1. Hipotesis 3. y 4.

Calculando el Estadistico
H0: Las medias Colocamos los rangos por fila y luego sumamos p
en los grupos i Rango1
son las mismas. 1 4 3
2 2 1
H1: Al menos 3 4 4
dos medias 4 3 1.5
son diferentes 5 3 2
11.5
Rango1

2. Significancia
NS = α = 5%
1-α 0.95

H Num. de filas
H 5

K Num. de columnas
K 4

X^2(1-α, K-1) 7.8147

 i
A 10
B 3
stadistico
por fila y luego sumamos por columna:
ii Rango2 iii Rango3 iv Rango4
2 1 3 2 5 4
4 3 5 4 3 2
2 2 3 3 1 1
4 3 3 1.5 5 4
4 3 2 1 5 4
12 11.5 15
Rango2 Rango3 Rango4

X^2c= [12/(H*K*(K+1))]*SUMA(Rango_i^2)-3*H*(K+1)

12/(H*K*(K+1)) 0.1200
SUMA(Rango_i^2) 633.5000
3*H*(K+1) 75

X^2c 1.0200

5. Decision y Conclusion NRH0 si X^2c <= X^2(1-α , K)

X^2c=2.43 < 5.0515 = X^2(1-α , K) ---------> NRH0

La muestras provienen de poblaciones identicas,

las medidas son similares.
Rango1 ii Rango2 iii Rango3 iv
2 23 4 14 3 3
2 5 3 7 4 2
4 7 7
4 2 3 5
2 4 5 3
4 2 3 1
3 4 3 5
3 4 2 5
Rango4
1
1
1. Hipotesis 3. y 4. Calculando el Estadistico
H0: µ1 = µ2 (No hay diferencia) Colocamos los rangos:
H1: µ1 n= µ2 (Hay diferencia) x R1 y
14.4 7 17.4
2. Significancia 14.2 6 16.2
NS = α = 10.0% α /2 0.05 13.8 2 17.1
Z(α/2) -1.64 16.5 18 17.5
Z(1-α/2) 1.64 14.1 4.5 15
16.6 19 16
15.9 14 16.9
15.6 12 15
14.1 4.5 16.3
1 15.3 10.5 16.8
15.7 13
16.7 20
13.7 1
15.3 10.5
14 3
n1 145 n2
15 SR1 10

14.4 14.2 13.8 16.5 14.1

17.4 16.2 17.1 17.5 15
stadistico
U1 n1*n2 + (n1+1)/2 - SR1
R2 U1 13
24 U
16 U2 n1*n2 + (n2+1)/2 - SR2 U
23 U2 -24.5
25
8.5 µ n1*n2/2
15 µ 75 Z
22 Z
8.5 σ Raiz(n1*n2*(n1+n2+1)/12)
17 σ 18.0278
21
5. Decision y Conclusion
NRH0 si Z(α/2) < Z < Z(1-α/2)

Z =-4.19 < -1.64=Z(α/2)

180
SR2

16.6 15.9 15.6 14.1 15.3 15.7 16.7 13.7

16 16.9 15 16.3 16.8
 13.7 1
13.8 2
14 3
Min (U1, U2) 14.1 4 4.5
-24.5 14.1 5 4.5
14.2 6
14.4 7
15 8 8.5
(U-µ)/σ 15 9 8.5
-5.5193 15.3 10 10.5
15.3 11 10.5
15.6 12
15.7 13
15.9 14
16 15
16.2 16
16.3 17
16.5 18
16.6 19
16.7 20
16.8 21
16.9 22
17.1 23
17.4 24
17.5 25
15.3 14
1. Hipotesis 3. Calculo de la mediana y criterio de los datos
H0: Muestra Aleatoria Calculando la mediana se tiene que
H1: Muestra No Aleatoria
Datos Criterio Rachas
2. Significancia 35 - 1
NS = α 8% 0.08 55 + 2
32 - 3
α/2 0.04 Z(α/2) 60 +
4
-1.75 54 +
20 -
5
1-α/2 0.96 Z(1-α/2) 31 -
1.75 46 + 6
38 -
7
32 -
46 +
8
53 +
40 0
37 - 9
40 0
52 + 10

20
31
32
32
35
37
38
40 Me 40
40
46 40
46
52
53
54
55
60
criterio de los datos 4. Aproximacion a Distribucion Normal
Me 40 µ 6.000

