Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
ESTUDIO DE FACTIBILIDAD
PARA LA FABRICACIÓN
INDUSTRIAL DE LA ESCAYOLA
INDICE
1 INTRODUCCIÓN. ....................................................................................................2
2 ANTECEDENTES. ...................................................................................................3
3 OBJETIVO GENERAL DEL ESTUDIO....................................................................3
4 OBJETIVOS ESPECÍFICOS DEL ESTUDIO ..........................................................4
5 MEMORIA RESUMEN DEL PROCESO PRODUCTIVO ........................................4
6 IDENTIFICACIÓN DE LA POBLACIÓN OBJETIVO ...............................................7
7 IDENTIFICACIÓN DE LA UNIDAD DE MUESTREO ..............................................7
8 IDENTIFICACIÓN DEL MARCO MUESTRAL ........................................................8
9 DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA ............................................8
10 SELECCIÓN DEL PROCEDIMIENTO DEL MUESTREO ....................................11
11 METODOLOGIA DE LA RECOPILACION DE INFORMACION ...........................11
12 RECOPILACION, SELECCIÓN Y PRESENTACION DE LA INFORMACION .....11
13 PRESENTACIÓN DE RESULTADOS (CUADRO RESUMEN) ............................14
14 IDENTIFICACION Y DESCRIPCION DE PARAMETROS ...................................15
15 IDENTIFICACION DEL METODO DE ESTIMACION ...........................................15
16 ESTIMACIÓN PUNTUAL DE PARÁMETROS ......................................................15
17 ESTIMACIÓN POR INTERVALOS DE PARÁMETROS .......................................19
18 DÓCIMA DE HIPÓTESIS ......................................................................................21
19 ANÁLISIS DE LA VARIANZA ................................................................................29
20 PRUEBAS DE LA BONDAD DE AJUSTE ............................................................31
21 OTRAS PRUEBAS NO PARAMÉTRICAS ............................................................34
22 PRESENTACIÓN Y APLICACIÓN EN UN PROCESO DE CONTROL O
PREDICCION .........................................................................................................36
23 CONCLUSIONES ..................................................................................................36
24 RECOMENDACIONES ..........................................................................................36
25 BIBLIOGRAFÍA ......................................................................................................36
2
1 INTRODUCCIÓN.
Para tal hecho se trabajó con datos previos vasados en el proyecto de grado “ Estudio de
evaluaciones estadísticas tomando en cuenta una demanda aparente del yeso (principal
salud.
3
2 ANTECEDENTES.
El proyecto está apoyado bajo ciertas bases sobre las que se puede sustentar su desarrollo,
sustento al proyecto, la tecnología del proceso ha sido proporcionada anterior mente por el
información suministrada por diversas fuentes , las producciones se asumen como depositadas
inferencia estadística.
Interpretar los resultados obtenidos de manera que cualquier persona que lea este
“Minitab”
Realizar las conclusiones y observaciones a la finalización del estudio estadístico.
un yeso de alta calidad y grano muy fino, con pureza mayor del 87% en mineral aljez.
El término proviene del italiano Scaglióla, diminutivo de Scáglia, del latín Scaliolae, una
Hasta principios del siglo XIX se entendía por escayola a una mezcla de yeso con yeso
espático, amasado con agua de cola. Desde el punto de vista tradicional la diferencia entre yeso
y escayola es su pureza en aljez y diferente granulometría (la escayola es más fina). Mientras
que el yeso tiene pureza mayor del 70%, la escayola ha de tener pureza mayor del 90%. Desde el
punto de vista industrial no existe diferencia entre yeso y escayola: yeso o escayola de
anhidrita en fase III, cuya mayor o menor composición le confieren unas características u otras.
serie de acciones mecánicas y térmicas que van desde la extracción del mineral hasta la
incorporación de aditivos para obtener las propiedades específicas requeridas por el usuario.
Estas actividades se dividen en tres etapas básicas: preparación del mineral, calcinación,
Trituración
almacenamiento
Purificación
molienda
Deshidratación
Clasificación
embalaje
despacho
Figura 3.3
“PRODUCCIÓN DE YESO ALFA A PARTIR DE MATERIA PRIMA NACIONAL”
Yuk Ming X. Hung H.
