CASO 1: “Proceso de operación de ensamblaje

Parte a:

Ho: El tiempo de procesamiento tiene distribución normal

H1: El tiempo de procesamiento no tiene distribución normal

Nivel de significancia = 0.05

Se utiliza la prueba de Shapiro-Wilk (n < 50)

Marca Truck: P-valor = 0.807 > 0.05; se acepta Ho, el tiempo de procesamiento tiene distribución normal
Marca Start: P-valor = 0.429 > 0.05; se acepta Ho, el tiempo de procesamiento tiene distribución normal

El tiempo de procesamiento tiene distribución normal, en ambos casos

Parte b:
La variable, tiempo de procesamiento, tiene distribución normal, por lo tanto, se utiliza la prueba T para diferencia
de datos pareados.

µ1: Tiempo promedio de procesamiento cuando se utiliza la marca Truck

µ1: Tiempo promedio de procesamiento cuando se utiliza la marca Start

µd = µ 1 - µ2

Ho: µd = 0 La marca Start no tiene un menor tiempo promedio de procesamiento

H1: µd > 0 La marca Start si tiene un menor tiempo promedio de procesamiento

Nivel de significancia = 0.05

__

Estadístico de prueba t c =
d = 2.678
Sd
n
Regiones críticas:

Distrib. T con 9 g.l.

0.05
1.833

El estadístico de prueba Tc = 2.678 > 1.833, se decide rechazamos Ho.

Por lo tanto, con un 5% de significancia concluimos que, con la marca Start si se logra tener un menor tiempo
promedio de procesamiento que con la máquina Truck.

CASO 3: Nivel de satisfacción de los clientes

Parte a:
Tenemos una prueba de tres muestras independientes y se pide comparar las medianas, por lo tanto, la prueba que
se debe aplicar es la de Kruskal-Wallis y no se requiere la probar la condición de normalidad

Parte b:
Ho: La mediana del nivel de satisfacción de los clientes es igual en las tres tiendas
H1: En al menos una de las tiendas, la mediana del nivel de satisfacción de los clientes es diferente

Nivel de significancia = 0.05

 12  k R i2 
Estadístico de prueba H=   -3(n+1) = 2.993
n(n+1)  i=1 n i 

Regiones críticas:

Distrib. Chi-cuadrada 2 g.l.

0.05
5.991

El estadístico de prueba H = 2.993 < 5.991, se decide aceptar Ho.

Por lo tanto, con un 5% de significancia concluimos que, el Nivel de satisfacción mediano de los clientes es igual en
las tres tiendas.

CASO 3: “Aerolínea AIRFLAT S.A.”

Parte a:

Ventas = 221.694 + 11.965*Promoción – 18.200*Competidores – 0.031*Gratis

Porcentaje de explicatividad R2 = 98.8%

Parte b:
Interpretar b2 = -18.2 (coeficiente de regresión de la variable Número de empresas competidoras)
“Si el número de empresas competidoras en la zona, se incrementa en uno, y se mantienen constantes el gasto en
promocionar la empresa y el porcentaje de pasajes gratis, se espera que el nivel de ventas disminuya en 18.2 miles
de dólares (disminuya en 18200 dólares)”

Parte c:
Prueba Global:

Ho: β1 = β2= β3 = 0 El modelo no es significativo

H1: Al menos un βi ≠ 0, El modelo si es significativo

Nivel de significancia = 0.05

Valor-p < 0.001

Valor-p < 0.05, se decide rechazar Ho

Concluimos, con un 5% de significancia que, el modelo si es significativo

Parte d:
Pruebas individuales:

Ho: βi = 0 La variable Xi no es significativa para el modelo

Ho: βi ≠ 0 La variable Xi si es significativa para el modelo

Nivel de significancia = 0.05

Puntos críticos:

Distribución T con 10 g.l.

