Estadstica Inferencial II Ing.

Antonio de Jess Sagols Ruiz

Unidad I: Anlisis de regresin y correlacin lineal simple. Competencia.- Aplicar, desarrollar y analizar las tcnicas de regresin lineal simple para hacer predicciones en la toma de decisiones. Investiga y explica ampliamente los sig ientes conceptos. 1.1 Estimacin mediante la lnea de regresin. 1.2 Relacin directa e inversa. 1.3 iagrama de dis!ersin. 1." #$todo de mnimos cuadrados. 1.% Error est&ndar de la estimacin. 1.' Intervalos de !rediccin. 1.( An&lisis de correlacin 1.) *a+uete com!utacional !ara la solucin de !ro,lemas. Ejemplo: La tabla adjunta muestra el numero de horas por semana emplearon 10 universitarios en el estudio y la calificacin que obtuvieron en una prueba. Obtener: el diagrama de dispersin, la ecuacin de la recta de prediccin, graficar la recta, estimar la calificacin promedio si el estudiante dedica 10 hrs. por semana al estudio, estimar as mismo cuanto tiempo deber a dedicar al estudio si desea obtener una calificacin de !. "iempo dedicado al estudio: calificacin:

#: $ y: *

% %

& $

! $

' &

10 %

11 &

1( !

1) %

1* !

ECUACIN DE LA RECTA DE PREDICCIN: Y = a + b x

b+

n#y + #y n#( ,-#.( Y * % $ $ & % & ! % ! %( X2 ($ )% *' %* !1 100 1(1 1** 1%' 1'% '!$ Y2 1% )% ($ ($ *' )% *' %* )% %* *00 XY (0 )% )$ *0 %) %0 && '% &! 11( %1&

a = y b#

X $ % & ! ' 10 11 1( 1) 1* '$

/edia 0 1 '.$ /edia 2 1 %.( b = 0.33 3 a = 2. !"! 3nterpretacin: como la pendiente es positiva, significa que e#iste relacin directa entre las variables, 4 /42O5 "36/7O 8683948O 4L 6:";83O /42O5 :65< L4 94L3=39493>? O@"6?384.

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

69;493>? 86 L4 569"4 86 75683993>?: Y = 2. !"! + 0.33 3 X 7untos e#tremos: para # 1 $ -se toma el menor valor de #. -$, *.%&. para # 1 1* -se toma el mayor valor de #. y 1 (.'&$&' A 0.))')' -$. -1*, &.&.

y 1 (.'&$&' A 0.))')' -1*.

6stimacin de la calificacin promedio si el estudiante dedica 10 hrsB sem al estudio. 2 1 (.'&$&' A 0.))')' -10. 1 %.)& 3nterpretacin: :i el estudiante dedica 10 hrsB sem al estudio, probablemente obtenga una calificacin de %.)& Cal#$lo %el e&&o& e'()*%a& %e la e'(+ma#+,*: -. = / .2 0 a . 0 b x. 12 /*321 = 0.!&)0 el puntaje EtF 1 (.)0%

7ara 1 $ C D

grados de libertad 1 n+( 1 !D

Cal#$lo %el ma&4e* %e e&&o&: e 1 sy t 1 0.!&)0 -(.)0%. 1 (.01) #al#$lo %el +*(e&5alo %e p&e%+##+,* %e la e'(+ma#+,*.
Ls 1 A e 1 %.)& A (.01) 1 !.)! -i . / e . '.3( 0 2.113 . ".3%

3nterpretacin: si un alumno dedica 10 hrsB sem al estudio, probablemente obtendr a calificacin entre !.)! a *.)$, lo anterior con una confiabilidad de '$ C 6stimacin de las horas de estudio si el estudiante quiere obtener una calificacin de !. de la ecuacin y 1 a A b# se despeja la variable 0, #+ y+a b # + ! + (.'&$&' 0.))')' + 1*.!

3nterpretacin: si el estudiante quiere obtener una calificacin de !, deberG dedicar apro#imadamente 1*.! hr de estudio a la semana. H4LO56: 86 L4 9O556L493>?. A 1765=69"4 A 0.'' a 0.'0 /;2 =;65"6 A 0.!' a 0.&$ =;65"6 A 0.&* a 0.%0 /O865484 =;65"6 A 0.$' a 0.*$ /O865484 A 0.** a 0.)0 /O865484 8I@3L A 0.(' a 0.1$ 8I@3L A 0.1* a 0.01 /;2 8I@3L

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

0 ?O J42 9O556L493>? 9on los datos del ejercicio anterior calcula: el valor de la correlacin, la valideK e#terna, coeficiente de determinacin interpretar los resultados, a 1 $ C 9oeficiente de correlacin de 7earson: r + n#y + # y Ln#( , -#.( MLny( , -y.(M

4l aplicar la frmula anterior a los valores obtenidos en el ejemplo, se tiene lo siguiente: r 1 0.&!0$, lo cual se interpreta de la siguiente manera: por su valor numNrico es una correlacin fuerte, y por su signo positivo es una correlacin directa .

9O6=3936?"6 86 86"65/3?493>? 98 1 100 r( 98 1 100 -0.&!0$ .( 1 %0.'1 C

3nterpretacin: la relacin entre el tiempo dedicado al estudio y la calificacin obtenida slo se aplica en el %1 C de los casos. H4L386O 60"65?4. Jo: Ji: r 1 0 no hay correlacin entre las variables, -valideK interna. r 0 si hay correlacin entra las variables -valideK e#terna . a 1 $ C , valor cr tico encontrado en la tabla: 0.%)(

gl 1 n + (

6l estad stico de prueba es r 1 0.&!0$, por lo que se acepta la hiptesis alterna, que indica si hay correlacin directa entre las variables y los resultados obtenidos tienen valideK e#terna o sea son vGlidos para toda la poblacin

/1.'32

1.'32

E! . 1.()1%

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

Diagram a de dispersin

"

y = 0.3394x + 2.9758
!ali"icacin o#tenida

10 8 6 4 2 0 0 5 10 15
Tiem po dedicado al est dio

Eje&#+#+o': 7ara cada uno de los siguientes ejercicios calcular: diagrama de dispersin, ecuacin de la recta de prediccin, grafica la recta, estimar el valor de dado 0 , as como estimar el valor de 0 dado 2, calcular la correlacin de 7earson , el coeficiente de determinacin, la valideK e#terna, el intervalo de prediccin para la estimacin , interpretar los resultados. 6.+ Herificar si e#iste relacin entre los puntajes de la prueba de raKonamiento abstracto y la calificacin de filosof a, estimar para 0 1 ($, 2 1 *, a 1 $ C 5. 4bs:#: =ilosof a y: 1$ 1.$ (0 (.$ )0 ) )$ ( ($ ) *0 ).$ )$ * $ 1 1( ( 10 (.$

2.+ La tabla adjunta muestra el orden en que terminaron los alumnos su prueba de matemGticas y el puntaje obtenido en la misma. P:e puede concluir con estos datos si los primeros en terminar obtienen puntajes mGs altosQ 6stimar para 0 1 ), 2 1 &0, a 1 $C Orden:#: 7untaje y: 1 '$ ( !$ ) '0 * !$ $ &$ % &0 & &$ ! &$ ' %0 10 %$

3.+ ;n fabricante de ropa desea saber la relacin que e#iste entre las medidas de la cintura y las caderas de los clientes que utiliKan las prendas que elabora, para lo cual acude al anGlisis estad stico, tomando una muestra de & clientes, estimar para 0 1 &0, 21 100D a 1 $ C 9intura: 9adera: #: y: %$ '0 !0 10$ &0 '% &$ 100 '% 1(1 !$ 10! '0 11%

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

7.+ Los siguientes datos representan los puntajes obtenidos en las asignaturas de matemGticas y f sica por 1( estudiantes de una escuela preparatoria, determinar si e#iste correlacin entre ambas asignaturas. estimar para 0 1 !, 2 1 &, a 1 $ C /at: =is. #: y: & & & ! ! ! $ $ % ! % ! $ ! $ & % ! & ' $ & $ %

".+ Los datos siguientes representan la edad de los empleados y los d as de ausentismo al aRo, verificar si e#iste correlacin, estimar para 0 1 $0, 2 1 10, a 1 $ C 6dad. 4usentismo #: y: (' 1* %* $ $! & *0 ! () 1! %1 % %( $ (! 1) (& 1$ *% ' )& 10 ($ 1$

8.3 2erificar si e3iste relacin entre el ndice de a!rovec4amiento !or &rea 5 el !romedio en el curso de Estadstica en I6E7 estimar !ara 3.817 5 . )17 sea a. %9 A!rovec4amiento: (( (' (( (( 81 8' "2 (2 )" )1 ') *romedio: (3 (' '8 (1 )1 (" %3 %( (1 ') ''

U!I"A" II

#egresin $%ltiple.

