Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1) Una empresa menciona que el 18% de sus trabajadores no saben trabajar en equipo.
Entonces, realiza una capacitación sobre la importancia del trabajo en equipo y
comprobó que, de 200 trabajadores, 19 trabajadores no saben trabajar en equipo.
Ho: p = 0.18.
H1: p ≠ 0.18
n <- 200
po <-0.095
Alpha <- 0.04
A un nivel de significancia del 96%, como el p es menor a 0.04 rechazo la hipótesis nula, es decir
proporción de trabajadores que no saben trabajar en equipo es diferente de 0.18. Se concluye que la
capacitación NO fue efectiva debido a que la decisión está basada en una hipótesis incorrecta.
2) En un banco se afirma que el tiempo de atención promedio es más de 10 minutos. Para
saber si esta afirmación es cierta, se selecciona a 8 clientes y se contabiliza el tiempo
de atención (en minutos).
10 12 15 9 8 10 11 14
Usar un nivel de significación del 4%. ¿Es cierta la afirmación del banco?
Ho: MINUTOS
H1: MINUTOS
n: 8
10,12,15,9,8,10,11,14
mdata <- c(10,12,15,9,8,10,11,14)
library(BSDA)
t.test(mdata, mu = 10, alternative = "g")
p-value = 0.1147
A un nivel de significancia del 96%, como el p es MAYOR a 0.04 no hay evidencia para rechazar la
hipótesis nula, es decir el tiempo medio de atención del banco es mayor a 10 minutos. Se concluye que la
información del banco es correcta.
3) Un proceso de producción permite obtener una desviación estándar de las ventas de
40 soles. Se realizan ciertas medidas de reajuste en el proceso de producción para que
las ventas sean más homogéneas. Luego de aplicar estas medidas de reajuste se toma
una muestra aleatoria de 10 ventas, las cual se presenta a continuación:
X1: variabilidad de las ventas de una empresa antes del reajuste del proceso de
producción. 40
X2: variabilidad de las ventas de una empresa después del reajuste.
Ho:
H1:
sigma0 <- 40
cuadsig0 <- 1600
install.packages("EnvStats")
library(EnvStats)
varTest(mdata, alternative = "l", sigma.squared = cuadsig0)
p-value : 0.7211118
A un nivel de significancia del 97%, como el p es MAYOR a 0.03 no hay evidencia para rechazar la
hipótesis nula, es decir variabilidad de las ventas de una empresa después del reajuste es menor a 40. Se
concluye que el reajuste fue efectivo.
4) El dueño de una empresa quiere disminuir la alta variabilidad de los costos (Quiere que
los costos sean más homogéneos, más similares) de sus productos, quiere que sea
menor a 40 dólares2.
Entonces, el dueño de la empresa hace un reajuste en sus costos. Luego de hacer ese
reajuste, selecciona una muestra aleatoria de 20 costos y encontró que la desviación
estándar del costo es de 4 dólares.
¿Existe evidencia para afirmar que el reajuste de costos ha sido efectivo? Considerar
un nivel de significación del 3%.
Con un nivel de significación del 5%, ¿es correcta la sospecha que se tiene?
6) Se somete a control de calidad un nuevo remedio para reducir los niveles de colesterol.
Entonces, se procede a seleccionar una muestra de personas obesas y se les mide el
nivel de colesterol antes y después de tomar el nuevo remedio. Los resultados fueron
los siguientes:
¿El remedio está siendo efectivo? Use el nivel de significación del 2.5%.
Variable(s):
u1: nivel de colesterol promedio antes del remedio
u2: nivel de colesterol promedio después del remedio
Alpha:
p-value: 0.918
El valor numérico del estadístico de prueba es: -1.4872
El valor numérico del punto crítico (valor crítico) es: 1.959964
El valor-p de esta prueba es: 0.918
La conclusión luego de realizar la prueba es:
A un nivel de significancia del 97.5%, como el p es MAYOR a 0.025 no hay evidencia para rechazar la
hipótesis nula, es decir variabilidad de las ventas de una empresa después del reajuste es menor a 40. Se
concluye que el reajuste fue efectivo.
