Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Informe Final Estadistica Inferencial-Grupo2
Informe Final Estadistica Inferencial-Grupo2
INTEGRANTES
AGUILAR ROMERO, KATERIN BRIGGIT
CONTRERAS ROJAS, RUBI CAROLINA
GARCIA AMAYA, ALISSON JOSWELY
GARCIA ASENCIOS, JORDAN SMITH
PARIONA BUSTAMANTE, ANGELLO RODRIGO
ESTADISTICA INFERENCIAL
DOCENTE
ESPINOZA GONZALES, RENZO
SECCION 48512
TURNO – DIURNO
LIMA- PERÚ
2022
INTRODUCCIÓN:
Descripción del proyecto
La capacidad de manejo de graneles de la Terminal del Puerto de Pisco es más eficiente
que la terminal de graneles de APM en términos de eficiencia y productividad, con mayor
volumen de carga. La modernización y finalización de la primera fase de construcción de
infraestructura portuaria del Muelle mejoró los niveles de productividad, es decir, facilitó la
exportación de los productos agroindustriales e hidrobiológicos, así como otras cargas
provenientes del sur del país. De igual manera, beneficia en la descarga y mantención
por tiempo determinado de cargas con sobrepeso y/o sobredimensión gracias al uso de
una rampa de acceso especial. Dentro del tipo de carga de proyecto destacan:
transformadores, molinos de viento (WTG) y vehículos pesados para la minería y otras
industrias de nuestra zona de influencia. Sin embargo, trajo consigo una gran
problemática, el cual es que el tiempo de espera de los camiones dentro de la terminal
para ser atendidos para transportar dichos productos ha superado los treinta minutos
exigidos por el contrato de concesión como nivel de servicio para los usuarios desde
2019 a la fecha. El nivel de productividad de la máquina rotativa de granos después de la
modernización no alcanza el nivel requerido por el ente supervisor que es la producción
de 1000 toneladas por hora después de la implementación de la banda de absorción y el
sistema de transporte de granos. De acuerdo con nuestro segundo modelo, podemos
determinar que la cantidad de camiones que ingresan al atracadero público y al
atracadero afecta el servicio del número total de camiones que ingresan, y de igual
manera, el tiempo de espera de un camión de carga es menor. El envío atraerá más
atención al puerto de contenedores DPW. Esto se refleja en la demora en el tiempo de
servicio de los camiones de carga general dentro de la terminal APM. A pesar de que, el
Terminal Portuario General San Martín atendió 108 naves, destacando el incremento de
74.8% en la atención de contenedores (TEUs), en comparación al mismo periodo del año
anterior. (Emerson Zuloaga, 2022)
Concluyó que los factores visibles del proceso referidos al turno y rango de bulto no
generan una variación visual y estadísticamente expresiva en el tiempo total del servicio;
sin embargo, la oportunidad para cerrar las brechas del tiempo total del servicio esperado
por el cliente radica en los factores no visibles o actividades sin valor agregado afectan
en un 39.87% del tiempo total del servicio inicial que a su vez se encuentran dispensado
en los tipos de desperdicios o mudas: esperas (15.54%), proceso innecesarios(13.32%),
retrabajo(5.79%) y desplazamientos (5.22%). (Noemí López, 2021)
1. Problema central del proyecto
1. CONCEPTOS ESTADÍSTICOS
• POBLACIÓN:
Para la investigación se define que la cantidad de población de este estudio se encuentra
constituida por todo el personal de operaciones de la empresa APM TERMINALS PISCO
(área de operaciones)
• MUESTRA:
Se tomaron del área de operaciones a 25 personas de la empresa APM
TERMINALS PISCO, para establecer la relación que existe entre la medición de
producción en el embarque y la atención al cliente en el puerto, en el año 2022.
• UNIDAD DE ANÁLISIS:
Un personal del área de operaciones de la empresa APM TERMINALS PISCO
• VARIABLE:
V1: Medición de producción
V2: Atención al cliente
2. VARIABLES Y TIPO DE VARIABLES
2.1. VARIABLES:
VARIABLE TIPO
Medición de producción Cuantitativa
Atención al cliente Cuantitativa
Edad Cuantitativa
Discreta
TIPO DE MUESTREO
Se utiliza un muestreo no probabilístico por conveniencia
GÉNERO fi Fi hi Hi
Femenino 9 25 0.36 1
TOTAL 25 1
"GÉNERO"
16
14
12
10
8
6
4
2
0
Masculino Femenino
4.2. EDADES
EDADES fi Fi hi Hi
[18-22[ 13 13 0.52 0.52
[22-26[ 2 15 0.08 0.60
[26-30[ 8 23 0.32 0.92
[30-34[ 2 25 0.08 1
TOTAL 25 1
"EDADES"
[18-22[
[22-30[
[26-30[
[30-34[
0 2 4 6 8 10 12 14
TIEMPO LABORANDO
(Meses)
9
8
7
6
5
4
3
2
1
0
[6-12[ [12-18[ [18-24[ [24-30[ [30-36[
EQUIPOS CON fi Fi hi Hi
MÁS USO
Stacker 17 17 0.68 0.68
Rtg 8 25 0.32 1
TOTAL 25 1
fi (2): 8 de las encuestados usa más Rtg.