Investiga y explica ampliamente los sig ientes conceptos. Regresin mlti!le 5 an&lisis de correlacin. ;oeficiente de determinacin mlti!le. Compe(e*#+a: Apl+#a& la' (9#*+#a' %e &e4&e'+,* m:l(+ple; a '+($a#+o*e' &eale' e* el )mb+(o emp&e'a&+al; a*al+<a*%o lo' %a(o' . %a*%o #o*#l$'+o*e'. El an&lisis de regresin mlti!le es el estudio de la forma en +ue una varia,le de!endiente . se relaciona con dos o m&s varia,les inde!endientes7 #1 , #(, #), . . . #n -a ecuacin de regresin mlti!le tiene la forma: y

1 a A b1#1 A b(#( A. ..bn#n

&'emplo: -a em!resa 6staffeta se encarga de la trans!ortacin de !roductos !or va terrestre en el sureste de la !ennsula de <ucat&n. *ara !oder contar con me=ores !rogramas de tra,a=o se desea estimar el tiem!o total diario +ue via=an sus o!eradores. Al !rinci!io7 los directivos crean +ue el tiem!o total diario se relaciona,a con la cantidad de >ilmetros recorridos !ara 4acer las entregas diarias7 una muestra aleatoria de 11 entregas suministr los siguientes datos7 ? . %9 istancia en @ms. A Biem!o recorrido Crs. < 111 %1 111 111 %1 )1 (% '% 81 81 8.3 ".) ).8 '.% ".2 '.2 (." '.1 (.' '.1

A!licando las t$cnicas vistas en la unidad anterior7 calcula los coeficientes a7 ,7 ecuacin lineal7 coeficiente de correlacin7 ; . Inter!reta los resultados.

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

'

-os resultados o,tenidos al a!licar los c&lculos corres!ondientes son: 5 . 1.2(3' D 1.1'()3 r . 1.)1"8E ; . ''."19 ;on un nivel de significacin de %97 nos indica +ue tiene validez e3terna 5 !or lo tanto la correlacin entre el tiem!o total de via=e 5 la distancia recorrida es significativa7 o,servamos tam,i$n +ue el coeficiente de determinacin es de ''."19 esto e3!lica +ue no en todos los casos se cum!le la correlacin !or lo +ue se su!one +ue e3isten otras varia,les +ue afectan la correlacin. F sea +ue si se considera una segunda varia,le inde!endiente +ue e3!li+ue la varia,ilidad restante 5 esta varia,le a considerar sera la cantidad de entregas. Entramos !or tanto en un !ro,lema de correlacin mlti!le7 dos varia,les inde!endientes G317 32H 5 una varia,le de!endiente7 G 5 H. istancia en @ms. A1 Ium. Entregas A2 Biem!o recorrido Crs. < 111 %1 111 111 %1 )1 (% '% 81 81 " 3 " 2 2 2 3 " 3 2 8.3 ".) ).8 '.% ".2 '.2 (." '.1 (.' '.1

*ara determinar los coeficientes de regresin Ga7 , 17 ,2H de la ecuacin de regresin mlti!le 5 el coeficiente de correlacin mlti!le em!learemos el !rograma de E3cel An&lisis de atos. I( ;omo cargar la funcin a*)l+'+' %e %a(o' ir al men 4erramientas com!lementos com!lementos dis!oni,les 4erramientas !ara an&lisis ace!tar. ir a 4erramientasan&lisis de datos regresin.

IIH

F,teniendo los siguientes resultados 5a convertidos en ecuacin:

2 1 +0.!%!& A 0.0%1101 A 0.'()* 0(

6stimacin: Suiere decir que si por ejemplo un operador recorre -# 1 11(0 Tms.. y hace -#( 11$ entregas diarias. el tiempo de recorrido se obtendr a sustituyendo estas cantidades en la ecuacin: 2 1 +0.!%!& A 0.0%11 -1(0. A0.'()* -1$. 1 (0.)1. As el tiem!o estimado sera de 21.31 4rs. Si el o!erador recorre 121 >ms. 5 4ace 1% entregas a lo largo de ese via=e. *or otra !arte la inter!retacin de las !endientes sera de la siguiente manera: ,1. 1.1'11 dado +ue la !endiente es !ositiva 1.1'11 re!resenta un estimado del aumento es!erado en tiem!o de via=e +ue corres!onde a un >ilmetro recorrido7 cuando la cantidad de entregas !ermanece constante. ,2 . 1.823" dado +ue la !endiente es !ositiva 1.823" es un estimado del aumento es!erado en tiem!o de via=e corres!ondiente a una entrega7 cuando se mantiene constante la cantidad de >ilmetros recorridos. < finalmente se !uede o,servar +ue R . 1. 8% Gcoeficiente de correlacin mlti!leH 5 el coeficiente de determinacin mlti!le ; #. 111R 2 . 81.3(9 lo cual re!resenta +ue la correlacin entre las tres varia,les es altamente efectiva7 sin em,argo todava la relacin no es 111 9 e3!licita7 +uiere decir +ue e3isten otras varia,les +ue !ueden estar influ5endo 5 +ue no se 4an tomado en cuenta.

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

*ara cada uno de los siguientes e=ercicios calcula7 escri,e e inter!reta: aH la ecuacin de regresin lineal sim!le7 !endiente7 estimacin7 coeficiente de correlacin sim!le7 coeficiente de determinacin. ,H la ecuacin de regresin mlti!le7 !endientes7 estimacinGesH7 coeficiente de correlacin mlti!le7 coeficiente de determinacin mlti!le7 an&lisis com!arativo entre los coeficientes de determinacin7 sim!le 5 mlti!le. )./ El Servicio Interno de ;ontri,uciones GSI;H7 est& tratando de estimar la cantidad mensual de im!uestos no !agados descu,iertos !or su de!artamento de auditora. El en !asado SI;7 estima,a esta cantidad ,as&ndose en el nmero de 4oras de tra,a=o en auditorias de cam!o. Sin em,argo SI; considera +ue sus estimaciones 4a sido un !ronosticador err&tico7 como resultado de lo anterior a4ora 4a incluido en sus estimaciones el uso de com!utadora !ara detectar im!uestos no !agados. A continuacin se !resentan los siguientes datos mensuales. Estimar la cantidad de im!uestos no !agados si el nmero de tra,a=o en auditoras de cam!o 31 . "37 nmero de 4oras de tra,a=o en com!utadora es 32 . 1' A1 A2 < mes Coras de tra,a=o Coras en com!utadora Im!uestos no !agados En auditoria de cam!o #illones de !esos Enero "% 1' 28 Je,rero "2 1" 2" #arzo "" 1% 2( A,ril "% 13 2% #a5o "3 13 2' Junio "' 1" 2) Julio "" 1' 31 Agosto "% 1' 2) Se!tiem,re "" 1% 2) octu,re "3 1% 2( *./ -a siguiente informacin es una muestra aleatoria de arrendadoras de casas. Se intenta !redecir la renta en dlares !or mes con ,ase al tamaKo del de!artamento Gnmero de 4a,itacionesH 5 distancia al centro de la ciudad en millas. Si alguien ,usca un de dos 4a,itaciones +ue este a 2 millas de centro L;u&nto es!era !agarM Renta en Imero de lares Ca,itaciones 5 A1 3'1 2 1111 ' "%1 3 %2% " 3%1 2 311 1 istancia al ;entro A2 1 1 2 3 11 "

