CAPITULO 15

1. Describa el procedimiento para el cálculo de frecuencias.

2. ¿Qué medidas de localización se calculan generalmente?

Los estadísticos más utilizados que se asocian con las frecuencias son las medidas de
localización (media, moda y mediana).
Media: El promedio; valor que se obtiene al sumar todos los elementos de un conjunto y
dividirlos entre el número de elementos.
Moda: Medida de tendencia central dada por el valor que ocurre con mayor frecuencia en
una distribución muestral.
Mediana: Medida de tendencia central definida como el valor que deja por arriba a la
mitad de los datos y por debajo a la otra mitad.
3. Defina el rango intercuartílico. ¿Qué mide?
El rango intercuartílico es la diferencia entre el percentil 75 y el percentil 25. Para un
conjunto de datos presentados en orden de magnitud, el percentil p-ésimo es el valor que
deja por debajo al porcentaje p de los datos y al porcentaje (100 - p) por arriba de él. Si
todos los datos se multiplican por una constante, el rango intercuartílico se multiplica por la
misma constante.
4. ¿A qué se refiere el coeficiente de variación?
El coeficiente de variación es el cociente de la desviación estándar con respecto a la media,
expresado en porcentaje, y es una medida de variación relativa sin unidades.
5. ¿Cómo se mide el aplanamiento o pico relativo de una distribución?
La curtosis es una medida del pico o aplanamiento relativo de la curva, definido por la distribución
de frecuencias. La curtosis de una distribución normal es cero. Si la curtosis es positiva,
entonces la distribución es más puntiaguda que una distribución normal, y un valor
negativo indica que la distribución es más plana que una distribución normal.
6. ¿Qué es una distribución asimétrica? ¿Qué significa?
En una distribución asimétrica, las desviaciones positivas y negativas a partir de la media
son diferentes.
La asimetría es la tendencia de las desviaciones de la media a ser mayores tanto en una
dirección como en la otra. Se podría definir como la tendencia de una de las colas de la
distribución a ser más grande que la otra.
7. ¿Cuál es la principal diferencia entre la tabulación cruzada y la distribución de
frecuencias?
La tabulación cruzada es una técnica estadística que describe dos o más variables de
manera simultánea, y que produce tablas que reflejan la distribución conjunta de dos o más
variables con un número limitado de categorías o valores distintivos y la distribución de
frecuencias es una distribución matemática cuyo objetivo es obtener un conteo del número
de respuestas asociadas con distintos valores de una variable, y expresar esos conteos en
términos de porcentajes.
8. ¿Cuál es la regla general para el cálculo de porcentajes en las tabulaciones
cruzadas?
La regla general consiste en calcular los porcentajes en dirección de la variable
independiente por la variable dependiente.
Como regla general, debe haber por lo menos cinco observaciones esperadas en cada celda
para calcular los estadísticos. De esta manera, la tabulación cruzada es una forma
ineficiente de examinar relaciones en las que existen muchas variables
9. Defina una correlación espuria.
Situación en donde dos o más variables de medidas se creen estadísticamente relacionadas,
pero no tienen relación de causalidad entre ellas en realidad. En otras palabras, relación
matemática entre acontecimientos que no tienen ninguna conexión lógica. También es
llamada relación espuria.
10. ¿A qué se refiere una asociación oculta? ¿De qué manera se revela?
Con frecuencia la introducción de una tercera variable aclara la asociación inicial (a la falta
de ella) observada entre dos variables.
Tres variables pueden revelar alguna asociación entre las dos variables, aunque al inicio no
se haya observado ninguna. En este caso, la tercera variable revela una asociación oculta
entre las primeras dos variables: un efecto supresor.
Cuando el efecto se controla, la asociación oculta entre el deseo de viajar al extranjero y la
edad se revela en las categorías separadas de hombres y mujeres.
11. Analice las razones del uso frecuente de las tabulaciones cruzadas. ¿Cuáles son
algunas de sus limitaciones?
La tabulación cruzada se utiliza ampliamente en la investigación de mercados comercial, ya
que
1. el análisis y los resultados de una tabulación cruzada pueden interpretarse y
comprenderse fácilmente por parte de gerentes sin conocimientos de estadística;
2. la claridad de la interpretación ofrece un vínculo más fuerte entre los resultados de la
investigación y las acciones gerenciales;
3. una serie de tabulaciones cruzadas puede dar más información sobre un fenómeno
complejo, que un solo análisis multivariado;
4. la tabulación cruzada puede resolver el problema de celdas escasas, el cual sería grave en
los análisis multivariados discretos; y
5. el análisis de una tabulación cruzada es sencillo de hacer y atractivo para los
investigadores menos expertos
12. Presente una clasificación de procedimientos de prueba de hipótesis.
1. Formular la hipótesis nula H0 y la hipótesis alternativa H1.
2. Elegir una técnica estadística adecuada y su estadístico de prueba correspondiente.
3. Seleccionar el nivel de significancia.
4. Determinar el tamaño de la muestra y reunir los datos. Calcular el valor del estadístico de
prueba.
5. Determinar la probabilidad asociada con el estadístico de prueba con respecto a la
hipótesis nula, utilizando la distribución de la muestra del estadístico de prueba. Como
alternativa, determinar los valores críticos asociados con el estadístico de prueba, que
dividen las regiones de rechazo y no rechazo.
6. Comparar la probabilidad asociada con el estadístico de prueba, al nivel de significancia
especificado. Como alternativa, determinar si el estadístico de prueba cae en la región de
rechazo o de no rechazo.
7. Tomar la decisión estadística de rechazar o no rechazar la hipótesis nula.
8. Expresar la decisión estadística en términos del problema de investigación de mercados.
13. Describa el procedimiento general para realizar una prueba t.
La prueba paramétrica más popular es la prueba t, que se utiliza para examinar hipótesis
sobre medias. La prueba t se puede aplicar a la media de una muestra o de dos muestras de
observaciones. En el caso de dos muestras, éstas pueden ser independientes o pareadas.
Las pruebas paramétricas dan inferencias para hacer afirmaciones sobre las medias de
poblaciones originales. La prueba t generalmente se utiliza para este propósito, y se basa en
el estadístico t de Student.
1. Formular las hipótesis nula (H0) y alternativa (H1).
2. Elegir la fórmula apropiada para el estadístico t.
3. Elegir un nivel de significancia, , para poner a prueba H0. Generalmente se
selecciona un nivel de 0.05.13
4. Tomar una o dos muestras, y calcular la media y la desviación estándar de cada una.
5. Calcular el estadístico t asumiendo que H0 es verdadera.
 6. Calcular los grados de libertad y estimar la probabilidad de obtener un valor más
extremo del estadístico en la tabla 4 (de manera alternativa, calcular el valor crítico
del estadístico t).
7. Si la probabilidad calculada en el paso 6 es menor que el nivel de significancia
elegido en el paso 3, se rechaza H0. Si la probabilidad es mayor, no se rechaza H0.
(De manera alternativa, si el valor del estadístico t calculado en el paso 5 es mayor
que el valor crítico determinado en el paso 6, se rechaza H0. Si el valor calculado es
menor que el valor crítico, no se rechaza H0). El no rechazo de H0 no
necesariamente implica que H0 sea verdadera; únicamente significa que la
aseveración de verdad no difiere de manera significativa de la que se asume por
medio de H0.
8. Expresar la conclusión a la que se llegó por medio de la prueba t, en términos del
problema de investigación de mercados.

