Universidad de Oriente

Núcleo Monagas

Vicerrectorado Académico

Coordinación de Postgrado

Maestría de Ingeniería en Gas

Ejercicios de los Casos de Estudios

1.2.3.4.5

Realizado por:

ING: Marlenys Caraguiche C.I: 19840396

Maturín, Agosto 202

Caso 1: Pruebas de Normalidad

1.) Con los datos correspondientes a la variable Trans de la encuesta Enctrans. sav y con
referencia a los encuestados que viven en Barcelona, se quiere comprobar si su distribución
en cuanto al tipo de transporte utilizado se adapta a los resultados de un estudio realizado
por el Ayuntamiento de Barcelona, que son los siguientes: el 40% de los desplazamientos al
trabajo se realizan en metro; el 30% en autobús; el 20% en transporte privado y 10% otros
medios.

Frecuencia Porcentaje Porcentaje valido Porcentaje acumulado

Valido 1 m 53 53 46.5 46.5
2 Bus 29 29 25.4 25.4
3 Tren 13 13 114 11.4
4 coches 11 11 9.6 9.6
5 Motos 3 3 2.6 2.6
7 otros 5 5 4.4 4.4
Total 114 114 100 100

TIPOS DE TRANSPORTE

En este caso para realizar el contraste de chi-cuadardo es necesario definir las cuatro
categorías contempladas en la hipótesis nula. Para ello, se crea una nueva variable, Trans2,
a partir de Trans con las siguientes categorías: Metro, Bus, Privado (que resultará de
agregar Coche y Moto) y Otros (que agrupará Tren y Otros).Una vez creada la nueva
variable, con la secuencia Analizar > Pruebas no paramétricas > Chi-cuadrado se llega al
cuadro de diálogo en donde se selecciona la variable Trans2 y se introduce en Valores
esperados las frecuencias relativas de cada categoría según la hipótesis nula correctamente
ordenadas: 0,4 para la categoría 1; 0,3 para la 2; 0,2 para la 3 y 0,10 para la 4. Al aceptar se
obtienen los siguientes resultados:

TRANS 2

N observado N esperado Residual

Metro 53 45.6 7.4
Bus 29 34.2 -5.2
 Privado 14 22.8 -8-8
Otros 18 11.4 6.6
Total 114

ESTADISICAS DE CONTRASTE
Trans 2
Chi-cuadrado 9.209
gl 3
Sig. Asintót. 027

a.) 0 casillas (0%) tienen frecuencias esperadas menores que cinco. La frecuencia de
casilla esperada minima es 11.4.
Como todas las categorías presentan frecuencia esperada mayor que 5 se puede aplicar
el contraste Chi-cuadrado sin modificar el número de categorías.

El valor del estadístico Chi-cuadrado permite rechazar la hipótesis nula para niveles de
significación superiores al 2,7%. Así pues, al 5% de significación se llega a la
conclusión de que la distribución del tipo de transporte que utilizan los alumnos no se
adapta a la publicada por el ayuntamiento.

EJERCICIO DEL CASO 5: PRUEBA DE STUDENT, NEWMAM Y

KEULS.

5.1) Ejecute esta prueba solo si ha rechazado la hipótesis nula en una prueba ANOVA,
lo que indica que las medias no son las mismas. De lo contrario, las medias son iguales,
por lo que no tiene sentido ejecutar esta prueba.
 La hipótesis nula de la prueba es que todas las medias son iguales: H 0 : μ i = μ j .
 La hipótesis alternativa es que las medias no son las mismas: H 0 : μ i ≠ μ j .
Esta prueba generalmente se calcula con software. Como la mayoría de las pruebas
estadísticas, encuentra un valor crítico y luego lo compara con una estadística de
prueba. Rechazar la hipótesis nula si el estadístico de la prueba de Scheff es mayor que el
valor crítico.
Los pasos que siguen son para calcular comparaciones simples por pares a mano para
cuatro muestras ABC y D. Necesitará datos estadísticos descriptivos (las medias de
la muestra ) más datos de ANOVA (como el error cuadrático medio ).
Muestra Medias para Muestras ABCD:
Muestra Medias para Muestras ABCD:
 A = 36,00,
 B = 34,50,
 C = 35,60,
 D = 36,21.
Datos de ANOVA (de la salida de ANOVA)
 Valor F = 3,24 (de la tabla f , con 3 grados de libertad en el numerador y 16 grados
de libertad en el denominador con un α de 0,05).
 Error cuadrático medio: 0,028.
Pasos

Paso 1: Calcular los valores absolutos de las diferencias por pares entre las medias de las
muestras. Tendrás que averiguar todas las combinaciones posibles . Para cuatro muestras,
hay 6 combinaciones posibles de dos: AB AC AD BC BD y CD.
Por ejemplo, para AB la diferencia absoluta (|AB|) es 36,00 – 34,50 = 1,50.

DIFERENCES BETWEEN MEANS (ABSOLUTE VALUES)

AB 1.50
AC 0.40
AB 0.21
BC 1.10
BD 1.71
CD 0.61

Use la siguiente fórmula para encontrar un conjunto de valores de la fórmula de Scheff (los
usará en el próximo paso): Donde:
  (k – 1) es el grado de libertad entre muestras. Para este conjunto de datos, eso es
3 (4 – 1 = 3).
 F, 1 * norte – kk –; α = el valor f (de ANOVA) . Para este conjunto de datos, el
valor f es 3,24.
 MSE = error cuadrático medio (de ANOVA) .
Una vez que haya encontrado el df y el MSE de su salida de ANOVA, solo necesita
cambiar los tamaños de muestra en la fórmula para cada comparación. (Los tamaños
de muestra son A = 5, B = 6, C = 4, D = 5).
Por ejemplo, comparando A y B obtenemos:
√(3 * 3,24 * 0,028 *( 1/5 + 1/6 )) = 0,32.
Y comparando A y C obtenemos:

√(3 * 3,24 * 0,028 *(1/5 + 1/4 )) = 0,35. Paso 3: Compare los valores del Paso 1 con los
valores del Paso 2 y encuentre cualquier valor que sea mayor que los valores de
Comparación. Los valores más grandes son estadísticamente significativos en el nivel
alfa elegido (en este caso, 0,05). Para este ejemplo, el único valor que no es

COMPARISON VALUES
AB 0.32
AC 0.35
AD 0.33
BD 0.34
BD 0.32
CD 0.35

significativo es AD, porque 0,21 es menor que 0,33.

DIFERENCES BETWEEN MEANS (ABSOLUTE VALUES)

AB 1.50
AC 0.40
AD 0.21
BC 1.10
BD 1.71
CD 0.61

COMPARACIÓN VALUES
AB 0.32
AC 0.35
AD 0.33
BC 0.34
CD 0,31