Universidad Nacional Mayor de San Marcos: Laboratorio de Estadística Industrial 2016

Laboratorio de Estadística Industrial 2016
“Año de la consolidación del Mar de Grau”
UNIVERSIDAD NACIONAL MAYOR

DE SAN MARCOS
E.A.P. INGENIERÍA INDUSTRIAL
Laboratorio de Estadística Industrial
 Profesor
Ing. Pérez Quispe, Víctor
 Integrantes
 Rondon Quispe, Mario Carlo

 Santillán Villegas, Carolina
 Solis Quipe, Jackeline Milagros
Ciudad Universitaria, 24 de noviembre del 2016
0
INDICE
Problemas desarrollados utilizando la Distribución Normal………………………………….
…………………… 2
Problemas de Distribución de Muestras Pequeñas (n<30)…………………………………..
…………...………11
Problemas de Regresión
Simple……………………………………………………………………………………………….20
Problemas de Regresión
Múltiple……………………………………………………………………………….……..…..31
Distribución de Bondad de Ajuste: Chi
Cuadrada........................................................................47
Prueba de Independencia
………………………………………………………………………………………………….……53
Problemas aplicando la Distribución de Poisson
………………………………………………………………..……57
Métodos no
Paramétricos……………………………………………………………………………………………….
………61
Prueba de Wilcoxon………………………………………………………….
…………………………………………….………74
1
Prueba de Mann-Whitney-
Wilcoxon…………………………………………………………………………………….….82
Prueba de Kruskal-Wallis…………………………………………….
………………………………………………………….88
Series de Tiempo…………………………………………………..
……………………………………………………………….94
Problemas aplicativos de Distribución Normal
Problema n°1:
Le han pedido que evalúe la respuesta de las empresas a una nueva obligación legal de
incrementar las prestaciones sanitarias que ofrecen a sus empleados. Tiene una muestra
aleatoria de 76 cambios porcentuales de las prestaciones sanitarias prometidas. La media
muestral de los cambios porcentuales es 0.078 y la desviación típica muestral es 0.201.
Halle e interprete el valor p de un contraste de la hipótesis nula de que la media
poblacional de los cambios porcentuales es 0 frente a la hipótesis alternativa bilateral.
Solución:
Z de una muestra
Prueba de mu = 0 vs. no = 0
La desviación estándar supuesta = 0.201
2
Error estándar de la
N Media media IC de 99% Z P
76 0.0780 0.0231 (0.0186, 0.1374) 3.38 0.001
p=0.1% <1% entonces se rechaza la hipótesis nula H0.
Problema n°2:
El director de producción de Rodamientos Niquelados, S.A., le ha pedido ayuda para
evaluar el proceso modificado de producción de rodamientos. Cuando el proceso funciona
correctamente, produce rodamientos cuyo peso sigue una distribución normal de media
poblacional 5 onzas y desviación típica poblacional 0.1 onzas. Se ha recurrido a un nuevo
proveedor de materia prima para un lote reciente de producción y el director quiere
saber si, como consecuencia del cambio, el peso medio de los rodamientos es menor. No
hay razón alguna para sospechar que el nuevo proveedor plantea problemas y el director
continuará recurriendo a él a menos que existan pruebas contundentes de que están
produciéndose rodamientos de menor peso que antes. En este problema obtenemos una
muestra aleatoria de n = 16 observaciones y la media muestral es 4.962. Tome la
decisión realizando una prueba de hipótesis por el método clásico y utilizando el valor p.
Haga la prueba con un nivel de significancia = 0.05.
Solución:
En este caso nos interesa saber si existen pruebas contundentes para concluir que están
produciéndose rodamientos de menor peso. Por lo tanto, contrastamos la hipótesis.
Frente a la hipótesis alternativa
Z de una muestra
3
Prueba de m = 5 vs. < 5

La desviación estándar supuesta = 0.1
Error Estándar Límite de la superior

N Media media 90% Z P
16 4.9620 0.0250 4.9940 -1.52 0.064
Al encontrar p=0.064>0.05 no se rechaza la hipótesis nula Ho.
4
Problema n°3:
En un estudio se extrajeron muestras aleatorias de empleados de restaurantes de comida

rápida en los que el empresario da formación. En una muestra de 67 empleados que no
habían terminado los estudios secundarios, 11 habían participado en un programa de
formación de la empresa. En una muestra aleatoria independiente de 113 empleados que
habían terminado los estudios secundarios, pero no habían ido a la universidad, habían
participado 27. Contraste al nivel del 1 por ciento la hipótesis nula de que las tasas de
participación de los dos grupos son iguales frente a la hipótesis alternativa de que la tasa
es mucho más baja en el caso de los que no habían terminado los estudios secundarios.
Solución
Prueba e IC para dos proporciones
Muestra X N Muestra p
1 11 67 0.164179
2 27 113 0.238938
Diferencia = p (1) - p (2)
Estimado de la diferencia: -0.0747589
Límite superior 99% de la diferencia: 0.0659300
Prueba para la diferencia = 0 vs. < 0: Z = -1.19 Valor P = 0.117
Valor P = 0.159
p=0.16% <1% entonces se rechaza hipótesis nula H0.
5
Problema n°4:
En un estudio se tomaron muestras aleatorias independientes de hombres y

mujeres clientes de Centro de Iniciativa Empresarial. Estos clientes estaban
considerando la posibilidad de montar una empresa. De 94 hombres clientes, 53
montaron de hecho una empresa, al igual que 47 de 68 mujeres clientes. Halle e
interprete el valor p de un contraste de la igualdad de las proporciones
poblacionales frente a la hipótesis alternativa de que la proporción de mujeres
clientes que montaron realmente una empresa es mayor que la de hombres.
Solución:
Prueba e IC para dos proporciones
Muestra X N P
1 53 94 0.563830
2 47 68 0.691176
Diferencia = p (1) - p (2)
Estimado de la diferencia: -0.127347
Límite superior 99% de la diferencia: 0.0491375
Prueba para la diferencia = 0 vs. < 0: Z = -1.65 Valor P = 0.050
Prueba exacta de Fisher: Valor P = 0.069
Interpretación: p=5% >1% entonces NO se rechaza hipótesis nula H0.
6
Problema n° 5:
El precio de venta promedio nacional para casas unifamiliares es de 181900 dólares. Para
una muestra de ventas de 40 casa unifamiliares nuevas en el sur se observó una media
muestral de 166400 dólares y una desviación estándar de 33500 dólares.
a) Formule las hipótesis nula y alternativa que servirán para determinar si los datos
de la muestra sustentan la conclusión de que el precio de ventas promedio
poblacional para las casas unifamiliares nuevas en el sur es menor que la media
nacional de 181900 dólares.
b) ¿Cuál es el valor del estadístico de prueba?
c) ¿Cuál es el valor de p?
d) Con α = 0.01, ¿Cuál es su conclusión?
Solución:
a)
b)
Z de una muestra
Prueba de mu = 181900 vs. < 181900

La desviación estándar supuesta = 33500
Error
Estándar Límite
De la superior
N Media media 99% Z P
40 166400 5297 178722 -2.93 0.002
7
Problema n°6:
Investigación de Mercados, S.A., basa sus tarifas en la hipótesis de que las

preguntas de una encuesta telefónica se pueden contestar en un tiempo medio de
15 minutos o menos. Si es necesario un mayor tiempo de encuesta, se aplica una
tarifa adicional. Suponga que en una muestra de 35 conferencias se obtiene una
media de 17 minutos y una desviación estándar de 4 minutos. ¿Se justifica la tarifa
adicional?
a. Formule la hipótesis nula y alternativa para esta aplicación.

b. Calcule el valor del estadístico de prueba
c. ¿Cuál es el valor p?
d. Con = 0.01, ¿cuál es su conclusión?
Solución:
Z de una muestra
Prueba de mu = 15 vs. > 15

