Estadistica Industrail PDF

Laboratorio de Estadística Industrial
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE INGENIERÍA INDUSTRIAL
INFORME FINAL DE LABORATORIO

PROFESOR: ING. PÉREZ QUISPE, VÍCTOR
CURSO: ESTADÍSTICA INDUSTRIAL
INTEGRANTES:
 CASTILLO CHUMACERO DIEGO YOEL 12170092
1
INDICE:
PRUEBA DE HIPOTESIS DE LA MEDIA DE LA POBLACION: ............................................................................................3
PRUEBA DE HIPOTESIS DE DOS MEDIAS POBLACIONALES: ..........................................................................................5
PRUEBA DE HIPOTESIS PARA PROPORCIONES ............................................................................................................6
PRUEBA DE HIPOTESIS PARA PROPORCIONEDS CON OBSERVACIONES INDEPENDIENTES ..........................................7
PRUEBA DE HIPOTESIS T STUDENT ..............................................................................................................................9
PRUEBA DE HIPOTESIS PARA DIFERENCIA ENTRE DOS MEDIAS .................................................................................11
PRUEBA DE HIPOTESIS DE MUESTRA PAREADA .........................................................................................................14
COMPARACION DE DOS VARIANZAS POBLACIONALES ...............................................................................................17
ANOVA UNA DIRECCION: ............................................................................................................................................19
PROBLEMAS 1.-................................................................................................................................................................. 19
PROBLEMA 2.- .................................................................................................................................................................. 21
ANOVA DOS DIRECCIONES: ........................................................................................................................................24
PROBLEMA 1.- .................................................................................................................................................................. 24
PROBLEMA 2.- .................................................................................................................................................................. 27
REGRESION SIMPLE: ..................................................................................................................................................31
PROBLEMA 1.- .................................................................................................................................................................. 31
PROBLEMA 2.- .................................................................................................................................................................. 32
PROBLEMA 3.- .................................................................................................................................................................. 35
PROBLEMA 4.- .................................................................................................................................................................. 38
REGRESION MULTIPLE ...............................................................................................................................................39
METODOS NO PARAMETRICOS: ..................................................................................................................................53
SERIE DE TIEMPO: ………………………………………………………………………………………………………………………………75
2
LABORATORIO DE ESTADISTICA INDUSTRIAL
PRUEBA DE HIPOTESIS DE LA MEDIA DE LA POBLACION:
PRUEBA BILATERAL DE DOS COLAS:
Problema 1.-
En Western University, la media histórica en las puntuaciones de los solicitantes de una beca es 900. La desviación
estándar poblacional histórica que se considera conocida es s=180.
Cada año, el decano asistente utiliza una muestra de las solicitudes para determinar si la puntuación media ha
cambiado entre los solicitantes de becas.
a) Establezca la hipótesis.
b) ¿Cuál es el intervalo de 95% de confianza para la estimación de la media poblacional de las puntuaciones en
el examen si en una muestra de 200 de estudiantes la media muestral es 935?
c) Use el intervalo de confianza para realizar una prueba de hipótesis. Manejando α = 0.05, ¿a que conclusión
llega?
d) ¿Cuál es el valor p?
SOLUCION:
1) Ho: µ = 900
Ha: µ ≠ 900
2) α =0.05
3) Z, n≥30
4) El valor crítico es -1.96
Intervalos:
R.C = <-∞, -1.96> U <1.96, ∞>
R.A = [-1.96 , 1.96]
Zk ɛ R.C : Rechazo Ho , acepto Ha.
5)
900 − 935
𝑧= = −2.75
180
√200
Interpretación:
 La puntuación media de los solicitantes de becas ha cambiado.
Calculando el valor de p
Para z = -2.75 → 0.003
P= 2 x 0.003 = 0.006
P < α → Rechazo Ho, acepto Ha.
3
Solución Minitab:
Pasos a seguir en Minitab:
 En la opción de la barra de menu selecciona las opciones estadísticas.

 Luego la opción z de una muestra.
 Opción datos resumidos (tamaño de la muestra, media).
 Luego escogemos si es una prueba de una cola o dos colas.
PRUEBA UNILATERAL DERECHA
Problema 2.-
Una empresa de venta de bienes raíces a nivel estatal, Farm Associates, se especializa en ventas de propiedades
rurales en el estado de Nebraska. Sus registros indican que el tiempo medio de venta de una granja es de 90 días.
Debido a sus recientes condiciones de sequía, estima que el tiempo de venta será superior a 90 días. Un estudio a nivel
estatal de 100 granjas vendidas recientemente revelo que el tiempo medio de venta era 94 días, con una desviación
estándar de 22 días. Al nivel de significancia de 0.10, ¿se puede concluir que el tiempo de venta ha aumentado?
SOLUCION:
1) Ho: µ = 90
Ha: µ > 90
2) α = 0.10
3) Z , n≥30
4) Intervalos:
R.C : <1.282 , ∞>
R.A : < -∞ , 1.282]
Zk ɛ R.C. Rechazo Ho, acepto Ha.
5)
94 − 90
𝑧= = 1.82
22
√100
Interpretación:
 El tiempo promedio de venta de bienes raíces a nivel estatal de la empresa Farm Associates especialista en
ventas de propiedades rurales en el estado de Nebraska aumento.
4
Solución Minitab.
Pasos a seguir en Minitab:
 En la opción de la barra de menu selecciona las opciones estadísticas.

 Luego la opción z de una muestra.
 Opción datos resumidos (tamaño de la muestra, media).
PRUEBA DE HIPOTESIS DE DOS MEDIAS POBLACIONALES:
PRUEBA BILATERAL DOS COLAS
Problema-
Se esperaba que el día de san Valentín el gasto promedio fuera de 100.89 (USA Today, 13 de febrero de 2006). Hay
diferencia en las cantidades que desembolsan los hombres y las mujeres? el gasto promedio en una muestra de 40
hombres fue de 135.67 y en una muestra de 30 mujeres fue de 68.64. Por estudios anteriores se sabe que la desviación
estándar poblacional en el consumo de los hombres es 35 y en el de las mujeres es 20.
a) ¿Cuál es la estimación puntual de la diferencia entre el gasto medio poblacional de los hombres y el gasto
medio poblacional de las mujeres?
b) Elabore un intervalo de confianza de 99% para la diferencia entre las dos medias poblacionales.
SOLUCION:
1) Ho: µ1 = µ2
Ha: µ1 ≠ µ2
2) α = 0.01
3) Z , n ≥ 30
4) Para α = 0.01 → Z = 2.575
5)
135.67 − 68.64
𝑍= = 10.1
2 2
√35 + 20
40 30
5
Intervalos:
R.C : ˂-∞,-2.575˃U<2.575,∞˃
RA:[-2.575,2.575]
Zk ɛ R.C, Acepto Ha, rechazo Ho.
Interpretación:
No hay diferencia en el gasto promedio en el día de San Valentín de hombres y mujeres.
PRUEBA DE HIPOTESIS PARA PROPORCIONES
PRUEBA UNILATERAL DERECHA
Problema 1.-
Un artículo reciente, publicado en el diario USA Today, indica que solo a uno de cada tres egresados recientes de
una universidad les espera un puesto de trabajo. En una investigación a 100 egresados recientes de su
universidad, se encontró que 80 tenían un puesto de trabajo. ¿Puede concluirse, en el nivel de significancia 0.02,
que en su universidad la proporción de estudiantes que tienen trabajo es mayor?
SOLUCION:
1) Ho: P= 0.333
Ha: P > 0.333
2) α = 0.02
3) Z
4) Para α = 0.02 → Z = 2.05
5)
0.8 − 0.333
𝑍= = 9.91
√0.333 ∗ (1 − 0.333)
100
Intervalos:
R.C: < -∞ , 2.05>
R.A: [2.05 , ∞>
Zk ɛ RC → Rechazo Ho, acepto Ha.
Interpretación:
Podemos concluir que la proporción de egresados de dicha universidad es mayor a 0.333.
Utilizando Minitab:
Prueba e IC para una proporción
Prueba de p = 0.333 vs. p no = 0.333
Muestra X N Muestra p IC de 95% Valor Z Valor P

1 80 100 0.800000 (0.721601, 0.878399) 9.91 0.000
Uso de la aproximación normal.
6
Pasos en Minitab:
 En la opción de la barra de menu selecciona las opciones estadísticas y luego estadísticas básicas.
 Luego la opción 1proporcion de una muestra.
 Opción datos resumidos (número de eventos y numero de ensayos).
 Escogemos también una proporción hipotética.
PRUEBA DE HIPOTESIS PARA PROPORCIONEDS CON OBSERVACIONES INDEPENDIENTES
PRUEBA BILATERAL:
Problema 1.-
En una prueba de calidad de dos comerciales de televisión, cada anuncio se transmitió, en áreas separadas de prueba,
seis veces en una semana. A la semana siguiente se realizó una encuesta telefónica para identificar individuos que
vieron los comerciales. A estas personas se les pidió su opinión sobre cuál era el principal mensaje de los anuncios. Se
obtuvieron los siguientes resultados.
Comercial A Comercial B
Número de personas que vio el comercial 150 200
Número de personas que recordaba el mensaje 63 60
a) Use α=0.05 y pruebe la hipótesis de que entre los dos comerciales no hay diferencia en las proporciones
poblacionales de personas que recordaron el mensaje.
b) Calcule un intervalo de 95% de confianza para la diferencia entre las proporciones de personas que recordaron
el mensaje en las dos poblaciones.
SOLUCION:
1) Ho: p1=p2
Ha: p1≠p2
2) α
3) Z, n>30
4) Para α=0.05: Z=1.64
0.412−0.3
5) 𝑍 = 1 1
= 2.174
√0.35(1−0.35)( + )
150 200
Intervalos:
RC: <-∞;-1.64>U<1.64; ∞>
RA: [-1.64;1.64]
Zk ɛ RC → Rechazo Ho, acepto Ha.
Interpretación:
Se concluye que hay diferencia en la proporción de personas que recordaron el mensaje del comercial A y la
proporción de personas que recordaron el mensaje del comercial B.
Utilizando con Minitab:
Prueba e IC para dos proporciones
Muestra X N Muestra p
1 63 150 0.420000
2 60 200 0.300000
7
Diferencia = p (1) - p (2)

