Estadística Aplicada Producto Académico N° 03

Producto Académico N° 03

1. El departamento de producción de Celltronics International desea explorar la relación entre

el número de empleados que trabajan en una línea de ensamble parcial y el número de
unidades producido. Como experimento, se asignó a dos empleados al ensamble parcial. Su
desempeño fue de 15 productos durante un periodo de una hora. Después, cuatro empleados
hicieron los ensambles y su número fue de 25 durante un periodo de una hora. El conjunto
completo de observaciones pareadas se muestra a continuación.

La variable dependiente es la producción; es decir, se supone que el nivel de producción

depende del número de empleados.

NÚMERO DE PRODUCCI X*Y X2 Y2

ENSAMBLADO ÓN POR
RES HORA
2 15 30 4 225
4 25 100 16 625
1 10 10 1 100
5 40 200 25 1600
3 30 90 9 900
15 120 430 55 3450

a) Trace un diagrama de dispersión.

140
b) Con base en el
120 diagrama de
dispersión,
100
¿parece haber
80 alguna relación
entre el número
60 de
40 ensambladores
y la
20 producción?
Explique.
0
0 2 4 6 8 10 12 14 16 Se
presencia

1|Página
 Estadística Aplicada Producto Académico N° 03

una relación que entre el número de trabajadores y la producción en una hora es

directamente proporcional.

c) Calcule el coeficiente de correlación.

n∗∑ x i∗y i −∑ xi∗∑ y i
R=
2
√[ ]
n∗∑ x 2i −( ∑ x i) ∗¿ ¿ ¿

5 x 430−15 x 120
R=
√(5 x 55−15 ¿ )x (5 x 3450−1202 )=0.9271 ¿
2

d) Evalúe la fuerza de la relación calculando el coeficiente de determinación.

R2=0.92712=0.86

Se tiene que el 86% es para los cambios en la cantidad de ensambladores.

En los ejercicios 2 a 3, construya un diagrama de dispersión, calcule el valor del coeficiente

de correlación lineal r, calcule los valores críticos de r utilizando α = 0.05, y determine si
existe evidencia suficiente para sustentar la afirmación de que existe una correlación lineal
entre las dos variables.
2. Estadísticas del CSI. En ocasiones la policía mide las huellas de los zapatos en las escenas
del crimen para tener pistas acerca de los delincuentes. A continuación, se listan longitudes
de las huellas de los zapatos, longitudes de los pies y estaturas de hombres. ¿Hay evidencia
suficiente para concluir que existe una correlación lineal entre la longitud de la huella del
zapato y la estatura de los hombres? Con base en estos resultados, ¿parece que la policía
puede usar la longitud de los pies para estimar la estatura de un hombre?

HUELLA DEL ESTATU X*Y X*X Y*Y

ZAPATO RA
29.7 175.3 5206.41 882.09 30730.09
29.7 177.8 5280.66 882.09 31612.84
31.4 185.4 5821.56 985.96 34373.16
31.8 175.3 5574.54 1011.24 30730.09
27.6 172.7 4766.52 761.76 29825.29
150.2 886.5 26649.69 4523.14 157271.47

190

185

180

175
2|Página
170

165
27 28 29 30 31 32 33
 Estadística Aplicada Producto Académico N° 03

n∗∑ x i∗y i −∑ xi∗∑ y i

R=
2
√ [ n∗∑ x −(∑ x ) ]∗¿ ¿ ¿
2
i i
5 x 26649.7−150 x 886.5
R=
√(5 x 4523.14−150.22 ¿) x (5 x 157271.5−886.52)=0.591¿

R (coeficiente de correlación lineal) = 0.59126909

α =0.05 ρ :correlación entre variables
H 0 : ρ=0
H 1 : ρ≠ 0
r n−2 0.5912∗√ 5−2
t= √ 2 = =1.2696
√1−r √1−0.59122
GRADOS DE LIBERTAD=5−2=3
Valores Criticos=± 3.182

 El valor de “t” es 1.2696, menor a 3.182, por lo tanto, no se rechaza la Hipótesis Nula.
Es decir, con un α=0,05 se puede asegurar que no existe correlación significativa entre
las variables LONGITUD DE LA HUELLA DEL ZAPATO Y LA ESTATURA DE
LOS HOMBRES INVESTIGADOS.

