Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INDOAMERICA
PROGRAMACION
GENERAL
DEL
ESTADSTICA
Tutor
MAGISTER JUAN PAREDES B.
QUITO - ECUADOR
EVENTO
1
PLAN DEL EVENTO ACADEMICO
1.
PRESENTACION
El mbito socio - productivo, con toda su complejidad, tiene implcito dentro de
s una serie de situaciones en sus procesos, que demandan del investigador un
permanente monitoreo de los mismos, para sobre la base de los resultados que
obtenga, realizar modificaciones, ampliaciones y/o eliminando aquellos aspectos
que se encuentran influyendo sobre los resultados que obtiene.
Considerar que este monitoreo puede ser realizado nicamente sobre la base de
la experiencia del investigador, implica sobre valorar un nico aspecto, dentro
del proceso investigativo que esto implica. Consecuentemente, no se puede
hablar de apreciaciones, por el contrario es menester asumir posiciones que
demuestren una solvencia en la formacin y en la capacitacin terico-prctica
de confrontar aquellos aspectos que se considera relevantes con argumentos
tcnicos que, permitan efectivamente probarlos.
En este contexto se plantea la realizacin de un mdulo de ESTADSTICA
APLICADA con eminente aplicacin al mbito socio - productivo, construido
con el propsito esencial de permitir que los futuros maestrantes en esta
especializacin de cuarto nivel, sean capaces no slo de aplicar frmulas
muchas de las cuales pueden ser obtenidas directamente de los diferentes
programas computarizados- sino lo que es ms importante: interpretar y tomar
decisiones en torno a la informacin cuanticualitativa a la que tiene acceso el
investigador, sea como resultado de su prctica como de su investigacin.
La aplicabilidad del presente mdulo se circunscribe a la prctica profesional.
As, se pretende lograr en los profesionales que se desenvuelven en este nivel, un
progresivo apropiamiento de los elementos terico-prcticos de la Estadstica,
aplicables a la empresa y la indagacin de su problemtica.
2.
OBJETIVO GENERAL
Posibilitar la adquisicin de conocimientos y mtodos estadsticos, a travs de
ejercicios prcticos tendientes a la toma de decisiones en el mbito socio productivo.
3.
OBJETIVOS ESPECIFICOS
a. Estudiar las definiciones bsicas utilizadas en anlisis estadstico.
b. Conocer los procesos y grficos estadsticos aplicables de acuerdo a la
orientacin de la investigacin.
c. Aplicar e interpretar las frmulas de tendencia central y de dispersin.
d. Establecer los requisitos para realizar un adecuado muestreo.
e. Determinar la mejor prueba estadstica a aplicar en funcin de los objetivos
f. Aplicar las diferentes pruebas y mtodos en ejercicios tipo para su posterior
generalizacin.
4.
CONTENIDOS
UNIDAD I.- GENERALIDADES
1.
2.
3.
4.
DEFINICIN DE ESTADISTICA
LA ESTADSTICA Y SU RELACION CON LAS CIENCIAS SOCIALES
DEFINICIONES BASICAS
ACTIVIDADES DE APLICACION
4.
4.
MODELO LOGICO
MODELO MATEMATICO
Hiptesis Nula
Planteamiento de la Ho en diseos bilaterales
Planteamiento de la Ho en diseos unilaterales
Hiptesis Alterna
Para diseos bilaterales
Para diseos unilaterales
Alfa
3.
MODELO ESTADISTICO
DOSIMACIA
2.
X2 CUADRADO
3.
PRUEBA t
4.
PRUEBA F
4
UNIDAD I
GENERALIDADES
1.
DEFINICIN DE ESTADISTICA
Es un conjunto de tcnicas para la recoleccin, manejo, descripcin y anlisis de
informacin, de manera que las conclusiones obtenidas de ella, tengan un grado
de confiabilidad especificado.
La Estadstica permite la comprobacin de aquellos aspectos que se han
propuesto en las hiptesis, por tanto posibilita la verificacin de la relacin
propuesta en las variables. Esta comprobacin puede ser de tipo cuantitativo
como de tipo cualitativo y, se encuentra en relacin directa con el diseo de la
investigacin.
2.
Mogrovejo, Jorge, et al. (1997). Estadstica aplicada a la educacin. Loja: CEPOSTG, pp. 8-18
3.
DEFINICIONES BASICAS
Se exponen algunos trminos de uso frecuente:
a. Dato: viene expresado por numerales que pueden ser cantidades directas de
la informacin o reflejar observaciones cuantificables de categoras
empleadas en el anlisis; en el primer caso son datos cuantitativos, en el
segundo cualitativos. Se ordenan x1, x2 , x3, x4,.........
Son aquellos valores que se obtienen en diferentes aspectos pero que, son:
susceptibles de ser comparados entre s, permiten sacar conclusiones; y,
tomar decisiones.
Ejemplo 1.- Se obtienen los siguientes datos que representa el consumo
diario de agua por familia, en un distrito suburbano durante un verano
reciente:
Razn del uso del agua
Ducha y tina
Lavar trastes
Beber y cocinar
Lavar ropa
Regar el pasto
Sanitario
Varios
Total
Galones por da
99
13
11
33
150
88
20
414
Seguir rdenes
S
S
CS
RV
N
Siempre
Casi siempre
Rara vez
Nunca
Peso (Kg.)
50,5
50,6
49,8
49,7
49,6
Empleados
13
16
Variable
Servicio eficaz al cliente
Ventas
25 aos
24 aos
Dimetro(cm)
1,738
1,735
1,740
1,730
1,729
Redondeando:
Bolas de Cojinete
x1
x2
x3
x4
x5
Dimetro(cm)
1,74
1,74
1,74
1,73
1,73
9
ACTIVIDADES DE APLICACIN No. 1
OBJETIVOS
1. Incentivar la reflexin crtica sobre la importancia de la Estadstica en los procesos
socio - productivos.
2. Lograr la interiorizacin de los conceptos fundamentales de esta disciplina.
ACTIVIDADES
1. Consulte por lo menos tres definiciones de Estadstica y elabore un cuadro de doble
entrada que permita establecer semejanzas y diferencias.
2. Escriba su criterio personal sobre la importancia de la Estadstica en la formacin de
los futuros Magsteres en Gestin de Proyectos Socio - Productivos.
3. Enuncie dos ejemplos de cada una de las definiciones bsicas, aplicadas en su
mbito laboral.
4. Desarrollar el Taller Prctico N 1 que ser entregado durante la primera tutora.
10
UNIDAD II
ESTADSTICA DESCRIPTIVA
1.
TABLAS
Los datos que se obtienen en cualquier investigacin, generalmente se presentan
en forma de tablas.
Tabla 1.
No. Empleados
10
9
20
45
8
63
55
56
57
59
63
57
54
58
50
55
49
61
62
68
68
56
58
11
A ( pmx pmn)
A
# ti
i =
A=
#ti =
A (75 45) 30
#ti = 6
30
5
6
Tabla 3.
12
Distribucin por intervalos de clase de las Exportaciones de
Flores Naturales, en cientos de miles de dlares, de 24 florcolas
ecuatorianas en 1998.
Clase
45 49
50 54
55 59
60 64
65 69
70 74
75 79
f (frecuencias)
2
5
9
5
2
0
1
Clase
75 79
70 74
65 69
60 64
55 59
50 54
45 49
f (frecuencias)
1
0
2
5
9
5
2
3.