Estimado de la diferencia: 0.12
IC de 95% para la diferencia: (0.0186488, 0.221351)
Prueba para la diferencia = 0 vs. No = 0: Z = 2.33 Valor P = 0.020
Como el valor de p=0.02<0.05 rechazamos la hipótesis nula y concluimos que hay diferencia en la proporción
de personas que recordaron el mensaje del comercial A y la proporción de personas que recordaron el
mensaje del comercial B.
Pasos para Minitab:
 En la opción de la barra de menu selecciona las opciones estadísticas y luego estadísticas básicas.
PRUEBA BILATERAL:
Problema 2.-
Una muestra aleatoria de 1000 ciudadanos nacidos en EUA, revelo que 198 estuvieron a favor de la reanudación de las
relaciones diplomáticas con cuba. Análogamente 117 ciudadanos de una muestra de 500 estadounidenses no nacidos
en EUA, estuvieron a favor. Al nivel de significancia de 0.05, ¿hay diferencia en la proporción de ciudadanos de EUA
nacidos ahí que estén a favor de la reanudación de las relaciones diplomáticas con Cuba, y la proporción de los
estadounidenses no nacidos en el país que están a favor de tales relaciones?
SOLUCION:
Nacidos EUA No Nacidos en EUA

X1=198 X2=177
N1=1000 N2=500
198 177
P1=1000=0.198 P2=500=0.354
198+177
Pc= =0.25
1000+500
1) Ho: P1=P2
Ha:P1 ≠P2
2) α = 0.05
3) Z , n ≥ 30
4) Para α=0.05 (dos colas) →Z=1.96
5)
0.198 − 𝑂. 354
𝑍= = −6.28
√0.25 × (1 − 0.25) × ( 1 + 1 )
1000 500
Zk ɛ R.C, Rechazo Ho, Acepto Ha.
8
Pasos para Minitab:
 En la opción de la barra de menu selecciona las opciones estadísticas y luego estadísticas

básicas.
Interpretación:
Hay diferencia en la proporción de ciudadanos de EUA nacidos ahí que estén a favor de la reanudación de las
relaciones diplomáticas con Cuba, y la proporción de los estadounidenses no nacidos en el país que están a
favor de tales relaciones.
PRUEBA DE HIPOTESIS T STUDENT
PRUEBA UNILATERAL IZQUIERDA
Problema 1.-
El fabricante de las motocicletas Ososki asegura q éstas dan un rendimiento promedio de 87 millas por galón de
gasolina. En una muestra de ocho motocicletas los rendimientos fueron:
88 82 81 87 80 78 79 89
En el nivel de significancia 0.05, ¿el rendimiento es inferior a 87 millas por galón?
SOLUCION:
1) Ho: µ1=µ2
Ha: µ1 < µ2
2) α= 0.05
3) t
4) Para α=0.05 → t=-1.89 GL=7
Intervalos:
R.C: < - ∞, -1.89>
R.A: [ -1.89 , ∞>
Tk ɛ R.C → Rechazo Ho , acepto Ha.
5)
9
87 − 83
𝑡= = −2.61
4.34
√7
Interpretación:
El rendimiento promedio de las motocicletas Ososki es menor de 87 millas por galón de gasolina.
Pasos para Minitab:
 En la barra de menú seleccionamos la opción de estadísticos, luego estadísticos básicos.

 Luego seleccionamos la opción de seleccionamos t de una muestra.
 Seleccionamos datos en columnas.
 Ponemos como dato una media hipotética.
PRUEBA UNITALERAL IZQUIERDA:
Problema 2.-
El consumo anual per cápita de leche en Estados Unidos es de 21.6 galones. Usted cree que en el oeste medio el
consumo de leche es mayor y desea fundamentar su opinión. En una muestra de 16 persona en Webster City, pueblo
del oeste medio, la media muestral del consumo anual es de 21.4 galones y la desviación estándar es s=4.8
a) Elabore una prueba de hipótesis que se pueda usar para determinar si el consumo medio anual en webster city
es mayor que la media nacional.
b) t ¿Cuál sería una estimación puntual de la diferencia entre el consumo medio anual en webster city y la media
nacional?
10
SOLUCION:
1) Ho:µ=21.6
Ha: µ˂21.6
2) α= 0.05
3) t
4) G.L=16-1=15
R.A:[-1.75,∞>
R.C:˂∞,-1.75>
Tk ɛ R.A → Rechazo Ha, acepto Ho.
21.4−21.6
5) t= 4.8 =-0.17
√16
Interpretacion:
El promedio de consumo de leche en el oeste medio es igual al consumo de leche anual per capita de leche en
Estados Unidos.
Pasos para Minitab:

 Luego seleccionamos la opción de seleccionamos t de una muestra.
 Seleccionamos datos en columnas.
PRUEBA DE HIPOTESIS PARA DIFERENCIA ENTRE DOS MEDIAS
Problema 1.-
Con cierta periodicidad, Merrill Lynch solicita a sus clientes evaluaciones sobre los consultores y los servicios
financieros que les proporciona. Las puntuaciones más altas en la encuesta de satisfacción del cliente indican mejor
servicio con 7 como la puntuación más alta. A continuación se presentan en forma resumida las puntuaciones otorgadas
a dos consultores financieros por los miembros de dos muestras aleatorias independientes. El consultor A tiene10 años
de experiencia, mientras que el consultor B tiene solo 1 año. Use α=0.05 y realice una prueba para determinar si el
consultor con más experiencia tiene la media poblacional más alta en la evaluación del servicio.
Consultor A Consultor B
N1=16 n2=10
11
X1(media muestral 1)=6.82 x2(media muestral 2)=6.25

S1=0.64 s2=0.75
SOLUCION:
1) Ho: µA = µB
Ha: µA > µB
2) α= 0.05
3) t
4) Para α=0.05 → t=1.711 GL=16 +10 – 2= 24
5)
6.82 − 6.75
𝑡= = 2.07
15 ∗ 0.64 2 + 9 ∗ 0.752 1 1
√ ∗ (16 + 10)
16 + 10 − 2
Intervalos:
R.A: <-∞, 1.711]
R.C:<1.711 , ∞>
Tk ɛ R.C → Rechazo Ho, acepto Ha.
Interpretación:
El consultor con más experiencia tiene la media poblacional más alta en la evaluación del servicio.
Pasos para Minitab:

 Luego seleccionamos la opción de seleccionamos t de dos muestra.
 Seleccionamos datos resumidos (tamaño de una muestra, desviación, etc.).
PRUEBA UNILATERAL IZQUIERDA:
Problema 2.-
El gerente de una empresa de servicios de mensajería considera que los paquetes enviados al final del mes son más
pesados que los enviados al principio del mes. Como un experimento, pesó una muestra aleatoria de 20 paquetes
remitidos a principio de un mes. Encontró que el peso medio era de 20.25 libras, y la desviación estándar, 5.84 libras. Al
final del mes se seleccionaron al azar diez paquetes y se encontró que su peso medio era 24.80 libras, y la desviación
estándar, 5.67 lb. Al nivel de significancia de 0.05 lb, ¿puede concluirse que los paquetes enviados al final del mes son
más pesados?
SOLUCION:
12
INICIO DEL MES FINAL DEL MES

S1=5.84 S2=5.67
N1=20 N2=10
X1=20.25 X2=24.80
1) Ho: µ1 = µ2
Ha: µ1 ˂ µ2
2) α = 0.05
3) t, n ˂ 30
4) GL=20+10-2=28
T(0.05,28)=-1.701
Gráfica de distribución
T, df=28
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
-1.701 0
X
19×5.842 +9×5.672
5) Sp2= =33.48
28
20.25−24.80
t= 1 1
=-2.03
√33.48×( +
20 10)
tk ɛ R.C, Rechazo Ho, Acepto Ha.
Interpretación:
El peso medio de los paquetes enviados al final del mes es más pesado que los enviados al principio del
mes.
13
Minitab:
Pasos para Minitab:

 Luego seleccionamos la opción de seleccionamos t de dos muestra.
 Seleccionamos datos resumidos (tamaño de una muestra, desviación, etc.).
PRUEBA DE HIPOTESIS DE MUESTRA PAREADA
PRUEBA UNILATERAL IZQUIERDA
PROBLEMA 1.-
Scott Seggity, propietario de Seggity Software, Inc., adquirió recientemente un circuito integrado especial, un
coprocesador matemático que reduciría de modo significativo el tiempo de procesamiento para probar el circuito,
seleccionó una muestra de 12 programas, los cuales fueron utilizados en 2 computadoras idénticas, una con el circuito y
la otra sin él. A continuación se reportan los tiempos de procesamiento, en segundos. Al nivel de significancia de 0.05,
¿puede concluir el señor Seggity que el nuevo coprocesador matemático reducirá el tiempo de procesamiento?
Determine el valor p.
PROGRAMA SIN COPROCESADOR CON PROCESADOR DIFERENCIA

