FACULTAD DE INGENIERÍA

CARRERA DE INGENIERÍA INDUSTRIAL

UNIDAD 2: PRUEBA DE HIPÓTESIS

PARTE 3: PRUEBAS CHICUADRADO DE BONDAD

DE AJUSTE E INDEPENDENCIA DE CRITERIOS

Profesor: Dr. Martín Guillermo Cornejo Sarmiento

E-mail: mgcornejo@ulima.edu.pe
Web: https://cris.ulima.edu.pe/es/persons/mart%C3%ADn-guillermo-cornejo-sarmiento

DISEÑO DE EXPERIMENTOS
2023-1
Contenido

1. Prueba de Bondad de Ajuste

2. Prueba de Independencia y Prueba de Homogeneidad de Proporciones

Objetivo

 Entender, realizar e interpretar correctamente la prueba de bondad de

ajuste, la prueba de independencia de criterios y la prueba de
homogeneidad de proporciones.
1. Prueba de Bondad de Ajuste
Prueba de bondad de ajuste

 Tipo de hipótesis diferente a lo visto hasta el momento: no se conoce la distribución fundamental

de la población, y se quiere probar, basado en una muestra, la hipótesis de que una distribución
particular será satisfactoria como modelo de la población.

 En aplicaciones practicas, muchas veces se necesita escoger cierta distribución de probabilidad

para aproximar la distribución de los datos que se está analizando.

 Se busca verificar si una determinada distribución es estadísticamente adecuada para

representar los datos recolectados aleatoriamente a partir de una población de interés.

 Conocida como prueba de adherencia y está basada en la distribución chi-cuadrada.

 Ejemplo: probar la hipótesis de que una población (variable de interés) es normal.

Prueba de bondad de ajuste
PROCEDIMIENTO GENERAL

 PASO 0: Se debe completar la tabla con las columnas de 𝒑𝒊 Donde:

y 𝑬𝒊 , tal que la información obtenida de una muestra para realizar 𝐴𝑖 : 𝑖 −ésima categoría de la tabla (valor numérico para una
variable discreta 𝑋 o intervalo numérico para una variable
la prueba de bondad de ajuste se pueda organizar como la continua 𝑋 observado en la muestra).
siguiente tabla: 𝑘: Número de valores numéricos o número de intervalos en
la tabla.
𝑂𝑖 : frecuencias observadas (muestra) de la 𝑖 − ésima
categoría.
𝑝𝑖 : probabilidad teórica de que la variable 𝑋 sea igual o
pertenezca a la 𝑖 −ésima categoría. σ𝑘𝑖=1 𝑝𝑖 = 1.
𝐸𝑖 : frecuencia esperada o valores esperados (teóricos) de la
𝑖 −ésima categoría, donde 𝐸𝑖 = 𝑛𝑝𝑖 . Se debe verificar que
𝐸𝑖 ≥ 5.
NOTA: Si alguna frecuencia esperada 𝐸𝑖 es menor que
cinco, se debe eliminar la categoría a la que pertenece
dicha frecuencia y sumar su frecuencia observada a una
clase contigua, esta restricción de la estadística de prueba
Información de la muestra Valores que deben ser se aplica para mejorar la aproximación de la estadística de
prueba.
(datos del problema) calculados
Prueba de bondad de ajuste
PROCEDIMIENTO GENERAL
Paso 1. Formulación de las hipótesis:
𝐻0 : la población (de donde se extrajeron los datos de la muestra) Donde:
se ajusta a la distribución teórica escogida
𝐸𝑖 : frecuencia esperada o valores esperados
𝐻1 : la población (de donde se extrajeron los datos de la muestra) (teóricos) de la 𝑖 −ésima categoría, donde 𝐸𝑖 = 𝑛𝑝𝑖
no se ajustan a la distribución teórica escogida
𝑂𝑖 : frecuencias observadas (muestra) de la 𝑖 −ésima
Paso 2. Considerando la distribución del estadístico de prueba categoría
2 2
𝜒02 ~𝜒𝑘−𝑝−1 y 𝛼, se calcula el valor crítico: 𝜒1−𝛼,𝑘−𝑝−1 , por lo que
𝑝: Número de parámetros desconocidos y por estimar
la región critica será: 𝑹𝑪 = 𝝌𝟐𝟏−𝜶; 𝒌−𝒑−𝟏 ; ∞
𝑘 : Número de valores numéricos o número de
Paso 3. Basado en la muestra aleatoria, se obtiene el valor intervalos en la tabla
numérico del estadístico de prueba:
𝒌 (𝑶 − 𝑬 )𝟐 𝑝𝑖 : probabilidad teórica de que la variable 𝑋 sea igual
𝟐 𝒊 𝒊
𝝌𝟎 = ෍ o pertenezca a la 𝑖 −ésima categoría. σ𝑘𝑖=1 𝑝𝑖 = 1.
𝒊=𝟏 𝑬𝒊
2 NOTA: El cálculo del p-valor reemplaza a los pasos 2)
Paso 4. Decisión: Si 𝜒02 ∈ 𝑅𝐶 (es decir, 𝜒02 > 𝜒1−𝛼; 𝑘−𝑝−1 ),
y 3) y en el paso 4) Regla de decisión se compara el
entonces se debe rechazar 𝑯𝟎 . p-valor y 𝛼. Con ambas reglas las decisiones siempre
Paso 5. Establecer la conclusión de la prueba de hipótesis en serán las mismas.
términos del caso de estudio y según el nivel de significancia (𝛼).
Prueba de bondad de ajuste
PROCEDIMIENTO GENERAL (usando Minitab)
Prueba de bondad de ajuste para distribución Poisson:
1. Si el parámetro 𝝀 es desconocido:
Estadísticas > Estadísticas básicas > Prueba de bondad de ajuste para Poisson…
• Variable: ingresar la columna de los valores de la variable de interés 𝑋.
• Variable de frecuencia: ingresar la columna de los valores de la frecuencia observada (𝑂𝑖 ).

