1 Formular la hipótesis Nula

Ho: µ = 3000piezas por hora

H1: µ < 3000 piezas por hora

2 Establecer el tamaño del nivel de significancia

α =0.05

3 Estadística apropiada
n mayor a 30 (48), desviación desconocida
ܺതെߤ
ܼൌ
‫ݏ‬Ȁ ݊
Para α =0.05 y prueba de una cola Izquierda Zα= -1,645

4 Regla de decisión

Si Z es menor que el Zα (-1.645) Se rechaza Ho

5 Calculo del estadístico de prueba

Datos
n= 48
Z= -9,44755 = 2970
S= 22
µo = 3000

6 Decisión tomada

En este caso Z=-9.45 es menor que -1.645 Se rechaza Ho, Lo acordado por el vendedor no es cierto
 1 Formular la hipótesis Nula
Ho: µ = 5 minutos por persona
H1: µ < 5 minutos por persona

2 Establecer el tamaño del nivel de significancia

α =0.04

3 Estadística apropiada
n menor a 30 (25), desviación desconocida GL= 24
ܺതെߤ
‫ݐ‬ൌ Alpha 0,04
‫ݏ‬Ȁ ݊
Para α =0.04 y prueba de una cola Izquierda y grados de libertad (25-1)=24; tα= -1,828

4 Regla de decisión

Si t es menor que el tα (-1.828) Se rechaza Ho

5 Calculo del estadístico de prueba

Datos
n= 25
t= -2,5 = 4,95
S= 0,1
µo = 5

6 Decisión tomada

En este caso t=-2.5 es menor que -1.828 Se rechaza Ho, No se está cumpliendo con lo acordado
el tiempo es menor de 5 min
 1 Formular la hipótesis Nula
Ho: µ = 230 compras efectuadas con tarjeta
H1: µ > 230 compras efectuadas con tarjeta

2 Establecer el tamaño del nivel de significancia

α =0.05

3 Estadística apropiada
n mayor a 30 (64), desviación desconocida
ܺതെߤ
ܼൌ
‫ݏ‬Ȁ ݊
Para α =0.05 y prueba de una cola derecha Zα= 1,645

4 Regla de decisión

Si Z es mayor que el Zα (1.645) Se rechaza Ho

5 Calculo del estadístico de prueba

Datos
n= 64
Z= 4,285714 = 245
S= 28
µo = 230

6 Decisión tomada

En este caso Z= 4.29 es MAYOR que 1.645 Se rechaza Ho, Si hay un aumento significativo
en el uso de las tarjetas para realizar compras
 1 Formular la hipótesis Nula
Ho: µ = 185 $ por persona en consumo
H1: µ < 185 $ por persona en consumo

2 Establecer el tamaño del nivel de significancia

α =0.01

3 Estadística apropiada
n mayor a 30 (50), desviación desconocida തെߤ
ܺ
‫ݖ‬ൌ
‫ݏ‬Ȁ ݊
Para α =0.01 y prueba de una cola Izquierda Zα= -2,326

4 Regla de decisión

Si Z es menor que el Zα (-2.326) Se rechaza Ho

5 Calculo del estadístico de prueba

Datos
n= 50
Z= -12,7279 = 140
S= 25
µo = 185

6 Decisión tomada

En este caso Z=-12.73 es menor que -2.326 Se rechaza Ho, La administración tiene razón los
comensales están consumiendo menos
 1 Formular la hipótesis Nula
Ho: µ = 470 envases para reciclar
H1: µ > 470 envases para reciclar

2 Establecer el tamaño del nivel de significancia

α =0.01

3 Estadística apropiada
n mayor a 30 (100), desviación desconocida തെߤ
ܺ
ܼൌ
‫ݏ‬Ȁ ݊

4 Regla de decisión

Si el valor de p es menor a 0.01 se rechaza Ho

5 Calculo del estadístico de prueba

Datos
n= 100
Z= 3,947368 = 485
S= 38
P-valor= 0,000040 µo = 470

6 Decisión tomada

En este caso el p valor (0.00004) es mucho menor que 0.01 Se rechaza Ho, la campaña ha sido
efectiva, porque ha aumentado la cantidad promedio de envases recibidos
 1 Formular la hipótesis Nula
Ho: µ = 20 horas de capacitación
H1: µ < 20 horas de capacitación

2 Establecer el tamaño del nivel de significancia

α =0.02

3 Estadística apropiada
n mayor a 30 (65), desviación desconocida
ܺതെߤ
‫ݖ‬ൌ
‫ݏ‬Ȁ ݊
Cola izquierda

4 Regla de decisión

Si el valor de p es menor a 0.02 se rechaza Ho

5 Calculo del estadístico de prueba

Datos
n= 65
Z= -2,303502214 = 18
S= 7
P-valor= 0,011 µo = 20

6 Decisión tomada

En este caso el p-valor(0.01) es menor que 0.02 Se rechaza Ho, no se está recibiendo la cantidad
de horas de capacitación constante estipulada, es menor a 20horas
Resumen

