Ejercicios de estadstica

INSTRUCCIONES:
Elija la metodologa adecuada segn el problema planteado. Se debe utilizar software
estadstico en el caso en que la metodologa elegida se encuentre implementada.
1. Visa Card USA estudi la frecuencia con que los consumidores de diversos rangos de edades
usan tarjetas plsticas (de crdito o de dbito) al pagar sus compras (Associated Press, 16 de
enero de 2006). A continuacin se presentan los datos muestrales de 300 clientes divididos en
cuatro grupos de edades
Grupo de edad
Forma de pago

18-24

25-34

35-44

45 y ms

Plstico

21

27

27

36

Efectivo o cheque

21

36

42

90

Tabla - 1
Pruebe la independencia entre el mtodo de pago y el grupo de edad. Cul es el valor p?
Usando un nivel de significancia del 0.05 Cul es su conclusin?
Respuesta:
Ho: La forma de pago y el grupo edad de la Tabla - 1 son independientes.
Ha: La forma de pago y el grupo edad de la Tabla - 1 no son independientes.
Usando Minitab, segn el texto "Estadstica para Negocios y economa" por Anderson,
Sweeney, y Williams (libro utilizado en clase por la profesora), se ingresan los valores de la
Tabla - 1, y se hace clic sobre el men Prueba Chi-cuadrada (tabla de dos factores en hoja de
trabajo)..., como se indica en la Fig. 1

Fig. 1
Desde el men Enviar seccin a Microsoft Word, Fig. 2, se obtiene los resultados que
se indican abajo.

Fig. 2

Prueba Chi-cuadrada: 18-24; 25-34; 35-44; 45 y ms

Los conteos esperados se imprimen debajo de los conteos observados
Las contribuciones Chi-cuadradas se imprimen debajo de los conteos esperados
18-24
21
15,54
1,918

25-34
27
23,31
0,584

35-44
27
25,53
0,085

45 y ms
36
46,62
2,419

Total
111

21
26,46
1,127

36
39,69
0,343

42
43,47
0,050

90
79,38
1,421

189

Total

42

63

69

126

300

Chi-cuadrada = 7,947; GL = 3; Valor P = 0,047

En donde: 1 se refiere a la forma de pago Plstico y 2 a la forma de pago Efectivo o cheque.

El Valor p, como se indica en los resultados es de 0,047.
Conclusin: Usando un nivel de significancia del 0,05, se observa que el Valor p (de 0,047) no
supera este nivel, por lo tanto se rechaza la hiptesis nula Ho.
2 . El nmero de llamadas telefnicas que llegan por minuto al conmutador de una empresa
tiene una distribucin de Poisson. Use un nivel de significancia del 10% y los siguientes datos
para probar esta suposicin
Nmero de llamadas por minutos

Frecuencia observada

15

31

20

15

13

Respuesta:
Ho: El nmero de llamadas telefnicas que llegan por minuto al conmutador tiene una
distribucin Poisson.
Ha: El nmero de llamadas telefnicas que llegan por minuto al conmutador no tiene una
distribucin Poisson.

= 0,1
Con esta informacin se construye la siguiente tabla, baso en el mtodo de prueba de bondad
y ajuste de la distribucin de Poisson(ampliar para mejor visibilidad):

Nmero de llamadas por

minutos

Frecuencia observada

0
1
2
3
4
5
6

15
31
20
15
13
4
2

7 o ms
Total

Numero
esperado de
2 minutos
numero de
Cuadrado de
con x
llamadas por
la
Freecuencia
frecuencia probabilidad llamadas(100 Observada(fi Frecuencia diferencia(fif(x)
observada
ei)^2
)
de poisson
esperada(ei)
2,15
13,53
15
13,53
0,1353
0
15,47
31
27,07
27,07
0,2707
31
49,94
27,07
20
27,07
0,2707
40
9,27
18,04
15
18,04
0,1804
45
15,82
9,02
13
9,02
0,0902
52
0,54
5,27
6
3,61
0,0361
20
1,20
0,0120
12
0,45
0,0045

chicuadrado
4,95

200

100
2
2,718281828

0,9955

100,00

100

Cuadrado de
la diferencia
dividido entre
la frecuencia
espererada
0,16
0,57
1,85
0,51
1,75
0,10

100,0000

grados de
libertad
4,00

pvalor
0,2929

Conclusiones:
Dado que el p-valor (0,2929) es mayor que (0,1) se concluye que no se rechaza la hiptesis
nula Ho, es decir, que el nmero de llamadas telefnicas que llegan por minuto al conmutador
tiene una distribucin Poisson.

3. Las siguientes son las calificaciones en los exmenes finales en un curso universitario
55

85

72

99

48

71

88

70

59

98

80

74

93

85

74

82

90

71

83

80

60

95

77

84

73

63

72

95

79

51

85

76

81

78

65

75

87

86

70

64

Use un nivel de significancia del 5% y realice una prueba para determinar si se debe rechazar
que una distribucin normal sea representativa de la distribucin poblacional de estas
calificaciones.