14. ¿Cuál es la principal diferencia entre las pruebas paramétricas y las no

paramétricas?
Las pruebas paramétricas son procedimientos de prueba de hipótesis que asumen que las
variables de interés se miden por lo menos a una escala de intervalo y las no paramétricas
son procedimientos de prueba de hipótesis que asumen que las variables se miden en una
escala nominal u ordinal.
15. ¿Cuáles pruebas no paramétricas son la contraparte de la prueba t para dos
muestras independientes en el caso de datos paramétricos?
Las pruebas no paramétricas basadas en observaciones obtenidas de una muestra abarcan la
prueba Kolmogorov-Smirnov, la prueba chi cuadrada, la prueba de rachas y la prueba
binomial. En el caso de dos muestras independientes, la prueba U de Mann-Whitney, la
prueba de la mediana y la prueba Kolmogorov-Smirnov de dos muestras se utilizan para
probar hipótesis sobre localización. Estas pruebas son las contrapartes no paramétricas de la
prueba t de dos grupos.
16. ¿Cuáles pruebas no paramétricas son la contraparte de la prueba t para muestras
pareadas en el caso de datos paramétricos?
Las pruebas no paramétricas para muestras pareadas incluyen la prueba de rangos con signo
de Wilcoxon para muestras pareadas y la prueba del signo. Estas pruebas son la contraparte
de la prueba t para muestras pareadas.