 En vista de que no existe una correlación significativa entre la longitud de las huellas de
zapato y estatura, no es posible asegurar que la policía puede usar la longitud del pie
para estimar la estatura de un hombre.

3. Mike Wilde es el presidente del sindicato de maestros del Otsego School District. A fin de
prepararse para negociaciones próximas, le gustaría investigar la estructura de los salarios
de los maestros en el distrito. Wilde considera que hay tres factores que influyen en el
salario de un maestro: sus años de experiencia, la calificación de su eficiencia como docente
por parte del director y si cuenta con un posgrado. Una muestra de 20 maestros generó los
siguientes datos.

3|Página
 Estadística Aplicada Producto Académico N° 03

Salario Años de Calificación Posgrado1,

(miles experiencia, del director, X3
de dólares), X1 X2
Y

1
1 = sí, 0 = no.

4|Página
 Estadística Aplicada Producto Académico N° 03

31.1 8 35 0
33.6 5 43 0
29.3 2 51 1
43.0 15 60 1
38.6 11 73 0
45.0 14 80 1
42.0 9 76 0
36.8 7 54 1
48.6 22 55 1
31.7 3 90 1
25.7 1 30 0
30.6 5 44 0
51.8 23 84 1
46.7 17 76 0
38.4 12 68 1
33.6 14 25 0
41.8 8 90 1
30.7 4 62 0
32.8 2 80 1
42.8 8 72 0

Formule una matriz de correlación. ¿Qué variable independiente tiene la correlación más
fuerte con la variable dependiente? ¿Esto puede representar un problema? ¿Cómo se
denomina esta condición?
60 r= 0.86759703
Años de Salario (miles
experiencia,
50 de dólares),
X1 Y
40
8 31.1
30 5 33.6
2 29.3
20
15 43
10 11 38.6
14 45
0
0 9 5 42 10 15 20 25
7 36.8
22 48.6
3 31.7
1 25.7
5 30.6
23 51.8
17 46.7
12 38.4
14 33.6
8 41.8
4 30.7
2 32.8

5|Página
 Estadística Aplicada Producto Académico N° 03

8 42.8

r= 0.54719669
60
Calificación Salario
50
(miles
del director, de dólares),
X2 Y
40
35 31.1
43 33.6
30
51 29.3
60 43
20 73 38.6
80 45
10 76 42
54 36.8
0 55 48.6
20 30 40 50 60 70 80 90 100
90 31.7
30 25.7
44 30.6
84 51.8
76 46.7
68 38.4
25 33.6
90 41.8
62 30.7
80 32.8
72 42.8

r= 0.31055833
60
Posgrado Salario
(miles
50
de dólares),

40 X3 Y
0 31.1
30 0 33.6
1 29.3
20 1 43
0 38.6
1 45
10
0 42
1 36.8
0 1 48.6
0 0.2 0.4 0.6 0.8 1 1.2
1 31.7

6|Página
 Estadística Aplicada Producto Académico N° 03

0 25.7
0 30.6
1 51.8
0 46.7
1 38.4
0 33.6
1 41.8
0 30.7
1 32.8
0 42.8

MATRIZ DE CORRELACIÓN
  AÑOS DE CALIFICACIÓN POSGRADO
EXPERIENCIA
AÑOS DE      
EXPERIENCIA
CALIFICACIÓN 0.186823696    
POSGRADO 0.20750259 0.457774867  

 Se aprecia y verifica que la variable años de experiencia tiene la correlación más fuerte
(r=0.86 positivo) con la variable dependiente salario.
 Entre las variables independientes, la correlación más alta se da entre las variables
CALIFICACIÓN Y POSGRADO CON 0.457. Los valores de correlación entre las 3
variables independientes se encuentran entre -0.7 y 0.7, asi que no generarán problemas.

En los ejercicios 5 y 6, determine la ecuación de regresión, permitiendo que la primera

variable sea la variable de predicción (x). Calcule los valores predichos indicados.
4. Altitud y temperatura A continuación se listan las altitudes (miles de pies) y las
temperaturas al aire libre (°F) registradas por Mario Triola (2018) durante el vuelo 1053 de
Delta desde Nueva Orleans hasta Atlanta. Calcule la temperatura para una altitud de 6327
pies (o 6.327 mil pies).