6
Dentro de la fabricación hay que distinguir entre la que se produce contra stock y la que se
produce a medida.
producir de cada referencia, ya sea en los talleres o en las líneas de producción en serie,
unidades de trabajo o cuadrillas en forma de orden de fabricación. Una vez finalizada la misma,
indicando el lote al que pertenecen. También se indica al responsable de producción las roturas
de placas que se dan durante el turno, influyendo este dato en la entrada en almacén de
productos finalizados.
Requerimiento
de la materia
Trituración
prima
Yeso 80 TM/ día
Molienda de
Alimentación
finos
almacenaje
Combustible
Cocción
Enfriado
Molienda
Almacenaje y
embolsado
Grafico 1.2
Diagrama de bloqueo del proceso de fabricación de Escaloya
Fuente: Estudio de prefactivilidad para la industrialización de los recursos naturales de
Bolivia- Fabricación de la Escayola”
7
y rentabilidad, de una Planta de Escayola, mostrando así la forma de aprovechar los recursos
terminado por cada unidad de tiempo de Producción equivalente, esto quiere decir que 1 unidad
Viviendas
Industrias
Educación
Salud
El análisis se realizó por variable y por atributo, en el primero se mide una característica del
El análisis se realizó por variable y por atributo, en el primero se mide una característica del
𝑥̅ − 𝜇 𝐸 = 𝑋̅ − 𝜇
𝑧𝛼 = 𝜎 𝑁−𝑛
2 𝜎𝑥 𝜎𝑥 = ∗√
√𝑛 𝑁−1
𝜖
𝑧𝛼 =
2 𝜎 √𝑁 − 𝑛
∗ 𝑁−1
√𝑛
Dónde:
Despejamos n : n = tamaño de la
𝑧𝛼∗𝜎2 ∗𝑁 muestra
2
𝑛=
𝜖 2 ∗ (𝑁 ∗ 1) + 𝑧𝛼 2 ∗ 𝜎 2 σ = desviación estándar (
2
E = error
𝑧𝛼 = valor de confianza
2
N = tamaño de la
población
𝑧𝛼2⁄ 𝜎 2 𝑁
2
𝑛=
𝜀 2 (𝑁 − 1) + 𝑧𝛼2⁄ 𝜎 2
2
𝜎 2 = 2.199
𝜀=7
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑛≈1
𝜎 2 = 1.394
𝜀=2
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑛≈2
𝜎 2 = 47.013
𝜀 = 10
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑛 ≈ 84
𝜎 2 = 27.729
𝜀 = 10
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑛 ≈ 29
11
Para la selección del proceso de muestreo se realizaron medidas; para las viviendas,
industrias, educación y salud se verifica la existencia de cierta condición y se toma cada unidad
de dato o varibles.
La muestra está formada por datos y los datos o variables accesibles, por lo tanto se puede
# Año Viviendas
Muestra
1 1979 12.675
2 1980 13.117
3 1981 13.571
4 1982 14.043
5 1983 14.530
12
6 1984 15.036
7 1985 15.557
8 1986 16.097
9 1987 16.659
10 1988 17.240
11 1989 17.836
12 1990 18.240
13 1991 18.726
14 1992 19.135
15 1993 19.587
# Indus
Año
Muestra trias
1 1979 1.749
2 1980 1.998
3 1981 2.248
4 1982 2.523
5 1983 2.810
6 1984 3.097
7 1985 3.410
8 1986 3.734
9 1987 4.084
10 1988 4.446
11 1989 4.821
12 1990 5.221
13 1991 5.532
14 1992 5.936
15 1993 6.024
13
# Educa
Año
Muestra ción
1 1979 324
2 1980 228
3 1981 236
4 1982 245
5 1983 254
6 1984 263
7 1985 271
8 1986 281
9 1987 290
10 1988 300
11 1989 312
12 1990 323
13 1991 312
14 1992 376
15 1993 397
Tabla 4: Tabla de Recopilación de Datos- Variable SALUD (T.M.)