2. Si el parámetro 𝝀 es conocido (con el valor de 𝝀 se deben calcular los valores de 𝒑𝒊 ):

Estadísticas > Tablas > Prueba Chi-cuadrada de bondad de ajuste (una variable)
• Conteos observados: ingresar la columna de los valores de la frecuencia observada (𝑂𝑖 ).
• Nombre de categoría (opcional): ingresar la columna de los valores de la variable de interés 𝑋.
• Proporciones especificadas: probabilidad teórica de que la variable de interés 𝑋 (𝑝𝑖 ). Se debe cumplir que: σ𝑘𝑖=1 𝑝𝑖 = 1.
Prueba de bondad de ajuste
Ejercicio 1 (Laboratorio 2, Parte 3):

Se propone hipotéticamente que el número de defectos en tarjetas de memoria RAM para computadoras sigue una
distribución de Poisson. Se ha colectado una muestra aleatoria de 𝑛 = 80 tarjetas de memoria y se observó el número de
defectos:
Número de defectos Frecuencia observada (𝑂𝑖 )
0 34
1 21
2 16
3 9

Usando un 𝛼 = 0.05, ¿se puede considerar apropiado que el número de defectos en estas tarjetas de memoria tiene una
distribución de Poisson?
Prueba de bondad de ajuste
Solución Ejercicio 1:
Paso 0: Completar la tabla con las probabilidades teóricas ( 𝒑𝒊 ) y las
Número de defectos Frecuencia observada (𝑂𝑖 )
frecuencias esperadas (𝑬𝒊):
0 34
Como la distribución hipotética es la Poisson, se requiere su parámetro 𝜆 para
1 21
calcular los valores de 𝑝𝑖 . Dado que no conocemos dicho parámetro, necesitamos
2 16
estimar 𝜆 (media poblacional) usando la información de la muestra:
3 9
𝜆መ = 0 ∗ 34 + 1 ∗ 21 + 2 ∗ 16 + 3 ∗ 9 /80 = 1.0000.
𝑛 = 80
Entonces, se calculan los valores de 𝑝𝑖 :
Estas probabilidades (𝑝1 , 𝑝2 , 𝑝3 y 𝑝4 )
𝑒 −1 1 0 𝑒 −1 1 1
pueden ser calculadas en R (función
𝑝1 = 𝑃 𝑋 = 0 = = 0.3679, 𝑝2 = 𝑃 𝑋 = 1 = = 0.3679, dpois), MINITAB: Calc > Distribuciones
0! 1!
de probabilidad > Poisson (O Función
𝑝3 = 𝑃 𝑋 = 2 =
𝑒 −1 1 2
= 0.1839, dado que σ𝑘𝑖=1 𝑝𝑖 = 1, 𝑝4 = 𝑃 𝑋 ≥ 3 = 1 − 𝑝1 + 𝑝2 + 𝑝3 = 0.0803 Gráfica) o en EXCEL
2!