σ 1.491
Num. de Rachas
r 10 Z 2.683

Rachas Negativas
n1 5 5. Decision y Conclusion
Como Z=2.683>1.75 ---> RH0
Rachas Positivas
n2 5 La muestra de los tiempos
no es aleatoria, es decir, si tienen una tendencia.
1. Las ganancias (en soles) de un grupo de jóvenes en Lima de distintos distritos se ven en la siguiente
tabla:
N° Ganancia N° Ganancia N° Ganancia N° Ganancia
1 1128.7 6 718.4 11 1167.1 16 1153.6
2 679.1 7 787.4 12 1387.5 17 1423.3
3 1317.2 8 1562.3 13 679.9 18 1122.6
4 1001.3 9 1356.9 14 1323.2 19 1644.3
5 1107.6 10 1153.2 15 788.4 20 737.4

Verifique si la mediana de las ganancias es mayor a 1000 soles, con una significancia del 5%.

1. Hipotesis 3. y 4. Identificar Estadistico

H0: Me <= 1000 Comparamos cada dato con
H1: Me > 1000 X X-Me0 Signo
1128.7 128.7 +
2. Significancia 679.1 -320.9 -
NS = α =5% = 0.05 1317.2 317.2 +
1001.3 1.3 +
1107.6 107.6 +
Prueba Bilateral 718.4 -281.6 -
r+ < n/2 787.4 -212.6 -
Usamos: 1562.3 562.3 +
P=2*P(R+<=r+) 1356.9 356.9 +
P 1.9586 1153.2 153.2 +
ó 1167.1 167.1 +
r+ > n/2 1387.5 387.5 +
Usamos: 679.9 -320.1 -
P=2*P(R+>=r+) 1323.2 323.2 +
P 0.1153 788.4 -211.6 -
1153.6 153.6 +
Prueba Unilateral Inferior 1423.3 423.3 +
r+ < n/2 1122.6 122.6 +
Usamos: 1644.3 644.3 +
P=P(R+<=r+) 737.4 -262.6 -
P 0.9793

Prueba Unilateral Superior

r+ > n/2
Usamos:
P=P(R+>=r+)
P 0.0577
R+ Cmbt(R+;n) *0.5^n
9 167960 0.1602
10 184756 0.1762
11 167960 0.1602
Suma 0.4966
 5. Decision y Conclusion
Me0 1000 P=0.0577 > 0.05=α ----> N

Redifinimos n: Dif. Positivas r+:

n 20 r+ 14
n/2 10 No se rechaza la H0, la m
no es mayor
Entonces: Unilateral Superior
r+> n/2

Usamos:
P = P(R+>=r+)
P=P(R+>=14)

P 0.0577

R+ Cmbt(R+;n) *0.5^n
14 38760 0.0370
15 15504 0.0148
16 4845 0.0046
17 1140 0.0011
18 190 0.0002
19 20 0.0000
20 1 0.0000
Suma 0.0577
R+ Cmbt(R+;n) *0.5^n
0 1 0.0000
1 20 0.0000
2 190 0.0002
3 1140 0.0011
4 4845 0.0046
5 15504 0.0148
6 38760 0.0370
7 77520 0.0739
8 125970 0.1201
9 167960 0.1602
Suma 0.4119
. Decision y Conclusion
P=0.0577 > 0.05=α ----> NRH0

No se rechaza la H0, la mediana de las ganancias

no es mayor a 1000 soles
1. Hipotesis 3. y 4. Identificar Estadistico
H0: Me = 40 Comparamos cada dato con
H1: Me n= 40 X X-Me0 Signo
35 -5 -
2. Significancia 55 15 +
NS = α =8% = 0.08 32 -8 -
60 20 +
54 14 +
Prueba Bilateral 20 -20 -
r+ < n/2 31 -9 -
Usamos: 46 6 +
P=2*P(R+<=r+) 38 -2 -
P 1.2095 32 -8 -
ó 46 6 +
r+ > n/2 53 13 +
Usamos: 40 0 0
P=2*P(R+>=r+) 37 -3 -
P 1.2095 40 0 0
52 12 +
Prueba Unilateral Inferior
r+ < n/2
Usamos:
P=P(R+<=r+)
P 0.6047