hi (2): La probabilidad de encuestados que usan más Rtg es de 0.32.
Hi (1): El 68% de los encuestados usa más Stacker.
32%
Stacker
68%
Rtg
4.5. ¿Cuánto tiempo te demoras en realizar una tarea?
Tiempo para fi Fi hi Hi
realizar una tarea
5 min 5 25 0.20 1
25 1
fi (2): 2 trabajadores de los encuestados se demoran 2 min para realizar una tarea.
hi (3): La probabilidad que se demoren 3 min para realizar una tarea es de 0.44.
Hi % (5): El 20% de los encuestados se demora un 5min en realizar una tarea.
10
0
1 min 2 min 3 min 4 min 5 min
Serie 1
4.6. ¿Cuántas veces has encontrado contenedores dañados en la última?
Xi fi Fi hi Hi
1 2 2 0.08 0.08
2 7 9 0.28 0.36
3 7 16 0.28 0.64
4 5 21 0.20 0.84
5 4 25 0.16 1
TOTAL 25 1
0
1 2 3 4 5
4.7. ¿Cuántas veces se ha bloqueado tu equipo durante la última semana?
X fi Fi hi Hi
3-5 8 25 0.32 1
TOTAL 25 1
32%
68%
4.8. ¿Cuál es el peso con el que has trabajado esta última semana?
PESO fi Fi Hi Hi
25-30 4 25 0.16 1
TOTAL 25 1
"PESO"
[25-30[
[20-25[
[15-20[
[10-15[
0 2 4 6 8 10 12
4.9 ¿A que velocidad te desplazas con un contenedor?
VELOCIDAD fi Fi hi Hi
(km/h)
10 3 3 0.12 0.12
15 11 14 0.44 0.56
20 8 22 0.32 0.88
25 3 25 0.12 1
TOTAL 25 1
VELOCIDAD (KM/H)
25 Km/h
20 Km/h
15 Km/h
10 Km/h
0 2 4 6 8 10 12
4.10. ¿Cuánto tiempo te demora un apilamiento al primer nivel?
Tiempo de demora fi Fi hi Hi
5 min 1 25 0.04 1
TOTAL 25 1
4% 16%
24%
16% 40%
"GÉNERO"
16
14
12
10
8
6
4
2
0
Masculino Femenino
5.2 EDADES
EDADES Xi fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
[18-22[ 20 13 13 260 191.69
[22-26[ 24 2 15 48 0.05
[26-30[ 28 8 23 224 138.44
[30-34[ 32 2 25 64 133.17
TOTAL 25 596 463.36
Reemplazamos:
596
Datos: 𝑥= 25
n-1= 24 𝑆 2 = 19.31
𝑆 = √19.31
𝑆 = 4.39
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛
Reemplazamos:
417
Datos: 𝑥= 25
2
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆 =
𝑛−1
Datos: Reemplazamos:
1261.44
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 1261.44 𝑆2 = 24
n-1= 24 𝑆 2 = 52.56
Desviación estándar muestral (S):
𝑆 = √52.56
𝑆 = 7.25
8 Rtg
17
Stacker
• Según los datos estadísticos la moda en el equipo más usado es “Stacker” en los
trabajadores de la empresa.
• Para variable cualitativa Nominal no aplica la media.
• Para variable cualitativa Nominal no aplica la mediana.
1 1 1 1 6.15
2 2 3 4 4.38
3 11 14 33 2.53
4 6 20 24 1.62
5 5 25 25 11.55
Total 25 87 26.23
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛
Reemplazamos:
87
Datos: 𝑥 = 25
∑𝑓𝑖 ∗ 𝑋𝑖 = 87 𝑥 = 3.48
𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
2
𝑆 =
𝑛−1
Datos: Reemplazamos:
𝟐𝟔.𝟐𝟑
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 26.23 𝑆2 = 24
n-1= 24 𝑆 2 = 1.09
Desviación estándar muestral (S):
𝑆 = √1.09
𝑆 = 1.04
5.6. ¿Cuántas veces has encontrado contenedores dañados en la última?
