UNIVERSIDAD ESTATAL PENÍNSULA DE SANTA

ELENA
Facultad de Ciencias Administrativas
Carrera de Contabilidad y Auditoría

PARALELO: 
CYA #3/2

PERTENECE A:
Liliana Lorena Cochea Gonzabay
 
DOCENTE: 
Econ. Nelson Félix Asencio Cristóbal, MSc
 
MATERIA: 
ESTADÍSTICA II

PERÍODO ACADÉMICO

2022-I
 INDICE
PORTADA....................................................................................................................1
ÍNDICE.........................................................................................................................2
UNIDAD I: INTRODUCCION A LA ESTADÍSTICA
COMPUTALIZADA(APLICACIONES EN EXCEL).....................................................3
1.1 Introducción a la estadística computarizada................................................................3
1.2 Presentación de datos. -tablas de frecuencias..............................................................3
1.3. Distribución de frecuencias aplicando funciones estadísticas. Tabla dinámica.........6
1.4. Distribución de frecuencias para series de clases. -función estadística en Excel.......8
1.5. Medidas de tendencia central en Excel: series simples y agrupadas Principio del
formulario Final del formulario.........................................................................................9
1.5.1. Medidas de dispersión. funciones estadísticas en Excel.......................................10
1.6. Prueba de hipótesis. -Ho,H1. Contraste de hipótesis................................................15
UNIDAD 2: ANÁLISIS DE VARIANZA......................................................................18
2.1. Análisis de la Varianza. - Introducción. - Distribución F.........................................18
2.2. Funciones estadísticas para análisis de varianza. Prueba de 2 varianzas.................19
2.3. Prueba Anova.- suposiciones en el análisis de la varianza. Estructura
SST,SSE,SSTotal............................................................................................................20
2.3.1. Prueba ANOVA.-estadístico de Prueba F.- ejercicios...........................................22
2.3.2 ANOVA.SST.SSE.SSt. ejercicios varios...............................................................23
  UNIDAD I: INTRODUCCIÓN A LA ESTADÍSTICA
COMPUTALIZADA(APLICACIONES EN EXCEL)

1.1 Introducción a la estadística computarizada

ESTADISTICA. - Es la rama de las Matemáticas que se ocupa de reunir, organizar y

analizar datos numéricos con el propósito de sacar conclusiones y tomar decisiones con
relación a dicho análisis.

Representación de datos Elementos: Tablas: Título, subtitulo, cuerpo, fuentes, notas

Gráfico: Título, Subtitulo, figura o gráfica; fuente de datos, leyenda, notas.
VARIABLE. - La variable es una característica o fenómeno que puede tomar diferentes
valores. Por ejemplo, el peso o estatura de una persona, el coeficiente intelectual de un
niño, la estatura de una persona.

1.2 Presentación de datos. -tablas de frecuencias

DATO. - Es cada uno de los valores que se ha obtenido al realizar un

estudio estadístico. Un dato es la representación de una variable que puede ser
cuantitativa o cualitativa que indica un valor que se le asigna a las cosas y se representa
a través de una secuencia de símbolos, números o letras.

SERIES. Conjuntos de datos que se presentan en tablas.

Los datos se presentan: Series simples y

Series de datos agrupados. Tablas de datos en las que se resumen estos de acuerdo con
la frecuencia con la que se repiten o según determinados intervalos de valores: datos y
frecuencias. Series de clases y frecuencias (intervalos de clases)

Tabla de frecuencias (o distribución de frecuencias) es una tabla que muestra la

distribución de los datos mediante sus frecuencias. Se utiliza para variables cuantitativas
o cualitativas ordinal
 EJEMPLOS DE SERIE SIN AGRUPAR
MEDIA, MEDIANA, MODA.
SERIE IMPAR SERIE PAR
DATOS No DATOS(X) No DATOS
1 1 1 1 1
3 2 2 2 2
2 3 3 3 2
5 4 4 4 3
8 5 5 5 4
7 6 6 6 5
6 7 7 7 6
11 8 8 8 7
4 9 11 9 8
    47 10 11

N 9 N 10
Exi 47 Exi 49
MEDIA 5 MEDIA 4,9
MEDIANA 5 MEDIANA 4,5
MODA #N/D MODA 2

EJEMPLOS DE SERIE DE DATOS CON FRECUENCIAS

SERIE PAR
CALIFICACIONES XI FR
DATOS CALIFICACIONES ESTUDIANTES FX FAA
2 1 2 2 2
3 2 4 8 6
4 3 2 6 8
3 4 1 4 9
2 XJ+XI/2 5 1 5 10
1 6 2 12 12
6 7 1 7 13
8 8 4 32 17
7 9 2 18 19
8 10 1 10 20
8 20 104
9
10
1
2 N 20
5 EXI 104
6 MEDIA 5,2 5,2
2 MEDIANA 5,5 5,5
8 MODA 2,8 2
9

MEDIANA
PROCEDIMIENTO PASOS
1)POSICION (N+1)/2 (20+1)/2 10,5
2)FAA n+1/2 12 10,5
3)SEÑALAMOS LA FILA J
4)LA MEDIANA SERA IGUAL A VALOR DE (Xj+Xi -1 )/2
5)MEDIANA =(6+5)/2=5,5 5,5
 SERIE IMPAR
CALIFICACIONES XI FR
DATOS CALIFICACIONES ESTUDIANTES FX FAA
2 1 2 2 2
3 2 5 10 7
4 3 2 6 9
3 4 1 4 10
2 Xj 5 1 5 11
1 6 2 12 13
6 7 1 7 14
8 8 4 32 18
7 9 2 18 20
8 10 1 10 21
8 21 106
9
10
1
2 N 21
5 EXI 106
6 xi MEDIA 5 5
edad
ESTUDIANTES 3.2 2022-2
2 MEDIANA 5 5
18 25
8 MODA 2 2
EDAD DATOS ESTUDIANTES

20
9 20
21
22
21 n=4 20
2 22 18
15 1
MEDIANA
2
PROCEDIMIENTO
10 PASOS
3
1)POSICION 5 (N+1)/2 (21+1)/2 11
2)FAA n+1/2 13 11 4

