Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ho: 1= 2
Ha: 12
Prueba T e IC de dos muestras: Administracin, Sec. Privado
T de dos muestras para Administracin vs. Sec. Privado
Administracin
Sec. Privado
Error
estndar
de la
N Media Desv.Est media
6 4.767
0.674
0.28
8 5.213
0.546
0.19
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Con una confianza del 90% aceptamos Ho y podemos decir que la diferencia de
pronsticos medios de los dos grupos de economistas son iguales.
2. Blanca nieves compra a sus siete enanos picos nuevos por navidad. A
continuacin se indican las cantidades que cada enano tiene que cavar en
una mina con los picos viejos y nuevos. Contrastar la hiptesis adecuada
con un nivel de significancia del 10% Mejoro la produccin el regalo de
Blanca nieves a sus sietes camaradas?
Planteamiento
Ho: 1= 2
Ha: 12
IC y Prueba T pareada: Picos viejos, Picos nuevos
T pareada para Picos viejos - Picos nuevos
Error
estndar
de la
N Media Desv.Est. media
Picos viejos 7 1.800 0.316
0.120
Picos nuevos 7 1.871 0.293
0.111
Diferencia 7 -0.0714 0.0951
0.0360
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Con una confianza del 90% rechazamos Ho y podemos decir que el regalo de
Blanca Nieves s mejor la produccin de los siete enanos.
Ho: 12
Ha: 1>2
Prueba e IC para dos proporciones
Muestra X N Muestra p
1
131 468 0.279915
2
57 237 0.240506
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Con una confianza del 95% aceptamos Ho y podemos decir que no existe una
diferencia mayor en la proporcin de mujeres con respecto a los hombres que
utilizan esta tarjeta.
ANOVA
(Anlisis de Varianza Unidireccional: Complemente al azar)
Muchas decisiones empresariales exigen comprobar ms de dos poblaciones. Es aqu
donde el anlisis de varianza de muestra su utilidad.
En concreto para contestar si dos o ms poblaciones tienen la misma varianza aunque la
finalidad es contrastar la diferencia entre das poblacionales.
El empleo de ANOVA surgi en el campo de la agricultura, donde se utilizaba el termino
tratamiento al tratar varias parcelas de tierra con diferentes fertilizantes y se recopilaban
datos de las discrepancias en el rendimiento medio de las cosechas.
En la actualidad, el termino se emplea en sentido amplio, referirse (tratamiento) a clientes
con distintas presentaciones publicitarias y detectar las diferencias posteriores des sus
compras medias, al tratamiento de tres grupos de empleados a los cuales se les dqa tres
tipos de programas de formacin.
Consideramos, que se desea medir los efectos respectivos de los tres programas de
formacin diferentes sobre la productividad de los empleos, podra ser:
Auto enseanza
Formacin con ayuda de ordenador
Transformacin impartida por un supervisor.
En un anlisis de varianza las unidades experimentales son los objetos que reciben el
tratamiento, para el caso del ejemplo anterior son los empleados, el factor es la variable
cuyo efecto en estas unidades experimentales queremos medir en este caso, la formacin
es el factor de inters. Por ltimo los tres tipos de formacin constituyen los tratamientos.
Quiz la aplicacin ms corriente del ANOVA sea el diseo completamente al azar se dice
que es completamente al azar por que las observaciones mustrales son elegidos al azar
sometidas a tratamientos diferentes.
Para aplicar ANOVA son importantes las premisas siguientes:
Ho: 1= 2=3.=c
Ha: 123.c
Programa 1
85
72
83
80
Tratamientos
Programa 2
80
84
81
78
82
Programa 3
82
80
85
90
88
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Con un nivel de confianza del 95% aceptamos Ho, por lo que podemos decir que
los 3 programas de formacin ejercen efectos iguales sobre la productividad de
los empleados.