Con los valores de 𝑝𝑖 , calculamos los valores de 𝐸𝑖 : 𝑬𝒊 = 𝒏𝒑𝒊

Número de defectos Frecuencia Probabilidades Frecuencias
observada (𝑂𝑖 ) teóricas (𝑝𝑖 ) esperadas (𝐸𝑖 )
0 34 0.3679 29.43 Se puede verificar que las frecuencias
1 21 0.3679 29.43 esperadas son mayores a 5 (𝐸𝑖 ≥ 5).
2 16 0.1839 14.72
3 (o más) 9 0.0803 6.42
Prueba de bondad de ajuste
Solución Ejercicio 1:

Paso 1.
𝐻0 : El número de defectos de las tarjetas de memoria tiene distribución Poisson

𝐻1 : El número de defectos de las tarjetas de memoria no tiene distribución Poisson

Paso 2. Dado que 𝛼 = 0.05, 𝜆መ = 1, 𝑘 = 4, 𝑝 = 1 (debido a que se estimó el parámetro 𝜆), el valor crítico: 𝜒1−𝛼,𝑘−𝑝−1
2 2
= 𝜒0.95,2 = 5.99, 𝑹𝑪 = 𝟓. 99; ∞

(𝑂𝑖 −𝐸𝑖)2
Paso 3. Valor del estadístico de prueba: 𝜒02 = σ𝐾
𝑖=1 = 4.2695, 𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 𝑃 𝜒12 > 4.2695 = 0.1183
𝐸𝑖

Paso 4. como 𝜒02 ∉ 𝑅𝐶 (𝑝 − 𝑣𝑎𝑙𝑜𝑟 > 𝛼), no se rechaza 𝐻0 .

Paso 5. con un 𝛼 = 0.05, no hay evidencia suficiente para rechazar la hipótesis de que el número de defectos de las tarjetas de memoria tiene
distribución Poisson. Por tanto, podríamos afirmar que la población es Poisson.

NOTA: El cálculo del p-valor reemplaza a los pasos 2) y 3) y en el paso 4) Regla de decisión se compara el p-valor y 𝛼. Con ambas reglas las
decisiones siempre serán las mismas
Número de defectos Frecuencia Probabilidades Frecuencias 𝑶𝒊 − 𝑬𝒊 𝟐

observada (𝑂𝑖 ) teóricas (𝑝𝑖 ) esperadas (𝐸𝑖 ) 𝑬𝒊

0 34 0.3679 29.43 0.71

1 21 0.3679 29.43 2.41

2 16 0.1839 14.72 0.11

3 (o más) 9 0.0803 6.42 1.03

𝝌𝟐𝟎 4.2695
Prueba de bondad de ajuste
Solución Ejercicio 1 (usando Minitab):
Prueba de bondad de ajuste para distribución Poisson:
1. Si el parámetro 𝝀 es desconocido: Estadísticas > Estadísticas básicas > Prueba de bondad de ajuste para Poisson…
• Variable: ingresar la columna de los valores de la variable de interés 𝑋.
• Variable de frecuencia: ingresar la columna de los valores de la frecuencia observada (𝑂𝑖 ).

Ingresar los datos de las

dos columnas
Prueba de bondad de ajuste
Solución Ejercicio 1 (usando Minitab):
Prueba de bondad de ajuste para distribución Poisson:
1. Si el parámetro 𝝀 es desconocido: Estadísticas > Estadísticas básicas > Prueba de bondad de ajuste para Poisson…
• Variable: ingresar la columna de los valores de la variable de interés 𝑋.
• Variable de frecuencia: ingresar la columna de los valores de la frecuencia observada (𝑂𝑖 ).

Estimación del parámetro

de la distribución hipotética
de Poisson: 𝜆መ = 1 𝟐
𝒑𝒊 𝑶𝒊 𝑬𝒊 𝑶𝒊 − 𝑬𝒊
𝑬𝒊

𝐺𝐿: 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑡𝑎𝑑 𝑑𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎

𝜒02 𝑝 − 𝑣𝑎𝑙𝑜𝑟
Prueba de bondad de ajuste
PROCEDIMIENTO GENERAL (usando Minitab)
Prueba de bondad de ajuste para distribución de una variable aleatoria discreta o continua (con excepción de Poisson):
1. Si el (los) parámetro(s) es (son) desconocido(s)  con el (los) parámetro(s) estimado(s) se deben calcular los valores de 𝒑𝒊 :
Estadísticas > Tablas > Prueba Chi-cuadrada de bondad de ajuste (una variable)
• Conteos observados: ingresar la columna de los valores de la frecuencia observada (𝑂𝑖 ).
• Nombre de categoría (opcional): ingresar la columna de los valores de la variable de interés 𝑋.

• Proporciones especificadas: probabilidad teórica de que la variable de interés 𝑋 (𝑝𝑖 ). Se debe cumplir que: σ𝑘𝑖=1 𝑝𝑖 = 1.
NOTA: grados de libertad del estadístico de prueba (gl): gl=k-p-1. El Minitab considera p=0, es decir, gl=k-1, se debe considerar eso y hacer las
correcciones necesarias (específicamente, corregir el 𝑝 − 𝑣𝑎𝑙𝑜𝑟)!

2. Si el (los) parámetro(s) es (son) conocido(s)  con el (los) parámetro(s) se deben calcular los valores de 𝒑𝒊 :
Estadísticas > Tablas > Prueba Chi-cuadrada de bondad de ajuste (una variable)
• Conteos observados: ingresar la columna de los valores de la frecuencia observada (𝑂𝑖 ).
• Nombre de categoría (opcional): ingresar la columna de los valores de la variable de interés 𝑋.

• Proporciones especificadas: probabilidad teórica de que la variable de interés 𝑋 (𝑝𝑖 ). Se debe cumplir que: σ𝑘𝑖=1 𝑝𝑖 = 1.
NOTA: p=0 (cero parámetros desconocidos y por estimar) y grados de libertad del estadístico de prueba (gl): gl=k-p-1=k-1
Prueba de Independencia y Prueba de
Homogeneidad de Proporciones
Prueba de Independencia

 Prueba utilizada cuando el objetivo es determinar si dos variables cualitativas (o cuantitativas

categorizadas) están relacionadas (variables dependientes) o no (variables independientes).

 Para determinar la independencia o no de dos variables cualitativas, los 𝑛 elementos de una

muestra de una población pueden clasificarse con base en las categorías de ambas variables
cualitativas, es decir, clasificarse en base a dos criterios diferentes.

 Ejemplos:
 ¿El nivel de instrucción está relacionado con el nivel de consumo de equipos electrónicos?

 ¿Los tipos de enfermedades respiratorias en una ciudad están relacionados con el nivel de consumo
de tabaco?

 ¿Los tipos de defectos en un producto están relacionados a los insumos de distintos proveedores?
Prueba de Independencia
 Las 𝑛 observaciones de la muestra estarán clasificados en una Tabla de Contingencia que….
• Es usada para probar la hipótesis de que las 2 clasificaciones (categorías de las dos variables) representadas
por filas y columnas son estadísticamente independientes.

• Proporciona los valores de 𝑂𝑖𝑗 que representa el número o frecuencia de objetos pertenecientes a la celda 𝑖𝑗
(𝑖 = 1, 2, … , 𝐼 y 𝑗 = 1, 2, … , 𝐽) de la tabla 𝐼 ∗ 𝐽, donde la primera variable (primer método de clasificación) tiene 𝐼
niveles o categorías y la segunda variable (segundo método de clasificación) tiene 𝐽 niveles o categorías
Prueba de Independencia
PASOS PARA REALIZAR LA PRUEBA DE INDEPENDENCIA:

1. Formulación de las hipótesis:

𝐻0 : Las variables 𝑋 e 𝑌 son independientes (no tienen relación)

𝐻1 : Las variables 𝑋 e 𝑌 no son independientes (tienen relación), es decir,

existe un grado de dependencia entre ambas variables.

2. Calcula el valor critico: 𝝌𝟐𝟏−𝜶; 𝑰−𝟏 ∗ 𝑱−𝟏 , por lo que la región critica será:

𝑹𝑪 = 𝝌𝟐𝟏−𝜶; 𝑰−𝟏 ∗ 𝑱−𝟏 ;∞

3. Se obtiene el valor del estadístico de prueba: 𝐸𝑖𝑗 = 𝑂𝑖. ∗ 𝑂.𝑗 /𝑛: Número esperado de la celda (𝑖𝑗)

𝑂𝑖𝑗 : Número de observaciones de la celda (𝑖𝑗)

𝑰 (𝑂𝑖𝑗 − 𝐸𝑖𝑗 )𝟐
𝑱
𝟐
𝝌𝟎 = ෍ ෍ ~ 𝝌𝟐𝑰−𝟏 ∗ 𝑱−𝟏 𝑂𝑖. : Número de observaciones de la fila 𝑖
𝒊=𝟏 𝒋=𝟏 𝐸𝑖𝑗
𝑂.𝑗 : Número de observaciones de la columna 𝑗
4. Decisión: Si 𝝌𝟐𝟎 ∈ 𝑹𝑪 (es decir, 𝝌𝟐𝟎 > 𝝌𝟐𝟏−𝜶; 𝑰−𝟏 ∗ 𝑱−𝟏 ) , entonces se
NOTA: Al igual que en la prueba de bondad de ajuste, si alguna
debe rechazar 𝐻0 . frecuencia esperada 𝐸𝑖𝑗 es menor que cinco, se debe eliminar la
categoría a la que pertenece dicha frecuencia y sumar su
5. Establecer la conclusión de la prueba de hipótesis en términos del caso frecuencia observada a una clase contigua. Esta restricción de la
estadística de prueba se aplica para mejorar la aproximación de
de estudio y según el nivel de significancia (𝛼).
la estadística de prueba.
Prueba de Independencia

EJERCICIO 5:
Una compañía que produce tuercas puede fabricarlas usando cualquiera de las cuatro máquinas
con las que cuenta (A, B, C, D) y en los tres turnos diarios de producción (Mañana, Tarde y Noche).
Durante un mes de producción se recaban los datos de las averías de las máquinas en cada uno
de los tres turnos. Usando los datos recolectados (212 averías) y un 𝛼 = 0.05, el gerente de
producción desea saber si existe relación (o dependencia) entre las averías de los diferentes tipos
de máquinas y los turnos de producción.
Máquinas
Turno
A B C D
Mañana 41 20 12 16
Tarde 31 11 9 14
Noche 15 17 16 10
Prueba de Independencia
SOLUCIÓN EJERCICIO 5:
𝐻0 : La avería en un tipo de máquina y el turno de producción no tienen relación (son independientes)
𝐻1 : La avería en un tipo de máquina y el turno de producción tienen relación (son dependientes)

Dado que 𝛼 = 0.05, 𝐼 = 3 y 𝐽 = 4, el valor critico es: 𝝌𝟐𝟏−𝜶; 𝑰−𝟏 ∗ 𝑱−𝟏 = 𝝌𝟐𝟎.𝟗𝟓,𝟔 = 𝟏𝟐. 𝟓𝟗, por lo que la región
critica será: 𝑅𝐶 = 12.59; ∞

El estadístico de prueba se obtiene directamente en Minitab:

𝝌𝟐𝟎 = 𝟏𝟏. 𝟔𝟒𝟗
𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟎. 𝟎𝟕𝟎

Decisión: Como 𝝌𝟐𝟎 = 𝟏𝟏. 𝟔𝟒𝟗 ∉ 𝑅𝐶 = 𝟏𝟐. 𝟓𝟗; ∞ , entonces no se debe rechazar 𝐻0 . Por lo tanto, con un 𝛼 =
0.05, no se puede concluir que la avería en un tipo de máquina y el turno de producción tienen relación (es
decir, no se puede concluir que ambas variables son dependientes)
Prueba de Independencia
SOLUCIÓN EJERCICIO 5 (PROCEDIMIENTO EN MINITAB):
SOLUCIÓN EJERCICIO 5 (PROCEDIMIENTO EN MINITAB):

𝐸𝑖𝑗 = 𝑂𝑖. ∗ 𝑂.𝑗 /𝑛: Número (o valor) esperado

de la celda 𝑖𝑗 (fila 𝑖 y columna 𝑗)

Como 𝜶 < p − valor (0.05 < 0.07), no puede rechazarse 𝐻0 . Por

lo tanto, con un 𝛼 = 0.05, no se puede concluir que la avería en
un tipo de máquina y el turno de producción tienen relación (es
decir, no se puede concluir que ambas variables son
dependientes)
Prueba de homogeneidad de proporciones

Para I poblaciones se tienen J categorías, el objetivo de esta prueba es evaluar la homogeneidad

de las I poblaciones en cada una de las J categorías.

 Cada uno de los elementos de las muestras de cada una de las I poblaciones debe pertenecer a
una de las J categorías.

 Se considera el mismo procedimiento de la Prueba de Independencia (estadístico de prueba y

región critica)

 Consiste en probar las hipótesis de que, para cada una de las J categorías, las I poblaciones
tienen la misma proporción:

𝐻0 : 𝜋1𝑗 = 𝜋2𝑗 = 𝜋3𝑗 = ⋯ = 𝜋𝐼𝑗 , 𝑗 = 1,2,3, … , 𝐽

𝐻1 : 𝐻0 no es verdadero
 Prueba de homogeneidad de proporciones
EJERCICIO 6
Si se quiere comprobar la dificultad de un examen de Calculo I de acuerdo a 3 universidades (A, B
y C) en donde se evaluaron a los alumnos. Para esto se tomaron muestras aleatorias de 100
alumnos en cada una de las 3 universidades, identificando el número de alumnos reprobados en
cada una de las 3 universidades. Con 𝛼 = 0.05, ¿se puede afirmar que las 3 universidades son
homogéneas, es decir, que se tienen iguales proporciones de alumnos aprobados en las tres
universidades, así como también iguales proporciones de alumnos reprobados?

Universidad Aprobados Reprobados Total

Universidad A 90 10 100
Universidad B 85 15 100
Universidad C 95 5 100
Total 270 30 300
 Prueba de homogeneidad de proporciones
SOLUCIÓN EJERCICIO 6:
𝐻0 : 𝜋𝐴𝑗 = 𝜋𝐵𝑗 = 𝜋𝐶𝑗 , 𝑗 = 1 𝑎𝑝𝑟𝑜𝑏𝑎𝑑𝑜𝑠 , 2 (𝑟𝑒𝑝𝑟𝑜𝑏𝑎𝑑𝑜𝑠)  las tres universidades son homogéneas respecto a las
categorías aprobados y reprobados

𝐻1 : 𝐻0 no es verdadero  las tres universidades no son homogéneas respecto a las categorías aprobados y reprobados

Dado que 𝛼 = 0.05, 𝐼 = 3 (A, B y C) y 𝐽 = 2 (aprobados y reprobados), el valor critico es: 𝝌𝟐𝟏−𝜶; 𝑰−𝟏 ∗ 𝑱−𝟏 = 𝝌𝟐𝟎.𝟗𝟓,𝟐 =
𝟓. 𝟗𝟗𝟏, por lo que la región critica será: 𝑅𝐶 = 5.991; ∞

El estadístico de prueba se obtiene directamente en Minitab:

𝝌𝟐𝟎 = 𝟓. 𝟓𝟓𝟔
𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟎. 𝟎𝟔𝟐

Decisión: Como 𝝌𝟐𝟎 = 𝟓. 𝟓𝟓𝟔 ∉ 𝑅𝐶 = 𝟓. 𝟗𝟗𝟏; ∞ , entonces no se debe rechazar 𝐻0 . Por lo tanto, con un 𝛼 = 0.05, no se
puede rechazar la homogeneidad de las proporciones de alumnos aprobados (y también reprobados) en las tres
universidades de Calculo I.
SOLUCIÓN EJERCICIO 6 (PROCEDIMIENTO EN MINITAB):
SOLUCIÓN EJERCICIO 6 (PROCEDIMIENTO EN MINITAB):

Como 𝜶 < p − valor (0.05 < 0.062) , no puede rechazarse 𝐻0 .

Por lo tanto, con un 𝛼 = 0.05 , no se puede rechazar la
homogeneidad de las proporciones de alumnos aprobados en
Calculo I en las tres universidades.
 ¿Preguntas?

¡GRACIAS!

Profesor: Dr. Martín Guillermo Cornejo Sarmiento

E-mail: mgcornejo@ulima.edu.pe
Web: https://cris.ulima.edu.pe/es/persons/mart%C3%ADn-guillermo-cornejo-sarmiento