Estamos Interesados en Comprobar La Perfección de Un Dado Cúbico

Nombre: Alexandra Lucía Hancco Morales Código: 2020200633
1. Estamos interesados en comprobar la perfección de un dado cúbico (un dado normal de 6

caras). Para esto realizamos 100 lanzamientos del dado anotando los puntos obtenidos en cada
lanzamiento. A la vista de los resultados obtenidos, ¿podemos concluir que el dado no es
perfecto? Nivel de significación (5%)
Desarrollo:
Número de
Puntuació (Fo – Fe)2 /
observacione P Esperado Fo - Fe (Fo – Fe)2
n Fe
s
1 14 0.166 16.666 -2.666 7.1075 0.4265
2 22 0.166 16.666 5.334 28.4516 1.7072
3 18 0.166 16.666 1.334 1.7796 0.1068
4 17 0.166 16.666 0.334 0.1116 0.0067
5 20 0.166 16.666 3.334 11.1156 0.6669
6 9 0.166 16.666 -7.666 58.7676 3.5262
100 1 100 0.004 0.000016 6.4403
6 2
( Fo−Fe )
∑ Fe
=6.44
i=1
Grados de libertad :
Nivel de significancia: α=0.05 Gl=N ° de filas−1
Gl=6−1=5
Nivel de confianza: 1- α=0.95
Regla de Decisión
2
x =¿ Obtenido de formula = 6.44
2
x =¿ Obtenido de tabla = 11.0705
2 2
X < X 0.05−5 Se acepta la H 0
6.44 < 11.0705
Conclusión: Se acepta la hipótesis nula y se concluye que con un 0.05 de nivel de
significancia que el dado es perfecto.
2. Para estudiar la dependencia entre la práctica de algún deporte y la depresión, se seleccionó

una muestra aleatoria simple de 100 jóvenes, con los siguientes resultados: Determinar si
existe independencia entre la actividad del sujeto y su estado de ánimo. Nivel de significación
(5%)
Desarrollo:
Planteamiento de la hipótesis nula y alternativa
Ho: Existe independencia entre la actividad deportiva y el estado de ánimo.
H1: No existe independencia entre la actividad deportiva y el estado de ánimo.
Frecuencias Observadas: Se suman las filas y las columnas.
Sin Depresión Con Depresión Total

Deportistas 38 9 47
No deportistas 31 22 53
Total 69 31 100
Frecuencias Esperadas: Se multiplican los totales de las filas y las columnas y se divide entre el
total de la muestra (100) para cada frecuencia observada. (69*47) /100 = 32.43
Sin Depresión Con Depresión Total

Deportistas 32.43 14.57 47
No deportistas 36.57 16.43 53
Total 69 31 100
Frecuencias Esperadas: nij – eij
Sin Depresión Con Depresión

Deportistas 38-32.43=5.57 9-14.57 = -5.57
No deportistas 31-36.57=-5.57 22-16.43= 5.57
Total 0.00 0.00
Frecuencias Esperadas: ( nij – eij)^2

Deportistas (38-32.43) ^2=31.02 (9-14.57) ^2=31.02
No deportistas (31-36.57) ^2=31.02 (22-16.43) ^2=31.02
Frecuencias Esperadas: ( nij – eij)^2 / eij

Deportistas (38-32.43) ^2/32.43 (9-14.57)^2/14.57
No deportistas (31-36.57) ^2=36.57 (22-16.43) ^2/16.43
Deportistas 0.9567 2.1294

No deportistas 0.8483 1.8883
x =¿ 5.823
2
( fo−fe)2
x =∑
2
=5.823
fe
Grados de Libertad
Grados de Libertad (r-1) (k-1) Nivel de significancia: α = 0.05

G.L. = r= de filas -1 Nivel de confianza = 0.95
K= de columnas -1 El Chi-cuadrado de tabla es:
G.L = (2-1) (2-1) = 1 X2 0.05: 1 = 3.8415
Se tiene un grado de libertad
Regla de Decisión
2
x =¿ Obtenido de formula = 5.823
2
x =¿ Obtenido de tabla = 3.8415
X 2 > X 20.05−1 Se acepta la H 0

5.823 > 3.8415.
Conclusión: Como el valor estadístico es superior al valor critico se rechaza la Ho, y

se concluye que si hay relación entre la depresión y el deporte
3. Estamos interesados en estudiar la fiabilidad de cierto componente informático con relación al

distribuidor que nos lo suministra. Para realizar esto, tomamos una muestra de 100
componentes de cada uno de los 3 distribuidores que nos sirven el producto comprobando el
número de defectuosos en cada lote. La siguiente tabla muestra el número de defectuosos en
para cada uno de los distribuidores.
Desarrollo:
H0: Los productos de los distribuidores son defectuosos
H1: Los productos de los distribuidores no son defectuosos
Componentes defectuosos Componentes correctos

Distribuidor 1 16 94 100
49 251 300
Solución:
Frecuencia observada:

Distribuidor 1 (110∗49)/300 (110∗251)/300 100
Distribuidor 2 (100∗49)/300 (100∗251)/300 100
Distribuidor 3 (90∗49)/300 (90∗251)/300 100
49 251 300
Frecuencia esperada:

Distribuidor 1 (110∗49)/300 (110∗251)/300 100
Distribuidor 2 (100∗49)/300 (100∗251)/300 100
Distribuidor 3 (90∗49)/300 (90∗251)/300 100
49 251 300
Celda F Fe fo - (fo – fe) ((fo – fe) ^ 2) / fe

o fe ^2
Defectuosos Distribuidor 16 17.96 -1.96 3.8416 0.21389755
1
Distribuidor 24 16.33 7.67 58.8289 3.60250459
2
Distribuidor 9 14.7 -5.7 32.49 2.21020408
3
Correctos Distribuidor 94 92.03 1.97 3.8809 0.04216994
1
Distribuidor 76 83.66 -7.66 58.6756 0.70135788
2
Distribuidor 81 75.3 5.7 32.49 0.4314741
3
7.20160815
Grados de Libertad G.L. = (N.º de filas - 1) (N.º de columnas - 1).
Siendo: N.º de filas = 3 y N.º de columnas = 2;
Entonces G.L. = (3-1) (2-1) = 2.
Nivel de significancia: α= 0,05
Chi – cuadrado según tabla: x α= 0,05
Chi – cuadrado según tabla: x^2 = 5.9915
Regla de Decisión
X 2 obtenido de fórmula:7.2016
X 2 crítico:5.9915
2 2
X > X 0.05−2
Conclusión: Se rechaza la hipótesis nula y se concluye variables relacionadas o no

independientes
4. Un estudio que se realizó con 81 personas referente a la relación entre la cantidad de violencia
vista en la televisión y la edad del televidente produjo los siguientes resultados. ¿Indican los
datos que ver violencia en la televisión depende de la edad del televidente, a un nivel de
significación del 5%?
Desarrollo:
5. Estamos interesados en estudiar la relación entre cierta enfermedad y la adicción al tabaco.