Xi fi Fi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
1 2 1 2 8.6528
2 7 8 14 8.1648
3 7 15 21 0.0448
4 5 20 20 4.2320
5 4 25 20 15.7456
TOTAL 25 77 35.84
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛
Reemplazamos:
77
Datos: 𝑥 = 25
∑𝑓𝑖 ∗ 𝑋𝑖 = 77 𝑥 = 3.08
𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆2 =
𝑛−1
Datos: Reemplazamos:
35.84
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 35.84 𝑆2 = 24
n-1= 24 𝑆 2 = 1.49
Desviación estándar muestral (S):
𝑆 = √1.49
𝑆 = 1.12
5.7. ¿Cuántas veces se ha bloqueado tu equipo durante la última semana?
xi Xi*fi (𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
EQUIPO fi Fi
2 34 6.96
1–3 17 17
4 32 14.79
3-5 8 25
66 21.75
TOTAL 25
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛
Reemplazamos:
66
Datos: 𝑥 = 25
∑𝑓𝑖 ∗ 𝑋𝑖 = 66 𝑥 = 2.64
𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):
2
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆 =
𝑛−1
Datos: Reemplazamos:
21.75
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 21.75 𝑆2 = 24
n-1= 24 𝑆 2 = 0.90
𝑆 = √0.90
𝑆 = 0.94
5.8. ¿Cuál es el peso con el que has trabajado esta última semana?
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛
Reemplazamos:
497.5
Datos: 𝑥= 25
n-1= 24 𝑆 2 = 21.20
𝑆 = √21.20
𝑆 = 4.60
10 3 3 30 155.52
15 11 14 165 53.24
20 8 22 160 62.72
25 3 25 75 182.52
TOTAL 25 430 454
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥= 𝑛
Reemplazamos:
430
Datos: 𝑥=
25
n-1= 24 𝑆 2 = 18.91
𝑆 = √18.91
𝑆 = 4,34
4.10. ¿Cuánto tiempo te demora un apilamiento al primer nivel?
1 min 4 4 4 10.24
2 min 10 14 20 3.6
3 min 4 18 12 0.64
4 min 6 24 24 11.76
5 min 1 25 5 5.76
TOTAL 25 65 32
TENDENCIA CENTRAL:
Media aritmética:
∑fi ∗ Xi
𝑥=
𝑛
Reemplazamos:
65
Datos: 𝑥 = 25
∑𝑓𝑖 ∗ 𝑋𝑖 = 65 𝑥 = 2.6
𝑛 = 25
DISPERCIÓN:
Varianza muestral (𝑆 2 ):
2
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖
𝑆 =
𝑛−1
Datos: Reemplazamos:
32
𝛴(𝑥𝑖 − 𝑥̅ )2 ∗ 𝑓𝑖= 32 𝑆 2 = 24
n-1= 24 𝑆 2 = 1.33
𝑆 = √1.33
𝑆 = 1.15
6. Distribución Muestral:
6.1. Distribución muestral para la media
6.1.1. Distribución muestral para la media (varianza conocida)
Se supone que la edad de los trabajadores de la empresa APM Terminals Pisco sigue
una distribución normal de media 23.84 y desviación estándar de edad es 19.31. Se toma
una muestra de 25 de los trabajadores encuestados y se calcula la media. ¿Cuál es la
probabilidad de que esta media este entre 22 y 30?
Datos:
𝜇 = 23.84 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒: 𝑥 𝑒𝑑𝑎𝑑
𝑥̅ −𝜇
𝜎 =19.31 𝑍= 𝜎 ~𝑁 (0,1)
√𝑛
𝛴(𝑥−𝑥̅ )2 2.25−3
S= √ 𝑃 (𝑇 25 – 1) < 1.43
𝑁−1
√25
10
S = √ 4 => 1.5811 𝑃 (𝑇 24) < -2.6223
Solución:
p(x̄1 ≥ 9 + x̄2
𝑝(𝑥̄ 1 − 𝑥̄ 2 ≥ 2)
9−(4−3)
p(Z ≥ 2 2
√6.5 +8.3
16 9
Conclusión:
La probabilidad de que los errores en la recepción de los hombres
sean al menos a 9; mayor que el de las mujeres es de un 0.212%.