GRAFICOS
Se puede graficar por Diagrama de Puntos, Histogramas, Polgonos de
frecuencias y Ojivas.
a.
Diagramas de puntos
Sirven para presentar grficamente tablas en las cuales se consideran
nicamente una variable y una cantidad asociada a cada valor de la
misma. Se pueden presentar dos formas presentan esencialmente la
misma informacin- slo que en diferente forma y con diferente
propsito. As se pueden presentar:
1)
El primer tipo de diagrama de puntos se construye colocando en
el eje horizontal los valores de la variable (los cuales en muchos
casos son arbitrarios) y en el eje vertical las cantidades asociadas
2)
13
a stos. Finalmente, para cada valor de la variable y cada cantidad
asociada se dibujan puntos cuya altura corresponde a la magnitud
de dicha cantidad.
Para construir el segundo tipo de diagramas de puntos se colocan
en el eje horizontal los valores de la variable y sobre cada valor se
dibujan tantos puntos como veces aparezcan stos.
Figura 1.
Figura 1a.
b.
14
Histogramas
Se llama Histograma a la grfica de barras verticales sin espaciamiento
entre ella, construida colocando en el eje vertical a las frecuencias
absolutas o relativas y en el eje horizontal a los lmites de clase de una
tabla de frecuencias. Lo anterior implica que si los intervalos de clase son
iguales, sobre cada clase se erigen rectngulos cuyas reas son
proporcionales a las frecuencias de clase. Las etapas que se deben cubrir
para construir histogramas son:
1)
2)
3)
Figura 1b.
Serie1
4
3
2
1
0
45
50
55
60
65
70
75
c.
Polgono de frecuencias
Un Polgono de frecuencias es una grfica de lneas rectas que unen los
puntos obtenidos al colocar en el eje horizontal a los valores medios de
clase y en el vertical a las frecuencias relativas o absolutas. Es de resaltar
que el procedimiento equivale a unir los puntos medios de la cara
superior de los rectngulos de un histograma por medio de lneas rectas.
Figura 1c.
15
Polgono de frecuencias correspondiente a las Exportaciones de
Flores Naturales, en cientos de miles de dlares, de 24 florcolas
ecuatorianas en 1998.
10
9
8
7
6
5
Serie1
4
3
2
1
0
1
472
523
574
625
676
72
7
77
8
d.
Clase
45 49
50 54
55 59
60 64
65 69
70 74
75 79
f
(frec
uenc
ias)
2
5
9
5
2
0
1
fa
2
7
16
21
23
23
24
16
Figura 1d.
Serie1
10
5
0
451
e.
492
54
3
594
564
69
6
74
7
798
Pasteles
Permite graficar porcentajes o proporciones, es recomendable si existen
hasta un mximo de cinco alternativas, caso contrario pueden dificultar
en lugar de facilitar la comprensin de la informacin que se est
graficando.
Figura 1e.
8%
0% 4%
8%
1
21%
21%
2
3
4
5
6
7
38%
17
4.
MEDIDAS DESCRIPTIVAS
En los ejemplos del apartado precedente puede observarse que las tablas,
histogramas, distribuciones de frecuencias presentan formas muy variadas, por
lo que no es fcil comparar dos conjuntos de datos mediante la simple
inspeccin de sus representaciones grficas.
Es importante al trabajar con datos cuantitativos o cualitativos el obtener
cantidades que describan sucintamente el conjunto de datos que se estudia. Son
de particular inters cantidades que localicen el centro de las observaciones (o
ms bien de su distribucin de frecuencias) y la dispersin o variabilidad de las
mismas; las primeras son medidas de tendencia central y las segundas
medidas de dispersin. Las medidas de tendencia central son tres: Media
aritmtica, Mediana y Moda.
a.
Media Aritmtica
Se define como la suma de las observaciones dividida para el total de las
mismas; corresponde geomtricamente al punto de equilibrio de los
datos. Es la ms usada de las medidas descriptivas. Tiene la ventaja de
ser muy fcil de calcular, adems de poseer propiedades tericas
excelentes desde el punto de vista de la Estadstica Inferencial. Su
principal desventaja es que, por ser el punto de equilibrio de los datos, es
muy sensible a la presencia de observaciones extremas.
En el caso de valores sin agrupar la frmula de la Media Aritmtica es:
Media Aritmtica muestral
Media Aritmtica poblacional
x
x
X
n
N
En el caso de valores agrupados con frecuencias, la frmula es:
Media Aritmtica muestral
Media Aritmtica poblacional
xf
xf
X
n
N
donde:
X
x
xf
=
=
=
Media Aritmtica
Sumatoria de todos los datos
Sumatoria de todos los datos por su frecuencia absoluta
n
N
=
=
respectiva
Nmero total de datos de la muestra
Nmero total de datos de la poblacin
18
fiVi
i 1
n
=
fiVi
Media aritmtica
fiVi
i 1
=
=
63
55
56
57
59
63
x
n
X = 1388
24
X = 57.83
57
54
58
50
55
49
61
62
68
68
56
58
19
Vi
47
52
57
62
67
72
77
fi
2
5
9
5
2
0
1
fiVi
94
260
513
310
134
0
77
24
1388
fiVi
i 1
1388
57.83
24
X 57.83
b.
Mediana
Cuando se observa asimetra en la distribucin, la Media Aritmtica no
es una buena medida de tendencia central, ya que por ser el punto de
equilibrio de los datos resulta muy afectada por valores extremos. Para
ilustrar este punto considrense los nmeros: 27 3,4 3,2 3,3 3,1,
donde la Media es de 8, valor que nos dara una idea muy distorsionada
de la magnitud de las observaciones. Para este tipo de situaciones es
conveniente definir otra medida de tendencia central y, en este caso sera
la MEDIANA.
La Mediana (Me) de un conjunto de n nmeros, ordenados de mayor a
menor, es el nmero central en el arreglo. Si n es un nmero non, slo
hay un valor central. Si n es un nmero par, hay dos valores centrales, y
la mediana debe tomarse como la media aritmtica de estos dos valores.
Ejemplo 16.- Calcular la mediana para los nmeros
27
3,4
3,2
3,3
3,1
El primer paso es ordenar los nmeros:
3,1
3,2
3,3
3,4
27
Como en este caso n = 5 (nmero non) hay un solo valor central que es
3,3 y, este es el valor de la mediana. Es decir:
Me
3,3
20
112
108
106
109
110
111
107
105
113
107
108
109
110
110
111
112
113
Ordenar:
105
106
Como en este caso n = 10 (nmero par) hay dos valores centrales que son
109 y 110. Se aplica la frmula:
Me
109 110
109.5
2
Me 109.5
63
55
56
57
59
63
57
54
58
50
55
49
61
62
68
68
56
58
49
54
56
58
62
68
50
54
56
58
63
68
50
55
57
59
63
75
Ordenar:
45
52
55
57
61
63
Como en este caso n = 24 (nmero par) hay dos valores centrales que son
57 y 57, no se aplica la frmula:
Me 57
La Mediana es un valor que divide a los datos en mitades. Una con todas
las observaciones mayores o iguales a la mediana y otra con aquellas
menores o iguales a ella. Para conjuntos de datos asimtricos, es mejor
medida de tendencia central que la Media Aritmtica.
