TUTORIAL
DE
MINITAB
D E P A R T A M E N T O D E M A T E M A T I CA S Y F I S I C A
AREA ESTADISTICA
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L ii
INDICE
Página
I INTRODUCCIÓN 1
1.1 Conceptos Estadísticos Básicos 1
1.2 División de la Estadística 3
1.3 Tipos de Datos 4
II INGRESO DE DATOS 5
2.1 Presentación y Uso de Ventanas de MINITAB 5
2.2 Barras de Menú 6
2.2.1 Menú Archivos 7
2.2.2 Menú de Edición 8
2.2.3 Menú de Administración 9
2.2.4 Menú de Cálculo 10
2.2.5 Menú de Estadística 11
2.2.6 Menú de Gráficos 12
2.2.7 Menú Editor 13
2.2.8 Menú de Ventanas 14
2.2.9 Menú de Ayuda 15
2.3 Entrada y Manipulación de Datos 16
2.3.1 Trabajo con Estadísticas Básicas 20
2.4 Administración de Proyecto en MINITAB 26
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L iii
V USO DE DISTRIBUCIONES CONTINUAS DE PROBABILIDAD 87
5.1 Funciones de Distribución Continuas 87
5.2 Distribución Uniforme 92
5.3 Distribución Exponencial 96
5.4 Distribución Gamma 101
5.5 Distribución Normal 104
5.6 Distribución Chi Cuadrado de Pearson 112
5.7 Distribución t de Student 116
5.8 Distribución F de Fisher 120
5.9 Laboratorio “Distribuciones Continuas” 124
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L iv
X ELABORACIÓN DE INFORMES 201
10.1 Introducción 201
10.2 Ejemplo 201
10.3 Generando Informes 202
10.4 Imprimiendo Informe 209
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L v
I INTRODUCCIÓN
Andrei N. Kolmogorov
La idea es presentar un trabajo que permita
familiarizar rápidamente a un estudiante que posea 1903-1987.
conocimientos básicos de Windows con la interfaz del Rusia.
programa MINITAB, para usar este software como
apoyo para desarrollar sus ejercicios y a la vez se pueda ir comprobando las
teorías aprendidas en las clases de cátedra.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 1
Ejemplo 1: Sea la variable X= “Desocupados en Punta Arenas”
Los posibles Universos pueden ser: Desocupados en Magallanes,
en Chile o el Mundo
Ejemplo 2: Sea la variable X= “Árboles Lenga en Magallanes”
Los posibles Universos pueden ser: Todos los árboles en
Magallanes, en Chile o el Mundo
Ejemplo 3: Sea la variable X= “Enfermos de gripe en Magallanes”
Los posibles Universos pueden ser: Enfermos de gripe en
Magallanes, en Chile o el Mundo
Probabilística: Aleatoria
Conglomerados
Estratificada
Etc.
Se estudia una Muestra
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 2
1.2 División de la Estadística
ESTADÍSTICA
DESCRIPTIVA: INFERENCIA:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 3
1.3 Tipos de Datos
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 4
II INGRESO DE DATOS
Hoja de
trabajo
Ventana de
sesiones
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 5
2.2 Barras de Menú
Ayuda
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 6
2.2.1 Menú Archivos:
Abre Un Proyecto
Guarda Un Proyecto
Guarda Proyecto Bajo Otro Nombre
Describe Un Proyecto
Salida de MINITAB
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 7
2.2.2 Menú de Edición:
Pega Enlaces
Genera Enlaces
Selecciona Todas las Celdas
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 8
2.2.3 Menú de Administración
Copia Columnas
Separa Datos Según Opciones
Une Datos Por Columnas
Transpone Columnas
Ordena Columnas
Crea Una Columna Con Rangos
Borra Filas
Elimina Variables (Columnas)
Concatena (unir variables de carácter)
Codifica
Transforma los Tipos de Datos
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 9
2.2.4 Menú de Cálculo
Calculadora
Estadísticas Básicas de Columna
Estadísticas Básicas de Filas
Estandariza Columna Según Opción
Transforma Datos Cronológicos a Numérico
Transforma Datos Cronológicos a Texto
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 10
2.2.5 Menú de Estadística
Estadísticas Básicas
Análisis de Regresión
Análisis de Varianza
Diseño de Experimento
Cartas de Control de Calidad
Herramientas de Control de Calidad
Análisis de Confiabilidad y Sobrevida
Análisis Multivariado
Series de Tiempo
Tablas
Estadísticas No Paramétricas
Análisis Exploratorio de Datos
Potencia y Tamaño de Muestra
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 11
2.2.6 Menú de Gráficos
Gráfico de Caracteres
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 12
2.2.7 Menú Editor
Comando Siguiente
Comando Anterior
Habilita Comando
Editor de Salida
Busca
Reemplaza
Selecciona Fuentes
Busca
Reemplaza
Va a Una Celda Específica
Va a Una Columna Específica
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 13
2.2.8 Menú de Ventanas
Cascada
Titulo
Minimiza Todo
Abre las Ventanas Minimizadas
Despliega las Ventanas Minimizadas
Actualiza Todos los Gráficos Abiertos
Barra de Herramientas Estándar
Barra del Administrador de Proyectos
Barra de Estatus
Va a Ventana de Sesiones
Va a Ventana Administración del Proyecto
Va a Ventana de Hoja de Trabajo
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 14
2.2.9 Menú de Ayuda
Ayuda
Busca Ayuda
Como Usar la Ayuda
Guía Estadística
Busca la Guía Estadística
Tutorial
Búsqueda de Tutorial
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 15
2.3 Entrada y Manipulación de Datos
17 25 32 41 43
31 28 27 39 36
25 19 21 28 26
30 32 26 27 34
21 24 20 25 31
Se pide al alumno:
Solución
Datos
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 16
b) Para confeccionar un diagrama de tallo y hoja, se accede al menú y se usan
los comandos “Graph” - “Steam and leaf”, se completan las instrucciones
como en la siguiente pantalla y se marca O.K.
Se posiciona el
cursor con un
“Click” en:
Click “OK”
Stem-and-leaf of carteras N = 25
Leaf Unit = 1.0
1 1 7
2 1 9
5 2 011
5 2
9 2 4555
(4) 2 6677
12 2 88
10 3 011
7 3 22
5 3 4
4 3 6
3 3 9
2 4 1
1 4 3
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 17
c) Para construir la tabla de distribución de frecuencias se deben codificar los
intervalos de clase usando la secuencia de instrucciones “Manip” – “Code” –
“Numeric to Text” y se procede de acuerdo a la siguiente pantalla:
Variable a
codificar
Variable
codificada
Intervalos a
considerar
Etiquetas
Al completar la
pantalla presione
“OK”
Variable de Variable
entrada codificada
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 18
Posteriormente se usan las instrucciones “Stat” – “Tables” – “Tally” y se
completa la siguiente pantalla:
Variable de
entrada
“Intervalo”
Frecuencia
Absoluta ni
Frecuencia
Relativa fi
Frecuencia
Absoluta
Acumulada Ni
Frecuencia
Relativa
Acumulada Fi
Click “OK”
15 - 20 2 2 8,00 8,00
20 - 25 4 6 16,00 24,00
25 - 30 9 15 36,00 60,00
30 - 35 6 21 24,00 84,00
35 - 40 2 23 8,00 92,00
40 - 45 2 25 8,00 100,00
N= 25
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 19
2.3.1 Trabajo con Estadísticas Básicas
CALIFICACIONES
21 33 26 37 43 55 64 42 47 58
23 37 32 44 47 60 69 47 52 65
25 41 38 51 51 65 74 52 57 72
27 45 44 58 55 70 79 57 62 79
29 49 50 65 59 75 84 62 67 86
31 53 56 72 63 80 89 67 72 93
33 57 62 79 67 85 94 72 77 88
35 61 68 86 71 90 99 77 82 90
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 20
Solución: Para iniciar el trabajo se deben ingresar los datos en una
columna, dando el nombre “calificación” a la columna
respectiva, como se muestra en la siguiente pantalla:
“Calificación”
Variable en Alternativa
estudio “Graphs”
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 21
Al presionar el botón “Graphs”, se despliega otro submenú, en donde se
selecciona la alternativa “Graphical Summary” como se muestra en la
siguiente pantalla:
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 22
La indicación “Descriptive Statistics Graph: calificación”, MINITAB la entrega
para dar inicio al gráfico respectivo, que se muestra en la siguiente pantalla:
Descriptive Statistics
Variable: calificación
Mean 59,7375
StDev 19,2773
Variance 371,614
Skewness -8,3E-02
Kurtosis -7,6E-01
N 80
25 40 55 70 85 100
Minimum 21,0000
1st Quartile 45,5000
Median 60,5000
3rd Quartile 73,5000
95% Confidence Interval for Mu Maximum 99,0000
95% Confidence Interval for Mu
55,4476 64,0274
55 60 65 95% Confidence Interval for Sigma
16,6836 22,8334
95% Confidence Interval for Median
95% Confidence Interval for Median
55,0000 65,4427
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 23
Ejemplo Nº2: El costo estimado en unidades monetarias u.m. por kilómetro
para la operación de un automóvil Ferrari modelo 2004
durante 10 años ó 200.000 kilómetros, se muestra en la
siguiente tabla:
Depreciación 472
Mantenimiento 424
Gasolina 364
Seguros 294
Estacionamiento 392
Impuesto 184
Paso 1: Paso 2:
Click “Chart Table” Ingresar “ítem”
Paso 3:
Ingresar “costos”
Paso 4:
Para separar un
ítem en el gráfico se
indica el número de
la categoría elegida
en “Explode slice
number(s):”
Paso 5:
El título del gráfico
se ingresa en “Title:”
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 24
El gráfico que proporciona MINITAB se puede apreciar a continuación:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 25
2.4 Administración de Proyectos en MINITAB
Ventana de Ventana de
Sesión Proyecto
Ventanas
- Sesión
Barra de
- Historial
Ventanas
- Gráficos
- Reportes
- Documentos
relacionados
Hoja de
Trabajo
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 26
III USO DE HERRAMIENTAS ESTADÍSTICAS
Ejercicio N°1: Se disponen de los datos que corresponden al John F. Nash Jr.
número de personas que atienden en bibliotecas 1928
Estados Unidos
de distintas Universidades del país:
4 7 5 2 4 5 6 4 7 3
7 4 3 4 4 3 4 3 2 4
4 1 10 2 5 3 2 2 5 3
3 8 12 3 2 2 5 4 1 5
8 6 6 1 3 15 16 6 7 12
Paso 2: Paso 1:
Doble Click “Click”
Paso 3: Se marcan
- Frecuencia
Absoluta
- Frecuencia
Relativa
Porcentuada
- Frecuencia
Absoluta
Acumulada
- Frecuencia
Relativa
Porcentuada
Acumulada
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 27
El resultado se muestra en la siguiente salida:
Paso 2: Paso 1:
Doble “Click” “Click”
Paso 3:
Valor Mínimo
Paso 4:
Valor Máximo
Paso 5:
Amplitud del
intervalo
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 28
Los resultados se presentan a continuación:
Histogram
Histogram of bibliote N = 50
Midpoint Count
1.00 3 ***
2.00 7 *******
3.00 9 *********
4.00 10 **********
5.00 6 ******
6.00 4 ****
7.00 4 ****
8.00 2 **
9.00 0
10.00 1 *
11.00 0
12.00 2 **
13.00 0
14.00 0
15.00 1 *
16.00 1 *
Nombre de
variable
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 29
Los resultados se muestran a continuación.