1 1.23 0.60 -0.63
2 0.69 0.93 0.24
3 1.28 0.95 -0.33
4 1.19 1.37 0.18
5 0.78 0.62 -0.16
6 1.02 0.99 -0.03
7 1.30 0.60 -0.7
8 1.37 1.35 -0.02
9 1.29 0.67 -0.62
10 1.17 0.89 -0.28
11 1.14 1.29 0.15
12 1.09 1.00 -0.9
SOLUCION:
1) Ho: µd = 0
Ha: µd < 0
2) Para α= 0.05
3) T
14
4) Para α= 0.05, G.L = 12-1=11 → t=- 1.796

5)
−3.1
𝑑̅ = = −0.258
12
−3.12
√2.408 − 12
𝑠𝑑̅ = = 0.38
11
−0.258
𝑡= 0.38 = −2.03
√12
Intervalos:
R.C:˂-∞,-1.796 >
R.A :<-1.796, ∞>
Tk Ɛ R.C → Rechazo Ho, acepto Ha.
Interpretación:
Puede concluir el señor Seggity que el nuevo coprocesador matemático reducirá el tiempo de
procesamiento.
En minitab:
Pasos en minitab:
 Seleccionamos de la barra de menú la opción estadísticas.

 Luego estadísticas básicas, la opción de t de muestra pareada.
 Colocamos los datos de la primera muestra y la segunda muestra.
PRUEBA UNILATERAL DERECHA:
Problema 2.-
Una firma de investigación de mercados usa una muestra de individuos para calificar el potencial de compra de un
determinado producto antes y después de que los individuos vean un comercial de televisión que lo promociona. La
calificación del potencial de compra se efectúa con una escala del al 10, con los valores más altos indicando un mayor
potencial. En la hipótesis nula se establece que la media de las calificaciones de “después” será menor o igual a la
media de las calificaciones de “antes”. El rechazo de esta hipótesis indica que el comercial mejora la media de la
calificación del potencial de compra. Use α=0.05 y los datos de la siguiente tabla para probar esta hipótesis y exprese
un comentario sobre la utilidad del comercial.
15
CALIFICACION DE COMPRA d
INDIVIDUOS DESPUES ANTES
1 6 5 1
2 6 4 2
3 7 7 0
4 4 3 1
5 3 5 -2
6 9 8 1
7 7 5 2
8 6 6 0
SOLUCION:
Después (µ2)
Antes (µ1)
1) Ho: µd=0
Ha: µd>0
2) α = 0.05
3) t, n ˂ 30
4) GL=8-1=7
T(0.05,7)=1.895
5) ∑ 𝑑 = 5
∑ 𝑑2 =15
2
(∑ 𝑑) 52
∑ 𝑑2 − 15−
8 8
Sd= = =1.30
7 7
0.625
T= 1.30 =1.36
√8
Tk ɛ R.A, Rechazo Ha, Acepto Ho.
Interpretación:
La media de las calificaciones de potencial de compra de un determinado producto después de ver el comercial
en la televisión será igual a la media de las calificaciones antes de ver el comercial.
Solución con minitab:
16
Pasos en minitab:
 Seleccionamos de la barra de menú la opción estadística.

 Luego estadísticas básicas, la opción de t de muestra pareada.
 Colocamos los datos de la primera muestra y la segunda muestra.
COMPARACION DE DOS VARIANZAS POBLACIONALES
Problema 1.-
La mayoría de los conductores sabe que el gasto anual medio en reparaciones de un automóvil depende de la
antigüedad del vehículo. Un investigador desea saber si la varianza de los gastos anuales que se aplican en reparación
también aumenta con la antigüedad del vehículo. En una muestra de 26 automóviles de 4 años de antigüedad, la
desviación estándar muestral para los gastos anuales en reparación fue de $170, y en una muestra de 25 automóviles
de 2 años de antigüedad fue de $100.
a) Establezca las versiones nula y alternativa de la hipótesis de investigación de que la varianza en los
gastos anuales por reparación es mayor entre más viejos son los automóviles.
b) Empleando 0.01 como nivel de significancia
SOLUCION:
1) Ho: σ1 =σ2
Ha: σ1 >σ2
2) α= 0.01
3) F
4) F = 2.59
1702
5) 𝐹 = 1002 = 2.89
Intervalos:
R.C: ˂2.59 , ∞>
R.A: ˂-∞, 2.59]
Fk Ɛ R.C → Rechazo Ho, acepto Ha.
Solución en minitab:
17
Interpretación:
La varianza en los gastos anuales por reparación es mayor entre más viejos son los automóviles.
Pasos en minitab:
 En la barra de menú opción estadísticas.
 Opción estadísticas básicas.
 Luego la opción de dos varianzas.
 Como tenemos de dato la desviación estándar y el tamaño de la muestra en datos seleccionamos esa
opción.
 Luego en el cuadro de dialogo opciones escogemos el n.s. luego aceptar, aceptar.
PRUEBA BILATERAL:
Problema 2.-
La compañía Stargell Research Associates realizó un estudio acerca de los hábitos de los radioescuchas, tanto de
hombres como de mujeres. Un aspecto del estudio comprendió el tiempo promedio de audición. Se descubrió que el
tiempo promedio para los varones es de 35 minutos al día. La desviación estándar en la muestra de los 10 hombres que
se estudiaron fue 10 minutos por día. El tiempo promedio de audición para las 12 mujeres estudiadas fue también 35
minutos, pero la desviación estándar fue 12 minutos. Al nivel de significancia 0.10, ¿es posible concluir que existe
diferencia éntre la variación de los tiempos de audición de hombres y mujeres?
SOLUCION:
VARONES MUJERES
X1=35 X2=35
N1=10 N2=12
S1=10 S2=12
1) Ho: Ϭ12=Ϭ22
Ha :Ϭ12 ≠Ϭ22
2) α = 0.10
3) Para:
F(0.05,11,9)=3.11
F(0.05,9,11)=2.90
1
2.90
=0.48
RA:[0.48,3.11]
18
144
Fk=100 =1.44
Fk ɛ R.A, Rechazo Ha, Acepto Ho

Interpretación:
La variación del hábito del tiempo promedio de audición entre hombres y mujeres es igual.
Minitab:
Pasos en minitab:
 En la barra de menú opción estadísticas.
 Opción estadísticas básicas.
 Luego la opción de dos varianzas.
 Como tenemos de dato la desviación estándar y el tamaño de la muestra en datos seleccionamos esa
opción.
 Luego en el cuadro de dialogo opciones escogemos el n.s. luego aceptar, aceptar.
ANOVA UNA DIRECCION:
Problemas 1.-
El director de personal de Cander Machine Products está investigando el “perfeccionismo” en el trabajo .Se aplicó una
prueba diseñada para medir tal acción a una muestra aleatoria de 18 empleados .Las puntuaciones fueron de 20 a
casi 40 .Una de las facetas del estudio incluyo los antecedentes de cada empleado ¿Proviene el laborante de una
región rural, de una ciudad pequeña o de una metrópoli? Las puntuaciones son:
a) Al nivel de significancia de 0.05 ¿Se puede concluir que hay diferencia en las tres puntuaciones medias?
b) Si se rechaza la hipótesis nula .¿Se puede decir que la puntuación media de los empleados que provienen de zonas
rurales es diferente de la puntuación de los que vienen de una ciudad grande?
REGION RURAL CIUDAD METROPOLI

PEQUEÑA
35 28 24
30 24 28
36 25 26
38 30 30
29 32 34
34 28
31
∑ 𝑇𝑐 233 167 142
2
∑𝑥 7823 4693 4092
19
(∑ 𝑋)2 5422
a) SSTOTAL=∑ 𝑋 2 - 𝑁
=16608- 18
=287.8
SST=116.3
FV GRADO.LIBERTAD SUMA DE MEDIAS DE F

CUADRADO CUADRADO
TRATAMIENTO 2 116.3 58.2 5.09
ERROR 18-3 171.5 11.4
TOTAL 18-1 287.8
SSE=171.5
1) Ho:µ1=µ2=µ3
Ha: Al menos una de las tres puntuaciones medias es diferente
2) α= 0.05
3) F
4) F(0.05,3-1,18-3) =F(0.05,2,15)=3.68ç
5) De la tabla anova F =5.09

Fk ε R.C: Rechazo Ho, Acepto Ha.
Al menos una puntuación media de una de las tres regiones es diferente de los empleados para investigar su
perfeccionismo.
20
b)
1 1
(X1-X3)±√𝑀𝑆𝐸 × (𝑁1 + 𝑁3
1 1
(33.56-26.66)±√11.4 ∗ ( + ) =8.87 ˄4.92
7 5
Intervalo: (4.92, 8.87)
El intervalo son signos iguales por lo tanto las medias son diferentes: X1≠X3
Pasos en minitab:
 Seleccionamos las opciones estadísticas.