Prueba Unilateral Superior

r+ > n/2
Usamos:
P=P(R+>=r+)
P 0.6047
R+ Cmbt(R+;n) *0.5^n
9 2002 0.1222
10 1001 0.0611
11 364 0.0222
Suma 0.2055
 5. Decision y Conclusion
Me0 40

Redifinimos n: Dif. Positivas r+:

n 14 r+ 7
n/2 7 No se rechaza la H0, es la pacie
tiene razon.
Entonces: Bilateral
r+= n/2 (No se cumplen las condiciones del paso 4)

Usamos:
R+ Cmbt(R+;n) *0.5^n
0 1 0.0001
1 14 0.0009
2 91 0.0056
3 364 0.0222
4 1001 0.0611
5 2002 0.1222
6 3003 0.1833
7 3432 0.2095
8 3003 0.1833
9 2002 0.1222
Suma 0.9102
. Decision y Conclusion

No se rechaza la H0, es la paciente

tiene razon.
1. Hipotesis 3. y 4. Calculando el Estadistico
H0: µ1 = µ2 (No hay diferencia) Comparamos los datos y hallamos los rango
H1: µ1 < µ2 (Hay diferencia) i x y
1 55 50
2. Significancia 2 55 53
NS = α = 5.0% α /2 0.025 3 52 57
Z(α/2) -1.96 4 60 58
Z(1-α/2) 1.96 5 54 50
6 60 70
7 71 74
8 66 60
9 58 60
10 72 70
11 66 60
12 73 76
13 70 71
14 67 64
15 70 74
16 62 65
n

5. Decision y Conclusion
NRH0 si Z(α/2) < Z < Z(1-α/2)

Z(α/2)=-1.96 < Z =-0.103 < 1.96=Z(1-α/2)

Pacientes 1 2
Antes 55 55
Después 50 53
stadistico
s y hallamos los rangos
x-y |x-y| Rangos T+ T- T min(T+,T-)
5 5 12.5 12.5 T 66
2 2 3.5 3.5
-5 5 12.5 12.5 E(t) n(n+1)/4
2 2 3.5 3.5 E(t) 68
4 4 10.5 10.5
-10 10 16 16 σ(t) n(n+1)(2n+1)/24
-3 3 7.5 7.5 σ(t) 374
6 6 14.5 14.5
-2 2 3.5 3.5 Z (T-E(t))/Raiz(σ(t))
2 2 3.5 3.5 Z -0.103
6 6 14.5 14.5
-3 3 7.5 7.5
-1 1 1 1
3 3 7.5 7.5
-4 4 10.5 10.5
-3 3 7.5 7.5
Suma 70 66
T+ T-

on Nombre
< Z < Z(1-α/2) No hay diferencia entre los pesos, Codigo
el tratamiento no es efectivo.
103 < 1.96=Z(1-α/2)
3 4 5 6 7 8 9 10
52 60 54 60 71 66 58 72
57 58 50 70 74 60 60 70
 min(T+,T-) 1 1
66 2 2 3.5
2 3 3.5
n(n+1)/4 2 4 3.5
68 2 5 3.5
3 6 7.5
n(n+1)(2n+1)/24 3 7 7.5
374 3 8 7.5
3 9 7.5
(T-E(t))/Raiz(σ(t)) 4 10 10.5
-0.103 4 11 10.5
5 12 12.5
5 13 12.5
6 14 14.5
6 15 14.5
10 16
11 12 13 14 15 16
66 73 70 67 70 62
60 76 71 64 74 65
1. Hipotesis 3. y 4. Calculando el Estadistico
H0: µ1 = µ2 (No hay diferencia) Colocamos los rangos:
H1: µ1 n= µ2 (Hay diferencia) x R1 y
27 2 34
2. Significancia 31 7 24
NS = α = 10.0% α /2 0.05 28 3.5 38
Z(α/2) -1.64 29 5 28
Z(1-α/2) 1.64 39 17 30
40 18 34
35 12 37
33 9 42
32 8 41
1 36 13 44
37 14.5
43 21
n1 130 n2
12 SR1 10

Método 1 27 31 28 29
Método 2 34 24 38 28
stadistico
U1 n1*n2 + (n1+1)/2 - SR1
R2 U1 -3.5
10.5 U
1 U2 n1*n2 + (n2+1)/2 - SR2 U
16 U2 2.5
3.5
6 µ n1*n2/2
10.5 µ 60 Z
14.5 Z
20 σ Raiz(n1*n2*(n1+n2+1)/12)
19 σ 15.1658
22
5. Decision y Conclusion
NRH0 si Z(α/2) < Z < Z(1-α/2)
123
SR2 Z =-4.19 < -1.64=Z(α/2)