La desviación estándar supuesta = 4
N Error Media 99% Z P

Estándar de Límite
la Media Inferior
35 17.000 0.676 15.427 2.96 0.002
8
Problema n°7:
El expendio de pollos a la brasa de RikoPollo S.A asegura que 90% de sus órdenes se
entregan en menos de 10 minutos. En una muestra de 100 órdenes, 82 se entregaron
dentro de ese lapso. ¿Puede concluirse, en el nivel de significancia 0.1, que menos de
90% de las órdenes se entregan en menos de 10 minutos?
Solución:
H0:
H1:
Prueba e IC para una proporción
Prueba de p = 0.9 vs. p < 0.9
Límite
Muestra X N Muestra p superior 99% Valor Z Valor P
1 82 100 0.820000 0.909375 -2.67 0.004
Uso de la aproximación normal.
Problema n° 8:
9
El consejo de seguridad nacional de un país encuentra que 52% de los conductores en las
autopistas son hombres. Ayer se encontró en una muestra de 300 autos que viajaban por
una determinada autopista, que 170 de los conductores eran hombres.
¿Puede concluirse, en el nivel de significancia 0.01, que en esta autopista conducían más
hombres que los que indican las estadísticas nacionales?
Solución:
H0:
H1:
Prueba e IC para una proporción
Prueba de p = 0.52 vs. p > 0.52
99% Límite
Muestra X N Muestra p inferior Valor Z Valor P
1 170 300 0.566667 0.500110 1.62 0.053
p=5.3% >1% entonces NO se rechaza hipótesis nula H0.
Problema n°9:
10
Una encuesta nacional reciente, revela que el costo por el gas de cocina promedio en la
Ciudad de Lima para el día de mañana será de 35.00 soles. Al día siguiente se realiza una
muestra aleatoria por todos los departamentos del país no incluyendo a Lima de 40
observaciones donde se encontró una media muestra de 36.05 y una desviación estándar
muestral 1.2 soles. El nivel de significancia de α=0,05. ¿El precio del gas de cocina es
igual en todo el país?
Solució
Según datos del problema:
HO µ = 35.00
H1 µ ≠ 35.00
HO µ = 35.00 porque lo que se trata de saber es que el precio del gas para cocina
sea igual en todo el territorio nacional.
Nivel de confianza de la prueba es α=0,05. Buscando en la tabla distribución normal
estándar se obtiene como punto crítico PC= +1,96 o -1,96. (Dos colas)
Debido a que la muestra tiene 40 observaciones se puede trabajar como una
distribución normal.
Aplicando el paquete minita
Error
Estándar
De la
N Media IC de 95% Z P
40 35,500 0,190 (35,128; 35,872) 2,64 0,008
Con lo cual podemos concluir que la empresa el valor de P es 0.008 y el nivel de

significancia de la prueba es 0.025
P <α
Se rechaza la HO
La empresa de la encuesta revela que en todos los departamentos del Perú no es

igual el mismo precio para la compra de gas.
11
Problemas aplicativos de Distribución de Muestras Pequeñas
Probleman°1:
Los registros de la empresa Yellows indican que la duración media de un juego de bujías
es 22 100 millas. La distribución de los tiempos de vida útil de las bujías es
aproximadamente normal.
Un fabricante de bujías afirma que sus bujías tienen una duración media superior a 22
100 millas. El dueño de los camiones compra muchos de estos juegos. En una muestra de
18 juegos el tiempo medio de vida útil fu 23400 millas y la desviación estándar 1 500
millas ¿hay suficientes evidencias, con el nivel de significancia 0.05, que apoyen la
afirmación?
Solución:
Ho: mu<=22100
H1: mu >22100
T de una muestra
Prueba de mu = 22100 vs. > 22100
Error
estándar
de la 95% Límite
N Media Desv.Est. media inferior T P
18 23400 1500 354 22785 3.68 0.001
Interpretación:
Al encontrar un p de 0.1% <5% se rechaza Ho Con lo que la vida media de las bujías es
mayor a 22 100 millas.
12
Problema n°2:
Un criador de pollos sabe por experiencia que el peso de los pollos de cinco meses es
4.35 libras. Los pesos siguen una distribución normal .para tratar de aumentar el peso de
dichas aves se le agrega un aditivo al alimento .en una muestra de pollos de cinco meses
se obtuvieron los siguientes pesos (en libras).
4.41 4.37 4.33 4.35 4.30 4.39 4.36 4.38 4.40 4.39
En el nivel 0.01 ¿el aditivo ha aumentado el peso de los pollos?
Ho: mu<=4.35
H1: mu >4.35
Prueba de mu = 4.35 vs. > 4.35
Error
Estándar
de la 99% Límite
Variable N Media Desv.Est. media inferior T P
A 10 4.3680 0.0339 0.0107 4.3377 1.68 0.064
Como p=6.4%>1% se acepta la hipótesis nula Ho. El aditivo no ha aumentado el peso de

los pollos.
Problema n°3:
13
Una muestra de las calificaciones en un examen presentado en un curso de estadística

es:
Hombres 72 69 98 66 85 76 79 80 77
Mujeres 81 67 90 78 81 80 76
A nivel de significancia de 0.01.¿la calificación media de las mujeres es mas alta

que la calificación media de los hombres?
Solución:
Ho: mu2<=mu1
H1: mu2>mu1
Prueba T e IC de dos muestras: mujeres, hombres
N Media Desviación Media

Estándar
Mujeres 7 79 6.88 2.6
Hombres 9 78 9.49 3.2
T de dos muestras para mujeres vs. Hombres
Diferencia = mu (mujeres) - mu (hombres)
Estimado de la diferencia: 1.00
Límite inferior 99% de la diferencia: -10.20
Prueba T de diferencia = 0 (vs. >): Valor T = 0.23 Valor P = 0.409 GL = 14
Ambos utilizan Desviación Estándar agrupada = 8.4684
Como p=40.9%>1% se acepta Ho. La calificación media de las mujeres no es más

alta que la de los varones.
Problema n°4:
14
Lisa Monnin es directora de presupuesto en la empresa new process , desea comparar los
gastos diarios de transportes del equipo de ventas y del personal de cobranzas recopilo
la siguiente información muestral (en dólares).
VENTAS 131 135 146 165 136 142
COBRANZAS 130 102 129 143 149 120 139
Al nivel de significancia de 0.10. ¿Puede concluirse que los gastos medios diarios
del equipo de ventas son mayores?
Ho: muv<=muc
H1: muv>muc
Prueba T e IC de dos muestras: VENTAS, COBRANZA
T de dos muestras para VENTAS vs. COBRANZA
Error
estándar
de la
N Media Desv.Est. media
VENTAS 6 142.5 12.2 5.0
COBRANZA 7 130.3 15.8 6.0
Diferencia = mu (ventas) - mu (cobranza)
Estimado de la diferencia: 12.21
Límite inferior 90% de la diferencia: 1.38
Prueba T de diferencia = 0 (vs. >): Valor T = 1.54 Valor P = 0.076 GL = 11
Ambos utilizan Desv. Est. Agrupada = 14.2858Con un p=7.6%<10% se rechaza

Ho. Con lo que se concluye que los gastos medios del equipo de ventas son
mayores a los de cobranzas
Problema n°5:
15
Recuerde que la empresa Nikel Saving desea comparar las dos agencias que
utiliza para realizar avalúos de casas. Para esto selecciono una muestra de 10
propiedades residenciales y programó un avaluó por cada agencia. los resultados,
reportados en miles de dólares, son:
Casa Bowyer Schadek
1 135 128
2 110 105
3 131 119
4 142 140
5 105 98
6 130 123
7 131 127
8 110 115
9 125 122
10 149 145
16
Al nivel de significancia de 0.05. ¿Puede concluirse que hay una diferencia en los
avalúos medios de las casas?
Ho: mu=0
H1: mu<>0
IC y Prueba T pareada: Schadek, Bowyer
T pareada para Schadek - Bowyer
Error
estándar
de la
N Media Desv.Est. media
Schadek 10 127.80 15.89 5.03
Bowyer 10 122.20 14.29 4.52
Diferencia 10 5.60 4.86 1.54
IC de 95% para la diferencia media:: (2.12, 9.08)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 3.65 Valor P = 0.005
17
Problema n°6:
Lammers Limo ofrece servicio de limusinas desde el edificio del ayuntamiento de la

ciudad de Toledo, Ohio, hasta el aeropuerto Metro, en Detroit. El presidente de la
compañía ,San Lammers, está considerando dos rutas,una via es la ruta US25 y la otra
es vía la autopista I75 .Desea estudiar el tiempo necesario para llegar al aeropuerto por
cada uno de estos caminos y después comparar (en minutos ). Utilizando el nivel de
significancia de 0.10¿existe alguna diferencia en la variación de los tiempos de recorrido
por ambas rutas?
Ruta US25 Interestatal 75
52 59
67 60
56 61
45 51
70 56
54 63
64 57
65
Ho: varianza1=varianza2
H1: varianaza1<>varianza2
Prueba e IC para dos varianzas: us, i
Método
Hipótesis nula Sigma(us) / Sigma(i) = 1
Hipótesis alterna Sigma(us) / Sigma(i) not = 1
Nivel de significancia Alfa = 0.1
18
Variable N Desv.Est. Varianza
US 7 8.995 80.905
I75 8 4.375 19.143
Relación de deviaciones estándar = 2.056
Relación de varianzas = 4.226
Intervalos de confianza de 90%
IC para IC para
Distribución relación de relación de
de los datos Desv.Est. varianza
Normal (1.046, 4.217) (1.093, 17.779)
Continuo (1.037, 5.381) (1.075, 28.950)
Pruebas
Método GL1 GL2 de prueba Valor P
Prueba F (normal) 6 7 4.23 0.081
Prueba de Levene (cualquiera continua) 1 13 3.40 0.088
Problemas Aplicativos de Regresión Simple
19
Problema n°1:
Se llevó a cabo un estudio en el Instituto Politécnico y Universidad Estatal de Virginia

para determinar si ciertas medidas de resistencia estática del brazo (Kg.) tienen alguna
influencia en las características de "elevación dinámica (milímetros)" de un individuo. Se
sometieron a pruebas de resistencia a 10 individuos y después se les pidió realizar una
prueba de levantamiento de pesas en la que el peso se debía levantar en forma dinámica
por arriba de la cabeza.
Los datos son los siguientes:
Individuo Resistencia del Levantamiento

brazo dinámico
1 17.3 71.7
2 19.3 48.3
3 29.6 78.3
4 29.6 60.0
5 19.5 88.3
6 29.9 71.7
7 19.7 75.0
8 30.3 85.0
9 22.9 91.7
10 31.3 85.0
20
Graficas de puntos:
21
Gráfica de dispersión de levantamiento di vs. Resistencia del
90
amico
80
ientodin
70
levantam
60
50
16 18 20 22 24 26 28 30 32
Resistencia del brazo
Gráfica de dispersión de levantamiento di vs. Resistencia del
90
amico
80
ientodin
70
levantam
60
50
16 18 20 22 24 26 28 30 32
Gráfica de línea ajustada

levantamiento dinamico = 65,50 + 0,4009 Resistencia del brazo
120 Regresión
I C de 95%
110 I P de 95%
ico
100 S 14,0422
R-cuad. 2,9%
ientodinam
90 R-cuad.(ajustado) 0,0%
80
70
levantam
60
50
40
30
16 18 20 22 24 26 28 30 32
22
Al encontrar un r2 de 2.9% no se ajusta a una regresión lineal
Análisis de regresión: levantamiento dinámico vs. Resistencia del brazo