3)SEÑALAMOS 0 LA FILA J
1 2 3 4
4)LA MEDIANA SERA IGUAL AL VALOR DE Xj
No. DE ESTUDIANTES
5)MEDIANA Xj 5

SERIE DE DATOS Y FRECUENCIAS

AUDITORIAS EMPRESAS
Xi fi
2 3 6 2
4 5
No DE EMPRESAS

6 2 n=4
n 10 4 5
352

2 3

0 1 2 3 4 5 6
No. DE AUDITORÍAS

SERIE DE CLASES Y FRECUENCIAS

DIAS DE
SALARIOS TRABAJADORES TRABAJADORES
Xi-j fi 6
5 a 10 5
10 a 15 4 5
15 a 20 3 5

20 a 25 4 n=16 4
4 4
16
3
3
Series1
2

0
5 a 10

10 a 15

20 a 25
15 a 20
 NÚMEROS DE PERSONAS QUE HAN VIAJADO POR NEGOCIOS DURANTE EL 2019
VIAJES EJECUTIVOS
DATOS DATOS DATOS FRECUENCIAS F.A.A F.R F.R.A F% FA%
2 1 1 3 3 0,08 0,08 8% 8%
3 2 2 6 9 0,15 0,23 15% 23%
4 3 3 4 13 0,10 0,33 10% 33%
3 4 4 5 18 0,13 0,45 13% 45%
2 5 5 4 22 0,10 0,55 10% 55%
1 6 6 3 25 0,08 0,63 8% 63%
6 7 7 3 28 0,08 0,70 8% 70%
8 8 8 5 33 0,13 0,13 13% 83%
7 9 9 3 36 0,08 0,20 8% 90%
8 10 10 4 40 0,10 0,30 10% 100%
8 55 40
9
10
1
2 7
5
6 6
2
8
5
9
7
4
5 HISTOGRAMA DE FRECUENCIAS
4
3 POLIGONO DE FRECUENCIAS
10
3
2
4
5
1
6
9
10 0
1 2 3 4 5 6 7 8 9 10
2
3
4
8
7
5
4
2
10
1
N=40 N=40

1.3. Distribución de frecuencias aplicando funciones estadísticas. Tabla dinámica

TABLA DE DINAMICA: Es una tabla que agrupa datos procedentes de otra tabla o
base de mayor tamaño. Se usa como herramienta para el procesamiento de grades
cantidades de datos.

PASOS PARA REALIZAR UNA TABLA DE DINAMICA

a.-Insertar crear tabla dinámica

b) Seleccionamos todos los datos(A) en el campo tabla o rango (acepto)

c) Arrastramos datos a etiquetas fila

d) Arrastramos datos a valores(frecuencias)

e) Clip suma de valores (configuración campo de valor)

f) Clip(cuenta)

g) F, A, A Clip derecho en frecuencia (configuración campo valor)

h) Mostrar valores como clip (seleccionar total en) aceptar

I) Conf. Camp. Valor (% DEL TOTAL General) FREC.RELATIVA

i) % Del total en (FREC.AB. ACUMULADA)

EJERCICIO DE TABLA DINAMICA

EJ ERCI CIO EN CLASE No 1
DATOS DATOS VIAJE FRECUENCIAS FAA PORCENTAJES PORC.ACUMUL
2 1 Etiquetas de fila Cuenta de DATOS Cuenta de DATOS2 Suma de DATOS3 Suma de DATOS4
3 2 1 2 2 1,20% 1,20%
4 3 2 4 6 4,79% 5,99%
3 4 3 3 9 5,39% 11,38%
2 5 4 3 12 7,19% 18,56%
1 6 5 3 15 8,98% 27,54%
6 7 6 3 18 10,78% 38,32%
8 8 7 2 20 8,38% 46,71%
7 9 8 4 24 19,16% 65,87%
8 10 9 3 27 16,17% 82,04%
8 10 3 30 17,96% 100,00%
9 Total general 30 100,00%
10
1
2
5
6
2
8
9
7
5
4
10
3
4
5
6
9
10
n=30

EJ ERCICIO EN CLASE No 2
AÑOS INGRESOS X VTAS Etiquetas de fila Suma de INGRESOS X VTAS Suma de INGRESOS X VTAS2 Suma de INGRESOS X VTAS3 Suma de INGRESOS X VTAS4
2010 1250 2010 1250 1250 6,54% 6,54%
2012 1345 2011 1500 2750 7,84% 14,38%
2013 1268 2012 1345 4095 7,03% 21,41%
2014 1500 2013 1268 5363 6,63% 28,04%
2015 1670 2014 1500 6863 7,84% 35,89%
2018 1920 2015 1670 8533 8,73% 44,62%
2019 1900 2016 2300 10833 12,03% 56,65%
2020 2020 2017 2450 13283 12,81% 69,46%
2016 2300 2018 1920 15203 10,04% 79,50%
2017 2450 2019 1900 17103 9,94% 89,44%
2011 1500 2020 2020 19123 10,56% 100,00%
Total general 19123 100,00%
1.4. Distribución de frecuencias para series de clases. -función estadística en Excel

La distribución de frecuencias agrupadas o tabla con datos agrupados se emplea si las

variables toman un número grande de valores o la variable es continua.

Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases.
A cada clase se le asigna su frecuencia correspondiente.

Límites de la clase
 Cada clase está delimitada por el límite inferior de la clase y el límite superior de la
clase.
 Amplitud de la clase
 La amplitud de la clase es la diferencia entre el límite superior e inferior de la clase.
 Marca de clase
 La marca de clase es el punto medio de cada intervalo y es el valor que representa a
todo el intervalo para el cálculo de algunos parámetros.
EJEMPLOS DE SERIE DE CLASES Y FRECUENCIAS (INTERVALOS DE
CLASES)
MEDIA, MEDIANA Y MODA
peso de las personas personas
INTERVALO S DE C LASE
Fre c ue nc ia s Xc fXc FAA
No . lim . Infe rio r lim . Sup e rio r
1 30 39 11 34,5 379,5 11
2 39 48 7 43,5 304,5 18
3 48 57 10 52,5 525 28
4 57 66 8 61,5 492 36
5 66 75 6 70,5 423 42
6 75 84 10 79,5 795 52
7 84 93 14 88,5 1239 66
8 93 102 13 97,5 1267,5 79
9 102 111 3 106,5 319,5 82
10 111 120 14 115,5 1617 96
96 7362

N 96
EXI 7362
MEDIA 76,7
MEDIANA 80,85
(n+1)/2 48,5
Li 75
Fj-1 42
A 9
fj 10
MODA 1 82,2 91,2
1(14-10) 4
2 1
Li 84
A 9
MODA 2 114,96
1(14-3) 11
2 14
Li 111
A 9
1.5. Medidas de tendencia central en Excel: series simples y agrupadas Principio del
formulario Final del formulario

Las medidas de tendencia central son medidas estadísticas que pretenden resumir en

un solo valor a un conjunto de valores. Representan un centro en torno al cual se
encuentra ubicado el conjunto de los datos. Las medidas de tendencia central más
utilizadas son: media, mediana y moda.

