones tpicas corregidas
muestrales. Vemoslo con un nuevo ejemplo:
63
Con los datos del Ejemplo 3 (de la seccin 6.1) queremos decidir si existe diferencia significativa
entre el nmero medio de horas semanales que permanecen en la biblioteca los socios y los no socios.
Como en dicho ejemplo hemos decidido aceptar que no existe diferencia significativa entre las
varianzas poblacionales, entonces nos encontramos ante un contraste de comparacin de dos medias poblacionales, con muestras independientes y varianzas poblacionales desconocidas pero iguales.
Realizaremos el siguiente contraste de hiptesis:
H0 : 1 = 2 ,
H1 : 1 6= 2 .
Los datos son:
n1 = 21 , X 1 = 10 , S1 = 3 ,
n2 = 16 , X 2 = 6 ,
S2 = 2 .
Seleccionamos la opcin Stat Basic Statistics 2-Sample t. Activamos la opcin Summarized data,
con lo cual se desactivan automticamente las opciones Samples in one column y Samples in different
columns. Dentro de First, en Sample size tenemos que teclear el tamao muestral de la primera muestra,
que es 21, en Mean tenemos que teclear el resultado de la media de la primera muestra, que es 10, y
en Standard deviation tenemos que teclear el resultado de la desviacin tpica corregida de la primera
muestra, que es 3. Dentro de Second, en Sample size tenemos que teclear el tamao muestral de la
segunda muestra, que es 16, en Mean tenemos que teclear el resultado de la media de la segunda
muestra, que es 6, y en Standard deviation tenemos que teclear el resultado de la desviacin tpica
corregida de la segunda muestra, que es 2. Activamos Assume equal variances ya que hemos comprobado
(en el Ejemplo 3, como ya hemos dicho) que las varianzas poblacionales son desconocidas pero
iguales. Pulsamos en Options y en el cuadro de dilogo resultante dejamos lo que aparece por defecto
(Confidence level: 95, Test difference: 0, Alternative: not equal).
Podemos comprobar, en la ventana de sesin, que el p-valor es 0, el mnimo posible y, por supuesto,
menor que los niveles de significacin usuales ( = 00 05 = 00 01), por lo que debemos rechazar
la hiptesis nula. Aceptamos, en consecuencia, que existe diferencia significativa entre el nmero
medio de horas semanales que permanecen en la biblioteca los socios y los no socios. Como la media
muestral del nmero de horas semanales que permanecen en la biblioteca los socios (10) es mayor que
la media muestral del nmero de horas semanales que permanecen en la biblioteca los no socios (6)
podramos, incluso, aceptar que la media poblacional del nmero de horas semanales que permanecen
en la biblioteca los socios es mayor que la media poblacional del nmero de horas semanales que
permanecen en la biblioteca los no socios. El intervalo de confianza al 95 % para la diferencia de
medias poblacionales, 1 2 , es (20 326, 50 674).
6.2.2.
Comparacin de dos medias con muestras independientes y

varianzas poblacionales desconocidas y distintas
Igual que en el apartado anterior, este procedimiento solamente es vlido cuando las dos muestras
son aleatorias y las dos poblaciones son Normales o los dos tamaos muestrales son grandes (en la
prctica n1 , n2 30).
Para realizar este test paramtrico hay que seleccionar, igual que antes, Stat Basic Statistics 2Sample t. Hay que rellenar el cuadro de dilogo de manera similar al apartado anterior, con la salvedad
de que, en este caso, hay que desactivar la opcin Assume equal variances.
64
de = 00 05, que el pulso medio poblacional de los hombres despus de correr es igual al pulso
medio poblacional de las mujeres despus de correr. Queremos comparar la media poblacional de la
variable Pulse2 para los grupos en los que la variable Sex vale 1 (Hombre) y 2 (Mujer). El contraste
que tenemos que hacer es H0 : 1 = 2 frente a H1 : 1 6= 2 , siendo X1 =Pulso de los hombres
despus de correr y X2 =Pulso de las mujeres despus de correr.
En el Ejemplo 2 de la seccin 6.1 hemos comprobado que se puede aceptar que la varianza poblacional del pulso de los hombres despus de correr es distinta de la varianza poblacional del pulso de
las mujeres despus de correr. Por tanto, nos encontramos ante un contraste de comparacin de dos
medias poblacionales, con muestras independientes y varianzas poblacionales desconocidas y distintas. Aunque las variables aleatorias X1 y X2 no fuesen Normales, se puede aplicar este contraste
debido a que los tamaos muestrales son suficientemente grandes: n1 = 57 y n2 = 35.
Para hacer el contraste seleccionamos Stat Basic Statistics 2-Sample t. Activamos la opcin Samples in one column, con lo cual se desactivan automticamente las opciones Samples in different columns y
Summarized data. En Samples seleccionamos, de la lista de variables de la izquierda, la columna Pulse2;
y en Subscripts seleccionamos, de la lista de la izquierda, la columna Sex. Si se pulsa el botn Options
aparece un cuadro de dilogo similar al ejemplo anterior. En este cuadro de dilogo dejamos lo que
aparece por defecto (Confidence level: 95, Test difference: 0, Alternative: not equal).
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 007, claramente menor que el
nivel de significacin, = 00 05, por lo que debemos rechazar la hiptesis nula y, por tanto, aceptar
la hiptesis alternativa. Aceptamos que el pulso medio poblacional de los hombres despus de correr
es distinto del pulso medio poblacional de las mujeres despus de correr. Como la media muestral
del pulso de las mujeres despus de correr (860 7) es mayor que la media muestral del pulso de los
hombres despus de correr (750 9) podramos, incluso, aceptar que la media poblacional del pulso de
las mujeres despus de correr es mayor que la media poblacional del pulso de los hombres despus
de correr. El intervalo de confianza al 95 % para la diferencia de medias poblacionales, 1 2 , es
(180 65, 30 02).
6.3.
Comparacin de dos medias con muestras