Para realizar esto seleccionamos una muestra de 150 individuos, 100 individuos no fumadores
y 50 fumadores. La siguiente tabla muestra las frecuencias de enfermedad en cada grupo
(Completar la tabla). Realizar un contraste de homogeneidad y obtener las conclusiones sobre
la relación entre las variables.
Desarrollo:
6. Estamos interesados en estudiar la fiabilidad de cierto componente informático con relación al

distribuidor que nos lo suministra. Para realizar esto, tomamos una muestra de 100
componentes de cada uno de los 3 distribuidores que nos sirven el producto comprobando el
número de defectuosos en cada lote. La siguiente tabla muestra el número de defectuosos en
para cada uno de los distribuidores. El nivel de significación del 5%.
Desarrollo:
H0: Los productos de los distribuidores son defectuosos
H1: Los productos de los distribuidores no son defectuosos

49 251 300
Solución:
Frecuencia observada:

Distribuidor 1 (110∗49)/300 (110∗251)/300 100
Distribuidor 2 (100∗49)/300 (100∗251)/300 100
Distribuidor 3 (90∗49)/300 (90∗251)/300 100
49 251 300

Distribuidor 1 (110∗49)/300 (110∗251)/300 100
Distribuidor 2 (100∗49)/300 (100∗251)/300 100
Distribuidor 3 (90∗49)/300 (90∗251)/300 100
49 251 300
Celda F Fe fo - (fo – fe) ((fo – fe) ^ 2) / fe

o fe ^2
Defectuosos Distribuidor 16 17.96 -1.96 3.8416 0.21389755
1
Distribuidor 24 16.33 7.67 58.8289 3.60250459
2
Distribuidor 9 14.7 -5.7 32.49 2.21020408
3
Correctos Distribuidor 94 92.03 1.97 3.8809 0.04216994
1
Distribuidor 76 83.66 -7.66 58.6756 0.70135788
2
Distribuidor 81 75.3 5.7 32.49 0.4314741
3
7.20160815
Grados de Libertad G.L. = (N.º de filas - 1) (N.º de columnas - 1).
Siendo: N.º de filas = 3 y N.º de columnas = 2;
Entonces G.L. = (3-1) (2-1) = 2.
Nivel de significancia: α= 0,05
Chi – cuadrado según tabla: x α= 0,05
Chi – cuadrado según tabla: x^2 = 5.9915
Regla de Decisión
2
X obtenido de fórmula:7.2016
2
X crítico:5.9915
X 2 > X 20.05−2
Conclusión: Se rechaza la hipótesis nula y se concluye variables relacionadas o no

independientes
7. Un investigador quiere estudiar si hay asociación entre la práctica deportiva y la sensación de
bienestar. Extrae una muestra aleatoria de 100 sujetos. Los datos aparecen a continuación.
Contraste la hipótesis de independencia entre bienestar y práctica de deporte (alfa = 0,01).

Desarrollo:
H0: Existe independencia entre realizar una práctica deportiva y la sensación de bienestar.
H1: No existe independencia entre el realizar una práctica deportiva y la sensación de bienestar.
Calcular el valor X 2 de la muestra
Frecuencias Observadas
Práctica
Sensación de bienestar deportiva Total
Si No
Si 20 25 45
No 10 45 55
Total 30 70 100
Frecuencias esperadas: f e=Ct∗Rt e
ij=
nj∗¿
n n
Frecuencias esperadas
Sensacion de Practica deportiva
Total
bienestar Si No
Si 13.5 31.5 45
No 16.5 38.5 55
Total 30 70 100
e n 1∗n1 30∗45 e n 2∗n1 70∗45 e n1∗n2 30∗55 e 70∗55

11= = =13.5 12= = =31.5 21= = =16.5 22= =38.5
n 100 n 100 n 100 100
Valor estadístico Chi-Cuadrado de prueba (Formula)
( Fo−Fe )2
Frecuencias esperadas elevadas al cuadrado
Fe
Sensación de Práctica deportiva

bienestar Si No
SI (20-13.5) ^2/13.5 (25-31.5) ^2/31.5
NO (10-16.5) ^2/16.5 (45-38.5) ^2/38.5
Sensación de Práctica deportiva

bienestar Si No
SI 3.1296 1.3413
NO 2.5606 1.0974
( Fo 1−fe 1 )2 ( fo 2−fe2 )2 ( fo 3−fe 3 )2 ( fo4−fe 4 )2

x 2= + + +
fe1 fe2 fe 3 fe 4
( Fo−fe )2
x =∑
2
fe
2
x =8.1289 Resultado del chi- cuadrado de formula
Ahora, hallar el valor del Chi-Cuadrado de tabla.
Grado de libertad
G.L= (N.º de filas-1) (N.º de columnas-1)
GL = ( 2 – 1) ( 2 -1) = 1
Luego, acudimos a la tabla de distribución Chi-Cuadrado
Nivel de significancia
α= 0.01
2
X ( 0,01 :1 )=6.6349 Se hace la comparación entre los resultados del chi-cuadrado de formula y el de
tabla
X 2( 0.01 ,1) < x 2 formula
6.6349 < 8.1289

Conclusión: Se rechaza H0, debido a que el chi-cuadrado de fórmula es mayor que el
chi-cuadrado de tabla. Se concluye que las variables de la práctica deportiva y la
sensación de bienestar están relacionadas o son dependientes.
8. Se desea estudiar hasta qué punto existe relación entre el tiempo de residencia de inmigrantes
en nuestro país y su percepción de integración. Se dispone de una muestra pequeña de 230
inmigrantes a los que se les evaluó en ambas variables obteniéndose la siguiente tabla de
frecuencias observadas. ¿Confirman estos datos la hipótesis planteada con un nivel de
confianza del 95%?
Desarrollo:
Planteamiento de la Hipótesis Nula y la Hipótesis Alternativa:
Ho: Existe relación entre el tiempo de residencia de inmigrantes en nuestro país y su percepción
de integración.
H1: No existe relación entre el tiempo de residencia de inmigrantes en nuestro país y su
percepción de integración.
Hallamos la Frecuencias Esperadas:
Tiempo de residencia Grado de integración Total