# Año Salu
Muestra d
1 1979 208
2 1980 214
3 1981 220
4 1982 225
5 1983 232
6 1984 237
7 1985 244
8 1986 251
9 1987 258
10 1988 265
11 1989 272
12 1990 279
13 1991 281
14 1992 290
15 1993 298
14
ERROR
ESTANDAR MÍNIM
VARIABLE N N* MEDIA DESV.EST. Q1 MEDIANA Q3 MÁXIMO
DE LA O
MEDIA
salud, cada variable se tomó en cuenta, porque son muy representativas a la hora de evaluar la
MAGNITUD
VIVIENDAS
INDUSTRIAS
EDUCACION
SALUD
𝑛 𝑛
1 −
1
∗∑𝑛 (𝑥−𝜇)2 1
= ∗ 𝑒 2∗𝜎2 𝑖=1 = 𝑛 ∗ 𝑙𝑛 √2 ∗ 𝜋 ∗ 𝜎 − ∗ ∑(𝑥 − 𝜇 )2
√2 ∗ 𝜋 ∗ 𝜎 2 ∗ 𝜎2
𝑖=1
𝑑
𝑙𝑛 𝜇 = 0
𝑑 (𝜇 )
𝑛 𝑛
1 1
=− ∗ ∑ −2 ∗ (𝑥 − 𝜇 ) = 0 = 2 (−𝑛𝜇 + ∑ 𝑥𝑖 ) = 0
2 ∗ 𝜎2 𝜎
𝑖=1 𝑖=1
16
𝑛 𝑛
= −𝑛𝜇 + ∑ 𝑥𝑖 = 0 → 𝑛𝜇 = ∑ 𝑥𝑖
𝑖=1 𝑖=1
∑𝑛𝑖=1 𝑥𝑖
𝜇= ̅
=𝒙
𝑛
̅
𝝁=𝒙
𝐸 (𝜇̂ ) = 𝜇
1 𝜎2 𝜇
𝑉(𝜇̂ )𝐶𝐶𝑅 ≥ 𝜕 ln(𝑋,𝜃) 2
𝑉(𝜇̂ ) = 𝑉(𝑥̅ ) = 𝜎𝑥2 = =𝑛
𝑛𝐸( ) 𝑛
𝜕𝜃
1 (𝑥−𝜇)2
−
𝑓(𝑥, 𝜎, 𝜇 ) = ∗ 𝑒 2∗𝜎2 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑝𝑜𝑟 𝑙𝑛
√2 ∗ 𝜋 ∗ 𝜎
(𝑥−𝜇)2
=-ln √2 ∗ 𝜋 ∗ 𝜎 − 2∗𝜎2
𝜕 ln 𝑓 (𝑥, 𝜇, 𝜎) 𝑥𝑖 − 𝜇
=
𝜕𝜇 𝜎2
𝑥𝑖 − 𝜇 2 𝑥𝑖 − 𝜇 2 1
𝐸( 2
) = 𝐸 (( 2
) ) = 2 ∗ 𝐸(𝑥𝑖 − 𝜇)
𝜎 𝜎 𝜇
1 𝜇
𝑉 (𝜇̂ )𝐶𝐶𝑅 = 1 =𝑛
𝑛∗
𝜇
𝝁 𝝁
𝑽(𝝁
̂ )𝑪𝑪𝑹 = = 𝑽( 𝝁
̂) =
𝒏 𝒏
̅
𝒙 16.136,60 3.842,20 294,13 251,60
Para viviendas
𝑛 = 15 ̅ = 16136,60
𝒙 𝒄𝒐𝒎𝒐 𝝁 = 𝒙
̅ 𝝁 = 𝟏𝟔𝟏𝟑𝟔, 𝟔𝟎
𝑛
1 𝑛−1
𝑆 2 = ∗ ∑(𝑥𝑖 − 𝒙
̅ )2 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
∑ 𝑥2 3978447305
𝑆2 = − 𝝁𝟐 = − 16136,602 = 4839960,773
𝑛 15
10
𝜎̂ 2 = ∗ 4839960,773 = 5377734,192 ̂ 𝟐 = 𝟓𝟑𝟕𝟕𝟕𝟑𝟒, 𝟏𝟗𝟐
𝝈
10 − 1
18
Para industrias
𝑛 = 15 ̅ = 3.842,20