La ecuación de regresión es
Levantamiento dinámico = 65,5 + 0,401 Resistencia del brazo
Predictor Coef SE Coef T P
Constante 65,50 21,09 3,11 0,015
Resistencia del brazo 0,4009 0,8266 0,48 0,641
S = 14,0422 R-cuad. = 2,9% R-cuad.(ajustado) = 0,0%
Análisis de varianza
Fuente GL SC CM F P
Regresión 1 46,4 46,4 0,24 0,641
Error residual 8 1577,5 197,2
Total 9 1623,8
Valores pronosticados para nuevas observaciones
EE de
Nueva obs Ajuste ajuste IC de 95% IP de 95%
1 77,53 6,10 (63,46. 91,60) (42,22. 112,83)
Valores de predictores para nuevas observaciones
Resistencia
Nueva obs del brazo
1 30,0
23
Problema n°2:
El siguiente conjunto de datos era tomado sobre grupos de trabajadoras de Inglaterra y

Galés en el período de 1970-72. Cada grupo está formado por trabajadores de la misma
profesión (médicos, trabajadores textiles, decoradores,...etc.,) y en cada uno de los
veinticinco grupos muestreados se han observado dos variables: el índice estandarizado
de consumo de cigarrillos y el índice de muertes por cáncer de pulmón. (Occupational
mortality: the registar general.s decennial supplement for England andWales, 1970-72,
series Ds, n.1, London: HMSO, 149).
24
Estudiar la regresión lineal del índice de mortalidad frente al índice de fumadores.
Gráfica de dispersión de MUERTES POR CANC vs. CONSUMO DE CI GAR
150
MUERTESPORCANCERDEPULMON
125
100
75
50
60 70 80 90 100 110 120 130 140
CONSUMO DE CIGARRILLOS
25
Gráfica de dispersión de MUERTES POR CANC vs. CONSUMO DE CI GAR
150
MUERTESPOR CANCER DEPULMON
125
100
75
50
60 70 80 90 100 110 120 130 140

MUERTES POR CANCER DE PULMON = - 2,89 + 1,088 CONSUMO DE CIGARRILLOS
200 Regresión
I C de 95%
MUERTES POR CANCER DE PULMON
I P de 95%
S 18,6154
150 R-cuad. 51,3%
R-cuad.(ajustado) 49,2%
100
50
Análisis de regresión:
60 70 80 90 100 110 120 130 140
MUERTES POR CANC vs. CONSUMO DE CIGAR
MUERTES POR CANCER DE PULMON = - 2,9 + 1,09 CONSUMO DE CIGARRILLOS
Constante -2,89 23,03 -0,13 0,901
CONSUMO DE CIGARRILLOS 1,0875 0,2209 4,92 0,000
No es conveniente un ajuste lineal al encontrar un R2 de 51.3%
26
*AJUSTE: Para un valor x=120
EE de
1 127,62 5,31 (116,64. 138,60) (87,58. 167,66)
CONSUMO DE
Nueva obs CIGARRILLOS
1 120
Problema n°3:
27
En 34 lotes de 120 libras de cacahuetes se observó el nivel medio de aáatoxin

(partes por billón) (X) y el porcentaje de cacahuetes no contaminados (Y):
Analizar estos datos e investigar la relación entre estas dos variables para predecir
Y en función de X. ¿Es adecuado el ajuste lineal?
Gráfica de dispersión de Y vs. X

100,0
99,9
Y
99,8
99,7
99,6
0 20 40 60 80 100 120
X
28
Gráfica de dispersión de Y vs. X

100,0
99,9
99,8
Y
99,7
99,6
0 20 40 60 80 100 120
X

Y = 100,0 - 0,002904 X
100,1 Regresión
I C de 95%
I P de 95%
100,0 S 0,0393282
R-cuad. 82,9%
R-cuad.(ajustado) 82,3%
99,9
Y
99,8
99,7
99,6
0 20 40 60 80 100 120
X
Al encontrar un R-cuad=82.9% resulta conveniente trazar un ajuste lineal
29
Y = 100 - 0,00290 X
Constante 100,002 0,011 9184,91 0,000
X -0,0029035 0,0002335 -12,43 0,000
Fuente Ajuste a un x=100

GL SC CM F P
Observaciones poco comunes
Regresión 1 0,23915 0,23915 154,62 0,000
EE de Residuo
Error residual 32 0,04949 0,00155
Obs X Y Ajuste ajuste Residuo estándar
Total 33 0,28864
28 111 99,6580 99,6792 0,0187 -0,0212 -0,61 X
X denota una observación cuyo valor X le concede gran apalancamiento.
EE de
1 99,7117 0,0163 (99,6786. 99,7449) (99,6251. 99,7984)
Nueva obs X
1 100
Problemas Aplicativos de Regresión Múltiple
30
Problema n°1:
En la Facultad de Ingeniería de Sistemas y Computo de la Universidad "Inca Garcilaso de

la Vega" se quiere entender los factores de aprendizaje de los alumnos que cursan la
asignatura de PHP, para lo cual se escoge al azar una muestra de 15 alumnos y ellos
registran notas promedios en las asignaturas de Algoritmos, Base de Datos y
Programación como se muestran en el siguiente cuadro.
Alumn PHP Algoritmos Base de Programación

o Datos
1 13 15 15 13
2 13 14 13 12
3 13 16 13 14
4 15 20 14 16
5 16 18 18 17
6 15 16 17 15
7 12 13 15 11
8 13 16 14 15
9 13 15 14 13
10 13 14 13 10
11 11 12 12 10
12 14 16 11 14
13 15 17 16 15
14 15 19 14 16
15 15 13 15 10
Lo que buscamos es construir un modelo para determinar la dependencia que

exista de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las
notas de las asignaturas Algoritmos, Programación.
Determine la ecuación de regresión.
Calcule e interprete.
Estimar la nota del curso de PHP si se sabe que en Algoritmos tiene 15 , Base de
Datos 16 y Programación 17.
Solución:
31
Coeficiente de determinación: es 0.697, entonces el 69.70% del aprendizaje del Curso de

PHP puede ser explicado mediante las notas obtenidas por las asignaturas de Algoritmos,
Base de Datos y Programación.
32
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de

P=0.003 es menor a 0.05 por lo tanto rechazamos la hipótesis nula y concluimos que al
menos un coeficiente de regresión no es 0.
Podemos observar que hay una buena relación de linealidad entre las variables
dependientes con la dependiente.
33
34
35
Probema n°2:
Montgomery y Peck (1982) describen el empleo de un modelo de regresión para

relacionar la cantidad de tiempo requerido por un vendedor de ruta (chofer) para
abastecer una maquina vendedora de refrescos con el número de latas que incluye la
misma, y la distancia del vehículo de servicio a la ubicación de la máquina. Este modelo
se empleó para el diseño de la ruta, el programa y el despacho de vehículos. La tabla
presenta 25 observaciones respecto al tiempo de entrega tomadas del mismo estudio
descrito por Montgomery y Peck.
Numero de Tiempo Numero Distancias(pie
36
observacione de de latas s)
s entrega
(min.)
1 9.95 2 50
2 24.45 8 110
3 31.75 11 120
4 35.00 10 550
5 25.02 8 295
6 16.8 4 200
7 14.38 2 375
8 9.60 2 52
9 24.35 9 100
10 27.50 8 300
11 17.08 4 412
12 37.00 11 400
13 41.95 12 500
14 11.66 2 360
15 21.65 4 205
16 17.89 4 400
17 69.00 20 600
18 10.30 1 585
19 34.93 10 540
20 46.59 15 250
21 44.88 15 290
22 54.12 16 510
23 56.63 17 590
24 22.13 6 100
25 21.15 5 400
Determine la ecuación de regresión. Calcule e interprete.
Estimar el tiempo de entrega si se sabe que el número de latas es 20 y la distancia del

vehículo es 110.
37
Solución:
38
Coeficiente de determinación: es 0.981, entonces el 98.1% del tiempo de un vendedor

para abastecer una maquina vendedora puede ser explicado mediante el número de latas
y la distancia del camión.
Si se selecciona un nivel de significancia de 0.05, podemos observar que, el valor de