Bajo Alto
Más tiempo 40 90 130

Menos tiempo 90 10 100
Total 130 100 230
n. j∗ni .
e ij =
n
n.1∗n1. 130∗130 n.1∗n2. 130∗100
e 11= = =73.47826087 e 13 = = =56.52173913
n 230 n 230
n.2∗n1. 100∗130 n ∗n 100∗100
e 12= = =56.52173913 e 22= .2 2. = =43.47826087
n 230 n 230
Grado de integración
Tiempo de residencia Total
Bajo Alto
Más tiempo 73.4782... 56.5217... 130
Menos tiempo 56.5217... 43.4782... 100
Total 130 100 230
Cálculo de la Varianza de Frecuencias:
(nij −eij )2
n
Tiempo de Grado de integración Total
residencia Bajo Alto
Más tiempo (40 - 73.4782...) 2/ 73.4782... (90 - 56.5217...)2/ 56.5217... 130
Menos tiempo (90 - 56.5217...)2/ 56.5217... (10 - 43.4782...)2/ 43.4782... 100
Total 130 100 230
Grado de integración
Tiempo de residencia Total
Bajo Alto
Más tiempo 15.2534... 19.8294... 130
Menos tiempo 19.8294... 25.7782... 100
Total 130 100 230
Calculamos el valor estadístico de contraste del Chi – cuadrado de prueba:
2
r k
( nij −e ij )
X =∑ ∑
2
c
i=1 j=1 e ij
2
X c = 15.2534... + 19.8294... + 19.8294... + 25.7782...
2
X c = 80.69...
Calculando los Grados de Libertad (GL):
GL=( r−1 )∗( k−1)

Número de filas (r) = 2
Número de columnas (k) = 2
GL=( 2−1 )∗(2−1)

GL = 1 * 1
GL = 1  Se tiene 1 de grados de libertad.

Piden un valor crítico del Chi – cuadrado (de tabla) para el nivel de significancia del 95%?
α = 0.95 nivel de significancia.
1-α = 0.05 nivel de confianza.
X 2α :(r −1 )(k−1)
2 2 2
X 0.95: (2−1)(2−1) → X 0.95 :(1)(1) → X 0.05 :1=0.039
X2 (de fórmula) > X2 (de tabla)

80.69... > 0.039
Conclusión: Se rechaza la Hipótesis Nula (Ho). Se concluye que no existe relación

entre el tiempo de residencia de inmigrantes en nuestro país y su percepción de
integración.
9. Un politólogo cree que, durante los últimos años, la composición étnica de la ciudad donde
vive ha cambiado. Las cifras más actuales (reunidas hace unos cuántos años) muestran que los
habitantes de dicha ciudad presentan la siguiente composición étnica: 53% noruegos, 32%
suecos, 8% irlandeses, 5% alemanes y 2% italianos. Para verificar esta idea, este científico
social obtiene una muestra aleatoria de 750 habitantes, con los resultados que se presentan en
la siguiente tabla:
Desarrollo:
10.Una universidad está pensando en implantar uno de los tres sistemas de calificaciones
siguientes: (1) todas las calificaciones son aprobados-reprobado; (2) todas las calificaciones
están en el sistema 4.0 y (3) 90% de las calificaciones están en el sistema 4.0 y 10% son a
probados-reprobado. Se realiza una encuesta para determinar si existe una relación entre el
área de interés de cada alumno y su presencia para algún sistema de calificación. Se elige una
muestra aleatoria de 200 estudiantes del área ingeniería, 200 de ciencias, y 100 de bellas artes.
Se pregunta a cada alumno cuál de las tres calificaciones prefieren. Los resultados aparecen en
la siguiente tabla:
a). ¿Cuál es la hipótesis nula?

b). ¿Cuál es la hipótesis alterna?
c). ¿Cuál es la conclusión? Utilice  = 0,05.
Desarrollo:
Ho: Existe relación entre el área de interés de cada alumno y su presencia en algún sistema de
calificación.
H1: No existe relación entre el área de interés de cada alumno y su presencia en algún sistema
de calificación.
a) ¿Cuál es la conclusión? Utilice α = 0.05
DETERMINANDO LAS FRECUENCIAS OBSERVADAS
Sistema de Calificación
Total
Aprobado - Reprobado 4.0 4.0 y Aprobado - Reprobado
Bellas Artes 26 55 19 100
Ciencias 24 118 58 200
Ingeniería 20 112 68 200
Total 70 285 145 500
Sumatoria de Filas
3
∑ n1 j=n11+n 12+n 13=26+55+19=100

j=1
∑ n2 j=n21+ n22+n 23=24+118+58=200

j=1
∑ n3 j=n31+ n32+n 33=20+112+68=200

j=1
Sumatoria de Columnas
3
∑ ni 1=n11 +n21+ n31=26+24 +20=70

i=1
∑ ni 2=n12 +n22 +n32=55+118+112=285

i=1
∑ ni 3=n13 +n23 +n33 =19+ 58+68=145

i=1
Sumatorias de la sumatoria fila – columna

r k
∑ ∑ nij=n11 +n12 +n13 +n21 +n22 +n23 +n31 +n32+ n33

i j
r k
∑ ∑ nij=26+55+19+ 24+118+58+20+ 112+ 68=500

i j
DETERMINANDO LAS FRECUENCIAS ESPERADAS
Total
Bellas Artes 14 57 29 100
Ciencias 28 114 58 200
Ingeniería 28 114 58 200
Total 70 285 145 500
Bellas Artes (26-14)2/14 (55-57)2/57 (19-29)2/29
Ciencias (24-28)2/28 (118-144)2/114 (58-58)2/58
Ingeniería (20-28)2/28 (112-114)2/114 (68-58)2/58
Bellas Artes 10.28571 0.07018 3.44828
Ciencias 0.57143 0.14035 0
Ingeniería 2.28571 0.03509 1.72414
Se calcula el valor estadístico de contraste del Chi-cuadrado de prueba:

2
r k
( nij −e ij )
X =∑ ∑
2
c
i=1 j=1 e ij
2
X c=10.28571+0.07018+3.44828+0.57143+0.14035+0+2.28571+0.03509+1.72414
X 2c=18.56088
Número de Filas ( r ) = 3
Número de Columnas ( k ) = 3
GL = ( r – 1 ) * ( k – 1 )
GL = 2 * 2
GL = 4  Se tiene 4 grados de libertad.
Nos piden un valor crítico del Chi-cuadrado de tabla para un nivel de significancia del 5%
(0.05).
α = 0.05 nivel de significancia. 1-α = 0.95 nivel de confianza.
X 2α :(r −1 )(k−1)
X 20.05: (3−1)(3−1 ) → X 20.05 :(2)(2) → X 20.05 : 4 = 9.4877
2 2
X ( de fórmula )> X (de tabla)
18.56088>9.4877
CONCLUSIÓN
Se rechaza la Hipótesis Nula (Ho). Se demuestra que no existe relación entre el área de
interés de cada alumno y su presencia en algún sistema de calificación.
11.Debido a la inflación galopante, el gobierno está considerando la imposición de un control de

precios y salarios. Un economista del gobierno, interesado en determinar si existe una relación
entre el empleo y la actitud hacia este control, reúne los siguientes datos. Los datos muestran,
para cada tipo de empleo, el número de individuos en la muestra que están a favor o contra de
los controles.
a). ¿Cuál es la hipótesis nula?