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

+.- El gerente de la tienda Electrn est& !reocu!ado !or el com!ortamiento de las ventas de un modelo de re!roductor Nlue Ra57 se da cuenta de +ue e3isten varios factores +ue !odran e3!licarlo. ;ree +ue la !u,licidad 5 el !recio son los !rinci!ales determinantes. ;alcular las ventas si la !u,licidad es ( 5 el !recio O 132.11 2entas y *u,licidad x) *recio x* Pnidades vendidas Im. de anuncios dlares 33 3 12% '1 ' 11% (1 11 1"1 )2 13 131 1( 8 1"% 2" ' 1"1 ,./ Pn !roductor de comida !ara cerdos +uiere determinar la relacin +ue e3iste entre la edad de un cerdo cuando comienza a reci,ir un com!lemento alimenticio7 el !eso inicial 5 el aumento de !eso en un !eriodo de una semana. -a siguiente informacin es el resultado de un estudio de oc4o lec4ones. -) -* . *eso inicial Edad inicial Aumento de En li,ras En semanas *eso %% " " 38 ) ( %2 ' ' "8 ( ) "' 12 11 '1 8 8 3% ' % 2% ( 3 ;uanto !uede es!erar +ue un cerdito aumente de !eso en una semana con el alimento si tena 8 semanas de edad 5 !esa,a ") li,ras. /./ Pn estudiante graduado +uiere com!rar un auto #azda usado e investig los !recios7 cree +ue el aKo del modelo 5 el nmero de >ms. recorridos influ5en en el !recio de com!ra. El estudiante +uiere com!rar un #azda modelo 18817 con a!ro3imadamente "17111 >ms. recorridos. L;u&nto !odr& !agarM

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

. -) -* *recio AKo @ms. #iles de dlares modelo #iles 2.88 18)( %%.' '.12 1882 1)." ).)( 1883 21.3 3.82 18)) "'.8 8.%% 188" 11.) 8.1% 1881 3'." 8.3( 1882 2).2 ".2 18)) "".2 ".) 18)8 3".8 %.(" 1881 2'." 0./ ;onsiderando los datos del e=ercicio 17 su!ngase +ue SI; agrega a su modelo la informacin corres!ondiente a las recom!ensas !ara los informantes. Se desea incluir esta tercera varia,le de,ido a +ue cree +ue e3iste cierta relacin entre las recom!ensas 5 la deteccin de im!uestos no !agados. Estimar la cantidad de im!uestos no !agados si el nmero de tra,a=o en auditoras de cam!o 31 . "37 nmero de 4oras de tra,a=o en com!utadora es 32 . 1' 5 las recom!ensas !agadas a los informantes es de O(%7111.11M A1
Coras de tra,a=o En auditoria de cam!o

A2
Coras en com!utadora

A3
Recom!ensas a informantes en miles de !esos

<
Im!uestos no !agados #illones de !esos

"% "2 "" "% "3 "' "" "% "" "3

1' 1" 1% 13 13 1" 1' 1' 1% 1%

(1 (1 (2 (1 (% (" (' '8 (" (3

28 2" 2( 2% 2' 2) 31 2) 2) 2(

1./ -os de!artamentos de !olica en los Estados Pnidos est&n interesados en !redecir el nmero de arrestos es!erados +ue de,er&n !rocesar cada mes !ara !rogramar me=or a los em!leados de oficina7 en los datos 4istricos7 el nmero !romedio de arrestos G<H7 se ve influenciado !or el nmero de oficiales de !olica GA1H7 el tamaKo de la !o,lacin de la ciudad en miles GA2H7 5 el !orcenta=e de !ersonas desem!leadas en la ciudad GA3H7 los datos de estos factores en 1% ciudades se muestran en la ta,la ad=unta. El de!artamento de !olica de Bavares desea !ronosticar el nmero de arrestos mensuales7 la ciudad de Bavares tiene una !o,lacin de (%7111 4a,itantes7 )2 elementos de !olica7 5 11.%9 de desem!leo L;u&ntos arrestos es!era tener cada mesM

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz . Im. *romedio de Arrestos al mes -) Im. e oficiales e !olica -* #iles de 4a,itantes -+ *orcenta=e de desem!leo

11

381.' %1".3 '2)." ("%.' %)%.2 "%1.3 32(.) 2'1.% "((.% 3)8.) 312." 3'(.% 3("." "8".' ")(.%

') 8" 12% 1(% 113 )2 "' 32 )8 '( "( %8 '1 )( 82

)1.' (%.1 8(.3 123.% 11)." '%." '1.' %".3 8(." )2." %'." (1.3 '(." 8'.3 )'."

".3 3.8 %.' ).( 11." 8.' 12." 1).3 ".' '.( )." (.' 8.) 11.3 ".(

)./ Estamos intentando !redecir la demanda G<H anual de cierto !roducto utilizando las varia,les: *recio del !roducto GA1H7 Ingreso GA2H del consumidor en dlares7 *recio de un ,ien sustituto GA3H. Pn ,ien sustituto es a+uel +ue !uede su!lir a otro ,ien. *or e=em!lo la margarina es un ,ien sustituto de la mante+uilla. L;u&l sera el valor de la demanda si el !recio de un !roducto es O'.117 el ingreso del consumidor O17211.11 5 el !recio del ,ien sustituto O1(.11M
. emanda -) *recio -* Ingreso -+ !recio del sustituto

"1 "% %1 %% '1 (1 '% '% (% (% )1 111 81 8% )%

8 ) 8 ) ( ' ' ) % % % 3 " 3 "

"11 %11 '11 (11 )11 811 1111 1111 1211 1311 1"11 1%11 1'11 1(11 1)11

11 1" 12 13 11 1% 1' 1( 22 18 21 23 1) 2" 21

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

11

2./ #arcos Qitt est& !ensando vender su casa. ;on el fin de decidir +ue !recio !edir& !or ella7 4a reunido datos de 12 ventas recientes. Registr el !recio de venta en miles de dlares7 el nmero de !ies cuadrados de construccin en cientos de !ies2 7 el nmero de ,aKos 5 la antigRedad de la casa en aKos. Si la casa de #arcos Qitt tiene 1)11 !ies2 un !iso7 1.% ,aKos7 5 ' aKos de antigRedad7 L+u$ !recio de venta !odr& !edirM < *recio de venta "8.'% '(.8% )1.1% )1.'1 81.%1 8%.2% 111.3% 11".2% 112.'% 1"8.(1 1'1.'% 232.%1 A1 *ies2 ).8 8.% 12.' 12.8 18.1 1(.' 21.1 21.' 21.% 2%.1 22.( "1.) A2 !isos 1 1 2 2 2 1 2 2 1 2 2 3 A3 ,aKos 1 1 1.% 1.% 1 1 1.% 1.% 2 2 2 " A" AntigRedad 2 ' 11 ) 22 1( 12 11 8 ) 1) 12

U!I"A" III: 3&#I&3 "& 4I&$56. Competencia.- Aplicar las di7erentes tcnicas de anlisis de series de tiempo para estimar el comportamiento de las varia8les a travs del tiempo calc lados con 8ase a tendencia, 7l ct aciones c9clicas, variaciones estacionales irreg lares. ".1 #odelo cl&sico de series de tiem!o. ".2 An&lisis de tendencia. ".3 An&lisis de variaciones cclicas. "." #edicin de variaciones estacionales. ".% A!licacin de a=ustes estacionales. ".' *ronsticos ,asados en factores de tendencia 5 estacionales. ".( *ronsticos cclicos e indicadores econmicos. ".) *romedios mviles. ".8 Suavizacin e3!onencial como !ronstico. ".11 A!licacin del !a+uete com!utacional. Investigacin: ;on referencia a los temas anteriores investgalos am!liamente en la ,i,liografa. -ERIE- CR=N=L>ICA-. y1aAb# a1 y b 1 -#y.B #(