ALTITU TEMPERATU XY X^2

D RA
3 57 171 9
10 37 370 100
14 24 336 196
22 -5 -110 484
28 -30 -840 784
31 -41 -1271 961
33 -54 -1782 1089
141 -12 -3126 3623

7|Página
 Estadística Aplicada Producto Académico N° 03

80

60
f(x) = − 3.68 x + 72.5
40

20

0
0 5 10 15 20 25 30 35
-20

-40

-60

Ecuacion lineal :Y =β 0 + β 1 X
n ∑ xy−∑ x ∑ y 7 (−3126 )−(141)(−12)
β 1= 2
=
n ∑ x 2−( ∑ x) 7 ( 3623 )−(141)2
β 1=−3.6 8

β 0=
∑ y−β 1 ∑ x = −12−−3.68(141)
n 7
β 0=72.5 0
Ecuacion lineal : y=−3.65 x+72. 5
y=−3.685 ( 6.327 )+ 72.25=48.9
Temperatura estimada sería 48.9 ℉.

5. Predicción de nicotina en cigarrillos. Remítase al archivo cigaret.xls y utilice las

cantidades de alquitrán, nicotina y CO de los cigarrillos de 100 mm, con filtro, que no son
mentolados ni ligeros (el último conjunto de mediciones). Calcule la mejor ecuación de
regresión para predecir la cantidad de nicotina en un cigarrillo.

De 100 mm de largo, con filtro y no mentolados

Marca Alq. Nicotina CO Alq Nicotina XY X2

Barclay 5 0.4 4 5 0.4 2 25
Basic 16 1 19 16 1 16 256
Camel 17 1.2 17 17 1.2 20.4 289
Highway 13 0.8 18 13 0.8 10.4 169
Jacks 13 0.8 18 13 0.8 10.4 169
Kent 14 1 13 14 1 14 196
Lark 15 1.1 17 15 1.1 16.5 225
Marlboro 15 1.1 15 15 1.1 16.5 225
Maverick 15 1.1 15 15 1.1 16.5 225
Merit 9 0.8 12 9 0.8 7.2 81

8|Página
 Estadística Aplicada Producto Académico N° 03

Monaco 13 0.8 18 13 0.8 10.4 169

Monarch 13 0.8 17 13 0.8 10.4 169
Mustang 13 0.8 18 13 0.8 10.4 169
Newport 15 1 16 15 1 15 225
Now 2 0.2 3 2 0.2 0.4 4
Old Gold 15 1.1 18 15 1.1 16.5 225
Pall Mall 15 1 15 15 1 15 225
Pilot 13 0.8 18 13 0.8 10.4 169
Players 14 1 15 14 1 14 196
Prime 15 0.9 17 15 0.9 13.5 225
Raleigh 16 1.1 15 16 1.1 17.6 256
Tareyton 15 1.1 15 15 1.1 16.5 225
True 7 0.6 7 7 0.6 4.2 49
Viceroy 17 1.3 16 17 1.3 22.1 289
Winston 15 1.1 14 15 1.1 16.5 225
330 22.9 322.8 4680

Ecuacion lineal :Y =β 0 + β 1 X
n ∑ xy−∑ x ∑ y 25 ( 322,8 ) −(330)(22,9)
β 1= 2
=
n ∑ x 2−( ∑ x) 25 ( 4680 )−(330)2
β 1=0.06

β 0=
∑ y−β 1 ∑ x = 22,9−0,06(330)
n 25
β 0=0.08
1.4

1.2
f(x)==0.88
R² 0.06 x + 0.08
1

0.8
Nicotina

0.6

0.4

0.2

0
0 2 4 6 8 10 12 14 16 18
Alq

CO Nicotina XY X2
4 0.4 1.6 16

9|Página
 Estadística Aplicada Producto Académico N° 03

19 1 19 361
17 1.2 20.4 289
18 0.8 14.4 324
18 0.8 14.4 324
13 1 13 169
17 1.1 18.7 289
15 1.1 16.5 225
15 1.1 16.5 225
12 0.8 9.6 144
18 0.8 14.4 324
17 0.8 13.6 289
18 0.8 14.4 324
16 1 16 256
3 0.2 0.6 9
18 1.1 19.8 324
15 1 15 225
18 0.8 14.4 324
15 1 15 225
17 0.9 15.3 289
15 1.1 16.5 225
15 1.1 16.5 225
7 0.6 4.2 49
16 1.3 20.8 256
14 1.1 15.4 196
370 22.9 356 5906