6.1.4. Distribución muestral para la diferencia de media (desconocida SP^2)
Al realizar una investigación a una empresa de producción y empaquetamiento de pisco y
otra del callao, de obtuvieron los siguientes datos respecto al número de veces que los
empleados encuentran contenedores dañados. Se pide obtener la probabilidad de que la
media de la empresa de Pisco sea 1 unidad más al número de veces del número
promedio de contenedores dañados.
Empresa Empresa ̅̅̅
(𝑥−𝑥)−(𝜇1−𝜇2)
𝑃( 𝑇 ≥ ) 𝑆𝑝2 =
de pisco del √𝑆𝑝2
1 1
( + )
𝑛1 𝑛2
callao
𝑛1−1 (𝑠12 )+𝑛2−1(𝑠22 )
n=10 n=7 𝑛1+𝑛2−2
u=3.08 u=4.08 1+1
𝑃 (𝑇 ≥ ) 𝑆𝑝2 = 2.05
√2.05(0.024)
𝑠 2 = 1.49 𝑠2
= 1.54 𝑃 (𝑇 ≥ 2.840) = 1 − 𝑝(𝑇 < 2.840)
= 1 − 0.0995
𝑥̅ − 𝑥̅ ≥ 1 𝑟𝑝𝑡𝑎 = 0.005
Conclusión: la probabilidad de que la media muestral de la empresa de pisco sea mayor
una unidad más a las veces que se encuentran contenedores dañados en el callao es de
0.5%.
Población Muestra
Datos:
Puerto de Pisco Puerto del Callao
𝜇1 = 25 𝜇2 = 22
n1 = 25 n2 = 20
𝑆12 = 1.12 𝑆12 = 0.96
1.12 0.96 2
(( )+( ))
25 20
𝑣= 1.12 2 0.96 2
)
( ) ( )
25
+ 20
25−1 20−1
𝑣 = 42.031
𝟎.𝟎𝟖−𝟎.𝟎𝟔
Datos: Z= 𝟎.𝟎𝟐𝟑𝟕
𝜋 = 6% = 0.06
𝟎.𝟎𝟐
n=100 Z=
𝟎.𝟎𝟐𝟑𝟕
p=0.08
Z = 𝟎. 𝟖𝟒
𝑃(1 − 𝑃)
𝜎𝑝 = √
𝑛
0.06(1−0.06)
𝜎𝑝 = √ 𝑃 (𝑃 > 0.08) = 0.5- 0.2995
100
𝜎𝑝 = 0.0237 𝑃 (𝑃 > 0.08) = 0.2005
Conclusión: Con 8%, la probabilidad que haya más de un producto dañado es de 0.2005
y esos productos deben tienen que ser embarcados es de 0.2005.
6.1.7. Distribución muestral para la diferencia de proporciones
En APM Terminals Pisco, un terminal portuario, se tiene una rapidez al realizar las tareas
laborales habitual a 3 min de cada 5 min. Si se hace un estudio a 25 trabajadores.
Calcular la probabilidad de que haya más de un 5% de respuestas marcadas respecto a 3
min de rapidez.
0.05 − 0.6
𝑃(𝑃 > 0.05) → 𝑃 𝑍 >
√0.6(1 − 0.6)
( 25 )
= 𝑃(𝑍 > −1.02)
1 − 𝑃(𝑍 ≤ −1.02) = 1 − 0.153866 = 0.84614
Conclusión: La probabilidad que la media muestral sea mayor a -1.02 en la cantidad
respuesta de 3 min de rapidez al cumplir una tarea es de 84.614%.
7.Intervalo de Confianza:
7.1. Intervalo de confianza para la media
7.1.1. Intervalo de confianza para la media (varianza conocida)
Se ha obtenido una muestra de 25 trabajadores para saber el tiempo que llevan
laborando en la empresa de APM Terminals Pisco. Si se sabe por medio de la encuesta
que la desviación típica del tiempo laborando es 7.25. La media de la muestra es 16.68.
Encuentre el intervalo de confianza al 95%
Datos: Datos:
µ=? 𝑛 = 25
𝜎 = 7.25 𝑥̅ = 16.68
Tabla: 𝑧(1−𝛼) = 1.96
2
𝜎 𝜎
𝐼𝑐: 𝑥̅ − 𝑧(1−𝛼) ∗ ≤ µ ≤ 𝑥̅ + 𝑧(1−𝛼) ∗
2 √𝑛 2 √𝑛
7.25 7.25
16.68 – 1.96 ∗ ≤ µ ≤ 16.68 + 1.96 ∗
√25 √25
1.12 1.12
3.08 -1.645 x ( ) ≤ u ≤ 3.08 +1.645 x ( )
√25 √25
2.71 ≤ u ≤ 3.44
Conclusión: Con una confianza de 90% el número de veces encontradas contenedores
dañados será de 2.71 a 3.44.