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

12

E=ercicios 6.+ La tabla adjunta muestra el U?8396 86 475O@493>? en la asignatura de 6stad stica 3nferencial entre los aRos de (00) a (011 en 3V6, estimar para los aRos (01( y (01) los probables ndices de aprobacin, 6n quN aRo se alcanKarG un ndice de aprobacin de %$Q, traKar el diagrama y graficar la recta 4Ro 3.4. (00) 0* $(.( $1.% 0$ $$.( 0% $$.* 0& $0.& 0! *&.$ 0' $$.( 10 %0.( 11 %(.(

2.+ La tabla adjunta muestra la calificacin promedio anual lograda por diferentes grupos de alumnos en la asignatura 6stad stica 3nferencial, entre los aRos de (00( a (011. 6stimar los probables promedios de calificaciones para los aRos (01( y (01). 6n quN aRo se alcanKarG un promedio de &$Q traKar el diagrama y la grGfica de la recta. aRo 94 (00( 0) %0.& $$.* 0* $$.* 0$ %0.) 0% %1.* 0& $&.! 0! $$.( 0' %(.! 10 %%.* 11 %'

3+ 6n la tabla adjunta se muestra la matricula de alumnos de una escuela desde su fundacin, hacer las estimaciones para los aRos (00* y (00$, en quN aRo se alcanKarG una matricula de 1$0 alumnosQ traKar la grGfica de la recta y el diagrama de dispersin. aRo matricula 1''$ '% )% &( '& $' '! ($ '' %' (000 01 %& 10& 0( !& 0) '0

7.+ La tabla adjunta muestra la cantidad de alumnos que solicitaron inscripcin al primer semestre en un 9.@.".3.:. y la cantidad de los mismos que fueron aceptados, calcular: Undice de aceptacin Undice probable de aceptacin la los aRos (00% y (00&. Undice promedio de aceptacin entre los aRos de 1''& a (00$ grGfica de ndice de aceptacin. 9alcula los 3@= e 3@4. 7ara cada aRo. 4WO :OL393";86: 4967"48O:
3?8.4967":

1''& '! $( $& )) $$

'' &$ *&

(000 !0 %$

01 10( '*

0( 110 !$

0) 11% '0

0* 1(( '!

0$ 1&$ '&

aceptados S 111 solicitudes

3nvestiga y e#plica el significado de los indicadores de base fija y base anual. 2i : cantidad del aRo que se estG analiKando 2b: cantidad en el aRo base 2a: cantidad en el aRo anterior al aRo que se estG analiKando 3@= 1 - - 2i + 2b . B 2b . # 100 indicador de base fija 3@4 1 - - 2i + 2a . B 2a . # 100 indicador de base anual

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

13

E#$a#+,* %e 'e4$*%o 4&a%o e* 'e&+e' %e (+empo. . = a + bx + #x2 7ara hacer los cGlculos se emplearG la funcin cuadrGtica de la calculadora. ".+ 6mpleando los datos del ejercicio X 1 calcula la ecuacin cuadrGtica y, estima para los aRos (01( y (01) los probables ndices de aprobacin. 9ompara estos resultados con los obtenidos en el ejercicio 1, estima los puntos desde (00) hasta (011 y traKa la curva -parGbola.. 8.3 6mpleando los datos del ejercicio X ( calcula la ecuacin cuadrGtica y, estima para los aRos (01( y (01) los probables ndices de aprobacin. 9ompara estos resultados con los obtenidos en el ejercicio (. 6stima los puntos desde (00( hasta (011 y traKa la curva -parGbola.. ?a&+a#+,* #@#l+#a. 3nvestiga que es variacin c clica, residuo c clico relativo. !.+ ;na cooperativa de comercialiKacin de granjeros desea medir las variaciones de las cosechas de trigo durante ! aRos, los datos se muestran en la tabla adjunta, empleando la ecuacin lineal, estima los valores de tendencia para cada aRo. 9alcula el porcentaje de yreal S 111 tendencia empleando la siguiente formula: as tambiNn obtNn el residuo yestimado G yreal yestimado H S 111 c clico empleando la siguiente formula: interpreta los resultados yestimado obtenidos. 7or otra parte traKa la grGfica de porcentaje de tendencia, en hoja de papel milimNtrico traKa aparte la grGfica de dispersin y la grGfica de la recta 4Ro 9osecha real en toneladas . &.$ &.! !.( !.( !.* !.$ !.& 9osecha 6stimad a 7orcentaje 8e tendencia 5esidu o 9 clico

(00 * (00 $ (00 % (00 & (00 ! (00 ' (01 0

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

1"

(01 1

'.1

7ara cada uno de los siguientes ejercicios calcula: a. la ecuacin lineal, interpreta el coeficiente EaF y la pendiente. b. el porcentaje de tendencia. c. el residuo c clico relativo. d. Pen quN aRo se presento la mayor fluctuacin de la tendenciaQ e. traKa la grGfica de porcentaje de tendencia. A.+ La empresa Oeta ha surtido 1!, (0, (1, ($ y (% millones de metros ) de gas respectivamente entre los aRos (00$ a (00'. .+ ;na tienda departamental ha e#pandido su participacin en el mercado durante los Yltimos & aRos, con las siguientes ventas netas en millones de pesos. aRo venta s (00 $ (1 (00 % 1'.* (00 & ((.% (00 ! (!.( (00 ' )0.* (01 0 (*.0 (01 1 ($.0

60.+ La tabla adjunta muestra los volYmenes de venta -precio y cantidad de bicicletas vendidas., en una tienda local del ramo durante los aRos de 1''% a (00$. 9alcula los indicadores de base fija y anual de precio, cantidad y valor, considerar a 1''% como aRo base de la comparacin. 8e las % series de indicadores, interpreta por lo menos uno de cada serie. 9on los precios y cantidades dados, estima los precios, cantidades y ventas totales para (00% y (00&. 4WO 1''% 1''& 1''! 1''' (000 (001 (00( (00) (00* (00$ 75693O 1(0 1)$ 1$0 1!0 1'$ ((0 ((0 ()$ (%0 (!0 94?"3848 de bicicletas &( %0 %! '( '* &! !0 %% $! $$ H4LO5 86 L4: H6?"4:.

66.+:egYn datos recientes de la 7rocuradur a de Zusticia del 6stado de 2ucatGn, se indica el nYmero de suicidios de 1''$ a (00), segYn se muestra en la tabla adjunta. 8eterminar: a. La tendencia de los suicidios. b. 6l promedio global de 1''$ a (00). c. La estimacin para (00* y (00$.

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

1%

d. 6l promedio mensual de cada aRo. e. La frecuencia peridica de cada aRo. 6sto es cada cuantos d as se lleva a cabo un suicidio. f. La grGfica de dispersin y la recta de prediccin. g. 9alcula los 3@=, 3@4. aRo suicidio s 1'' $ %% 1'' % &( 1'' & !0 1'' ! &* 1'' ' 10% (00 0 10! (00 1 11( (00 ( 1)) (00 ) 1*'

62.3 ;n restaurante tiene (0 mesas y cada mesa * asientos, funciona slo los fines de semana viernes, sGbado y domingo., con horario de atencin al pYblico de 1' a (* hrs. 6l gerente hace algunos registros con fines estad sticos, que se muestran en la tabla adjunta, a las ' semanas desea calcular. a. capacidad mG#ima b. 6l ndice de asistencia promedio. c. La asistencia probable para las pr#imas * semanas. d. 7ara la semana ', cuGl es el indicador de base fija y de base semanal. e. Jacer un diagrama de dispersin y traKar la recta de prediccin. f. Herificar por el mNtodo anal tico en que semana el ndice de ocupacin ser a de &$ C g. 9alcula los 3@=, 3@4. ?ota: 6l tiempo promedio que permanece un cliente en el restaurante es de una hora. :emanas 4fluencia de clientes en fin de semana 1 $0 0 ( %$ 0 ) *0 0 * %0 0 $ $$ 0 % &0 0 & %$ 0 ! &( 0 ' &0 0

63.+ 6l restaurante del hotel 9asa del @alGm tiene capacidad para &( personas cmodamente sentadas, funciona de martes a domingos de & p.m. a 1 ama , siendo el tiempo promedio de permanencia de los clientes de *0 minutos, el gerente hace registros estad sticos que se muestran en la tabla adjunta, calcular: a. capacidad mG#ima b. 6l ndice de asistencia promedio c. 6l ndice de asistencia probable para las pr#imas dos semanas. d. 6l indicador de base fija y semanal para la semana ! e. Jacer un diagrama de dispersin y traKar la recta de prediccin. f. 7or el mNtodo grGfico estimar en que semana se alcanKarG el ndice de ))C g. Herificar lo anterior por el mNtodo anal tico. h. interpretar los resultados. i. 9alcula los 3@=, 3@4 semanas 1 ( ) * $ % & !