Ecuacion lineal :Y =β 0 + β 1 X
n ∑ xy−∑ x ∑ y 25 ( 356 )−(370)(22,9)
β 1= 2
=
n ∑ x 2−( ∑ x) 25 ( 5906 ) −(370)2
β 1=0.0 4

β 0=
∑ y−β 1 ∑ x = 22,9−0,04(370)
n 25

β 0=0.3 3
1.4

1.2

1 f(x) = 0.04 x + 0.33

R² = 0.46
0.8
Nicotina

0.6

0.4

0.2
10 | P á g i n a
0
2 4 6 8 10 12 14 16 18 20
CO
 Estadística Aplicada Producto Académico N° 03

Nicotina CO Alq.
0.4 4 5
1 19 16
1.2 17 17
0.8 18 13
0.8 18 13
1 13 14
1.1 17 15
1.1 15 15
1.1 15 15
0.8 12 9
0.8 18 13
0.8 17 13
0.8 18 13
1 16 15
0.2 3 2
1.1 18 15
1 15 15
0.8 18 13
1 15 14
0.9 17 15
1.1 15 16
1.1 15 15
0.6 7 7
1.3 16 17
1.1 14 15

11 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

Resumen

Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.96579948
Coeficiente de
determinación R^2 0.93276863
2
R ajustado 0.92665669
Error típico 0.06710648
Observaciones 25

ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los Valor crítico
  libertad cuadrados cuadrados F de F
152.6141
Regresión 2 1.374527857 0.687263928 04 1.2685E-13
Residuos 22 0.099072143 0.004503279
Total 24 1.4736      

Probabili Superior Inferior Superior

  Coeficientes Error típico Estadístico t dad Inferior 95% 95% 95.0% 95.0%
0.023668 0.235603 0.018670 0.2356030
Intercepción 0.1271 0.05230136 2.430848267 68 0.018670288 05 29 5
- - -
0.000497 - 0.012291 0.037716 0.0122912
CO -0.0250 0.006129819 -4.07903297 4 0.037716201 27 2 7
2.0071E- 0.102441 0.073151 0.1024419
Alq. 0.0878 0.007061702 12.43281928 11 0.07315179 94 79 4

12 | P á g i n a
Estadística Aplicada Producto Académico N° 03

13 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

a) ¿Por qué es la mejor?

Es la mejor ecuación de regresión para predecir la cantidad de nicotina de un cigarrillo

sería : y=0,087 X 1−0.025 X 2 +0.127 ,
Para predecir la cantidad de nicotina con dos variables dependientes el ALQUITRÁN
Y CO, obtendrá un coeficiente de determinación de 92.6%, lo cual es un alto
porcentaje.
b) ¿La mejor ecuación de regresión es una buena ecuación de regresión para
predecir el contenido de nicotina? ¿Por qué?
Necesitamos más variables para que así los datos sean más exactos y se obtenga una
ecuación mucho más exacta.

6. Calcule un promedio móvil ponderado en cuatro trimestres del número de suscriptores de la

Boxley Box Company durante los nueve trimestres que abarcan los datos. Éstos se reportan
en miles. Aplique ponderaciones de 0.1, 0.2, 0.3 y 0.4, respectivamente, a los trimestres. En
pocas palabras, construya la gráfica y describa la tendencia en el número de suscriptores
31-Mar-04 28766
30-Jun-04 30057
30-Sep-04 31336
30-Dic-04 33240
31-Mar-05 34610
30-Jun-05 35102
30-Sep-05 35308
31-Dic-05 35203
31-Mar-06 34386

TRIMEST DEMAND PRONOSTIC

RE A O
1 28766  
2 30057  
3 31336  
4 33240  
5 34610 31584.8
6 35102 33088.9
7 35308 34205.4
8 35203 34899.8
9 34386 35155

Periodo 4
Ponderaciones
α1 0.1
α2 0.2
α3 0.3

14 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

α4 0.4

40000

35000

30000

25000

20000

15000

10000

5000

0
1 2 3 4 5 6 7 8 9

DEMANDA PRONOSTICO

Podemos interpretar que existe una tendencia positiva, pues aumenta con respecto al periodo
anterior.