Estadísticas de la regresión
Gasto Publicidad Gráfico de los
Coeficiente de correlación múltiple 0,880217461 residuales
Coeficiente de determinación R^2 0,774782778 5000
R^2 ajustado 0,752261056

Residuos
Error típico 1290,013622 0
Observaciones 12 0 2 4 6 8 10 12 14
-5000
ANÁLISIS DE VARIANZA Gasto Publicidad
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 57248874,79 57248874,79 34,4015779 0,000158302
Residuos 10 16641351,46 1664135,146
Total 11 73890226,25

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 99.0% Superior 99.0% Gráfico de probabilidad normal
Intercepción 1307,286909 512,1210321 2,552691312 0,02873105 166,2101406 2448,36368 -315,7642829 2930,338101 10000

Volumen Ventas
Gasto Publicidad 2,005800672 0,341978333 5,86528583 0,0001583 1,243825461 2,76777588 0,921978086 3,089623258
5000

0
Análisis de los residuales Resultados de datos de probabilidad 0 20 40 60 80 100 120
Muestra percentil
Observación Pronóstico Volumen Ventas Residuos Residuos estándares Percentil Volumen Ventas
1 4155,523863 1633,476137 1,328051267 4,166666667 546
2 3212,797548 1108,202452 0,900992453 12,5 846
3 1768,621064 -812,6210637 -0,66067842 20,83333333 956
4 1479,785767 -933,7857669 -0,759187932 29,16666667 1289
5 6460,188836 1989,811164 1,617759316 37,5 1876
6 9121,886328 -2242,886328 -1,823514872 45,83333333 2200
7 1523,913382 -677,9133817 -0,551158174 54,16666667 3021
8 2021,351948 -732,3519484 -0,595417901 62,5 4258
9 2889,863639 131,1363606 0,106616684 70,83333333 4321
10 3224,832352 1033,167648 0,839987542 79,16666667 5789
11 2221,932016 -345,9320156 -0,281250176 87,5 6879
12 2350,303259 -150,3032586 -0,122199785 95,83333333 8450
1,81899E-12
PARTE (a) y (c )

1. Recta de regresión: 1307.28690908741 + 2.00580067209396*X PARTE b.

2. Listo
Gasto Publicidad Curva de regresión
3. Supuesto 2: Suma de residuos 1,81899E-12 PARTE d ajustada
10000
4. Prueba de hipótesis: Volumen Ventas

Volumen Ventas
8000
6000 Pronóstico
t-student: t_exp 5,86528583
Volumen Ventas
t_crítico 3,169272673 4000
Lineal (Volumen
Como t_exp>t_crítico entonces se rechaza la hipótesis nula. 2000 Ventas)
Con el p-valor: 0
Tenemos que el p-valor es p=0.000158 y es menor a 0,01 entonces se rechaza la hipótesis nula PARTE e 0 5 10 15
Gasto Publicidad
5. Estimación por intervalo
Lim_inf: beta_est-t*desv. 0,921978086 PARTE f
Lim_sup: beta_est+t*desv 3,089623258

6. Estimación al 99% para 4500 Estima E[y] Gasto Publicidad (x-media)^2

Media x 1028 1420 153664
SCxx 14229558 950 6084
Volumen esperado para $4500 10333,38993 PARTE g 230 636804
t_crítico 3,169272673 86 887364
Lim_inf: y_est-t*s*raiz(1/n+(x-media(x))^2/SCxx) 6389,618742 2569 2374681
Lim_sup: y_est+t*s*raiz(1/n+(x-media(x))^2/SCxx) 14277,16112 3896 8225424
Interpretación: 108 846400
Se estima que el volumen de ventas para 4500$ de gastos este entre 6389.62 $ y 14277.12 $ PARTE h 356 451584
789 57121
7. Pronóstico 956 5184
Lim_inf: y_est-t*s*raiz(1+1/n+(x-media(x))^2/SCxx) 4652,863021 456 327184
Lim_sup: y_est+t*s*raiz(1+1/n+(x-media(x))^2/SCxx) 16013,91685 520 258064
Se pronostica que el volumen de ventas para 4500 $ de gastos está entre 4652.83 $ y 16013.92 $ PARTE i

Estadísticas de la regresión PARTE j

Coeficiente de correlación múltiple 0,880217461
Coeficiente de determinación R^2 0,774782778

Conclusión
El gasto explica el 77.48% de la variación del volumen de ventas, es un buen indicador.

el coeficiente de correlación es de 0.88, nos indica que las variables guardan una relación de moderada a fuerte, por lo tanto el gasto en publicidad es un buen predictor para el volumen de ventas