apareadas
Este procedimiento solamente es vlido cuando las dos muestras son aleatorias y la variable aleatoria diferencia, D = X1 X2 , es Normal o el tamao muestral comn, n, es grande (en la prctica,
n 30).
Para realizar este test paramtrico hay que seleccionar Stat Basic Statistics Paired t.
de = 00 05, que el pulso medio poblacional antes de correr es igual al pulso medio poblacional
despus de correr. Lo que se quiere es comparar la media poblacional de la variable Pulse1 con la
media poblacional de la variable Pulse2. El contraste que tenemos que hacer es H0 : 1 = 2 frente
a H1 : 1 6= 2 , siendo X1 =Pulso antes de correr y X2 =Pulso despus de correr. Como las
dos variables estn observadas en los mismos individuos, podemos afirmar que las muestras estn
relacionadas; es decir, son apareadas o asociadas. Por tanto, nos encontramos ante un contraste de
comparacin de dos medias poblacionales con muestras apareadas. Aunque la variable aleatoria di-
65
ferencia, D = X1 X2 , no fuese Normal, se puede aplicar este contraste debido a que los tamaos
muestrales son suficientemente grandes: n1 = n2 = n = 92.
Para hacer este contraste seleccionamos Stat Basic Statistics Paired t. Activamos la opcin Samples in columns; en First sample seleccionamos, de la lista de variables de la izquierda, la columna
Pulse1; en Second sample seleccionamos, de la lista de variables de la izquierda, la columna Pulse2.
Si pulsamos el botn Options nos aparece un cuadro de dilogo similar al de la opcin anterior (2Sample tOptions). En este cuadro de dilogo dejamos lo que aparece por defecto (Confidence level: 95,
Test difference: 0, Alternative: not equal).
Podemos comprobar, en la ventana de sesin, que el p-valor es igual a 0, el mnimo posible y,
por supuesto, menor que el nivel de significacin, = 00 05, por lo que debemos rechazar la hiptesis
nula y, por tanto, aceptar la hiptesis alternativa. Aceptamos, por tanto, que el pulso medio poblacional
antes de correr es distinto del pulso medio poblacional despus de correr. Como la media muestral
del pulso despus de correr (800 00) es mayor que la media muestral del pulso antes de correr (720 87)
podramos, incluso, aceptar que la media poblacional del pulso despus de correr es mayor que la
media poblacional del pulso antes de correr. El intervalo de confianza al 95 % para la diferencia de
medias poblacionales, en este caso, es (90 92, 40 34).
6.4.
Comparacin de dos proporciones
Consideramos una variable aleatoria dicotmica o dicotomizada (con resultados denominados xito y fracaso) evaluada en dos poblaciones distintas. Extraemos sendas muestras aleatorias independientes de tamaos n1 y n2 . Queremos realizar contraste H0 : p1 = p2 frente a H1 : p1 6= p2 , donde
pi es la proporcin de xitos en la poblacin i, para i = 1, 2.
Si los resultados de la variable aleatoria dicotmica o dicotomizada son numricos, Minitab toma
como suceso xito al nmero ms alto; y si los resultados son de tipo texto, Minitab toma como suceso
xito a la cadena de texto que est ms cerca del final del alfabeto. Por ejemplo, si los resultados son SI
y NO, entonces el resultado SI sera el suceso xito. Si los resultados son 1 y 2, entonces el resultado
2 sera el suceso xito.
Para realizar la comparacin de dos proporciones poblacionales hay que seleccionar Stat Basic
Statistics 2 Proportions.
Recordemos que en la hoja de datos Pulse.mtw la variable Smokes tiene solamente dos resultados:
1=Fumador, 2=No Fumador. Por otra parte, la variable Sex tambin tiene solamente dos resultados:
1=Hombre, 2=Mujer. Comprobemos si se puede aceptar, con un nivel de significacin de = 00 05,
que la proporcin poblacional de hombres no fumadores es igual a la proporcin poblacional de
mujeres no fumadoras. Minitab toma como suceso xito de la variable Smokes el resultado 2 (es decir,
No Fumador) pues es el resultado ms alto de los dos. Lo que se quiere es comparar la proporcin
poblacional de xitos de la variable Smokes para los grupos en los que la variable Sex vale 1 (Hombre)
y 2 (Mujer). El contraste que tenemos que hacer es H0 : p1 = p2 frente a H1 : p1 6= p2 .
Para hacer este contraste seleccionamos Stat Basic Statistics 2 Proportions. Activamos la opcin
Smokes; y en Subscripts seleccionamos, de la lista de la izquierda, la columna Sex. Si pulsamos el
botn Options nos aparece un nuevo cuadro de dilogo con las siguientes opciones:
66