P=0.000 es menor a 0.05 por lo tanto rechazamos la hipótesis nula y concluimos que al
menos un coeficiente de regresión no es 0.
Observamos un relación lineal entre la variable dependiente Nro. De latas con respecto
al T.de entrega (Variable independiente), y en menor grado de linealidad Distancia Vs
Tiempo de entrega.
39
Contribución de la variable X1 sabiendo que X2 está incluida
40
SSR(X1 / X2) = SSR(X1 y X2) – SSR(X2)
=5992.4-5887.3=105.1
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,20.23>4.3
Entonces la variable X1(nro de latas), si contribuye significativamente a la ecuación de

regresión
Contribución de la variable X2 sabiendo que X1 está incluida
SSR(X2 / X1) =SSR(X1 y X2) – SSR(X1)
=5992.4-1483.9=4508.5
Para un nivel de significancia de 0.05 con 1 y 22 gl F=4.3 ,867.019>4.3
Entonces la variable X2(distancia), si contribuye significativamente a la ecuación de

regresión, y podríamos concluir que es más importante que la varia X1.
41
42
Problemas Aplicativos de Chi Cuadrada
Distribución de Bondad de Ajuste: Chi Cuadrada

Problema n°1:
Probar la hipótesis siguiente usando la prueba de bondad de ajuste X2.
H0: pA=0.40, pB=0.40 y pc=0.20
H1: pA≠0.40, pB≠0.40 y pc≠0.20
En una muestra de 200 elementos se tiene que 60 pertenecen a la categoría A, 120 a la

categoría B y 20 a la categoría C.
Use α=0.01 y pruebe si las proporciones son las afirmadas en H0.
Solución:
Calculamos las frecuencias esperadas con n=200:
Categoría A = 0.40(200) = 80
Categoría B = 0.40(200) = 80
Categoría C = 0.20(200) = 40
Calculamos el estadístico de prueba chi-cuadrada (X2):
Categoría Número Número f - ei (f - (f -

s observados(f esperados(e ei)2 ei)2/ ei
) i)
A 60 80 -20 400 5
B 120 80 40 1600 20
C 20 40 -20 400 1
0
TOTAL X2=35
43
Para k-1=3-1=2 grados de libertad, con X2=35. Mediante tabla el valor-p es menor a
0.005. Entonces el valor-p≤ α=0.01, por tanto, se rechaza H0.
44
Mediante el Minitab con X2 =35, se calcula el valor-p que se aproxima a 0. Por tanto el
valor-p≤0.01. Entonces se comprueba el rechazo de la hipótesis nula, concluyendo que
no tienen la misma proporción en las poblaciones.
Durante las primeras 13 semanas, se registraron las proporciones siguientes de

televidentes los sábados de 8 a 9 de la noche: ABC 29%, CBS 28%, NBC 25% e
independientes 18%. Dos semanas después en una muestra de 300 hogares se obtuvieron
las audiencias siguientes en sábados por la noche: ABC 95 hogares, CBS 70 hogares,
NBC 89 hogares e independientes 46 hogares. Use α=0.05 para determinar si han
variado las proporciones en la audiencia de televidentes.
Solución:
H0: pA=0.29, pB=0.28, pc=0.25 y pD=0.18
H1: pA≠0.29, pB≠0.28 y pc≠0.25 y pD≠0.18
Nivel de significancia α=0.05.
ABC = 0.29(300) = 87
CBS = 0.28(300) = 84
NBC = 0.25(300) = 75
Independiente = 0.18(300) = 54
TELEVISORA Número Número f - ei (f - (f - ei)2/

S observados(f esperados(e ei)2 ei
) i)
45
ABC 95 87 8 64 0.7356
CBC 70 84 16 2.3333
-14
NBC 89 75 1 2.6133
4 196
Independient 46 54 -8 64 1.1852
e
TOTAL X2=6.86
74
Para k-1=4-1=3 grados de libertad, con X2=6.8674. Mediante tabla el valor-p esta entre
0.10 y 0.05. Entonces el valor-p≥ α=0.05, por tanto, no se rechaza H0.
Mediante el Minitab con X2 =6.86748, se calcula el valor-p =0.0762436. Por tanto el

valor-p≥ α=0.05. Entonces se comprueba el no rechazo de la hipótesis nula, concluyendo
que tienen la misma proporción en las poblaciones.
M&M/Mars, fabricantes de los chocolates M&M, realizaron un sondeo nacional en el que

más de 10 millones de personas dieron su preferencia para un nuevo color. El resultado
de este sondeo fue el reemplazo de un color café claro por uno azul. En el prospecto
“Colors” de M&M/Mars, la distribución de los colores de estos chocolates es el siguiente:
café amarillo rojo anaranjad verde azul
46
30% 20% 20% 10% 10% 10%
En un estudio anterior se emplearon como muestra bolsas de 1 libra para determinar si

los porcentajes dados eran reales. En la muestra de 506 dulces los resultados
encontrados fueron los siguientes:
café amarillo rojo anaranjad verde azul

o
17 13 79 41 36 38
7 5
Use α=0.05 para determinar si estos datos coinciden con los datos por la empresa.
Solución:
H0: pA=0.30, pB=0.20, pc=0.20, pD=0.10, pE=0.10 y pf=0.10
H1: pA≠0.30, pB≠0.20, pc≠0.20, pD≠0.10, pE≠0.10 y pf≠0.10
Café = 0.30(506) = 151.8
Amarillo = 0.20(506) = 101.2
Rojo = 0.20(506) = 101.2
Anaranjado = 0.10(506) = 50.6
Verde = 0.10(506) = 50.6
Azul = 0.10(506) = 50.6
47
Colores de Númer Número f - ei (f - ei)2 (f -

chocolates o esperados(e ei)2/ ei
observados(f i)
)
Café 177 151.8 25.20 635.04 4.1834
Amarillo 135 101.2 33.80 1142.44 11.2889
Rojo 79 101.2 -22.20 492.84 4.8700
Anaranjad 41 50.6 -9.6 92.16 1.8213

o
Verde 36 50.6 -14.6 213.16 4.2126
Azul 38 50.6 -12.6 158.76 3.1375
TOTAL X2=29.5
1
Para k-1=5-1=4 grados de libertad, con X2=29.51. Mediante tabla el valor-p es

menor que 0.005. Entonces el valor-p≤ α=0.05, por tanto, se rechaza H0.
Mediante el Minitab con X2 =29.5138, se calcula el valor-p =0.0000061. Por tanto el

valor-p≤ α=0.05. Entonces se comprueba el rechazo de la hipótesis nula, concluyendo
que no tienen la misma proporción en las poblaciones.
48
Problemas Aplicativos de Prueba de Independencia
La siguiente tabla de contingencia 2x3 contiene las frecuencias observadas de una

muestra de tamaño de 200. Pruebe la independencia de las variables de renglón y de la
columna usando la prueba X2 con α=0.05.
Vari Variable de Columna

able de
A B C
Renglones
P 20 44 50
Q 30 26 30
Solución:
H0: Las variables de renglón son independientes a las variables columna.
H1: Las variables de renglón no son independientes a las variables columna.
Tabla de contingencia:
Variable de Variable de Columna

Renglones
A B C TOTA
L
P 20 44 50 114
Q 30 26 30 86
TOTAL 50 70 80 200
Hallando las frecuencias esperadas de cada celda:
49
eij=
e11= =28.5 e12= =39.9 e13= =45.6
e21= =21.5 e22= =30.1 e23= =34.4
Tabla de números observados y esperados:
Rengló Columna Número Número fi - ei (fi (fi -

n observados(fi) esperados( -ei)2 ei)2/ei
ei)
P A 20 28.5 -8.5 72.25 2.5351
P B 44 39.9 4.1 16.81 0.4213
P C 50 45.6 4.4 19.36 0.4246
Q A 30 21.5 8.5 72.25 3.3605
Q B 26 30.1 -4.1 16.81 0.5585
Q A 30 34.4 -4.4 19.36 0.5628
TOTAL X2=7.862
8
Para (2-1) x (3-1) = 2 grados de libertad y mediante tabla para X2=7.8628, se calcula el
valor-p que esta entre 0.025 y 0.01. Por tanto el valor-p≤ α=0.05. Entonces se rechaza la
hipótesis nula.
50
Mediante el Minitab con X2 =7.863, se calcula el valor-p = 0.020. Por tanto el valor-p≤
α=0.05. Entonces se comprueba el rechazo de la hipótesis nula, concluyendo que no hay
independencia entre variable renglón y variable columna.
Una de las preguntas a los suscriptores de Bussiness Week fue, “En sus viajes de
negocios de los último 12 meses, ¿Qué tipo de boleto ha comprado?” Los datos obtenidos
se presentan en la tabla de contingencia siguiente.
Tipo de Boleto Tipo de Vuelo
Vuelo Vuelo
Nacional Internacional
Primera Clase 29 22
Clase 95 121
negocio/ejecutiva
Vuelo 518 135

tradicional/ clase
económica
Solución:
H0: Los tipo de boleto son independientes con los tipos de vuelo.
H1: Los tipo de boleto son no independientes con los tipos de vuelo.
Tabla de contingencia:
Tipo Tipo de Vuelo

de Boleto
V. Nacional V. TOTAL
Internacional
51
Primera 20 44 64
clase
Clase 30 26 56
negocio
Vuelo 518 135 653

tradicional
TOTAL 568 205 773
Hallando las frecuencias esperadas de cada celda:
eij=
e11= =28.5 e12= =39.9 e21= =45.6
e22= =21.5 e31= =30.1 e32= =34.4
Tabla de números observados y esperados:
Tipo de Tipo de Número Número f- (f (f -

boleto vuelo observados(f esperados(e ei ei)2 ei)2/ei
) i)
Primera Nacional 20 47.03 27.0 730.6 15.535