0.025 0.025
-2.228 2.228

Entonces:
Promoción: Tc = 7.299, está en la zona de rechazo, la variable gasto en publicidad si es significativa para el
modelo
Competidores: Tc = -11.932, está en la zona de rechazo, la variable número de empresas competidoras si es
significativa para el modelo
Gratis: Tc = -0.040, está en la zona de aceptación, la variable porcentaje de pasajeros que viajan gratis no
es significativa para el modelo

Parte e:
Luego de las pruebas individuales el modelo propuesto sería:

Ventas = 221.236 + 11.955*Promoción – 18.176*Competidores

Porcentaje de explicatividad = R2 = 98.8%

Parte f:

Pregunta 1:

Ventas = 221.236 + 11.955*(6.5) – 18.176*(7) =

Pregunta 2:
En este caso se requiere hallar un intervalo de confianza para el coeficiente de regresión de la variable gasto en
publicidad (promoción):

IC(β1) = [9.182; 14.727] en miles de dólares

Observamos que el intervalo de confianza supero el valor 8.5, por lo tanto, con un 90% de confianza, concluimos
que, si se mantiene constante el número de empresas competidoras y se incrementa en mil dólares el gasto en
publicidad, el nivel de ventas se incrementará en más de 8500 dólares, lo afirmado por el Gerente de operaciones
es correcto

CASO 4 “Grado de Satisfacción Laboral”

Con esta información ¿A qué conclusión llegará el Gerente de Recursos Humanos?

a) Calcule el valor Chi-cuadrado: ………45.969…..…. (0.5 puntos)

b) Indique los valores numéricos de e23, e33 y e12 …249.8; 157.2; 166.6…..….. (0.5 puntos)

c) Para probar la independencia entre estas variables, se utiliza un 10% de significancia, entonces el punto

crítico es:…… 13.362 ……….… (0.5 puntos).

d) A partir de los resultados obtenidos, se concluye que:

El área de trabajo del colaborador y su nivel de satisfacción laboral, no son independientes, es decir que estas
variables tienen algún grado de asociación o correlación ….…….. (0.5 puntos)

e) El coeficiente de Contingencia C es …. 0.132………, donde Cmax =… 0.8944 ..., (0.5 puntos)

Caso 5: “Preguntas conceptuales”

a) Se quiere determinar si la marca de fertilizante (marca Flitz, marca MTV, marca Raz) y el nivel de producción de
papa en kg por hectárea, están relacionadas o no ¿Qué prueba o pruebas estadísticas utilizaría y bajo qué
condiciones? Explique brevemente (1 punto)

Marca de fertilizante → cualitativa (con tres categorías o tratamientos)

Producción de papa → cuantitativa
Par determinar si están o no relacionadas, se debe hacer la prueba de normalidad y decidir entre ANOVA o
prueba de Kruskal- Wallis

b) Se toma información de las variables grado de satisfacción (en una escala de 1 a 5, donde 1: muy insatisfecho y
5: Muy satisfecho) de una muestra de trabajadores, y el grado de compromiso con la empresa medido mediante
un test (que tiene una escala de 1 a 10; donde 1: Muy bajo compromiso hasta 10: muy alto compromiso). Se
desea medir el grado de correlación entre estas variables, explique que coeficiente de correlación utilizaría y por
qué (0.5 puntos)
 Dos variables cuaya escala es cuantitativa ordinal, se debe utilizara el coeficiente de correlación de Spearman

c) Se estimó la siguiente modelo de regresión lineal simple Y = 2.1 - 0.89X, en este modelo el porcentaje no
explicado es 10%. Calcular el coeficiente de correlación de Pearson en este caso (0.5 puntos)

Pendiente negativa por lo tanto el coeficiente de correlación de Pearson debe ser negativo
Se calcula r = 0.90 = 0.0.94868 , por lo tanto, r = - 0.94868

d) Se desea realizar un análisis de regresión lineal múltiple con 35 observaciones y 5 variables predictoras, Indique
las dimensiones de la Matriz de diseño y del vector de coeficientes estimados (0.5 puntos)

Matriz de diseño. 25x6

Vector de coeficientes: 6x1

e) En una muestra de 700 personas se quiere determinar el grado de asociación entre su opinión con respecto a
un proyecto de ley (a favor o en contra) y el sexo de la persona (masculino o femenino) si se encontró que el
valor Chi-Cuadrado es 144.98. Que coeficiente de asociación utilizaría y cual es su valor numérico (0.5 puntos)

Es una tabla de 2x2, se utiliza el coeficiente Phi.

c2 144.98
= = = 0.4551
n 700

f) Con dos variables que están inversamente relacionadas, se tiene el coeficiente de Determinación es 86%,
Calcule, si es posible, el coeficiente de correlación lineal de Pearson entre estas variables (0.5 puntos)

Variables inversamente relacionadas, el coeficiente de correlación es negativo

r = 0.86 = 0.92736 , por lo tanto, r = - 0.92736