PRUEBADE HIPOTESIS DE MUESTRAS PAREADAS

PRUEBA DE HIPOTESIS GENERAL

NO PARAMETRICO

El BIM mejora los costos de construcción de edificaciones con incidencia de las interferencias
constructivas.

PASO 01

Ho: µd = 0 (La incidencia de las interferencias con BIM no mejoran los costos de construcción)

H1: µd > 0 (La incidencia de las interferencias con BIM si mejoran los costos de construcción)

Si existe mejora de los costos de construcción y relación con las interferencias constructivas
usando BIM.

Se aplico la prueba de rangos con signos de Wilcoxon, prueba no paramétrica debido a que las
distribuciones de ambas variables no siguen distribución norma (ver anexo).

Los resultados (Ver tabla 01) contrasta que existe que la incidencia de las interferencias con
BIM si mejoran los costos de construcción (Valor p= 0,00 α= 0,05 Nivel de significancia, se
rechaza Ho)

Valor p= 0,00 α= 0,05 Nivel de significancia, se rechaza H o

Tabla 01: Resultados de Estadísticos de pruebaa

COSTO CON APLICACIÓN BIN - COSTO SIN
APLICACIÓN BIN
Z -5,511b
Sig. asintótica(bilateral) ,000
Desviación
a. Prueba deMedia
rangos con signoestándar
Mediana de Wilcoxon
COSTO SIN b. Se basa en rangos102,37
207,20 positivos. 183,83
APLICACIÓN BIN

En el análisis descriptivo se observo que el costo promedio de construcción y

COSTO CON 6,29 3,77 6,38
relación
APLICACIÓN BIN con las interferencias constructivas usando BIM (6,23) es menor que el
sin uso de esta metodología (207,2).
Además, el 50% de las interferencias observadas son también menores con uso
de la metodología (3,77) que, sin ella, Las variaciones de los costos son altos
con uso y sin uso de BIM.

PASO 2:

PRUEBA DE NORMALIDAD

Para contrastar la normalidad de los costos de aplicación con BIM se aplicó la prueba no
paramétrica de Kolmogorov-Smirnov debido a que el tamaño de muestra es mayor a 25. Se
probaron las siguientes al nivel de significación de 0,05
Ho: Las poblaciones siguen distribución normal
H1: Las poblaciones no siguen distribución normal
Con los resultados de la tabla 01 (Anexo) se concluye que los costos con aplicación BIM no
sigue una distribución normal (Valor p (costo con aplicación Bim) = 0,000 < α= 0,05 Rechazo
Ho, por tanto, el el costo con aplicación Bim no sigue una distribución normal.)

La normalidad de las variables se aplico la prueba de Kolmogorov – Smirnov debido a que el

tamaño de la muestra es mayor a 40 datos, contrastando las siguientes hipótesis:

Tabla 01:
Pruebas de normalidad
Kolmogorov-Smirnova
Estadístico gl Sig.
COSTO SIN APLICACIÓN ,241 40 ,000
BIN
COSTO CON APLICACIÓN ,235 40 ,000
BIN
a. Corrección de significación de Lilliefors

LOS GRAFICOS DE NORMALIDAD (Q-Q, Tendencia y histograma) nos muestran la no

existencia de la normalidad (distribuciones asimétricas positivas) en la distribución de las
variables.
PRUEBA DE HIPOTESIS GENERAL

PARAMETRICO

Para probar la hipótesis de investigación “LEAN construcción mejora los rendimientos en la

construcción” se aplicó la prueba paramétrica de T-STUDENT dado que las variables siguen
distribución normal. Contrastando la siguiente hipótesis.