En este caso:
Median : Mediana
Minimum : Mínimo
Maximum : Máximo
Q1 : Cuartil 1 (25%)
Q3 : Cuartil 3 (75%)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 30
d) ¿Existen puntos extraños en la muestra?
Paso 2: Paso 1:
Doble “Click” “Click”
Paso 5:
- “Click”
Paso 4: “Click”
- Click “Range
Box”
Paso 3:
- “Click” Paso 7:
- “Data - “Click”
Labels” - “Graph”
- “Show data
labels”
- Click “OK” Paso 6: “Click”
Click “OK”
16
15 15
12
bibliotecarias
10 10
8
7
6
5 5
4
3
2
1
0
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 31
3.2 Organización de Datos Cuantitativos Continuos.
1,56 1,59 1,63 1,62 1,65 1,61 1,59 1,51 1,62 1,62
1,53 1,49 1,57 1,54 1,53 1,59 1,58 1,57 1,47 1,64
1,55 1,59 1,53 1,56 1,53 1,47 1,57 1,60 1,54 1,56
1,50 1,62 1,59 1,62 1,54 1,68 1,52 1,62 1,59 1,49
1,65 1,53 1,59 1,56 1,54 1,58 1,52 1,63 1,56 1,62
Paso 3:
Marcar todas las
opciones
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 32
La imagen muestra las opciones marcadas para realizar la secuencia
de pasos del ejercicio. En el caso de la variable es suficiente posicionarse en
casillero de variable, marcar la variable C1 del lado izquierdo con el Mouse
dos veces, posteriormente se marcan las alternativas en la sección Display
(todas) y presionar el botón “OK”.
N= 50
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 33
b) Representar la frecuencia absoluta en un histograma (Para datos Discretos).
Paso 4:
“Click”
Paso 6:
“Click”
Click “OK”
Paso 7:
Ingresar “5”
Paso 8:”Click”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 34
c) Calcule los estadígrafos de posición y dispersión.
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 35
d) ¿Existen puntos extraños en la muestra?
Paso 2: Paso 1:
Doble “Click” “Click”
Paso 4:
- “Click”
Paso 3: “Click”
- Click “Range
Box”
Paso 7:
- “Click”
Paso 6:
- “Median
Labels” - “Click”
- “Show - “Graph”
median
labels” Paso 5: “Click”
- Click “OK”
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 36
3.3 Organización de Datos Cualitativos
R R V R A A C C R R
C V A V C V A V R R
V A V A C A C V R R
V R V R R V A R C C
A R R V A V R R V R
Paso 3:
- “Count”
- “Percent”
Datos Ingresados
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 37
De la pantalla anterior se tienen los siguientes resultados.
Paso 3: “worksheet”
Paso 4: Título
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 38
Los resultados se muestran en la siguiente figura:
Barra de
Atributos
Barra de
Herramientas
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 39
En el menú de Herramientas, se puede agregar texto, trabajar con
figuras geométricas y líneas.
Argentina 74
Bolivia 64
Brasil 68
Chile 76
Colombia 72
Ecuador 71
México 73
Paraguay 71
Perú 70
Uruguay 75
Venezuela 73
Belice 74
Costa Rica 77
El Salvador 70
Guatemala 66
Honduras 66
Nicaragua 69
Panamá 75
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 40
En MINITAB, una vez entrados los datos y aplicando la secuencia de
comandos Graph-Stem and Leaf, se obtiene:
Gráfico de
Tallo y Hoja
Click “OK”
- Localización de modas.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 41
Ejemplo Nº2: Suponga que se da un conjunto de datos de una variable
determinada, por ejemplo: la variable ESP.M (esperanza de vida
de las mujeres) de los siguientes países.
PAIS ESP.M
Mozambique 45
Etiopía 50
Tanzania 52
Sierra Leona 45
Nepal 53
Uganda 44
Bután 49
Burundi 50
Malawi 45
Bangla Desh 56
Chad 49
Guinea-Bissau 39
Madagascar 53
Laos 53
Ruanda 48
India 62
Kenia 61
Nicaragua 69
China 71
Tayikistán 72
Jordania 72
Rumania 73
Grecia 80
España 81
Hong Kong 81
4 5
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 42
2. Esta tarea de separación se realizará con todos los datos que se faciliten
y se ordenarán tanto en el tallo como en la hoja de menor a mayor.
De esta manera:
39 (1 dato)
45,45,44,49,45,49,48 (7 datos)
50,52,53,50,56,53,53 (7 datos)
62,61,69 (3 datos)
71,72,72,73 (4 datos)
80,81,81 (3 datos)
b) Colocados todos los datos en el diagrama. Las hojas están formadas (en
este ejemplo) por todas las unidades de las cifras dadas, y se ordenan
de menor a mayor. Deberán aparecer la totalidad de los datos(en este
caso los 25 datos dados).
3 9
4 4555899
5 0023336
6 129
7 1223
8 011
Tallo Hojas
Elipse
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 43
3.5 Cálculo de las Estadísticas de Posición y Dispersión
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 44
Solución:
Paso 3: “Click”
Paso 4: “Click”
Paso 5:
Optativo
Paso 6: “Click”
Click “OK”
Estadígrafos de
Posición y
Dispersión
Graphical
Summary
- Prueba de
Anderson.
- Estadísticas de
Posición y
Dispersión.
- Asimetría y
Kurtosis.
- Percentiles.
- Intervalos de
confianza para
la media y
mediana.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 45
En “Graphical Summary” se aprecian cuatro gráficos:
Paso 3: “Click”
“No grouping”
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 46
3.6 Organización y Presentación de Datos Bivariados.
Paso 1:
- “Click”
- Ingresar 50
Paso 2:
- “Click”
- Ingresar C4
Paso 3:
- “Click”
- Ingresar Media
Paso 4:
- “Click”
- Ingresar
Click “OK” Desviación Típica
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 47
Esta operación se repite cambiando la variable C4 por C5 y la media de
220.000 y desviación típica de 40.000 por 78,5 y 18,5 respectivamente, los
resultados obtenidos se muestran en la siguiente tabla (se han elegido las
variables C4 y C5 para que el alumno use variables distintas a las típicas C1 y
C2, dejando de manifiesto que cualquier columna puede ser ocupada sin
importar su orden).
Valor Mt2 Valor Mt2 Valor Mt2 Valor Mt2 Valor Mt2
219976 76,546 233509 91,2999 223009 68,7016 266500 64,713 246405 89,878
235138 33,591 220332 99,6577 226132 40,5705 202307 64,988 155413 48,147
259212 77,062 288615 95,0912 208088 59,0868 254312 75,098 168624 112,608
157839 67,400 220567 98,5261 255339 91,2617 240111 73,577 191211 78,461
238466 93,410 173380 57,4518 158526 80,9711 218331 110,356 242068 92,511
204611 75,394 197251 89,2503 280899 73,4230 191959 99,131 223522 102,192
284533 66,726 181109 73,0887 210949 42,1491 269565 57,221 235281 106,361
203904 64,293 158871 88,1232 232646 89,2998 209728 85,511 236482 78,184
225100 73,775 208689 52,4544 245415 49,3621 283136 82,588 249792 70,245
194132 58,876 291024 82,3059 171864 47,4255 229190 58,406 246974 88,483
Paso 1:
- “Click”
- Ingresar C4
- Ingresar C5
Click “OK”
Resultados de la
aleatorización
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 48
A continuación se observan los resultados:
Paso 4:
Ingresar
Paso 1: Códigos
Ingresar variable a
codificar, “Valor”
Paso 2:
Ingresar variable
codificada, “ValorT”
Paso 3:
Ingresar Intervalos
a codificar
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 49
Para la variable mt2 se realizó el mismo procedimiento que se muestra a
continuación:
Paso 4:
Ingresar
Paso 1: Códigos
Ingresar variable a
codificar, “Mt2”
Paso 2:
Ingresar variable
codificada, “Mt2T”
Paso 3:
Ingresar Intervalos
a codificar
Paso 1:
- “Click”
- Ingresar “ValorT”
- Ingresar “Mt2T”
Paso 3:
Click “Count”
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 50
La tabla de distribución de frecuencias absolutas bivariadas resultante
es:
155413 1 0 0 0 0 1
168974 1 1 3 1 1 7
196096 0 5 2 1 1 9
223218 3 1 4 3 5 16
250341 1 0 4 5 0 10
277463 0 2 2 2 0 6
291024 0 0 0 1 0 1
All 6 9 15 13 7 50
Cell Contents --
Count
Cell Contents --
% of Tbl
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 51
Paso 1: Paso 2:
- “Click” - “Click”
- Ingresar - Ingresar
“frecuencia” “espacio”
Paso 3:
- “Click”
Paso 4:
- Ingresar
“Click”
“precio”
“Wireframe”
Paso 5:
“Click”
“Project”
Paso 6:
“Click”
“Symbol”
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 52
Otra forma de estudiar la distribución gráficamente es usando el
histograma al que se puede acceder en MINITAB mediante la secuencia de
comandos “graph” – “Marginal Plot” y se completa la siguiente pantalla:
Paso 1:
- “Click”
Paso 3:
- Ingresar “valor”
“Click”
“Histogram”
Paso 2:
- “Click”
Paso 5: - Ingresar “mt2”
- “Click” Ingresar
titulo eje X, Paso 4:
opcional “Click” “X and Y”
- “Click” Ingresar
titulo eje Y,
opcional
- “Click” Ingresar
titulo del gráfico,
opcional
Click “OK”
Nota: En “X axis label”, “Y axis label” y “Title”, los nombres se dejan a elección
del alumno.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 53
3.7 Laboratorio Estadística Descriptiva
f) Salir de MINITAB.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 54
3. Al abrir el archivo “RESTRNT”, “RESTAURANTE”, se encuentra la
siguiente información por columna:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 55
4. El archivo “CARTOON” consiste en un estudio para evaluar la eficacia
relativa de diseños animados y fotos reales usados en películas
educativas. La descripción de las variables por columnas es la siguiente:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 56
5. En un estudio realizado por un grupo de antropólogos con el objeto de
determinar el efecto que puede provocar un cambio de medio ambiente
en la presión sanguínea, se consideraron 39 personas nacidas en el
hermano País del Perú, las cuáles pasaron de un ambiente original
selvático de alta altitud a los valles montañosos urbanos de la Cordillera
de Los Andes de baja altitud en busca de mejores condiciones de vida.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 57
c) A continuación realice un completo análisis descriptivo para
ambos grupos de personas, teniendo presente:
i. Sus edades.