7) El gerente de una empresa afirma que, en promedio, las deudas de los clientes que
tienen tarjeta tipo A es menor que en aquellos que tienen tarjeta tipo B.
Se seleccionó muestras aleatorias e independientes de 8 clientes de cada tipo de
tarjeta y se registró los montos de deudas en el último mes, obteniéndose los
siguientes datos (en miles de dólares):
Se asume que el monto de deudas mensual de los clientes que tienen las tarjetas se
distribuye normalmente y que tienen varianzas homogéneas (iguales).
8) Con la finalidad de verificar que los barcos de la marca “xwest” estén en óptimas
condiciones se seleccionaron seis barcos y se registraron los puntajes obtenidos en la
inspección pre y pos para cada uno de ellos.
A continuación se presentan los resultados obtenidos:
Barco 1 2 3 4 5 6
Puntaje pre 70 85 81 72 88 99
Puntaje pos 76 73 60 90 83 84
Con α=0.05, ¿Existe evidencia para afirmar que la media de los puntajes pre es inferior
a la media de los puntajes pos?
9) En una fábrica hay dos procedimientos para elaborar cierto material usado en
construcción. Con el objetivo de que la variabilidad de las unidades producidas sean
homogéneas, se aplican medidas de reajuste en ambos procesos. Luego de aplicar las
medidas de reajuste se seleccionan muestras aleatorias de unidades producidas por
cada proceso.
#Pruebas de un parametro
#### Lectura de datos de Excel
datos <- read.delim("clipboard")
library(BSDA)
z.test(datos$ , alternative = " ", mu = , sigma.x= )
z.test(mdata, alternative = " ", mu = , sigma.x= )
###lower.tail
#PH para la media: Varianza desconocida
#######################################
library(BSDA)
t.test(datos$ , mu = , alternative = " ")
t.test(mdata, mu = , alternative = " ")
#Valor critico
alpha <-
##Cola derecha
qt(alpha, df, lower.tail = F)
##Cola Izquierda
qt(alpha, df, lower.tail = T)
##Bilateral
qt(c(alpha/2, 1-alpha/2), df, lower.tail = T)
######################
#PH para la Varianza
######################
sigma0 <-
cuadsig0 <- sigma0^2
library(EnvStats)
varTest(datos$ , alternative = " ", sigma.squared = cuadsig0)
varTest(mdata, alternative = " ", sigma.squared = cuadsig0)
############################################
# PH para la Proporcion
############################################
k <-
n <-
phi <-
prop.test(k, n, phi, alternative = " ", correct = F)
#### si p > phi se toma el valor positivo de la raiz cuadrada
Zc <- sqrt(X-squared)
######################
#PH para comparar dos Varianzas
######################
library(EnvStats)
var.test(datos$X, datos$Y, ratio = 1, alternative = " ")
var.test(mdata1, mdata2, ratio = 1, alternative = " ")
######################
##### Prueba para la comparacion de medias de dos poblaciones
######################
########################################################
## PH para comparar proporciones de dos poblaciones
########################################################
#######################################################
## PH para la media de muestras relacionadas
########################################################
library(BSDA)
t.test(datos$X, datos$Y, mu=0, alternative=" ", paired=T)
t.test(mdata1, mdata2, mu=0, alternative=" ", paired=T)
#PREGUNTA 5
k1 <-40
n1 <-65
k2 <-20
n2 <-52
k <-c(k1,k2)
n <-c(n1,n2)
prop.test(k, n,alternative = "g", correct=F)
###### Si prop 1 > prop 2 se toma el valor positivo de la raiz cuadrada
sqrt(6.1579)
#PREGUNTA 6
library(BSDA)
mdata1=c(117, 153 ,125, 100 ,111 ,221, 129)
mdata2=c(209, 233 ,133, 128, 206 ,201, 102)
t.test(mdata1, mdata2, mu=0, alternative="g", paired=T)
#### Valor critico
alpha <-0.025
df=6
qt(alpha, df, lower.tail = F)
#PREGUNTA 7
library(BSDA)
alpha <-0.04
df=14