39 40 35 33 32 36 37 43
30 34 37 42 41 44
 24 1
27 2
28 3 3.5
Min (U1, U2) 28 4 3.5
-3.5 29 5
30 6
31 7
32 8
(U-µ)/σ 33 9
-4.1871 34 10 10.5
34 11 10.5
35 12
36 13
37 14 14.5
37 15 14.5
38 16
39 17
40 18
41 19
42 20
43 21
44 22
Con la finalidad de evaluar el hábito de fumar como factor de riesgo de cáncer
pulmón, se seleccionan 2 muestras aleatorias, una de pacientes con esta enfer
la otra de personas sin esta enfermedad. Realice una prueba de independenci
una significancia del 5% para determinar si existe relación entre el habito de fu
padecer cáncer.

1. Hipotesis 3. Estadistico
H0: No existe relacion Observadas (Oi)
entre el tipo de
cerveza y el genero Si fuma
Si padece 10
H1: Existe relacion No padece 15
entre el tipo de Total 25
cerveza y el genero
Esperadas (Ei=(Total Fila)*(Total Columna)/Total)

2. Significancia Si fuma
NS = α = 5% Si padece 7.8125
1- α = 95% No padece 17.1875
Total 25
 tor de riesgo de cáncer del Si fuma No fuma To
acientes con esta enfermedad y Si padece 10 15 2
rueba de independencia con No padece 15 40 5
ón entre el habito de fumar y Total 25 55 8

No fuma Total Oi Ei (Oi-Ei)^2/Ei

15 25 10 7.8125 0.6125
40 55 15 17.1875 0.2784
55 80 15 17.1875 0.2784
40 37.8125 0.1265
a)*(Total Columna)/Total) Suma 1.2959
X^2c
No fuma Total
17.1875 25
37.8125 55
55 80
No fuma Total
15 25
40 55
55 80

4. Region de Rechazo
RH0: [X^2(1- α ,gl) , +∞)
donde
gl = (N. Filas -1)*(N. Colum-1)

gl 1
X^2(1- α ,gl) 3.8415

5. Conclusion
X^2c = 1.2959 < 3.8415 =X^2(1- α ,gl)

Por lo tanto;
No se rechaza la hipotesis nula, es decir,
no existe relacion entre si fuma y
si padece cancer
1. Hipotesis 3. y 4. Calculando el Estadistico
H0: Las muestras Comparamos los datos y hallamos los rangos
provienen M1 Rango1 M2
de poblaciones 86 12 90
identicas 79 7 76
81 8 88
H1: Las muestras 70 4 82
provienen 84 11 89
de poblaciones n1 42 n2
diferentes 5 Rango1 5

2. Significancia
NS = α = 10%
1-α 0.9

k Num. de muestras
k 3

X^2(1-α, k-1) 4.6052

n Total de datos
n 15
stadistico
s y hallamos los rangos
Rango2 M3 Rango3
15 82 9.5
6 68 3
13 63 2
9.5 71 5
14 61 1
57.5 n3 20.5
Rango2 5 Rango3

H = [12/(n*(n+1))]*SUMA(Rango_i^2/n_i)-3*(n+1)

12/(n*(n+1)) 0.0500
SUMA(Rango_i^2/n_i) 1098.1000
3*(n+1) 48

H 6.9050

5. Decision y Conclusion NRH0 si H <= X^2(1-α , k)

H=6.91 > 4.61 = X^2(1-α , k) ---------> RH0

La muestras provienen de poblaciones diferentes,

las cifras si difieren entre si.
61 1
63 2
68 3
70 4
71 5
76 6
79 7
81 8
82 9 9.5
82 10 9.5
84 11
86 12
88 13
89 14
90 15
Cierta máquina de última tecnología de empresa embotelladora produce muchos artículos, se ha Ar
contabilizado la cantidad de artículos en función a los defectos producidos como se puede ver en el
siguiente cuadro. Un ingeniero Industrial sospecha que los defectos producidos por la máquina se
ajustan a una distribución binomial. Para verificar ello se toma tres artículos por 90 días y se cuenta
la cantidad de artículos con defectos por día:
Verificar si los datos siguen
significación 10%.