3 2
Primera Internacion 44 16.97 27.0 730.6 43.054
52
al 3 2
Negocio Nacional 30 41.15 - 124.3 3.0212

11.1 2
5
Negocio Internacion 26 14.85 11.1 124.3 8.3719

al 5 2
Tradiciona Nacional 518 479.82 38.1 1457. 3.0380

l 8 7
Tradiciona Internacion 135 173.18 38.1 1457. 8.4173

l al 8 7
TOTAL X2=81.4
37
Para (3-1)x(2-1) = 2 grados de libertad y mediante tabla para X2=81.437, se calcula el

valor-p que es menor a 0.005. Por tanto el valor-p≤ α=0.05. Entonces se rechaza la
hipótesis nula.
Mediante el Minitab con X2 =81.413, se calcula el valor-p = 0.000. Por tanto el valor-p≤
α=0.05. Entonces se comprueba el rechazo de la hipótesis nula, concluyendo que no hay
independencia entre los tipos de boleto y los tipos de vuelo.
53
Problemas Aplicativos de la Distribución de Poisson
A continuación se presenta el número de ocurrencia por lapso de tiempo y su frecuencia

observada. Use α=0.05 y la prueba de bondad de ajuste para verificar su estos datos se
ajustan a un distribución de Poisson.
Número de F. Observada
Ocurrencia
0 39
1 30
2 30
3 18
4 3
Solución:
H0: La población tiene una distribución Poisson.
H1: La población no tiene una distribución Poisson.
Total de frecuencias observadas: 120.
Media de ocurrencias: μ = = 1.31
Entonces la probabilidad de Poisson es: f(x)= =
Frecuencia esperada que siga un distribución de Poisson con μ=1.31
Número de Probabilidad Número

ocurrencias de Poisson esperado
54
f(x) 120.f(x)
0 0.2698 32.376
1 0.3535 42.420
2 0.2315 27.780
3 0.1011 12.132
4 0.0331 3.972
5 o más 0.0110 1.320
Cálculo del estadístico de prueba Chi-Cuadrado X2:
Número Número Número f - ei (f ei)2 (f

de observados(f esperados(e -ei)2/ei
ocurrencia ) i)
s
0 39 32.376 6.624 43.877 1.355
1 30 42.420 -12.42 154.25 3.636

6
2 30 27.780 2.22 4.928 0.177
3 18 12.132 5.868 34.433 2.838
4 o más 3 5.292 -2.292 5.253 0.993
TOTAL X2=8.99
9
Para k-p-1=5-2=3 grados de libertad, con X2=8.999 mediante tabla el valor-p esta entre
0.05 y 0.025. Entonces el valor-p≤ α=0.05, por tanto, se rechaza H0.
55
Mediante Minitab con X2=8.99683, se calcula el valor-p=0.0293330. Por tanto el valor-p

≤ α=0.05. Entonces se rechaza la hipótesis nula y se concluye que la población no tiene
una distribución Poisson.
Al parecer el número de accidentes automovilísticos por día en una determinada ciudad

tiene una distribución de Poisson. A continuación se presentan los datos de una muestra
de 80 días del año anterior. ¿Estos datos apoyan la creencia de que el número de
accidentes por día tiene una distribución de Poisson? Use α=0.05.
56
Número de F. Observada(días)
Accidentes
0 34
1 25
2 11
3 7
4 3
Solución:
Media de ocurrencias: μ = =1
Frecuencia esperada que siga un distribución de Poisson con μ=1
Número Probabilidad Número

de ocurrencias de Poisson f(x) esperado
80.f(x)
0 0.3679 29.432
1 0.3679 29.432
2 0.1839 14.712
57
3 0.0613 4.904
4 0.0153 1.224
5 o más 0.0037 0.296
Número Número Número f - ei (f - ei)2 (f - ei)2/

de observados(f esperados(e ei
ocurrencia ) i)
s
0 34 29.432 4.568 20.867 0.7095
1 25 29.432 -4.568 19.643 0.6669
2 11 14.712 -3.712 13.779 0.9381
3 o más 10 6.424 3.712 12.788 1.9905
TOTAL X2=4.30
Para k-p-1=4-2=2 grados de libertad, con X2=4.3 mediante tabla el valor-p esta entre
0.90 y 0.10. Entonces el valor-p> α=0.05, por tanto, no se rechaza H0.
58

>α=0.05. Entonces no se rechaza la hipótesis nula y se concluye que la población tiene
El número de llamadas telefónicas que llegan por minuto al conmutador de una empresa
tiene una distribución de Poisson. Use α=0.05 y los datos siguientes para probar esta
suposición.
Número de Frecuencia
llamadas Observada
telefónicas que
llegan por
minuto
0 15
1 31
2 20
3 15
4 13
5 4
6 2
Solución:
Media de ocurrencias: μ = =2
59
Frecuencia esperada que siga un distribución de Poisson con μ=2
Número Probabilidad de Número

de ocurrencias Poisson f(x) esperado
100.f(x)
0 0.1353 13.53
1 0.2707 27.07
2 0.2707 27.07
3 0.1804 18.04
4 0.0902 9.02
5 0.0361 3.61
6 0.0120 1.20
7 o más 0.0047 0.47
Número Número Número f - ei (f - (f - ei)2/

de observados(f esperados(e ei)2 ei
ocurrencia ) i)
s
0 15 13.53 1.47 2. 0.1

1609 597
1 31 27.07 3.93 15.4449 0.5706
2 20 27.07 -7.07 49.9849 1.8465
60
3 15 18.04 -3.04 9.2416 0.5123
4 13 9.02 3.98 15.8404 1.7561
5 o más 6 5.28 0.72 0.5184 0.0982
TOTAL 100 X2=4.94

34
Para k-p-1=6-2=4 grados de libertad, con X2=4.9434 mediante tabla el valor-p esta
entre 0.90 y 0.10. Entonces el valor-p≥ α=0.05, por tanto, no se rechaza H0.

>α=0.05. Entonces no se rechaza la hipótesis nula y se concluye que la población tiene
Problemas Aplicativos de Métodos no Paramétricos
Prueba de Signos
¿Las divisiones de acciones son benéficas para los accionistas? La empresa SNL
Securities estudió, a lo largo de 18 meses, las divisiones de las acciones de la industria de
la banca y encontró que las divisiones de las acciones de un individuo. Admita que en
una muestra de 20 recientes divisiones de acciones, 14 hayan llevado a un aumento de su
valor, cuatro hayan llevado a una disminución de su valor y dos no hayan ocasionado
61
ningún cambio. Suponga que realiza un estudio para determinar si las divisiones de
acciones aún benefician a los poseedores de acciones bancarias.
¿Cuáles son las hipótesis nula y alternativa?
¿A qué conclusión se llega con α=0.05?
Solución:
p = es la proporción de poseedores bancarios beneficiarios (aumente su valor).
H0: p≤0.5
H1: p>0.5
Tabla de probabilidades binomiales para n=18 y p=0.5.
Número de Probabilidade
signos más s
0 0.0000
1 0.0001
2 0.0006
3 0.0031
4 0.0117
5 0.0327
6 0.0708
7 0.1214
8 0.1669
9 0.1855
10 0.1669
11 0.1214
12 0.0708
13 0.0327
14 0.0117
62
15 0.0031
16 0.0006
17 0.0001
18 0.0000
El número de signos más para el valor de poseedores bancarios beneficiarios es x=14,