b). ¿Cuál es la hipótesis alterna?
c). ¿Cuál es la conclusión? Utilice  = 0,05.
Desarrollo:
Se calcula la Varianza de Frecuencias:

2
(n ¿ ¿ij−e ij )
¿
eij
Actitud hacia el control de precios y salarios

A favor En contra
Obreros (90-75) /75
2
(60-75) 2/75
Empresarios (100-125) 2/125 (150-125) 2/125
Profesionales (110-100) 2/100 (90-100) 2/100
Actitud hacia el control de precios y salarios

A favor En contra
Obreros 3 3
Empresarios 5 5
Se calcula el valor estadístico de contraste del Chi-cuadrado de prueba:

2
r k
( nij −e ij )
X =∑ ∑
2
c
i=1 j=1 e ij
2
X c= 3 + 3 + 5 + 5 + 1 + 1
2
X c= 18
Número de Filas ( r ) = 3
Número de Columnas ( k ) = 2
GL = ( r – 1 ) * ( k – 1 )
GL = 2 * 1
(0.05).
2
X α :(r −1 )(k−1)
2 2 2
X 0.05: (3−1)(2−1 ) → X 0.05 :(2)(1) → X 0.05 :2 = 5.9915
X 2 ( de fórmula )> X 2 (de tabla)
18>5.9915
CONCLUSIÓN
Se rechaza la Hipótesis Nula (Ho). Se demuestra que no existe relación entre el empleo y la
actitud hacia el control de precios y salarios.
12.El número de alumnos por semana que sufren algún tipo de accidente en un colegio durante 36
semanas del periodo escolar es la siguiente:
Aplicación en Ciencias de la salud) Probar si la muestra de datos se ajusta a una distribución

de Poisson con intensidad λ, con un nivel de significación de 5%
Desarrollo:
Ho: Los números de alumnos accidentados se ajusta a una distribución de Poisson.
H1: Los números de alumnos accidentados no se ajusta a una distribución de Poisson.

x −ℷ
ℷ ∗e
P( x )=
x!
Donde:
e=¿ 2.71828
( 6∗0 ) + ( 8∗1 ) + ( 10∗2 )+ ( 6∗3 )+(6∗4)
ℷ=  ℷ=1.94
36
µ = ℷ=1.94
Usando la fórmula de la distribución de Poisson:
Probabilidad
0 alumnos accidentados  x = 0
0 −1.94
1.94 ∗(2.71828)
P( o) = =0.143704  P( o)=0.1437
0!
1 −1.94
1.94 ∗(2.71828)
P( 1 ) = =0.278786  P(1 )=0.2788
1!
1.94 2∗(2.71828)−1.94
P( 2 ) = =0.270422  P(2 )=0.2704
2!
1.943∗(2.71828)−1.94
P(3 )= =0.174873  P(3 )=0.1749
3!
4 alumnos a más accidentados  x = 4
1.94 4∗(2.71828)−1.94
P( 4) = =0.084813
4!
P( 4)=1−(0.1437 +0.2788+0.2704+ 0.1749)  P( 4)=0.1322
Valor estadístico Chi-cuadrado de prueba
N° alumnos accidentados fo P(x) fe fo - fe (fo-fe) 2 (fo-fe) 2/fe

0 6 0.1437 5.17 0.83 0.6836 0.1321
1 8 0.2788 10.04 -2.04 4.1486 0.4133
2 10 0.2704 9.73 0.27 0.0705 0.0072
3 6 0.1749 6.30 -0.30 0.0879 0.0140
4 o más 6 0.1322 4.76 1.24 1.5396 0.3235
Total 36 1 36 0 0.8902
2
5
( fo i−fei )
X =∑
2
i=1 f ei
2
X = 0.1321 + 0.4133 + 0.0072 + 0.0140 + 0.3235
X 2 = 0.8902
Número de Filas = 5
GL = N° de filas - 1
GL = 5 - 1
(0.05).
X 2α: GL
2 2
X 0.05: (5−1) → X 0.05 : 4 = 9.4877
X 2 ( de fórmula )< X 2 (de tabla)
0.8902<9.4877
CONCLUSIÓN
Se acepta la Hipótesis Nula (Ho). Se demuestra que los números de alumnos accidentados se
ajusta a una distribución de Poisson.
13.En una ciudad la distribución habitual del grupo sanguíneo es de un 35%, 10%, 6% y un 49%
para los grupos A, B, AB y O respectivamente. En Antofagasta, se realizó el estudio en una
muestra de 200 individuos obteniéndose una distribución de 100, 60, 36, y 20 individuos para
los grupos A, B AB y O respectivamente. Verifique si la muestra de datos de la ciudad de
Antofagasta se ajusta a la distribución habitual del grupo sanguíneo en dicha ciudad usando un
nivel de significación de 0.01.
Desarrollo:
Planteamiento de Hipótesis
Hipótesis Nula:
H 0 : La muestra de datosde la ciudad de Antofagasta se ajusta a la
distribución habitual del grupo sanguíneo

Hipótesis Alternativa:
H 1 : La muestra de datos de la ciudad de Antofagasta no se ajusta a la
distribución habitual del grupo sanguíneo

Distribución habitual:
Grupo Sanguíneo A B AB O Total

Porcentaje total 35% 10% 6% 49% 100%
Frecuencias Observadas (O i):
Grupo Sanguíneo A B AB O Total

Distribución obtenida 100 60 36 20 216
Probabilidad de ocurrencia ( pi ¿:
35 10 6 49
p1 = =0.35 p2 = =0.1 p 3= =0.06 p4 = =0.49
100 100 100 100
Frecuencias Esperadas ( Ei ):
Para calcular las frecuencias esperadas aplicamos la siguiente fórmula:

Ei =n∙∗pi En donde, n∙ = 216
E1=216∗0.35=75.6 E2=216∗0.1 = 21.6
E3 =216∗0.06=12.96 E 4=216∗0.49=105.84
Calculando las desviaciones de frecuencias (O ¿ ¿ i−Ei )¿ :
O1−E1 =100−75.6=24.4 O2−E 2=60−21.6=38.4
O 3−E 3=36−12.96=23.04 O4 −E4 =20−105.84=−85.84
Calculando las desviaciones al cuadrado (O i−E i)2 :