proporciones poblacionales, p1 p2 . Se puede introducir un valor entre 1 y 99 para solicitar
otro nivel de confianza. En nuestro ejemplo, podemos dejar lo que aparece por defecto, es decir,
95.
Test difference: Aqu se pone el valor con el que se compara la diferencia de proporciones poblacionales, p0 . La hiptesis nula H0 : p1 = p2 es equivalente a H0 : p1 p2 = 0, por lo que el valor
con el que se compara la diferencia de proporciones poblacionales, en este ejemplo, es cero; es
decir, p0 = 0. En consecuencia, nosotros dejamos lo que aparece por defecto (cero).
alternativa es H1 : p1 p2 < p0 , not equal significa que la hiptesis alternativa es H1 : p1 p2 6=
p0 y greater than significa que la hiptesis alternativa es H1 : p1 p2 > p0 . Tengamos en cuenta
que con la opcin less than el intervalo de confianza para p1 p2 ser del tipo (, b), con
la opcin not equal el intervalo de confianza ser del tipo (a, b) y con la opcin greater than el
intervalo de confianza ser del tipo (a, +). En nuestro ejemplo, tenemos que dejar lo que
aparece por defecto, que es not equal, ya que la hiptesis alternativa es H1 : p1 6= p2 , que es
equivalente a H1 : p1 p2 6= 0.
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 198, mayor que el nivel de significacin, = 00 05, por lo que debemos aceptar la hiptesis nula. Aceptamos, en consecuencia, que
la proporcin poblacional de hombres no fumadores es igual a la proporcin poblacional de mujeres
no fumadoras. El intervalo de confianza al 95 % para la diferencia de proporciones poblacionales,
p1 p2 , es (00 308592, 00 0639809).
Tambin se puede realizar este contraste de hiptesis si sabemos los dos tamaos muestrales y el
nmero de xitos en cada una de las dos muestras. Vemoslo con un ejemplo:
Con objeto de comparar dos pequeas empresas A y B de encuadernacin de libros, se extrajo una muestra aleatoria de 250 libros encuadernados en A y otra muestra aleatoria de 200 libros
encuadernados en B, y se encontr que 50 de los libros encuadernados en A, y 32 de los encuadernados en B tenan algn defecto en su encuadernacin. Son igualmente buenas las dos empresas de
encuadernacin?
Lo que queremos comprobar es si la proporcin poblacional de libros defectuosos encuadernados
en la empresa A es igual a la proporcin poblacional de libros defectuosos encuadernados en la
empresa B.
Para hacer este contraste seleccionamos Stat Basic Statistics 2 Proportions. Activamos la opcin
Summarized data. Dentro de First, en Events tenemos que teclear el nmero de xitos en la primera
muestra, que es 50, y en Trials tenemos que teclear el tamao de la primera muestra, que es 250. Dentro
de Second, en Events tenemos que teclear el nmero de xitos en la segunda muestra, que es 32, y en
Trials tenemos que teclear el tamao de la segunda muestra, que es 200. En el cuadro de dilogo de
Options dejamos lo que aparece por defecto (Confidence level: 95, Test difference: 0, Alternative: not equal).
Podemos comprobar, en la ventana de sesin, que el p-valor es 00 269, mayor que el nivel de significacin usual ( = 00 05) por lo que debemos aceptar la hiptesis nula. Por tanto, aceptamos que
la proporcin poblacional de libros defectuosos encuadernados en la empresa A es igual a la proporcin poblacional de libros defectuosos encuadernados en la empresa B; es decir, las dos empresas
de encuadernacin son igualmente buenas. El intervalo de confianza al 95 % para la diferencia de
proporciones poblacionales, p1 p2 , es (00 0309929, 00 110993).
6.5.
67
Ejercicio 6.1
c) Utilizando el test de Levene, se puede aceptar, con un nivel de significacin de 00 05, que
la varianza poblacional del nmero anual de transacciones de referencia de las bibliotecas
pblicas es igual a la varianza poblacional del nmero anual de transacciones de referencia
de las bibliotecas universitarias? Por qu?
d) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional del nmero anual de transacciones de referencia de las bibliotecas pblicas es igual a la media
poblacional del nmero anual de transacciones de referencia de las bibliotecas universitarias? Por qu?
e) Utilizando el test F de Snedecor, se puede aceptar, con un nivel de significacin de 00 05,
que la varianza poblacional del porcentaje de transacciones de referencia finalizadas de
las bibliotecas pblicas es igual a la varianza poblacional del porcentaje de transacciones
de referencia finalizadas de las bibliotecas universitarias? Por qu?
f) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional del
porcentaje de transacciones de referencia finalizadas de las bibliotecas pblicas es igual
a la media poblacional del porcentaje de transacciones de referencia finalizadas de las
bibliotecas universitarias? Por qu?
Ejercicio 6.2 En la Tabla 9 aparece el precio, en euros, de una muestra aleatoria de 15 libros que
se prestan pocas veces (X1 ) y el precio, en euros, de una muestra aleatoria de 15 libros que se
prestan muchas veces (X2 ).
b) Guarda los datos en el archivo PrecioLibros.mtw
c) Se puede aceptar, con un nivel de significacin de 00 05, que la varianza poblacional del
precio de los libros que se prestan poco es igual a la varianza poblacional del precio de los
libros que se prestan mucho? Por qu?
d) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional del
precio de los libros que se prestan poco es igual a la media poblacional del precio de los
libros que se prestan mucho? Por qu?
Ejercicio 6.3 En la Tabla 10 aparece el nmero de palabras por resumen de una muestra aleatoria de
30 artculos cientficos escritos en francs (X1 ) y el nmero de palabras por resumen de una
muestra aleatoria de 30 artculos cientficos escritos en ingls (X2 ).
b) Guarda los datos en el archivo LongitudResumenes.mtw
68
x1i
x2i
75
110
32
30
30
45
34
69
42
46
57
53
51
97
36
43
82
42
45
37
58
48
66
45
40
105
35
61
51
57
Tabla 9
x1i
x2i
70
65
68
74
79
67
75
80
62
69
61
57
71
74
82
91
70
64
72
67
74
70
81
85
70
74
75
71
69
54
80
47
59
67
89
57
72
78
74
72
104
118
89
87
79
78
101
120
107
95
85
87
90
98
89
75
90
101
85
94
Tabla 10
c) Se puede aceptar, con un nivel de significacin de 00 05, que la varianza poblacional de la