𝛼 𝛼
𝑋1 = (1 − ; 𝑛 − 1) 𝑋 2 = ( ; 𝑛 − 1) N 25
2 2
S2 1.43
√(𝑛 − 1)𝑆 2 √(𝑛 − 1)𝑆 2
𝛼 <𝛿< 𝛼 NC 95%
𝑋1 (1 − 2 ; 𝑛 − 1) 𝑋 2 ( 2 ; 𝑛 − 1)
S 1.19
X1 = 32.852 X2= 8.907
𝑆1 2 𝑆2 2
De 1 a 3 De 3 a 5 ̅̅̅
(𝑥 − 𝑥̅ ) − 𝑇√ 𝑛1 + 𝑛2 ≤ 𝜇1 − 𝜇2 ≤ ̅̅̅
(𝑥 − 𝑥̅ ) +
veces veces
𝑆12 𝑆22
n=25 n=25 𝑇√ 𝑛1 + 𝑛2
x=0.68 x=0.32
−2.049 ≤ 𝜇1 − 𝜇2 ≤ 0.771
𝑠2 𝑠2
𝑠12 𝑆22
= 0.617 = 1.78 +
𝑛1 𝑛2
Grado de libertar → 𝑣 = 𝑠12 𝑠22
= 24
𝑛1 + 𝑛2
𝑛1−1 𝑛2−1
∝
Nivel de confianza 95%, ∝= 0.05 → 𝑇(1 − 2 , 𝑣) = 𝑇(0.975,24) = 2.064
𝑍 (1−0.05/2) =𝑍(0.975)=1.96
𝑝×𝑞 𝑝×𝑞
𝐼𝑐: 𝑝 − 𝑧(1−𝛼) × √ ≤ 𝜋 ≤ 𝑝 + 𝑧(1−𝛼) × √
2 𝑛 2 𝑛
0.6593 ≤ 𝜋 ≤ 0.7007
Conclusión:
REEMPLAZANDO DATOS:
0.68𝑋0.32 0.32𝑋0.68
𝐼𝐶 = (0.68 − 0.32) ± 1.96√ +
25 25
𝐼𝐶 = 0.12 ± 2.58
𝐼𝐶 = −0.101
𝐼𝐶 = +0.618
IC = −0.101 ≤ π ≤ +0.618
Reemplazamos:
(25 − 1)1.09 (25 − 1)1.09
< 𝜎2 <
39.324 12.401
0.665 < 𝜎 2 < 2.109
Conclusión: Existe en un 95% de confianza de que la varianza variable que hemos
analizado se encuentre entre 0.665 y 2.103.
Datos:
µ=30
σ= 7.10
n=25
x=16.68
Paso 1
ℎ0 = 30
ℎ1 ≠ 30
Paso 2:
∝= 0.05
Paso 3:
𝑥̅ − 𝜇ℎ𝑖𝑝
𝑍𝑐 = 𝜎
√𝑛
30 − 16.68
𝑍𝑐 =
7.10
√25
𝑍𝑐 = 9.38
9.38
-1.96 +1.96
Conclusión: Con nivel de significancia del 5% existe una evidencia que acepta la hipótesis
nula, afirmando la postura de la empresa, ya que el promedio de trabajadores laborando
está en 30 meses.
8.1.2. Prueba de hipótesis para la media (varianza desconocida)
El director de recursos humanos de la empresa APM TERMINALS PISCO solicita que se
calcule las edades de sus operadores si antes el promedio de edad era de 20 años
tomada al inicio de la concesión hace 10 años esta se tomó en un rango de edad 18-34
años con una desviación típica de 4.39. se obtiene una muestra de 25 trabajadores con
una media de 23.84 con un nivel de α=0.05. el directo quiere saber si la media de edades
de sus anteriores operarios es mayor a lo de los actuales.
Datos:
µ=20 S=4.39 n=25 x=23.84
Paso 1: Paso 2:
ℎ0 ≤ 20 ∝= 0.05
ℎ1 > 20
Paso 3:
𝑥̅ − 𝜇ℎ𝑖𝑝
𝑍𝑐 =
𝑆
√𝑛
23.84 − 20
𝑍𝑐 = 𝑍𝑐 = 4.37
4.39
√25
Paso 4:
Zona de
rechazó
Zona de
aceptación +4.37
+1.96
Interpretación:
Con nivel de significancia del 5% existe evidencia para rechazarla hipótesis nula. podemos
afirmar que la media de las edades de los anteriores operarios es mayor a de los actuales.