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

1'

?Ym. de clientes

'& 0

101 0

'$ 0

10$ 0

100 0

110 0

10' 0

11$ 0

U*+%a% I?:

TBCNICA- N= PARACBTRICA-

Compe(e*#+a.+6l participante analiKarG y resolverG problemas en los que utilice las tNcnicas estad sticas no paramNtricas, e#presando por escrito sus conclusiones. INTR=DUCCIN: "odas las pruebas estudiadas anteriormente han establecido ciertos requisitos, como el hecho de que las poblaciones deben tener varianKas iguales, o bien que la poblacin debe estar distribuida normalmente. 4hora se estudiarG un grupo de pruebas que recibe el nombre de pruebas no paramNtricas o sin distribucin, que no requieren de tales supuestos, ademGs estas pruebas son fGciles de usar y es posible emplearlas en el caso de pequeRas muestras. 6l objeto de las pruebas en las que intervienen muestras relacionadas es medir el efecto de algYn tratamiento sobre una variable de interNs. 6l tratamiento puede ser un medicamento para quimioterapia un rNgimen dietNtico, un curso de lectura veloK, o cosas semejantes de las que se quiera evaluar su eficacia. 6l proceso de evaluacin comprende la formacin de dos grupos: uno de prueba que recibe el tratamiento y otro de control que no lo recibe. :e realiKan las primeras mediciones, los sujetos se someten a cierto tratamiento y posteriormente se lleva a cabo una segunda serie de mediciones sobre los mismos. LA PRUEDA DE -I>N=-. :e utiliKa para probar pares igualados a fin de determinar si los valores de una muestra son menores o mayores que los valores de otra muestra, o iguales a estos. 6sta prueba recibe este nombre porque utiliKa los signos EmGsF o EmenosF en lugar de datos numNricos. 8e e#istir datos numNricos, los valores se convierten a signos antes de continuar con el proceso. 7or consiguiente se puede utiliKar esta prueba siempre que se estableKca que el proceso proporciona una mejora -A., un empeoramiento -+. o ningYn cambio medible -0.. La hiptesis nula establece que no e#isten diferencias entre los dos grupos, y la hiptesis alternativa, que ha habido un cambio. :e puede utiliKar una prueba de una cola, ya que el objetivo es determinar si algYn tratamiento es eficaK. Ejemplo 6: Herificar la eficacia de dos tipos de cursos: 4 grupos grandes con profesores de tiempo completo. @ grupos pequeRos con profesores de tiempo parcial. :e aplica una encuesta en la que una de las preguntas dice. Eclasifica la eficacia de los cursos: * significa e#celente y 1 significa deficiente.F ?ivel de significacin $ C 7untuaciones.
A 2 1 " " 3 3 " 2 " 1 3 3 " " " 1 1 2 2 " " " " 3 3 2 3 " 3 " 3 1 " 2 2 2 1 3 3 N 3 2 2 3 " 2 2 1 3 1 2 3 " " 3 2 3 2 3 3 1 " 3 3 2 2 1 1 1 3 2 2 " 3 3 1 1 " 2 / / D D / D D D D 1 D 1 1 1 D / / 1 / D D 1 D 1 D 1 D D D D D / 1 / / D 1 / D

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

1(

:e plantea la hiptesis de 3nvestigacin: 6l grupo 4 es mejor que el grupo @. Ji: 4+@[0 Jo: 4+@\ 0 :e cuentan los positivos, los negativos y los ceros. ?Ymero de EAF: 1' tamaRo de muestra 1 (' ?Ymero de E+E: 10 ?Ymero de ceros: 10 )' La predominancia de EAF significa preferencia por grandes grupos a cargo de profesores de tiempo completo. Ep =
GT+T1.%nH 1 .% n

G18 1.%G28HH 1 1.%& 1.% 28

:e emplea puntaje O unilateral, para a 1 $ C, O 1 1.%*$. 9omo el 6stad stico de prueba es mayor que el puntaje O, se acepta la hiptesis alterna como verdadera o sea: son mejores los grupos grandes a cargo de profesores de tiempo completo que los grupos pequeRos a cargo de profesores de tiempo parcial. Ejemplo 2.3 Herificar si la aplicacin de una nueva pol tica de cobro de una empresa es eficaK. ?ota.+ para medir la eficacia de la pol tica de cobro, el nYmero de d as para hacer efectiva una cuenta serG mayor antes que despuNs. 4ntes [ despuNs. 8 as requeridos para cobrar una cuenta. 4ntes: )% )& )* *0 *0 *( )% *0 *( )) *% (' )! )$ )' 8espuNs: )( )$ )) )% ** *1 )% )( )' )1 *& )0 )* (' *1 A A A A + A 0 A A A + + A A + Ji: 4ntes[despuNs Jo: antes\ despuNs EAF: 10 E]E: * E0F: 1
BamaKo de muestra . 1"

9uando la muestra es menor de (0, se utiliKa la probabilidad binomial para el cGlculo del 6stad stico de prueba. P/xE*;p1 =/ *E px F*3x 12x E /*3x1 E :e calcula la probabilidad binomial desde el nYmero de positivos hasta EnF P60 1 -1*^ -0.$.10 -0.$.*.B10^ -1*+10.^ 1 0.0%1 6n forma similar se obtienen la demGs probabilidades. 711 1 0.0((( 71( 1 0.00$$$ 71) 1 0.000!$** 71* 1 0.0000%1 La sumatoria de las probabilidades anteriores nos darG el estad stico de prueba. Ep = 0.0A 88

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

1)

7ara tomar la decisin se considerarG lo siguiente: :i el 6p [ _ + se acepta como verdadera Jo :i el 6p \ _ se acepta como verdadera Ji. 6n este caso como el estad stico de prueba 0.0!'!%% es mayor que 0.0$ se acepta Jo. 7or lo tanto la nueva pol tica de cobro no ha sido eficaK. :e puede utiliKar la probabilidad binomial de 6#cel de la siguiente manera: a. abrir la funcin: "I34#.:I!6$ b. se abre una ventana donde se solicita: el nYmero de N#itos1 #, ensayos1n, probabilidad de N#ito10.$, acumulado10 -falso. c. cambiar la E#F por cada uno de los valores. d. sumar las diferentes probabilidades. La suma es el 6p. Eje&#+#+o 6.3 -prueba de signos de una sola muestra.. 7robar que la edad promedio de los profesores es mayor de *0.% aRos. a 1 $ C 8atos: 1! )' %& *1 )* $& $' *) *& (' ($ %1 :i -0i , *0.%. [ 0 se asigna un signo positivo. 2.+ 9uarenta y seis personas se inscriben en un curso de redaccin, en la primera clase se les hace una prueba que mide su capacidad, despuNs de 10 clases se lleva a cabo una segunda prueba. :e quiere averiguar si el curso ha sido efectivo. La comparacin de las calificaciones revela que )0 alumnos muestran avance -)0 signos A., 10 obtuvieron mejores calificaciones en el primer e#amen -10 signos +. y % no presentaron ningYn cambio -ceros. . :ea a 1 $ C 3.+ 6n un esfuerKo por disminuir los costos de transportacin, la central de ta#is imparte un curso de Eeconom a en el manejoF a cada uno de los (* conductores. 7onga a prueba los resultados, utiliKando la prueba de signos, sea a 1 $ C
Rendimiento en Km. / lt Rendimiento en Km. / lt

con+ ductor 1 ( ) * $ % & ! ' 10 11 1(

antes despuNs 1$.( 1*.) 1).! 1&.1 1%.* 1$.1 1$.1 1%.( 1%.& 1*.( 1&.( 1%.! 1$.( 1*.& 1$.0 1&.0 1%.' 1$.& 1%.( 1%.* 1%.* 1$.0 1&.* 1%.0 0 A A + A A A A + A A +

con+ ductor 1) 1* 1$ 1% 1& 1! 1' (0 (1 (( () (*

antes despuNs 1$.* 1$.! 1).( 1).1 1$.0 1%.* 1).' 1*.! 1*.* 1$.$ 1*.$ 1%.0 1$.! 1$.! 1).1 1*.* 1%.$ 1%.$ 1*.0 1$.$ 1%.( 1%.1 1*.( 1%.( A 0 + A A A A A A A + A