 Luego escogemos ANOVA.
 Luego anova de un solo factor.
 Luego escogemos nuestro factor y respuesta, luego aceptar.
Problema 2.-
En un estudio publicado en el Journal of Small Business Management se concluyó que los individuos que se auto
emplean no experimentan tanta satisfacción en el trabajo como los que no se auto emplean. En este estudio, la
satisfacción en el trabajo se midió empleando 18 puntos, cada uno de los cuales se evaluaban con una escala de Liker
con 1-5 opciones de respuesta que iban de totalmente de acuerdo a totalmente en desacuerdo. En esta escala con una
puntuación mayor corresponde a mayor satisfacción con el trabajo. La suma de las puntuaciones de los 18 puntos, que
iba de 18-90, se empleó para medir la satisfacción con el trabajo. Suponga que se emplea este método para medir la
satisfacción con el trabajo. Suponga que se emplea este método para medir la satisfacción en el trabajo de abogados,
terapeutas físicos, carpinteros y analistas de sistemas. A continuación se encuentra los resultados obtenidos en una
muestra de 10 individuos de cada profesión. Para α=0.05
21
Abogados Terapeutas físicos Carpinteros Analistas de sistemas
(1) (2) (3) (4)
44 55 54 44
42 78 65 73
74 80 79 71
42 86 69 60
53 60 79 64
50 59 64 66
45 62 59 41
48 52 78 55
64 55 84 76
38 50 60 62
SOLUCION:
TRATAMIENTO:
1) Ho: m1= m2 =m3= m4.
Ha: Al menos es diferente.
2) α=0.05
3) F
4)
22
F= 2.866
5)
Intervalos:
R.C: <2.866, ∞>
R.A: <-∞, 2.866]
Fk ԑ R.C → Rechazamos Ho, aceptamos Ha.
Interpretación:
El nivel de satisfacción en el trabajo de abogados, terapeutas físicos, carpinteros y analistas de sistemas, al
menos uno es diferente.
Pasos en minitab:
 Seleccionamos las opciones estadísticas.

 Luego escogemos ANOVA.
 Luego anova de un solo factor.
 Luego escogemos nuestro factor y respuesta, luego aceptar.
23
ANOVA DOS DIRECCIONES:
Problema 1.-
En un estudio publicado en el Journal of the American Medical Association se investigaba la demanda cardiaca al
apalear grandes cantidades de nieve. Diez hombres saludables se sometieron a pruebas de ejercicio empleando una
corredora y una bicicleta ergonómica para brazos. Después estos mismos hombres limpiaron dos tramos de nieve
mojada y pesada con una pala ligera para nieve y una máquina eléctrica para despejar nieve. Se midió el ritmo
cardiaco, la presión sanguínea y el consumo de oxigeno de cada uno de los participantes en las pruebas, durante la
remoción de nieve, y estos valores se compararon con los valores durante la prueba de ejercicio. En la tabla siguiente
se presentan los valores de ritmo cardiaco, dados en pulsaciones por minuto, de cada uno de los 10 individuos.
Sujeto Corredora Bici ergonómica Pala para nieve Máquina eléctrica

Para brazos
1 177 205 180 98
2 151 177 164 120
3 184 166 167 111
4 161 152 173 122
5 192 142 179 151
6 193 172 205 158
7 164 191 156 117
8 207 170 160 123
9 177 181 175 127
10 174 154 191 109
Con α=0.05, como nivel de significancia, realice una prueba para determinar si existe diferencia significativa entre los
diversos tratamientos.
SOLUCION:
TRATAMIENTO:
1) Ho: m1 =m2 =m3 =m4
Ha: AL menos uno es diferente
2) Para α = 0.05
3) F
4)
24
25
F= 2.96
5)
Intervalos:
R.C: <2.96, ∞>
R.A: < -∞, 2.96]
Fk ɛ R.C → Rechazo Ho, acepto Ha.
Interpretación: Existe diferencias en los valores de ritmo cardiaco, dados en pulsaciones por minuto, según las
maquinas.
BLOQUE:
1) Ho: m1= m2=m3=m4=…m10.
Ha: Al menos una es diferente.
2) Para α=0.05
3) F
4)
26
F= 2.25
5) Intervalos:
R.C: <2.25, ∞>
R.A: <-∞, 2.25]
Fk= 1.06 ɛ R.A →Acepto Ho, rechazo Ha.
Interpretación: No existen diferencias en los valores de ritmo cardiaco, dados en pulsaciones por minuto,
según los sujetos.
Problema 2.-
Wegman’s Food Markets y Top Friendly Markets son cadenas grandes de tiendas de abarrotes en una zona de Nueva
York. Cuando Wal-Mart abrió un supermercado en esta zona, los expertos predijeron que Wal-Mart vendería más barato
que estas dos tiendas locales. Un periódico publicó los precios de 15 artículos que se presentan en la siguiente tabla.
Artículo Tops Wal-Mart Wegman

Plátanos (1lb) 0.49 0.48 0.49
Sopa Cambell’s (10.75 oz) 0.60 0.54 0.77
Pechuga de pollo (3 lb) 10.47 8.61 8.07
Pasta de dientes (6.2 oz) 1.99 2.40 1.97
Huevos (1 docena) 1.59 0.88 0.79
Salsa cátsup (36 oz) 2.59 1.78 2.59
Jell-o (3 oz) 0.67 0.42 0.65
Cacahuatina (18 oz) 2.29 1.78 2.09
Leche (descremada, ½ gal) 1.34 1.24 1.34
Oscar Meyer hotdogs (1 lb) 3.29 1.50 3.39
Salsa ragú para pasta (1 lb, 10 oz) 2.09 1.50 1.25
Galleta Ritz (1 lb) 3.29 2.00 3.39
Detergente Tid (líquido, 100 oz) 6.79 5.24 5.99
Jugo de naranja Tropicana (1/2 gal) 2.50 2.50 2.50
Twizzlers (frambuesas, 1 lb) 1.19 1.27 1.69
Con α=0.05 como nivel de significancia, pruebe si hay una diferencia significativa entre las tiendas en las medias del
precio de estos 15 artículos.
SOLUCION:
TRATAMIENTO.
1) Ho: m1 = m2 =m3.
Ha: Al menos uno es diferente.
2) Para α=0.05
27
3) F
4)
F= 3.34
5)
28
Intervalos:
R.C: <3.34, ∞>
R.A: <-∞, 3.34]
Fk= 5.64 ԑ R.C →Rechazo Ho, acepto Ha.
Interpretación: Si hay una diferencia significativa entre las medias del precio de estos 15 artículos, según los
supermercados.
29
BLOQUE:
1) Ho: m1 = m2= …m15
Ha: Al menos uno es diferente.
2) Para α = 0.05
3) F
4)
F= 2.06
5) Intervalos:
R.C: <2.06 , ∞>
R.A: <-∞, 2.06]
Fk= 64.18 ԑ R.C → Rechazo Ho, acepto Ha.
Interpretación: Si hay una diferencia significativa entre las medias del precio , según los 15 artículos.
30
REGRESION SIMPLE:
Problema 1.-
Un gerente de ventas recolectó los datos siguientes sobre ventas anuales y años de experiencia. (Problema 9 pág. 556
anderson)
Vendedor Años de experiencia Ventas anuales

(miles de $)
1 1 80
2 3 97
3 4 92
4 4 102
5 6 103
6 8 111
7 10 119
8 10 123
9 11 117
10 13 136
a) Elabore un diagrama de dispersión con estos datos, en el que la variable independiente sean los años de
experiencia.
b) Dé la ecuación de regresión estimada que puede emplearse para predecir las ventas anuales cuando se
conocen los años de experiencia.
31
INTERPRETACION:
 Por cada año de experiencia de un trabajador las ventas anuales aumentan en 4.

c) Use la ecuación de regresión estimada para pronosticar las ventas anuales de un vendedor de 9 años de
experiencia.
Para un vendedor de 9 años de experiencia:

Y=80 +4x =80 +4×9=116
INTERPRETACION:
 Para un vendedor de tiene 9 años de experiencia sus ventas anules serán de 116 miles de dólares anuales.
Problema 2.-
Una aplicación importante del análisis de regresión a la contaduría es la estimación de costos. Con datos sobre
volumen de producción y costos y empleando el método de mínimos cuadrados para obtener la ecuación de regresión
estimada que relacione volumen de producción y costos, los contadores pueden estimar los costos correspondientes a
32
un determinado volumen de producción. Considere la siguiente muestra de datos sobre volumen de producción y costos
totales de una operación de fabricación.
Volumen de producción Costos totales

(unidades) ($)
400 4000
450 5000
550 5400
600 5900
700 6400
750 7000
a) Con estos datos obtenga la ecuación de regresión estimada para pronosticar los costos totales dado un
volumen de producción.
Técnica de mínimos cuadrados:

 Pendiente de la línea de regresión:
𝑛 × ∑ 𝑥𝑦 − ∑ 𝑥 × ∑ 𝑦
𝑏=
𝑛 × ∑ 𝑥 2 − (∑ 𝑥)2
𝑏 = 7.6
 Intersección con el eje x:
∑𝑦 ∑𝑦
𝑎= −𝑏×
𝑛 𝑦
𝑎 = 1247
Donde la ecuación de regresión es:
𝑌 = 1247 + 7.6 × 𝑥
INTERPRETACION:
 Por cada unidad de volumen de producción los costos totales aumentan en un 7.6.
b) ¿Cuál es el costo por unidad producida?
Para 400 unidades:

𝑌 = 1247 + 7.6 × 400 = 4287
Para 450 unidades:
𝑌 = 1247 + 7.6 × 450 = 4667
Para 550 unidades:
𝑌 = 1247 + 7.6 × 550 = 5427
Para 600 unidades:
𝑌 = 1247 + 7.6 × 600 = 5807
Para 700 unidades:
𝑌 = 1247 + 7.6 × 700 = 6567
Para 750 unidades:
𝑌 = 1247 + 7.6 × 750 = 6947
33
c) Calcule el coeficiente de determinación. ¿Qué porcentaje de la variación en los costos totales puede ser
explicada por el volumen de producción?
Coeficiente de determinación:
INTERPRETACION:
 El 95.9% de la variación de los costos totales se debe al número de unidades del volumen de producción
d) De acuerdo con el programa de producción de empresa, el mes próximo se deberán producir 500 unidades.
¿Cuál es el costo total estimado de esta operación?
Para 500 unidades:

𝑌 = 1247 + 7.6 × 500 = 5047
34
Problema 3.-
Al gerente de comercialización de una cadena grande de supermercados le gustaría determinar el efecto del espacio en
estantes sobre las ventas de comida para mascotas. Se selecciona una muestra aleatoria de 12 supermercados de
igual tamaño y los resultados se presentan a continuación:
Tienda Espacio en estante, Ventas semanales,

X (pies) Y (cientos de dólares)
1 5 1.6
2 5 2.2
3 5 1.4
4 10 1.9
5 10 2.4
6 10 2.6
7 15 2.3
8 15 2.7
9 15 2.8
10 20 2.6
11 20 2.9
12 20 3.1
SOLUCIÓN: (n=12, α=0.05)

∑ 𝑥 = 150
∑ 𝑥 2 = 2250
∑ 𝑦 = 28.5
∑ 𝑦 2 = 70.69
∑ 𝑥𝑦 = 384
a) Coeficiente de correlación
(10)(5220) − (200)(197)
𝑟= = 0.827
√(10(6000) − 1502 )(12(70.69) − 28,52 )
b) Coeficiente de determinación
r2 = 0.684
c) Coeficiente de no determinación
1-r2 =0.316
d) Y=a+bX
12𝑥384 − 150𝑥28.5
𝑏= = 0.074
12𝑥2250 − 1502
28.5 150
𝑎= − 0.074𝑥 = 1.45
12 12
Y=1.45+0.074X
e) Error estándar
70.69 − 1.45𝑥28.5 − 0.074𝑥384
𝑆𝑌𝑋 = √ = 0.308
12 − 2
Inferencia sobre los coeficientes de regresión
35
1) Ho: β = 0
Ha: β ≠ 0
2) α=0.05
3) t
4) t(0.05,10)=2.228
0.308
5) 𝑆𝑏1 = 2
= 0.016
√2250−150
12
0.074 − 0
𝑡= = 4.625
0.016
Inferencia sobre el coeficiente de correlación
1) Ho: p = 0
Ha: p ≠ 0
2) α=0.05
3) t
4) t(0.05,10)=2.228
0.827√12−2
5) 𝑡 = = 4.65
√1−0.684
Estimado del intervalo de confianza (α=0.05)
0.074 − 2.228𝑥0.016 ≤ 𝛽 ≤ 0.074 + 2.228𝑥0.016

0.038 ≤ 𝛽 ≤ 0.11
Intervalo de confianza (α=0.05)

X=8: Y=1.45+0.074(8)=2.042
1 (8 − 12.5)2
𝐼𝐶 = 2.042 ± 2.228𝑥0.308√ +
12 1502
2250 −
12
IC=[1.7878 ; 2.296]
Intervalo de predicción (α=0.05)

1 (8 − 12.5)2
𝐼𝑃 = 2.042 ± 2.228𝑥0.308√1 + +
12 1502
2250 −
12
IP=[1.31 ; 2.77]
36
37
Problema 4.-
A un agrónomo le gustaría determinar el efecto de un fertilizante orgánico natural sobre la producción de tomates. Se
van a utilizar 5 cantidades diferentes de fertilizante sobre 10 parcelas equivalentes: 0, 10 , 20 , 30 y 40 libras por cada
100 pies cuadrados. Los niveles de fertilizante son designados aleatoriamente a las parcelas con los siguientes
resultados:
Parcela Cantidad de fertilizante Producción
X (lb/100 pies2) Y (lb)
1 0 6
2 0 8
3 10 11
4 10 14
5 20 18
6 20 23
7 30 25
8 30 28
9 40 30
10 40 34
SOLUCIÓN (n=10 , α=0.05)
∑ 𝑥 = 200
∑ 𝑥 2 = 6000
∑ 𝑦 = 197
∑ 𝑦 2 = 4735
∑ 𝑥𝑦 = 5220
a) Coeficiente de correlación
(10)(5220) − (200)(197)
𝑟= = 0.98
√(10(6000) − 2002 )(10(4735) − 1972 )
b) Coeficiente de determinación
r2 = 0.96
c) Coeficiente de no determinación
1-r2 =0.04
d) Y=a+bX
(10)(5220) − (200)(197)
𝑏= = 0.64
10(6000) − 2002
197 200
𝑎= − 0.64𝑥 = 6.9
10 10
Y=6.9+0.64X
e) Error estándar
4735 − 6.9𝑥197 − 0.64𝑥5220
𝑆𝑌𝑋 = √ = 2.0886
10 − 2
Inferencia sobre los coeficientes de regresión

1) Ho: β = 0
38
Ha: β ≠ 0
2) α=0.05
3) t
4) t(0.05,8)=2.306
2.0886
5) 𝑆𝑏1 = 2
= 0.0467
√6000−200
10
0.64 − 0
𝑡= = 13.7
0.0467
Inferencia sobre el coeficiente de correlación

1) Ho: p = 0
Ha: p ≠ 0
2) α=0.05
3) t
4) t(0.05,8)=2.306
0.98√10−2
5) 𝑡 = = 13.86
√1−0.96
Estimado del intervalo de confianza (α=0.05)

0.64 − 2.306𝑥0.0467 ≤ 𝛽 ≤ 0.64 + 2.306𝑥0.0467
0.5323 ≤ 𝛽 ≤ 0.7477
Intervalo de confianza (α=0.05)

X=15: Y=6.9+0.64(15)=16.5
1 (15 − 20)2
𝐼𝐶 = 16.5 ± 2.306𝑥2.0886√ +
10 2002
6000 − 10
IC=[14.88 ; 18.1]
Intervalo de predicción (α=0.05)

1 (15 − 20)2
𝐼𝑃 = 16.5 ± 2.306𝑥2.0886√1 + +
10 2002
6000 − 10
IP=[11.42 ; 21.58]
REGRESION MULTIPLE
PROBLEMA 1:
Montgomery y Peck (1982) describen el empleo de un modelo de regresión para relacionar la cantidad de tiempo
requerido por un vendedor de ruta (chofer) para abastecer una maquina vendedora de refrescos con el número de latas
que incluye la misma, y la distancia del vehículo de servicio a la ubicación de la máquina. Este modelo se empleo para
el diseño de la ruta, el programa y el despacho de vehículos. La tabla presenta 25 observaciones respecto al tiempo de
entrega tomadas del mismo estudio descrito por Montgomery y Peck.
39
Numero de Tiempo de entrega Numero de latas Distancias(pies)

observaciones (min.)
1 9.95 2 50
2 24.45 8 110
3 31.75 11 120
4 35.00 10 550
5 25.02 8 295
6 16.8 4 200
7 14.38 2 375
8 9.60 2 52
9 24.35 9 100
10 27.50 8 300
11 17.08 4 412
12 37.00 11 400
13 41.95 12 500
14 11.66 2 360
15 21.65 4 205
16 17.89 4 400
17 69.00 20 600
18 10.30 1 585
19 34.93 10 540
20 46.59 15 250
21 44.88 15 290
22 54.12 16 510
23 56.63 17 590
24 22.13 6 100
40
25 21.15 5 400
Determine la ecuación de regresión.
Calcule R2.Interprete.
Estimar el tiempo de entrega si se sabe que el número de latas es 20 y la distancia del vehículo es 110.
Solucion:
𝑌̌ = 2.26 + 2.74(20) + 0.0125(110)
𝑌̌ = 58.435
Coeficiente de determinación: es 0.981, entonces el 98.1% del tiempo de un vendedor para abastecer una maquina
vendedora puede ser explicado mediante el número de latas y la distancia del camión.
𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 0
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑐𝑜𝑛𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛 𝑛𝑜 𝑒𝑠 0
41
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de P=0.000 es menor a 0.05 por lo
tanto rechazamos la hipótesis nula y concluimos que al menos un coeficiente de regresión no es 0.
Interpretación:
Observamos un relación lineal entre la variable dependiente Nro. De latas con respecto al T.de entrega (Variable
independiente), y en menor grado de linealidad Distancia Vs Tiempo de entrega.
42
43
Contribución de la variable X1 sabiendo que X2 está incluida
SSR(X1 / X2) = SSR(X1 y X2) – SSR(X2)
=5992.4-5887.3=105.1
105.1
𝐹= = 20.23
5.2
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,20.23>4.3
Entonces la variable X1(nro de latas), si contribuye significativamente a la ecuación de regresión
Contribución de la variable X2 sabiendo que X1 está incluida
SSR(X2 / X1) =SSR(X1 y X2) – SSR(X1)
44
=5992.4-1483.9=4508.5
4508.5
𝐹= = 867.019
5.2
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,867.019>4.3
Entonces la variable X2(distancia), si contribuye significativamente a la ecuación de regresión, y podríamos concluir que
es más importante que la varia X1.
45
PROBLEMA 2
En la Facultad de Ingeniería de Sistemas y Computo de la Universidad "Inca Garcilaso de la Vega" se quiere entender
los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar una
muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Base de Datos y
Programación como se muestran en el siguiente cuadro.
46
Alumno PHP Algoritmos Base de Datos Programación