𝒙 ̅
𝒄𝒐𝒎𝒐 𝝁 = 𝒙 𝝁 = 3.842,20
𝑛
2
1 𝑛−1
̅ )2
𝑆 = ∗ ∑(𝑥𝑖 − 𝒙 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
∑ 𝑥2 250602953
𝑆2 = − 𝝁𝟐 = − 3.842,20 2 = 1944362,623
𝑛 15
10
𝜎̂ 2 = ∗ 1944362,623 = 2160402,992 ̂ 𝟐 = 𝟐𝟏𝟔𝟎𝟒𝟎𝟐, 𝟗𝟗𝟐
𝝈
10 − 1
Para educación
𝑛 = 15 ̅ = 294,13
𝒙 ̅
𝒄𝒐𝒎𝒐 𝝁 = 𝒙 𝝁 = 294,13
𝑛
2
1 𝑛−1
̅ )2
𝑆 = ∗ ∑(𝑥𝑖 − 𝒙 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
∑ 𝑥2 1330870
𝑆2 = − 𝝁𝟐 = − 294,13 2 = 2212,21
𝑛 15
10
𝜎̂ 2 = ∗ 2212,21 = 2458,011 ̂ 𝟐 = 𝟐𝟒𝟓𝟖, 𝟎𝟏𝟏
𝝈
10 − 1
Para Salud
𝑛 = 15 ̅ = 251,60
𝒙 ̅
𝒄𝒐𝒎𝒐 𝝁 = 𝒙 𝝁 = 𝟐𝟓𝟏, 𝟔𝟎
𝑛
2
1 𝑛−1
̅ )2
𝑆 = ∗ ∑(𝑥𝑖 − 𝒙 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
19
∑ 𝑥2 961094
𝑆2 = − 𝝁𝟐 = − 251,60 2 = 770,373
𝑛 15
10
𝜎̂ 2 = ∗ 770,373 = 855,970 ̂ 𝟐 = 𝟖𝟓𝟓, 𝟗𝟕𝟎
𝝈
10 − 1
̅ − 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙 ≤ 𝝁 ≤ 𝒙
𝒑 (𝒙 ̅ + 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙 ) = 𝟏 − 𝜶
𝟐 𝟐
Con:
̂
𝝈
𝝈𝒙 =
√𝒏
5377734,192
𝜎𝑥 = = 1388524,998
√15
2160402,992
𝜎𝑥 = = 557813,654
√15
2458,011
𝜎𝑥 = = 634,656
√15
20
855,970
𝜎𝑥 = = 221,010
√15
Media
𝝈𝒙 =
̂𝒊
𝝈 ̅ − 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙
𝒙 ̅ + 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙
𝒙
̅𝒊
𝒙 𝟐 𝟐
√ 𝒏𝒊
VIVIENDA 16136,60 1388524,998 -2962249,521 2994522,721
Ic para viviendas
intervalo de confianza.
Ic para industrias
de confianza.
Ic para educación
al intervalo de confianza.
Ic para salud
𝒙
̅ = 251,60 ∈ 𝐼𝑐
confianza.