2 2 2 2
( O1−E 1) =24.4 =595.36 ( O2−E 2 ) =38.4 =1474.56
2 2 2 2
(O 3−E 3) =23.04 =530.84 (O 4 −E4 ) =−85.84 =7368.5056
2
( Oi−Ei )
Calculando las varianzas de frecuencias :
Ei
2 2
( O1−E1 ) 595.36 ( O2−E2 ) 1474.56
= =7.875 = =68.267
E1 75.6 E2 21.6
2 2
( O3−E3 ) 530.84 ( O4−E 4 ) 7368.5056
= =40.959 = =69.619
E3 12.96 E4 105.84
Grupo ( Oi−Ei )
2
Sanguíneo Oi pi Ei 2
(O ¿ ¿ i−Ei ) ¿ (O i−E i)
Ei
A 100 0.35 75.6 24.4 595.36 7.875
B 60 0.1 21.6 38.4 1474.56 68.267
C 36 0.06 12.96 23.04 530.84 40.959
D 20 0.49 105.84 -85.84 7368.5056 69.619
Total 216 1 216 0 x
2 186.72
Hallando el valor Chi-Cuadrado de fórmula (Estadístico de prueba):

Para hallar el valor Chi−Cuadrado de fórmula debemos realizar la sumatoria
de las varianzas de frecuencias . Representdo por la siguiente fórmula :
2
r
( Oi−Ei )
x =∑
2
f
i=1 Ei
x 2f =7.875+68.267+ 40.959+69.619
x 2f =186.72
Calculando los Grados de Libertad:
GL=n−1 En donde, n es igual al número de columnas (n=4).
GL=4−1=3
Datos:
Nivel de significancia :α =0.01 Grados de Libertad :GL=3
2 2
x α :Gl → x 0.01 :3
El valor Chi-Cuadrado de tabla es:
2
x t =11.3449
Análisis de la hipótesis;
Comparamos los valores Chi-Cuadrado de fórmula y Chi-Cuadrado de tabla.
2 2
x f > xt
186.72>11.3449
El valor Chi-Cuadrado de fórmula es mayor al valor Chi-Cuadrado de tabla.
Conclusión: El valor estadístico es superior al valor crítico, por ello, se rechaza la

hipótesis nula ( H 0) y se acepta la hipótesis alternativa ( H 1). Se concluye que la
muestra de datos de la ciudad de Antofagasta no se ajusta a la distribución habitual
del grupo sanguíneo.
14.Con el fin de conocer si un cierto tipo de bacterias se distribuyen al azar en un determinado

cultivo o si, por el contrario, lo hacen con algún tipo de preferencia (el centro, los extremos,
etc.…), se divide un cultivo en 576 áreas iguales y se cuenta el número de bacterias en cada
área. Los resultados son los siguientes:
¿Se ajustan los datos a una distribución de Poisson de intensidad λ? Use un nivel de
significación de 0.05
Desarrollo:
Planteamiento de la Hipótesis:
H 0 : El número de tipos de bacterias siguen una distribución de Poisson.
H 1 : El número de tipos de bacterias no siguen una distribución de Poisson.
Por dato:
Nivel de significancia es = 0.05
Parámetro de la media de la Distribución Poisson:
0∗229+1∗211+2∗93+3∗35+4∗8 0+211+186+105+32
µ=λ= = =0.927
229+211+93+35+ 8 576
Entonces a partir de la distribución Poisson con parámetro 0.927 pueden calcularse las
probabilidades asociadas con el valor de x. Esto es la fórmula de la Poisson es:
λx e− λ
P ( x) = donde λ: (lambda): 𝝁 = n∗p
x!
e: base de logaritmos naturales = 2.71828
x!: factorial de x
x −0.927
0.927 (2.71828)
P ( x) = Probabilidad de ocurrencia
x!
Utilizando esta fórmula de la distribución de Poisson:
Probabilidad de:
0 −0.927
0.927 (2.71828)
P ( x=0 )= =0.40
0!
1 −0.927
0.927 (2.71828)
P ( x=1 )= =0.37
1!
2 −0.927
0.927 (2.71828)
P ( x=2 )= =0.172
2!
0.9273 (2.71828)−0.927
P ( x=3 )= =0.053
3!
0.9274 (2.71828)−0.927
P ( x=4 )= =0.012
4!
Valor estadístico Chi-cuadrado de prueba (fórmula)
Numero Serie P(x) Serie fo-fe (fo-fe) Ʌ 2 (fo-

de Observada Esperada fe)Ʌ2 /fe
Defectos fo fe
0 229 0.40 230.4 -1.4 1.96 0.0085

1 211 0.37 213.12 -2.12 4.4944 0.021
2 93 0.17 97.92 -4.92 24.2064 0.247
3 35 0.05 28.8 6.2 38.44 1.3347
4 a más 8 0.01 5.76 2.24 5.0176 0.871
576 1.00 576 0.0 X Ʌ2= 2.4822
5 2
(fo −fe i )
X =∑ i
2
i=1 fe i
2 2 2 2 2
2 (229−230.4) (211−213.12) (93−97.92) (35−28.8) ( 8−5.76) 2
X =¿ + + + + =X =¿
230.4 213.12 97.92 28.8 5.76
2.4822
Grados de Libertad
G.L.=N° de filas – 1 Nivel de significancia de  = 0,05
Siendo: N° de filas = 5 Entonces el Nivel de confianza de: 1-  = 0,95
Entonces G.L. =5-1 = 4
El chi-cuadrado de tabla es:

2 2
El chi-cuadrado de tabla (teórico) es: x α −GL =x 0.05−4 =9.4877
Grados de Libertad
G.L.=N° de filas – 1 Nivel de significancia de  = 0,05
Siendo: N° de filas = 5 Entonces el Nivel de confianza de: 1-  = 0,95
Entonces G.L. =5-1 = 4 El chi-cuadrado de tabla es:

2
x 0.05−4 =9.4877
Regla de decisión
Aplicación: x 2Obtenido de formula = 2.4822
x Crítico o de tabla =9.4877