21
=
=
=
La mediana se representa:
Me a z
ba
z
d
0,5 c
Despejando z se obtiene:
b a 0,5 c
d
Me a
b a 0,5 c
d
22
Clase de la Mediana
f (frecuencias)
2
5
9
5
2
0
1
Vi
47
52
57
62
67
72
77
fi
2
5
9
5
2
0
1
24
55 - 59
pi
0,083
0,208
0,375
0,208
0,083
0,000
0,042
Pi
0,083
0,292
0,667
0,875
0,958
0,958
1,000
Datos:
a
b
c
d
=
=
=
=
Me 55
55
59
0,292
0,375
La Mediana es 57.
c.
Moda
La Moda (Mo) de un conjunto de datos es el valor (si existe) que ocurre
con mayor frecuencia. Si es un valor nico se dice que la distribucin de
frecuencias es unimodal. Si se tienen dos o ms valores con la misma
frecuencia mxima se dice que la distribucin es bimodal, trimodal, etc..
Es una medida que es poco usada por cuanto puede ocurrir que no exista
o que no sea un valor nico; pero en el caso de datos individuales es muy
til.
23
63
55
56
57
59
63
57
54
58
50
55
49
61
62
68
68
56
58
Clase
45 49
50 54
55 59
60 64
65 69
70 74
75 79
f
(frecuen
cias)
2
5
9
5
2
0
1
24
Medida
Media Aritmtica
Mediana
Moda
5.
Sin agrupar
57,83
57
63
Tabla de frecuencias
57,83
57,22
57
MEDIDAS DE DISPERSION
Las medidas de tendencia central resultan insuficientes al momento de
caracterizar una distribucin, puesto que otro aspecto que debe ponerse en
consideracin es la variabilidad de la distribucin.
Al interior de una distribucin los datos pueden variar ostensiblemente entre s,
las medidas de dispersin a utilizar son: amplitud, desviacin estndar,
varianza, coeficiente de variacin y coeficiente de sesgo.
a.
Amplitud
63
55
56
57
59
63
57
54
58
50
55
49
61
62
68
68
56
58
A (75 45) 30
La amplitud es una medida de dispersin cuya ventaja es la facilidad con
la que se calcula; sus desventajas:
25
b.
Desviacin Estndar
La Desviacin Estndar 2 es el promedio de desviacin de las
puntuaciones con respecto a la media. Esta medida es expresada en las
unidades originales de medicin de la distribucin. Se interpreta en
relacin a la media. Cuanto mayor es la dispersin de los datos alrededor
de la media, mayor es la desviacin estndar.
Desviacin Estndar muestral
X X
X X
fV
fV
n 1
n 1
2
nX 2
n 1
N
2
con frecuencias
N
2
xi - x
3
-1
2
1
4
-4
-2
-3
0
(xi x)2
9
1
4
1
16
16
4
9
60
24
3
8
Hernndez, Roberto, et al. (1991). Metodologa de la investigacin. Mxico: McGraw-Hill, pp. 362-365
26
X X
s=
n 1
s= 2,93
60 / 7
EN DATOS AGRUPADOS
Calcular la desviacin estndar de las Exportaciones de Flores Naturales, en
cientos de miles de dlares, de 24 florcolas ecuatorianas en 1998
Clase
45 - 49
50 - 54
55 - 59
60 - 64
65 - 69
70 - 74
75 - 79
Vi
47
52
57
62
67
72
77
1)
fi
2
5
9
5
2
0
1
fiVi
94
260
513
310
134
0
77
24
1388
fiVi
i 1
1388
57.83
24
X 57.83
2)
X 57.83 3344,31
2
3)
27
Clase
45 - 49
50 - 54
55 - 59
60 - 64
65 - 69
70 - 74
75 - 79
Vi
47
52
57
62
67
72
77
fiVi 2
4418
13520
29241
19220
8978
0
5929
fiVi
94
260
513
310
134
0
77
4)
81306
Aplicacin de la frmula:
fV
nX 2
n 1
2
81306 24(3344,31)
23
s 6,73
c.
Varianza
La varianza es la desviacin estndar elevada al cuadrado (s2), diversos
mtodos estadsticos parten de la descomposicin de la varianza. Para la
Estadstica Descriptiva se utiliza preferentemente la desviacin estndar.
Varianza Muestral
Varianza Poblacional
d.
S2
Coeficiente de variacin
S
(100)
X
CV =
(100)
28
CV= 11.64%
Esto significa que los datos de los pesos de los alumnos se desvan en
promedio respecto de la media aritmtica en un 11,64%.
e.
Coeficiente de sesgo
Mide el sesgo de la distribucin
Coeficiente de sesgo muestral
3( X mediana )
S
3( mediana )
29
ACTIVIDADES DE APLICACIN No. 2
OBJETIVOS
3. Revisar las tcnicas de presentacin de datos obtenidos en el proceso empresarial.
4. Aplicar las frmulas para las medidas de tendencia central y de dispersin.
ACTIVIDADES
5. En la empresa que usted trabaja, consiga la informacin sobre la edad (en aos
completos) de todo el personal (mnimo 25 datos) y proceda a presentarlos a travs
de tablas de valores individuales y por intervalos de clase. Realice todos los tipos de
graficaciones con esa informacin.
6. Con los datos anteriores obtenga medidas de tendencia central y de dispersin.
7. Resuelva los siguientes problemas:
1. Los agentes de Merrill Lynch tienen las tasas de rendimiento de cuatro valores
diferentes a lo largo de los ultimos aos. Todos parecen haber ofrecido con un
rendimiento medio similar en todo el periodo. Los agentes han de decidir ahora la
manera de identificar aquellos valores que entraan menos riesgo como
oportunidades de inversin.
2. El director ejecutivo de una pequea empresa de electrnica present recientemente
un componente revolucionario de un rel elctrico que espera tendr una creciente
aceptacin. Ahora se enfrenta al problema de decidir como medir el crecimiento
medio de sus ventas a lo largo de los ltimos aos. Qu le sugerira usted?.
3. Definir y poner ejemplos de una medida de tendencia central y una medida de la
dispersin.
4. El profesor Doezoff se traslada del departamento de estadstica al de economa. El
decano alega que este traslado disminuir el IQ medio de ambos departamentos.
Qu hiptesis hace el decano sobre los niveles de IQ de cada departamento y sobre
el del doctor Doezoff?.
5. La empresa Snowflake vende botas de esquiar en San Luis Obispo, California. De
los ltimos 100 pares vendidos, 4 eran de talla 9, 33 de la talla 9 , 26 de la talla
10, 29 de talla 10 y 8 de la talla 13. Comentar el uso de la media aritmtica, la
mediana y la moda como medidas de tendencia central, y la utilizacin de cada una
de ellas para tomar decisiones en relacin con las tallas que se deben tener en
existencia. Calcular cada una de las medidas.
