INFERENCIA ESTADÍSTICA (212064)

Fase 3 - Prueba de hipótesis y ANOVA

Presentado por:
Leidy Milena Diaz Guarin

Grupo:

Presentado a:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2020
 TIPO DE MUESTREO: Sistemático

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un númer

primero que va a formar parte de la mue

Características:
1) Una lista completa de la población
2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

K= N/n
N= 2950
n= 487
K= 6.06 se redondea

K= 6 Seleccione la muestra cada 31 elementos

Alea= 3 Se escoge un número aleatorio entre 1 y K.
Fijo= 3 Copie y pegue el número aleatorio como valor para que no e

1) Rellene una columna que empiece desde 1 hasta n

2) Luego, empieze la 2da columna con el número que encontró entre 1 y K,

LISTO! Esta es la lista de personas que van a conformar su muestra, recuer

3) Copie y pegue los nombres de las variables de la población

4) Use la función =BUSCARV(C36;Población!$A$6:$Q$918;2;0) esto es par

261 elementos que va a incluir en la muestra. El número 2, corresponde a la

TOMA
CANTIDAD
MUESTRA
Elemento
vendido Tipo de articulo
1 3 3 5
7 39 39 5
29 171 171 2
36 213 213 5
37 219 219 3
42 249 249 5
47 279 279 4
55 327 327 5
63 375 375 1
72 429 429 3
75 447 447 3
76 453 453 1
86 513 513 1
89 531 531 4
101 603 603 2
102 609 609 1
104 621 621 5
110 657 657 5
114 681 681 2
121 723 723 3
122 729 729 5
129 771 771 5
145 867 867 4
147 879 879 1
158 945 945 5
168 1005 1005 3
171 1023 1023 4
176 1053 1053 5
179 1071 1071 1
182 1089 1089 5
188 1125 1125 5
191 1143 1143 1
196 1173 1173 3
206 1233 1233 4
210 1257 1257 1
213 1275 1275 1
218 1305 1305 5
227 1359 1359 4
243 1455 1455 1
247 1479 1479 1
253 1515 1515 1
255 1527 1527 4
268 1605 1605 3
269 1611 1611 4
272 1629 1629 4
275 1647 1647 1
276 1653 1653 3
287 1719 1719 1
296 1773 1773 4
300 1797 1797 1
303 1815 1815 5
304 1821 1821 4
306 1833 1833 2
309 1851 1851 3
311 1863 1863 2
316 1893 1893 1
323 1935 1935 3
326 1953 1953 1
329 1971 1971 1
331 1983 1983 3
347 2079 2079 3
351 2103 2103 2
357 2139 2139 4
364 2181 2181 4
366 2193 2193 4
374 2241 2241 2
378 2265 2265 2
379 2271 2271 3
385 2307 2307 2
393 2355 2355 4
400 2397 2397 1
405 2427 2427 3
415 2487 2487 3
422 2529 2529 4
426 2553 2553 1
433 2595 2595 1
434 2601 2601 2
435 2607 2607 2
437 2619 2619 5
438 2625 2625 2
446 2673 2673 3
452 2709 2709 2
466 2793 2793 5
484 2901 2901 1
487 2919 2919 4
TIPO DE MUESTREO: Sistemático

tomando aleatoriamente un número i, que designará, en una lista o población de N elementos, al

ero que va a formar parte de la muestra.

ento de la población)

ada 31 elementos
eatorio entre 1 y K.
o aleatorio como valor para que no este cambiando

sde 1 hasta n

l número que encontró entre 1 y K, es decir el que corresponde al valor fijo

van a conformar su muestra, recuerde que es importante mantener la constante K

iables de la población

ción!$A$6:$Q$918;2;0) esto es para que no tenga que pasar manualmente la información de los
estra. El número 2, corresponde a la columna de la variable, en este caso Municipio