Planteamiento
Ho: 1= 2=3= 4= 5
Ha: 12345
% de
Algodn
15
20
25
30
35
Fuente
GL
SC
MC
F
P
% de Algodon 4 475.76 118.94 14.76 0.000
Error
20 161.20 8.06
Total
24 636.96
S = 2.839 R-cuad. = 74.69% R-cuad.(ajustado) = 69.63%
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Nivel N Media Desv.Est. ------+---------+---------+---------+--15 5 9.800
3.347 (-----*----)
20 5 15.400
3.130
(----*----)
25 5 17.600
2.074
(----*----)
30 5 21.600
2.608
(----*----)
35 5 10.800
2.864 (-----*----)
------+---------+---------+---------+--10.0
15.0
20.0
25.0
Desv.Est. agrupada = 2.839
Intervalos de confianza individuales de Fisher del 95%
Todas las comparaciones de dos a dos entre los niveles de % de Algodon
Nivel de confianza simultnea = 73.57%
% de Algodon = 15 restado de:
% de
Algodon Inferior Centro Superior --------+---------+---------+---------+20
1.855 5.600 9.345
(----*----)
25
4.055 7.800 11.545
(----*---)
30
8.055 11.800 15.545
(----*---)
35
-2.745 1.000 4.745
(---*----)
--------+---------+---------+---------+-8.0
0.0
8.0
16.0
% de Algodon = 20 restado de:
% de
Algodon Inferior Centro Superior --------+---------+---------+---------+25
-1.545 2.200 5.945
(----*---)
30
2.455 6.200 9.945
(----*---)
35
-8.345 -4.600 -0.855
(---*----)
--------+---------+---------+---------+-8.0
0.0
8.0
16.0
% de Algodon = 25 restado de:
% de
Algodon Inferior Centro Superior --------+---------+---------+---------+30
0.255 4.000 7.745
(----*----)
35
-10.545 -6.800 -3.055
(----*---)
--------+---------+---------+---------+-8.0
0.0
8.0
16.0
% de Algodon = 30 restado de:
% de
Algodon Inferior Centro Superior --------+---------+---------+---------+35
-14.545 -10.800 -7.055 (----*---)
--------+---------+---------+---------+-8.0
0.0
8.0
16.0
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Visitantes
1
2
3
4
5
6
Acampada $
47
32
35
25
38
35
Pesca $
30
18
27
35
Alquiler de canoas
19
25
20
22
25
MC
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Con un nivel de confianza del 95% rechazamos Ho y podemos decir que los
ingresos del parque en la cuota por acampar, venta de licencias de pescas y el
alquiler de canoas son diferentes.
Ho: 1= 2=3= 4
Ha: 1234
DEPOSITO
1
SUCURSAL
1
1.3
SUCURSAL
2
1.9
SUCURSAL
3
3.6
1.5
1.9
4.2
0.9
2.1
4.5
5.6
2.4
4.8
4.8
1.9
2.1
3.9
3.8
1.5
3.1
4.1
5.1
2.1
2.5
5.1
4.8
1.4571
2.2857
SUCURSAL
4
5.1
4.9
=4.3
142
4.8714
SST
Totales =
61.0012
3.7249
1.7689
0.1369
3.4969
2.9929
1.7689
0.9409
2.7889
5.4289
1.2769
1.6129
5.6169
4.9729
0.6889
2.4649
2.4649
1.7689
1.2769
0.4489
0.3249
2.9929
0.0169
0.7569
3.4969
1.2769
0.5329
3.4969
2.4649
SSTR
= 55.11
1.4571
2.2857
4.3142
4.8714
7(1.4571-3.23)=
7(2.2857-3.23)=
7(4.3142-3.23)=
7(4.8714-3.23)=
21.93
6.19
8.16
18.83
TABLA DE ANOVA
FUENTES
SUMA DE
CUADRADOS
G.L
C.M
F.C
F.T
Tratamient
o
Error
55.11
18.37
74.83
3.01
5.8912
24
0.2454
Totales
61.0012
27
CONDICIONES:
FC<FT Aceptamos Ho
FC>FT Rechazamos Ho
GL
3
24
27
Nivel
1
2
3
4
SC
55.332
5.669
61.001
MC
18.444
0.236
N
7
7
7
7
R-cuad. = 90.71%
Media
1.4571
2.2857
4.3143
4.8714
Desv.Est.
0.4392
0.4259
0.5210
0.5469
F
78.09
P
0.000
R-cuad.(ajustado) = 89.55%
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
-+---------+---------+---------+-------(--*--)
(--*--)
(--*--)
(---*--)
-+---------+---------+---------+-------1.2
2.4
3.6
4.8
TUCKEY
Inferior
0.1122
2.1408
2.6979
Centro
0.8286
2.8571
3.4143
Superior
1.5450
3.5735
4.1307
SUCURSALES
2
3
4
-------+---------+---------+---------+-(--*---)
(--*---)
(---*---)
-------+---------+---------+---------+--2.0
0.0
2.0
4.0
Inferior
1.3122
1.8693
Centro
2.0286
2.5857
Superior
2.7450
3.3021
SUCURSALES
3
4
-------+---------+---------+---------+-(--*---)
(---*---)
-------+---------+---------+---------+--2.0
0.0
2.0
4.0
Inferior
-0.1592
Centro
0.5571
Superior
1.2735
SUCURSALES
4
-------+---------+---------+---------+-(---*--)
-------+---------+---------+---------+--2.0
0.0
2.0
4.0
CONDICIONES:
VP>N.S ACEPTAMOS
VP<N.S RECHAZAMOS
Con un nivel de confianza del 95% rechazamos Ho y podemos decir que si hay
diferencia en el nivel medio de depsitos entre las 4 sucursales, por lo que el
director ofrecer diferentes premios promocionales.