1 13 15 15 13
2 13 14 13 12
3 13 16 13 14
4 15 20 14 16
5 16 18 18 17
6 15 16 17 15
7 12 13 15 11
8 13 16 14 15
9 13 15 14 13
10 13 14 13 10
11 11 12 12 10
12 14 16 11 14
13 15 17 16 15
14 15 19 14 16
15 15 13 15 10
Lo que buscamos es construir un modelo para determinar la dependencia que exista de aprendizaje reflejada
en las notas de la asignatura de PHP, conociendo las notas de las asignaturas Algoritmos, Programación.
Determine la ecuación de regresión.
Calcule R2.Interprete.
Estimar la nota del curso de PHP si se sabe que en Algoritmos tiene 15 , Base de Datos 16 y Programación 17.
Solucion:
47
𝑌̌ = 2.55 + 0.583(15) + 0.373(16) − 0.242(17)
𝑌̌ = 13.149
Coeficiente de determinación: es 0. 697 , entonces el 69.70% del aprendizaje del Curso de PHP puede ser explicado
mediante las notas obtenidas por las asignaturas de Algoritmos, Base de Datos y Programación.
𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 0
𝐻1 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑐𝑜𝑛𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛 𝑛𝑜 𝑒𝑠 0
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de P=0.003 es menor a 0.05 por lo
tanto rechazamos la hipótesis nula y concluimos que al menos un coeficiente de regresión no es 0.
48
Interpretación:
Podemos observar que hay una buena relación de linealidad entre las variables dependientes con la dependiente.
49
50
51
52
METODOS NO PARAMETRICOS:
PRUEBA CHI_CUADRADO:
PROBLEMA 1:
Un estudio referente a la relación entre la edad y la presión que el personal de ventas sienten con respecto a su trabajo
presentó la información muestral que sigue. A nivel de significancia de 0.01, ¿Existe alguna relación entre la presión
laboral y la edad?
Nivel de presión en el trabajo

Edad (años) Bajo Mediano Alto
Menor de 25 20 18 22
25 a 40 50 46 44
40 a 60 58 63 59
Mayor a 60 34 43 43
Solución:
H0: No existe relación entre la edad y la presión que el personal de ventas siente con respecto a su trabajo
H1: Existe relación entre la edad y la presión que el personal de ventas siente con respecto a su trabajo
Prueba Chi-cuadrada: BAJO, MEDIANO, ALTO
53
Los conteos esperados se imprimen debajo de los conteos observados

Las contribuciones Chi-cuadradas se imprimen debajo de los conteos esperados
BAJO MEDIANO ALTO Total

1 20 18 22 60
19.44 20.40 20.16
0.016 0.282 0.168
2 50 46 44 140
45.36 47.60 47.04
0.475 0.054 0.196
3 58 63 59 180
58.32 61.20 60.48
0.002 0.053 0.036
4 34 43 43 120
38.88 40.80 40.32
0.613 0.119 0.178
Total 162 170 168 500
Chi-cuadrada = 2.191, GL = 6, Valor P = 0.901
Hallamos el valor crítico de X2 con un nivel de significancia de 0.01 y grados de libertad de 6.

2
𝑋0.01 = 16.81
CONCLUSIÓN: Puesto que el valor del estadístico calculado de ji cuadrada (2.191) se encuentra en la región a la
izquierda de 16.81, no se rechaza la hipótesis nula al nivel de 0.01. Se concluye que no hay una relación entre la edad y
la presión que sufre el personal de ventas
PRUEBA DE POISSON
El número de llamadas telefónicas que llegan por minuto al conmutador de una empresa tiene una distribución de
Poisson. Use α 0.10 y los datos siguientes para probar esta suposición.
54
Solución:
I) PLANTEAMINETO DE LA HIPOTESIS
Ho: la población del número llamadas telefónicas que llegan por minuto al
conmutador de la empresa sigue una distribución de poisson
Ha: la población del número llamadas telefónicas que llegan por minuto al
conmutador de la empresa sigue una distribución de poisson
II) NIVEL DE SIGNIFICANCIA
𝛼 = 0.01
III) ESTADISTICO DE PRUEBA
Utilizaremos el estadístico de chi –cuadrado, mediante la siguiente

Formula.
Gl= n-1=6
IV) INTERVALO DE CONFIANZA
55
V) CALCULOS Y RESULTADOS
 Haciendo los cálculos para calcular la media , que se realiza por media ponderada:
0 ∗ 15 + 31 + 2 ∗ 20 +∗ 15 + 4 ∗ 13 + 5 ∗ 4 + 6 ∗ 2
𝑢= =2
80
 Para hallar las frecuencias esperadas realizaremos la tabla de poisson, para lo cual haremos ayuda de minitab.
56
 Elegimos la variable a analizar que seria el numero de llamadas que llegan por minuto al conmutador de una
empresa
numero de
llamadas
telefonicas fo probabilidad fe (fo-fe) (fo-fe)^2 (fo-fe)^2/fe
0 15 0.13533528 13.5335283 1.46647168 2.15053918 0.1589045
1 31 0.27067057 27.0670566 3.93294335 15.4680434 0.5714712
2 20 0.27067057 27.0670566 -7.06705665 49.9432897 1.8451688
3 15 0.18044704 18.0447044 -3.04470443 9.27022508 0.5137366
4 13 0.09022352 9.02235222 3.97764778 15.8216819 1.7536094
5 4 0.03608941 3.60894089 0.39105911 0.15292723 0.0423745
6 2 0.0120298 1.2029803 0.7970197 0.63524041 0.5280555
5.4133207
 se muestra la tabla del almacenamiento de los datos y la tabla de distribución de probabilidad poisson.
 Operaciones para calcular el estadístico de chi-cuadrado , se muestran fe y fo.
# accidentes fo probabilidad (fe) (fo-fe) (fo-fe)^2 (fo-fe)^2/fe

0 34 0.36787944 29.43 4.56964471 20.88165274 0.70952771
1 25 0.36787944 29.43 -4.43035529 19.62804803 0.66693208
2 11 0.18393972 14.72 -3.71517765 13.80254495 0.93798018
3 7 0.06131324 4.905 2.09494078 4.38877689 0.89474494
4 3 0.01532831 1.226 1.7737352 3.146136546 2.56562574
5.77481065
 Calculo de X2 (k)=5.413
57
Conclusiones:
Como x2 (k) pertenece a la región de aceptación, entonces podemos
afirmar que la población del número de llamadas entrantes sigue una
distribución binomial
PRUEBA DE SIGNO (MUESTRA PEQUEÑA)
Muchos corredores de valores con poca experiencia se resisten a hacer presentaciones ante banqueros y otros grupos.
Al percibir esta falta de confianza en ellos mismos, la dirección hizo arreglos para que un grupo muestra de nuevos
corredores asistiera a un seminario para lograr la autoconfianza; contrato así a una organización capacitadora para que
impartiera un curso de tres semanas. Antes de la primera sesión, los instructores midieron el nivel de confianza de cada
participante y volvieron a medirlo después de concretado el seminario. Los niveles de confianza antes y después para
los 14 asistentes al curso, se indican a continuación. La autoconfianza se clasifico como negativa, baja, alta o muy alta.
Establecer la hipótesis nula y alternativa.
a) Usando nivel de significancia 0.05, exprese la regla de solución con palabras o en diagramas.
Corredor Antes del Después Signo Numeración Probabilidad Probabilidad

seminario del de éxito acumulada
seminario
Martin Negativa Baja + 0 0 1
Jaimes Negativa Negativa 0 1 0.002 1
Hammer Baja Alta + 2 0.01 0.998
Jones Muy alta Baja - 3 0.035 0.988
Cornwall Baja Alta + 4 0.087 0.953
Skeen Baja Alta + 5 0.157 0.866
Salas Negativa Alta + 6 0.209 0.709
Ortega Baja Muy alta + 7 0.209 0.5
Ford Baja Alta + 8 0.157 0.291
Ugalde Negativa Baja + 9 0.087 0.134
Marcos Baja Alta + 10 0.035 0.047
Arms Negativa Baja + 11 0.01 0.012
Pierre Baja Alta + 12 0.002 0.002
Walker Baja Muy alta + 13 0 0
Solución:
1. Ho: p≤0.5 No hay cambio con respecto a la autoconfianza de los corredores, como resultado del seminario
proporcionado por la organización capacitadora.
Ha: p≥0.5 Si hay cambio con respecto a la autoconfianza de los corredores, como resultado del seminario
proporcionado por la organización capacitadora.
2. α=0.05
3. Distribución Binomial
4.
58
5. Numero de signo positivos: 12