Nota: Para una mejor visualización del análisis de los resultados debe
usar los comandos “BOXPLOT”, “DOTPLOT”, “DISPLAY
DESCRIPTIVE STATISTIC”.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 58
IV USO DE DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
f x: ¡ → ¡
verifica 1. fx(xi) ≥ 0, ∀ x i ∈ ¡
2. ∑ f (x ) = 1
x i ∈¡
x i
FX : ¡ → ¡
x → FX(x) = P[X ≤ x]
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 59
De la definición anterior se tienen las siguientes propiedades:
Propiedades
1. 0 ≤ FX (x) ≤ 1
2. F X (x) = 0, ∀x < x1
3. F X (x) = 1,∀ x ≥ x n
5. Si x1 ≤ x 2 ⇒ FX (x1 ) ≤ FX (x 2 )
E[X]= ∑x f
xi
i Xi (x i )
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 60
Definición de Varianza de “X”
∑(x − E[X]) ⋅ f Xi (x i )
2
Var[X]= i
xi
Ejemplo :
a.- Hallar la probabilidad de que todos los pasajeros que llegan a tomar el
vuelo puedan realizar su viaje.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 61
Solución:
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 62
El alumno deberá usar nuevamente los comandos “Calc” – “Calculator” y
completar la pantalla de la calculadora como se indica en los pasos de la
siguiente figura:
Paso 3: Paso 1:
Se marca en la - Se posiciona el
ventana contigua cursor
izquierda C2 con - Se marca en la
doble click ventana contigua
izquierda C4
Paso 2:
- Se busca
Partial sums.
- Se selecciona
con doble click.
Click “OK”
Paso 3: Paso 1:
Se marca en la - Se marca en la
ventana contigua ventana contigua
izquierda C3 con izquierda C5
doble click
Paso 2:
- Se busca
Sum.
- Se
selecciona
con doble
click.
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 63
El alumno deberá llegar finalmente a la siguiente pantalla:
c.- E[X]=201,44
donde se obtiene:
Resultados
b.- P(X>200)=1-F(200)=1-0,29=0,71
c.- E[X]=201,44
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 64
4.2 Distribución de Bernoulli
Propiedades
p x q 1-x ; x=0,1
P[X=x] =
0 ; E.T.O.C.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 65
La Función de Distribución, está dada por:
Función de Distribución
0 ; x<0
1 ; x 1
q
CV[X]=
p
AF =
µ µ
KF = −3
3 4
σ σ
3 4
1− 2 p 1− 6 pq
AF = KF =
pq pq
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 66
Gráficos de la Distribución Bernoulli.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 67
4.3 Distribución Binomial y Muestreo Con Reemplazo
Propiedades
n p x q n-x ; x=0,1,2,...,n
x
P[X=x] =
0 ; E.T.O.C.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 68
La función de Distribución FX(x), está dada por:
Función de Distribución
0 ; x<0
k=x
n ; 0 ≤ x <n
P[X ≤ x]=FX[x]= ∑ k ⋅ p k
⋅ qn−k
k =0
1 ; x ≥ n
q
CV[X]=
np
q− p 1− 6 pq
AF = KF =
npq npq
2.- Que los dos términos sean enteros. En este caso ambos valores son
modas y la distribución es bimodal.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 69
Gráficos de la Distribución Binomial.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 70
Ejemplo:
Solución:
a.-Sea X=”Número de clientes que hacen uso de la garantía”, luego “X” tiene
distribución Binomial con parámetros n=5 y p=0,2. Con la secuencia de
comandos “Calc”- “Probability Distribution”-“Binomial”, se ingresan los datos
que aparecen en pantalla:
Paso 1:
“Click” Paso 2:
“Probability” - “Click”
- Ingresar 5
Paso 3:
Paso 4: - “Click”
“Click” - Ingresar 0,2
“Probability”
Paso 5:
- “Click”
- Ingresar “x”
Paso 6:
Click “OK” - “Click”
- Ingresar
P(X=x)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 71
4.4 Distribución Hipergeométrica y Muestreo Sin Reemplazo
Propiedades
Np N − Np
⋅
x n−x ; x = 0,1,2,...,n.
N
n
P[X=x]=
0 ; E.T.O.C.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 72
La función de Distribución FX(x), está dada por:
Función de Distribución
0 ; x<0
Np N − Np
⋅
P[X ≤ x]=FX[x]= k n−k ; 0 ≤ x <n
k=x
∑
k =0 N
n
1 ; x ≥ n
CV[X]= q ⋅ N − n
np N − 1
npN - qN + n - 1 npN + pN + n + 1
£ M0 £
N+2 N+2
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 73
Ejemplo:
Solución:
Paso 1: Paso 2:
“Click” - “Click”
“Probability” - Ingresar 18
Paso 3:
- “Click”
- Ingresar 12
Paso 4:
Paso 5: - “Click”
“Click” “Input - Ingresar 5
column”
Paso 6:
- “Click”
- Ingresar x
Click “OK”
Paso 7:
- “Click”
- Ingresar
P(X=x)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 74
4.5 Distribución de Poisson
e-l × l x
; x = 0,1,2,....
x!
P[X=x]=
0 ; E.T.O.C.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 75
La función de Distribución FX(x), está dada por:
Función de Distribución
0 ; x<0
P[X ≤ x]=FX[x]=
k =x
e-l l k
∑ k =0 k!
; x ∈ {0,1,2,......}
E[X]= l y Var[X]= l
1
CV[X]=
l
1 1
AF = KF =
l l
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 76
Ejemplos:
Paso 1:
“Click”
“Probability”
Paso 2:
- “Click”
- Ingresar 18
Paso 3:
“Click” “Input Paso 4:
column” - “Click”
- Ingresar x
Paso 5:
- “Click”
Click “OK”
- Ingresar
P(X=x)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 77
b.- P(4 ≤ X ≤ 6)= FX(6)-FX(3)=0,762183-0,265026=0,497157
Se pide:
Solución:
xi ⋅ ni
l = ∑ n
= (4428/981) ≈ 4,5138
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 78
Paso 1: Paso 2:
“Click” - “Click”
“Probability” - Ingresar
4,51376
Paso 3:
“Click” “Input Paso 4:
column” - “Click”
- Ingresar “xi”
Paso 5:
- “Click”
- Ingresar
Click “OK” “poisson”
Paso 2:
- “Click”
- Ingresar”xi”
Paso 1:
- “Click”
- Ingresar”fi” Paso 4:
- “Click”
- seleccionar
“Proyect”
Paso 3:“Click”
Pasos 6 y 10:
- “Click”
- seleccionar
“Graph”
Paso 5:“Click”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 79
se obtiene el gráfico pedido:
0,2
0,1
fi
0,0
0 5 10 15
xi
0,2
X~P( l =4,5138)
poisson
0,1
0,0
0 5 10 15
xi
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 80
4.6 Distribución Binomial Negativa
x − 1 k x −k
p ⋅ q ; si x ∈ {k,k + 1,k + 2,...}
k − 1
fx(x)=
0 ; ETOC
Función de Distribución
0 ; x<k
P[X ≤ x]=FX[x]=
j= x
j − 1 ; k≤ x
∑ k − 1 ⋅ p k
⋅ q j−k
j=k
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 81
El valor esperado y varianza de una variable aleatoria X~BN[k;p] son,
k kq
E[X]= y Var[X] = 2 respectivamente. Con coeficiente de variación dado
p p
por:
q
CV[X]=
k
k
M x (t) = pe
t
1 − qe
t
9
P(X = 10) = * 0,755 * 0,25 5
4
9!
= * 0,755 * 0,25 5
5!4!
362.880
= * 0,755 * 0,25 5
120 * 24
= 0,0291996
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 82
4.7 Distribución Geométrica
p ⋅ q x − 1 si x=1,2,3,.....
f x (x) =
0 ETOC
Función de Distribución
0 ; x<1
P[X ≤ x]=FX[x]=
j= x
∑ p ⋅ q j−1 ; x≥1
j=1
1
El valor esperado y varianza de una variable aleatoria X~BN[k;p] son, E[X]=
p
q
y Var[X] = respectivamente.
p2
M x (t) = pe
t
t
1 − qe
Solución: Sea X=”Lanzamiento del misil i-ésimo” i=1,2,3,4,5; luego “X” tiene
distribución Geométrica con parámetro p=0,05
P(X=5)= 0,054*0,95=0,0000059375
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 83
4.8 Distribución Entera Uniforme
Función de Distribución
0 ; x < x1
i
P[X ≤ x]=FX[x]= ; xi ≤ x < xi+1
n
1 ; x ≥ xn
i=n
∑i=1
e t ⋅x i
M x (t) =
n
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 84
4.9 Laboratorio “Distribuciones Discretas”
E[X] = n ⋅ p = 10
Var[X] = n ⋅ p ⋅ q = 9
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 85
7. Sea “X” una distribución Poisson de parámetro l = 4
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 86
V USO DE DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
Definición:
fx : R → R
1. fx(x) ≥ 0 , ∀x ∈ R
2. ∫ f (x)dx = 1
R
P[X ≥ a] = P[X>a]
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 87
En las distribuciones continuas, interesa que la variable aleatoria “X”
tome valores menores o iguales que un valor determinado de “x”. En tales
casos es necesario acumular el área de probabilidad de los valores de la
función de densidad hasta el valor deseado. Se trata de una nueva
aplicación que se define a continuación.
FX : R → R
Donde
x
Fx(x) = P[X ≤ x] = ∫f x (t)dt, ∀x ∈ ¡
−∞
a
P[X ≤ a] = P[X<a]= ∫f
−∞
x (t)dt, ∀x ∈ ¡
+∞
P[X ≥ a] = P[X>a]= ∫f
a
x (t)dt, ∀x ∈ ¡
b
P[a<X<b] = P[a ≤ X < b] = P[a<X ≤ b] = P[a ≤ X ≤ b] = ∫ f x (t)dt, ∀x ∈ ¡
a
Propiedades
1. Fx(- ∞) = 0
2. Fx(+ ∞) = 1
3. Sí x1 ≤ x2 ⇒ Fx(x1) ≤ Fx(x2)
4. Fx es continua
dy
5. Para Y=Fx(x), se tiene que = f x (x)
dx
b
6. P[a ≤ X ≤ b] = ∫f
a
x (x)dx = Fx(b) – Fx(a)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 88
Características de las variables aleatorias continuas
Esperanza de “X”
Definición: Sea “X” una variable aleatoria continua “X”, que tiene
una función de densidad fx(x), es decir X~ f X (x) ,
entonces se define la Esperanza de “X” como:
E[X] = ∫ x ⋅f
R
x (x)dx
Propiedades
Varianza de “X”
Definición: Sea “X” una variable aleatoria continua, que tiene una
función de densidad fX(x), es decir X ∼ fX(x), entonces
se define la Varianza de “X”, como
Var[X] = E[ X - E[X] ]2
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 89
Propiedades
2. Var[X] = E[ X 2 ] - [ E[X]]2
Ejemplo
0 ; x ≤ -2
x 1
FX(x) = + ; -2 < x ≤ 2
4 2
1 ; x>2
Solución:
0 ; x ≤ -2
1
fX(x) = F’X(x) = ; -2 < x ≤ 2
4
0 ; x>2
1
E [ X] = ∫ x ⋅ fX (x)dx = ∫ x ⋅ dx = 0
2 2
-2 -2 4
1 2 2 4
Var [ X] = ∫ x - E [ X] ⋅ fX ( x ) dx = ∫ x 2 ⋅ dx = ∫ x 2 dx =
2 2 2
-2 −2 4 4 0 3
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 90
Los gráficos de la distribución de probabilidades son:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 91
5.2 Distribución Uniforme
Sea “X” una variable aleatoria continua, que toma un valor constante
“k” en el intervalo real [a;b] y el valor cero fuera de este intervalo.
