Tecnológico Nacional de México.

Tecnológico de Reynosa.

- Carrera:
Lic. en Administración.
- Materia:
Estadística Aplicada a la Administración ll.
- Docente:
Pérez Magaña Juan Gerardo.
- Alumno:
Vanessa Melo Cruz.
- Fuentes de información:
https://www.probabilidadyestadistica.net/
https://www.todamateria.com/
 a) Hipótesis:

Una hipótesis estadística es una suposición sobre el valor de un parámetro

estadístico. Es decir, las hipótesis estadísticas son afirmaciones que se hacen
sobre las características de una población. En estadística, una hipótesis se
rechaza o se acepta llevando a cabo una prueba de hipótesis.
1.- En los últimos años aumentó el consumo de bebidas azucaradas y su impacto
en enfermedades como la diabetes. Unos investigadores en Francia sugirieron
que el azúcar también podría estar relacionado con otras enfermedades, como el
cáncer. Por eso plantearon la siguiente hipótesis:
El mayor consumo de bebidas azucaradas aumenta el riesgo de padecer alguna
forma de cáncer.
En este caso, la hipótesis es de tipo descriptiva pues no se buscó demostrar la
causa por la que el azúcar pudiera promover el cáncer.
Para probar esta hipótesis, se evaluaron y clasificaron según su consumo de
bebidas con azúcar más de 100 mil personas por un tiempo de 5 años. Al cabo de
5 años se analizó los datos de consumo de azúcar y de aparición de algún tipo de
cáncer.
2.- Popeye el marino era un dibujo animado que presentaba a un marinero que se
volvía más fuerte cuando consumía espinacas. Existen estudios científicos que
muestran que un compuesto de las espinacas puede mejorar la actividad física en
algunos animales. Un grupo de investigadores en Alemania se hizo la siguiente
hipótesis:
El compuesto de la espinaca que funciona en los animales mejora también la
actividad física en los humanos.
Estos investigadores probaron la hipótesis en un experimento, donde un grupo de
atletas consumió un suplemento de espinacas, mientras otro grupo de atletas
sirvió como grupo control. Al cabo de un tiempo se observó un aumento en la
cantidad de músculo y mejor desempeño físico en el grupo de atleta con el
suplemento de espinaca, lo cual demostró que la hipótesis era la correcta.
3.- Hemos visto como los caracoles pueden moverse por superficies rugosas,
inclinadas y hasta paralelas al piso sin caerse. Esto es gracias a la mucosidad que
producen en su base.
Unos investigadores en Corea del Sur y EE.UU establecieron la siguiente
hipótesis:
La creación de un material con las propiedades de la mucosidad del caracol
funcionará como un adhesivo fuerte y reversible.
Entonces inventaron un sistema de hidrogel polimérico a base de metacrilato que
actúa como un super adhesivo reversible.
4.- La microcefalia es una condición donde el cerebro de un bebé no se desarrolla
completamente, causando que la cabeza se vea más pequeña que lo normal.
En Brasil se reportaron más de 8000 casos entre noviembre del 2015 y junio del
2016, lo que representó un aumento alarmante de este problema. En el mismo
tiempo también aumentaron las infecciones por el virus Zika.
De aquí se enunció la siguiente hipótesis:
Las mujeres que están embarazadas y que se enferman con Zika corren un riesgo
mayor de tener bebés con microcefalia.
Los resultados de esta investigación demostraron la asociación entre el Zika y la
microcefalia, lo que corrobó la hipótesis.
5.- Los números primos tienen la propiedad de que no pueden ser expresados
como el producto de dos números más pequeños. Es difícil determinar cuándo
aparecen estos números primos entre los números naturales.
Sin embargo, el matemático alemán G. F. B. Riemann (1826-1866) propuso una
ecuación, llamada función Zeta Riemann, que se aproxima a la frecuencia de los
números primos.

b) ANOVA

1.- Los miembros de un equipo ciclista se dividen al azar en tres grupos que
entrenan con métodos diferentes. El primer grupo realiza largos recorridos a ritmo
pausado, el segundo grupo realiza series cortas de alta intensidad y el tercero
trabaja en el gimnasio con pesas y se ejercita en el pedaleo de alta frecuencia.
Después de un mes de entrenamiento se realiza un test de rendimiento
consistente en un recorrido cronometrado de 9 Km. Los tiempos empleados
fueron los siguientes:
A un nivel de confianza del 95% ¿Puede
considerarse que los tres métodos
producen resultados equivalentes? O por
el contrario ¿Hay algún método superior a
los demás?

Solución: Comenzamos calculando los totales y los cuadrados de los totales

divididos por el número de observaciones:

A continuación, calculamos los cuadrados de las observaciones y su total:

 A partir de estas cantidades
básicas calculamos las Sumas de
Cuadrados:
SC(total) = 2984 - 2940 = 44
SC(intra) = 2984 – 2966,8 = 17,2
SC(entre) = 2966,8 – 2940 = 26,8

Los cuadrados medios serán:

CM(entre) = 26,8/2 = 13,4
CM(intra) = 17,2/12 = 1,43
Por consiguiente el estadístico de contraste vale:
F = 13,4/ 1,43 = 9,37
El valor de la F teórica con 2 y 12 grados de libertad, a un nivel de confianza del
95% es 3,89. Por consiguiente se rechaza la hipótesis nula y se concluye que los
tres métodos de entrenamiento producen diferencias significativas.
2.- Una lista de palabras sin sentido se presenta en la pantalla del ordenador con
cuatro procedimientos diferentes, asignados al azar a un grupo de sujetos.
Posteriormente se les realiza una prueba de recuerdo de dichas palabras,
obteniéndose los siguientes resultados:
¿Qué
conclusiones
pueden sacarse
acerca de las
cuatro formas de
presentación, con
un nivel de
significación del
5%?