18 DÓCIMA DE HIPÓTESIS
En esta sección pondremos a comparación la demanda aparente de yeso de construcción en
toneladas métricas por año, que requieren los potenciales compradores de escaloya (sector
Media ̂𝒊2
𝝈
̅𝒊
𝒙
VIVIENDA 16136,60 5377734,192
i) Planteamiento de la hipótesis
𝑯𝒐 : 𝜇𝑣 − 𝜇𝐼 = 0 𝜇𝑣 = 𝜇 𝐼
𝑯𝒂: 𝜇𝑣 − 𝜇𝐼 > 0 𝜇𝑣 > 𝜇𝐼
ii) Identificación del estadístico de prueba
𝑯𝒐 : 𝝈𝒗 2 = 𝝈𝒊 2 (homocedasticidad)
𝑯𝒂: 𝝈𝒗 2 ≠ 𝝈𝒊 2
iv) Identificación del estadístico de prueba
̂ 𝒗 2⁄
𝝈
𝝈𝒗 2
̂ 𝒗2
𝝈 5377734,192
𝐹𝑐 = 2 = 𝐹𝑐 = 2 = 𝐹𝑐 = = 2, 489
̂𝑰 ⁄
𝝈 ̂𝑰
𝝈 2160402,992
𝝈𝒊 2
v) Contrastación de la hipótesis
Gráfica de distribución
F. df1=14. df2=14
0,9
0,8
0,7
0,6
2, 489
Densidad
0,5
0,4
0,3
0,2
0,1
0,025
0,0
0 2,979
X
23
(̅̅̅
𝑥𝑣 − 𝑥̅𝐼 ) − (𝜇𝑣 − 𝜇𝐼 ) ̂ 𝒗 2 + (𝑛𝐼 − 1) ∗ 𝝈
(𝑛𝑣 − 1) ∗ 𝝈 ̂𝑰2 1 1
𝑡𝑐 = σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
=√ ∗√ +
σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
𝐼
𝐼
𝑛𝑣 + 𝑛𝐼 − 2 𝑛𝑣 𝑛𝐼
14 ∗ 5377734,192 + 14 ∗ 2160402,992 1 1
σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
=√ ∗√ + = 780,902
𝐼
15 + 15 − 2 15 15
(̅̅̅
𝑥𝑣 − 𝑥̅𝐼 ) − (0) 16136,60 − 3842,20
𝑡𝑐 = = = 15,744
σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
𝐼
780,902
b. Contrastación de la hipótesis
0,3
Densidad
0,2
15,744
0,1
0,025
0,0
0 2,145
X
iv) Conclusiones
A un nivel de confianza del 95%, podemos concluir que la demanda aparente de yeso de
construcción en el sector vivienda es más que la del sector industrial. También son
homocedasticos.
SECTORES
Para el sector de construcción vivienda se considera factible cuando se requiere una media
i) Planteamiento de la hipótesis
𝑯𝒐 : 𝜇𝑣 ≥ 15000
(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
16136,60 − 15000
𝑡𝑐 = = 1,898
5377734,192
√
15
iii) Contrastación de la hipótesis
0,3
Densidad
0,2
0,1
0,025
0,0
0 2,145
X
Se acepta la hipótesis Ho
iv) Conclusión
Para el sector de construcción industrial se considera factible cuando se requiere una media
i) Planteamiento de la hipótesis
𝑯𝒐 : 𝜇𝑣 ≥ 5000
(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
26
3842,20 − 5000
𝑡𝑐 = = −3,051
2160402,992
√
15
iii) Contrastación de la hipótesis
Gráfica de distribución
T. df=14
0,4
0,3
Densidad
0,2
0,1
0,025
0,0
0 2,145
X
Se rechaza la hipótesis Ho
iv) Conclusión
i) Planteamiento de la hipótesis
𝑯𝒐 : 𝜇𝑣 ≥ 300
(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
294,13 − 300
𝑡𝑐 = = −0.9024
634,656
√
15
iii) Contrastación de la hipótesis
Gráfica de distribución
T. df=14
0,4
0,3
Densidad
0,2
0,1
0,025
0,0
-2,145 0
X
iv) Conclusión
Para el sector salud: Para el sector de construcción salud se considera factible cuando se
i) Planteamiento de la hipótesis
𝑯𝒐 : 𝜇𝑣 ≥ 500
(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
251,60 − 500
𝑡𝑐 = = −2,046
221,010
√
15
iii) Contrastación de la hipótesis
Gráfica de distribución
T. df=14
0,4
0,3
Densidad
0,2
0,1
0,025
0,0
-2,145 0
X
iv) Conclusión
19 ANÁLISIS DE LA VARIANZA
N° VIVIENDA INDUSTRIAS EDUCACI SALUD
S (T.M.) (T.M.) ON (T.M.) (T.M.)