2
2 2
x < x 0.05−4
Entonces concluimos que se acepta H 0 :Como el 2.4822 es menor que 9.4877 se acepta H 0 : y
se concluye con un  = 0,05 que la forma de distribución de los defectos proviene de una
distribución de Poisson.
15.La siguiente tabla recoge la distribución de los triglicéridos en suero, expresados en mg/dl en
90 niños de 6 años:
Contrastar la hipótesis de que los datos se ajustan a una distribución Normal de media μ y
varianza σ2 con un nivel de significación de 0.05
Desarrollo:
16.Una empresa minera hizo un estudio para verificar si el tipo de trabajo se relaciona con el
grado de silicosis de los trabajadores. Para lo cual se elige una muestra aleatoria de 300
trabajadores y se clasifican en la tabla siguiente:
a) Probar la hipótesis de que el tipo de trabajo afecta el grado de silicosis del trabajador con un
nivel de significación de 5%
b) Determine el grado de relación
Desarrollo:
17.Una institución ambiental hizo un estudio para determinar si el sector habitacional se relaciona
con el grado de contaminación por plomo. Una muestra aleatoria de 300 personas a las que se
les examinó entregó los siguientes resultados:
a) ¿Cree usted que el sector habitacional se relaciona con el grado de contaminación por
plomo? Use una confiabilidad de 99% en su conclusión.
b) Determine el grado de relación entre las variables analizadas e interprete el resultado.
Desarrollo:
H0:No existe asociación del sector habitacional con respecto al grado de contaminación
H1:Si existe asociación del sector habitacional con respecto al grado de contaminación
LAS FRECUENCIAS ESPERADAS
18.Se desea comparar la efectividad de dos análisis de laboratorio para detectar la presencia de
bacterias en equinodermos (erizo rojo), para ello se selecciona dos muestras independientes de
Loxechinus albus (erizo rojo comestible) en un sector de caleta coloso y los resultados de los
análisis fueron los siguientes:
a) Pruebe la hipótesis de que la detección de la bacteria es independiente del tipo de análisis

usado, con un nivel de significación de 0.05.
b) Determine el grado de relación entre las variables.
Desarrollo:
Planteamos la hipótesis nula (Ho) y la hipótesis alternativa (Ha):
Ho: el laboratorio detecta la presencia de bacterias
Ha: el laboratorio no detecta la presencia de bacterias
Frecuencias observadas fo:
Presencia de bacterias
Análisis
Si No Total
1 11 39 50
2 8 42 50
Total 19 81 100
Frecuencias esperadas fe:
Análisis
Si No Total
1 (19*50/100) =9.5 (81*50/100) =40.5 50
2 (19*50/100) =9.5 (81*50/100) =40.5 50
Total 19 81 100
( fo−fe )
Análisis
Si No
1 (11-9.5) =1.5 (39-40.5) =-1.5
2 (11-9.5) =-1.5 (42-40.5) =1.5
Total 0 0
2
( fo−fe )
Análisis
Si No
1 2.25 -2.25
2 -2.25 2.25
Total 0 0
( fo−fe )2
fe
Análisis
Si No Total
1 0.2368 -0.0555 0.1813
2 -0.2368 0.0555 -0.1813
Total 0 0 0
r k 2
( fo−fe )
X c =∑ ∑
2
=0
i=1 j=1 fe
Grados de libertad:
GL = (r-1) (k-1)
GL = (2-1) (2-1) = 1
Nivel de significancia :α =0.05
Buscamos en la tabla:
2
X 0.05 : 1 =3.8415
Regla de decisión:
X 2 ( de formula )< X 2 (de tabla)

0 ≺ 3.8415
Aceptamos la hipótesis nula porque el valor estadístico (0.584) es menor que el valor critico
(3.8415) que quiere decir que la detección de la bacteria es independiente del tipo de análisis
19.La siguiente tabla muestra la distribución de una muestra aleatoria de 400 truchas cafés de un
gran río., según la longitud y el sector donde fueron extraídas.
a) Pruebe la hipótesis de que existe alguna relación entre la longitud de las truchas y el sector
del río donde fueron extraídas, usando un nivel de significación de 0.05.
b) ¿Cuál es el grado de relación entre las variables?
Desarrollo:
Planteamiento de la Hipótesis nula y Alternativa
Hipótesis nula : Ho: Hay relación entre la longitud de las truchas y el sector del río de donde
fueron extraídas.
Hipótesis nula : H1: No hay relación entre la longitud de las truchas y el sector del río de
donde fueron extraídas.
Frecuencias observadas :
Sector del rio Valor Mg.
Longitud
Alto Centro Bajo filas
Bajo el promedio 67 64 25 156
Promedio 42 76 56 174
Sobre el promedio 10 23 37 70
Valor Mg de columnas 119 163 118 400
Frecuencias esperadas:
Ct∗Rt
f e=
n
Cálculo de la frecuencia esperada:
Ct∗Rt
f e=
n
Sector del rio

Longitud
Frecuencias observadas:
Altofo Centro Bajo Total filas
Bajo promedio 46.41 63.57 46.02 156
Promedio 51.765 70.905 51.33 174
Sobre el promedio 20.825 28.525 20.65 70
Total Columnas 119 163 118 400
Frecuencias esperadas: fe
Estadístico de contraste:
2
( fo−fe)
fe
𝑓𝑜 = Frecuencia observada en una celda 𝑜 𝑖𝑗
𝑓𝑒 = Frecuencia esperada en una celda 𝑒 𝑖𝑗
Sector del rio
Longitud
Alto Centro Bajo
Bajo el promedio (67-46.41)2/46.41 (64-63.57)2/63.57 (25-46.02)2/46.02
Promedio (42-51.765)2/51.765 (76-70.905)2/70.905 (56-51.330)2/51.330
Sobre el promedio (10-20.825)2/20.825 (23-28.525)2/28.525 (37-20.650)2/20.650
2
( fo−fe)
x =∑
2
fe
2 2 2 2
2 (fo1 −fe 1 ) ( fo 2−fe 2 ) (fo 3−fe 3 ) (fo n−fe n )
x= + + + …+
fe 1 fe 2 fe 3 fe n
Sector del rio
Longitud
Alto Centro Bajo
Bajo el promedio 9.135 0.003 9.601
Promedio 1.842 0.366 0.425
Sobre el promedio 5.627 1.070 12.945
x 2=41.0143256
Grados de libertad :
Nivel de significancia = 0,05

Gl = (r-1)*(k-1) rG.L. 3 = (Nºnivel
Entonces
= de Columnas
de confianza:– 0,95
1) *(Nº de filas – 1)
El chi-cuadrado de tabla (teórico) es:
Gl = (3-1)*(3-1) = 4 k=3
X 2 α - GL = X 2 0.05 - 4 X 2 0.05 - 4 = 9.4877
Regla de decisión:
x2 Obtenido de fórmula = 41.0143256