PESO DE LAS PERSO NAS / kilo s

61 70 64 45 79 85 97 48
119 98 36 79 88 115 102 36
99 88 44 118 88 80 114 120
52 52 86 103 112 55 100 96
67 101 99 74 112 64 60 112
30 82 86 99 66 73 41 56
119 98 108 33 95 61 98 87
50 75 114 30 33 80 85 57
64 90 92 84 49 95 55 75
105 34 35 30 115 44 79 51
62 117 119 77 79 44 54 82
89 39 90 48 90 89 120 35
FREC . FREC . FREC UENC IA
FREC UENC IA FREC UENC IA FREC UENC IA
INTERVALO S DE C LASE ABSO LUTA RELATIVA PO RC ENTUAL
MARCA CLASE ABSO LUTA RELATIVA PO RC ENTUAL
Xc AC UMULADA AC UMULADA AC UMULADA

No Da to s 96 No . Grup o s lim. Infe r. lim. Supe rio r fi hi Fi Hi % %A

L. infe rio r 30 1 30 43 36 12 0,13 12 0,13 13% 13%

L. supe rio r 120 2 43 56 49 14 0,15 26 0,27 15% 27%

RANGO 90 3 56 69 62 11 0,11 37 0,39 11% 39%

No . Grupo s c la se s(K) 7 4 69 81 75 12 0,13 49 0,51 13% 51%

Amplitud-inte rva lo (A) 13 5 81 94 88 17 0,18 66 0,69 18% 69%

6 94 107 101 15 0,16 81 0,84 16% 84%

K=R/ A 7 107 120 114 15 0,16 96 1,00 16% 100%

R=Ls-Li 96 1,00 100%

R=120-30

R=90 INTERPRETACIÓN:

14 PERSO NAS DE 96 TIENEN UN PESO DE 49 KILO S

EL 13% DE 96 PERSONAS TIENEN UN PESO DE 75 KILOS

18 FRECUENCIA DE PESO DE LAS PERSONAS EN KILOS

16

14

12

10
HISTOGRAMA DE FRECUENCIAS
8 POLIGONO DE FRECUENCIAS

0
36 49 62 75 88 101 114
 FREC . FREC . FREC UENC IA
FREC UENC IA FREC UENC IA FREC UENC IA
INTERVALO S DE C LASE MARCA CLASE ABSO LUTA RELATIVA PO RC ENTUAL
ABSO LUTA RELATIVA PO RC ENTUAL
Xc AC UMULADA AC UMULADA AC UM ULADA
No Da to s 96 No . Grup o s lim. Infe r. lim. Supe rio r fi hi Fi Hi % %A
L. infe rio r 30 1 30 41 36 12 0,13 12 0,13 13% 13%
L. sup e rio r 120 2 41 53 47 11 0,11 23 0,24 11% 24%
RANGO 90 3 53 64 58 9 0,09 32 0,33 9% 33%
No . Grupo s c la se s(K) 8 4 64 75 69 10 0,10 42 0,44 10% 44%
Amplitud-inte rva lo (A) 11 5 75 86 81 14 0,15 56 0,58 15% 58%
6 86 98 92 14 0,15 70 0,73 15% 73%
K=R/ A 7 98 109 103 12 0,13 82 0,85 13% 85%
R=Ls-Li 8 109 120 114 14 0,15 96 1,00 15% 100%
R=120-30 96 1,00 100%
R=90
INTERPRETACIÓN:
9 PERSO NAS DE 96 TIENEN UN PESO DE 58 KILO S
EL 10% DE 96 PERSONAS TIENEN UN PESO DE 69 KILOS

16
FRECUENCIA DE PESO DE LAS PERSONAS EN KILOS
14

12

10

8 HISTOGRAMA DE FRECUENCIAS
POLIGONO D E FRECUENCIAS
6

0
36 47 58 69 81 92 103 114

1.5.1. Medidas de dispersión. funciones estadísticas en Excel

Las medidas de dispersión más conocidas son: el rango, la varianza, la desviación típica
y el coeficiente de variación (no confundir con coeficiente de determinación)

EJERCICIO DE MEDIDAS DE DISPERSION O VARIABILIDAD; M. FORMAS

DE DISTRIBUCIÓN(MUESTRA)
VARIANZA, DESVIACIÓN ESTANDAR, C.V.(M.distribución:asimetría y
kurtosis)
SERIE SIMPLE SIN AGRUPAR

DATOS
1 -4,5 4,5 20,25 -91,125 410,0625
2 -3,5 3,5 12,25 -42,875 150,0625
3 -2,5 2,5 6,25 -15,625 39,0625
4 -1,5 1,5 2,25 -3,375 5,0625
5 -0,5 0,5 0,25 -0,125 0,0625
6 0,5 0,5 0,25 -0,125 0,0625
7 1,5 1,5 2,25 3,375 5,0625
8 2,5 2,5 6,25 15,625 39,0625
9 3,5 3,5 12,25 42,875 150,0625
10 4,5 4,5 20,25 91,125 410,0625
25 82,5 0 1208,625

n 10 10 DATOS
MEDIA 5,5 5,5
25 25 Media 5,5
DES. MEDIA 2,5 2,5 Error típico 0,95742711
n-1 9 9 Mediana 5,5
VARIANZA 9,166666667 9,166666667 Moda #N/D
DES. ESTANDAR 3,027650354 3,027650354 Desviación estándar 3,02765035
C.V 55,05% 55,05% Varianza de la muestra
9,16666667
A.S 0 0 Curtosis -1,2
0 0 Coefi ciente de asimetría 0
KU -1,561636364 -1,2 Rango 9
1208,625 1208,625 Mínimo 1
Máximo 10
Suma 55
Cuenta 10
 MEDIDAS DE DISPERSION O VARIABILIDAD; M. FORMAS DE
DISTRIBUCION(MUESTRA)
VARIANZA, DESVIACIÓN ESTANDAR, C.V.(M.distribución:asimetría y
kurtosis)
SERIE DE DATOS Y FRECUENCIAS
VIAJES DE EJECUTIVOS

f f f f
DATOS FRECUENCIAS fx
1 2 2 -4,2 4,2 8,4 17,64 35,28 -74,088 -148,176 311,1696 622,3392
2 4 8 -3,2 3,2 12,8 10,24 40,96 -32,768 -131,072 104,8576 419,4304
3 2 6 -2,2 2,2 4,4 4,84 9,68 -10,648 -21,296 23,4256 46,8512
4 1 4 -1,2 1,2 1,2 1,44 1,44 -1,728 -1,728 2,0736 2,0736
5 1 5 -0,2 0,2 0,2 0,04 0,04 -0,008 -0,008 0,0016 0,0016
6 2 12 0,8 0,8 1,6 0,64 1,28 0,512 1,024 0,4096 0,8192
7 1 7 1,8 1,8 1,8 3,24 3,24 5,832 5,832 10,4976 10,4976
8 4 32 2,8 2,8 11,2 7,84 31,36 21,952 87,808 61,4656 245,8624
9 2 18 3,8 3,8 7,6 14,44 28,88 54,872 109,744 208,5136 417,0272
10 1 10 4,8 4,8 4,8 23,04 23,04 110,592 110,592 530,8416 530,8416
20 104 54 175,2 12,72 2295,744

n 20
Efx 104
MEDIA 5,2
DES. MEDIA 2,7
VARIANZA 9,221052632
n-1(20-1) 19
DES. ESTANDAR 3,036618618
C.V 58,40%
A.S 0,022714
KU -1,650004066