12 ɛ R.C. Rechazamos Ho, aceptamos Ha.
Interpretación:
Si hay cambio con respecto a la autoconfianza de los corredores de valores con poca experiencia, como
resultado del seminario proporcionado por la organización capacitadora.
Pasos en minitab:
 Utilizamos de la barra de menú la opción estadística.
 Luego a métodos no paramétricos.
 La opción prueba de signo.
 Luego escogemos nuestra variable y aceptar.
PRUEBA DE WILCONSON:
1.Un estudio busca evaluar la ganancia potencial de peso con cierto alimento aviar .Una muestra de 12 aves se usó
durante un periodo de seis meses .Cada una de las aves se pesó antes y después de un periodo de prueba .Las
diferencias entre los pesos antes y después observados en las 12 aves son: 1.5,1.2,-0.2,0,0.5,0.7,0.8,1,0,0.6,0.2,-
0.01.Valores negativos indican pérdida de peso durante el periodo de prueba y los ceros indican que no hubo ninguna
variación durante el periodo de prueba .Use 0.05 como nivel de significancia y determine si este nuevo alimento parece
ocasionar un aumento de peso en las aves.
SOLUCION:
1. Ho: Los pesos de las aves con cierto alimento aviar son iguales
Ha:Los pesos de las aves con cierto alimento aviar son diferentes
2. α=0.05
3. Z ,T
59
PESO DIFERENCIA VALOR LUGAR RANGO CON

ABSOLUTO SIGNO
1 1.50 1.50 10 10
2 1.20 1.20 9 9
3 -0.20 0.20 2.5 -2.5
4 0.00 0.00
5 0.50 0.50 4 4
6 0.70 0.70 6 6
7 0.80 0.80 7 7
8 1.00 1.00 8 8
9 0.00 0.00
10 0.60 0.60 5 5
11 0.20 0.20 2.5 2.5
12 -0.01 0.01 1 -1
T=48
u =0
10×11×21
Ϭ=√ 6
=19.62
48 − 0
𝑧= = 2.45
19.62
Zk Є RC: Rechazo Ho ,Acepto Ha
INTERPRETACION:
El nuevo alimento aviar provoca un aumento en el peso de las aves ,es decir con un nivel de significancia de
0.05 los pesos difieren luego del cambio.
En minitab:
Pasos en minitab:
 Utilizamos la opción estadísticos

 Luego métodos no paramétricos.
 La opción de wilcoxon para una muestra.
 Escogemos la opción de mediana de la prueba.
 Luego aceptar.
60
PRUEBA DE MWW:
MUESTRA PEQUEÑA:
1.Se enseña un procedimiento de ensamble a un grupo de obreros empleando una secuencia de pasos ya conocida ,se
enseña a otro grupo usando una técnica experimental .Los tiempos ,en segundos, necesarios para el ensamblaje , para
una muestra de empleados se presentan a continuación :
Método Actual: 41, 36, 42, 39, 36, 48, 49,38.
Método Experimental: 21, 27, 36, 20, 19, 21, 39, 24,22.
Al nivel de significancia de 0.05 ¿Se puede concluir que el método experimental es mas rápido? Supóngase que la
distribución de líneas de ensamblaje no es normal.
SOLUCION:
1. Ho: Las dos poblaciones son idénticas en términos del tiempo en segundos necesarios por el ensamblaje
Ha: Las dos poblaciones no son idénticas en términos del tiempo en segundos necesarios por el ensamblaje
2. α=0.05
3. Definir el estadístico MWW.
4. Definir la RA y RC:
TL(0.05,8,9)=55
TU=8×(8+9+1)-55=89
5.
METODO METODO
ACTUAL EXPERIMENTAL
41 14 21 3.5
36 9 27 7
42 15 36 9
39 12.5 20 2
36 9 19 1
48 16 21 3.5
49 17 39 12.5
38 11 24 6
22 5
∑ 𝑅1 = 103.5
R1 Є RC : Rechazo Ho ,Acepto Ha
INTERPRETACION:
Las dos poblaciones no son idénticas en base al tiempo utilizado por un grupo de obreros para realizar un ensamblaje,
los obreros capacitados por el método experimental son más rápidos que los que realizan un procedimiento ya
conocido.
MINITAB:
61
Pasos en minitab:
 Opción en la barra de menú de estadísticas.

 La opción de mann wihtney.
 Escogemos nuestras dos muestras y luego aceptar.
METODO DE KRUSKALL WALLIS:
Un cliente desea saber si hay una diferencia significativa entre los tiempos que se requieren para realizar un programa
de evaluación por tres métodos diferentes. A continuación se presentan los tiempos (en horas) requeridos por cada uno
de los 18 evaluadores para llevar a cabo el programa de evaluación.
METODO 1 METODO 2 METODO3

68 8.5 62 4.5 58 2
74 15 73 14 67 7
65 6 75 16 69 10
76 17 68 8.5 57 1
77 18 72 12.5 59 3
72 12.5 70 11 62 4.5
77 66.5 27.5
Use α=0.05 y realice una prueba para ver si existe una diferencia significativa entre los tiempos requeridos por los tres
métodos.
Solución:
1. Ho: Son iguales las distribuciones de los tiempos que se requieren para realizar un programa de evaluación
por tres métodos diferentes.
Ha: No son iguales las distribuciones de los tiempos que se requieren para realizar un programa de evaluación
por tres métodos diferentes.
2. α= 0.05
3. X2
4.
62
5.
12 772 + 66.52 + 27.52
𝐻= ( ) − 3 ∗ 19 = 7.956
18 ∗ 19 6
H ԑ R.C., Rechazamos Ho, aceptamos Ha.
Interpretación: No son iguales las distribuciones de los tiempos (horas) que se requieren para realizar un
programa de evaluación por tres métodos diferentes.
Pasos en minitab:
 Opción en la barra de menú de estadísticas.

 La opción de kruskall wallis.
 Escogemos nuestro factor y nuestra respuesta.
 Le damos aceptar.
CORRELACION DE RANGO:
1. La Far West University ofrece clases matutinas y vespertinas en administración empresarial .Se realizara una
extensa encuesta .Una pregunta implica a estudiantes de segundo grado y la forma en la que perciben el
prestigio asociado con ciertas profesiones. A cada estudiante se le pidió que calificara las carreras de 1 a 8
,con 1 a la mayor renombre ,y con 8 la de menor prestigio .Los resultados compuestos son:
63
CARRERA PUNTUACION DE PUNTUACION DE DIFERENCIA

CURSOS MATUTINOS CURSOS
VESPERTINOS
CONTADOR 6 3 3
PROGRAMADOR EN 7 2 5
COMPUTACION
GERENTE DE 2 6 -4
SUCURSAL BANCARIA
ADMINISTRADOR DE 5 4 1
HOSPITAL
ESTADISTICO 1 7 -6
INVESTIGADOR DE 4 8 -4
MERCADOTECNIA
ANALISTA DE BOLSA 3 5 -2
GERENTE DE 8 1 7
PRODUCCION
Determine el coeficiente de correlación:
SOLUCION:
6 × 156
𝑟𝑠 = 1 − = −0.85
8 × (82 − 1)
El coeficiente de correlación es -0.85
PRUEBA DE SIGNIFICANCIA PARA LA CORRELACION DE RANGO:
𝑢𝑟𝑠 = 0
1
Ϭrs=√8−1 =0.38
1. Ho: ps=0
Ha: ps≠0
2. α=0.05
3. Z
4. Calculo de estadístico:
−0.85 + 0
𝑧= = −2.24
0.38
Zk Є RC: Rechazo Ho, Acepto Ha.
INTERPRETACION:
El coeficiente de correlación es diferente de cero es decir hay diferencia de correlación en la forma en la que perciben
el prestigio asociado con ciertas profesiones.
64
SERIE DE TIEMPO:
SUAVIZAMIENTO EXPONENCIAL:
En la serie de tiempo siguiente se dan las ventas de un determinado producto en los últimos 12 meses.
MES VENTAS
1 105
2 135
3 120
4 105
5 90
6 120
7 145
8 140
9 100
10 80
11 100
12 110
a) Emplee α =0.3 y calcule los valores que se obtienen para esta serie con el método de suavizamiento
exponencial.
F1=Y1=105
F2=Y2=0.3 × 105 + (1 − 0.3) × 105 = 105
F3=Y3=0.3 × 135 + (1 − 0.3) × 105 = 114
F4=Y4=0.3 × 120 + (1 − 0.3) × 114 = 115.8
F5=Y5=0.3 × 105 + (1 − 0.3) × 115.8 = 112.56
F6=Y6=0.3 × 90 + (1 − 0.3) × 112.56 = 105.792
F7=Y7=0.3 × 120 + (1 − 0.3) × 105.792 = 110.054
F8=Y8=0.3 × 145 + (1 − 0.3) × 110.054 = 120.538
F9=Y9=0.3 × 140 + (1 − 0.3) × 120.538 = 126.377
F10=Y10=0.3 × 100 + (1 − 0.3) × 126.377 = 118.464
F11=Y11=0.3 × 80 + (1 − 0.3) × 118.464 = 106.925
F12=Y12=0.3 × 100 + (1 − 0.3) × 106.925 = 104.847
MES VENTAS PRONOSTICO DE SUAVIZAMIENTO

EXPONENCIAL
1 105 105,000
2 135 105,000
3 120 114,000
4 105 115,800
5 90 112,560
6 120 105,792
7 145 110,054
8 140 120,538
9 100 126,377
10 80 118,464
11 100 106,925
12 110 104,847
65
MINITAB:
b)
c) Use la constante de suavizamiento α =0.5 .calcular los valores de suavizamiento exponencial ¿Con cuál valor
0.3 o 0.5 .de las constante α se obtiene un mejor pronóstico?
66
MES VENTAS PRONOSTICO DE