X2Critico o de tabla= 9.4877
2 2
X > X 0.05−5 Se rechaza la H 0
41.0143256> 9.4877
Como el 9,4877 es menor a 41.01 se rechaza H0 y se concluye con un a= 0,05 que el

tamaño de las truchas es independiente del Sector del Rio de donde fueron extraídas.
20.En un proceso de fabricación de tornillos, el fabricante quería determinar si la proporción de

tornillos defectuosos producidos por tres máquinas variaba de una máquina a otra. Para
verificar esto se seleccionaron muestras de 400 tornillos de la producción de cada máquina y
se contó el número de tornillos defectuosos en cada una, obteniendo la siguiente tabla de
frecuencias.
Pregunta: Realizando la prueba de hipótesis adecuada, verifique si la proporción de tornillos

defectuosos no varía entre las diferentes máquinas. Use un nivel de significación de 0.05.
Desarrollo:
Primero planteamos la hipótesis nula y la alternativa.
Hipótesis Nula (Ho): La proporción de tornillos defectuosos no varía entre las diferentes
maquinas.
Hipótesis Alternativa (H1): La proporción de tornillos defectuosos si varía entre las diferentes
maquinas.
Sumatoria de Filas:
Sumatoria de Columnas:
21.Se desea probar si la distribución proporcional del rendimiento en una gran compañía variaba
según el coeficiente intelectual de los trabajadores, para lo cual se toma una muestra para cada
nivel del CI y se clasifica según el rendimiento en la compañía en la siguiente tabla.
Verifique la hipótesis que la distribución proporcional del rendimiento en la compañía es el

mismo para cada nivel de CI. Use un nivel de significación de 5%
Desarrollo:
Ho: la distribución proporcional del rendimiento es el mismo para cada nivel de CI
Ha: la distribución proporcional del rendimiento es distinto para cada nivel de CI
Frecuencias observadas fo:
rendimiento
Total
coeficiente intelectual deficiente regular bueno
bajo rendimiento 67 64 25 156
promedio 42 76 56 174
sobre el promedio 10 23 37 70
Total 119 163 118 400
Frecuencias esperadas
fe:
rendimiento
Total
bajo rendimiento 46.41 63.57 46.02 156
promedio 51.765 70.905 51.33 174
sobre el promedio 20.825 28.525 20.65 70
Total 119 163 118 400
( fo−fe )
rendimiento
Total
bajo rendimiento 20.59 0.43 -21.02 0
promedio -9.765 5.095 4.67 0
sobre el promedio -10.825 -5.525 16.35 0
Total 0 0 0 0
( fo−fe )2
rendimiento
Total
bajo rendimiento 423.9481 0.1849 441.8404 865.9734
promedio 95.3552 25.9590 21.8089 143.12315
sobre el promedio 117.1806 30.5256 267.3225 415.02875
Total 636.48395 56.66955 730.9718 1424.1253
( fo−fe )2
fe
rendimiento
Total
bajo rendimiento 9.1348 0.0029 9.6011 18.7388041
promedio 1.8421 0.3661 0.4249 2.63306533
sobre el promedio 5.6269 1.0701 12.9454 19.6424561
Total 16.6038437 1.43915439 22.9713275 41.0143
r k
( fo−fe )2
X c =∑ ∑
2
=41.0143
i=1 j=1 fe
Grados de libertad:
GL = (r-1) (k-1)
GL = (3-1) (3-1) = 4
Nivel de significancia :α =0.05
Buscamos en la tabla:
2
X 0.05 : 1 =9.4877
Regla de decisión:
2 2
X ( de formula )> X (de tabla)
41.0143> 9.4877
Rechazamos la hipótesis nula: la distribución proporcional del rendimiento es
distinto para cada nivel de CI (coeficiente intelectual)
22.Con el propósito de decidir si la opinión sobre el nivel de las carreras de ingeniería, que tienen
los académicos y los alumnos, son concordantes, se procede a encuestar a 100 académicos y a
200 alumnos, obteniéndose los siguientes resultados:
Pruebe la hipótesis que la distribución proporcional de la opinión entre los académicos y los
alumnos es la misma, usando una significación de 0.05
Desarrollo:
Plantear la hipótesis
H0: El nivel de los alumnos para la carrera de ingeniería concuerda con sus resultados.
H1: El nivel de los alumnos para la carrera de ingeniería no concuerda con sus
resultados.
Estadístico de prueba
Deficiente Regular Bueno Excelente

Académico 38.666 49.333 6 6 100
Alumnos 77.333 98.666 12 12 200
Total 116 148 18 18 300
2
X =0.183+0.092+0.650+0.325+ 0.666+0.333+0.166+ 0.083=2.498
Grado de libertad
G.L= 2-1=1
Nivel de significancia: α=0.05
Nivel de confianza: 1-α=0.95
El chi-cuadrado de tabla es:
X 20.05−1 =3.8415
2 2
X formula < X tabla
2.498<3.8415
Conclusión: Como 2.498 es menor que 3.8415 se acepta la H0 y se concluye con
α=0.05 que el nivel de los alumnos para la carrera de ingeniería concuerda con sus
resultados.
23.El Servicio nacional de salud desea verificar si la distribución proporcional del estado
nutricional de los niños no varía en tres ciudades de la región, para lo cual toma una muestra
de niños de las tres ciudades y los clasifica según estado nutricional obteniendo la siguiente
tabla:
Realice el análisis estadístico correspondiente destacando las hipótesis que usted deberá
probar con una significación de 0.05 y los pasos que ha seguido para lograr su conclusión.
Desarrollo:
Planteamiento de la hipótesis nula y alternativa:
- Ho: El estado nutricional de los niños es independiente de la ciudad

- H1: El estado nutricional de los niños no es independiente de la ciudad
Hallando la frecuencia esperada:
Ct∗Rt
f e=
n
Ct= Total por columna

Rt=Total por fila
n= total por fila
f e =frecuencia esperada en una celd a
Ciudad Total
Estado
Lima Huacho Cañete
nutricional
Obeso (216*214)/549 (165*214)/549 (168*214)/549 214
Sobrepeso (216*222)/549 (165*222)/549 (168*222)/549 222
Normal (216*64)/549 (165*64)/549 (168*64)/549 64
Flaco (216*49)/549 (165*49)/549 (168*49)/549 49
Total 216 165 168 549
Estado Ciudad
nutricional
Lima Huacho Cañete
Frecuencias Fo fe fo fe fo fe
Obeso 82 84,1967 70 64,3169 62 65,4864
Sobrepeso 93 87,3443 62 66,7213 67 67,9344
Normal 25 25,1803 18 19,2350 21 19,5847