6. El entrenador de ftbol americano de la universidad estatal registr las yardas
ganadas (o perdidas) en el primer saque por su ataque en el partido del sbado
pasado. Los valores fueron: 7, 12, -5, 4, 0, -7, 2, -3
30
13. La tabla de frecuencias siguiente recoge las edades de 50 de los directores ejecutivos
de las empresas ms importantes de la nacin incluidos en el nmero de Forbes del
24 de mayo de 1993:
a) Calcular e interpretar la media aritmtica, la mediana y la moda.
b) Calcular e interpretar la varianza y la desviacin tpica
31
Edades
Frecuencia
50 y menos de 55
55 y menos de 60
60 y menos de 65
65 y menos de 70
70 y menos de 75
75 y menos de 80
8
13
15
10
3
1
50
14. Janna Vice utiliza dos mquinas diferentes para fabricar conductos de salida de
papel destinados a copiadoras Kodak. Los conductos de una muestra de la primera
mquina median 12.2, 11.9, 11.8, 12.1, 11.9, 12,4, 11,3 y 12,3 pulgadas. Los
conductos hechos con la segunda mquina median 12.2, 11.9, 11.5, 12.1, 12.2, 11.9
y 11.8 pulgadas. Janna tiene que utilizar la mquina que produzca conductos de
tamaos ms uniformes. Qu maquina deber utilizar?.
15. Las puntuaciones de los dos primeros juegos de pruebas estadsticas que usted
realiz estaban distribuidas normalmente y daban unas medias de 90 la prueba A y
50 la prueba B. Esperara usted una desviacin tpica alta o baja de la prueba A?.
Deseara una desviacin tpica alta o baja de la prueba B si piensa que hizo bien la
prueba?. Por qu?. Dibuje un grfico que ilustre la lgica de sus respuestas.
16. A continuacin figura una muestra de los beneficios por accin, en dlares, de
valores negociados en la bolsa de Nueva York:
1.12, 1.43, 2.17, -1.19, 2.87, - 1.49
a) Calcular la varianza y la desviacin tpica
b) Interpretar la desviacin tpica
17. Se hizo una encuesta de treinta y cinco hogares tpicos en relacin con su
estimacin de incremento que experimentaran sus impuestos a consecuencia del
paquete econmico propuesto por el presidente Clinton en el verano de 1993. Sus
respuestas se recogieron en un peridico local y se muestran a continuacin:
$812.0000
735.0000
739.0000
489.0000
1015.0000
945.0000
875.0000
689.0000
589.0000
499.0000
1010.0000
758.0000
658.0000
499.0000
908.0000
956.0000
872.0000
521.0000
512.0000
658.0000
825.0000
1000.0000
965.0000
865.0000
498.0000
1009.0000
687.0000
851.0000
625.0000
729.0000
954.0000
687.0000
745.0000
953.0000
857.0000
32
18. El nmero de horas trabajadas cada semana por Ronnie en los dos ltimos meses
fue:
52 48 37 54 48 15 42 12
Suponiendo que son datos muestrales, calcular la:
a) Media aritmtica
b) Mediana
c) Moda
d) Cul es probablemente la mejor medida del punto central?
19. En la tabla se muestran datos sobre la frecuencia de ausentismo en una factora
propiedad de Novell Electronics, La direccin cuenta con los conocimientos
estadsticos de usted para analizar el comportamiento de sus empleados en
comparacin con las normas nacionales. Los estudios indican que el nmero medio
de das por ao que los empleados estn ausentes en toda la nacin en factoras
similares es de 27 aproximadamente. Ayude a Novell a evaluar y discernir el
significado de las cifras. Calcule la media aritmtica, la mediana y la moda, y
comntelas:
Das anuales de ausencia
0-10
11-21
22-32
33-43
44-54
55-65
66 o ms
Frecuencia
4
10
12
15
10
5
4
60
20. En la tabla de frecuencias que sigue se han recogido las prdidas trimestrales de 50
empresas:
Prdidas
(en miles de dlares)
50 y menos de 100
100 y menos de 150
150 y menos de 200
200 y menos de 250
250 y menos de 300
300 y menos de 350
350 y menos de 400
Frecuencia
(nmero de empresas)
2
8
15
10
12
1
2
50
33
Clase
(nmero de documentos)
0 y menos de 5
5 y menos de 10
10 y menos de 15
15 y menos de 20
20 y menos de 25
25 y menos de 30
Frecuencia
(nmero de das)
3
7
12
10
19
15
66
fM 2
72
512
1000
2160
3332
3584
2268
3600
1452
17980
fM
12
64
100
180
238
224
126
180
66
1190
34
sangre. El consorcio desea conseguir una media de 100,000 dlares por cada caballo
que posee:
a) Sugieren estos datos que el consorcio logra este objetivo?. Calcular las tres
medidas de la tendencia central y comentar.
b) Calcular la medida adecuada de variacin en las ganancias de los caballos.
Ganancias
(miles de dlares)
10 y menos de 30
30 y menos de 50
50 y menos de 70
70 y menos de 90
90 y menos de 110
110 y menos de 130
130 y menos de 150
Frecuencia
(nmero de caballos)
8
7
12
15
18
19
9
88
24. Con los datos del problema anterior calcular la varianza y la desviacin tpica
Ganancias
(miles de dlares)
0 y menos de 10
10 y menos de 20
20 y menos de 30
30 y menos de 40
40 y menos de 50
50 y menos de 60
60 y menos de 70
70 y menos de 80
80 y menos de 90
90 y menos de 100
Frecuencia
(nmero de caballos)
2
0
4
7
9
7
6
4
2
1
42
25. Los sindicalistas de una factora de Ford Motor Company en Toledo argumentan
que los trabajadores de la lnea de fabricacin perciben un salario horario medio ms
bajo y con mayor variabilidad que los trabajadores de oficinas, lo que constituye un
incumplimiento del convenio colectivo. Se toma una muestra de n = 10 de cada
clase de trabajadores que da los valores siguientes. Apoyan estos datos la
reclamacin de los sindicalistas?.
Trabajadores
1
2
3
4
5
6
7
8
9
10
35
Trabajadores
de produccin
Trabajadores de
oficina
12.15
18.17
19.42
15.17
18.63
16.42
15.49
18.73
19.12
18.36
15.12
18.42
17.12
16.92
18.15
15.81
19.12
19.15
18.73
19.66
26. Los empleados de la factora de Kansas City producen 42.2 unidades por hora con
una desviacin tpica de 10.2 unidades. Los valores de la factora de Denver son
4.17 y 12.7
a) Qu empleados son ms constantes en su esquema de produccin?
b) Qu factora tendran los empleados ms productivos si la produccin est
distribuida normalmente.
27. Una agente de inversiones encuentra dos valores prometedores. El primero produce
un rendimiento medio de 10% con una desviacin tpica del 1.2%. El segundo
produce una tasa de rendimiento media del 20% con una desviacin tpica del 5%.
Con ayuda del coeficiente de variacin como medida del riesgo, la agente aconseja a
su cliente ms conservador que invierta en el primer valor. Estara usted de
acuerdo?. Explquelo.
28. A continuacin se indican las relaciones precio-ganancia de 30 valores diferentes
negociados en la bolsa de Nueva York (NYSE):
4.8 5.2 7.6 5.7 6.2 6.6 7.5 8.0 9.0 7.7
3.7 7.3 6.7 7.7 8.2 9.2 8.3 7.3 8.2 6.5
5.4 9.3 10.0 7.3 8.2 9.7 8.4 4.7 7.4 8.3
a) Calcular la media y la desviacin tpica
b) De acuerdo con el teorema de Chebyshev, Cuntas relaciones preciorendimiento se sitan dentro de dos desviaciones tpicas de la media?.
c) Cuntos estn en realidad dentro de dos desviaciones de la media?