SUAVIZAMIENTO
EXPONENCIAL
1 105 105,000
2 135 105,000
3 120 120,000
4 105 120,000
5 90 112,500
6 120 101,250
7 145 110,625
8 140 127,813
9 100 133,906
10 80 116,953
11 100 98,477
12 110 99,238
F1=Y1=105
F2=Y2=0.5 × 105 + (1 − 0.3) × 105 = 105
F3=Y3=0.5 × 135 + (1 − 0.3) × 105 = 120
F4=Y4=0.5 × 120 + (1 − 0.3) × 114 = 120
F5=Y5=0.5 × 105 + (1 − 0.3) × 115.8 = 112.5
F6=Y6=0.5 × 90 + (1 − 0.3) × 112.56 = 101.25
F7=Y7=0.5 × 120 + (1 − 0.3) × 105.792 = 110.625
F8=Y8=0.5 × 145 + (1 − 0.3) × 110.054 = 127.813
F9=Y9=0.5 × 140 + (1 − 0.3) × 120.538 = 133.906
F10=Y10=0.5 × 100 + (1 − 0.3) × 126.377 = 116.953
F11=Y11=0.5 × 80 + (1 − 0.3) × 118.464 = 98.477
F12=Y12=0.5 × 100 + (1 − 0.3) × 106.925 = 99.238
MINITAB:
67
CONCLUSION:
El mejor pronóstico de ventas se observa para la constante de suavizamiento de 0.3 aunque para 0.5 se observa
ventas altas los primeros meses se escoge 0.3 porque se mantiene altas el pronóstico de suaviza miento de ventas.
MODELO MULTIPLICATIVO:
PROMEDIOS MOVILES-INDICES ESTACIONALES:
A continuación se presenta los datos, correspondientes a los últimos tres años de ventas trimestrales (número de
ejemplares vendidos) de un libro de texto universitario.
TRIMESTRE AÑO1 AÑO 2 AÑO 3

1 1690 1800 1850
2 940 900 1100
3 2625 2900 2930
4 2500 2360 2615
a) Para esta serie de tiempo de los promedios móviles de cuatro trimestres y los promedios móviles centrados.
Trimestre Ventas por año Promedio móvil PROMEDIO MOVIL

CENTRADO
1 1690
2 940
68
1938,75
3 2625 1952,50
1966,25
4 2500 1961,25
1956,25
1 1800 1990,63
2025,00
2 900 2007,50
1990,00
3 2900 1996,25
2002,50
4 2360 2027,50
2052,50
1 1850 2056,25
2060,00
2 1100 2091,88
2123,75
3 2930
4 2615
Gráfica del Promedio móvil:
Gráfica del Promedio móvil:
69
b) Calcule los índices estacionales de los cuatro trimestres
Trimestre Ventas por año Promedio móvil PROMEDIO VALOR

MOVIL ESTACIONAL
CENTRADO IRREGULAR
1 1690
2 940
1938,75
3 2625 1952,50 1.344
1966,25
4 2500 1961,25 1.274
1956,25
1 1800 1990,63 0.904
2025,00
2 900 2007,50 0.448
1990,00
3 2900 1996,25 1.453
2002,50
4 2360 2027,50 1.164
2052,50
1 1850 2056,25 0.900
2060,00
2 1100 2091,88 0.526
2123,75
3 2930
4 2615
70
TRIMESTRE INDICES
ESTACIONAL
1 0.904 0.900 0.902
2 0.448 0.526 0.487
3 1.344 1.453 1.3985
4 1.274 1.164 1.219
4.0065
 HALLO EL FACTOR DE CORRECCION:

o FACTOR DE CORRECCION:
4 4
= = = 0.998 ≈ 1
𝑇𝑂𝑇𝐴𝐿 𝑀𝐸𝐷𝐼𝐴 4.0065
INDICES REALES
1 0.902
2 0.487
3 1.3985
4 1.219
INDICES VENTAS POR VENTAS

ESTACIONALES AÑO DESESTACIONALIZADAS
1 1 0.902 1690 1524.38
2 2 0.487 940 457.78
3 3 1.3985 2625 3671.0625
4 4 1.219 2500 3047.5
5 1 0.902 1800 1623.6
6 2 0.487 900 438.3
7 3 1.3985 2900 4055.65
8 4 1.219 2360 2876.84
9 1 0.902 1850 1668.7
71
10 2 0.487 1100 535.7
11 3 1.3985 2930 4097.605
12 4 1.219 2615 3187.685
LA ECUACION:
y = 1593 + 103 x
GRAFICA:
c) ¿Cuándo obtiene la editorial el mayor índice estacional? ¿Parece ser razonable este resultado? Explique.
o La editorial obtiene mayor índice estacional en el tercer trimestre es decir es 139.85% se encuentra 39.85
% se encuentra por arriba del promedio anual.
TENDENCIA LINEAL:
Durante los últimos siete años, la empresa Hudson Marine ha sido distribuidor autorizado de los radios
náuticos de C&D.En la tabla siguiente se da el número de radios vendidos por año por esa empresa.
AÑO 1 2 3 4 5 6 7
NUMERO 35 50 75 90 105 110 130
VENDIDO
a)
72
b)
c) Trace la gráfica de esta serie de tiempo
d) Obtenga la ecuación de tendencia lineal de esta serie de tiempo

Ecuación de tendencia ajustada
Yt = 22.86 + 15.5*t
De la ecuación: El valor 15.5 indica que los radios vendidos por año de cada empresa aumenta en 15.5 ventas
por año y 22.86 es el valor de ventas estimadas para el año cero.
73
e)
f) A partir de la ecuación de tendencia lineal obtenida en el inciso b pronostique las ventas anuales del año
8.
Pronostico: En base a las ventas anteriores, la estimación del año 8 es de 147.143.
MINITAB:
74

Estadistica Industrail PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Industrail PDF

Cargado por

Copyright:

Formatos disponibles

Laboratorio de Estadística Industrial

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERÍA INDUSTRIAL

INFORME FINAL DE LABORATORIO

CURSO: ESTADÍSTICA INDUSTRIAL

 CASTILLO CHUMACERO DIEGO YOEL 12170092

LABORATORIO DE ESTADISTICA INDUSTRIAL

PRUEBA DE HIPOTESIS DE LA MEDIA DE LA POBLACION:

PRUEBA BILATERAL DE DOS COLAS:

 La puntuación media de los solicitantes de becas ha cambiado.

Pasos a seguir en Minitab:

 En la opción de la barra de menu selecciona las opciones estadísticas.

PRUEBA UNILATERAL DERECHA

Pasos a seguir en Minitab:

 En la opción de la barra de menu selecciona las opciones estadísticas.

PRUEBA DE HIPOTESIS DE DOS MEDIAS POBLACIONALES:

PRUEBA BILATERAL DOS COLAS

PRUEBA DE HIPOTESIS PARA PROPORCIONES

PRUEBA UNILATERAL DERECHA

Podemos concluir que la proporción de egresados de dicha universidad es mayor a 0.333.

Prueba e IC para una proporción

Prueba de p = 0.333 vs. p no = 0.333

Muestra X N Muestra p IC de 95% Valor Z Valor P

Uso de la aproximación normal.

PRUEBA DE HIPOTESIS PARA PROPORCIONEDS CON OBSERVACIONES INDEPENDIENTES

Utilizando con Minitab:

Prueba e IC para dos proporciones

Diferencia = p (1) - p (2)

Pasos para Minitab:

Nacidos EUA No Nacidos en EUA

Pasos para Minitab:

 En la opción de la barra de menu selecciona las opciones estadísticas y luego estadísticas

PRUEBA DE HIPOTESIS T STUDENT

PRUEBA UNILATERAL IZQUIERDA

Pasos para Minitab:

 En la barra de menú seleccionamos la opción de estadísticos, luego estadísticos básicos.

PRUEBA UNITALERAL IZQUIERDA:

Pasos para Minitab:

 En la barra de menú seleccionamos la opción de estadísticos, luego estadísticos básicos.

PRUEBA DE HIPOTESIS PARA DIFERENCIA ENTRE DOS MEDIAS

X1(media muestral 1)=6.82 x2(media muestral 2)=6.25

Pasos para Minitab:

 En la barra de menú seleccionamos la opción de estadísticos, luego estadísticos básicos.

PRUEBA UNILATERAL IZQUIERDA:

INICIO DEL MES FINAL DEL MES

tk ɛ R.C, Rechazo Ho, Acepto Ha.

Pasos para Minitab:

 En la barra de menú seleccionamos la opción de estadísticos, luego estadísticos básicos.

PRUEBA DE HIPOTESIS DE MUESTRA PAREADA

PRUEBA UNILATERAL IZQUIERDA

PROGRAMA SIN COPROCESADOR CON PROCESADOR DIFERENCIA

4) Para α= 0.05, G.L = 12-1=11 → t=- 1.796

 Seleccionamos de la barra de menú la opción estadísticas.

PRUEBA UNILATERAL DERECHA:

Tk ɛ R.A, Rechazo Ha, Acepto Ho.

Solución con minitab:

 Seleccionamos de la barra de menú la opción estadística.

COMPARACION DE DOS VARIANZAS POBLACIONALES

Fk ɛ R.A, Rechazo Ha, Acepto Ho

ANOVA UNA DIRECCION:

REGION RURAL CIUDAD METROPOLI

FV GRADO.LIBERTAD SUMA DE MEDIAS DE F

ERROR 18-3 171.5 11.4