Entonces, se tiene:
k ;a ≤ x ≤ b
fX ( x ) =
0 ; E.T.O.C.
∫ f ( x ) dx = 1
¡
X
por lo tanto
∫ f ( x ) dx = ∫ k ⋅ dx = k ⋅ ( b - a ) = 1
b
X
a
¡
1
de donde k= .
b-a
Función de Distribución
0 ; x< a
x-a
FX(x) = ; a ≤ x ≤ b
b-a
1 ; x>b
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 92
El valor esperado y varianza de una variable aleatoria X : U[a;b] son
(b - a )
2
a+b
E[X]= y Var[X]= respectivamente.
2 12
eb⋅t − e a⋅t
MX ( t ) = ; t≠0
t ⋅ (b − a )
Ejemplo 1
Solución:
(b - a )
2
Como X~ U[a,b], se tiene que E[X]= a + b y Var[X]=
2 12
de donde
a+b =6
2
(b - a )
2
= 0,75
12
a = 4,5
Función de b = 7,5
densidad
Variable que
contiene los
datos
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 93
Ejemplo 2
Solución:
Función de densidad de X
fX(x)
12,5
Función de Distribución de X
0 ; x < 8,47
1 ; x > 8,55
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 94
Sean A y B los eventos:
P(A) = P(B).
Por lo tanto:
4 4 − y ; y=0,1,2,3,4
0,375 ⋅ 0,625
y
y
P[Y=y] =
0 ; E.T.O.C.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 95
5.3 Distribución Exponencial
−α x
α e ; x ≥0
fX(x) =
0 ; E.T.O.C.
Función de Distribución
−α x
1-e ; x ≥ 0
FX(x) =
0 ; x<0
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 96
El valor esperado y varianza de una variable aleatoria X : U[a;b] son,
1 1
E[X]= y Var[X]= 2 respectivamente.
α α
La función generadora de momentos está dada por
α
MX ( t ) = ; t<α
α−t
Ejemplo 1
Solución:
Media = 16
Función de
distribución
Entrada de
datos
Almacena
resultados
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 97
En la hoja de trabajo anterior, en la columna C2, se aprecian los resultados
FX(20)=0,713495 ; FX(25)=0,790389; FX(5)=0,268384. Resultados que se
ocupan a continuación:
Ejemplo 2
Solución:
1
Por las características del modelo exponencial se reconoce que α = ,
2
E[X]=2,
x
1 −2
⋅e ; x≥ 0
2
fX(x)=
0 ; E.T.O.C.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 98
Valor inicial = 0
Almacenar
resultados
Valor Final = 8
Incremento = 0,5
Click “OK”
Función de
densidad
Media = 2
Entrada de
datos
Almacena
resultados
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 99
Finalmente para graficar la función de densidad se ocupa la secuencia
de comandos:”Graph”-“Time Series Plot”, se ingresan los requerimientos
pedidos en las sub-ventanas correspondientes.
Gráfico Exponencial
Tipo de punto
Conector
entre puntos
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 100
5.4 Distribución Gamma
α p p−1
x .e −α⋅ x
; x ≥ 0
Γ(p)
fX(x) =
0 ; E.T.O.C.
+∞
Γ (p) = ∫ 0
x p −1e −α⋅x dx
Propiedades
1
3. Γ ( )= Π
2
4. Γ (1, α )=Exp( α )
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 101
La Función de Distribución, está dada por:
Función de Distribución
α p x p −1 −α⋅t
x ≥ 0
Γ(p) ∫0
t e dt ;
FX(x) =
0 ; x<0
p
α
MX ( t ) = ,t < α
α−t
Γ (p + k )
E X k =
α k ⋅Γ ( p )
X: Γ (1;1)
X: Γ (2;1)
X: Γ (3;1)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 102
Ejemplo
Solución:
Función de Distribución
p=3
Media = 5
Entrada
de datos
Almacena
resultados
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 103
5.5 Distribución Normal
1 x − µ
2
1
fX(x) = ⋅ expe − ⋅ ; − ∞ < x < +∞
σ 2π 2 σ
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 104
La Función de Distribución, está dada por:
Función de Distribución
1
x
1 t − µ 2
FX(x) = ∫ e - 2 ⋅ σ dt ; − ∞ < x < + ∞
σ 2π - ∞
exp
1
M X ( t ) = expe µ ⋅ t + ⋅ σ2 ⋅ t 2
2
Propiedades
1. E[X] = µ
2. Var[X] = σ 2
1 2 2
3. MX(t) = expe{ µ ⋅ t + σ t }
2
4. Para k=0,1,…., se tiene que:
E X 2⋅ k + 1 = 0
E X 2 ⋅k = (2k-1)(2k-3).........5.3.1. σ 2 ⋅k
5. Si Y=aX+b, X : N(µ, σ2 ) ,
entonces E[Y]=a ⋅ E[X] + b
6. Si Y=aX+b, X : N(µ, σ2 ) ,
entonces Var[Y]= a2 ⋅ Var[X] = a2 σ 2
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 105
Gráficos de la Distribución Normal.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 106
En el siguiente gráfico se han considerado tres curvas normales con
varianzas distintas. Para ilustrar al alumno se ha elegido una curva normal con
media 0 y desviación típica 0,5 representada con azul y puede observarse en
ella, la alta concentración de la probabilidad en torno a la media que genera
una forma aguda o Leptokúrtica. En general cuando se trabaja con una normal
con desviación típica σ <1 se tienen curvas de este tipo.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 107
Ejemplo1
Sea “X” una variable aleatoria continua con distribución Normal con
media ì y varianza σ 2, es decir X : N ( µ ; σ2 ) . Calcular: P[ X − µ < σ ].
Solución:
Función de
µ=0
Distribución
σ =1
Entrada de
datos
Almacena
resultados
Click “OK”
Por lo tanto:
P[ X − µ <2 σ ] y P[ X − µ < 3 σ ]
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 108
Ejemplo 2
Solución:
µ=0
σ =1
Valor z
Entrada de
datos
Almacena
resultados
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 109
Ejemplo 3
Solución:
P[X<1,51] = 0,2266
1,75 − µ = 1,25027
σ
1,51 − µ = - 0,75009
σ
Se obtiene que µ =1,6 y σ =0,12. Por lo que se tiene que X ~ N(1,6 ; 0,122 ).
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 110
Finalmente queda calcular:
P[X>1,66].
“Calc”-“Probability Distribution”-“Normal”
Función de
Distribución µ = 1, 6
σ = 0,12
Entrada de
datos
Almacena
resultados
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 111
5.6 Distribución Chi Cuadrado de Pearson
1 n
Es un caso particular de la distribución Gamma con α = y p= que
2 2
se genera mediante la suma de los cuadrados de n variables aleatorias
N(0;1) independientes entre sí, es decir, sí X1, X2 ,......, Xn son n variables
aleatorias N(0;1) independientes entre sí, entonces la variable positiva:
x n
1 − −1
e 2
⋅x 2
; x ≥ 0
n
1
2 Γ
2
2
fX(x) =
0 ; E.T.O.C.
Función de Distribución
t n
1 − −1
∫ ; x ≥ 0
x
e 2
⋅t 2
dt
n
1 0
2 Γ
2
2
FX(x) =
0 ; E.T.O.C.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 112
La función generadora de momentos está dada por:
1 1
MX ( t ) = n
; 1 ≤ n ∈ ¥,t <
2
(1 − 2 ⋅ t ) 2
Características de la distribución:
2 ⋅ χn2 → N ( 2n − 1;1 )
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 113
Gráficos de la Distribución Chi cuadrado.
Ejemplo
Solución:
a) P(X ≤ x 95 ) = 0,95
c) P(X ≤ x 99 ) = 0,99
“Calc”-“Probability-Distribution”-“Chi-Square”...,
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 114
Percentil
g.l.=5
Entrada de
datos
Almacena
resultados
Click “OK”
Percentil 95:
x 95=11,0705
Percentil 10:
x 10=1,6103
Percentil 99:
x 99=15,0863.
Nota:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 115
5.7 Distribución t de Student
Ζ
t=
cn2
n
n +1
Γ
ft ( x ) = 2 ⋅ 1
; − ∞ < x < +∞
n +1
n
Γ ⋅ n ⋅ π x2 2
2 1 +
n
Función de Distribución
n +1
Γ
2 x 1
Ft(x)=
n ∫
−∞ n +1
dt ; − ∞ < x < + ∞
Γ ⋅ n ⋅ π t 2 2
2 1 +
n
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 116
El valor esperado y varianza de una variable aleatoria t : t n son:
E[t] , ó ; si n=1
E[t]=0 ; si n>1
Var[t]= n ; n>2
n-2
1
; x≥0
(
π ⋅ 1 + x2 )
fX(x)=
0 ; E.T.O.C.
Características de la distribución t:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 117
Gráficos de la Distribución t de Student.
Ejemplo:
Solución:
”Calc”-“Probability-Distribution”-“t”...,
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 118
g.l. = 18
Función de
Distribución
Entrada de
datos
Almacena
resultados
Click “OK”
Por lo tanto
= 0,974955 – 0,025045
= 0,9491
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 119
5.8 Distribución F de Fisher
m+n
Γ m m
−1
2 ⋅ 2
m x2
⋅ m+n ; 0<x<+∞
m n n
Γ ⋅Γ m 2
2 2 1 + ⋅ x
n
fF ( x ) =
0 ; E.T.O.C
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 120
La Función de Distribución, está dada por:
Función de Distribución
m+n
Γ m m
−1
2 ⋅ m 2 ⋅ x t2
∫0 m+n dt ; 0 < x < + ∞
m n n
Γ ⋅Γ m 2
2 2 1 + ⋅ t
n
FF ( x ) =
0 ; E.T.O.C
n
E[F] = ; n>2
n-2
2n2 × (m + n - 2)
Var[F] = ; n> 4
m × (n - 2) × (n - 4)
2
Características de la distribución:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 121
Gráficos de la Distribución F de Fisher.