36
Nmero de meses
5
7
9
10
8
3
2
F
5
12
21
31
39
42
44
1.97
4.00
3.01
1.29
2.01
3.59
3.88
3.01
1.11
1.09
2.22
3.99
1.97
2.57
3.40
1.09
0.59
2.89
0.88
1.55
0.59
1.83
2.87
3.31
0.59
1.55
2.57
2.79
3.88
3.42
4.00
1.75
2.52
0.97
3.34
3.20
3.32
2.23
1.19
2.02
37
32. Dar una lista de empresas comprendidas en el recorrido intercuartlico con los datos
del problema anterior.
Ventas totales (1998)
(miles de millones de dlares)
10
11
12
13
15
16
17
20
21
22
26
30
34
39
51
54
72
76
102
f
2
4
3
3
3
2
3
1
1
1
2
1
2
1
1
1
1
1
1
34
33. En la tabla se recoge una muestra de 100 cotizaciones al cierre de la bolsa de Nueva
York. Los precios estn redondeados al dlar ms prximo. Calcular la varianza y la
desviacin tpica:
Clase
20 y menos de 25
25 y menos de 30
30 y menos de 35
35 y menos de 40
40 y menos de 45
45 y menos de 50
50 y menos de 55
Frecuencia
2
8
9
19
26
20
16
34. Un conjunto de datos que se sabe normal contiene n = 10,000 observaciones y tiene
una media de 52.5 y una desviacin tpica de 5,5:
a) Cuntas observaciones estn en el intervalo de 47 a 58?.
b) Cuntas observaciones estn en el intervalo de 41.5 a 63.5?.
c) Cuntas observaciones estn por debajo de 36 o por encima de 69?.
35. Se selecciona de la lnea de produccin una muestra de n = 1,000 cajas de 36 onzas
de Krispies de arroz de Kelloggs. Los pesos netos del contenido pertenecen a una
38
distribucin normal con una media de 37 onzas y una desviacin tpica de 2 onzas.
El director ejecutivo de Kelloggs insiste en que al menos el 75% de todas las cajas
que salen de la lnea de produccin estn dentro de 0.5 onzas del peso neto
especificado en la caja (36 onzas en este caso). Apoya esta muestra la afirmacin del
director ejecutivo?. Dibuje una grfica para ilustrarlo.
39
UNIDAD III
LA MUESTRA
1.
EL MUESTREO
Cuando no es posible investigar a todos los elementos de una poblacin o
universo, se opera mediante la tcnica del Muestreo, la cual se fundamenta en el
principio de que el todo esta constituido por partes y que, las partes representan
al todo, sin embargo, para que la muestra sea representativa del todo, debe reunir
ciertos requisitos, los mismos que se consiguen a travs de la tcnica del
muestreo.
El diseo de la muestra implica tres etapas:
1. Esquema del muestreo (cmo se va a seleccionar la muestra y que tipo de
muestreo se va a utilizar).
2. Encontrar estimadores.
3. Determinar el tamao de la muestra.
El tamao de la muestra estar relacionada con los objetivos del estudio, las
caractersticas de la poblacin, adems de los recursos y del tiempo que se
dispone.
a.
Poblacin
Marco Muestral
Es una lista completa de todas las unidades muestrales de la poblacin o
alguna otra base que permita un proceso de seleccin de tal manera que
cada elemento de la poblacin tenga una probabilidad matemtica
conocida de ser seleccionada para muestra. Existe dos tipos de marcos
muestrales: marcos para muestras por rea (lista de hogares por rea, por
barrio, por parroquia, e.g.) y marcos para muestra por listado (alumnos
listados en el libro de matrculas, e.g.).
c.
Muestra
Subconjunto representativo de elementos de una poblacin o universo;
del estudio de la muestra se deducen unas leyes que se hacen extensivas a
todo el conjunto poblacional, duplicando los mtodos de inferencia, una
muestra debe tener dos caractersticas bsicas: tamao y
representatividad.
40
2.
3.
41
TIPOS DE MUESTREO
PROBABILISTICOS
O ALEATORIOS
NO PROBALISTICO
O NO ALEATORIOS
a.
Simple al azar
Estratificado uniforme
Por conglomerados
Sistemtico o en serie
Etapas mltiples
Decisional
Realizado por expertos
Por cuotas
Casuales o fciles de estudiar
GONZALEZ, Miguel. (1998). Diseos y proyectos de investigacin educativa. Loja: CEPOSTG, pp.
124-141
42
pqz 2
n 2
e
Finita: Cuando se conoce cuantos elementos tiene la poblacin. La frmula
es:
Z 2 pqN
Ne 2 Z 2 pq
Z 2 2 N
Ne 2 Z 2 2
En donde:
Z
N
p
q
e
n
=
=
=
=
=
=
=
nivel de confianza
universo
probabilidad a favor
probabilidad en contra
error de estimacin
tamao de la muestra
varianza = pq = S 2
b)
c)
d)
e)
43
VALORES
n
=
e
=
Z
=
N
=
q
=
?
1%, 5%, 10%
1.96 (tabla de distribucin normal)
21703
0.50
Z 2 pqN
n
Ne 2 Z 2 pq
(2.58) 2 (0.50)(0.50)(21703)
n
(21703)(0.01) 2 (2.58) 2 (0.50)(0.50)
36115.9623
3.8344
n 9418.9344 9419
(1.96) 2 (0.50)(0.50)(21703)
(21703)(0.05) 2 (1.96) 2 (0.50)(0.50)
20843.5612
55.2179
n 377.48 377
14771.6044
217.7106
44
n 67.85 68
f)
g)
1.
Muestreo estratificado
45
ni
nNi
N
a)
(1.96) 2 (0.50)(0.50)(382)
(382)(0.05) 2 (1.96) 2 (0.50)(0.50)
366.8728
1.9154
n 191.5385 192
Debern asistir al curso de capacitacin 192 filiales.
b)
c)
46
N1
N2
N3
N4
N5
d)
Nivel
Cobertura Internacional
Cobertura Nacional
Cobertura Regional
Cobertura Distrital
Cobertura Local
Nmero
534
173
345
15
144
1211
ni
nNi
N
Donde:
ni
n
Ni
N
=
=
=
=
nmero ndice
tamao de la muestra
nmero de nios en cada categora
tamao de la poblacin
Sustituyendo:
e)
3.
n1 192
534
268empleados
382
n2 192
173
87empleados
382
n3 192
345
173empleados
382
n4 192
15
7.54 8empleados
382
n5 192
144
72empleados
382
47
F
F =
n =
N =
N
n
intervalo de seleccin
tamao de la muestra
poblacin o universo
48
382
1.98 2
192
Muestreo decisional
Los investigadores de campo utilizan su criterio para seleccionar
los elementos de una muestra con base en una definicin clara de
la poblacin objetivo.
Ejemplo 27.- Entrevistar a las personas con capacidad de voto
residentes en el sector de Carapungo, para determinar su
intencin de voto en los nuevos comicios de Alcalde.
2.