Solución: Comenzamos calculando los totales y los cuadrados de los totales

divididos por el número de observaciones:

A continuación, calculamos los cuadrados de las observaciones y su total:

A partir de estas cantidades básicas calculamos las Sumas de Cuadrados:
SC(total) = 988 – 819,8 = 168,2
SC(intra) = 988 – 902 = 86
SC(entre) = 902 – 819,8 = 82,2
Los cuadrados medios serán:
CM(entre) = 82,2/3 = 27,4
CM(intra) = 86/22 = 3,9
Por consiguiente el estadístico de contraste vale:
F = 27,4/ 3,9 = 7,03
El valor de la F teórica con 3 y 22 grados de libertad, a un nivel de confianza del
95% es 3,05. Por consiguiente se rechaza la hipótesis nula y se concluye que los
cuatro procedimientos de presentación producen diferencias significativas.
3.- El contraste que se realiza es el siguiente:
H 0 = variable residuos es normal
H 1 = variable residuos no es normal
Descripción / Distribuciones / Ajuste de distribuciones (datos no censurados).
En datos poner residuos.
Para contrastar la normalidad se mira la ventana de Test de bondad de ajuste, y
los p-valor que allí aparecen.
Tests de Bondad de Ajuste para RESIDUALS
Contraste Chi-cuadrado
----------------------------------------------------------------------------
Límite Límite Frecuencia Frecuencia
 Inferior Superior Observada Esperada Chi-cuadrado
menor o igual -5,7058 14 12,12 0,29 -
5,7058 -3,34551 15 12,12 0,68
-3,34551 -1,58048 14 12,12 0,29
-1,58048 8,76289E-7 9 12,13 0,81
8,76289E-7 1,58048 11 12,13 0,10
1,58048 3,34551 11 12,12 0,10
3,34551 5,7058 9 12,12 0,81 mayor
5,7058 14 12,12 0,29
----------------------------------------------------------------------------
Chi-cuadrado = 3,37137 con 5 g.l. P-Valor = 0,642933
Estadístico DMAS de Kolmogorov = 0,110348
Estadístico DMENOS de Kolmogorov = 0,050904
Estadístico DN global de Kolmogorov = 0,110348
P-Valor aproximado = 0,188487
Según ambos p-valor, tanto el de Chi-cuadrado (0´642933), como el de
Kolmogorov (0´188487), se acepta H 0, puesto que son mayores que el nivel de
significación del 5%, por lo tanto según estos test la variable es normal.
También se estudian los p-valor obtenidos de los test de normalidad; para verlos:
Botón amarillo/Test normalidad.
Tests para la Normalidad para RESIDUALS
Estadístico chi-cuadrado de bondad de ajuste = 48,2371
P-valor = 0,000638325
Estadístico W de Shapiro-Wilks = 0,95203
P-valor = 0,00490306
Puntuación Z para asimetría = 1,71722
P-valor = 0,0859391
Puntuación Z para curtosis = 0,242493
P-valor = 0,808394
- Dos de los test para la normalidad rechazan H 0, puesto que son menores
que el nivel de significación; por lo tanto al fallar uno no se puede considerar como
normal la variable residuos.
4.- Homocedasticidad.
Para realizar este contraste es necesario volver al análisis ANOVA, y sería el
siguiente:

H 0 = todas las varianzas son iguales à ρA = ρB = ρC = ρD

H 1 = alguna varianza no es igual à alguna ρ i es diferente
Los pasos son: Botón amarillo /Contraste de la varianza Contraste
de Varianza
Contraste C de Cochran: 0,303385 P-valor = 0,781548
Contraste de Bartlett: 1,01876 P-valor = 0,642881
Contraste de Hartley: 1,65968
Test de Levene: 0,236778 P-valor = 0,870514
Estos tres p-valor son mayores que el nivel de significación y por lo tanto aceptan
H 0, y por lo tanto las varianzas son todas similares. Por lo tanto se cumple la
segunda condición necesaria para poder tomar los resultados del ANOVA como
válidos.
5.- Independencia.
Puesto que no disponemos de la fecha en la que hemos recogido los datos, no
podemos realizar un estudio sobre su aleatoriedad ya que no aparece reflejado el
orden temporal, por lo tanto daremos por supuesto que se cumple que se cumple
esta condición.
Tras comprobar sí se cumplen o no las condiciones del ANOVA se puede concluir
que los resultados obtenidos no son totalmente fiables, pues que los datos no
siguen una distribución normal, sería necesario realizar otros estudios con otros
métodos o aumentar el tamaño de la muestra.
c.- Realiza el mismo contraste utilizando un método no-paramétrico, e interpreta el
resultado que obtienes. ¿Es fiable?
Se utiliza el contraste de Kruskal – Wallis, para ello:
Botón amarillo/ Contraste Kruskal-Wallis
Con este contraste en lugar de compararse las medias se contrastan las
medianas:
H 0 = todas las medianas son iguales à medA = medB = medC = medD
H 1 = alguna mediana no es igual à alguna med i es diferente.
Contraste de Kruskal-Wallis para #_horas según lectura lectura
Tamaño muestral Rango Promedio
------------------------------------------------------------
1 25 51,68
2 40 44,2375
3 26 55,7115
4 6 40,5
------------------------------------------------------------
Estadístico = 3,44376 P-valor = 0,328126
El p-valor obtenido es mayor que el nivel de significación por lo tanto se acepta la
hipótesis nula, lo cual indica que las medianas de las muestras son similares y por
lo tanto no hay diferencias significativas entre el número de horas que los
estudiantes pasan en la biblioteca independientemente de su hábito de lectura.