La pendiente de la recta es de 2.006, indica que cuando hay un aumento de una unidad de del gasto de publicidad las ventas aumentan en 2.003

La relación entre las variables es directa si el gasto aumenta el volumen de venta también lo hace
Resumen

Estadísticas de la regresión
Sueldo Gráfico de los residuales
Coeficiente de correlación múltiple 0,964584689 50
Coeficiente de determinación R^2 0,930423621

R esiduos
R^2 ajustado 0,921726574
0
Error típico 26,16047887
0 2 4 6 8 10 12
Observaciones 10
-50
ANÁLISIS DE VARIANZA Sueldo
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 73215,03476 73215,03476 106,981552 6,59424E-06
Residuos 8 5474,965236 684,3706546 Gráfico de probabilidad normal
Total 9 78690
400
300

Ahorro
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 99.0% Superior 99.0%
200
Intercepción 10,80676464 17,8150914 0,606607308 0,56092718 -30,2749098 51,8884391 -48,96976735 70,58329662
100
Sueldo 0,270635548 0,026165582 10,34318868 6,59E-06 0,210297608 0,33097349 0,182839887 0,358431209
0
0 20 40 60 80 100
Muestra percentil

Análisis de los residuales Resultados de datos de probabilidad

Observación Pronóstico Ahorro Residuos Residuos estándares Percentil Ahorro

1 240,8469803 9,153019678 0,371103429 5 15
2 322,0376447 -22,03764468 -0,893502451 15 50
3 37,87031942 -22,87031942 -0,927262725 25 100
4 100,1164954 -0,116495433 -0,004723234 35 170
5 200,2516481 -0,251648143 -0,010202916 45 180
6 213,7834255 -33,78342554 -1,369727753 55 200
7 64,93387421 -14,93387421 -0,605484543 65 205
8 259,7914687 10,20853133 0,413898486 75 250
9 140,7118276 29,28817239 1,18747054 85 270
10 159,656316 45,34368404 1,838431167 95 300
1,13687E-13

PARTE (a) y (c )

1. Recta de regresión: 10.8067646382088 + 0.270635547863667*X PARTE b.

Sueldo Curva de regresión ajustada
2. Listo
PARTE d 350
3. Supuesto 2: Suma de residuos 1,13687E-13
300

4. Prueba de hipótesis: 250

Ahorro
200
Ahorro
t-student: t_exp 10,34318868 150
Pronóstico Ahorro
t_crítico 2,306004135 100
Como t_exp>t_crítico entonces se rechaza la hipótesis nula. Lineal (Ahorro)
50
Con el p-valor:
0
Tenemos que el p-valor es p=6.594E-06 y es menor a 0,05entonces se rechaza la hipótesis nula PARTE e 0 2 4 6 8 10 12
Sueldo
5. Estimación por intervalo 99% 3,355387331
Lim_inf: beta_est-t*desv. 0,182839887 PARTE f
Lim_sup: beta_est+t*desv 0,358431209

X= $150000 dólares Tipo de cambio 628

X= 9420 miles de colones

6. Estimación al 95% para un sueldo de 9420 Miles de colones Estima E[y] Sueldo (x-media)^2
Media x 603 850 61009
SCxx 999610 1150 299209
Ahorro esperado para 9420 miles de colones 2560,193626 PARTE g 100 253009
t_crítico 2,306004135 330 74529
Lim_inf: y_est-t*s*raiz(1/n+(x-media(x))^2/SCxx) 2027,852088 700 9409
Lim_sup: y_est+t*s*raiz(1/n+(x-media(x))^2/SCxx) 3092,535163 750 21609
Interpretación: 200 162409
Se estima que el ahorro al 95% de Conf. para 9420 Miles de Colones estará entre 2027.85 y 2803.60 Miles de colones PARTE h 920 100489
480 15129
7. Pronóstico 550 2809
Lim_inf: y_est-t*s*raiz(1+1/n+(x-media(x))^2/SCxx) 2024,444842
Lim_sup: y_est+t*s*raiz(1+1/n+(x-media(x))^2/SCxx) 3095,942409
Se pronóstica que el ahorro al 95% de Conf. para 9420 Miles de Colones estará entre 2024.44 y 3095.94 Miles de colones PARTE i

Estadísticas de la regresión PARTE j

Coeficiente de correlación múltiple 0,964584689
Coeficiente de determinación R^2 0,930423621

Conclusión
El sueldo en miles de colones explica el 93.04% de la variación del ahorro de los trabajadores, es un excelente indicador.

el coeficiente de correlación es de 0.96, nos indica que las variables guardan una relación muy fuerte, el sueldo es determinante en el ahorro de los trabajadores

La pendiente de la recta es de 0.2706, indica que cuando hay un aumento de una unidad del sueldo (miles de colones) el ahorro aumenta 0.2406 unidades

La relación entre las variables es directa, a mayor sueldo hay mayor ahorro por parte de los trabajadores