Respuesta:
Se utiliza la herramienta SSPS, y existen dos formas de acceso para ello. Ambos se refieren al
procedimiento Prueba de Kolmogorov-Smirnov para una muestra compara la funcin de
distribucin acumulada observada de una variable con una distribucin terica determinada,
que puede ser la normal, la uniforme, la de Poisson o la exponencial. La Z de KolmogorovSmirnov se calcula a partir de la diferencia mayor (en valor absoluto) entre las funciones de
distribucin acumuladas terica y observada. Esta prueba de bondad de ajuste contrasta si las
observaciones podran razonablemente proceder de la distribucin especificada.
A continuacin se muestra primera la secuencia de acceso a esta prueba (cuadros de dilogos
antiguos).

Fig. 3

En la siguiente imagen se muestra la segunda secuencia de acceso a este mtodo, y es el ms

moderno:

Fig. 3
Esta secuencia lleva a las siguientes ventanas:

Fig. 4

Fig. 5

Fig. 6

Los resultados obtenidos de esta prueba son los siguientes.

NPAR TESTS
/K-S(NORMAL)=Calificaciones
/STATISTICS DESCRIPTIVES QUARTILES
/MISSING ANALYSIS.

Pruebas no paramtricas
Notas
Resultados creados

26-MAY-2012 20:42:55

Comentarios

Entrada

Conjunto de datos activo

Conjunto_de_datos0

Filtro

<ninguno>

Peso

<ninguno>

Dividir archivo

<ninguno>

Nm. de filas del archivo de

40

trabajo
Los valores perdidos
Definicin de los perdidos

definidos por el usuario ser

tratados como perdidos.

Manipulacin de los valores

Los estadsticos para cada

perdidos

prueba se basan en todos

Casos utilizados

los casos con datos vlidos

para las variables usadas en
dicha prueba.
NPAR TESTS
/KS(NORMAL)=Calificaciones

Sintaxis

/STATISTICS
DESCRIPTIVES
QUARTILES
/MISSING ANALYSIS.

Recursos

Tiempo de procesador

00:00:00,02

Tiempo transcurrido

00:00:00,02

Nmero de casos

196608

permitidosa

a. Basado en la disponibilidad de memoria en el espacio de trabajo.

[Conjunto_de_datos0]
Estadsticos descriptivos
N

Media

Desviacin

Mnimo

Mximo

tpica

Percentile
s
25

Calificaciones

40

76,8250

12,42596

48,00

99,00

70,2500

Estadsticos descriptivos
Percentiles
50 (Mediana)
Calificaciones

77,5000

Prueba de Kolmogorov-Smirnov para una muestra

Calificaciones
N

40
Media

76,8250

Parmetros normalesa,b
Desviacin tpica

Diferencias ms extremas

75

12,42596

Absoluta

,091

Positiva

,037

Negativa

-,091

85,0000

Z de Kolmogorov-Smirnov

,578

Sig. asintt. (bilateral)

,892

a. La distribucin de contraste es la Normal.

b. Se han calculado a partir de los datos.

*Nonparametric Tests: One Sample.

NPTESTS
/ONESAMPLE TEST (Calificaciones) KOLMOGOROV_SMIRNOV(NORMAL=SAMPLE )
/MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE
/CRITERIA ALPHA=0.05 CILEVEL=95.

Pruebas no paramtricas
Notas
Resultados creados

26-MAY-2012 20:51:26

Comentarios
Conjunto de datos activo

Conjunto_de_datos0

Filtro

<ninguno>

Peso

<ninguno>

Dividir archivo

<ninguno>

Entrada

Nm. de filas del archivo de

40

trabajo
NPTESTS
/ONESAMPLE TEST
(Calificaciones)

KOLMOGOROV_SMIRNOV(
NORMAL=SAMPLE )
Sintaxis
/MISSING
SCOPE=ANALYSIS
USERMISSING=EXCLUDE
/CRITERIA ALPHA=0.05
CILEVEL=95.
Tiempo de procesador

00:00:00,53

Tiempo transcurrido

00:00:00,85

Recursos

[Conjunto_de_datos0]

Fig. 7
Conclusin:
Los datos suministrados se aproximan a una distribucin normal dentro de un nivel de
significancia del 5%.

4. Con objeto de determinar su efecto en el rendimiento de la gasolina en millas por galn en

los automviles de pasajeros, se prueban dos aditivos para gasolina. A continuacin aparecen
los resultados de esta prueba en 12 automviles; en cada automvil se probaron los dos
aditivos. Use un nivel de significancia del 5% y la prueba de los rangos con signo de Wilcoxon
para determinar si existe una diferencia significativa entre estos dos aditivos
Automvil

10

11

12

Aditivo 1

20.12

23.56

22.03

19.15

21.23

24.77

16.16

18.55

21.87

24.23

23.21

25.02

Aditivo 2

18.05

21.77

22.57

17.06

21.22

23.80

17.20

14.98

20.03

21.15

22.78

23.70

Respuesta:

Antes de realizar la prueba de los rangos con signo de Wilcoxon se observa la distribucin de
los datos para verificar si existe algn tipo de simetra, ya que la prueba asume este tipo de
relacin entre los datos. Se ha creado un grfico con estos datos, Fig. 8 , y efectivamente
podemos asumir que existe simetra entre los mismos, no siendo sesgadas.