longitud de los resmenes de artculos escritos en francs es igual a la varianza poblacional
de la longitud de los resmenes de artculos escritos en ingls? Por qu?
d) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional de la
longitud de los resmenes de artculos escritos en francs es igual a la media poblacional
de la longitud de los resmenes de artculos escritos en ingls? Por qu?
Ejercicio 6.4 Dos expertos califican una muestra aleatoria de 30 libros segn su calidad (1=muy
mala, 2=mala, 3=regular, 4=buena, 5=muy buena). En la Tabla 11 aparece la opinin del primer
experto (X1 ) y la opinin del segundo experto (X2 ).
b) Guarda los datos en el archivo Opinion.mtw
c) Calcula, en una nueva columna, los resultados de la variable diferencia D = X1 X2 .
x1i
x2i
x1i
x2i
69
Tabla 11
d) Se puede aceptar, con un nivel de significacin de 00 05, que la muestra de las diferencias,
di = x1i x2i , es aleatoria? Por qu?
e) Se puede aceptar, con un nivel de significacin de 00 05, que la variable diferencia, D =
X1 X2 , es Normal? Por qu?
f) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional de
los resultados de la opinin del primer experto es igual a la media poblacional de los
resultados de la opinin del segundo experto? Por qu?
Ejercicio 6.5 Elegimos al azar 30 matrimonios y observamos el nmero de veces que los hombres
han visitado alguna biblioteca en los tres ltimos meses (X1 ) y el nmero de veces que las mujeres han visitado alguna biblioteca en los tres ltimos meses (X2 ). Los resultados se muestran
en la siguiente Tabla 12.
b) Guarda los datos en el archivo VisitasBiblioteca.mtw
f) Podemos afirmar que hay diferencia significativa entre los hombres y las mujeres de los
matrimonios en cuanto al nmero de veces que van a la biblioteca? Por qu?
70
x1i
x2i
x1i
x2i
x1i
x2i
12
10
25
14
30
11
14
15
12
16
10
12
20
12
10
20
16
13
19
23
20
15
10
11
14
17
14
10
11
12
12
23
10
27
10
15
20
32
27
42
35
14
18
Tabla 12

Ejercicio 6.6 En la Tabla 13 aparece el nmero de usuarios diarios de la biblioteca A (variable X1 )
y el nmero de usuarios diarios de la biblioteca B (variable X2 ) en 10 das elegidos al azar.
x1i
x2i
51
45
72
58
35
32
70
56
75
68
98
76
100
88
80
69
72
57
90
75
Tabla 13

b) Guarda los datos en el archivo UsuariosDiarios.mtw
71
f) Se puede aceptar, con un nivel de significacin de 00 05, que la media poblacional del
nmero de usuarios diarios de la biblioteca A es igual a la media poblacional del nmero
de usuarios diarios de la biblioteca B? Por qu?
Ejercicio 6.7 Se quiere saber si la proporcin de libros escritos en espaol es la misma en dos bibliotecas universitarias (la de la facultad de matemticas y la de la facultad de filosofa). Se toma
una muestra aleatoria simple de 100 libros de la biblioteca de la facultad de matemticas y se
encuentra que 35 de ellos estn escritos en espaol y el resto en otros idiomas. Se extrae otra
muestra aleatoria simple de 150 libros de la biblioteca de la facultad de filosofa y se observa
que 60 estn escritos en espaol. Qu conclusin se puede extraer?
7
Contrastes no paramtricos en dos o
ms poblaciones
7.1.
Contraste de homogeneidad con dos o ms