Vida util del Precio de

producto (meses) Precio de costo Probabilidad de defecto venta
12 14000 2.79351016742131 20000
36 24000 2.80602988587741 36000
18 18300 3.31600656040518 33000
18 18300 2.77013981638086 36000
60 24000 3.94404280741714 36000
48 5400 3.25579308727415 12000
36 14000 2.70764878076039 25000
36 24000 1.38846387974982 45000
36 24000 3.85296823665821 45000
36 24000 3.67405526823756 42000
60 18300 1.42333030829664 36000
12 14000 3.30280614545799 25000
18 5400 2.35439786499887 18000
36 14000 1.85202857177046 25000
36 14000 1.57546502095194 20000
36 24000 3.47240377207156 36000
60 18300 1.62873240505501 36000
36 24000 1.59013078009587 45000
36 14000 1.00877898725725 20000
12 5400 3.00423149717189 18000
36 18300 2.96766218034025 36000
12 14000 3.98033750799234 25000
18 24000 1.82963931031606 36000
18 14000 1.67481956995394 25000
18 18300 2.13740760073828 36000
36 24000 1.21006871315576 42000
48 5400 3.26058385078969 18000
12 14000 1.99964859020626 21000
48 24000 3.26531102040737 36000
48 5400 3.21507410435144 15000
48 18300 3.51757893167125 36000
60 24000 3.26185866285049 49000
12 24000 2.71320556712517 49000
48 18300 1.24877061389934 36000
36 18300 2.71968574905681 36000
18 18300 1.38439245447139 36000
36 18300 2.1656220166469 36000
12 5400 2.32697012537194 18000
48 18300 1.75624966834679 36000
60 24000 2.81679271972069 42000
36 18300 2.02463143885164 33000
36 14000 2.34031693693156 21000
18 18300 2.74306374296318 36000
36 18300 2.14144934066085 36000
12 5400 2.58481084022461 18000
12 14000 3.22881179121759 25000
36 14000 1.71846504716345 25000
48 24000 2.62201973322334 41000
18 14000 2.66829859085597 25000
36 5400 2.08347821702768 12000
36 14000 1.72841889783034 25000
60 5400 1.9104380561762 18000
36 14000 2.04772486357206 25000
36 24000 1.78469665999571 49000
48 5400 3.51797945244043 12000
36 14000 2.66217541585754 25000
60 18300 3.06212898121522 36000
48 14000 1.60491590176059 25000
48 5400 3.00571351895157 12000
12 5400 1.2167000830412 12000
18 24000 1.69470877611123 47000
36 18300 1.58779567636261 36000
18 24000 3.29080018930727 36000
48 24000 2.53246959592818 36000
36 24000 1.04956253111495 36000
36 5400 2.03618118189046 12000
60 24000 3.9387927905979 49000
60 5400 3.57984128233871 18000
48 24000 2.0130432329768 42000
18 24000 1.1583934295781 36000
60 24000 2.93960577736467 41000
36 14000 3.28873347006962 25000
18 5400 2.66719085196782 18000
36 18300 1.21353417904286 36000
60 5400 3.76737311605426 15000
36 24000 1.32208669497224 36000
60 14000 2.22385651197223 25000
36 14000 1.52369267964562 21000
36 24000 2.24570093146371 36000
60 18300 2.9892501538456 36000
18 24000 1.15936277158613 42000
12 24000 3.80736851953649 41000
18 5400 3.17540391390414 12000
18 14000 1.9175984596141 25000
60 5400 1.27673614404018 12000
 Nota: Solo se emplea este muestreo para n<50%, si n>50% se debe de