MEDIDAS DE DISPERSIÓN: SERIE DE CLASES CON FRECUENCIAS

(INTERVALOS DE CLASE)
peso de las personas personas
INTERVALOS DE CLASE
Fre c ue nc ia s Xi fx f f f f
No . lim . Infe rio r lim . Sup e rio r
1 30 39 11 34,50 379,5 -42,188 42,188 464,063 1779,785 19577,637 -75084,686 -825931,549 3167635,202 34843987,226
2 39 48 7 43,50 304,5 -33,188 33,188 232,313 1101,410 7709,871 -36553,050 -255871,347 1213104,332 8491730,326
3 48 57 10 52,50 525 -24,188 24,188 241,875 585,035 5850,352 -14150,538 -141505,378 342266,134 3422661,340
4 57 66 8 61,50 492 -15,188 15,188 121,500 230,660 1845,281 -3503,151 -28025,209 53204,108 425632,861
5 66 75 6 70,50 423 -6,188 6,188 37,125 38,285 229,711 -236,889 -1421,336 1465,753 8794,519
6 75 84 10 79,50 795 2,813 2,813 28,125 7,910 79,102 22,247 222,473 62,571 625,706
7 84 93 14 88,50 1239 11,813 11,813 165,375 139,535 1953,492 1648,259 23075,626 19470,060 272580,838
8 93 102 13 97,50 1267,5 20,813 20,813 270,563 433,160 5631,082 9015,146 117196,895 187627,721 2439160,373
9 102 111 3 106,50 319,5 29,813 29,813 89,438 888,785 2666,355 26496,907 79490,722 789939,054 2369817,162
10 111 120 14 115,50 1617 38,813 38,813 543,375 1506,410 21089,742 58467,544 818545,619 2269271,559 31769801,824
96 7362 2193,750 66632,625 -214223,484 84044792,175

n 96
Efx 7362 plato curtica resulto menor a 0 y asimetria negativa
MEDIA 76,6875
DES. MEDIA 22,8515625
VARIANZA 701,3960526
n-1(96-1) 95
DES. ESTANDAR 26,48388288
C.V 34,53%
A.S -0,120130
KU -1,220438753

En una m u e stra d e fa m ilia s e sc o g id a s a le a to ria m e nte ,se p re g unta c ua nto d ine ro g a sta n (e n $) a l m e s  e n c o m id a rá p id a , c uy o s re sulta d o s  se d e ta lla n
e n la sig uie nte ta b la  

MENSUA L DA TO S
50 50 -38,75 38,75 1501 ,563 -58185,5 225 4690
60 60 -28,75 28,75 826,5 625 -23763,7 683 205,6
70 70 -18,75 18,75 351,5 625 -659 1,8 123 596,2
80 80 -8,75 8,78 7 6,5625 -669,922 586 1,816
90 90 1,25 1,25 1 ,5625 1,953125 2,44 1406
100 1 00 11,25 11,25 126,5 625 142 3,828 160 18,07
120 1 20 31,25 31,25 976,5 625 305 17,58 953 674,3
140 1 40 51,25 51,25 2626 ,563 134 611,3 689 8831
1 90 6 487,5 773 44 10 935879
De te rm ina r
1.- De sv ia c ió n p ro m e d io n 8 8 DATOS
2.- Va ria n za MEDIA 88,75 88,75
3.- C o e fic ie n t e d e v a ria c ió n 190,0 3 1 90,03 Media 88,75
4.- A sim e t ria y c u rt o sis DES. MEDIA 23,75 23,75 Error típico 10,7632808
n- 1 7 7 Mediana 85
VARIANZA 926,7 9 9 26,79 Moda #N/D
DES. ESTANDAR 30,44 30,44 Desviación estándar 30,4431555
C.V 34,30% 34,30 % Varianza de la muestra 926,785714
A.S 0 ,34 0,52 Curtosis -0,53475893
77344 7 7344 Coeficiente de asimetría 0,52215198
KU -1,41 -0,53 Rango 90
1093 5879 109 35879 Mínimo 50
Máximo 140
Suma 710
Cuenta 8
ASIMETRIA Y KURTOSIS
ASIMETRÍA. La asimetría es la medida que indica la simetría de la distribución de una
variable respecto a la media aritmética, sin necesidad de hacer la representación gráfica.
Los coeficientes de asimetría indican si hay el mismo número de elementos a izquierda
y derecha de la media.

As=0 Totalmente Simetrica

As>0 As.positiva
As<0 As.negativa

MUESTRA POBLACION
Series no agrupados Series NO agrupadas

Para datos agrupados

CURTOSIS: La curtosis (o apuntamiento) es una medida de forma que mide cuán

escarpada o achatada está una curva o distribución. Este coeficiente indica la cantidad
de datos que hay cercanos a la media, de manera que, a mayor grado de curtosis, más
escarpada (o apuntada) será la forma de la curva.
Series no agrupadas

Series agrupadas

K=0 Mesocurtica
K>0 leptocurtica
K<0 platocurtica
1.2.2. Medidas de dispersión para series agrupadas en Excel
EJEMPLO DE MEDIDAS DE DISPERSIÓN PARA SERIES AGRUPADAS
Una empresa dedicada a la investigación de aspectos sociales, estudia la relación entre
el sexo y la pernoctación de las personas en determinadas provincias. De una muestra
se recopiló la siguiente información.
Con un nivel de significancia de 0.05, ¿se puede concluir que existe una relación
significativa entre el sexo de las personas y la permanencia en las ciudades?
Ho.No existe relación estadisticamente significativa en la proporción del sexo en las 4
ciudades con el 5% de significancia (a=0,05)
H1.Si existe relación significativa en la proporción del sexo en las 4 ciudades
DETERMINAR
1.- Ho – H1
2.-EL ESTADISTICO DE PRUEBA (X²) CHI CUADRADO
3.- COMPRUEBE CHI CUADRADO Y CHI TEORICA (funciones estadísticas)
4.- INTERPRETE SUS RESULTADOS
5.-Grafico