muestras independientes (Kruskal-Wallis)
El procedimiento que vamos a explicar se aplica cuando la variable es cualitativa ordinal o cuantitativa, pero no Normal, y los tamaos muestrales son pequeos (en la prctica, alguno de ellos menor
que 30).
Observamos una variable aleatoria cuantitativa o cualitativa ordinal en r poblaciones, y extraemos
r muestras aleatorias independientes (una de cada poblacin). El objetivo es contrastar la hiptesis nula H0 : Las r poblaciones son homogneas (la variable aleatoria observada tiene la misma
distribucin en las r poblaciones) frente a la hiptesis alternativa H1 : Las r poblaciones no son homogneas. La hiptesis nula implica que las r medias poblacionales son iguales por lo que, a veces,
se sustituye aquella hiptesis nula por sta.
En Minitab hay varios procedimientos para realizar un contraste de homogeneidad con dos o ms
muestras independientes, pero vamos a explicar el contraste de Kruskal-Wallis, que es una generalizacin del test de Mann-Whitney (que tambin se puede usar en Minitab) para dos muestras aleatorias
independientes.
Para realizar el contraste de Kruskal-Wallis hay que seleccionar Stat Nonparametrics KruskalWallis.
Con el archivo de datos Pulse.mtw, veamos si se puede aceptar, con un nivel de significacin de
= 00 05, que el nivel de actividad fsica de los hombres es igual al de las mujeres. Como la variable
Activity no es Normal y no tiene sentido comparar las medias poblacionales, tenemos que realizar un
contraste no paramtrico de homogeneidad con dos muestras independientes (la muestra de hombres
y la muestra de mujeres). La hiptesis nula se puede enunciar como H0 :El nivel de actividad fsica
es el mismo para los hombres y para las mujeres o como H0 :La distribucin de la variable Activity
es la misma en la poblacin de los hombres y en la de las mujeres.
73
74
Para hacer este contraste seleccionamos Stat Nonparametrics Kruskal-Wallis. En Response seleccionamos, de la lista de variables de la izquierda, la columna Activity; y en Factor seleccionamos, de
la lista de la izquierda, la columna Sex. Podemos comprobar, en la ventana de sesin, que el p-valor
es 00 305; claramente mayor que el nivel de significacin, = 00 05, por lo que podemos aceptar la
hiptesis nula; es decir, podemos aceptar que el nivel de actividad fsica es el mismo para los hombres
y para las mujeres.
Un ejemplo con ms de dos muestras independientes podra ser el siguiente: Con el archivo de
datos Pulse.mtw, comprobemos si se puede aceptar, con un nivel de significacin de = 00 05, que
el peso medio es el mismo para los 4 niveles de actividad fsica (Activity=0, 1, 2 y 3). Se puede
comprobar que la variable Weight no es Normal. Adems los tamaos muestrales no son grandes:
n1 = 1 para Activity=0, n2 = 9 para Activity=1, n3 = 61 para Activity=2, y n4 = 21 para Activity=3. Por
tanto, no podemos realizar un contraste paramtrico en el que se comparen las medias poblacionales.
Tenemos que realizar un contraste no paramtrico de homogeneidad con 4 muestras independientes.
La hiptesis nula es H0 :La distribucin de la variable Weight es la misma para los cuatro niveles de
actividad fsica.
Para hacer este contraste seleccionamos Stat Nonparametrics Kruskal-Wallis. En Response seleccionamos, de la lista de variables de la izquierda, la columna Weight; y en Factor seleccionamos, de la
lista de la izquierda, la columna Activity. Podemos comprobar, en la ventana de sesin, que el p-valor
es 00 741; claramente mayor que el nivel de significacin, = 00 05, por lo que podemos aceptar la
hiptesis nula; es decir, podemos aceptar que la distribucin de la variable Weight es la misma para los
cuatro niveles de actividad fsica.
Como hemos podido observar, para realizar este contraste con Minitab debemos tener una columna
con todos los resultados de la variable (para todos y cada uno de los individuos de todas y cada una
de las muestras) y otra columna que nos indique la muestra de la que procede cada resultado.
7.2.
Contraste de homogeneidad con dos o ms