entonces su probabilidad está en la cola superior:
P(x≥ 14) =
P(14)+P(15)+P(16)+P(17)+P(18)=0.0117+0.0031+0.0006+0.0001+0.0000=0.0154
Como es para una cola el valor-p = 0.0154. Además el valor-p≤ α=0.05, entonces se
rechaza H0.
63
La empresa Nielson Media Research identificó que American Idol y a Dancing whit the
Stars como los 2 programas de televisión de mayor rating en febrero de 2006. En un
estudio local acerca del programa de televisión preferido, de 750 encuestados 330
votaron por American Idol, 270 por Dancing whit the Stars, y 150 por otros programas de
televisión. Con 0.05 como nivel de significancia prueba la hipótesis de que American Idol
y Dancing whit the Stars tiene el mismo nivel de preferencia. ¿A qué conclusión llega?
Solución:
p = es la proporción que ven American Idol.
H0: p=0.5
H1: p≠0.5
La muestra es n=600, entonces es una distribución normal donde:
μ = 0.50(600) = 300
= =12.25
El número de signo más es x=330, se halla el estadístico de prueba Z:
Z= = 2.45
Mediante tabla para Z=2.45, se calcula para 2 colas el valor-p= 2(1-0.9929)= 0.0142.
Como el valor-p≤ α=0.05, entonces se rechaza H0.
64
En el mercado de computadoras personales la competencia es intensa. En una muestra

de 500 compras, se encontró que 202 eran compras de la marca A, 158 de la marca B y
140 de otras marcas. Con un nivel de significancia de 0.05 pruebe la hipótesis de que las
marcas A y B tienen la misma participación en el mercado de las computadoras
personales ¿Cuál es su conclusión?
Solución:
p = es la proporción de los que compran computadoras de la marca A.
H0: p=0.5
H1: p≠0.5
μ = 0.50(360) = 180
= =9.49
Z= = 2.32
Mediante tabla para Z=2.32, se calcula para 2 colas el valor-p= 2(1-0.9898)= 0.0204.
Como el valor-p≤ α=0.05, entonces se rechaza H0.
En una muestra de 150 partidos de basquetbol universitario, el equipo de casa ganó 98

partidos. Realice una prueba para determinar su los datos sustentan la hipótesis de que
65
en el basquetbol universitario el equipo de casa tiene ventaja. ¿A qué conclusión llega

con α=0.05?
Solución:
p = es la proporción de partidos que gana un equipo en casa.
H0: p≤0.5
H1: p>0.5
μ = 0.50(150) = 75
= =6.12
Z= = 3.76
Mediante tabla para Z=3.76, se calcula para una cola el valor-p= 1- 0.9999 ≈ 0.00. Como
el valor-p≤ α=0.05, entonces se rechaza H0.
En la tabla se presentan las preferencias de 10 personas respecto a dos marcas de un

producto.
PERSONA MARCA A
66
FRENTEA
MARCA B
1 +
2 +
3 +
4 -
5 +
6 +
7 -
8 +
9 -
10 +
Emplee α=0.05 y pruebe si existe alguna diferencia significativa de preferencia por estas
dos marcas. Un signo más indica preferencia por la marca A sobre la marca B.
Solución:
p = es la proporción de preferencia por la marca A.
H0: p=0.5
H1: p≠0.5
67
Tabla de probabilidades binomiales para n=10 y p=0.5.
Número de Probabilidade
signos más s
0 0.0010
1 0.0098
2 0.0439
3 0.1172
4 0.2051
5 0.2461
6 0.2051
7 0.1172
8 0.0439
9 0.0098
10 0.0010
El número de signos más para la marca A es x=7, entonces su probabilidad está en la

cola superior:
P(x≥ 7) = P(7)+P(8)+P(9)+P(10)=0.1172+0.0439+0.0098+0.0010=0.1719.
Como es para dos cola el valor-p = 2(0.0154)=0.8438. Además el valor-p≥ α=0.05
Entonces no se rechaza H0.
68
Realice la prueba de hipótesis siguiente:
H0: Mediana ≤150
H1: Mediana >150
En una muestra de tamaño 30 se obtuvieron 22 casos cuyo valor fue mayor que 150, tres
cuyo valor fue exactamente 150 y cinco cuyo valor fue menor que 150. Con α=0.01
realice una prueba de hipótesis.
Solución:
Con nivel de significancia α=0.01.
El número de la muestra es n = 27, asume una distribución normal.
μ = 0.50(27) = 13.5
= =2.60
Z= = 3.27
Mediante tabla para Z=3.27, se calcula para una cola el valor-p= 1- 0.990 = 0.001.
Como el valor-p≤ α=0.01.
Entonces se rechaza H0.
69
El ingreso mediano anual de los suscriptores de la Barron es $131 000. Suponga que en
una muestra de 300 suscriptores a The Wall Street Journal, 165 suscriptores posean un
ingreso mayor que $131 000 y 135 poseen un ingreso menor que $131 000. ¿Puede
concluir que hay diferencia entre los ingresos medianos de los dos grupos de
suscriptores? Emplee como nivel de significancia α=0.05, ¿a qué conclusión llega?
Solución:
H0: Mediana = $131 000
H1: Mediana ≠ $131 000
μ = 0.50(300) = 150
= = 8.66
Z= = 1.73
Mediante tabla para Z=1.73, se calcula para dos colas el valor-p=2(1- 0.9582) = 0.0836.
Como el valor-p≥ α=0.01, entonces no se rechaza H0.
70
De acuerdo con un estudio nacional, el ingreso anual mediano que los adultos dicen
harían realidad sus sueños es $152 000. Suponga que en Ohio, de 225 personas tomadas
en una muestra, 122 indican que el ingreso necesario para hacer realidad sus sueños sea
menor que $152 000, y 103 informan que esta cantidad sea mayor que $152 000. Pruebe
la hipótesis nula de que en Ohio, el ingreso medio anual para que una persona haga
realidad sus sueños es $152 000. Use α=0.05, ¿a qué conclusión llega?
Solución:
H0: Mediana = $152 000
H1: Mediana ≠ $152 000
μ = 0.50(225) = 112.5
= = 7.5
Z= = 1.27
Mediante tabla para Z=1.27, se calcula para dos colas el valor-p=2(1- 0.8980) = 0.204.
Como el valor-p≥ α=0.01, entonces no se rechaza H0.
71
Problemas Aplicativos de la Prueba de Wilcoxon

Con efecto de determinar el rendimiento de la gasolina en millas por galón en los
automóviles de pasajeros, se prueban dos aditivos para gasolina. A continuación
aparecen los resultados de esta prueba en 12 automóviles; en cada automóvil se
probaron los dos aditivos. Use nivel de significancia α=0.05 y la prueba de los rangos con
signo de Wilcoxon para determinar su existe una diferencia significativa.
AUTÓMOVI Aditivos
L
1(milla 2(milla
s/galón) s/galón)
1 20.12 18.05
2 23.56 21.77
3 22.03 22.57
4 19.15 17.06
5 21.23 21.22
6 24.77 23.80
7 16.16 17.20
8 18.55 14.98
9 21.87 20.03
10 24.23 21.15
11 23.21 22.78
12 25.02 23.70
72
Solución:
H0: Las poblaciones son idénticas en relación a los aditivos.
H1: Las poblaciones no son idénticas en relación a los aditivos.
AUTÓMOVI Aditivos Diferenci Valorabs.d Rang Rang

L a e o o con
1(milla 2(milla diferencia signo
s/galón) s/galón)
1 20.12 18.05 2.0 2.07 9 9

7
2 23.56 21.77 1.7 1.79 7 7

9
3 22.03 22.57 -0.54 0.54 3 -3
4 19.15 17.06 2.0 2.09 10 10

9
5 21.23 21.22 0.0 0.01 1 1

1
6 24.77 23.80 0.9 0.97 4 4

7
7 16.16 17.20 -1.04 1.04 5 -5
8 18.55 14.98 3.5 3.57 12 12

7
9 21.87 20.03 1.8 1.84 8 8

4
10 24.23 21.15 3.0 3.08 11 11

8
11 23.21 22.78 0.4 0.43 2 2

3
12 25.02 23.70 1.3 1.32 6 6

2
73
Suma de signos: 62
Media: µt=0
Desviación: t= = = 25.50
Se realiza la prueba de rangos de signos de Wilcoxon con α=0.05, además de tener el

valor de T=62. Se obtiene el valor para el estadístico de prueba:
Z= = =2
De la tabla para Z=2.43 se halla para dos colas el valor-p=2(1-0.9925)=0.015. Como el

valor-p ≤ α=0.05, se rechaza H0.
Se toma la diferencia de las poblaciones y se analiza en el paquete de datos, se observa el

valor-p (P)=0.017, el cual es menor a α = 0.05, por lo tanto se comprueba el rechazo de
H0. Entonces las dos poblaciones son distintas.
74
En 10 de los principales aeropuertos se muestran los precios de la gasolina para

automóviles rentados. A continuación se presentan los datos correspondientes a las
empresas Avis y Budget. Use α = 0.05 para probar la hipótesis de que hay diferencia
entre las 2 poblaciones. ¿Cuál es su conclusión?
Aeropuertos Empresas
Avis Budget
Boston 1.58 1.39

Logan
Chicago 1.60 1.55

Ohare
Chicago 1.53 1.55

Midway
Denver 1.55 1.51
Fort 1.57 1.58

Lauderdale
Los Ángeles 1.80 1.74
Miami 1.62 1.60
Nuevo York 1.69 1.60
Orange 1.75 1.59

Country
Washington 1.55 1.54

W.
Solución:
75
Aero Empresas Diferenci Valor Rang Rang

puertos a abs. de o o con
Avis Budget
diferenci signo
a
Boston 1.58 1.39 0.1 0.1 10 10