Fig. 8
Otro punto que debe tomarse en cuenta es que la prueba se presenta como alternativa a la t
de Student cuando el supuesto de normalidad no es asumible, que es lo que se observa en la
Fig. 9.

Automvil

Aditivo 1

Aditivo 2

Diferencia

Diferencia Absoluta

20,12

18,05

2,07

2,07

23,56

21,77

1,79

1,79

22,03

22,57

-0,54

0,54

19,15

17,06

2,09

2,09

21,23

21,22

0,01

0,01

24,77

23,8

0,97

0,97

16,16

17,2

-1,04

1,04

18,55

14,98

3,57

3,57

21,87

20,03

1,84

1,84

10

24,23

21,15

3,08

3,08

11

23,21

22,78

0,43

0,43

12

25,02

23,7

1,32

1,32

Tabla - 2
A simple vista (ver tabla 1), se puede observar que el rendimiento del automvil con el Aditivo
1 es mejor que el del Aditivo 2, excepto por los automviles 3 y 7.
En particular, se usar la prueba de rangos con signo de Wilcoxon para la diferencia entre la
mediana de los rendimientos para los dos aditivos usados en las pruebas los 12 automviles.
Las hiptesis son las siguientes, para un nivel de significancia del 5%.
Ho: Existe una diferencia significativa entre las medianas de los rendimientos producidos por
los dos aditivos.
Ha: No existe una diferencia significativa entre las medianas de los rendimientos producidos
por los dos aditivos.

Usando SPSS, se siguen los siguientes pasos:

Fig. 9

Fig. 10

Fig. 11

Los primeros resultados que nos devuelve SPSS, son los siguientes:

*Nonparametric Tests: Related Samples.

NPTESTS
/RELATED TEST(Aditivo1 Aditivo2) WILCOXON
/MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE
/CRITERIA ALPHA=0.05 CILEVEL=95.

Pruebas no paramtricas
Notas
Resultados creados
Comentarios

27-MAY-2012 08:41:15

Entrada

Conjunto de datos activo

Conjunto_de_datos0

Filtro

<ninguno>

Peso

<ninguno>

Dividir archivo

<ninguno>

Nm. de filas del archivo de

12

trabajo
NPTESTS
/RELATED TEST(Aditivo1
Aditivo2) WILCOXON
Sintaxis

/MISSING SCOPE=ANALYSIS
USERMISSING=EXCLUDE
/CRITERIA ALPHA=0.05
CILEVEL=95.
Tiempo de procesador

00:00:00,25

Tiempo transcurrido

00:00:00,24

Recursos

[Conjunto_de_datos0]

Ntese que SPSS rechaza la hiptesis nula de que la diferencia entre ambos
redimientos es cero. Por lo que SSPS considera como hiptesis nula, lo que para la
respuesta de este ejercicio es la hiptesis alterna.

Para observar los resultados con ms detalle, SSPS nos da los siguientes resultados:

[Conjunto_de_datos0]

Estadsticos descriptivos
N

Media

Desviacin

Mnimo

Mximo

Percentiles

tpica
25

50 (Mediana)

75

Aditivo1

12

21,6583

2,73926

16,16

25,02

19,3925

21,9500

24,0625

Aditivo2

12

20,3592

2,89744

14,98

23,80

17,4125

21,1850

22,7275

Rangos
N

Rango promedio Suma de rangos

Rangos negativos

10a

7,00

70,00

Rangos positivos

2b

4,00

8,00

Empates

0c

Total

12

aditivo2 - aditivo1

a. aditivo2 < aditivo1

b. aditivo2 > aditivo1
c. aditivo2 = aditivo1

Estadsticos de contrastea
aditivo2 aditivo1
Z

-2,432b

Sig. asintt. (bilateral)

,015

Sig. exacta (bilateral)

,012

Sig. exacta (unilateral)

,006

Probabilidad en el punto

,001

a. Prueba de los rangos con signo de Wilcoxon

b. Basado en los rangos positivos.

Conclusin:

Como el P-valor es 0,012 (ver resultados en rojo, pgina anterior) y el nivel de significancia es de
5%(0,05) , es decir que 0,012< 0,05, entonces nos quedamos con la hiptesis que indica que no hay
diferencia significativa entre el rendimiento de los dos aditivos. Para SPSS, sta es la hiptesis
alternativa, para la respuesta de este ejercicio es la hiptesis nula, Ho.