muestras apareadas (Friedman)
El contraste de Friedman es similar al de Kruskal-Wallis pero en este caso las r muestras son apareadas (estn relacionadas o asociadas). El test de Friedman se aplica cuando la variable es cualitativa
ordinal o cuantitativa, pero no Normal, y los tamaos muestrales son pequeos (en la prctica, alguno
de ellos menor que 30)
Para realizar este contraste hay que seleccionar Stat Nonparametrics Friedman.
En general, el problema suele ser el siguiente. Supongamos que estamos interesados en comparar
los efectos de r tratamientos. Se cree que hay una variable que puede interferir en nuestra capacidad
para detectar diferencias reales entre los r tratamientos. Queremos controlar esta variable extraa
mediante la construccin de bloques. Esto es, dividimos los individuos en n bloques, cada uno de
tamao r, siendo los individuos de un mismo bloque tan iguales como sea posible respecto de la
variable extraa. Asignaremos aleatoriamente los r tratamientos a los individuos de los bloques.
Para explicar este mtodo vamos a utilizar un ejemplo: En la Figura 14 aparece la opinin de
tres expertos respecto de la calidad de 10 libros elegidos al azar (1=muy mala, 2=mala, 3=regular,
4=buena, 5=muy buena).
Vamos a comprobar si se puede aceptar, con un nivel de significacin de 00 05, que no hay diferencia
significativa entre los tres expertos respecto de su opinin sobre la calidad de los libros. Notemos que,
75
Figura 14
efectivamente, las tres muestras estn relacionadas, pues realmente son la misma muestra (a la cual
se le ha observado tres variables distintas). La hiptesis nula es, por tanto, H0 : No hay diferencia
significativa entre los tres expertos respecto de su opinin sobre la calidad de los libros.
En este ejemplo tenemos 3 tratamientos (la opinin de cada uno de los 3 expertos) y 10 bloques
(cada uno de los 10 libros elegidos al azar). La variable respuesta es la opinin (de 1 a 5) de cada
experto respecto de la calidad de cada libro.
De manera anloga a lo que ocurra con el test de Kruskal-Wallis, para realizar el contraste de
Friedman con Minitab debemos tener una columna con todos los resultados de la variable respuesta
(para cada individuo de cada muestra); otra columna que nos indique la muestra de la que procede
cada resultado (tratamiento) y otra columna que nos indique el individuo (bloque). Por tanto, para
poder aplicar el contraste de Friedman no se pueden tener los datos tal y como se muestran en la
Figura 14, sino que hay que tener una columna que indique el nmero del tratamiento (en este caso,
el nmero del experto: de 1 a 3); otra columna que indique el nmero del bloque (en este caso,
el nmero del libro: de 1 a 10) y otra columna que indique la variable respuesta (de 1 a 5) para
cada combinacin de resultados de las dos columnas anteriores. Los datos, por tanto, tienen que
introducirse tal y como se muestra en la Figura 15. Podemos grabar estos datos en un archivo que
denominaremos Ejemplo_Friedman.mtw.
Para realizar el contraste seleccionamos Stat Nonparametrics Friedman. En Response seleccionamos, de la lista de la izquierda, la columna opinin (de 1 a 5); en Treatment seleccionamos, de la lista
de la izquierda, la columna no experto; en Blocks seleccionamos, de la lista de la izquierda, la columna
no libro y pulsamos en OK. Podemos observar, en la ventana de sesin, que el p-valor es 00 592, mayor
que el nivel de significacin ( = 00 05); por tanto, aceptamos la hiptesis nula; es decir, aceptamos
que no hay diferencia significativa entre los tres expertos respecto de su opinin sobre la calidad de
los libro.
7.3.
Contraste chi-cuadrado sobre homogeneidad de dos

o ms poblaciones
En dos o ms poblaciones distintas observamos una misma variable aleatoria, y extraemos una
muestra aleatoria simple de cada poblacin para comprobar si un determinado parmetro poblacional
76
Figura 15
(, 2 , . . .) toma idntico valor en las distintas poblaciones. Pero como no se cumplen las condiciones necesarias para aplicar un contraste de hiptesis paramtrico, entonces tenemos que realizar un
contraste de hiptesis no paramtrico. Sin embargo, ocurre que la hiptesis nula no se puede enunciar
como la igualdad de los parmetros poblacionales, sino que ahora debemos comprobar si la variable
aleatoria tiene la misma distribucin en las dos poblaciones. Esta hiptesis se resume diciendo que
las poblaciones son homogneas.
El contraste chi-cuadrado de homogeneidad es el mismo que el test chi-cuadrado de independencia
de variables explicado en la seccin 3 del captulo 4, aunque la hiptesis nula no sea la misma.
Para realizar este tipo de contraste en Minitab se utilizan las mismas dos opciones explicadas en la
seccin 3 del captulo 4; es decir, si los datos estn recogidos en una tabla de doble entrada, se utiliza
StatTablesChi-Square Test (Two-Way Table in Worksheet), y si los datos se encuentran recogidos en dos
(o tres) columnas, se utiliza StatTablesCross Tabulation and Chi-Square.
Vamos a hacer el siguiente ejemplo: Se selecciona una muestra aleatoria simple de estudiantes de
informtica de universidades privadas y otra de universidades pblicas, y se les somete a una prueba
77
de rendimiento, calificada de 0 a 500. Los resultados son los expuestos en la tabla siguiente. Deseamos
saber si la distribucin en la prueba de rendimiento es la misma para universidades privadas que para
universidades pblicas.
[0,275]
[276,350]
[351,425]
[426,500]
privadas
14
17
pblicas
30
32
17
El objetivo es contrastar la hiptesis H0 : La distribucin de los resultados de la prueba es la misma

en las universidades pblicas que en las privadas, frente a la hiptesis H1 : La distribucin no es
la misma.
Para realizar este contraste de homogeneidad con Minitab, en primer lugar tenemos que introducir la tabla de doble entrada anterior. Los datos tienen que ser introducidos tal como se muestra a
continuacin:
Podemos guardar estos datos en un archivo denominado Ejemplo_Homogeneidad.mtw.