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

18

7.+ Heinte estudiantes de sNptimo grado participaron en un e#perimento preparado para evaluar la efectividad de un programa para aumentar la comprensin de lectura. 9ada sujeto hiKo una prueba de comprensin de lectura antes y despuNs de participar en el programa. 8e los (0 estudiantes 1& mejoraron la comprensin de lectura y tres de ellos obtuvieron puntaje mas bajo en la segunda prueba. :ea a 1 1 C ".+ 6n un aRo dado, el nYmero promedio de d as que requiri una muestra de 1$ comerciantes de medicamentos para convertir cuentas por cobrar en efectivo fueron : )).', )$.*, )&.), *0.', (&.!, )$.$, )*.%, *1.1, )0, *).(, )).', *1.), )(, )&.&, )$.( d as. ;tiliKando la prueba de signos de una sola muestra demostrar que el tiempo promedio es mayor de )( d as. a 1 1 C 8.+ Los datos siguientes indican la emisin diaria de #idos de sulfuro de una planta industrial. ;tiliKando la prueba de signos de una sola muestra demostrar que la emisin diaria promedio de #idos de sulfuro es menor de ().$ :ea a 1 $ C 1& 1$ (0 (' 1' 1! (( ($ (& ' (* (0 1& % (* 1* 1$ () (* (% 1' () (! 1' 1% (( (* 1& (0 1) 1' 10 () 1! )1 1) (0 (* 1* 1& !.+ 7ara determinar la efectividad de un sistema nuevo de control del trGnsito, se observ el nYmero de accidentes que ocurrieron en una muestra tomada al aKar de ocho cruceros peligrosos durante las cuatro semanas anteriores y las cuatro posteriores a la instalacin del nuevo sistema, con los siguientes resultados. :ea a 1 10 C 4ntes: 8espuNs: ' $ & ) ) * 1% 11 1( & 1( $ $ $ $ 1

-UCA DE RAN>=- LA PRUEDA GUH -/ann + `hitney + `ilco#on . 3nvestiga ampliamente y e#plica objetivamente en que consiste el mNtodo para probar hiptesis de :uma de rangos La prueba E;F. 6ste tipo de pruebas se aplica cuando se consideran Ynicamente dos poblaciones. Ejemplo.3 8emostrar que no e#iste diferencia entre las edades de los empleados hombres y mujeres de cierta compaR a. a 1 $ C 6dades de los empleados. Jombres: )1 ($ )! )) *( *0 ** (% *) )$ /ujeres: ** )0 )* *& )$ )( )$ *& *! )* Jo: ?o e#iste diferencia de edades entre los dos grupos. Jo: ah , am 1 0 Ji: :i e#iste diferencia de edades entre los dos grupos. Ji: ah , am b 0

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

21

6I pa'o: o&%e*a& po& &a*4o' lo' %a(o' e* Jo&ma #&e#+e*(e; +*%+#a*%o al la%o %e #a%a %a(o el 4&$po a F$e pe&(e*e#e.
7.5 7.5 10 10 10 16.5 16.5 18.5 18.5

Rango 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Edad 25 26 30 31 32 33 34 34 35 35 35 38 40 42 43 44 sexo H h m h m H M m h M m h h h h h

17 44 m

18 47 m

19 47 m

20 48 M

2I Pa'o: '$ma& lo' &a*4o' po& #a%a 4&$po. Jombres: 1A(A*A%A10A1(A1)A1*A1$A1%.$ 1 c 511 ').$ n1 1 10 n( 1 10

/ujeres: )A$A&.$A&.$A10A10A1%.$A1!.$A1!.$A(0 1 c 5( 1 11%.$ 3I Pa'o: #al#$lo %e lo' e'(a%@'(+#o' U. U6= *6*2 + *6/*6 + 6122 3 K R6 U2= *6*2 + *2/*2 + 6122 3 K R2

;11 10-10.A10-11.B( , ').$1 %1.$ ;(1 10-10.A10-11.B(+11%.$ 1 )!.$

No(a: -+emp&e 'e (oma #omo e'(a%@'(+#o %e p&$eba U e* me*o& e ello': Uep = 3A." Ce%+a %e $ = m$ = n1 S n2 11 S 11 = = "0 2 2 n1n2 G n1 + n2 + 1H 12 =
11 S 11G11 + 11 + 1H = 63.22A 12

De'5+a#+,* e'()*%a& = %$= Ep =

u mu 3).% %1 = = 3 0.A8 3 du 13.22)

a1$C

K 1 1.'%

"I pa'o: &e'$l(a%o . #o*#l$'+,*. 9omo 6p: + 0.!%') \ K: 1.'% :e acepta la hiptesis nula como verdadera, por lo que se concluye que no e#iste diferencia significativa de edades entre los dos grupos de empleados hombres y mujeres. Eje&#+#+o'. A.+ 9on el objeto de aumentar las ventas, una empresa que vende carnes fr as en centros comerciales obsequia muestras de sus productos. 8eterminar si el utiliKar esta estrategia produce mayores ventas de sus productos en comparacin cuando no se hac a promocin. :ea a 1 $C Henta de carnes fr as. 9on 7romocin: 1! (1 () 1$ 1' (% 1& 1! (( (0 1! (1 (& ($ 1' (0 :in promocin: (( 1& 1$ () ($ (0 (% (* 1% 1& () (1 1* 1! 1' (0

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

21

.+ :upngase que se desea comparar las duraciones medias de dos tipos de bater as de ' v. sobre la base de las siguientes duraciones en horas. 8etermina si alguna marca tiene mayor duracin. :ea a 1 $ C 8uracel 6nergie %.' 11.( 1* 1).( '.1 1).' 1%.1 1$.$ 11.1 1% 1$.! 1!.( 1).& 1!.) '.) (.* %.* 1! 11.$ ' 1&.( 1&.! 1) 1$.1

60.+ Los siguientes datos representan las ganancias de peso en libras de dos muestras seleccionadas al aKar de pavos jvenes alimentados con dos dietas diferentes pero mantenidos en condiciones idNnticas. ;tilice la prueba E;F para verificar que la segunda dieta produce mayor ganancia de peso. :ea a 1 1 C 8ieta 1: 8ieta (: 1%.) ().% (1.) 1*.! 10.1 1$.1 ().! 1!.' 10.& 1*.$ 1$.* (0.& 1).$ 1!.* 1'.% (1.1 1*.' 1).( 1( 1$.! 11.! 1*.0 1).' 1%.( 1*.) 1!.! 10.( 1'.( 1( 1$.) 1*.& (0.1

66.+ Los siguientes son muestras aleatorias de los nYmeros de pacientes tratados por d a por dos mNdicos, utiliKa la prueba E;F para probar que la cantidad de pacientes atendidas por cada uno de los mNdicos es diferente. :ea a $ C /Ndico 0: 1( & ' 1$ ! 10 ! /Ndico 2: & 11 1% 1) 1$ % 1* 62.+ 6l departamento de mantenimiento de una universidad registr las siguientes temperaturas de una muestra tomada al aKar de aulas de dos edificios, usa la prueba E;F para probar la afirmacin de que la temperatura promedio en los dos edificios es la misma. :ea a 1 $ C 6dificio 4: 6dificio @: %! &1 $' %' $& &0 %) %0 &' %( && $! %) %& %$ %% %* %1