1 12.675 1.749 324 208
2 13.117 1.998 228 214
3 13.571 2.248 236 220
4 14.043 2.523 245 225
5 14.530 2.810 254 232
6 15.036 3.097 263 237
7 15.557 3.410 271 244
8 16.097 3.734 281 251
9 16.659 4.084 290 258
10 17.240 4.446 300 265
11 17.836 4.821 312 272
12 18.240 5.221 323 279
13 18.726 5.532 312 281
14 19.135 5.936 376 290
15 19.587 6.024 397 298
i) Planteamiento de la hipótesis
Ho: 𝝁𝑽 = 𝝁𝑰 = 𝝁𝑬 = 𝝁𝑺
Ha: 𝝁𝑽 ≠ 𝝁𝑰 ≠ 𝝁𝑬 ≠ 𝝁𝑺
𝑻𝟐 𝟑𝟎𝟕𝟖𝟔𝟖𝟐
= = 𝟐𝟏𝟎𝟔𝟐𝟖𝟐𝟑𝟒𝟐, 𝟕𝟔
𝑵 𝟒𝟓
𝑻𝒊 𝟐 𝑻𝟐
𝑺𝑪𝑨 = ∑ −
𝑵𝒊 𝑵
ANÁLISIS DE VARIANZA
Fuente Grados De Suma De Cuadrados Fc
Libertad Cuadrados Medios
𝑭𝟒−𝟏,𝟏𝟓−𝟒
𝟎,𝟎𝟓 = 𝑭𝟑,𝟏𝟏
𝟎,𝟎𝟓 = 𝟑, 𝟓𝟖𝟕 se acepta la hipótesis Ho
Gráfica de distribución
F. df1=3. df2=11
0,7
0,6
0,5
F c =3,491
Densidad
0,4
0,3
0,2
0,1
0,05
0,0
0 3,587
X
iv) Conclusión
A un nivel de confianza del 95%, podemos concluir que no existe una diferencia en la
educación).
Se realizará una prueba de Bondad de ajuste para ver la relación existente entre la cantidad
del 5%.
a) Planteamiento de la Hipótesis.
8
(𝑓𝑜𝑖 − 𝑓𝑒𝑖 )2
𝒳𝑐2 =∑ = 322,773
𝑓𝑒𝑖
𝑖=1
c) Contrastación
2 2 2
𝒳𝑘−𝑚−1;𝛼 = 𝒳8−0−1;0,05 = 𝒳7;0,05 = 14,07
Gráfica de distribución
Chi-cuadrada. df=7
0,12
0,10
322,773
0,08
Densidad
0,06
0,04
0,02
0,05
0,00
0 14,07
X
Región de Rechazo:
2
𝒳𝑐2 > 𝒳7;0,05 → 12,5826 ≯ 14,07
Se rechaza Ha
d) Conclusión.
a) Planteamiento de Hipótesis:
Ho: No Existe una relación entre las variables Viviendas, Industrias, Educación y Salud
respecto de las poblaciones.
Ha: Si existe una relación entre las variables Viviendas, Industrias, Educación y Salud,
respecto de las poblaciones.
Fórmula:
2
(𝑓𝑜𝑖𝑗 −𝑓𝑒𝑖𝑗 )
𝜇𝑖𝑗 = 𝑓𝑒𝑖𝑗
35
𝑟 3 2
(𝑓𝑜𝑖𝑗 − 𝑓𝑒𝑖𝑗 )
𝜇𝑐 = 𝒳𝑐2 = ∑∑ = 114,0686
𝑓𝑒𝑖𝑗
𝑖=1 𝑗=1
c) Contrastación:
2 2 2
𝒳(𝑟−1)(𝑠−1);𝛼 = 𝒳(8−1)(3−1);0,05 = 𝒳14;0,05 = 23,68
Gráfica de distribución
Chi-cuadrada. df=15
0,08
0,07
23,68
0,06
0,05
Densidad
0,04
0,03
0,02
0,01
0,05
0,00
0 25,00
X
36
Región de Rechazo:
2
𝒳𝑐2 > 𝒳7;0,05 →
Se acepta Ha
d) Conclusión.
A un nivel de significancia del 5% se concluye que si existe una relación entre las variables
23 CONCLUSIONES
24 RECOMENDACIONES
25 BIBLIOGRAFÍA