Ahora seleccionamos StatTablesChi-Square Test (Two-Way Table in Worksheet); en Columns containing the table elegimos, de la lista de variables de la izquierda, las columnas privadas y pblicas y
pulsamos en OK. En la ventana de sesin podemos ver lo siguiente:
Recordemos que este contraste solamente puede aplicarse si todas las frecuencias esperadas bajo la
hiptesis nula son mayores o iguales que 1 y, adems, todas las frecuencias esperadas bajo la hiptesis
nula son mayores o iguales que 5, salvo para un 20 % como mximo. El 20 % de las casillas sera el
20 % de 8, que es 10 6. Como solamente una de las frecuencias esperadas es menor que 5, podemos
78
aplicar esta tcnica. El resultado del p-valor es 00 001, claramente menor que los habituales niveles de
significacin (00 05 00 01) por lo que rechazamos la hiptesis nula y, en consecuencia, aceptamos que
la distribucin de los resultados de la prueba no es la misma en las universidades pblicas que en las
privadas.
7.4.
Ejercicio 7.1 El nmero de libros juveniles prestados en 15 das elegidos al azar en los meses de
verano (V) e invierno (I) ha sido:
V
54
61
44
50
50
54
59
54
22
58
45
30
25
29
24
61
46
50
17
45
31
20
54
37
38
30
42
58
44
58
Hay la misma demanda de libros en verano que en invierno?

Ejercicio 7.2 Una coleccin de libros ha sido incluida en un ndice de dos formas distintas: a) fichero
de entrada simple e ndice en cadena, y b) fichero de entrada mltiple e ndice simple por
orden alfabtico. El nmero de entradas en los dos ficheros para una muestra aleatoria de 12
documentos ha sido:
a)
b)
El nmero de entradas por documento depende del tipo de fichero?

Ejercicio 7.3 Se selecciona una muestra aleatoria simple de 10 bibliotecas y se observa el nmero
de items (libros, artculos, revistas, . . .) obtenidos y el nmero de items pedidos por el servicio
de prstamo interbibliotecario de cada una de ellas en el ltimo ao. Los resultados son los
siguientes:
obtenidos
920
1.274
768
608
776
874
744
484
826
2.174
pedidos
874
489
1.175
1.034
1.752
588
670
622
747
1.793
En toda la poblacin de bibliotecas, el nmero medio de items obtenidos es igual al nmero

medio de items pedidos?
Ejercicio 7.4 Se eligen aleatoria e independientemente 15 alumnos del primer curso de bachillerato
y 12 alumnos del segundo curso de bachillerato, y se observa el nmero de libros distintos que
han pedido prestados en la biblioteca de su instituto durante un curso acadmico determinado.
Los resultados son los siguientes:
1o
10
10
12
11
12
14
10
10
11
Son iguales las medias del nmero de libros que los alumnos de 1o y 2o han pedido prestados
a la biblioteca del instituto durante el curso?
79
Ejercicio 7.5 En un volumen de libros para jvenes se observa que, para edades comprendidas entre 9
y 11 aos, 68 libros fueron escritos por hombres y 94 por mujeres; y para edades comprendidas
entre 12 y 14 aos, 116 libros fueron escritos por hombres y 28 por mujeres. Hay diferencia
significativa entre los dos grupos de edades respecto de la variable sexo de la persona que
escribe los libros?
Ejercicio 7.6 En un experimento se encuentra que en el ao 1980 el nmero de citas en sociologa
fue 330 y el nmero de citas en economa fue 299. En 1990, el nmero de citas en sociologa
fue 414 y en economa fue 393. Hay diferencia entre los dos aos investigados respecto del
nmero de citas en sociologa y economa?
Ejercicio 7.7 Los siguientes datos corresponden al nmero de libros cientficos y de ficcin prestados
a adultos residentes en dos reas de una determinada ciudad:
cientficos
de ficcin
rea A
870
745
rea B
304
251
Hay diferencia significativa entre las dos reas respecto del tipo de libro demandado?
Ejercicio 7.8 Los resmenes de Economics Abstracts se escriben en ingls, francs y alemn. Se
extraen muestras aleatorias independientes de 8 resmenes escritos en cada uno de los tres
idiomas mencionados, observando el nmero de palabras por resumen, siendo los resultados
los siguientes:
ingls
francs
alemn
71
111
67
118
113
75
52
84
61
47
84
99
59
84
58
65
94
107
84
90
113
111
90
95
La extensin de los resmenes es la misma para los tres idiomas?