Ciudad SEXO Estado civil Grupo.sang Edad Peso Hace ejercicios

Quito M soltero A adultos normal si
Quito M casado O jovenes anormal si
Quito F casado A jovenes anormal no
Quito F soltero A jovenes anormal si
Manabi M soltero A jovenes normal si
Guayaquil F unión libre O jovenes anormal si
Manabi F soltero O adultos normal no
Cuenca M casado A adultos normal si
Cuenca F viudo O jovenes normal no
Cuenca M casado O jovenes anormal si
Guayaquil F divorciado A adultos anormal si
Manabi F casado A jovenes normal no
Guayaquil M casado O adultos anormal no
Manabi F soltero A adultos anormal no
Cuenca M viudo O jovenes normal si
Guayaquil F soltero A jovenes normal si
Guayaquil F casado A jovenes normal si
Quito M casado A adultos normal si
Guayaquil F casado O adultos anormal no
Quito M soltero O jovenes normal no
Manabi F unión libre O jovenes normal si
Guayaquil F unión libre A adultos normal si
Cuenta de SEXO Rótulos de columna
Rótulos de fila F M (en blanco) Total general
CUENCA 1 2 3
GUAYAQUIL 1 1
MANABI 1 1 2
QUITO 2 2 4

Total general 5 5 10

FRECUENCIA
S MASCULIN
FEMENINO   TOTAL
OBSERVADAS O
O REALES
CUENCA 1 3 4
GUAYAQUIL 6 1 7
MANABI 4 1 5
QUITO 2 4 6
Total general 13 9   22

FRECUENCIA MASCULIN
S ESPERADAS FEMENINO O   TOTAL
CUENCA 2,363636364 1,636363636 4
GUAYAQUIL 4,136363636 2,863636364 7
MANABI 2,954545455 2,045454545 5
QUITO 3,545454545 2,454545455 6
   
Total general 13 9   22
CALCULO
MASCULI
CHICUADRA FEMENINO   TOTAL
NO
DO
1,92307692
CUENCA 0,786713287 1,136363636 3
2,05250305
GUAYAQUIL 0,839660340 1,212842713 3
0,90427350
MANABI 0,369930070 0,534343434 4
1,64672364
QUITO 0,673659674 0,973063973 7
   
6,52657712
Total general 2,669963370 3,856613757   7

PRUEBA
CHICUADRA
P. VALOR DO
INV.
CHICUADO.
CHI. C. CD
PRUEBA CHI.
CHI. T INV
 0,08862024
p valor n.s
0,08862 > 0,05 se acepta Ho. Y se rechaza la H1

CONTRASTAMOS X² CON CHI Teoric Pag.785

6,526577127 < 7,8147279 se acepta Ho. Y se rechaza la H1
chi teorica no
n o se rechaza Ho
GL=(2-1)(4-1)=3
3

Intrerpretación: En esta prueba se determino que no se rechaza la Ho.es decir se acepta la Ho y se rechaza la H1.Por consiguiente se deduce
no existe una relación significativa proporcional entre el sexo de las personas y la pernoctación en las diferentes
ciudades del
Laspaís.
personas son libres de escoger el lugar mas conveniente, la prueba demuestra que no se garantiza la permanencia en las ciudades

Chart Title
NO. PERSONASTítulo del eje

7
6
5
4
3
2
1
0
Cuenca Guayaquil Manabi Quito
ciudadesítulo del eje

Series1 Series2

1.3. Prueba de hipótesis. -Ho,H1. Contraste de hipótesis

La prueba de hipótesis comienza con una afirmación, o suposición, sobre un parámetro

de la población, como la media poblacional. Como ya se indicó, esta afirmación recibe
el nombre de hipótesis

EJERCICIO DE HIPOTESIS
 PRUEBA DE HIPOTESIS CHI-CUADRADO
Una e m p re sa d e d ic a d a a la in ve st ig a c ión d e a sp e c t os soc ia le s ,g e ne ra la sig uie nt e b a se d e d a t os p a ra lo c ua l se
p la n t e a una se rie d e hip ot e sis

1.-FORMULAR LA Ho y LA HIPO TESIS H1

2.- APLIC AR FUNC IO NES ESTADISTIC AS  PARA CALCULAR LAS FREC UENCIAS ESPERADAS YEL VALO R DE CHI CUADRADO
3.- APLIC AR LAS FUNC IO NES ESTADISTICAS PARA CALCULAR LA PRUEBA CHI C UADRADA
4.- CO NTRASTE DE HIPO TESIS(X ²VS X² te ó ric o ;     p v a lo r Vs N,S)
5.- TO ME UNA DECISIÓN EN BASE AL CO NTRASTE YA LAS HIPO TESIS FO RMULADAS(RECHAZO O AC EPTACIO N, ETC)
6.- G RAFICO
NO TA: EL CO O RDINADO R ENVIARA UN SO LO TRABAJO PO R G RUPO , CASO C ONTRARIO SE RESTARA PUNTO S
CO N LA NO MINA RESPEC TIVA EN LA CARATULA
SE CO NSIDERARA, EL O RDEN ,O RGANIZACIÓ N YLA PRESENTACIÓ N EN EXCEL CO N TO DAS LAS FUNC IO NES DESARROLLADAS EN CLASES
No. ciudad SEXO estado civil grupo.sang edad peso hace ejercicios
1 Quito M soltero A adultos normal si
2 Quito M casado O jovenes anormal si
3 Quito F casado A jovenes anormal no
4 Quito F soltero A jovenes anormal si
5 Manabi M soltero A jovenes normal si
6 Guayaquil F unión libre O jovenes anormal si
7 Manabi F soltero O adultos normal no
8 Cuenca M casado A adultos normal si
9 Cuenca F viudo O jovenes normal no
10 Cuenca M casado O jovenes anormal si
11 Guayaquil F divorciado A adultos anormal si
12 Manabi F casado A jovenes normal no
13 Guayaquil M casado O adultos anormal no
14 Manabi F soltero A adultos anormal no
15 Cuenca M viudo O jovenes normal si
16 Guayaquil F soltero A jovenes normal si
17 Guayaquil F casado A jovenes normal si
18 Quito M casado A adultos normal si
19 Guayaquil F casado O adultos anormal no
20 Quito M soltero O jovenes normal no
21 Manabi F unión libre O jovenes normal si
22 Guayaquil F unión libre A adultos normal si

1.-FORMULAR LA Ho y LA HIPOTESIS H1

2.- APLICAR FUNCIONES ESTADISTICAS  PARA CALCULAR LAS FRECUENCIAS ESPERADAS Y EL VALOR DE CHI CUADRADO

Cuenta de ciudad CIUDAD

ESTADO CIVIL Cuenca Guayaquil Manabi Quito Total general
casado 2 3 1 3 9
divorciado 1 1
soltero 1 3 3 7
unión libre 2 1 3
viudo 2 2
Total general 4 7 5 6 22

FRECUENCIAS OBSERVADAS Cuenca Guayaquil Manabi Quito Total general

casado 2 3 1 3 9
divorciado 0 1 0 0 1
soltero 0 1 3 3 7
unión libre 0 2 1 0 3
viudo 2 0 0 0 2
Total general 4 7 5 6 22