Ejemplo:
Solución:
Se tiene que
1 1 1
P ( F3,9 > a ) = P ≤ = P F9,3 ≤ = 0, 95
F
3,9 a a
1
P F9,3 ≤ = 0, 95
a
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 122
Por lo tanto se debe hallar el valor del percentil 95, para lo cual se va a
MINITAB, se abre una hoja de trabajo, se designa la columna C1 con F(1/a), en
la primera celda se ingresa 0,95, se designa con 1/a la columna C2, se hace la
secuencia de comandos:
“Calc”-“Probability-distributions”-“F”...,
m=9
Percentil
n=3
Entrada de
datos
Almacena
resultados
Click “OK”
1
= 8,81230 ,
a
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 123
5.9 Laboratorio “Distribuciones Continuas”
a) P(X £ 0)
b) P(X ³ 2)
c) P(1 < X £ 2)
d) Encuentre el valor de x tal que P(X < x) = 0.05
a) P(X<x) = 0,1736
b) P(X>x) = 0,9207
c) P(- x < X < x ) = 0,50
8. Si X : χ7g.l
2
, calcular :
a) P(X £ 8,383)
b) P(X ³ 4,255)
c) P(X > 6,346)
9. a) Si X : c10g.l
2
, calcular los cuartiles de la variable “X”. Comprobar que
P(X £ Qi ) para i = 1, 2 3 son efectivamente 0,25; 0,50; 0,75.
b) Graficar la función de densidad y la función de distribución de “X”.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 124
10. Representar, en un mismo gráfico, las funciones de densidad de tres
distribuciones t con 5, 10, y 20 grados de libertad.
i=3
P ∑ ( xi − 5 ) ≥ a = 0,001
2
i=1
a) P(t15 ³ 2,60)
b) P( t18 > 2,10)
c) P(-0,706 £ t 8 £ 1,86)
d) P(t10 £ -1,,81)
e) P( t 20 ³ 2,53 )
a) P( t 9 ³ a) = 0,05
b) P(t13 ³ a) = 0,95
c) P(t 22 £ a) = 0,01
d) P( t11 £ a) = 0,999
e) P(t14 ³ a) = 0,10
a) P(F10,5 £ 4,74)
b) P(F6,7 ³ 5,12)
c) P(F3,8 ³ 7,59)
d) P(F9,3 £ 14,5)
15. Sean X1, X2,..., X45, variables aleatorias normales e independientes, con
media µ = 0 y σ2 =1 , Calcule:
a) P ∑ xi2 ≤ 51
i= 45
i=1
b) P ∑ xi2 ≥ 30,6
i= 45
i=1
c) P 39 ≤ ∑ x i2 ≤ 55
i= 45
i=1
d) P 35 ≤ ∑ x i2 ≤ 69
i= 45
i=1
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 125
VI DATOS CATEGÓRICOS
i=n
6∑ di2
rs = 1 − i=1
, con rs ∈ [ −1;1]
n ( n2 − 1)
donde:
di = R ( xi ) - R ( yi )
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 126
En caso de existir series de empates (lo cual se considera que ocurre si
en alguna de las dos series de rangos hay un 20% o más del número total de
observaciones empatadas para algún rango), se emplea la corrección:
1 − 6∑ di2
rs =
(n 3
− n ) − ( TX + TY )
Siendo 1
TX =
(
2 ⋅ ∑ t 3X − t X )
1
TY =
(
2 ⋅ ∑ t 3Y − t Y )
Alumno X Y
1 10 74
2 8 91
3 2 54
4 12 61
5 3 84
6 7 66
7 5 79
8 6 64
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 127
Solución: Ordenando “X” e “Y” por rangos, calculando las diferencias di y
elevando al cuadrado estas diferencias, se tiene:
1 10 7 74 5 2 4
2 8 6 91 8 -2 4
3 2 1 54 1 0 0
4 12 8 61 2 6 36
5 3 2 84 7 -5 25
6 7 5 66 4 1 1
7 5 3 79 6 -3 9
8 6 4 64 3 1 1
Donde:
∑d i
2
= 80 ,
sustituyendo en la fórmula:
6(80)
rS = 1-
8(64 - 1)
480
= 1-
504
= 1- 0,9524 = 0,0476
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 128
Ejemplo 2: caso con empate
Alumnos D A B G E F C H
Letras X 1 2 2 2 3 3 4 4
Ciencias Y 2 3 4 1 3 4 3 4
El rango medio respecto a los 3 ítems sería 3 (2, 3 y 4), y este rango se
asigna a todos los órdenes de valor 2 en “X”.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 129
Los correspondientes rangos de “Y” se calculan de igual forma.
Luego:
- R(y) en D = 2
- R(y) en A = R(y) en C = 4 ( ya que corresponde a los rangos 3, 4 y 5)
- R(y) en B = R(y) en H = 7 (ya que les corresponden los rangos 6, 7 y 8)
- R(y) en G = 1
§ 3 empates en A, B, G
§ 2 empates en E, F
§ 2 empates en C, H
Luego:
1
TX = = 0,0139
2 ⋅ ( 33 − 3 ) + ( 23 − 2 ) + ( 23 − 2 )
3 empates en A, E, C
3 empates en B, F, H
Luego:
1
TY = = 0,0104
2 ⋅ ( 3 − 3 ) + ( 33 − 3 )
3
De donde:
1- 6 × 39
rS = = -0,4623
(8 3
- 8) + (0,0139 + 0,0104)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 130
6.2 Coeficiente de Correlación Biserial Puntual de Pearson: “ rbp ”
X1-X0 n1n0
rbp = ×
Sx n (n - 1)
X1-X n1n
rbp = ×
Sx n0 (n - 1)
X 1- X 0 n0 n
rbp = ×
Sx n1 (n - 1)
Donde:
n Frecuencia de unos
no Frecuencia de ceros
Desviación típica de todas las “X” .Calculada con n-1 por ser
Sx:
muestral.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 131
Comportamiento:
n1 n0
c) No se debe utilizar sí < 0,05 ó < 0,05 . La calidad mejora con n
n n
grande y n1 ≈ n0 .
Ejemplo:
Solución:
Codificación de variables:
ID = sujeto
Y = sexo
1 = hombre
0 = mujer
X = estatura en pulgadas
ID Y X
A 1 59
B 0 67
C 1 63
D 1 65
E 0 55
F 1 72
G 0 62
H 0 60
I 1 64
J 1 66
K 1 63
L 0 61
M 1 62
N 0 63
O 0 60
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 132
Donde:
n1 = 8
n0 = 7
n = 15
(59 + 63 + 65 + 72 + 64 + 66 + 63 + 62)
X 1= = 64,25
8
(67 + 55 + 62 + 60 + 61 + 63 + 60)
X0 = = 61,14
7
La desviación típica de todas las “X” .Calculada con n-1 por ser muestral es:
S X,(n-1) = 3,91
X 1- X 0 n1n0
rbp = ×
Sx n (n - 1)
Los cálculos con las dos formulas posteriores, se dejan al alumno como
ejercicio.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 133
6.3 Coeficiente phi: “ Ψ ”
Variable X
X1 X2 TOTAL
Y1 a b a+b
Variable Y
Y2 c d c+d
TOTAL a+c b+d n=a+b+c+d
ad - bc
El coeficiente se define como: Ψ=
(a + b)(c + d)(a + c )(b + d)
Ejemplo:
Solución:
Ψ=
ad − bc
=
( 372 ⋅ 240 ) − (1.516 ⋅ 1.872) = −0,69
( a + b ) ⋅ ( c + d) ⋅ ( a + c ) ⋅ (b + d) 2.244 ⋅ 1.756 ⋅ 1.888 ⋅ 2.112
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 134
6.4 Coeficiente de Contingencia “C”
χ2
C=
χ2 + n
k -1
CMax =
k
C
r≈
CMáx
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 135
6.5 Test de Independencia
Sean:
c
ni • = ∑ ni j = frecuencia observada de la categoría i-ésima de “X”.
j=1
r
n• j = ∑ ni j = frecuencia observada de la categoría j-ésima de “Y”.
i=1
r c r c
n=∑ ∑n ij = ∑n i• = ∑n •j = tamaño de muestra.
i=1 j=1 i=1 j=1
Las “r” categorías de “X” y las “c” categorías de “Y”, forman una tabla
denominada “Tabla de Contingencia” de orden r × c celdas que contienen la
información muestral.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 136
Tabla de Contingencia
ni 1 ........................ ni j ................... ni c ni •
X
....... ......................... ........ .................... ....... ......
nr 1 ........................ nr j .................... nr c nr •
n• 1 ........................ n• j .................... n• c n
ni • n• j ni • ⋅ n• j
ei j = ⋅ ⋅n =
n n n
(n − ei j )
2
r c
χ2 = ∑ ∑
ij
El estadístico sigue una distribución
i=1 j=1 ei j
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 137
Ejemplo:
Calificación de la preparación
Técnica
Buena Regular Mala
Rama Electricidad 15 10 8
Actividad Mecánica 9 10 9
Industrial Química 5 7 20
(n i j ) (e i j )
B R M TOT B R M TOT
E. 15 10 8 33 E. 10 10 13 33
M. 9 10 9 28 M. 9 8 11 28
Q. 5 7 20 32 Q. 10 9 13 32
TOT 29 27 37 93 TOT 29 27 37 93
(n − ei j ) (n − ei j )
2 2
r c i=3 j=3
χ =∑ ∑ =∑ ∑
ij ij
2 =12,0004
i=1 j=1 ei j i=1 j=1 ei j
χ2 =12,0004 ; g.l.=(r-1)(c-1)=(3-1)(3-1)=4
9,588<12,0004<13,277
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 138
Por tanto χ2 =12,0004 no es significativo al 99% de nivel de confianza,
pero sí al 95%. Así pues, se puede no rechazar la hipótesis “El nivel de
preparación técnica de los egresados de “UMAG” es calificado en forma
diferente por los directores de personal de las empresas según sea la rama de
actividad industrial de las mismas”como válida, con una probabilidad de
equivocarnos inferior al 5%.
Solución 2:
χ2
C=
χ2 + n
k -1
r≈
C CMax =
CMáx k
12,0004 3 -1
C= = 0,3381 CMAX = = 0,8165
12,0004 + 93 3
0,3381
r≈ = 0,6435
0,8165
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 139
Ejemplo en MINITAB:
Se hará uso del archivo PULSE. Al abrir este archivo con la secuencia de
comandos:
“File”-“Open Worksheet”-“Pulse”....,
Cj NAME nj
C1 PULSE1 92
C2 PULSE2 92
C3 RAN 92
C4 SMOKES 92
C5 SEX 92
C6 HEIGHT 92
C7 WEIGT 92
C8 ACTIVITY 92
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 140
Solución:
“Stat”-“Tables”-“Cross Tabulation”,
Calcula el
Frecuencia Estadístico
Absoluta Chi cuadrado y el
p-valor.