7. Cedar Fair opera siete parques de diversiones y cinco parques acuáticos independientes. Su
asistencia combinada (en miles) durante los últimos 12 años aparece en la siguiente tabla.
Un socio le pide estudiar la tendencia de la asistencia. Calcule un promedio móvil de tres
años y un promedio móvil ponderado de tres años con ponderaciones de 0.2, 0.3 y 0.5 para
años sucesivos.

Año Asistencia
(Miles)
1993 5 761
1994 6 148
1995 6 783
1996 7 445
1997 7 405
1998 11 450
1999 11 224
2000 11 703
2001 11 890
2002 12 380
2003 12 181
2004 12 557

PROMEDIO MOVIL PONDERADO

AÑO ASISTENCIA PRONOSTICO
1993 5761
1994 6148
1995 6783

15 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

1996 7445 6388.1

1997 7405 6987
1998 11450 7292.6
1999 11224 9435.5
2000 11703 10528
2001 11890 11508.7
2002 12380 11700.7
2003 12181 12097.6
2004 12557 12182.5

Ponderaciones
α1 0.2
α2 0.3
α3 0.5

14000

12000

10000

8000

6000

4000

2000

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

ASISTENCIA PRONOSTICO

PROMEDIO MÓVIL
AÑO ASISTENCIA PRONOSTICO
1993 5761  
1994 6148  
1995 6783  
1996 7445 6230.7
1997 7405 6792.0
1998 11450 7211.0
1999 11224 8766.7
2000 11703 10026.3
2001 11890 11459.0
2002 12380 11605.7
2003 12181 11991.0
2004 12557 12150.3

16 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

14000

12000

10000

8000

6000

4000

2000

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

ASISTENCIA PRONOSTICO

De los gráficos del promedio móvil y promedio móvil ponderado se interpreta que el pronóstico
de asistencia va en aumento.

17 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

Trabajo Colaborativo

El siguiente apartado considera la resolución en equipos de 3 estudiantes. Deberán coordinar

para que cada uno desarrolle un ejercicio diferente. Seguidamente cada uno compartirá la
resolución del ejercicio con una explicación de la resolución, finalizado el trabajo, cada uno
tendrá desarrollado y explicado los 3 ejercicios. Es importante considerar las evidencias de las
reuniones, las cuales podrían ser presenciales (fotos) o virtuales mediante Skype, video llamada,
meeting, etc. (capturas de pantallas).

 Tuve que realizar el trabajo solo, ya que uno de mis compañeros no se logró ubicar, y el otro
compañero no termino a tiempo su trabajo.

I. Bondad de Ajuste
Una gran panadería puede producir rollos en lotes de 0, 1000, 2000, o 3000 por día. El costo de
producción por artículo es de $ 0.10. La demanda varía aleatoriamente de acuerdo con la siguiente
distribución:

Demanda
0 1000 2000 3000
de rollos:
Demanda 500 270 400 250
Si por la experiencia del mercado las proporciones de las ventas se distribuyen con 30%, 20%, 30%
y 20% correspondientemente. Pruebe al nivel del 10% si esta distribución se cumple.
DEMANDA DE DEMANDA DE (O−E)   2
VENTAS VENTAS E
OBSERVADA ESPERADA
500 426 12.85446009
270 284 0.690140845
400 426 1.58685446
250 284 4.070422535
1420 X 2 =19.202

18 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

H0: O = E:
LA DEMANDA DE VENTAS SIGUE UNA DISTRIBUCION CON LA
ESTRUCTURA ESPERADA POR LA EMPRESA PANADERA

H1: O ≠ E:
LA DEMANDA DE VENTAS NO SIGUE UNA DISTRIBUCION CON LA
ESTRUCTURA ESPERADA POR LA EMPRESA PANADERA

GRADOS DE LIBERTAD=4-1=3
α=0,1    
VC=6.251    

6.251 X 2 =19.202
valor de la tabla

Por los resultados rechazamos la hipótesis nula, por ende, se acepta la hipótesis alterna que nos dice
que la demanda de ventas no sigue una distribución con la estructura esperada por la empresa
panadera.