Muestreo de cuota
49
50
OBJETIVOS
5. Establecer los requisitos para realizar un adecuado muestreo.
6. Conocer las formas de calcular y seleccionar la muestra.
ACTIVIDADES
8. De una poblacin total de 631.325 personas como potenciales turistas, determine
tamao de muestra al 90%, 95% y 99% de confianza.
9. De la poblacin total de la Universidad Tecnolgica Indoamrica sede Quito, escoja
al 90%, 95% y 99% de confianza los estudiantes a los cuales se les aplicara una
encuesta sobre control de calidad en la educacin universitaria.
10. Plantee un problema a investigar, definiendo las variables independiente y
dependiente y, realice la propuesta de los criterios que aplicara para seleccionar la
muestra.
51
UNIDAD IV
TOMA DE DECISIONES Y VERIFICACIN DE HIPOTESIS
algunos
elementos
para
MODELO LOGICO
Se plantea la hiptesis en forma literal; en este planteamiento debe constar:
m.
n.
o.
p.
q.
2.
MODELO MATEMATICO
Es el planteamiento de la hiptesis a nivel de smbolos; se utilizan:
Ho = Hiptesis nula.
Ha = Hiptesis alterna.
Se plantean dos hiptesis alternas (H1 y H2) cuando se utiliza un diseo a
dos colas o bilateral; cuando no exista direccionalidad en el
planteamiento de la hiptesis.
Se plantear una sola hiptesis alterna (H a) cuando se trabaje en un
diseo unilateral o de una sola cola.
=
1%
5%
R =
Regin de rechazo.
P =
Gl =
Grados de libertad.
Deben plantearse nica y exclusivamente cuando se utilicen pruebas de
significacin t, x2 y F (Fisher).
a.
52
Hiptesis Nula
Para plantear la hiptesis nula se debe considerar:
1. Si el diseo es de una o dos colas.
2. El tipo de operacin de Estadstica que se va a utilizar:
a. Estimacin de parmetros (ESTADSTICO O ESTADIGRAFO:
es una medida muestral; PARMETRO: medida estadstica que
hace referencia a la poblacin).
b. Dosimacia (comparacin de grupos, contraste de hiptesis).
ESTADISTICO
X
Me
p (proporcin)
r (correlacin)
S
S2
1.
ESTADIGRAFO
MDN
fi
ro
El signo para la Ho es =
EJEMPLOS:
Ho:
Ho:
= 15
= 0.75
DOSIMACIA
2.
H o:
H o:
=
=
53
Si se utiliza la cola positiva la Ho plantear el signo = o < (menor
que).
Si se utiliza la cola negativa la Ho plantear el signo = o < (mayor
que).
EJEMPLOS:
Ho:
Ho:
> 15
< 15
Ho:
Ho:
> 0.75
< 0.75
DOSIMACIA
La Ho sigue manteniendo los signos en comparacin de los
grupos.
b.
Ho:
>
Ho:
Ho:
<
Hiptesis Alterna
1.
ESTIMACIN DE PARAMETROS
La
as:
H1:
H2:
> 15
< 15
H1:
H2:
> 0.75
< 0.75
DOSIMACIA
H1:
>
H2:
<
H1:
H2:
2.
54
ESTIMACIN DE PARAMETROS
Ho:
Ha :
> 15
< 15
Ho:
Ha :
> 0.75
< 0.75
c.
Estimacin de Parm.
Ho
Ha
<
>
>
<
=
>
>
Dosimacia
Ho
Ha
<
>
>
<
=
>
<
Alfa
1. El nivel de confianza es un porcentaje de rea de la curva normal que
permite aceptar o rechazar la Ho y adems indica el nivel de
seguridad que el investigador tiene en el planteamiento de sus
hiptesis.
2. El nivel de confianza siendo un porcentaje de rea de la curva normal
permite determinar los lmites crticos en trminos de desviaciones
estndar de la regin de rechazo y por consiguiente con los lmites
crticos determinar las reas de la curva normal que corresponden
tanto a la Ho como a la Ha.
99% Bilateral
+ 2.58
Unilateral
+ 2.33
95% Bilateral
+ 1.96
Unilateral
+ 1.645
55
Nivel de confianza
95%
99%
+ 1.64
+ 2.33
+ 1.96
+ 2.58
REPRESENTACIN GRAFICA
Diseos Unilaterales
56
Diseos Unilaterales
Diseos Bilaterales
1.
57
2.
3.
3.
MODELO ESTADSTICO
En el que se define las frmulas que se aplicarn para la comprobacin de las
hiptesis planteadas.
58
UNIDAD V
PRUEBAS DE VERIFICACION
1.
DOSIMACIA
Dosimacia es comparacin de grupos o contraste de hiptesis; implica el
establecimiento de dos grupos o subgrupos que, comparados entre s posibilitan
la verificacin de los planteamientos realizados a nivel de hiptesis, requiere el
manejo de grupos grandes (ms de 30 observaciones).
a.
Diferencia de Medias
Se utiliza esta prueba cuando las variables son de tipo cuantitativo. La
diferencia de los grupos que se comparen debe realizarse a travs de la
utilizacin de variables independientes de clasificacin como por
ejemplo: condicin socio-econmica, sexo, nivel de instruccin,
ubicacin geogrfica, entre otros.
La medida estadstica con la cual se trabaja es la Media Aritmtica.
1.
Diseo Global
b)
Objetivos
Determinar la diferencia del monto de ventas, entre los
vendedores de las subsidiarias A y B de la Transnacional
Global, dedicada a la distribucin de insumos industriales.
59
c)
Hiptesis
Si existe diferencia entre el monto de ventas, de los
vendedores de las subsidiarias A y B de la Transnacional
Global, dedicada a la distribucin de insumos industriales.
d)
Modelo Matemtico
Ho:
H1:
:
R:
P:
e)
X1 = X 2
X1 X 2
0.01
+ 2.58
Z (o razn crtica)
Modelo Estadstico
X1 X 2
S X1 X 2
S12 S 22
n1 n2
S X1 X 2
fV
n
S
fV
nX 2
n 1
95
97
86
77
108
90
88
A (110 68) 42
#ti = 10
70
105
81
91
110
95
70
100
108
80
77
90
93
73
99
80
75
80
100
96
78
60
i
42
4.2
10
i4
Intervalos
108 - 111
104 107
100 103
96 99
92 95
88 91
84 87
80 83
76 79
72 75
68 71
fV
n
F
3
2
2
3
4
5
3
4
4
2
3
35
V
109.5
105.5
101.5
97.5
93.5
89.5
85.5
81.5
77.5
73.5
69.5
fV
328.5
211
203
292.5
374
447.5
256.5
326
310
147
208.5
3104.5
fV2
35970.75
22260.5
20604.5
28518.75
34969
40051.25
21930.75
26569
24025
10804.5
14490.75
280194.75
3104.5
35
X 88.7
fV
nX 2
n 1
280194.75 35(88.7) 2
35 1
S 2 =141.93
100
90
77
79
73
70
85
80
90
80
69
80
72
88
83
75
98
76
73
100
71
73
98
79
77
68
75
90
75
74
100
70
61
A (100 50) 50
#ti = 10
60
6
10
i6
Intervalos
98 103
92 97
86 91
80 85
74 79
68 73
62 67
56 61
50 55
fV
n
F
6
0
5
7
11
10
0
0
1
40
3222
40
nX 2
V
100.5
94.5
88.5
82.5
76.5
70.5
64.5
58.5
52.5
fV
603
0
442.5
577.5
841.5
705
0
0
52.5
3222
X 80.55
fV
n 1
S 2 =120.72
264240 40(80.55) 2
40 1
fV2
60601.5
0
39161.25
47643.75
64374.75
49702.5
0
0
2756.25
264240
62
RAZON CRITICA
X1 X 2
S X1 X 2
S X1 X 2
S12 S 22
n1 n2
S X1 X 2
141.93 120.72
35
40
S X1 X 2 2.7
Z
f)
88.7 80.55
2.7
Matriz de Datos
GRUPOS
Subsidiaria A
Subsidiaria B
g)
Z = 3,02
DECISIN
n
35
40
S2
141.93
120.72
X
88.7
80.55
63
X1 X 2
X1 > X 2
b.