Muestra la
Frecuencia
Absoluta
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 141
6.6 Laboratorio de Datos Categóricos
Estudiante X Y
A 84 73
B 98 63
C 91 87
D 72 66
E 86 78
F 93 78
G 80 91
H 0 0
I 92 88
J 87 77
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 142
3. Con el objetivo de estudiar la relación del número de horas a la semana
que ven TV, entre niños de los sectores A y B, de la ciudad de Punta
Arenas, se realizo una encuesta, con los siguientes resultados acerca de
la pregunta: ¿Cuántas horas a la semana ve TV?
HORAS A B
0 - 5 3 3
5 - 10 8 10
10 - 15 10 15
15 - 20 7 22
20 - 25 2 5
Grupo A 1 2 2 3 1 4 1 5 4 3
Grupo B 2 2 3 1 2 1 2 3 1 2
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 143
5. Para la elaboración de un índice de calidad de un producto, se miden
dos características del mismo que se designan con “X” e “Y”.
- 3 = óptimo
- 2 = normal
- 1 = malo
- 2 = bueno
- 1 = malo
Artículo X Y Artículo X Y
1 3 2 13 2 1
2 2 2 14 3 1
3 2 2 15 2 2
4 2 2 16 2 2
5 2 1 17 1 2
6 2 2 18 2 2
7 1 2 19 2 1
8 1 2 20 1 1
9 2 2 21 2 2
10 2 1 22 3 2
11 3 2 23 1 2
12 1 2 24 1 2
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 144
VII REGRESION
∑ (x )( )
n
− X ⋅ yj − Y
Cov ( X, Y ) j=1
j Karl Pearson
−1 ≤ r = = ≤ +1 Smith
SX ⋅ SY 2 1857-1936
∑( ) ∑(y )
n n 2
xj − X ⋅ j −Y Inglaterra
j=1 j=1
Cuando “r” es “0”, no hay correlación lineal, pero puede haber alguna
correlación de otro tipo.
Ejemplo:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 145
Para llevar a cabo esta insigne tarea, el Director ha solicitado a un grupo
de artistas de las estadísticas de la UMAG, incondicionales a la clínica, el
realizar los cálculos respectivos.
Paso 1: “Graph”
“Character Graph”
“Scatter-Plot”
+ Paso 2:
Se ingresan
las variables
Paso 3:
Se ingresa
carácter “x”
Paso 4:
Click “OK”
Scatter Plot o Nube de
puntos
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 146
Variables a
correlacionar
“X” e “Y”
Click “OK”
Resultado:
“Pearson correlation of X and Y” es 0,785
æ y - y1 ö÷
y - y1 = ççç 2 ÷÷ × ( x - x1 ) = m ( x - x1 )
è x 2 - x1 ø÷
Cov ( X,Y )
y-y = × ( x - x)
S2x
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 147
En la ecuación anterior, con un poco de manejo algebraico se tiene que :
æ Sy ö
y = ççç y - r × ÷÷÷ + r ×
Sy
×x
çè S x ÷ø Sx
y = mx + b
Ejemplo:
Hallar la recta de ajuste para los datos de colesterol versus peso, del
ejemplo para el cálculo de la correlación lineal.
Solución:
Ingreso de
variables “X” e
“Y”
Ingreso del
modelo lineal
Click “OK”
Resultado:
“Y = -127,567 + 4,06397X”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 148
En la hoja de sesión aparece: Y = -127,567 + 4,06397X, que es la recta
de ajuste lineal.
R2 = r2
Ejemplo:
X1 = Edad en días
Y = Estatura en centímetros
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 149
Se procederá a ingresar los datos en MINITAB, según la tabla siguiente:
Variable
respuesta
“Y”
Variables
predictoras
Xi
Click “OK”
Resultado:
“Y = 7,1 + 0,100X1 + 0,726X2 + 3,08X3 – 0,030X4”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 150
7.4 Regresión Stepwise
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 151
7.4.1 Backward Elimination: Eliminación hacia atrás
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 152
Ejemplo:
Solución:
“Stat”-“Regresión”-“Stepwise”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 153
Una vez pulsado en Methods aparece otra caja de diálogo, en la cual se
marca “Forward selection”, hecho esto, en “Alpha to enter” se ingresa 0,01 y
finalmente se pulsa OK para obtener la siguiente pantalla:
Selección
hacia
adelante
α = 0, 01
Click “OK”
Resultado:
- Término constante : 20,110
- Coeficiente “X1” : 0,414
- Coeficiente “X3” : 2,030
que equivale a:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 154
7.5 Regresión No Lineal
1
Y = a + b× ↔ Y = a + b ⋅ X • , con X • = 1
X X
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 155
Ejemplo:
X 3 6 9 12 15 18
Y 115.000 147.000 239.000 356.000 579.000 864.000
a.- Representar el Plot de “X” con “Y”. Hacer también un plot de “X” con lnY.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 156
b.- Ajustar una curva exponencial a los datos.
lnY = lna + bX
Y• = A + bX , con, lna=A.
Recuerde que la recta de ajuste lineal de “Y” sobre “X” tiene la forma:
SY
( ) ( )
•
Y• − Y• = r X, Y• ⋅ ⋅ X−X
SX
Coeficiente de
Correlación de Pearson
0,782
Y • -12,611 = 0,997 ⋅ (X– 10,50), de donde despejando Y • se obtiene:
5,61
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 157
7.6 Laboratorio Regresión
a)
X 4 4 -4 -4
Y -4 4 4 -4
b)
X 4 3 0 -3 -4
Y -4 -2 0 4 4
c)
X 4 2 -2 -4
Y 4 -2 2 -4
EST 1 2 3 4 5 6 7 8
X 20 16 34 23 27 32 18 22
Y 64 61 84 70 88 92 72 77
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 158
{(xi , yi )}i=1
i=20
3. Considere la información de los siguientes pares de puntos ,en la
siguiente tabla:
Caso xi yi Caso xi yi
1 5 12 11 9 18
2 5 14 12 9 19
3 6 12 13 10 17
4 6 14 14 10 18
5 6 16 15 10 19
6 7 15 16 11 18
7 7 17 17 11 20
8 8 16 18 12 19
9 8 18 19 12 21
10 9 17 20 13 20
Se pide:
c) Ajustar una recta por mínimos cuadrados con la condición de que dicha
recta pase por el origen. Estudiar la bondad de este ajuste.
xi 1 1 2 2 3 4 5 6 7 8
yi 7 4 5 3 1 2 1 2 1 1
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 159
5. Los siguientes datos se refieren al crecimiento de una colonia de bacterias
en un medio de cultivo:
X 3 6 9 12 15 18
Y 115.000 147.000 239.000 356.000 579.000 864.000
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 160
Para ayudar al estadístico, el le entrega a Usted los datos en la siguiente
tabla:
Casa Y X1 X2 X3 X4
1 250 35 3 10 6
2 360 29 4 1 10
3 165 36 7 9 3
4 43 60 6 8 9
5 92 65 5 8 6
6 200 30 5 9 5
7 355 10 6 14 7
8 290 7 10 9 10
9 230 21 9 11 11
10 120 55 2 9 5
11 73 54 12 11 4
12 205 48 5 10 1
13 400 20 5 12 15
14 320 39 4 10 7
15 72 60 8 8 6
16 272 20 5 10 8
17 94 58 7 10 3
18 190 40 8 11 11
19 235 27 9 14 8
20 139 30 7 9 5
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 161
La tabla de datos correspondiente es la siguiente:
Observación X1 X2 X3 X4 Y
1 18,69 15,65 45,01 58,21 947
2 19,43 23,51 39,69 46,31 1.407
3 19,24 24,23 43,16 46,63 1.452
4 22,64 22,20 35,76 45,85 1.553
5 16,54 23,56 41,20 55,14 989
6 21,44 23,65 35,56 54,24 1.162
7 19,53 24,45 40,18 47,20 1.466
8 23,97 19,39 44,11 43,82 1.656
9 21,45 23,84 35,41 51,01 1.254
10 20,34 26,50 34,21 49,06 1.336
11 17,03 23,46 32,45 53,23 1.097
12 21,03 26,99 38,19 51,78 1.266
13 20,49 19,87 41,35 46,69 1.401
14 20,45 23,03 43,59 53,57 1.223
15 18,81 22,62 42,20 52,98 1.216
16 18,28 21,87 41,50 47,44 1.334
17 21,41 20,47 41,20 54,68 1.155
18 25,11 22,59 37,02 48,74 1.453
19 21,04 26,27 38,66 53,22 1.278
20 17,99 28,22 44,18 53,37 1.153
21 18,73 29,39 34,77 51,06 1.225
22 18,49 26,58 37,55 50,66 1.237
23 22,08 24,88 37,07 50,72 1.327
24 14,28 26,27 35,80 48,24 1.229
25 17,74 23,61 37,36 49,92 1.205
26 20,54 26,58 35,40 53,58 1.221
27 18,25 13,77 51,32 51,38 1.138
28 19,09 25,62 39,54 50,13 1.295
29 21,25 20,63 40,72 48,67 1.391
30 21,62 22,71 36,22 48,19 1.372
Se pide:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 162
VIII DISEÑO DE EXPERIMENTO
H0: µ1 = µ 2 = µ3 = ..... = µk = µ
τj = µj - µ ó µj = µ + τj (1)
∑ τ = ∑ (µ
j
j
j
j − µ) = 0
e i j = xi j - µ j ó x i j = µ j + ei j (2)
x i j = µ j + ei j = ( µ + τ j ) + e i j (3)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 163
Finalmente, se sabe que cada observación x ij difiere de la población µ ,
luego se tiene que el modelo básico para el diseño completamente aleatorio de
una variable es de la forma:
x i j - µ = τ j + ei j (4)
xi j - µ = (µ j - µ ) + (x i j - µ j ) (5)
para
i = 1, 2, 3,....,nj y j= 1, 2, 3, ....,k
Para facilitar los cálculos se disponen los datos en una tabla como la que
se muestra a continuación:
TRATAMIENTOS
1 2 3 ........ k
x11 x 12 x 13 ........ x 1k
x21 x 22 x 23 ........ x 2k
x31 x 32 x 33 ........ x 3k
. . . ........ .
. . . ........ .
. . . ........ .