Logan 9 9
Chicago 1.60 1.55 0.0 0.0 6 6

Ohare 5 5
Chicago 1.53 1.55 -0.02 0.02 3.5 -3.5

Midway
Denver 1.55 1.51 0.0 0.04 5 5

4
Fort 1.57 1.58 -0.01 0.01 1.5 -1.5

Lauderdale
Los 1.80 1.74 0.0 0.06 7 7

Ángeles 6
Miami 1.62 1.60 0.0 0.02 3.5 3.5

2
Nuevo York 1.69 1.60 0.0 0.09 8 8

9
Orange 1.75 1.59 0.1 0.1 9 9

Country 6 6
Washingto 1.55 1.54 0.0 0.0 1.5 1.5

n W. 1 1
Suma de signos=45
Media: µt=0
76

valor de T=45. Se obtiene el valor para el estadístico de prueba:
Z= = = 2.29
De la tabla para Z= 2.29, se halla para dos colas el valor-p=2(1-0.9890)=0.0220 como el

valor-p ≤ 0.05, Se rechaza H0.

valor-p (P)=0.025, el cual es menor a α = 0.05, por lo tanto se comprueba el rechazo de
H0. Entonces las dos poblaciones son distintas.
77
El campeonato de los jugadores de la PGA tuvo lugar, del 23 al 26 de marzo del 2006, en
el campeonato de golf TPC Sangras en Ponte Vendra Beach, Florida. A continuación se
presentan puntuaciones obtenidas, en la primera y segunda ronda, por 11 golfistas de la
muestra. Use α = 0.05 y determinar si existe una diferencia significativa entre las
puntuaciones obtenidas por los golfistas en la primera y segunda ronda. ¿Cuál es su
conclusión?
Entregas Rondas
Fred 69 73
Couples
John Dab 70 73
Ernie Els 72 70
Jim Furyk 65 71
Phil 70 73
Mickelson
Rocco 69 74
Mediate
Nick Price 72 71
Vijay Singh 68 70
Sergio 70 68
García
Mike Weir 71 71
Tiger 72 69
Woods
78
Solución:
Entregas Servicios Diferenci Valorabs.d Rang Rang

a e o o con
1 2
diferencia signo
Fred 69 73 -4 4 8 -8
Couples
John Dab 70 73 -3 3 6 -6
Ernie Els 72 70 2 2 3 3
Jim Furyk 65 71 -6 6 10 -10
Phil 70 73 -3 3 6 -6
Mickelson
Rocco 69 74 -5 5 9 -9
Mediate
Nick Price 72 71 1 1 1 1
Vijay 68 70 -2 2 3 -3
Singh
Sergio 70 68 2 2 3 3
García
Mike Weir 71 71 0 0 -- --
Tiger 72 69 3 3 6 6
Woods
Suma de signos = -29
Media: µt=0
79

valor de T=-29. Se obtiene el valor para el estadístico de prueba:
Z= = = -1.48
De la tabla para Z= 1.48, se halla para dos colas el valor-p = 2(1-0.99306)=0.1388, como
el valor-p ≥ 0.05, No se rechaza H0.

valor-p (P)=0.154, el cual es mayor a α = 0.05, por lo tanto se comprueba el no rechazo
de H0. Entonces las dos poblaciones son idénticas.
80
Problemas Aplicativos de la Prueba de Mann-Whitney-Wilcoxon
Para poder comprobar el efecto de dos aditivos sobre el rendimiento de gasolina,

siete automóviles usan aditivo 1 y nueve automóviles el aditivo 2. En los datos siguientes
se presenta el rendimiento en millas por galón obtenido con cada uno de los dos aditivos.
Use α = 0.05 y la prueba de MWW para determinar si existe una diferencia significativa
en el efecto que tiene los dos aditivos sobre el rendimiento.
ADITIVO 1 ADITIVO 2
17.3 18.7
18.4 17.8
19.1 21.3
16.7 21.0
18.2 22.1
18.6 18.7
17.5 19.8
20.7
20.2
Solución:
H0: las dos poblaciones son idénticas en término de rendimiento.
H1: las dos poblaciones no son idénticas en términos de rendimiento.
Nivel de significancia que se toma α=0.05.
ADITI RAN ADITI RAN

VO 1 GO VO 2 GO
81
16.7 1 17.8 4
17.3 2 18.7 8.5
17.5 3 18.7 8.5
18.2 5 19.8 11
18.4 6 20.2 12
18.6 7 20.7 13
19.1 10 21.0 14
21.3 15
22.1 16
Suma de rangos: 34 102
Se toma la suma de rangos de la primera muestra para el valor de T=34.
82
Para un nivel de significancia α=0.05, de la tabla se encuentra el valor crítico Tl

en la cola inferior para el estadístico de prueba MWW con n1=7 y n2=9 es Tl=41. El
valor crítico en la cola superior para el estadístico de prueba MWW es:
Tu=n1 (n1 +n2 +1)- Tl=7(7+9+1) – 41=78
La decisión que se tomara es:
Rechazar H0 si T<41 v T> 78.
Se concluye, como: T=34, además 34 < 41, entonces se rechaza H0.
Minitab:
Conclusión:
Se concluye que la diferencia entre ambas poblaciones es significativa, entonces

ambas poblaciones no son idénticas en términos de rendimiento según el aditivo usado.
83
A continuación se muestra los datos muestrales de los salarios iniciales de

contadores públicos y planificadores financieros. Los salarios anuales están dados en
millones de dólares.
Use 0.05 como nivel de significancia y prueba la hipótesis de que no hay diferencia
entre los salarios anuales iniciales de los contadores públicos y los planificadores
financieros.
Contador Público Planificador

Financiero
45.2 44.0
45.9 44.2
46.9 48.1
49.2 50.9
50.0 46.9
51.3 48.6
52.0 44.7
53.2 48.9
53.8 46.8
54.5 43.9
Solución:
H0: las dos poblaciones son idénticas en término de salarios iniciales.
H1: las dos poblaciones no son idénticas en términos de salarios iniciales.
84
Contador Planificador
Público Financiero
Sal Ran Sal Ran

ario go ario go
45. 5 43. 1
2 9
45. 6 44. 2
9 0
46. 8.5 44. 3

9 2
49. 13 44. 4
2 7
50. 14 46. 7
0 8
51. 16 46. 8.5

3 9
52. 17 48. 10
0 1
53. 18 48. 11
2 6
53. 19 48. 12
8 9
54. 20 50. 15
5 9
Suma de Rangos 136.5 73.5
La suma de los rangos que se toma es de la primera muestra: T=136.5.
Como n1=10 y n2=10 se usa la aproximación normal de la distribución muestral de

la suma de rangos T:
85
µt= n1(n1+n2+1) = 10(10+10+1) =105
t= = = 13.23
Para T= 136.5 y nivel de significancia 0.05 se halla el estadístico de prueba:
Z= = = 2.38
Mediante tabla para Z=2.38, se halla para 2 colas el valor-p=2(1-0.9913)=0.0174. Como

valor-p≤α=0.05, entonces se rechaza H0.
Minitab:
Conclusión:

ambas poblaciones no son idénticas en términos de salarios entre la población de
contadores públicos y de planificadores financieros.
86
La brecha entre los salarios de hombres y mujeres con la misma preparación

disminuye cada vez más, pero aún no se ha cerrado totalmente. A continuación se
presenta datos de muestras de 7 hombres y 7 mujeres con licenciatura. Los datos se dan
en miles dólares.
Hombre 3 7 4 6 3 4 5
0.6 5.5 5.2 2.2 8.2 9.9 5.3
Mujeres 4 3 2 4 2 4 2
4.5 5.4 7.9 0.5 5.8 7.5 4.8
Solución:
H0: las dos poblaciones son idénticas en término de salarios iniciales.
H1: las dos poblaciones no son idénticas en términos de salarios iniciales.
Hombres Mujeres
Sal Ran Sal Ran

ario go ario go
30. 4 24. 1
6 8
38. 6 25. 2
2 8
45. 9 27. 3
2 9
49. 11 35. 5
9 4
55. 12 40. 7
3 5
62. 13 44. 8
87
2 5
75. 14 47. 10
5 5
Suma de Rangos 69 36
La suma de rangos que se toma es de la primera muestra: T=69.
Para un nivel de significancia de 0.05. La cota inferior para un estadístico de

prueba MWW mediante tabla es Tl= 37. La cota superior para un estadístico de prueba
MWW se calcula:
Tu=n1 (n1 +n2 +1)- Tl=7(7+7+1) – 37 = 68
La decisión que se tomara es:
Rechazar H0 si T<37 v T> 68.
Se concluye, como: T=69, además 69 > 68, entonces se rechaza H0.
Minitab:
88
Conclusión:

ambas poblaciones no son idénticas en términos de salarios entre mujeres y hombres
Prueba de Kruskal-Wallis
Las calificaciones dadas a productos por un panel de 15 consumidores son las
siguientes:
PRODUCTO
A B C
50 80 60
62 95 45
75 98 30
48 87 58
65 90 57
Use la prueba de Kruskal-Wallis y α=0.05 para determinar si existe una diferencia

significativa entre las clasificaciones dadas de los tres productos.
89
Solución:
PRODUCTO
A RANGO B RANGO C RANGO
4 3 8 1 3 1
8 0 1 0
5 4 8 1 4 2
0 7 2 5
6 8 9 1 5 5
2 0 3 7
6 9 9 1 5 6
5 5 4 8
7 1 9 1 6 7
5 0 8 5 0
TOTAL 3 6 2
4 5 1
H0: Todas poblaciones son idénticas.
H1: No todas las poblaciones son idénticas.
90
Nivel de significancia y α=0.05.
Los tamaños de las muestras son:
n1=5, n2=5, n3=5 y nT=15
Calculamos el estadístico de prueba W:
W=
W = 10.22
Para k-1=3-1=2 grados de libertad.
X2= 9.210 su área de cola superior = 0.01
Entonces el valor-p esta entre 0.01 y 0.005, por tanto valor-p ≤ α=0.05, se rechaza
H0.
91
Minitab:
Conclusión:
El valor-p que se calcula es 0.006, por tanto, valor-p=0.006 ≤ α=0.05, se rechaza