63.+ Los siguientes son los tiempos en minutos que tard un grupo de estudiantes seleccionados al aKar en resolver e#Gmenes de econom a y finanKas, utiliKa la prueba E;F para probar que no hay diferencia en el tiempo promedio que tardan los estudiantes en terminar sus e#Gmenes. :ea a 1 $ C 6conom a: =inanKas: 1&( 1*) (00 (10 1%1 1*& ()& 1'' 1*0 1%% (1! (1( 1$& 1$) 1'& (1& 1!0 1(! 1!! (() 1)& 11' 1') 1'0 1!1 1)( 1&* 1&% 1%) 1)' (0! 1&' 1$' (1% 1!& 1(& ()1 1'*

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

22

67.+ Los siguientes son los nYmeros de transacciones diarias que se realiKan en dos sucursales de un banco seleccionadas al aKar, aplica la prueba E;F para probar la afirmacin de que en promedio se realiKan mGs transacciones diarias en la sucursal 4 que en la @. :ea a 1 $ C

:uc. 4:
:uc.@: $' $*

$1
!'

&(
%&

!*

*&
&(

$'
!1

&&
%'

'*
&&

&)
&)

!*
!%

'1
&'

$!
%!

%0

-UCA DE RAN>=- : LA PRUEDA L / MRU-MALL 3 NALLI- 1 La prueba J es una e#tensin de la prueba ; a casos donde hay mas de dos muestras. Ejemplo. 6n la tabla adjunta se muestra las puntuaciones de (0 estudiantes de 3ngenier a en Vestin 6mpresarial en la asignatura de 6stad stica 3nferencial 33, segYn el mNtodo de enseRanKa empleado, probar que los tres mNtodos son igualmente efectivos. :ea a 1 10 C 9alificaciones de 6stad stica /Ntodo "rabajos de & ! ! 3nvestigacin * ! ( :oftdare & ! % ! 0 $ 9lase en aula % ! $ ! ) 0 Lo: No Oa. %+Je&e*#+a e*(&e lo' 4&$po'. L+: -+ Oa. %+Je&e*#+a e*(&e lo' 4&$po' 6I Pa'o: Ordenar por rangos como en el caso de las prueba ;. 2o Pa'o: :umar por rangos. ". investigacin. c 5ti 1 %1, nti 1 % :oftdare. c 5s 1 *(, ns 1 $ 4ula. c 5a 1 10&, na 1 ' n t 1 n1An(An) 1 (0 3I Pa'o calcular el estad stico J.
12 J 1 n Gn +1H t t

' ) $ & ' 1

$ $ ! ' ! *

& 0 & & ' * ! 1 ' (

5
ni

3Gnt + 1H

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

23

J1

'12 "2 2 11( 2 12 + + 3G 21H 1 6.67" 21G 21H % 8 '

7o Pa'o. 5egiones de aceptacin y rechaKo. La prueba J se puede apro#imar a la distribucin e( cuando todas las muestras son por lo menos de $ elementos. gl1 T+11 )+1 1 ( _ 1 0.10

e(-tabla. 1 *.%0$

"I Pa'o. :e acepta la hiptesis nula, dado que el 6p 1 1.1*$ es menor que el valor cr tico *.%0$, por lo que se #o*#l$.e que no e#iste diferencia en las calificaciones de los estudiantes mediante los ) mNtodos de enseRanKa, esto es los tres mNtodos sin igualmente efectivos. Eje&#+#+o'. 6".+ ;n grupo de empleados en capacitacin de una compaR a se asignan al aKar a grupos a los que se les enseRa cierto procedimiento de inspeccin industrial a travNs de tres mNtodos diferentes y al final del periodo de instruccin se les aplica una prueba de calidad de desempeRo de la inspeccin, aplica la prueba J para determinar si los tres mNtodos son igualmente efectivos. :ea a 1 $ C /Ntodo 6: /Ntodo =: /Ntodo V: '* !$ !' 9alificaciones. !& '1 &* !( &' !* %& &( &% !% %1 %' '& &(

!0

68.+ Los siguientes nYmeros de cajas de diversos tipos de galletas que se vendieron en ocho comercios, utiliKa la prueba J para probar que el promedio de ventas de los tres tipos de galletas son iguales. :ea a 1 $ C Valletas de: /antequilla: (1* Hainilla: 9hocolate: ()1 (10 (01 ((& (1! (%1 (10 (11 ()( (1) 1'! (1% (*& (1% ((! (0' ()1 (11 1!1 (*0 1''

(0) (1!

6!.+ Los siguientes son los nYmeros de manKanas con calidad comercial recolectadas de Grboles seleccionados al aKar en cuatro secciones de un huerto. 6mplea la prueba J para probar si las diferencias entre las cuatro medias de las muestras se pueden atribuir a la casualidad. :ea a 1 $ C :ec. 4: &' :ec.@: %& :ec.9: %! :ec.8: &0 *! &$ &$ &) $& &) !* %! !( && &) $' %' $( !1 &1 &' %' *' &! &1 '( '( !( !' $1 '1 *)

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

2"

6A.+ Los siguientes son los nYmeros de boletos vendidos de 10 funciones en cada una de las cuatro salas de cine. 4plica la prueba J para probar que el promedio de boletos vendidos en cada una de las salas es el mismo. :ea a 1 $ C :ala 4: :ala @: :ala 9: :ala 8: 11' 1*0 110 (11 (1$ 1'0 1!& (1$ ((& ($% (10 1'& 1'1 1!! (1% (1& (1( 111 1*1 11& 1!% 1!' (0* ($& (&1 ($$ (*! (*) 1%' 1&) (11 (1$ 1'' (00 1!1 1!$ (1% (*1 (10 (&1

6 .+ 7ara comparar las ventas de palomitas de ma K en cuatro salas de cine un gerente colecta las siguientes cifras de ventas de los nYmeros de cajas vendidas cada d a en un periodo de cinco d as, utiliKa la prueba J para probar que el promedio de palomitas de ma K que se venden en las cuatro salas es el mismo. :ea a 1 $ C :ala 1: :ala (: :ala ): :ala *: 1%* (0& (11 )%* (10 )%$ ($! (1' 1&0 ('& )11 )0* )%0 1'' )$% (!! ('0 )01 ('% (&)

U!I"A" ; "I3&<63 &-5&#I$&!4A=&3.

Compe(e*#+a.+6l participante analiKarG y resolverG problemas en los que utilice las tNcnicas estad sticas de 8iseRos factoriales,, e#presando por escrito sus conclusiones.
A!A=I3I3 "& ;A#IA!>A "& U! ?AC46#. &'emplo. ;onsidera los datos siguientes so,re crecimiento de !lantas des!u$s de la a!licacin de diferentes ti!os de 4ormonas de crecimiento. *lantea una 4i!tesis de investigacin 5 !ru$,ala Sea ? . 1.1% $ormona %& '2 !3 D4 (5 !recimiento de las plantas 13 17 7 14 21 13 20 17 18 15 20 17 7 11 18 10 6 11 15 8

&'. ) En un estudio de las !ro!iedades de las vigas met&licas ensam,ladas con !lacas7 em!leadas !ara so!orte de tec4os7 !rodu=o las siguientes o,servaciones so,re el ndice de rigidez a3ial G>ilo li,rasU !ulgadaH7

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

2%

!ara longitudes de !laca de "7 '7 )7 117 12 !ulgadas. LBiene algn efecto la variacin de la longitud de !laca so,re el !romedio de rigidez a3ialM Sea ? . 1.11 )ong. *laca ! atro -eis .c/o Die, Doce +ndice de rigide, 326.5 404.5 357.1 433.1 410.7