FRECUENCIA ESPERADAS Cuenca Guayaquil Manabi Quito Total general

casado 1,636363636 2,8636364 2,045455 2,455 9
divorciado 0,181818182 0,3181818 0,227273 0,2727 1
soltero 1,272727273 2,2272727 1,590909 1,9091 7
unión libre 0,545454545 0,9545455 0,681818 0,8182 3
viudo 0,363636364 0,6363636 0,454545 0,5455 2
Total general 4 7 5 6 22

CHI CUADRADO Cuenca Guayaquil Manabi Quito Total general

casado 0,080808081 0,0064935 0,534343 0,1212 0,742857143
divorciado 0,181818182 1,461039 0,227273 0,2727 2,142857143
soltero 1,272727273 0,6762523 1,248052 0,6234 3,820408163
unión libre 0,545454545 1,1450216 0,148485 0,8182 2,657142857
viudo 7,363636364 0,6363636 0,454545 0,5455 9
divorciado 0,181818182 0,3181818 0,227273 0,2727 1
soltero 1,272727273 2,2272727 1,590909 1,9091 7
unión libre 0,545454545 0,9545455 0,681818 0,8182 3
viudo 0,363636364 0,6363636 0,454545 0,5455 2
Total general 4 7 5 6 22

CHI CUADRADO Cuenca Guayaquil Manabi Quito Total general

casado 0,080808081 0,0064935 0,534343 0,1212 0,742857143
divorciado 0,181818182 1,461039 0,227273 0,2727 2,142857143
soltero 1,272727273 0,6762523 1,248052 0,6234 3,820408163
unión libre 0,545454545 1,1450216 0,148485 0,8182 2,657142857
viudo 7,363636364 0,6363636 0,454545 0,5455 9
Total general 9,444444444 3,9251701 2,612698 2,381 18,36326531

3.- APLICAR LAS FUNCIONES ESTADISTICAS PARA CALCULAR LA PRUEBA CHI CUADRADA

P.VALOR PRUEBA CHICUAD

CHI C. INV.CHICUAD.CD
CHI.T PRUEBA.CHI.INV

4.- CONTRASTE DE HIPOTESIS(X ²VS X² teórico;     p valor Vs N,S)

p valor n.s
0,10510 < 0,99 se acepta Ho. Y se rechaza la H1

CONTRASTAMOS X² CON CHI Teoric Pag.785

18,3632653 > 3,570568971 se acepta Ho. Y se rechaza la H1
chi teorica no
n o se rechaza Ho
GL=(4-1)(5-1)=3
GL=3 * 4=12 12

5.- TOME UNA DECISIÓN EN BASE AL CONTRASTE Y A LAS HIPOTESIS FORMULADAS(RECHAZO O ACEPTACION, ETC)

INTERPRETACIÓN:
En esta prueba se determino que no se rechaza la Ho. Es decir se acepta la Ho y se rechaza H1.
Por consiguiente se deduce que no existe asociación entre el estado civil y el lugar de residencia de las personas.
Es decir que las personas pueden decidir libremente donde desean habitar sin importar su estado civil

6.- GRAFICO

GRÁFICO DEL No. DE PERSONAS SEGÚN SU ESTADO CIVIL

EN CUATRO CIUDADES DE ECUADOR
3,5

2,5

2 Cuenca
Guayaquil

1,5 Manabi
Quito

0,5

0
casado divorciado soltero unión libre viudo
 UNIDAD 2: ANÁLISIS DE VARIANZA

2.1. Análisis de la Varianza. - Introducción. - Distribución F

Introducción. - En este capítulo se continúa el análisis de las pruebas de hipótesis.

Recuerde que en los capítulos 10 y 11 estudió la teoría general de las pruebas de
hipótesis. Se analizó el caso en que se seleccionó una muestra de una población. Se
utilizó la distribución z (la distribución normal estándar) o la distribución t para
determinar si era razonable concluir que la media poblacional era igual a un valor
específico. Se probó si dos medias poblacionales eran iguales. También se realizaron
pruebas de una y dos muestras de las proporciones de las poblaciones, con la
distribución normal estándar como la distribución del estadístico de prueba. En este
capítulo se amplía la idea de pruebas de hipótesis. Se describe una prueba para
varianzas y, después, una prueba que compara de forma simultánea varias medias para
determinar si provienen de poblaciones iguales.

La distribución F. - La distribución de probabilidad que se emplea en este capítulo es

la distribución F, la cual debe su nombre a sir Ronald Fisher, uno de los pioneros de la
estadística actual. Esta distribución de probabilidad sirve como la distribución del
estadístico de prueba en varias situaciones. Con ella se pone a prueba si dos muestras
provienen de poblaciones que tienen varianzas iguales, y también se aplica cuando se
desea comparar varias medias poblacionales en forma simultánea. La comparación
simultánea de varias medias poblacionales se denomina análisis de la varianza
(ANOVA). En las dos situaciones, las poblaciones deben seguir una distribución
normal, y los datos deben ser al menos de escala de intervalos
2.2. Funciones estadísticas para análisis de varianza. Prueba de 2 varianzas
C -25 A 1-72 C -25 A1-72
C ARRETERA AUTO PISTA C -25 A 1-72 C -25 A1-72
25 1-75
C -25 A 1-72 C -25 A1-72
52 59 -6,29 0 39,51 0
52
67 59
60 -6,29
8,71 01 39,51
75,94 0 1
67
52
56 5960
61 8,71
-6,29
-2,29 0 1 2 39,5175,94
5,22 0 1 4
67
56 6061 8,71
-2,29 1 2-8 75,94 5,22 1 464
45 51 -13,29 176,51
56
45 6151 -2,29
-13,29 2 -8-3 5,22
176,51 4 64 9
70 56 11,71 137,22
45
70 5156 -13,29
11,71 -8 -3 176,51
137,22 64 9
54
70
63
5663
-4,29
11,71 -3
4 18,37 9 16
54 -4,29 4 137,2218,37 16
64
54 6357 -4,295,71 4 -2 18,37 32,65 16 4
64 57 5,71 -2 32,65 4
64 5765 -58,29
5,71 -2 6 32,65 4 36
65 -58,29 6 36
408 65472 -58,29 6 485,43 36 134
408 472 485,43 134
7
408 4728 485,43 134
77 88