X: Numero de articulos 3. Estadistico de Calculo

con defectos Numero de articulos (Oi)
del grupo de 3 0 5
(X=0,1,2,3) 1 22
2 33
1. Hipotesis 3 30
H0: El numero de articulos Suma 90
sigue una distribucion N
Binomial
4. Region de Rechazo
H1: El numero de articulos RH0: [X^2(1- α ,gl) , +∞)
no sigue una donde
distribucion Binomial gl = k-m-1
k: Numero de clases 4
2. Significancia m: parametros estimados 0
NS = α = 10%
1- α = 90% gl = k-m-1 3
X^2(1- α ,gl) 6.2514

En un laboratorio se observó el número de partículas 𝛼 que llega

zona procedentes de una sustancia radiactiva en un corto espac
igual, obteniéndose los siguientes resultados:
Número de Partículas 0 1 2 3
Número de periodos de tiempo 120 200 140 20
¿Se pueden ajustar los datos obtenidos a una distribución de Po
significación del 5%?
 Número de Partículas 0 1 2 3
Número de periodos de tiempo 120 200 140 20
¿Se pueden ajustar los datos obtenidos a una distribución de Po
significación del 5%?

X: Numero de particulas 3. Estadistico de Calculo

en un periodo Numero de articulos (Oi)
de tiempo dado 0 120
(X=0,1,2,...) 1 200
2 140
1. Hipotesis 3 20
H0: El numero de particulas 4 10
sigue una distribucion 5 2
Poisson Suma 492
N
H1: El numero de particulas
no sigue una distribucion 4. Region de Rechazo
Poisson RH0: [X^2(1- α ,gl) , +∞)
donde
2. Significancia gl = k-m-1
NS = α = 5% k: Numero de clases 6
1- α = 95% m: parametros estimados 1

gl = k-m-1 4
X^2(1- α ,gl) 9.4877

3. Estadistico de Calculo
Numero de articulos (Oi)
0 120
1 200
2 140
3 20
4
5 12
Suma 492
N
 culos, se ha Artículos con defectos Días Pi
e puede ver en el 0 5 0.0396
r la máquina se 1 22 0.2296
0 días y se cuenta 2 33 0.4443
3 30 0.2865
ficar si los datos siguen dicha distribución con probabilidad de éxito de 0.6593 , use un nivel de
ficación 10%.

p=?
Pi Ei (O-E)^2/E
0.0396 3.564 0.5786 E(X)=2p
0.2296 20.664 0.0864
0.4443 39.987 1.2209 p
0.2865 25.785 0.6890
1 90 2.5748
X^2c

5. Conclusion
X^2c= 2.5748 < 6.2514 = X^2(1- α ,gl)

Por lo tanto;
No se rechaza la Hipotesis nula,
es decir,
El numero de articulos defectuosos
sigue una distribucion
Binomial

as 𝛼 que llegan a una determinada

n corto espacio de tiempo siempre

2 3 4 5
0 140 20 10 2
bución de Poisson, con un nivel de
 2 3 4 5
0 140 20 10 2
bución de Poisson, con un nivel de

Lambda=?
Pi Ei (O-E)^2/E
0.3014 148.3081 5.4033 E(X)=lambda
0.3615 177.8491 2.7589
0.2167 106.6372 10.4380 Lambda
0.0866 42.6260 12.0099
0.0260 12.7791 0.6044 X
0.0062 3.0649 0.3700 0
1 491.264384263 31.5844 1
X^2c 2
3
5. Conclusion 4
X^2c= 31.5844 > 9.4877 = X^2(1- α ,gl) 5
Suma
Por lo tanto;
Se rechaza la Hipotesis nula,
es decir,
El numero de articulos defectuosos
no sigue una distribucion
Poisson

12.779127500268
Pi Ei (O-E)^2/E 3.0649126931537
0.3014 148.3081 5.4033 15.844040193422
0.3615 177.8491 2.7589
0.2167 106.6372 10.4380
0.0866 42.6260 12.0099
0.0260
0.0062 15.8440 0.9326
1 491.264344069 31.5427
X^2c
 1.7333

0.8667
 SUMA(fx)/N

1.1992

f Xf
120 0
200 200
140 280
20 60
10 40
2 10
Suma 590