Ho: µd = 0 (LEAN construction no mejora el rendimiento en la construcción)

H1: µd > 0 (LEAN construction si mejora el rendimiento en la construcción)

Con los resultados se comprueban que que LEAN construccion si mejora los rendimientos en la
metodología de la construccion (valor p=0,005< α=0,05, se rechaza H o: µd = 0)

Prueba de muestras emparejadas

t gl Sig. (bilateral)
Par RENDIMIENTO CON MÉTODO -4,012 7 ,005
1 TRADICIONAL - RENDIMIENTO CON
LEAN CONSTRUCCIÓN

PRUEBA DE NORMALIDAD

Para contrastar la normalidad de los rendimientos con las metodologías de la construcción se

aplicó la prueba paramétrica de Shapiro-Wilk debido a que el tamaño de muestra es menor a 25.
Se probaron las siguientes al nivel de significación de 0,01
Ho: Las poblaciones siguen distribución normal
Valor p>α
H1: Las poblaciones no siguen distribución normal
Valor p< α
Con los resultados de la tabla 01 (Anexo) se concluye que los rendimientos con método con
Lean construcción sigue una distribución normal (valor p= 0,526 y 0,013> 0,01=α nivel de
significancia) Acepto Ho, por tanto, el rendimiento con lean construcción sigue una distribución
normal.)
La normalidad de las variables se aplicó la prueba de Shapiro-Wilk debido a que el tamaño de la
muestra es menor a 25 datos, contrastando las siguientes hipótesis:

Tabla 01: Pruebas de normalidad

Shapiro-Wilk
Estadístico gl Sig.
RENDIMIENTO CON MÉTODO TRADICIONAL ,931 8 ,526
RENDIMIENTO CON LEAN CONSTRUCCIÓN ,768 8 ,013
Los gráficos de normalidad muestran que las variables se distribuyen normalmente, sin
embargo, la segunda variable rendimiento con LEAN construcción presenta asimetría negativa,
pero se observa en la tabla de Shapiro-Wilk (ve tabla 1), al nivel de significancia de 0,01 si tiene
normalidad.

Estadísticas de muestras emparejadas

Media Desv. Desviación
Par RENDIMIENTO CON MÉTODO TRADICIONAL 393,75 189,015
1 RENDIMIENTO CON LEAN CONSTRUCCIÓN 654,38 29,208

ANOVA: (ANÁLISIS DE VARIANZA)

PARAMETRICA
Ho: µ1= µ2= µ3=…….= µk
H1: µ1≠ µ2
Para contrastar la hipótesis “Existe diferencia en la Isóptica de los tres sectores” Se aplico la
prueba paramétrica de análisis de varianzas debido que las tres poblaciones siguen distribución
normal. Se planteo las hipótesis:
Ho: µ1= µ2= µ3
H1: Al menos una de las medidas es diferente
Los resultados de la tabla ANOVA nos muestran que si existe diferencia significativa en la
medición de la isoptica en los 3 sectores del segundo nivel (Valor p= 0,00<α=0,05 Rechaza Ho)

ANOVA
Isóptica Segund Fila
Suma de cuadrados gl Media cuadrática F Sig.
Entre grupos 506,994 2 253,497 41,138 ,000
Dentro de grupos 104,756 17 6,162
Total 611,750 19

Para determinar en que sectores se encuentran diferencias se aplico la prueba de Bonferroni, Las
hipótesis son:
Ho: µi=µj
H1: µi≠µj
Se encontró diferencia significativa entre los sectores A y B (valor p= 0,0 < α=0,05, Rechaza
Ho), además en los sectores B y C (valor p= 0,0 < α=0,05, Rechaza Ho). Sin embargo, A y C no
se encontró diferencia significativa (valor p= 0,906 >α=0,05, No se rechaza H o)
Comparaciones múltiples
Variable dependiente: Isóptica Segund Fila
Bonferroni
(I) Intervalo de confianza al 95%
Sector (J) Sector Diferencia de medias (I-J) Desv. Error Sig. Límite inferior Límite superior
A B -9,17778* 1,38459 ,000 -12,8539 -5,5017
C 1,60000 1,50314 ,906 -2,3908 5,5908
B A 9,17778* 1,38459 ,000 5,5017 12,8539
C 10,77778* 1,30832 ,000 7,3042 14,2514
C A -1,60000 1,50314 ,906 -5,5908 2,3908
B -10,77778* 1,30832 ,000 -14,2514 -7,3042
*. La diferencia de medias es significativa en el nivel 0.05.