. . . ........ .
xn 1 1
xn 2 2 xn 3 3
........ xn k k
Gran
Total
Tamaño de n1 n2 n3 ........ nk n
muestra
Sumas x •1 x •2 x •3 ........ x •k x ••
Medias x •1 x •2 x •3 ........ x •k x ••
nj
x • j = ∑ x i j suma del j-ésimo tratamiento (j-ésima columna)
j=1
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 164
x •j
x • j= = media del j-ésimo tratamiento
nj
k k nj
x • •= ∑ x • j = ∑ ∑x ij = suma de todas las observaciones
j =1 j =1 i =1
x ••
x • •= = Gran Media
n
x i j -x • • = (x • j- x • • ) + (x i j - x • j )
(x - x • • ) = ( x • j- x • • ) + ( x i j - x • j ) + 2 ( x • j- x • • ) × ( x i j - x • j )
2 2 2
ij
∑ ∑ (x ) ∑ (x ) ∑ (x ) ∑ (x ) (x )
k nj k nj k nj k nj
− x • • =∑ +∑ − x • j + 2∑
2 2 2
ij • j− x •• ij •j − x •• ⋅ ij − x •j
j =1 i =1 j =1 i =1 j =1 i =1 j =1 i =1
( ) ( ) ∑(x )
k nj k
2∑ x • j− x •• ⋅∑ xi j − x • j , pero •j − x •• = 0
j =1 i =1 j =1
∑(x )
nj
y ij − x •j = 0 Por propiedad de la media aritmética.
i =1
∑ ∑ (x ) ∑ (x ) ∑ (x )
k nj k nj k nj
− x • • =∑ +∑
2 2 2
ij • j− x •• ij − x •j
j =1 i =1 j =1 i =1 j =1 i =1
( ) ∑ (x )
k k nj
= ∑ nj +∑
2
x • j− x •• ij − x •j
j =1 j =1 i =1
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 165
Donde:
∑ ∑ (x )
k nj
2
ij − x •• = SS total = Suma de Cuadrados total
j =1 i =1
∑ ∑ (x )
k nj
2
•j − x •• = SS trat =Suma de Cuadrados entre tratamientos
j =1 i =1
∑ ∑ (x )
k nj
2
ij − x •j = SS error = Suma de Cuadrados dentro de los
j =1 i =1
x •2•
∑ (x )
k nj k nj
SS total = ∑ ∑ ∑x
2
ij − x •• = 2
ij −
j =1 i =1 j =1 i =1 n
x •2j x •2•
∑ (x ) =∑ n
k nj k
SS trat = ∑
2
•j − x •• −
j =1 i =1 j =1 j n
x •2j
∑ (x ) = ∑ ∑ x −∑ n
k nj k nj k
SS error = ∑
2
ij − x •j 2
ij
j =1 i =1 j =1 i =1 j =1 j
nj
∑ (x − x• j )
2
ij
i =1
Dentro de cada grupo proporciona un estimador insesgado
nj − 1
de la varianza de su grupo y bajo el supuesto de que las varianzas de los
grupos (tratamientos) son iguales se pueden ponderar las varianzas de los k
grupos para obtener:
∑ ∑( ) ∑ ∑ (x )
k nj k nj
2 2
xi j − x •j ij − x •j
j =1 i =1 j =1 i =1
= = S2error = MSerror
n−k
∑ (n − 1)
k
j
j =1
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 166
Que es la varianza dentro de tratamientos o varianzas del error o
Cuadrado Medio del Error.
x x
∑ (x )
k 2
•j − x ••
2 j =1
S =
x k −1
De donde
(x )
k
n⋅∑
2
• j− x ••
2 j =1
n⋅S =
x k −1
2
MS trat S
=
trat
2
MSer ror S
error
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 167
MStrat
Así, se rechaza Ho sí es mayor que la F teórica de tablas:
MSerror
MStrat
Es decir > F1-α ;(g.l.trat; g.l.er r o r )
MSerror
TABLA ANOVA
Grados Varianza ó
Fuente de
Variación
k-1 MStrat =
n k −1
F1-á ; (g.l.trat ; g.l.error)
j =1 j
MStrat
MSerror
Tratamiento
k nj k x •2j SS error
SS error= ∑ ∑ xi2j −∑
Dentro
n-k MSerror=
nj n−k
s
j =1 i =1 j =1
nj
x •2•
Total
n-1 SS total = ∑ ∑x
j =1 i =1
2
ij −
n
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 168
Ejemplo:
MÁQUINAS
A B C
25 31 24
30 39 30
36 38 28
38 42 25
31 35 28
Tamaño de
muestra 5 5 5 n = 15
n.j
Sumas
160 185 135 x.. = 480
x.j
Medias
32 37 27 x • • = 32
x •j
Solución:
ANOVA
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 169
En MINITAB, se procede de la siguiente manera:
Variable respuesta
TABLA Tratamiento
“PROD”
ANOVA “MAQ”
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 170
8.2 Algunas Pruebas Paramétricas
a) Hipótesis bilateral
Hipótesis:
Ho: µ = µ0
Ha: µ ≠ µ0
x - µ0
Estadística de prueba = T = : t(n-1) g.l.
sx
n
Región de Aceptación: t ∈ R / t ≤ t α ; n−1 g.l.
( )
2
Región de Rechazo: t ∈ R / t > t α ; n−1 g.l.
( )
2
x - µ0
Se acepta Ho sí: £ t α ;(n-1) g.l.
sx 2
n
x - µ0
Se rechaza Ho sí: > t α ;(n-1) g.l.
sx 2
n
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 171
Ejemplo: En una pastelería se envasan galletas en envases de 140 grs. Para
verificar si el promedio real contenido en cada uno de los envases es
correcto, se escogió aleatoriamente una muestra de tamaño 7,
observando los siguientes resultados:
Ho: µ = 140
Ha: µ ≠ 140
s s
RA= − t α ⋅ x ;tα ⋅ x
2 ;(n−1)g.l. n 2 ;(n−1)g.l. n
Estadística de prueba T:
sx sx
IC(1- α )= x − t α ⋅ ; x + tα ⋅
;(n−1)g.l. ;(n−1)g.l.
2 n 2 n
IC(0,95) ≈ [135,75;138,87 ]
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 172
Se observa que, 140 no pertenece al intervalo de confianza
encontrado, luego a partir del intervalo de confianza respectivo, se
concluye que Ho es falsa.
Solución en MINITAB:
Variable “X”
µ 0 = 140
Options
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 173
Nivel de
confianza
95%
Hipótesis
Bilateral
OK
er
1 “OK”
do
2 “OK”
Estadístico
de Prueba T
P-valor
Intervalo de
confianza
para µ
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 174
8.2.2 Pruebas t de Student para dos muestras pequeñas (n1 + n2 £ 30)
x 1- x 2
Y la estadística T = : tα
1 1 ;(n-1)g.l.
sp × + 2
n1 n2
Ejemplo:
Solución:
Ho: µ A = µ B
Ha: µ A ≠ µ B
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 175
En MINITAB, la secuencia de comandos es:
Nivel de
confianza
µ=0
µ≠0
Variable
observada
P-Valor
Variable
indicadora
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 176
b) Dos muestras dependientes (datos pareados)
i= 1
Ho: µ D = 0 ⇔ µ1 = µ2
Ha: µ D ≠ 0 ⇔ µ1 ≠ µ 2
D
tD = : t n-1
sD
n
La región de aceptación de Ho es: RA= t : t ≤ t α
;(n−1)g.l.
2
La región de rechazo de Ho es : RR = t : t > t α
;(n −1)g.l.
2
D
El criterio de decisión es: se acepta Ho si: £ tα
sD ;(n-1)g.l.
2
n
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 177
Ejemplo:
Antes 9 13 3 2 17 4 7 10 9 5 6 11 16 17
Después 11 14 5 4 19 5 6 12 10 7 7 13 15 17
Solución en MINITAB:
Variable “D”
Click
“Options”
D = - 1, 1 4
µ D≠ 0
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 178
8.3 Laboratorio de ANOVA y Pruebas T
MATERIAS
EST. M I F B
1 68 57 73 61
2 83 94 91 86
3 72 81 63 59
4 55 73 77 66
5 92 68 75 87
H 8 7 6 8 7 5 6 4 9 9
M 8 6 5 6 5 4 4 4 6 4
Aumento de Cosecha
Fertilizante A 39 33 39 35 32
Fertilizante B 36 40 35 30 29
Fertilizante C 33 33 36 26 35
a) Construir la ANOVA.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 179
4. En un estudio para evaluar los efectos de una infección de paludismo en
huéspedes de mosquitos, se alimentaron mosquitos en monos rhesus
infectados y no infectados. Subsecuentemente, la distancia que volaron
durante un período de 24 horas se midió utilizando un medidor de
vuelos. Los mosquitos se dividieron en cuatro grupos de ocho mosquitos
cada uno: rhesus infectados y esporozoarios presentes (IRS), rhesus
infectados y ovocito presente (IRD), rhesus infectados y sin infección
desarrollada (IRN) y no infectados (C). Un resumen de los datos son:
7,07 7,00 7,10 6,97 7,00 7,03 7,01 7,01 6,98 7,08
Ho: µ = 7,0
Ha: µ ≠ 7, 0
Use α = 0,05
HOMBRES 8 7 6 8 7 5 6 4 9 9
MUJERES 8 6 5 6 5 4 4 4 6 4
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 180
7. Se mide la capacidad lectoescritora de 10 niños disléxicos a través de un
cuestionario (escala de 0 a 100puntos) antes y después de recibir una
terapia. Sus resultados fueron:
ANTES 70 72 80 75 77 80 74 81 76 73
DESPUES 74 73 84 75 84 95 88 86 80 79
Técnico 1 13 16 12 14 15
Técnico 2 14 16 11 19 15
Técnico 3 13 18 16 14 18
Técnico 4 18 10 14 15 12
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 181
IX ESTADÍSTICA NO PARAMETRICA
a) Para:
H0 : m = m0
Ha : m < m0
x i- m 0 ,i = 1,2,....,n
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 182
diferencias que son positivas, se designa R+ a este estadístico. Por
consiguiente, la prueba de la hipótesis nula es en realidad una prueba de
que el número de signos positivos es un valor de una variable aleatoria
•
Binomial con parámetro p = 0,50 y n = número de diferencias diferentes de
cero. Entonces se calcula un valor P para el número observado de signos
positivos r + directamente de la distribución Binomial. Al probar esta
hipótesis unilateral izquierda, se rechaza Ho a favor de Ha, sólo si la
proporción de signos positivos es suficientemente menor que 0,50; lo que
equivale a decir, cada vez que el número observado de signos r + es muy
pequeño. Por lo tanto, sí el valor calculado de:
P = P(R+ £ r + ;p = 0.50)
b) Para:
H0 : m = m0
Ha : m > m0
P = P(R+ ³ r + ;p = 0,50)
c) Para:
H0 : m = m0
Ha : m ≠ m0
n
r+ < ® P = 2P(R+ £ r + ;p = 0,50)
2
n
r+ > ® P = 2P(R+ ³ r + ;p = 0,50)
2
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 183
Ejemplo:
Estudiante 1 2 3 4 5 6 7 8 9 10
Calificación 4 5 8 8 9 6 10 7 6 6
Solución:
Ho: m = 5
Ha: m ≠ 5
n
Luego n = 9 , R+ : B(9;0,50) , r + = 8 > = 5 , por lo tanto:
•
2
P=2(0,017578+0,001953)=0,039062< α = 0,05 .