Donde:
0i=Es la frecuencia de los sucesos observados en los datosmuestrales .
VENTAS OBSERVADAS
15
11
10
12
= 48
x 2=k m1 6 g . l =0.5, 4
2
x =4o1=3 6 g . l =0.5, 4
VENTAS ESPERADAS
12
12
12
12
=48
x c =
= 1.16
= 7.815
CONDICIONES:
x 2C > x 2t = RECHAZAMOS HO
2
x C < x t = ACEPTAMOS HO
Prueba chi-cuadrada de bondad de ajuste para conteos observados en variable: OI
Uso de nombres de categoras en TIPO DE VELERO
Proporcin
Contribucin
Categora Observado de prueba Esperado a Chi-cuad.
P.R
15
0.25
12
0.750000
J.R
11
0.25
12
0.083333
D.T
10
0.25
12
0.333333
A.Q
12
0.25
12
0.000000
N GL Chi-cuad. Valor P
48 3
1.16667
0.761
Esperado
Observado
14
12
Valor
10
8
6
4
2
0
Categora
P.R
J .R
D.T
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
A.Q
DISTRIBUCIN POISSON
La distribucin de Poisson se utiliza para describir cierto tipo de procesos, entre
los que se encuentran la distribucin de llamadas telefnicas que llegan a un
conmutador, la demanda (necesidades) de los pacientes que requieren servicio en
una institucin de salud, las llegadas de camiones a una caseta de cobro y el
nmero de accidentes registrados en una cierta interseccin de calles. Estos
ejemplos tienen en comn un elemento: pueden ser descritos mediante una
variable aleatoria discreta que toma valores enteros (0, 1, 2).
Caractersticas de los procesos que producen una distribucin de
probabilidad de Poisson.
El promedio (la media) del nmero de eventos que se producen por hora, puede
estimarse a partir de datos que se tengan disponibles.
Si dividimos la hora pico en periodos (intervalos) de un segundo cada uno,
encontraremos que las siguientes afirmaciones son verdaderas:
La probabilidad de que exactamente un evento ocurra por segundo es muy
pequea y es constante para cada intervalo de un segundo.
La probabilidad de que dos o ms eventos ocurran en un intervalo de un segundo
es tan pequea que le podemos asignar un valor cero.
El nmero de eventos que ocurren en un intervalo de un segundo es
independiente del tiempo en que dicho intervalo se presente en la hora pico.
El nmero de eventos en un intervalo de un segundo no depende del nmero de
ocurrencias en cualquier otro intervalo de un segundo.
Clculo de la probabilidad de Poisson.
La letra X por lo general representa a una variable discreta y puede tomar valores
enteros. Utilizamos la letra X para representar a la variable aleatoria y la letra x
para sealar un valor especfico que esta variable pueda tomar. La probabilidad de
tener exactamente x presentaciones en una distribucin de Poisson se calcula con
la frmula:
SUGERENCIA:
El uso de una distribucin para aproximar a otra es una prctica bastante comn
en probabilidad y estadstica. La idea consiste en buscar situaciones en las que
una distribucin (como la de Poisson), cuyas probabilidades son relativamente
fciles de calcular, tiene valores que se encuentran razonablemente cercanos a
las de otra distribucin (como la binomial) cuyas probabilidades implican clculos
ms complicados.
DISTRIBUCIN NORMAL
La Distribucin Normal: una distribucin de una variable aleatoria continua.
Una muy importante distribucin continua de probabilidad es la distribucin
normal. Varios matemticos intervinieron en su desarrollo entre ellos figura el
astrnomo del siglo XVIII Karl Gauss, a veces es llamada en su honor la
distribucin de Gauss.
Caractersticas de la distribucin normal de la probabilidad.
1. La curva tiene un solo pico, por consiguiente es unimodal. Presenta una forma
de campana.
2. La media de una poblacin distribuida normalmente se encuentra en el centro
de su curva normal.
3. A causa de la simetra de la distribucin normal de probabilidad, la mediana y la
moda de la distribucin tambin se hallan en el centro, por tanto en una curva
normal, la media, la mediana y la moda poseen el mismo valor.