H0.
Se concluye que las poblaciones no son idénticas, es decir, que hay diferencia entre
la clasificación entre los 3 productos.
92
Para un examen de admisión se evalúan tres programas de preparación. Las

calificaciones obtenidas por las 20 personas de una muestra empleada para probar los
programas de preparación son las siguientes. Use la prueba de Kruskal-Wallis para
determinar su hay diferencia significativa entre los tres programas de preparación. Use
α=0.01.
PROGRAMAS
A B C
540 450 600
400 540 630
490 400 580
530 410 490
490 480 590
610 370 620
550 570
93
Solución:
PROGRAMAS
A RANGO B RANGO C RANGO
400 2.5 370 1 490 8
490 8 400 2.5 570 14
490 8 410 4 580 15
530 10 450 5 590 16
540 11.5 480 6 600 17
610 18 540 11.5 620 19
550 13 630 20
TOTAL 58 43 109
n1=6, n2=7, n3=7 y nT=20
94
W=
W = 9.06
H0.
Minitab:
95
Conclusión:

H0.
los tres programas de calificación.
Para bajar de peso basta con practicar una de las siguientes disciplinas tres veces
por semana durante 40 minutos. En la tabla siguiente se muestra la cantidad de calorías
que se quema en 40 minutos de cada una de estas disciplinas. ¿Estos datos indican que
exista diferencia en la cantidad de calorías quemadas con cada una de estas disciplinas?
De su conclusión.
DISCIPLINAS
NAT TENI AND

ACIÓN S AR EN
BICICLETA
408 415 385
380 485 250
425 450 295
400 420 402
427 530 268
Solución:
DISCIPLINAS
96
NATACIÓN RANGO TENIS RANGO ANDAR EN RANGO

BICICLETA
380 4 415 9 250 1
400 6 420 10 268 2
408 8 450 13 295 3
425 11 485 14 385 4
427 12 530 15 402 7
TOTAL 41 61 17
n1=5, n2=5, n3=5 y nT=15
W=
W = 9.26
97
H0.
Minitab:
Conclusión:

H0.
los la cantidad de calorías quemadas con cada una de las disciplinas.
98
Series de Tiempo
Año Ventas ( miles de
dólares)
La empresa 1973 1 “Alicorp.Sac” tiene en

su base de datos el registro de ventas
desde el año 1973 a 1974 2 1994, con dichos datos
calcular el promedio 1975 3 móvil de 3 años.
1976 4
1977 5
1978 4
1979 3
1980 2
1981 3
1982 4
1983 5
1984 6
1985 5
1986 4
1987 3
1988 4
Solución:
1989 5
Gráfica de los promedios móviles
1990 6
1991 7
1992 6
1993 5
1994 4
1995 5
99 1996 6
1997 7
1998 8
Gráfica de análisis de tendencia de Ventas
100
Gráfica de promedio móvil de 7 años
101
En la compañía “Graña y Montero S.A”, los porcentajes mensuales de los

embarques recibidos durante los últimos 12 meses fueron:
Meses Porcenta
jes
1 80
2 82
3 84
4 83
5 83
6 84
7 85
8 84
9 82
10 83
11 84
12 83
102
Compare el pronóstico de promedio móvil de tres meses con el suavizamiento con

α=0.2. ¿Con cuál se obtiene mejor pronóstico?
Cuáles son los pronósticos por cada método para el próximo mes.
Solución:
Pronóstico con promedios móviles.
Gráfica de suavizamiento con promedios móviles
103
Pronóstico
con el método de
suavizamiento exponencial
Grafica de suavizamiento exponencial
104
105
Las ventas, en miles de millones de dólares de la empresa “Petroperú”, para el

2006 hasta el 2012 son:
Año Ventas
2007 7.45
2008 7.83
2009 8.07
2010 7.94
2011 7.76
2012 7.90
Graficar el análisis de tendencia
Usar método de los promedios móviles de 3 semanas.
Usar el método de suavizamiento por mínimos cuadrados.
Estime las ventas netas para el año 2013.
106
Solución:
Análisis de tendencia:
107
108
109
Análisis de Regresión Ventas por Año:
110

Universidad Nacional Mayor de San Marcos: Laboratorio de Estadística Industrial 2016

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Universidad Nacional Mayor de San Marcos: Laboratorio de Estadística Industrial 2016

Cargado por

Copyright:

Formatos disponibles

Laboratorio de Estadística Industrial 2016

“Año de la consolidación del Mar de Grau”

UNIVERSIDAD NACIONAL MAYOR

E.A.P. INGENIERÍA INDUSTRIAL

Laboratorio de Estadística Industrial

 Rondon Quispe, Mario Carlo

Ciudad Universitaria, 24 de noviembre del 2016

Problemas desarrollados utilizando la Distribución Normal………………………………….

Problemas de Distribución de Muestras Pequeñas (n<30)…………………………………..

Distribución de Bondad de Ajuste: Chi

Problemas aplicando la Distribución de Poisson

Problemas aplicativos de Distribución Normal

p=0.1% <1% entonces se rechaza la hipótesis nula H0.

Haga la prueba con un nivel de significancia = 0.05.

Frente a la hipótesis alternativa

Prueba de m = 5 vs. < 5

Error Estándar Límite de la superior

Al encontrar p=0.064>0.05 no se rechaza la hipótesis nula Ho.

En un estudio se extrajeron muestras aleatorias de empleados de restaurantes de comida

Prueba e IC para dos proporciones

Diferencia = p (1) - p (2)

Estimado de la diferencia: -0.0747589

Límite superior 99% de la diferencia: 0.0659300

Prueba para la diferencia = 0 vs. < 0: Z = -1.19 Valor P = 0.117

p=0.16% <1% entonces se rechaza hipótesis nula H0.

En un estudio se tomaron muestras aleatorias independientes de hombres y

Prueba e IC para dos proporciones

Diferencia = p (1) - p (2)

Estimado de la diferencia: -0.127347

Límite superior 99% de la diferencia: 0.0491375

Prueba para la diferencia = 0 vs. < 0: Z = -1.65 Valor P = 0.050

Prueba exacta de Fisher: Valor P = 0.069

Interpretación: p=5% >1% entonces NO se rechaza hipótesis nula H0.

Prueba de mu = 181900 vs. < 181900

p=0.2% <1% entonces se rechaza hipótesis nula H0.

Investigación de Mercados, S.A., basa sus tarifas en la hipótesis de que las

a. Formule la hipótesis nula y alternativa para esta aplicación.

Prueba de mu = 15 vs. > 15

N Error Media 99% Z P

p=0.2% <1% entonces se rechaza hipótesis nula H0.

Prueba e IC para una proporción

Prueba de p = 0.9 vs. p < 0.9

Uso de la aproximación normal.

p=0.4% <1% entonces se rechaza hipótesis nula H0.

Prueba e IC para una proporción

Prueba de p = 0.52 vs. p > 0.52

p=5.3% >1% entonces NO se rechaza hipótesis nula H0.

Según datos del problema:

Aplicando el paquete minita

Con lo cual podemos concluir que la empresa el valor de P es 0.008 y el nivel de

La empresa de la encuesta revela que en todos los departamentos del Perú no es

Problemas aplicativos de Distribución de Muestras Pequeñas

Prueba de mu = 22100 vs. > 22100

N Media Desv.Est. media inferior T P

18 23400 1500 354 22785 3.68 0.001

En el nivel 0.01 ¿el aditivo ha aumentado el peso de los pollos?

Prueba de mu = 4.35 vs. > 4.35

Variable N Media Desv.Est. media inferior T P

A 10 4.3680 0.0339 0.0107 4.3377 1.68 0.064

Como p=6.4%>1% se acepta la hipótesis nula Ho. El aditivo no ha aumentado el peso de

Una muestra de las calificaciones en un examen presentado en un curso de estadística

A nivel de significancia de 0.01.¿la calificación media de las mujeres es mas alta

Prueba T e IC de dos muestras: mujeres, hombres