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 184
P = P(R + = 8) + P(R + = 9) Columna
de datos
“x”
Nivel de
significaci
ón
deseado
“Click” para activar
el valor a ingresar Ingreso de
de mediana 5,0
Click ”OK”
Hipótesis
alternativa
La prueba anterior, del signo de la mediana emplea solo los signos “+” y
“-” de las diferencias entre las observaciones x i y la mediana m0 , esta prueba
no toma en cuenta la magnitud de estas diferencias, Frank Wilcoxon diseñó un
procedimiento de prueba que utiliza tanto la dirección (signo) como la magnitud.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 185
Se designa con W + , a la suma total de los rangos que corresponden a
las diferencias positivas y se designa con W - , a la suma total de los rangos
que corresponden a las diferencias negativas. Luego se define el estadístico de
prueba de Wilcoxon, como:
W = min { W - , W + }
El test de hipótesis:
H0 : m = m0
Ha : m < m0
El test de hipótesis:
H0 : m = m0
Ha : m > m0
El test de hipótesis:
H0 : m = m0
Ha : m ≠ m0
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 186
Ejemplo:
1,5 2,2 0,9 1,3 2,0 1,6 1,5 2,0 1,2 1,7
W - =5,5+10+8+3+5,5+9+1=42
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 187
Columna de
P-valor=0,154 Datos
Nivel de
significación
deseado
Ingreso de
1,8
Hipótesis
alternativa
Ejemplo:
A 16 26 23 19 45 30 23 23 29 24 35 32
B 15 25 17 40 22 27 21 20 18 16 14 31
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 188
Solución: Se resolverá la prueba bilateral
H0 : mA = mB
Ha : m A ≠ mB
se supone α = 0,05
era
da
1
2 muestra muestra
“B” “A”
Nivel de
significación
deseado
Hipótesis
Alternativa
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 189
9.4 Prueba de Rachas o Runs Test
CC—SSSS—CC—S—C
Los guiones entre las letras agrupan letras semejantes que están
adyacentes, y de esta manera la muestra de 10 observaciones se subdivide en
cinco partes, que se llaman rachas o secuencias.
CCCCCCC—SSS (2 rachas)
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 190
El promedio, que se designará por K, es K = 53,9231
+ + - + - + - + - - + - + - - + + + - - - - + - + +
++ - + - + - + -- + - + -- +++ ---- + - ++
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Una vez ingresados los datos en alguna columna, en este caso C1, que
se designa con “X”, se hace la secuencia de comandos:”Stat-Nonparametrics”-
Runs Test..., y en la caja de diálogo se ingresa la columna de datos “X” y en
este caso se marca la alternativa “Above and below the mean”, para que
entregue la cantidad de valores sobre y bajo la media. A continuación se pulsa
OK y se tiene:
Ingreso de
Variable
P-valor “x”
Opción para
contar
valores
sobre y bajo
la mediana
Click “OK”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 191
9.5 Test de Kruskal-Wallis
Un supuesto del test es que las muestras que provienen de las diferentes
poblaciones son muestras aleatorias independientes con distribuciones
continuas.
k R 2
H = 12 ∑ j − 3(n + 1)
n(n + 1) j=1 n j
H
H• = g
∑t
j=1
3
j − tj
1−
n3 − n
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 192
4. Cuando hay tres muestras con 5 ó menos observaciones cada una, la
significación de H se determina usando la tabla de “Valores Críticos para
la prueba de Kruskal-Wallis”, que se puede encontrar en cualquier texto
de Estadística No Paramétrica. Cuando hay más de 5 observaciones en
cada muestra ó más de 3 muestras se sabe que H está distribuida
aproximadamente como una distribución Chi cuadrado con k-1 grados
de libertad. Luego la hipótesis nula se rechaza si H > χ2(k-1)g.l.;1-α .
Ejemplo:
Grupos
I II III
17 8 2
20 7 5
40 9 4
31 8 3
35
¿Se puede concluir que los tres grupos difieren respecto al tiempo de reacción?
¿Se puede concluir esto si se rechaza la hipótesis nula de que los tres grupos
no difieren en su tiempo de reacción?
La hipótesis nula será cierta si los rangos están bien distribuidos entre los tres
grupos y en consecuencia, las sumas de los rangos de los tres grupos son
proporcionales a sus tamaños de muestra; si esto no ocurre el estadístico H
será muy grande y por lo tanto se rechazará la hipótesis nula cuando el valor de
H sea mayor que el valor crítico. Los rangos de la muestra combinada son los
siguientes:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 193
12 éê 552 262 102 ùú
H= + + - 3(14) = 10,68
13(14) êë 5 4 4 úû
Respuesta
“T”
Factor “G”
Click “OK”
P-valor
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 194
9.6 Test Chi Cuadrado – Bondad de Ajuste
Evento A1 A2 A3 ……. An
Frecuencia
E1 E2 E3 ........ En
esperada
Frecuencia
O1 O2 O3 ........ On
observada
( Oi − Ei )
2
n
χ =∑
2
i=1 Ei
n = n -1 .
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 195
2. Condición intrínsica: Es una hipótesis interna a los datos. Se necesitan
los datos para sacar los parámetros poblacionales.
En este caso los grados de libertad son
n = n - r - 1.
Ejemplo:
xi 0 1 2 3 4
ni 389 120 40 20 7
xi = número de castigos
ni = número de castigos
Solución:
Se supone α = 0,01
∑xn i i
288
λ= i= 0
= = 0,5
n 576
Luego
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 196
Calculando en Minitab, las probabilidades anteriores se tienen:
(Oi - Ei )
2
(Oi - Ei )
2
castigos Oi P(X=x) Ei
Ei
0 389 0,6065 349 1600 4,5845
1 120 0,3033 175 3025 17,2857
2 40 0,0758 44 16 0,3636
3 20 0,0126 7 169 24,1429
4 7 0,0016 1 36 36,0000
82,3767
Por lo tanto:
( Oi − Ei )
2
4
χ =∑
2
= 82,3767
i= 0 Ei
Esta prueba no esta en MINITAB, pero con muy poco esfuerzo se puede
implementar con las herramientas disponibles.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 197
9.7 Laboratorio de No Paramétrica.
Antes 70 72 80 75 77 80 74 81 76 73
Después 74 73 84 75 84 95 88 86 80 79
a)
87 86 85 87 86 87 86 81 77 85
86 84 83 83 82 84 83 79 82 73
b)
46 55 62 65 67 64 65 62 54 57
51 60 59 64 66 68 60 59 51 43
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 198
4. Los ingresos producidos por cuatro tipos de productos de una empresa
en los primeros 8 meses del año son los de la siguiente tabla. Al
Departamento de Promoción y Marketing le interesa saber si el nivel de
ventas es similar en los cuatro productos.
Tipo de Productos
A B C D
30 20 50 60
40 29 49 58
25 28 47 57
38 22 46 40
35 19 43 48
29 15 52 47
42 30 54 49
41 33 51 50
Xi 0 1 2 3 4
ni 6 38 58 47 11
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 199
7. Una compañía de electricidad debe elegir entre dos tecnologías para
generar electricidad a sus clientes en el futuro: carbón o energía nuclear.
A fin de conocer las actitudes de los ciudadanos locales, la compañía de
electricidad realizó un sondeo de opinión pública.
b) ¿Parece haber más apoyo global para la opción de carbón que para
opción de energía nuclear?
Hora del
1 2 3 4 5 6 7 8
turno
Numero de
93 71 79 72 98 89 102 110
accidentes
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 200
X ELABORACIÓN DE INFORMES
10.1 Introducción
10.2 Ejemplo
Gastos en Calefacción
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 201
10.3 Generando Informes.
Paso 1: “Click” en C1
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 202
Luego se selecciona “Windows”- “2 Proyect Manager”-“Report Pad”, se
posiciona el cursor en la ventana de reportes y con un click en el botón derecho
del mouse, se activa la opción Copy, obteniendose la siguiente pantalla:
Ventana de reportes
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 203
Se sugiere en el “paso 2” al seleccionar el texto para dar un nuevo
formato, se posicione el cursor en el primer carácter y luego se presiona el
botón izquierdo del mouse y sin soltar el botón, se arrastra el mouse hasta el
final del texto, el procedimiento se termina cuando el texto está totalmente
marcado con fondo negro. Otra alternativa es posicionarse en el primer carácter
y luego con la tecla “Shift” presionada, avanzar con la flecha izquierda hasta el
final del texto.
Las características que deben ser seleccionadas para los cambios en la
fuente se despliegan en la siguiente pantalla.
Paso 4: “Click”
Paso 3: Se selecciona el
tamaño 12
Paso 2: Se selecciona
Normal con
“Click”
Paso 2: “Click”
Paso 3: “Click”
Paso 1: Se selecciona
el texto.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 204
La pantalla de presentación queda de la siguiente forma:
Paso 1:
- Seleccionar texto
- Menú: “Edit”-“Copy”
- Menú: “Windows”-
“Proyect Manager”
Paso 2:
- “Click”
- Menú: “Edit”-“Paste”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 205
Para el análisis de las estadísticas obtenidas con el procedimiento
descriptivo, el alumno puede ingresar sus notas directamente en la ventana de
reportes. Para usar las herramientas gráficas, se construye el histograma con
los comandos habituales y se procede como se muestra en la siguiente
pantalla:
Paso 3:
- Menú: “Windows”-
“2Proyect Manager”
Paso 1: “Click”
Análisis ingresado
directamente
Paso 1: “Click”
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 206
En la pantalla de reportes se desplegará el histograma procesado
anteriormente como se muestra en la siguiente pantalla:
Resumen gráfico
Comentarios
finales
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 207
Una vez elaborado el informe es prudente guardar una copia del mismo
en un archivo de reportes MINITAB. Para ello se siguen los siguientes pasos:
Para los cambios en los gráficos en Word, basta con realizar doble Click
en el gráfico respectivo y Word llamará al editor de gráficos de MINITAB. Al
cerrar la sesión del editor Gráfico de MINITAB, el programa de Word tomará
nuevamente el control del informe.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 208
10.4 Imprimiendo Informe.
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 209
XI GLOSARIO COMANDOS MINITAB
Histograms, Time Series Plot, Dot Plots, Box Plots, Stem and leaf
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 210
Para graficar un Dotplot:
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 211
Para generar n observaciones que provienen de la distribución Normal
estándar:
11.7 Correlación
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 212
11.9 Para Seleccionar una Muestra Aleatoria Simple
JJJU
UL
U LIIIO
L OH
O HE
HEER
RN
R NA
N AN
ANND
DE
D EZ
E ZV
Z VA
V AL
ALLE
EN
E NZ
NZZU
UE
U EL
E LA
L A --- G
A GA
G AB
ABBR
RIIIE
R EL
E LSSSO
L OT
O TO
T OM
O ME
M ED
E DE
DEEL
L
L 213
11.13 Test Chi – Cuadrado Para Tablas de Doble Entrada