Flaco 16 19,2787 15 14,7268 18 14,9945
Entonces:
Ciudad Total
Estado
Lima Huacho Cañete
nutricional
Obeso 84,1967 64,3169 65,4864 214
Sobrepeso 87,3443 66,7213 67,9344 222
Normal 25,1803 19,2350 19,5847 64
Flaco 19,2787 14,7268 14,9945 49
Total 216 165 168 549
Por lo que :
Hallando Chi- cuadrado
2
( fo−fe)
x =∑
2
fe
x 2=¿ ¿
Estado
nutricional
Lima Huacho Cañete
Obeso 0,0573 0,5022 0,1856
Sobrepeso 0,3662 0,3341 0,0129
Normal 0,0013 0,0793 0,1023
Flaco 0,5576 0,0051 0,6024
Estado Ciudad
nutricional
Lima Huacho Cañete
Obeso (82-84,1967)2/84,1967 (70-64,3169)2/64,3169 (62-65,4864)2/65,4864
Sobrepeso (93-87,3443)2/87,3443 (62-66,7213)2/66,7213 (67-67,9344)2/67,9344
Normal (25-25,1803)2/25,1803 (18-19,2350)2/19,2350 (21-19,5847)2/19,5847
Flaco (16-19,2787)2/19,2787 (15-14,7268)2/14,7268 (18-14,9945)2/14,9945
Estado Ciudad
nutricional
Lima Huacho Cañete
Obeso (82-84,1967)2/84,1967 (70-64,3169)2/64,3169 (62-65,4864)2/65,4864
Sobrepeso (93-87,3443)2/87,3443 (62-66,7213)2/66,7213 (67-67,9344)2/67,9344
Normal (25-25,1803)2/25,1803 (18-19,2350)2/19,2350 (21-19,5847)2/19,5847
Flaco (16-19,2787)2/19,2787 (15-14,7268)2/14,7268 (18-14,9945)2/14,9945

2
x =2,8062
a) α =0,05
r=4  número de filas
r-1=3
k=3 número de columnas

k-1=2
Gl=(r-1)*(k-1)=(3)*(2)=6
2
x 0,05−6=12,5916
Entonces:
x 2 ˂ x20,05 −6
Por lo que la Hipótesis nula (Ho) se acepta
Como el 2,8062 es menor a 12,596 se acepta Ho y se concluye con un nivel de significancia
de 0,05 que el estado nutricional de la ciudad es independiente de la ciudad.

Estamos Interesados en Comprobar La Perfección de Un Dado Cúbico

Cargado por

Información del documento

Descripción 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

Estamos Interesados en Comprobar La Perfección de Un Dado Cúbico

Cargado por

Copyright:

Formatos disponibles

Nombre: Alexandra Lucía Hancco Morales Código: 2020200633

1. Estamos interesados en comprobar la perfección de un dado cúbico (un dado normal de 6

2. Para estudiar la dependencia entre la práctica de algún deporte y la depresión, se seleccionó

Sin Depresión Con Depresión Total

Sin Depresión Con Depresión Total

Sin Depresión Con Depresión

Sin Depresión Con Depresión

Frecuencias Esperadas: ( nij – eij)^2 / eij

Sin Depresión Con Depresión

Deportistas 0.9567 2.1294

Grados de Libertad (r-1) (k-1) Nivel de significancia: α = 0.05

X 2 > X 20.05−1 Se acepta la H 0

Conclusión: Como el valor estadístico es superior al valor critico se rechaza la Ho, y

3. Estamos interesados en estudiar la fiabilidad de cierto componente informático con relación al

Componentes defectuosos Componentes correctos

Componentes defectuosos Componentes correctos

Componentes defectuosos Componentes correctos

Celda F Fe fo - (fo – fe) ((fo – fe) ^ 2) / fe

Conclusión: Se rechaza la hipótesis nula y se concluye variables relacionadas o no

5. Estamos interesados en estudiar la relación entre cierta enfermedad y la adicción al tabaco.

6. Estamos interesados en estudiar la fiabilidad de cierto componente informático con relación al

Componentes defectuosos Componentes correctos

Componentes defectuosos Componentes correctos

Componentes defectuosos Componentes correctos

Celda F Fe fo - (fo – fe) ((fo – fe) ^ 2) / fe

Conclusión: Se rechaza la hipótesis nula y se concluye variables relacionadas o no

Contraste la hipótesis de independencia entre bienestar y práctica de deporte (alfa = 0,01).

Calcular el valor X 2 de la muestra

e n 1∗n1 30∗45 e n 2∗n1 70∗45 e n1∗n2 30∗55 e 70∗55

Valor estadístico Chi-Cuadrado de prueba (Formula)

Sensación de Práctica deportiva

Sensación de Práctica deportiva

( Fo 1−fe 1 )2 ( fo 2−fe2 )2 ( fo 3−fe 3 )2 ( fo4−fe 4 )2

6.6349 < 8.1289

Tiempo de residencia Grado de integración Total

Más tiempo 40 90 130

GL=( r−1 )∗( k−1)

GL=( 2−1 )∗(2−1)

GL = 1  Se tiene 1 de grados de libertad.

X2 (de fórmula) > X2 (de tabla)

Conclusión: Se rechaza la Hipótesis Nula (Ho). Se concluye que no existe relación

a). ¿Cuál es la hipótesis nula?

a) ¿Cuál es la conclusión? Utilice α = 0.05

DETERMINANDO LAS FRECUENCIAS OBSERVADAS

∑ n1 j=n11+n 12+n 13=26+55+19=100

∑ n2 j=n21+ n22+n 23=24+118+58=200

∑ n3 j=n31+ n32+n 33=20+112+68=200

∑ ni 1=n11 +n21+ n31=26+24 +20=70

∑ ni 2=n12 +n22 +n32=55+118+112=285

∑ ni 3=n13 +n23 +n33 =19+ 58+68=145

Sumatorias de la sumatoria fila – columna

∑ ∑ nij=n11 +n12 +n13 +n21 +n22 +n23 +n31 +n32+ n33

∑ ∑ nij=26+55+19+ 24+118+58+20+ 112+ 68=500

DETERMINANDO LAS FRECUENCIAS ESPERADAS

Se calcula el valor estadístico de contraste del Chi-cuadrado de prueba:

Calculando los Grados de Libertad (GL):

GL = 4  Se tiene 4 grados de libertad.

α = 0.05 nivel de significancia. 1-α = 0.95 nivel de confianza.

X 20.05: (3−1)(3−1 ) → X 20.05 :(2)(2) → X 20.05 : 4 = 9.4877

11.Debido a la inflación galopante, el gobierno está considerando la imposición de un control de

a). ¿Cuál es la hipótesis nula?

Se calcula la Varianza de Frecuencias:

Actitud hacia el control de precios y salarios

2 (1950/100) =9.5 (8150/100) =40.5 50