Población muestra
JKS TC JKS IS JKS TC JKS IS
σ1=1.13 σ2=1.01 N1=25 N2=25
X1=2.6 X2=3.48
ℎ0 : 𝜇1 ≤ 𝜇2
ℎ1 : 𝜇1 > 𝜇2 (tiempo de realización de la actividad en APMTC es mayor que en APMIS)
Nivel de significancia: α=0.05
Estadístico de prueba: (σ conocida, pero diferente)
̅̅̅
𝑥1 − ̅̅̅
𝑥2 − (𝜇1 − 𝜇2)ℎ𝑖𝑝
𝑍𝑐 =
2 2
√𝜎1 + 𝜎2
𝑛1 𝑛2
Si: 𝑧𝑐𝑎𝑙 > 𝑧𝑡𝑎𝑏𝑙𝑎 se rechaza ℎ0
3.48 − 2.6 − (0)
𝑍𝑐 = = 2.90
2 2
√1.13 + 1.01
25 25
Zona de Zona de
aceptació rechazó
n
+2.9
1 +1.96
Variable A B
n 25 25
X 3.48 3.25
S 1.04 1.032
Paso
4:
Región critica para α dado:
Si: T cal > T tabla, se rechaza H0.
𝑋1 − 𝑋2 − (𝜇1 − 𝜇2)
𝑇𝑐 =
√𝑆𝑝2 ( 1 + 1 )
𝑛1 𝑛2
3.48 − 3.25 − (0)
𝑇𝑐 =
√1.07( 1 + 1 )
25 25
𝑇𝑐 = 0.7861
Paso 6: Conclusión:
A un nivel de significación del 5%, existe suficiente evidencia estadística para rechazar la
hipótesis nula, es diferente el tiempo promedio de ambos trabajadores.
𝑠12 𝑆22
+
𝑛1 𝑛2
𝑣= 𝑠12 𝑠22
=1
𝑛1 + 𝑛2
𝑛1−1 𝑛2−1
X1= 7 X2= 5
N1= 25 N2= 25
p= 0.28 p= 0.20 PRUEBA DE HIPOTESIS y DATOS:
𝑝1−𝑃2−𝜋1−𝜋2
Ho: 𝜋1 ≤ 𝜋2 𝑍𝑐 =
√̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑝(1−𝑝̅ ) +
1 1
𝑛1 𝑛2
0.28−0.20−0
𝐻1: 𝜋1 > 𝜋2 𝑍𝑐 = = 0.662
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
√0.24(1−0.24) 1 1
+
25 25
𝑋1 + 𝑥2
𝜌̅ =
𝑛1 + 𝑛2
7+5
𝜌̅ = = 0.24
25 + 25
(𝟐𝟓 − 𝟏)𝟏. 𝟎𝟗
𝒙𝟐 = = 𝟏𝟑. 𝟎𝟖
𝟐
(0.01,24) = 10.856
ZONA DE ACEPTACION
Conclusión: Se concluye que se acepta la hipótesis con una significancia de 0.01, la cual
el tiempo ha mejorado y se ha disminuido.
9) Pruebas no paramétricas:
9.1 Prueba no paramétrica de racha o aleatoriedad:
Se presenta el registro de contenedores dañados en el último mes con una muestra de 20
trabajadores de la empresa APM Terminals Pisco. Determine si los datos obtenidos proceden de
una muestra aleatoria. A un nivel de significancia de 0.05.