Objetivos
Determinar si las diferencias de
investigadores son significativas o no.
b)
Hiptesis
No existe diferencia significativa.
95%
:
0.05
R:
+ 1.96
P:
Z%
opinin
entre
64
c)
Modelo Matemtico
95%
Ho:
H1:
:
R:
P:
d)
Modelo Estadstico
ZP
P1 P2
S P1 P2
S P1 P2
e)
P = P
P P
0.05
+ 1.96
ZP
P1 (1 P1 ) P2 (1 P2 )
n1
n2
Matriz de Datos
GRUPO
S
Hombres
Mujeres
TOTAL
f)
500
480
980
250
400
650
0.50
0.83
-------
Operacionalizacin de la frmula
P1
250
0.50
500
P2
400
0.83
480
S P1 P2
P1 (1 P1 ) P2 (1 P2 )
n1
n2
S P1 P2
500
480
65
S P1 P2 0.03
g)
ZP
P1 P2
S P1 P2
ZP
11
0.03
0.03
DECISIN
P P
P < P
2.
66
LA PRUEBA X2
Se aplica en variables cualitativas, trata de averiguar:
1. Las discrepancias entre las frecuencias observadas en la investigacin y las
frecuencias calculadas
2. Trata de determinar si las variables que se investigan se asocian o no en el
universo que se investiga.
ESTABLECE SI DOS O MAS VARIABLES SE ASOCIAN O NO.
En la matriz de frecuencia observada los valores numricos de la frecuencia
debern ser por lo menos mayores a cinco (5) y el nmero de columnas filas no
deber exceder a doce (12), caso contrario la prueba pierde su efectividad.
Cuando se trabaja con dos o ms variables se denomina MULTIGRUPO o
MULTIVARIABLE.
Ejemplo 33.Existe relacin entre la condicin socio-econmica y el nivel de instruccin del
padre de familia de los alumnos de 1er. Ao de Educacin Bsica de las
Escuelas Fiscales del sector nor-occidental de la ciudad de Quito.
a)
Objetivos
Determinar si la condicin socio-econmica se relaciona con el nivel de
instruccin.
b)
Hiptesis
Si existe relacin.
Ho:
X2o
H1:
X2o
<
X2t
>
X2t
NO HAY RELACION
SI HAY RELACION
c)
67
Modelo Matemtico
95%
:
0.05
R:
P:
X2
Gl: (NC-1)(NF-1)
R:
d)
99%
:
0.01
R:
P:
X2
Gl:
(NC-1)(NF-1)
Modelo Estadstico
X2
( fo fe )2
fe
Operacionalizacin de la frmula
Cuadro de X2 Cuadrado
fo
fe
fo-fe
(fo-fe)2
fo fe
fe
X
fe
Tf
Tc
TG
e)
Tf * Tc
TG
=
=
=
Total de filas
Total de columnas
Total General
NIVEL
INSTRUCCION
Sin instruccin
Primaria
Media
Superior
TOTAL
Condicin socio-econmica
Alta
Media
Baja
15
8
16
12
13
15
10
9
8
23
5
6
60
35
45
TOTAL
39
40
27
34
140
f)
68
95%
:
gl:
R:
P:
99%
:
gl:
0.05
(NC-1)(NF-1)
(3-1) (4-1) = 6
(gl6) > 12.592
X2
R:
P:
0.01
(NC-1)(NF-1)
(3-1) (4-1) = 6
(gl6) > 16.812
X2
fo
fe
fo-fe
(fo-fe)2
15
12
10
23
8
13
9
5
16
15
8
6
16.71
17.14
11.57
14.57
09.75
10.00
06.75
08.50
12.54
12.86
08.68
10.93
-1.71
-5.14
-1.57
+8.43
-1.75
-3.00
+2.25
-3.50
-3.46
+2.14
-0.68
-4.93
02.92
26.42
02.46
71.06
03.06
09.00
05.06
12.25
11.97
04.58
00.46
24.30
X2
fo fe
fe
0.17
1.54
0.21
4.87
0.31
0.90
0.74
1.44
0.95
0.35
0.05
2.23
13.76
g)
3.
69
DECISIN
X2o :
13.76 <
X2t (16.812)
X2o :
13.76 >
LA PRUEBA t DE STUDENT
Es una prueba de significacin estadstica. La prueba t se la utiliza:
1.
2.
3.
4.
5.
6.
7.
8.
9.
70
2.
Las variaciones que se establecen entre estas tres formas que se utiliza la prueba
t, se hallan ms bien en el modelo estadstico de los datos ya que los
planteamientos tericos tanto del problema, objetivo e hiptesis son
aproximadamente similares.
a.
71
a)
Objetivos
Determinar si el programa de capacitacin ejerce influencia en el
incremento de las ventas en la empresa Insumos S.A.
b)
Hiptesis
El promedio de ventas de los vendedores sometidos al programa de
capacitacin mejora, respecto del promedio obtenido antes de haber
sido sometidos al programa, siendo estadsticamente significativo al
95% - 99% de probabilidad con la prueba t.
c)
Modelo Matemtico
X 1 = X 2
X 1 X 2
0.01
n 1= 15-1 = 14
+ 2.977(gl = 14)
t
Ho:
H1:
:
gl:
R:
P:
d)
Modelo Estadstico
D
SD
tD
SD
nD 2
n 1
D
n
SD
SD
n 1
72
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
08
07
10
11
11
09
08
10
11
10
16
10
11
08
11
151
07
09
11
10
13
14
09
11
12
12
09
09
08
12
11
157
D 6 0.4
n
SD
SD
tD
15
nD 2
n 1
SD
n 1
D
SD
118 15(0.4) 2
2.87
15 1
2.87
0.77
15 1
0.4
0.52
0.77
(1-2)
D
+1
-2
-1
+1
-2
-5
-1
-1
-1
-2
+7
+1
+3
-4
0
-6
D2
1
4
1
1
4
25
1
1
1
4
49
1
9
16
0
118
e)
73
DECISIN
-2.977 < t
< 2.977
b.
74
Ejemplo 35.El Director General de la UTI Quito determin que en dos cursos de la
Maestra en Gestin de Proyectos Socio Productivos, por haber dos
docentes diferentes en la asignatura de Proyectos, se obtenan diferentes
resultados. Se sugiri que tanto el profesor del paralelo A como el del
paralelo B utilizaran la misma metodologa, 50% teora y 50% prctica,
la diferenciacin estaba determinada por el docente.