PRUEBA DE NORMALIDAD

Las mediciones de isóptica siguen distribución normal (valor p= 0,98 0,014 y 0,981 > 0,01= α=
0,01) no se rechaza Ho: Las poblaciones siguen distribución normal)

Ho: Las poblaciones siguen distribución normal

Valor p>α
H1: Las poblaciones no siguen distribución normal
Valor p< α

Pruebas de normalidad
Shapiro-Wilk
Sector Estadístico gl Sig.
A Isóptica Segund Fila ,990 5 ,980
B Isóptica Segund Fila ,786 9 ,014
C Isóptica Segund Fila ,982 6 ,961
Las gráficas de normalidad e histograma confirma que las variables se distribuyen
normalmente.
PRUEBA DE CHI CUADRADA DE INDEPENDENCIA

Ho: Las variables son independiente s (Oi= Ei)

H1: Las variables no son independientes o son relacionadas (Oi ≠Ei)

1. La marca del producto influye en la calidad de este.

Variable 1: Marca del producto A, B, C
Variable 2: Calidad del producto Defectuoso, no defectuoso

HIPOTESIS GENERAL
Se aplico la prueba no paramétrica de Fisher para determinar si calidad de señalización
horizontal influye en el tiempo de desplazamiento en las vías, Las hipótesis planteadas
son:
Ho: Las variables son independiente s (Oi= Ei)
H1: Las variables no son independientes o son relacionadas (Oi ≠Ei)
Los resultados indican que la señalización horizontal no influye en el tiempo de
desplazamiento en las vias

Pruebas de chi-cuadrado
Significación
Valor exacta (bilateral)
Prueba exacta de Fisher ,365
N de casos válidos 26

PRUEBA DE CORRELACION (DOS VARIABLES CUANTITATIVAS)

Se aplico la prueba de correlación de Pearson debido a que las variables: La humedad
del ambiente influye sobre la temperatura del mismo siguen distribución normal. Se
plantea las siguientes hipótesis:
Ho: no existe correlación entre variables p= 0
H1: no existe correlación entre variables p≠ 0
Los resultados indican que si existe correlación moderada (r= -0,436) negativa entre las
variables humedad del ambiente y temperatura (Valor p= 0,013< α= 0,05 Rechazo Ho)
Indica también que conforme disminuya la humedad, la temperatura del ambiente
aumenta
 Correlaciones
Humedad relativa (%)
Temperatura MAXIMA Correlación de Pearson -,436
(c) Sig. (bilateral) ,013
N 32

Coeficiente correlación -1<r<1

r = -1: perfecta correlación negativa
-1< r < -0,7: Fuerte correlación negativa
-0,6 < r < -0,4: Moderada correlación negativa
-0,3 < r < 0: Débil correlación
R= 0 No existe correlación.
0 < r < 0,3 débil correlación positiva
0,4 < r < 0,6 Moderada correlación positiva
0,7 < r < 1 fuerte correlación positiva
R =1 perfecta correlación positiva
PRUEBA DE NORMALIDAD

Las variables Humedad relativa y temperatura máxima (valor p= 0,011>0,01 no rechazo

Ho; la población sigue distribución normal) del ambiente siguen distribución normal
Pruebas de normalidad
Kolmogorov-Smirnova
Estadístico gl Sig.
Temperatura MAXIMA ,178 32 ,011
(c)
Humedad relativa (%) ,151 32 ,060
a. Corrección de significación de Lilliefors
MUESTRAS INDEPENDIENTES
GRUPO 01

Grupo 1 X:
Resistencia
(A)
1 125
2 127
3 133
4 145
5 133
6 129

Grupo 2 X:
Resistencia(B)
1 133
2 121
3 135
4 123
5 128
6 129

MUESTRAS SON PAREADAS

GRUPO PRIMERA TOMA DE SEGUNDA TOMA DE

DATOS (MEDICION DATOS (MEDICION CON
CLASICA) EQUIPO)
1 15 13
2 18 17
3 21 17
4 25 20
5 23 16
6 18 17