El valor de Z.
Z= Nmero de desviaciones estndar de x respecto a la media de esta distribucin.
Z= x-m / s
X=valor de la variable aleatoria que nos interesa.
m= media de la distribucin de esta variable aleatoria.
s = desviacin estndar de esta distribucin.
Las variables aleatorias distribuidas en forma normal asumen muchas unidades diferentes
de medicin, por lo que hablaremos de forma estndar y les daremos el smbolo de Z.3
FRECUENCIAS
OBSERVADAS
(Oi)
10
POISSON
P(Xi)
0.040762
2
FRECUENCIAS
ESPERADAS
(Ei)
8.15
1
2
3
4
5 o mas
23
45
49
32
41
= 200
0.130439
0.208702
0.2226
0.1781
0.2195
=1
26.08
41.74
44.52
35.62
43.9
= 200
Proporcin
Contribucin
Observado de prueba Esperado a Chi-cuad.
10
0.0408
8.16
0.414902
23
0.1304 26.08
0.363742
45
0.2087 41.74
0.254614
49
0.2226 44.52
0.450818
32
0.1781 35.62
0.367894
41
0.2194 43.88
0.189025
N GL Chi-cuad. Valor P
200 5 2.04100 0.843
50
Valor
40
30
20
10
0
Categora
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Con un nivel de confianza del 90% aceptamos Ho y podemos decir que los
aterrizajes siguen una distribucin de Poisson.
PRUEBA DE NORMALIDAD
Frecuencia real
20
142
P(DN)
0.0228
0.1359
590 y menos de
600
600 y menos de
610
610 y menos de
620
620 0 mas
310
0.1587
370
0.3413
128
0.1359
30
0.2054
=1
Proporcin
Contribucin
Categora
Observado de prueba
0 y menos de 580
20
0.0228
580 y menos de 590
142
0.1359
590 y menos de 600
310
0.3413
600 y menos de 610
370
0.3413
610 y menos de 620
128
0.1359
620 0 mas
30
0.0228
Esperado a Chi-cuad.
22.8
0.34386
135.9
0.27380
341.3
2.87047
341.3
2.41339
135.9
0.45923
22.8
2.27368
N GL Chi-cuad. Valor P
1000 5 8.63444 0.125
Esperado
Observado
Valor
300
200
100
Categora
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Con un nivel de confianza de confianza del 95% aceptamos Ho, con esto decimos
que los niveles de llenado siguen una distribucin normal.
Nota: los datos se agrupan en tres niveles de ingreso y se les pide que
asignen un nivel de importancia en sus decisiones de compra.
Analizar con un nivel de significancia del 1%.
Atributo A
Nivel de importancia
Grande
Mediano
Pequeo
Total
Bajo
Oi= 83
Ei= 66.98
Oi=52
Ei=63.30
Oi= 63
Ei= 67.72
198
Atributo B
Mediano
Oi= 62
Ei=64.61
Oi= 71
Ei=61.06
Oi= 58
Ei=65.32
191
Total
Alto
Oi= 3
Ei= 50.41
Oi= 49
Ei= 47.64
Oi=63
Ei=50.96
149
CONDICIONES:
XC < Xt ACEPTAMOS HO
XC> Xt RECHAZAMOS HO
C2 C3
83 62
66.98 64.61
3.831 0.106
C4 Total
37 182
50.41
3.565
52 71 49 172
63.30 61.06 47.64
2.018 1.617 0.039
63 58 63 184
67.72 65.32 50.96
0.329 0.821 2.845
Total
198
191
149
538
182
0.338
172
0.320
184
0.342
538
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
Atributo a
Nivel de importancia
Mejor que la media
Igual que la media
Peor que la media
Atributo b
Con diclorovinilo
Sin diclorovinilo
Oi
20
Oi
11
Ei
6.2
Ei
3.41
Oi
40
Oi
8
Ei
19.2
Ei
3.84
Oi
15
Oi
6
Total
Total
31
.31
48
.48
21
Ei
3.15
Ei
1.26
.21
SIN
DICLOROVINILO Total
11
31
7.75
1.363
40
36.00
0.444
8
12.00
1.333
48
15
15.75
0.036
6
5.25
0.107
21
Total
75
25
100
CONDICIONES:
VP>N.S ACEPTAMOS HO
VP<N.S RECHAZAMOS HO
ESTADISTICA
INFERENCIAL 1
V UNIDAD
Adriana Fernndez Torres
10610652
10610345