Al finalizar el Mdulo los resultados se presentaron de la manera que se
expone en el siguiente cuadro:
No.
1.
2.
3.
4.
5.
6.
7.
7.
9.
10.
a)
15
17
13
10
19
08
12
10
11
15
130
17
16
17
13
12
16
15
10
11
6
130
Objetivo
Determinar si la presencia de uno u otro docente influye en el rendimiento de
Proyectos de los maestrantes de los paralelos A y B.
b)
Hiptesis
Determinar si existen diferencias o no entre grupos.
c)
Modelo Matemtico
Ho:
H1:
:
gl:
R:
P:
X 1 = X 2
X 1 X 2
0.01
n1 + n2 2 =10+10-2 = 18
+ 2.878 (gl=18)
t
f)
75
Modelo Estadstico
t X1X2
X1 X 2
S X1X2
X
n
(n1 1) S X1 (n2 1) S X 2
2
S X1X2
SX
n1 n2 2
n1 n2
n1n2
( X X ) 2
n 1
X X 1 ) X2 X 2 )
17
04
13.69
16
16
7.29
17
00
13.69
13
09
0.09
12
36
1.69
16
25
7.29
15
01
2.89
10
09
10.89
11
04
5.29
6
04
53.29
133
108
116.10
X1
X2
76
1
X
n
130
13
10
133
13.3
10
( X 1 X 1 ) 2
n 1
S X1
S X2
( X 2 X 2 ) 2
n 1
116.10
3.59
10 1
(n1 1) S X1 (n2 1) S X 2
2
S X1X2
S X 1 X 2
n1 n2 2
n1 n2
n1n2
1.58
10 10 2
(10)(10)
t X 1 X 2
g)
108
3.46
10 1
X 1 X 2 13 13.3
0.19
S X 1 X 2
1.58
DECISIN
c.
77
15
17
13
10
19
08
No.
1.
2.
3.
4.
5.
6.
7.
7.
9.
10.
d)
17
16
17
13
12
16
15
10
11
6
Objetivo
Determinar cual de las dos metodologas ha conseguido mejores
resultados en Macroeconoma.
e)
Hiptesis
f)
X 1 = X 2
X 1 X 2
0.01
(n1 + n2 2) = 6+10-2 = 14
+ 2.977 (gl=14)
t
d)
78
Modelo Estadstico
X1 X 2
S X1X2
t X1X2
X
n
(n1 1) S X1 (n2 1) S X 2
2
S X1X2
n1 n2 2
( X X ) 2
n 1
SX
15
17
13
10
19
08
No.
1.
2.
3.
4.
5.
6.
7.
7.
9.
10.
X1
X2
82
X
n
17
16
17
13
12
16
15
10
11
6
133
X X 1 ) X2 X 2 )
1.7689
13.69
11.0889
7.29
0.4489
13.69
13.4689
0.09
28.4089
1.69
32.1489
7.29
2.89
10.89
5.29
53.29
116.10
82
13.67
6
133
13.3
10
n1 n2
n1n2
79
( X 1 X 1 ) 2
n 1
S X1
( X 2 X 2 ) 2
n 1
S X2
116.10
3.59
10 1
(n1 1) S X1 (n2 1) S X 2
2
S X1X2
S X 1 X 2
n1 n2 2
n1 n2
n1n2
1.97
6 10 2
(6)(10)
t X 1 X 2
e)
87.3334
4.18
6 1
X 1 X 2 13.67 13.3
0.19
S X 1 X 2
1.97
DECISIN
4.
80
S12
S 22
Donde:
S12
S22
S12 =
=
=
Suma de las variaciones de las medias de cada grupo (clase con respecto a la media general)
Nmero de clases
X g )2
n 1
Donde:
Xi
N
Ni( X
=
=
Valores individuales.
na + nb + nc + .... nx
81
Ejemplo 37.Un analista financiero desea saber si existe diferencia significativa entre las
utilidades obtenidas por las empresas A, B Y C. Se recopil informacin de los
rendimientos mensuales de cada una de estas empresas, obtenindose la
siguiente informacin en miles de dlares.
A
80
75
60
95
40
B
70
50
105
72
55
98
450
75
350
70
a.
C
110
50
68
80
xaa
100
25
100
625
900
308
77
1750
xbb
25
625
900
9
400
529
2488
xcc
1089
729
81
9
1908
Hiptesis
Ho
Xa
Xb
Xc
H1
Xa
Xb
Xc
O tambin:
Ho:
H1:
b.
Razn F
D1
K 1 3 1
2
Valor que corresponde a 3.89 en la tabla
D2 n K 15 3 12
Fc > 3.89, se rechaza la Ho
S12
S 22
CALCULO DE LA RAZON F
S12
82
S12 60.87
S 22
S 22
F
Fc=
( X a X a ) 2 ( X b X b ) 2 ( X c X c ) 2
n nmero de grupos
60.86
0.12
512.17
0.12
DECISION
Fc = 0.12 < Ft = 3.89
SE ACEPTA Ho , ES DECIR NO HAY DIFERENCIA SIGNIFICATIVA
EN LA MEDIA DE LAS UTILIDADES DE LAS TRES EMPRESAS.
83
ACTIVIDADES DE APLICACIN No.4
OBJETIVOS
7. Conocer las pruebas estadsticas ms utilizadas para la comprobacin de hiptesis
en el mbito educativo.
8. Aplicar las frmulas en diferentes ejercicios.
ACTIVIDADES
11. Demostrar que 1 al 95 y 99% de confianza si los resultados obtenidos en la
investigacin son:
GRUPOS
1er. Curso
2do. Curso
S2
40.28
30.00
n
1312
1300
X
78.6
70.6
n
60
75
f
42
56
-------
AREAS ACADEMICAS
PreEsc.
PreMat.
PreLect.
Ent.
Natu.
Arte
Ms.
28
5
5
20
22
10
24
35
6
6
7
10
10
14
10
5
16
13
5
19
22
8
15
10
8
18
8
15
13
18
15
10
12
13
20
5
29
20
10
8
21
6
Ingls TOTAL
5
20
29
15
7
30
11
84
Pre-test
23
22
25
19
27
14
14
16
19
21
24
13
15
19
21
19
15
14
17
13
16
18
19
21
22
Post-test
23
23
25
22
29
20
18
17
25
22
25
17
16
24
24
22
21
18
17
20
18
26
26
25
24
15. Divida su clase en dos grupos, a un grupo aplquele una prueba de Investigacin sin
proporcionarle ningn tipo de explicacin y a otro dndole todas las facilidades y
ayudas, determinar al 95 y 99% de confianza si existe diferencia significativa o no
en la forma en la que se ha aplicado esta prueba.
16. Compare los resultados obtenidos en Macroeconoma de su curso y de otro paralelo
que tenga un nmero diferente de alumnos; elabore una explicacin tentativa y al 95
y 99% de confianza pruebe estos resultados.
17. Plantee un problema entre tres paralelos de la Maestra en Gestin de Proyectos
Socio - Productivos, proponiendo las horas que requeriran los alumnos de cada uno
de estos para la resolucin de estas actividades. Compare los resultados al 95 y 99%
de confianza.
85
ANEXOS
86
87
88
89
90
91
92
93
BIBLIOGRAFA