Ejercicio 1 Un fabricante de neumticos ha recabado, de los diferentes concesionarios, informacin

sobre la cantidad de miles de kilmetros recorridos por dos modelos de esos neumticos hasta que
se ha producido un reventn del neumtico. Los concesionarios la han proporcionado los siguientes
datos:
Los datos son continuos ya que puede tomar cualquiera de los valores entre dos nmeros dados, en
este caso 80.503 kilmetros est entre 80 y 81 kilmetros.
Son independientes debido a que las muestras del modelo 2 no dependen de la ocurrencia del
modelo 1 de llantas.
La primera pregunta es A qu tipo de distribucin corresponden los valores de los kilmetros de
dos modelos de llantas? A una distribucin t, a una distribucin binomial, Poisson, etc. Las hiptesis
correspondientes son:
H
0
=los kilmetros recorridos de las llantas tienden a una distribucin normal
H
1
= los kilmetros recorridos de las llantas no tienden a una distribucin normal
Para determinar partimos de la obtencin de los datos, sabemos que los conteos acercan a una
distribucin t, mientras que los valores obtenidos por la probabilidad excluyente, es decir, de que
ocurra o no se acerca a una distribucin binomial.
Para que los valores se acerque a una distribucin t tienen que cumplir ciertos requisitos como:
homogeneidad de varianza y que cada grupo de la variable estudiada siga una distribucin Normal
(=0, =1).
Para comenzar con la prueba lo primero que hacemos es graficar los kilmetros de ambos modelos
de llantas, Donde la prueba de Shapiro Wilk
1
(SW-W) para ambas muestras es de 0.98, el P valor para
el M1 es de 0.58 y para M2 es de 0.77, ver Figura 1, ambos valores son mayores que 0.05 de
significancia y debido a esto los datos de los kilmetros tienden a la normalidad, por otro lado la
prueba de Kolgomorov Smirnov
2
(D) para el M1 0.07 y para M2 es 0.06 y para ambos el P valor es <
n.s (no significante) nos indica que los datos de kilmetros cuadrados no tienden a la normalidad
debido a que sus valores del P valor son menores a 0.05.
De acuerdo a las pruebas realizadas principalmente las de Shapiro Wilk podemos decir que ambas
distribuciones se acercan a una distribucin normal, adems el grfico ayuda a visualizar esta
confirmacin, por lo tanto se acepta la hiptesis nula: H
0
=los kilmetros recorridos de las llantas
tienden a una distribucin normal

1
El Test de ShapiroWilk se usa para contrastar la normalidad de un conjunto de datos. Se plantea como
hiptesis nula que una muestra x1, ..., xn proviene de una poblacin normalmente distribuida. Fue publicado
en 1965 por Samuel Shapiro y Martin Wilk.1 Se considera uno de los test ms potentes para el contraste de
normalidad, sobre todo para muestras pequeas (n<30)

2
la prueba de Kolmogrov-Smirnov (tambin prueba K-S) es una prueba no paramtrica que se utiliza para
determinar la bondad de ajuste de dos distribuciones de probabilidad entre s.

Histogram (ejercicio 1.sta 9v*98c)
M1 =49*10*normal(x, 59.879, 15.8949)
M2 =49*10*normal(x, 53.1434, 15.1802)
M1
M2
0 10 20 30 40 50 60 70 80 90 100
0
2
4
6
8
10
12
14
16
N
o

o
f

o
b
s
M1: SW-W =0.9804, p =0.5839; D =0.0753, p <n.s., Lilliefors-p <1
M2: SW-W =0.9848, p =0.7746; D =0.0665, p <n.s., Lilliefors-p <1

Figura 1 Distribucin de los kilmetros para los dos modelos de llantas
Antes de realizar cualquier test el segundo paso es identificar si las muestras tienen homogeneidad
de varianzas y
El traslape de los Whiskers de la Figura 2 sugiere que no existe una diferencia significativa de las
distancias medias recorridas de ambos modelos de llantas.
Mean Plot (ejercicio 1.sta 9v*98c)
Mean
Mean0.95 Conf. Interval
M1 M2
M1 yM2
48
50
52
54
56
58
60
62
64
66
M
1

y

M
2

2

Figura 2 Comparacin de medias
Una vez observado el comportamiento de los datos como tercer paso elegimos la prueba
correspondiente, en este caso se realiza una prueba de t para datos independientes. Las hiptesis
correspondientes son:
H
0
=la calidad de llantas para ambos modelos es igual
H
1
=la calidad de llantas para ambos modelos es diferente
Datos descriptivos de los modelos de llantas:
M1: N = 49, Mean = 59.879, StdDv = 15.8949, Max = 90.565, Min = 29.48
M2: N = 49, Mean = 53.1434, StdDv = 15.1802, Max = 86.07, Min = 10.504
La prueba Levene
3
Figura 3 (b) indica que la varianzas de las muestras de los modelos de llantas
tienen un 62 por ciento de probabilidad de que sean iguales. La prueba de t da un valor de 2.14
El valor de P es menor de 0.05 Figura 3 (b) por lo tanto la hiptesis nula se rechaza, entonces si existe
diferencia entre la calidad de llantas del modelo uno y dos, tambin debido a la media podemos
inferir que el modelo uno de llantas aguanta ms que el modelo 2.

Figura 3 (a)

Figura 3 (b)






3
La prueba Levene se usa para contrastar si k muestras tienen la misma varianza, es decir, la homogeneidad
de varianzas.


Anexo
M1 80.502 M2 56.155
M1 61.979 M2 55.257
M1 51.179 M2 53.324
M1 74.239 M2 78.635
M1 48.24 M2 46.681
M1 79.426 M2 50.238
M1 47.012 M2 65.996
M1 55.643 M2 34.754
M1 84.588 M2 75.85
M1 63.692 M2 37.748
M1 44.411 M2 37.402
M1 48.698 M2 51.269
M1 52.452 M2 48.035
M1 35.342 M2 86.07
M1 41.539 M2 84.656
M1 74.582 M2 49.011
M1 60.727 M2 41.715
M1 57.884 M2 66.519
M1 67.662 M2 61.39
M1 71.36 M2 55.989
M1 55.912 M2 59.888
M1 40.709 M2 36.949
M1 70.003 M2 51.831
M1 41.886 M2 34.182
M1 65.854 M2 41.83
M1 50.432 M2 53.751
M1 82.919 M2 10.504
M1 67.124 M2 41.128
M1 90.565 M2 41.463
M1 48.662 M2 66.313
M1 29.48 M2 45.313
M1 72.635 M2 46.502
M1 59.168 M2 67.632
M1 85.72 M2 69.01
M1 49.677 M2 61.065
M1 59.449 M2 68.629
M1 75.548 M2 38.42
M1 73.808 M2 33.412
M1 37.654 M2 48.172
M1 61.03 M2 28.625
M1 76.58 M2 61.752
M1 60.951 M2 64.398
M1 30.252 M2 69.483
M1 48.996 M2 65.585
M1 35.884 M2 57.277
M1 46.724 M2 61.477
M1 67.467 M2 35.807
M1 89.116 M2 44.719
M1 58.708 M2 62.215