Ejercicio 7.9 En una investigacin sobre la transferencia de la informacin se recogieron los siguientes datos:
grupo de trabajo
en persona
por telfono
otras
1.008
269
708
409
194
497
2.252
544
1.524
80
Hay diferencia entre los grupos de trabajo A, B y C en cuanto a los mtodos empleados para
transmitir la informacin?
Ejercicio 7.10 Se pregunta a una muestra aleatoria de alumnos de 3o de una facultad de documentacin, de cuatro cursos acadmicos distintos, si conocen los registros MARC de la British
Library, y los resultados son los siguientes:
No
No responde
199495
37
56
24
199596
24
44
30
199697
14
34
41
199798
28
54
15
Hay diferencia significativa entre los cuatro cursos acadmicos con respecto a la respuesta
dada?
Ejercicio 7.11 Se eligen aleatoria e independientemente 10 estantes con libros de geografa, 10 con
libros de derecho, 10 con libros de matemticas y 10 con libros de filosofa, y se cuenta el
nmero de libros por estante. Los resultados son los siguientes:
Geografa
Derecho
Matemticas
Filosofa
25
21
36
25
30
21
32
27
30
33
30
26
29
23
30
26
25
16
32
21
23
26
33
28
28
26
33
30
33
28
28
31
25
26
39
28
25
21
43
32
El nmero medio de libros por estante es igual para las cuatro materias?
Ejercicio 7.12 En una muestra aleatoria simple de 12 das se observa el nmero de libros prestados
en diferentes materias (cientficos, novelas, ensayos, arte, msica) siendo los resultados los
siguientes:
cientficos
novelas
ensayos
arte
msica
24
40
19
23
21
29
39
17
15
17
33
45
15
13
20
30
38
10
19
16
36
33
12
17
14
27
30
15
20
12
24
25
20
21
11
19
38
23
16
27
25
23
21
35
39
14
17
14
37
41
21
19
12
32
47
11
14
17
81
El nmero medio de libros prestados diariamente es igual en las cinco materias?

Ejercicio 7.13 En una investigacin sobre el uso que los profesores de distintos departamentos hacen
de las revistas cientficas, se encontr que 34 de los 50 profesores del departamento A, 22 de
los 40 profesores del departamento B y 15 de los 35 profesores del departamento C, utilizan las
revistas como ayuda en su trabajo acadmico (y el resto no). Hay diferencia significativa entre
los tres departamentos respecto del uso que hacen de las revistas cientficas?

2011 Minitab 15

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2011 Minitab 15

Cargado por

Copyright:

Formatos disponibles

Dra.

Josefa Marn Fernndez

4. Contrastes no paramtricos en una poblacin

5. Contrastes paramtricos en una poblacin

6. Contrastes paramtricos en dos poblaciones

6.4. Comparacin de dos proporciones . . . . . . . . . . . . . . . . . . . . . . . . . . .

7. Contrastes no paramtricos en dos o ms poblaciones

Elementos de Minitab para Windows

Al ejecutar Minitab 15 aparece la pantalla de la Figura 1.

Dra. Josefa Marn Fernndez

Figura 1: Pantalla inicial de Minitab 15

Figura 2: Iconos para activar las ventanas de sesin, de datos o de proyecto

A continuacin se da un resumen de lo que se puede encontrar en la barra de mens:

Manual de MINITAB 15 (con aplicaciones a las Ciencias de la Documentacin)

Dra. Josefa Marn Fernndez

Figura 3: Ejemplo para introducir datos a travs del teclado

Manual de MINITAB 15 (con aplicaciones a las Ciencias de la Documentacin)

Opciones principales del men Calc

Operaciones por filas mediante la opcin CalcCalculator

Dra. Josefa Marn Fernndez

Menor o igual que

Mayor o igual que

(a) Operadores aritmticos

(b) Operadores relacionales

(c) Operadores lgicos

Tabla 4: Operaciones aritmticas, relacionales y lgicas

Operaciones por columnas mediante la opcin CalcColumn

Manual de MINITAB 15 (con aplicaciones a las Ciencias de la Documentacin)

desviacin tpica corregida

mediana=valor que deja por debajo de l el 50 % de los datos

nmero total de casos=N nonmissing+N missing

nmero de casos para los cuales sabemos el resultado de la variable = n

nmero de casos para los cuales no sabemos el resultado de la variable

El resultado del estadstico calculado se puede almacenar (opcionalmente) en una constante, si lo

es posible cambiar el nmero de decimales de los resultados que aparecen en la ventana

Dra. Josefa Marn Fernndez

Operaciones por filas mediante la opcin CalcRow Statistics

Creacin de datos por patrn

Manual de MINITAB 15 (con aplicaciones a las Ciencias de la Documentacin)

Creacin de resultados aleatorios de una distribucin conocida

La utilidad principal de esta opcin la veremos en el captulo 3.

Opciones principales del men Data

Dra. Josefa Marn Fernndez

Ordenacin de los datos

Codificacin o clasificacin de datos

La opcin DataCode permite la clasificacin o codificacin de los datos de una columna. Se

Manual de MINITAB 15 (con aplicaciones a las Ciencias de la Documentacin)

Algo ms sobre la ventana Session

Algo ms sobre la ventana Proyect Manager

Dra. Josefa Marn Fernndez

resumida y organizada, la informacin correspondiente a dicha ventana. El directorio History presenta

a) Crea un nuevo proyecto de Minitab.

Manual de MINITAB 15 (con aplicaciones a las Ciencias de la Documentacin)

f) Graba el proyecto con el siguiente nombre: Ejercicio1-1.mpj

transacciones de referencia finalizadas

a) Crea un nuevo proyecto de Minitab.

Dra. Josefa Marn Fernndez

Con Minitab, para determinar la distribucin de frecuencias de una (o ms variables) utilizamos

Estadstica descriptiva con la opcin Stat Basic

Dra. Josefa Marn Fernndez

error estndar de la media

desviacin tpica corregida

Coefficient of variation coeficiente de variacin media CV =