II. Homogeneidad
Prueba de la influencia del género La tabla siguiente resume datos de sujetos hombres que se
encuestaron y la tabla adjunta resume datos de una muestra de mujeres. Utilice un nivel de
significancia de 0.01 y suponga que los tamaños muestrales de 800 hombres y 400 mujeres están
predeterminados, y pruebe la aseveración de que las proporciones de las respuestas de
acuerdo/desacuerdo son las mismas para los sujetos que entrevistaron hombres y los sujetos que
entrevistaron mujeres.

DATOS OBSERVADOS
  ENTREVISTAD ENTREVISTAD TOTA
OR HOMBRE OR MUJER L
MUJERES DE 512 336 848
ACUERDO
MUJERES EN 288 64 352
DESACUERD
O
TOTAL 800 400 1200

19 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

O E (O−E)  2
E

512 565.333 5.03144654

288 234.667 12.1212121

336 282.667 10.0628931

64 117.333 24.2424242
51.457976

DATOS ESPERADOS
  ENTREVISTAD ENTREVISTAD TOTA
OR HOMBRE OR MUJER L

MUJERES DE 565.3 282.7 848

ACUERDO
MUJERES EN 234.7 117.3 352
DESACUERD
O
TOTAL 800.0 400.0 1200

gl= 1X1=1
nivel de sig.= 0.01
valor crítico= 6.635
H0: O = E:
Las proporciones de las respuestas acuerdo y desacuerdo son iguales para los sujetos que
entrevistaron hombres y los sujetos que entrevistaron mujeres.

H1: O ≠ E:
Las proporciones son diferentes.

=51.45
6.635
valor de la tabla

Al ver que 51.45 se encuentra en la zona de rechazo, entonces, se rechaza la hipótesis nula de
proporciones iguales.

20 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

III. Independencia
Exactitud de pruebas de polígrafo Los datos en la tabla adjunta resumen resultados de pruebas de
exactitud de polígrafos (de acuerdo con datos de la Office of Technology Assessment). Utilice un
nivel de significancia de 0.05 para probar la aseveración de que el hecho de que el sujeto mienta es
independiente de la indicación del polígrafo. ¿Qué sugieren los resultados acerca de la eficacia de
los polígrafos?

DATOS OBSERVADOS
  EL POLÍGRAFO EL POLÍGRAFO TOTA
INDICÓ VERDAD INDICÓ MENTIRA L

EL SUJETO 65 15 80
REALMENTE DIJO LA
VERDAD
EL SUJETO 3 17 20
REALMENTE DIJO UNA
MENTIRA
TOTAL 68 32 100

O E
(O−E)  2
E
65 54.4 2.065441176

3 13.6 8.261764706

15 25.6 4.3890625
17 6.4 17.55625
X 2 = 32.273

DATOS ESPERADOS
EL POLÍGRAFO EL POLÍGRAFO TOTA
INDICÓ VERDAD INDICÓ MENTIRA L
EL SUJETO 54.4 25.6 80
REALMENTE DIJO LA
VERDAD
EL SUJETO 13.6 6.4 20
REALMENTE DIJO UNA
MENTIRA
TOTAL 68 32 100

21 | P á g i n a
 Estadística Aplicada Producto Académico N° 03

gl= 1X1=1
nivel de sig.= 0.05 H0: O = E: El hecho de que el sujeto mienta es
valor crítico= 3.841 independiente de la indicación del polígrafo.

H1: O ≠ E: El hecho de que el sujeto mienta no es independiente de la indicación del

polígrafo.

=32.273
3.841
valor de la tabla

Como 32.273 se encuentra en la zona de rechazo, entonces aceptamos la hipótesis alterna.

Entonces el polígrafo indica que no es independiente de lo que realmente dicen los sujetos, es así
que los polígrafos son muy eficaces.

22 | P á g i n a