1. PROCEDIMIENTO: fó rmula s
1. PROCEDIMIENT
1. PROCEDIMIENT O:O:fó fó
rmrm
ulaula
s s
M e d id a C -25 A 1-72
Meeddididaa
M CC -25
-25 A 1-72
A 1-72
n 7 8
nn 77 8 8
n
nn-1-1 66 6 7 77
-1
M e d ia
M
Meeddiaia
58,29
58,29
58,29
59 d e sv
59 59 d esvsvn.sta
d e.sta
.sta
d ne nsvd.sta
d e sv .sta n
e svn.sta n
Varia
Va
Va riannnzaza
ria za 80,90
80,90
80,90 19 8,9947074
19 19 8,9947074
8,9947074 4,3752551 4,3752551
4,3752551
F
FF 4,226368159
Niv e l d e
sig n ific a n c ia 0,1
V.C
V.C(2c
(2coolalas s a / 2(0,10/ 2)=0,05
V.C (2c o la s
Va lo r c rític o
G .L n u me ra d o r (n -1)=6
GG.L
G .L
.L d nenume
nuome raadddooo(n
ra
min rrr -1)=7
(n(n-1)=6
-1)=6
G .L
Va lo r ta.L
b la (n-1)=7
3,87 (n -1)=7
ta bb lala
Va lo r ta
F VC
4,23 FF >  3,87 VCSRHo y se a c e p ta H1,
VC
4,23
4,23 > >  3,87
3,87
2. PROCEDIMIENTO: func io ne s
M e d id a C -25 A 1-72
2. PROCEDIMIENT
PROCEDIMIENTO: O:func
funcioione
ness
n 7 8
M e d id id aa CC-25
-25 AA1-72
1-72
n -1 6 7
n 7 8
Me n d ia 58,297 59 8
n -1
n -1
Va ria n za
6
80,906 19 7
7
M
M eeF dd iaia 58,29
58,29 5959
Va
Va ria
ria nnza
za 80,90
80,90 1919
FF 4,226368159
V.CNiv
(2ce l od la
e s
sig n ific a n c ia 0,1
V.C G .L o la s n u meara/ 2(0,10/
d o r (n -1)=6
V.C (2c
(2c o la s 2)=0,05
G .L Va lo r c rític o(n -1)=7
Va lo rGta.L
b la n ume ra d o r (n -1)=6
G .L
3. PROCEDIMIENT n u meCOMANDO:
ra d o r (n-1)=6
G .L d eOn o mina d o(n ANALISIS DE LOS DATOS
r -1)=7
Pru e bGa .L
F p a ra v a ria n za d e d o(n-1)=7
s mu e stra s
Va lo r ta b la 3,87
Va lo r ta b la
PASOS
3. PROCEDIMIENTO COMANDO: ANALISIS DE LOS DATOS
1.
3. ARC HIVO
PROCEDIMIENT O COMANDO: ANALISIS DE Prueba
LOSFDAT
paraOS
varianzas de dos muestras
Pru e b a F p a ra v a ria n za d e d o s mu e stra s
2. C O M PLEM ENTO
Prue b a F p a ra v a ria n za d e d o s mue stra s
PASOS
3.IR
PASOS
1. SELEC
ARC HIVO MediaPrueba F 58,2857143
para varianzas de dos muestras
4. C IO NAR LA SEG UNDA O PC IO N
1. ARC HIVO Prueba F para varianzas de59dos muestras
2. CA
5.IR OM PLEM
DAT O D ENTO Varianza 80,9047619 19,1428571
2. C O M PLEM ENTO
3.IR
6.ANALISIS DE DATO S 7 8
 V.C (2c o la s

G .L n ume ra d o r (n -1)=6
G .L (n -1)=7
Va lo r ta b la
3. PROCEDIMIENTO COMANDO: ANALISIS DE LOS DATOS
Prue b a F p a ra v a ria n za d e d o s mu e stra s
PASOS
1. ARC HIVO Prueba F para varianzas de dos muestras
2. C O M PLEM ENTO
3.IR CARRETERA 25 AUTOPISTA 1-75
4. SELEC C IO NAR LA SEG UNDA O PC IO N Media 58,2857143 59
5.IR A DATO D Varianza 80,9047619 19,1428571
6.ANALISIS DE DATO S Observaciones 7 8
Grados
7. SELEC C IO NAR PRUEBA F PARA VARIANZA DE DO de libertad
S M UEST RAS 6 7
F 4,22636816
P(F<=f) una cola0,04039661
Valor crítico para
3,86596885
F (una cola)

2.3. Prueba Anova.- suposiciones en el análisis de la varianza. Estructura

SST,SSE,SSTotal

Otro uso de la distribución F es el análisis de la técnica de la varianza (ANOVA), en la

cual se comparan tres o más medias poblacionales para determinar si pueden ser iguales.

Para emplear ANOVA, se supone lo siguiente:

1. Las poblaciones siguen la distribución normal.

2. Las poblaciones tienen desviaciones estándares iguales

3. Las poblaciones son independientes.

Cuando se cumplen estas condiciones, F se emplea como la distribución del estadístico

de prueba.

¿Por qué es necesario estudiar ANOVA? ¿Por qué no sólo se emplea la prueba de las
diferencias entre medias poblacionales, como se analizó en el capítulo anterior? Se
puede comparar dos medias poblacionales a la vez. La razón más importante es la
acumulación indeseable del error tipo I.

Para ampliar la explicación, suponga cuatro métodos distintos (A, B, C y D) para

capacitar personal para ser bomberos. La asignación de cada uno de los 40 prospectos
del grupo de este año es aleatoria en cada uno de los cuatro métodos. Al final del
programa de capacitación, a los cuatro grupos se les administra una prueba común para
medir la comprensión de las técnicas contra incendios. La pregunta es: ¿existe una
diferencia entre las calificaciones medias del examen de los cuatro grupos? La respuesta
a esta pregunta permitirá comparar los cuatro métodos de capacitación.
Si emplea la distribución t para comparar las cuatro medias poblacionales, tendría que
efectuar seis pruebas t distintas. Es decir, necesitaría comparar las calificaciones medias
de los cuatro métodos como sigue: A contra B, A contra C, A contra D, B contra C, B
contra D y C contra D. Si el nivel de significancia es de 0.05, la probabilidad de una
decisión estadística correcta es de 0.95, calculada de 1 – 0.05. Como se realizaron seis
pruebas separadas (independientes), la probabilidad de que no se tome una decisión
incorrecta debido al error de muestreo en cualquiera de las seis pruebas independientes
es:

P(todas correctas) (0.95)(0.95)(0.95)(0.95)(0.95)(0.95) 0.735

Para encontrar la probabilidad de que al menos tenga un error debido al muestreo, reste
este resultado a 1. Por lo tanto, la probabilidad de al menos una decisión incorrecta
debida al muestreo es de 1 – 0.735 0.265. En resumen, si realiza seis pruebas
independientes con la distribución t, la posibilidad de rechazar una hipótesis nula
verdadera debido al error de muestreo se incrementa de 0.05 a un nivel insatisfactorio
de 0.265. Es obvio que necesita un mejor método que realizar seis pruebas t.

ANOVA le permite comparar las medias de tratamiento de forma simultánea y evitar la

acumulación del error de tipo I.