trabajador
contenedores 14 2 (-)
1 1 (-) 15 3 (0)
2 1 (-) 16 3 (0)
3 3 (0) 17 2 (-)
4 2 (-)
18 3 (0)
5 4 (+)
6 4 (+) 19 5 (+)
7 2 (-) 20 4 (+)
8 3 (0) 21 2 (-)
9 2 (-) 22 5 (+)
10 4 (+)
11 5 (+) 23 4 (+)
12 5 (+) 24 3 (0)
13 3 (0) 25 2 (-)
2) Significancia: 0.05
Remplazo:
𝐺 − 𝜇𝐺 11 − 5.33
𝑍= 𝑍= 𝑝 = 1.44
𝜎𝐺 3.94
4)
𝑍(0.05) < 1.44 < 𝑍(0.95)
Tiempo de apilamiento
Trabajadores en la última semana
1 5(+) 1
2 4(+)
3 1(-)
4 2(0)
5 1(-)
6 1(-)
7 1(-)
8 3(+) 2
9 4(+) 3
10 2(0)
11 2 (0)
12 2 (0)
13 3(+) 4
14 2(0)
15 4(+) 5
16 3(+)
17 2(0)
18 2(0)
19 4(+) 6
20 2(0)
21 2(0)
22 4(+) 7
23 4(+)
24 2(0)
25 3(+) 8
Paso 1:
H0 : Me ≤2 (X)
H1 : Me >2
Paso 2:𝛼 = 0.05
Paso 3:
𝑅+ = 8
n=15
r=7.5
Paso 4:
𝑅 + > 𝑛/2
9, 10, 11, 12, …, 25 8 > 7.5
𝑃 = 2𝑃(𝑅 + ≥ 8 𝑐𝑢𝑎𝑛𝑑𝑜 𝑝 = 1/2)
Por tanto, como R+=8 es mayor a 7.5, entonces aplicaremos los siguiente:
25
15
𝑃 = 2∑( ) (0.5)𝑟 (0.5)15−𝑟
𝑟
𝑟=8
P=2(0.946) = 1.89
P=1.89 ≥ 0.05 (RECHAZAR SI P>α)
CONCLUSION: CON UN NIVEL DE SIGNIFICANCIA DE 0.05 SE PUEDE RECHAZAR LA
HIPOTESIS NULA Y CONCLUIR QUE LA MEDIANA DE LOS CONTENEDORES DAÑADOS EN
LA SEMANA ES MAYOR E IGUAL A 2.
9.3. Prueba de rango Wilcoxon
En el área de producción de APM Terminals –Puerto Pisco, se realiza una prueba para determinar
la eficacia del mantenimiento de su maquinaria, para lo cual se cambia de personal técnico y se
evalúa la cantidad de averías que se registró en las 6 semanas anteriores al cambio del personal y
las 6 posteriores respectivamente. (𝛼 = 0.05)
Registro de averías semanales:
A continuación, se presenta las diferencias en la información presentada
Antes 8 7 8 6 8 7
Después 5 7 5 7 6 4
Antes 8 7 8 6 8 8
Después 5 7 5 7 6 4
Diferencia 3 0 3 -1 2 3
Valor A. 3 0 3 1 2 3
3 3 3 5 4
Suma 14 1
T = 𝑀í𝑛 (𝑇+, 𝑇 −) = 1
𝑛 (𝑛 + 1) 5(5 + 1)
𝐸(𝑡) = 4
= 4
= 7.5
𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎:
𝑇 − 𝐸(𝑡) 1 − 7.5
𝑍𝑐𝑎𝑙 = = = −1.753 (𝛼 = 0.05):
√𝜎(𝑡) √13.75
𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 ℎ0, 𝑠𝑖 − 1.96 < 𝑍𝑐𝑎𝑙 < 1.96
Stacker 9 8 9 8 9 7 10 9
RTG 7 8 6 7 6 5 5 5
Observación 5 5 5 6 6 6 7 7 7 8 8 9 9 9 9 10
Ordenación 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
STACKER R1 Alemana R2
9 13.5 6 5
8 10.5 7 8
9 13.5 6 5
8 10.5 7 8
9 13.5 6 5
7 8 5 2
10 16 5 2
9 13.5 5 2
Total 99 Total 37
𝑛1(𝑛1 + 1) ( 8(8 + 1)
𝑈1 = 𝑛1𝑛2 + 2
− ∑𝑅1 = (8)(8) + 2
− 99 = 1
𝑛1(𝑛1 + 1) ( 8(8 + 1)
𝑈2 = 𝑛1𝑛2 + 2
− ∑𝑅2 = (8)(8) + 2
− 37 = 63
𝑈𝑚í𝑛 = 1
𝑛1𝑛2 (8)(8)
𝑢𝑢 = = = 32
2 2
𝑛1𝑛2(𝑛1 + 𝑛2 + 1) (8)(8)(8 + 8 + 1)
𝜎𝑢 = √ =√ = 9.522
12 12
Umín −𝑢𝑢
𝑍𝑐𝑎𝑙 = σ
1 − 32
𝑢= 9.522
= −3.256
Staker RTG
15 20
10 25
20 10
15 25
10 20
H0: Las muestras de las velocidades de las maquinas provienen de poblaciones idénticas