Precio del
Precio de impuesto envío Género de cliente
3600 5500 1
7300 5500 1
5200 6000 2
5200 5500 1
7300 6000 2
2400 5500 1
4400 6000 2
8100 5500 1
6200 5000 1
7300 6000 1
6000 6000 1
3000 5000 1
2400 5000 2
3600 6000 2
3300 6000 1
6200 5000 1
5200 5500 2
8200 5500 2
3300 6000 1
2800 6000 2
5200 5500 2
4400 5500 1
7300 6000 1
3600 5000 1
5200 5500 2
6200 6000 1
3600 6000 1
3600 5500 1
6200 5000 2
2800 5500 1
6200 5500 2
6900 5000 2
7300 6000 2
4400 6000 2
5300 5000 1
5200 5000 1
6200 5500 2
2600 6000 1
5300 5000 1
5200 5000 2
4700 5000 2
3600 6000 2
6200 6000 1
6200 6000 2
3000 6000 2
4400 5000 1
4400 6000 2
5200 5000 1
4400 6000 2
1700 5000 2
4400 5500 2
2800 6000 2
4400 6000 2
7300 6000 1
2000 6000 2
3600 5000 1
5200 6000 2
3600 5000 1
1700 5000 2
2200 6000 1
7300 6000 2
5000 6000 2
6200 6000 2
7300 6000 2
6200 6000 1
2100 6000 1
7300 6000 1
3000 6000 2
6200 6000 2
7300 6000 1
5200 5000 2
3600 6000 1
2800 6000 2
6200 6000 2
2100 5000 2
6000 5000 1
4400 6000 2
3300 6000 1
8400 5500 1
6200 6000 1
6200 6000 2
6200 6000 1
2100 5500 2
4000 5000 1
1600 6000 1
reo para n<50%, si n>50% se debe de proceder a realizar un muestreo
aleatorio simple.

1 1

Probabili
dad de
Portal de volver a Utilidad del
Edad del cliente Satisfacción compra comprar producto
27 1 3 2 2
54 3 3 2 2
44 4 3 1 1
52 4 3 2 4
53 4 3 2 3
28 3 3 2 2
18 3 3 2 4
50 3 3 1 3
18 2 3 1 1
39 2 3 2 3
52 4 3 2 3
22 4 3 1 2
44 3 3 1 2
49 1 3 1 4
46 1 3 2 4
50 3 3 1 3
35 4 3 1 1
31 3 3 1 1
20 4 3 2 1
29 2 3 1 1
54 2 3 1 4
20 1 3 2 2
41 3 3 2 2
37 1 3 1 2
44 2 3 1 2
43 2 3 1 3
42 2 3 2 3
53 2 3 2 4
31 2 3 2 4
45 2 3 2 2
54 4 3 2 1
48 4 3 1 4
27 2 3 2 2
38 2 3 1 1
36 2 3 2 1
26 4 3 2 4
38 2 3 2 4
27 1 3 1 2
30 3 3 2 3
51 4 3 1 3
28 3 3 1 3
37 3 3 1 4
32 1 3 2 3
34 3 3 1 4
43 4 3 1 4
47 1 3 1 4
27 2 3 1 4
46 2 3 1 4
18 4 3 1 3
50 2 3 2 2
47 4 3 2 4
36 3 3 2 1
34 1 3 2 1
53 2 3 1 3
52 2 3 2 2
33 4 3 2 3
33 3 3 2 1
49 2 3 2 4
52 1 3 2 4
27 2 3 2 1
45 3 3 2 1
37 2 3 1 4
34 2 3 2 4
55 3 3 1 4
22 4 3 2 4
36 2 3 1 4
47 3 3 2 3
44 4 3 2 1
22 2 3 1 3
39 4 3 1 2
40 1 3 2 2
30 4 3 2 4
32 2 3 1 2
51 3 3 2 2
42 1 3 1 3
44 1 3 2 4
21 3 3 2 4
29 1 3 2 2
27 4 3 1 3
29 3 3 1 3
33 1 3 2 4
39 1 3 2 4
42 1 3 2 2
25 4 3 2 1
30 1 3 2 4
Recomendación
del producto
1
3
1
1
2
3
1
1
3
1
1
3
3
3
1
1
2
2
3
3
3
3
3
3
3
2
2
3
2
2
3
3
1
2
1
1
3
3
3
3
3
2
1
3
3
3
3
1
3
2
3
3
3
3
1
2
3
1
3
3
3
3
3
3
3
3
2
3
3
2
3
3
2
3
3
1
2
2
1
3
1
3
1
3
1
 Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Media Muestral promedio= 1461
Desviación estandar= 844.374325
Promedio de la variable X= 2.5
Paso 1: Describir la hipótesis

H0: media de la probabilidad de defecto del tipo de artículo belleza es mayor o igual a 2,5

H1: media de la probabilidad de defecto del tipo de artículo belleza es menor a 2,5

Escrito en forma simbólica:

H0 : µ ≥ = 2,5
H1: µ < 2,5
(Prueba Unilateral izquierda)