ANOVA se desarrolló para aplicaciones en agricultura, y aún se emplean muchos de los

términos relacionados con ese contexto. En particular, con el término tratamiento se
identifican las diferentes poblaciones que se examinan. Por ejemplo, el tratamiento se
refiere a cómo se trató una extensión de terreno con un tipo particular de fertilizante. La
siguiente ilustración aclarará el término tratamiento y mostrará la aplicación de
ANOVA.
2.3.1. Prueba ANOVA.-estadístico de Prueba F.- ejercicios
Desde hace algún tiempo las aerolíneas han reducido sus servicios, como alimentos y bocadillos
durante sus vuelos, y empezaron a cobrar un precio adicional por algunos de ellos, como
llevar sobrepeso de equipaje, cambios de vuelo de último momento y por mascotas que viajan
en la cabina. Sin embargo, aún están muy preocupadas por el servicio que ofrecen. Hace
poco un grupo de cuatro aerolíneas contrató a Brunner Marketing Research, Inc., para encuestar
a sus pasajeros sobre la adquisición de boletos, abordaje, servicio durante el vuelo, manejo
del equipaje, comunicación del piloto, etc. Hicieron 25 preguntas con diversas respuestas
posibles: excelente, bueno, regular o deficiente. Una respuesta de excelente tiene una calificación
de 4, bueno 3, regular 2 y deficiente 1. Estas respuestas se sumaron, de modo que la calificación
final fue una indicación de la satisfacción con el vuelo. Entre mayor la calificación,
mayor el nivel de satisfacción con el servicio. La calificación mayor posible fue 100.
Brunner seleccionó y estudió al azar pasajeros de las cuatro aerolíneas. A continuación se
muestra la información. ¿Hay alguna diferencia entre los niveles de satisfacción medios con
respecto a las cuatro aerolíneas? Use el nivel de significancia de 0.01.

TAME AEROLAND AEROGAL DELL Variación total Variación aleatoria

N W P B
94 75 70 68 337,22 0,40 31,77 58,31 45,56 10,24 8,163 1 Variación de tratamiento
90 68 73 70 206,31 58,31 6,95 31,77 7,56 104,04 0,020 1 4(87,25-75,64)²= 539,51
85 77 76 72 87,68 1,86 0,13 13,22 5,06 1,44 9,878 9 5(78,2-75,64)²= 32,86
80 83 78 65 19,04 54,22 5,59 113,13 52,56 23,04 26,449 16 7(72,86-75,64)²= 54,07
88 80 74 152,86 19,04 2,68 96 51,020 25 6(69-75,64)²= 264,25
68 65 58,31 113,13 23,592 16 890,68
65 113,13 61,735
349 391 510 414 650,26 267,66 234,93 332,25 110,75 234,80 180,857 68
1485,09 594,41

MEDIAS ARITMÉTICAS xc
TAME 87,25
AEROLAND 78,2 ࡲ=((ࢀ࢕࢚ࢇ࢒࢜ࢇ࢘࢏ࢇࢉ࢏[࢕࢔࢚࢘ࢇ࢚ࢇ࢓ ࢏ࢋ࢔࢚࢕)/(࢑−૚))/((ࢀ࢕࢚ࢇ࢒࢜ࢇ࢘࢏ࢇࢉ࢏[࢕࢔ࢇ࢒ࢋࢇ࢚࢕࢘࢏ࢇ)/(࢔−࢑))
AEROGAL 72,86 F=((992/2)/(90/9))
DELL 69
F=8.99
MEDIA GLOBAL 75,64 8,9906433
E xi 1664
n 22 F VC
K 4 8,99 >  5,09 Se re c ha za la Ho y se a c e p ta H1,
N.S(0,10)2COLAS= a/2 0,05
CONCLUSION: SE RECHAZA LA Ho, POR LO TANTO SI EXISTE DIFERENCIA ENTRE LAS CALIFICACIONES MEDIAS DE LAS 4 AEROLINEAS
G.L. (num(k-1))3-1 3
G.L. (denom(n-k))22-3 18 Análisis de varianza de un factor
v.c 5,09
F= 8,99 RESUMEN
SST 1485,09 Grupos Cuenta Suma Promedio Varianza
SSE 594,41 N 4 349 87,25 36,9166667
Sstotal 890,68 W 5 391 78,2 58,7
F= 8,99 P 7 510 72,8571429 30,1428571
B 6 414 69 13,6

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados dePromedio
libertad de los cuadradosF ProbabilidadValor crítico para F
Entre grupos 890,683766 3 296,894589 8,9906433 0,000742769 5,09188952
Dentro de los grupos
594,407143 18 33,022619

Total 1485,09091 21
2.3.2 ANOVA.SST.SSE.SSt. ejercicios varios

EJERCICIOS

Joyce Kuhlman es gerente de un centro financiero regional y desea comparar la

productividad, medida por el número de clientes atendidos, de tres empleados.
Selecciona cuatro días en forma aleatoria y registra el número de clientes que atendió
cada empleado. Los resultados son:

¿Hay alguna diferencia en el número medio de clientes atendidos? En la gráfica 12-1 se

ilustra cómo pueden aparecer las poblaciones si hubiera una diferencia en las medias del
tratamiento. Observe que las poblaciones siguen la distribución normal y la variación en
cada población es la misma. Sin embargo, las medias no son iguales.
EJERCICIO SSTOTAL SSE SST
Variación total Variación aleatoria
A B C A B C A B C
Wolfe White Korosa Variación de tratamiento
55 66 47 9 64 121 FALSO 16 1 4(56-58)²= 16
54 76 51 16 324 49 4 36 9 4(70-58)²= 576
59 67 46 1 81 144 9 9 4 4(48-58)²= 400
56 71 48 4 169 100 0 1 0 992
224 280 192 30 638 414 13 62 14
1082 89

MEDIAS ARITMÉTICAS xc
Wolfe 56 ࡲ=((ࢀ࢕࢚ࢇ࢒࢜ࢇ࢘࢏ࢇࢉ࢏[࢕࢔ ࢚࢘ࢇ࢚ࢇ࢓ ࢏ࢋ࢔࢚࢕)/(࢑−૚))/((ࢀ࢕࢚ࢇ࢒࢜ࢇ࢘࢏ࢇࢉ࢏[࢕࢔ ࢇ࢒ࢋࢇ࢚࢕࢘࢏ࢇ)/(࢔−࢑))
White 70 F=((992/2)/(90/9))
Korosa 48 F=49.6

MEDIA GLOBAL 58 SST/K-1/SSE/n-K

E xi 696 49,6
n 12
N.S(0,10)2COLAS= a/2 0,05

G.L. (num(k-1))3-1 2
G.L. (denom(n-k))12-3 9
v.c 4,26 INTERSECCION DE LA TABLA
F= 49,6
SST 992
SSE 89
Sstotal 1082
F= 49,6
 Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
Wolfe 4 224 56 4,66666667
White 4 280 70 20,6666667
Korosa 4 192 48 4,66666667

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
Entre grupos 992 2 496 49,6 1,3806E-05 8,02151731
Dentro de los grupos 90 9 10

Total 1082 11