309.2 402.1 392.4 346.7 407.4

409.5 347.2 362.2 452.9 441.8

311 361 351 461.4 419.9

316.8 331 409.9 410.6 473.4

349.8 348.9 367.3 384.2 441.2

309.7 381.7 382 362.6 465.8

;uando la 4i!tesis nula es rec4azada7 +uiere decir +ue e3iste diferencia entre las medias. Pn !rocedimiento !ara com!arar las diferencias entre las medias se denomina Comparaciones $%ltiples. G*rue,a de 4i!tesis de diferencia de dos medias su!oniendo varianzas iguales7 !rocedimiento unilateralH. &'. * A continuacin se !resentan los datos de un e3!erimento en el +ue varios ti!os diferentes de ca=as se com!araron con res!ecto a la resistencia a la com!resin. L-a resistencia a la com!resin de!ende del ti!o de ca=aM Sea ? . 1.1% Tipo ca0a & 2 3 4 655. 5 789. 2 737. 1 535. 1 788.3 772.5 639 628.7 1esistencia a la compresin 734.3 786.9 696.3 542.4 721.4 686.1 671.7 559 679.1 732.1 717.2 586.9 699.4 774.8 772.1 520

&'. + -os siguientes datos resultaron de un e3!erimento +ue com!ara los grados de manc4as de te=ido co !olimerizado con tres mezclas diferentes de acido metacrilico LInflu5e de alguna manera los ti!os de mezcla en el grado de manc4asM Sea ? . 1.11 2e,cla & 2 3 3rados de manc/a de te0ido 1.12 0.9 1.07 0.69 0.87 0.78 1.08 1.07 0.99

0.56 0.72 0.62

0.94 0.91 0.93

&'. , Se analizaron seis muestras de cada uno de los cuatro ti!os de cereales !roducidos en cierta regin !ara determinar el contenido de tiamina7 resultando los siguientes datos. Sugiere esta informacin +ue !or lo menos dos de ti!os de granos difieren con res!ecto al verdadero !romedio de contenido de tiamina. Sea ? . 1.1% Trigo !e#ada 2a+, %4ena 5.2 6.5 5.8 8.3 Contenido de tiamina. 4.5 6 6.7 8 6.1 5.9 4.7 6.4 6 6.1 7.8 5.5 5.8 5.6 5.2 7.2 6.1 7.5 4.9 7

&'. / Pn ,ilogo desea estudiar los efectos del etanol en el tiem!o del sueKo7 se selecciona una muestra de 21 ratas igualadas !or edad 5 otras caractersticas7 5 a cada una se administr una in5eccin oral con una concentracin diferente de etanol. El r&!ido movimiento ocular GRE#H en el tiem!o del sueKo de cada rata se

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

2'

registr durante un !eriodo de 2" 4oras. LIndican los datos +ue el verdadero !romedio RE# en tiem!o de sueKo de!ende de la concentracin de etanolM Sea ? . 1.1% concentracin de etanol 0 5!ontrol6 &g 2g 4g 1(2 88.6 63 44.9 31 73.2 53.9 59.5 39.6 91.4 69.2 40.2 45.3 68 50.1 56.3 25.2 75.2 71.5 38.7 22.7

&'. 0 -a frecuencia crtica de centelleo GcffH es la m&3ima frecuencia en ciclosUseg. A la +ue una !ersona !uede detectar el centelleo de una fuente luminosa intermitente. Pna investigacin realizada !ara ver si el verdadero !romedio de la cff7 de!ende del color del iris dio los siguientes resultados Sea ? . 1.1% color del iris ca"7 4erde a, l "rec encia critica de centelleo 23.7 25 26.3 24.8 28 26.9 29.1 29.9 28.5 29.4 28.3

26.8 26.4 25.7

27.9 24.2 27.2

25.7

24.5

A!A=I3I3 "& ;A#IA!>A "& "63 ?AC46#&3. Con na sola m estra por gr po. &'. 1 En un estudio so,re transito de automviles 5 contaminacin del aire7 se analizaron muestras de aire en cuatro 4oras diferentes 5 en cinco lugares diferentes !ara o,tener la cantidad de materia granulosa !resente en el aire GmgUm3H. LCa5 alguna diferencia en el verdadero !romedio de la cantidad de materia granulosa !resente en el aire7 de,ida 5a sea a las diferentes 4oras de muestreo o a los diferentes lugaresM Sea ? . 1.1% 8actor '. ) gar %4. 9t,aes !entro !.!olonias 2ercado 67 81 56 51 69 96 59 70 59 67 54 42 56 64 58 37

"actor % /ora

08:00 a.m. &&:00 a.m. &5 p.m. 20 p.m.

*. 2onte0o 76 82 68 63

&'. @ Pna organizacin !ara !rue,a de !roductos al consumidor desea com!arar el consumo anual de energa el$ctrica !ara cinco marcas diferentes de 4umidificadores. e,ido a +ue el consumo de energa el$ctrica de!ende del nivel de 4umedad7 se decidi o,servar cada marca en cuatro niveles diferentes +ue i,an desde moderado a alta 4umedad7 Sea ? . 1.1% 2arcas % ' ! ;i4el de / medad 9 99 999 9< 685 792 838 875 722 806 893 953 733 802 880 941

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz D ( 811 828 888 920 952 978 1005 1023

2(

&'. 2 el artculo VAdia,atic Cumidification of airW re!orta datos so,re el coeficiente de transferencia t$rmica de !elicula gaseosa como funcin del !orcenta=e de gas Gfactor AH 5 !orcenta=e de l+uido Gfactor NH. Sea ? . 1.1% 8actor ' '250 '300 226 240 312 330 416 462 575 645

8actor % %200 %400 %700 %&&00

'&90 200 278 369 500

'400 261 381 517 733

&'. )A Se realiz un estudio !ara com!arar las duraciones de escritura de cuatro marcas de ,olgrafos de !rimera calidad. Se !ens +ue la su!erficie de escritura !odra afectar la duracin7 !or lo +ue se seleccionaron ' su!erficies diferentes. -a ta,la ad=unta muestra las duraciones o,tenidas !ara cada com,inacin de marcasUsu!erficie. Sea ? . 1.1% Su!erficie de escritura % ' ! D 70 71 66 65 2arca 3 9 3 0 9 66 72 69 68 De $ 8 2 2 5 65 66 67 68 'ol+gra"o 9 9 6 8 5 69 70 68 65 = 8 4 6 0 ( 72 6 74 0 68 4 66 6 8 64 5 72 0 75 0 73 3

A!B=I3I3 "& ;A#IA!>A "& "63 ?AC46#&3 C6! ;A#IA3 $U&34#A3 56# C#U56. &'. )) Bres diferentes variedades de =itomate GCarvester7 *usa7 IfeH 5 cuatro diferentes densidades de !lantas G117 217 317 5 "1 mil !lantas !or 4ect&reaH se consideran !ara !lantar en una regin en !articular7 !ara ver si alguna variedad o densidad de !lantacin afecta la !roduccin. Sea ? . 1.11 densidad de plantacin <einte Treinta ! 12.8 12.1 11.2 12.6 13.7 14 12.7 14.4 13.7 15.4 11.5 13.7 16.6 20.8 19.2 18 18.5 21

<ariedad $ar4ester

9"e

* sa

Die, 10.5 9.2 7.9 8.1 8.6 10.1 16.1 15.3 17.5

arenta 10.8 9.1 12.5 11.3 12.5 14.5 18.4 18.9 17.2

&'. )* -a siguiente ta,la de datos muestra o,servaciones so,re la acidez total de muestras de car,n de tres ti!os diferentes7 con determinaciones 4ec4as usando tres diferentes concentraciones de Ia FC etanlico. Sea ? . 1.11

Estadstica Inferencial II Ing. Antonio de Jess Sagols Ruiz

2)

!oncentracin 0.404; de ;a .$ 0.@2@; 0.78@;

Tipo de car#n 2or>ell ?allo rn 2addingley 8.27 8.66 8.14 8.17 8.61 7.96 8.03 8.42 8.02 8.21 8.58 7.89 8.6 8.61 8.13 8.2 8.76 8.07

JE-I;I A ES *FR CANER ;FI;-PI F E- ;PRSF E ESBA XSBI;A IIJEREI;IA- II.