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a= 0.05

Paso 3: Estadístico de prueba (o calculado)

𝒁_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙 ̅−
𝝁)/(𝒔/√𝒏)

Zprueba= 38.12

Paso 4: Estadístico teórico

Zteórico= -1.645

Paso 5: Tomar la decisión

Se acepta el Ho porque el Zprueba porque el Valor de P es > al nivel de significancia

Se acepta el Ho porque el Zprueba porque el Valor de P es > al nivel de significancia

Conclusión:

La media de la probabilidad del tipo de artículo belleza es mayor 2,5

potesis

Una PH para probar si la media de la probabilidad de defe

artículo belleza es mayor o igual a 2,5 (Prueba Unilatera

o belleza es mayor o igual a 2,5

o belleza es menor a 2,5

nilateral izquierda)

se va a trabajar

p-valor = 1
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
s > al nivel de significancia
s > al nivel de significancia

mayor 2,5
media de la probabilidad de defecto del tipo de
or o igual a 2,5 (Prueba Unilateral izquierda)
Tabla de distribucion normal
 Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Cantidad del filtro = 105
(p) % = 22%
(P) Proporción= 50%
Paso 1: Describir la hipótesis
H0: % de proveedores con satisfaccion "Satisfecho" es menor o igual al 50%
H1: % de proveedores con satisfaccion "Satisfecho" es menor o mayor al 50%

Escrito en forma simbólica:

H0 : P ≤ 50%
H1: P > 50% (Prueba Unilateral derecha)

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a =0.05

Paso 3: Estadístico de prueba (o calculado)

Proporción de la
p- P muestra
Zprueba = Proporción
P(1- P) Poblacional

Zprueba= -12.55

Paso 4: Estadístico teórico (tablas)

Zteórico= 1.645

Paso 5: Tomar la decisión

No se rechaza porque el Ho porque es mennor del Zteorico y al realizar la grafica que ubica en la zona de
aceptacion.

Conclusión:

Se acepta ya que su P > entonces se acepta

 Una PH para la proporción, para probar si los clientes consideran que el
producto es bastante útil es mayor al 50%. (Prueba Unilateral derec

al 50%
r al 50%

teral derecha)

22%
50%

p-valor = 1
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒

𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
-12,55
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
r la grafica que ubica en la zona de
los clientes consideran que el uso del
50%. (Prueba Unilateral derecha)

-12,55
 Fase 3 Pruebas de Hipotesis

Datos
MEDIA POBLACIONAL
0
MEDIAS MUESTRALES
Al tipo de articulo de deportivo
El tipo de articulo accesorios tecnológicos

Media muestral= 3.047413793103 Media Muestral=

Desviación muestral= 1.4421582822 Desviación Muestral =
Tamaño de muestra( n1)= 94 Tamaño de muestra(n2)=

H0: El promedio de precio para el tipo de articulo tecnologico es Igual al tipo de articulo deportivo

Ha: El promedio de precio para el tipo de articulo tecnologico es No Igual al tipo de articulo deportivo

Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2

Donde
BILATERAL
𝜇_1: Promedio de precio de accesorios tecnologicos
𝜇_2: Promedio de precio de articulo deportivo

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a = 0.05

Paso 3: Estadístico de prueba (o calculado)

Zprueba= 0.05

Paso 4: Estadístico teórico (tablas)

Zteórico= -1.64485363 1.644853627

Paso 5: Tomar la decisión

Como P> entonces se Acepta en la zona de la Hipotesisi de Ho

Conclusión:
Se acepta la Ho
 Una PH para la diferencia de medias, para probar que el promedio de pre
costo para el tipo de articulo accesorios tecnológicos es igual al tipo de arti
deportivo. (Prueba bilateral)

tipo de articulo de deportivo

3.03703703703704
1.45115193015708
102

gual al tipo de articulo deportivo

No Igual al tipo de articulo deportivo

ATERAL

p-valor = 0.9593
α= 0.05

𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎

𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
probar que el promedio de precio de
nológicos es igual al tipo de articulo de
ba bilateral)
 Fase 3 Pruebas de Hipotesis
Datos

n1= 80 n2 = 105

DEPARTAMENTO 1, NIVEL "Femenino" DEPARTAMENTO 3, NIVEL "Femenino"

X1= 38 X2= 52
P1= 48% P2= 50%
Proporción Ponderada Pc
PC= 49%
1-PC= 51%

Paso 1: Describir la hipótesis

Ho: % de articulos de belleza adquiridos por el genero femenimo es igual al % de articullos de vestuario

Ha: % de articulos de belleza adquiridos por el genero femenimo No igual al % de articullos de vestuario

Escrito en forma simbólica:

Ho : P1 = P2
Ha: P1 ≠ P2

Donde
(Prueba Bilateral)
P1: Promedio articulos de belleza

P2: Promedio de articulo de vestuario

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a = 0.05

Paso 3: Estadístico de prueba (o calculado)

P1 - P2
Zprueba =
PC (1- PC ) PC (1- PC )
+
n1 n2

Zprueba= -0.02 =
0.074174999170411
Paso 4: Estadístico teórico (tablas)

Zteórico= -1.645 1.645

Paso 5: Tomar la decisión

Como P> entonces se Acepta en la zona de la Hipotesisi de Ho

Conclusión:

Se aprueba la Ho
 Una PH para la diferencia de proporciones, para probar que el número
TOTAL adquiridos por clientes de género femenino tipo belleza es igual al tipo
de vestuario. (Prueba bilateral)
185

EPARTAMENTO 3, NIVEL "Femenino"

mo es igual al % de articullos de vestuario

mo No igual al % de articullos de vestuario

rueba Bilateral)

jar

-0.272842540808121
p-valor = 0.785
 α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
la Hipotesisi de Ho
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
para probar que el número de artículos
tipo belleza es igual al tipo de articulo
eba bilateral)
 Evaluar si la “edad del cliente” depende del “portal de compra” del artículo de tipo
ser así:

Página oficial
Edad de cliente 1
Edad de cliente 2
Edad de cliente 3
Edad de cliente 4
Edad de cliente 5

Paso 1: Describir la hipótesis

H0: la “edad del cliente” depende del “portal de compra” del artículo de tipo deportivo
H1: la “edad del cliente” No depende del “portal de compra” del artículo de tipo deport

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a = 0.05

Paso 3: Estadístico de prueba F (o calculado)

Página oficial
Observación 1 27
Observación 2 50
Observación 3 21
Observación 4 27
Observación 5 25

Análisis de varianza de un factor

Análisis de varianza de un factor

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta
Página oficial 5
Instagram 5
Amazon 5

ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados
Entre grupos 704.533333333333
Dentro de los grupos 1701.2

Total 2405.73333333333

Paso 5: Tomar la decisión

Se acepta la hipotesis nula porque el valor "F" esta ubicado en la zona

 “portal de compra” del artículo de tipo deportivo. La organización de los datos a trabajar d
ser así:

Instagram Amazon
Edad de cliente 6 Edad de cliente 11
Edad de cliente 7 Edad de cliente 12
Edad de cliente 8 Edad de cliente 13
Edad de cliente 9 Edad de cliente 14
Edad de cliente 10 Edad de cliente 15

el “portal de compra” del artículo de tipo deportivo

e del “portal de compra” del artículo de tipo deportivo

e se va a trabajar

Instagram Amazon
21 27
27 54
48 44
47 52
25 53

Suma Promedio Varianza

150 30 131
168 33.6 165.8
230 46 128.5

Grados de libertad Promedio de los cuadrados F

 2 352.266666666667 2.48483423
12 141.766666666667

14

otesis nula porque el valor "F" esta ubicado en la zona de aceptacion con respecto al "Valor critico para F"
datos a trabajar debe

Probabilidad Valor crítico para F

 0.125039529218982 3.88529383465239

ra F"
 Referencia

Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia estadística: teoría y problemas
(2a. ed.). Madrid, ESPAÑA: Servicio de Publicaciones de la Universidad de Cádiz. (pp. 147-178)

Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva, teoría
de la probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide. (pp. 313-
328).
Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de la
calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 72-90).

Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. (pp. 65-84).
 problemas
p. 147-178)

a, teoría
. 313-

tico de la