H1: Las muestras de las velocidades de las maquinas provienen de poblaciones diferentes
12 202 352
𝐻= ( + ) − 3 ∗ 11
10 ∗ 11 5 5
𝐻 = 2.45 2.45
𝐻 > 𝑥 2 Rechaza Ho
2.45 > 0.004
𝑥 2 (𝐾 − 1, ∝) = 0.004
𝑥 2 (1,0.05) = 0.004
𝑥 2 (1,0.95) = 3.84
0.004
CONCLUSIÓN: como H > ji cuadrado tabular, se rechaza la Ho, por lo tanto, las 2
muestras provienen de poblaciones diferentes
9.6 FRIEDMAN
4 casos de tiempo de demora en realizar distintas tareas fueron hechos en distintos
tiempos
Casos de Minutos
demora 1 2 3 4 5
a 1 2 11 6 5
b 3 11 6 5 0
c 4 8 5 3 5
d 8 6 2 5 4
Probar si existen diferencia significativa entre los métodos de aprendizaje con un nivel de
significancia del 5%
Paso1
Ho: U1=U2=U3=U4=U5 (Las medias son iguales)
H1: al menos 2 medias son diferentes
Paso 2:
Paso 3
K= 5 H= 4 ∝= 𝟓%
12
X2r = ∗ (26.52 + 572 + 50.52 + 44.52 + 31.52 ) − 3 ∗ 4(6)
4∗5(6)
X2r = 875.4
Paso 4
X2t = 875.4
Paso 5
Como X2r < X2t, entonces se acepta Ho, por tanto, se acepta Hi
DISTRIBUCION BINOMIAL
n: 2 x: 0 0.31741956
X: 1 0.49196088
X: 2 0.19061956
xi Oi Pi Ei Xc2
0 120 0.317 95.1 6.51955836
1 98 0.492 147.6 16.6677507
2 82 0.19 57 10.9649123
300 0.999 299.7 34.1522213
CONCLUSION: Con un nivel de significancia del 5 % se ha encontrado evidencia
estadística para rechazar la hipótesis nula. El número de pares de medias en estado
incompleto no siguen una distribución binomial.
Ei hombres mujeres
antes de tiempo estimado 91.66 128.33
despues del timepo estimado 33.33 46.66
∑(𝑶𝒊 − 𝑬𝒊)𝟐
𝑿𝒄𝟐 =
𝑬𝒊
𝑿𝒄𝟐 = 𝟎. 𝟕𝟓𝟖𝟖 − 𝟎. 𝟓𝟒𝟎𝟕 − 𝟐. 𝟎𝟖𝟏𝟗 + 𝟏. 𝟒𝟗𝟎𝟕 = −𝟎. 𝟑𝟕𝟑𝟏
Componente
Total
Tiempo de demora Malos Estibados
T1 5 4 9
T2 8 3 11
Tiempo T3 3 7 10
T4 4 5 9
T5 1 0 1
TOTAL 20 20 40
Prueba de homogeneidad
PASO 1
H0: No hay diferencia entre los 5 tiempos sobre los componentes (son iguales)
H1: Si hay diferencia entre los 5 tiempos sobre los componentes (no son iguales)
PASO 2
Nivel de significancia:
𝛼= 0.05
PASO 3
Componente
Total
Tiempo de demora Malos Estibados
T1 5-> (4.5) 4-> (4.5) 9
T2 8-> (5.5) 3-> (5.5) 11
Tiempo T3 3-> (5) 7-> (5) 10
T4 4-> (4.5) 5-> (4.5) 9
T5 0-> (0.5) 1-> (0.5) 1
TOTAL 20 20 40
X2c=3.9661
gl = 4
X2=9.488
PASO 5: Conclusión:
No se rechaza H0, debemos cumplir que existe homogeneidad y, por lo tanto, no hay
diferencia entre los 5 tiempos.
10. REGRESION LINEAL SIMPLE
X Y 𝑿𝟐 𝒀𝟐 XY 𝒀̂𝒊 SCR SCE
∑ 𝒀 − 𝜷𝟏 ∑ 𝑿
̂𝟎 =
𝜷
𝒏
45 − 0.8203(61)
̂0 =
𝛽
20
̂𝟎 = −𝟎, 𝟐𝟓𝟏𝟗
𝜷
̂𝟎 + 𝜷
̂=𝜷
𝒚 ̂𝟏 𝑿
̂ = −𝟎, 𝟐𝟓𝟏𝟗 + 𝟎, 𝟖𝟐𝟎𝟑𝑿
𝒚
Cuadro ANOVA
Residual
18 SCE = 9.7872 0.543
(Error)
Paso 3:
Paso 4:
Conclusión: Con un nivel de significancia del 5% se rechaza la Hipótesis Nula. Por lo tanto, se concluye que si
existe relación lineal entre los contenedores mal apilados y los contenedores dañados.
CONCLUSIÓN: