ESTADISTICA

APLICADA

CASO PRÁCTICO:
PRUEBA DE HIPOTESIS DE LA JI – CUADRADO EN LA
EMPRESA FERREYROS S.A.
DE LA VENTA DE MAQUINARIAS APLICANDO LA PRUEBA DE

DOCENTE: DR.CARDENAS
SINCHE, José Antonio

INTEGRANTE:
DIAZ CARHUARICRA, Mireya
ADMINISTRACION
CARDENAS ARCE, Katiuska
LLATA AURIS, Fiorella V SEMESTRE
IDELFONSO CRISTOBAL, Deivis TURNO ´´C´´
ROSAS SALAZAR, Tena
VENTURA SANCHEZ, Nataly
 INTRODUCCIÓN
La prueba de Ajuste de Bondad con Probabilidad de “ji Cuadrada” consiste en averiguar
si existen diferencias entre la distribución observada y la distribución esperada. Para el
Ing. Frankds Hinojosa Silva 1, administrador de la Empresa Ferreyros S.A.(encargado
en el área de ventas) en la ciudad de Cerro de Pasco es una de opción de aplicar nuevas
tendencias de gestión, utilizando herramientas cada vez más sofisticadas e innovadoras;
siendo el caso se siente interesado en conocer de forma técnica el sustento de toma de
decisiones más contundentes en la venta de maquinarias de la marca CAT2, incurriendo
por tanto en fuertes cantidades de inversión que espera poder compensar con la acogida
de sus clientes.

La presente investigación se orienta precisamente a describir los criterios de atributos

considerados como relevantes para el administrador, a partir de la información brindada
por la empresa, el número de maquinarias marca Caterpillar vendidas durante los doce
meses del año 2016 y su relación trascendente para asumir que su inversión fue acertada
o simplemente se debe en el azar del uso de sus clientes. Partiendo de esta interrogante
elemental se pretende brindar un panorama analítico de la Prueba de Ajuste de Bondad
con Probabilidad de Ji Cuadrada y su proyección en la toma de decisiones a partir de
los resultados de la investigación.

1
Sucursal Empresa Ferreyros S.A. Email: HinojosaSilva@gmail.com.
2
CATERPILLAR. Marca Representativa de Ferreyros.
 OBJETIVOS

 GENERAL:
Determinar la relación que existe en la cantidad de maquinarias de CAT vendidas y el
programa de mantenimiento de la Empresa Ferreyros S.A. aplicando la Prueba de Ajuste
de Bondad con Probabilidad de Ji Cuadrada.

 ESPECÍFICOS:
1. Reconocer, los atributos a comparar dentro de la prueba de hipótesis para inferir su
relación.
2. Introducir las distribuciones Ji Cuadrado como base de la prueba de hipótesis
considerando las frecuencias observadas y frecuencias esperadas.
3. Utilizar la distribución Ji Cuadrada para ver si dos clasificaciones de los mismos datos
son dependientes o independientes entre sí.
4. Eliminar y reducir al mínimo estrictamente necesario aquellas actividades que no
añadan valor al servicio, actuando directamente sobre los generadores.
5. Medir y analizar las relaciones de trascendencia que tienen los atributos seleccionados,
con la intención de observar si la inferencia empírica del empresario tiene sustento
técnico.

MARCO TEÓRICO

 PRUEBA JI CUADRADO:
La prueba de Chi- cuadrado (X2), permite calcular la probabilidad de obtener
resultados que únicamente por efecto del azar se desvíen de las expectativas en la
magnitud observada si el modelo es correcto.

Para realizar una prueba de Chi-cuadrado, el primer paso es comparar el número de

individuos observado en cada categoría con los números esperados considerando el
tamaño de la muestra y el modelo propuesto. Las desviaciones son elevadas al
cuadrado y divididas por los valores esperados, lo cual proporciona un valor de
cuadrado. Se utiliza el número de individuos y no las proporciones, X2 toma en
consideración el tamaño de la muestra.

La fórmula para X2 es como se indica a continuación:

 GRADO DE LIBERTAD
El siguiente paso es determinar los grados de libertad. Los grados de libertad son el
número de categorías o clases variables independientes que existe. Generalmente, esto
es igual a uno menos el número total de clases.

Por ejemplo, si hay dos tipos de maquinarias de la empresa en Ferreyros S.A; son
camiones y excavadoras entonces asumiremos que, únicamente una de ellas es variable
independientemente una vez se conozca el número de maquinarias vendidas como
camiones en un tamaño de muestra determinado, también se conoce el número de
excavadoras que se vente, Por lo tanto, los grados de libertad en este ejemplo son uno.

El paso final en la aplicación de la prueba de Ji Cuadrado es buscar el valor de Ji

cuadrado y los grados de libertad en una tabla o grafica como las que se presentan a
continuación y determinar el valor de la probabilidad. Este valor es la probabilidad de
que el azar por sí mismo pudiera ser responsable de una desviación tan grande o mayor
que la observada, si la hipótesis es correcta. Si la probabilidad es alta se considera que
los datos están de acuerdo con el modelo, lo cual no prueba que el modelo sea correcto,
sino que simplemente no se puede demostrar que sea incorrecto. Si la probabilidad es
baja, la desviación no es debida al azar y se considera que los datos no respaldan el
modelo.

Seguidamente se tiene que decidir qué tan baja probabilidad es posible aceptar antes de
rechazar el modelo propuesto. Generalmente, el nivel de significancia escogido es de
5%. Si la probabilidad es menor de 0.05, la diferencia es “significativa”, y si es menor
de 0.01, esta es considerada “altamente significativa”. Las probabilidades en estos
intervalos generalmente causan el rechazo de un modelo, sin embargo, el rechazo de la
hipótesis al nivel del 5% significa que se rechazan hipótesis correctas 5% de las veces.

CONCEPTOS FUNDAMENTALES

 MUESTRA: Parte de una población que se toma cuando es imposible acceder a toda
ella. La elección de la muestra se hace con la intención de, a partir de la información
que ella proporciona, extender sus resultados a toda la población a la que representa.
 MUESTRA ALEATORIA: (Muestra elegida al azar) Aquella muestra tomada de la
población en la que todo individuo tiene la misma probabilidad de resultar elegido para
ella, y esto con independencia entre individuos.
 FUNCIÓN DE DISTRIBUCIÓN: Función que hace corresponder a cada uno de los
valores de una variable aleatoria la probabilidad de que tal variable aleatoria tome un
valor igual o inferior al dado.
 FUNCIÓN DE PROBABILIDAD: Función que hace corresponder a cada uno de los
valores de la variable aleatoria discreta su probabilidad.
 CONTRASTE DE HIPÓTESIS: Conjunto de reglas tendentes a decidir cuál de dos
hipótesis –la nula ó la alternativa- debe aceptarse en base al resultado obtenido en una
muestra. Es de dos colas cuando la alternativa es la negación de la nula. De una cola
en caso contrario. Financiado por la Secretaría de Estado de Educación y
Universidades (MECD)
 VARIABLE ALEATORIA: Toda función que toma diversos valores numéricos,
dependiente de los resultados de un fenómeno aleatorio, con distintas probabilidades.
 VARIABLE ALEATORIA DISCRETA. Las variables aleatorias discretas son
aquellas que presentan un número finito de valores, constituyen una sucesión
numerable.
 VARIABLE ALEATORIA CONTINUA. Las variables aleatorias continuas pueden
tomar un número infinito de valores en un intervalo determinado.
 VARIABLE CATEGÓRICA. Una variable categórica es una variable que clasifica
cada individuo de una población en una de las varias clases mutuamente excluyentes
en que ésta se divide.
 VARIABLE NUMÉRICA. Corresponde a los datos expresados en una escala
continua numérica.
DESARROLLO
El Ing. Frankds Hinojosa Silva, es el administrador de empresa (área de ventas)
FERREYROS S.A” con cuyo giro de negocio se basa la venta de maquinarias pesadas.

Él plantea que la venta tiene que ver con los programas de mantenimiento de las
maquinarias. Uno de los problemas de la investigación es saber si su conclusión es la
correcta teniendo como proximidad la de un tope de venta por cada tipo de maquinarias
que llegan a un aproximado de 4 por cada uno.

La empresa ofrece mayormente los siguientes diez tipos de maquinarias “Camiones,

Cargadores, Compactadores, Equipo de pavimentación, Equipos utilitarios,
Excavadoras, Palas, Tractores, Perforadoras y Manipuladores de materiales.” Al final
del año se vende un total de 4 maquinarias. El número de maquinarias vendidas de cada
tipo de maquinarias aparece en la Tabla N° 1

¿El administrador de la empresa FERREYROS S.A puede concluir que las ventas si
influye los programas de mantenimiento?

Tabla N°1 de maquinarias vendidas de cada tipo

MAQUINARIAS N° de Ventas
(observadas)
Camiones 9
Cargadores 2
Compactadores 0
Equipo de pavimentación 6
Equipos utilitarios 3
Excavadoras 8
Palas 0
Tractores 5
Perforadoras 1
Manipuladores de materiales 6
TOTAL 40

Si no hay una diferencia significativa en la venta de maquinarias por año de

funcionamiento de la empresa, se esperaría que las frecuencias observadas (f o) fueran
iguales, o casi iguales. Es decir, se esperaría vender igual número de camiones y palas.
Por tanto, cualquier discrepancia en las frecuencias observada y esperada puede
atribuirse al muestreo (casualidad).
 ¿Qué sucede con el nivel de medición en este problema? Observamos entonces que,
cuando se vende una maquinaria, la “medición” de la venta se basa en el programa de
mantenimiento más no en el uso de la maquinaria.

No hay un orden natural para las maquinarias. Ninguna maquinaria es mejor que otro.
En consecuencia, se utiliza una escala nominal para evaluar cada observación.

Como hay 40 maquinarias vendidas que pueden compensar la inversión realizada en la

muestra, se espera que (fe) sea 4 maquinarias vendidas por cada tipo de maquinaria, es
decir, la frecuencia esperada, fe, aparecerá en cada una de las diez categorías (tabla N°
2).

Estas categorías se denominan celdas. Un análisis del conjunto de frecuencias

observadas en la Tabla N° 1 indica que la maquinaria pala no se vende con frecuencia,
en tanto que la camioneta y excavadores, se venden con más frecuencia. ¿Se debe a la
casualidad la diferencia en las ventas, o es posible concluir que hay una preferencia por
las maquinarias que tienen programa de mantenimiento? Tabla N°2 Frecuencias
observadas y esperadas de

Las 40 maquinarias vendidas

MAQUINARIAS N° de Ventas N° de Ventas

(observadas) (esperadas)
Camiones 9 4
Cargadores 2 4
Compactadores 0 4
Equipo de pavimentación 6 4
Equipos utilitarios 3 4
Excavadoras 8 4
Palas 0 4
Tractores 5 4
Perforadoras 1 4
Manipuladores de materiales 6 4
TOTAL 40 40

PASO 1:

 La hipótesis nula, Ho, es que no hay diferencia entre el conjunto de frecuencias

observadas y el conjunto de frecuencias esperadas; es decir, cualquier diferencia entre
los dos conjuntos de frecuencias se puede atribuir al muestreo (casualidad), lo que
 implicaría en ese sentido que la demanda no estaría relacionada necesariamente con el
programa de mantenimiento a las maquinarias

 La hipótesis alterna, H1, es que hay una diferencia entre los conjuntos observado y
esperado de frecuencias. Si rechaza H0 y acepta H1, significa que las ventas no se
distribuyen de igual forma entre las 10 categorías (celdas), lo que implicaría que sí hay
mayor demanda de maquinarias que tiene como programa de mantenimiento.
PASO 2:
Seleccionamos el nivel de significancia. La probabilidad de que rechace la hipótesis
nula verdadera es 0.05.
PASO 3:
Seleccionamos el estadístico de prueba. El estadístico de prueba sigue la distribución
ji cuadrada, designada como χ2.
Estadístico de Prueba Ji Cuadrada

Con k – 1 grados de libertad, donde:

K es el número de categorías. fo es una frecuencia observada en una categoría particular.

fe es una frecuencia esperada en una categoría particular.

PASO 4:
Formulamos entonces la regla de decisión. Recordemos que la regla de decisión en las
pruebas de hipótesis requiere determinar un número que separe la región donde no se
rechaza H0 de la región de rechazo. Este número se denomina valor crítico. Como
podremos observar, la distribución ji cuadrada en realidad es una familia de
distribuciones. Cada distribución tiene una forma un poco diferente, según el número
de grados de libertad. El número de grados de libertad en este tipo de problema se
encuentra mediante k – 1, donde k es el número de categorías. En nuestra investigación
en particular hay 10. Como hay diez categorías, hay k – 1 = 10 – 1 = 9 grados de
libertad. Como se observó, una categoría se denomina celda, por lo que hay diez
celdas. El valor crítico para 9 grados de libertad y el nivel de significancia 0.05 la cual
podremos ilustrar a continuación:
 Parte de la tabla de ji cuadrada

Grados de libertad Área de la cola derecha

GL 0.10 0.05 0.02 0.01
1 2,706 3,841 5,412 6,635
2 4,605 5,991 7,824 9,21
3 6,251 7,815 9,837 11,345
4 7,779 9,488 11,668 13,277
5 9,236 11,07 13,388 15,086
6 10,644 12,591 14,449 16,811
7 12,017 14,067 16,012 18,475
8 13,361 15,507 17,534 20,090
9 14,683 16,919 19,022 21,666

La regla de decisión es rechazar H0 si el valor calculado de ji cuadrada es mayor que

16,919. Si es menor o igual a 16,919, no se rechaza H0. En la gráfica Tabla N° 1 se
muestra la regla de decisión.
El valor crítico es 16,919, determinado al ubicar 5 grados de libertad en el margen
izquierdo, y luego, por la horizontal (a la derecha), y leyendo el valor crítico en la columna
0.05.

16,919

La regla de decisión indica que, si hay diferencias grandes entre las frecuencias
observada y esperada, lo que genera una χ2 calculada mayor que 16,919, se debe rechazar
la hipótesis nula. Sin embargo, si las diferencias entre fo y fe son pequeñas, el valor χ2
calculado será 16,919 o menor, y no se debe rechazar la hipótesis nula. El razonamiento
es que es probable que esas diferencias pequeñas entre las frecuencias observada y
esperada se deban a la casualidad. Recordemos que las 40 observaciones son una muestra
de la población para nuestra investigación que nos dice que los días en las que se realiza
un mayor consumo de las bebidas, es el día en el que se lleva a cabo las presentaciones
en vivo de bandas musicales en el establecimiento.
 PASO 5:
Calculamos el valor de ji cuadrada y tomamos una decisión. De las 50 maquinarias
vendidas en la muestra, se cuenta el número de veces que se vendieron “Camiones,
Cargadores, Compactadores, Equipo de pavimentación, Equipos utilitarios,
Excavadoras, Palas, Tractores, Perforadoras y Manipuladores de materiales”
respectivamente. Los siguientes son los cálculos para ji cuadrada. (Observe una vez
más que las frecuencias esperadas son las mismas para cada celda.)
El resultado es el valor de χ2, que es 13.5

N° de Ventas N° de Ventas (0i-

MAQUINARIAS
(observadas) (esperadas) Ei)^2/Ei
Camiones 9 4 6.25
Cargadores 2 4 1
Compactadores 0 4 4
Equipo de pavimentación 6 4 1
Equipos utilitarios 3 4 0.25
Excavadoras 8 4 4
Palas 0 4 4
Tractores 5 4 0.25
Perforadoras 1 4 2.25
Manipuladores de materiales 6 4 1
TOTAL 40 40 24

PASO 6:
Calculando el p-valor

k= 10

m= 0 Calcular:

GL= 9 P-valor: 0.040216216

RESULTADOS
La χ2 calculada de 24 no se encuentra en el valor crítico de 16,919. Por tanto, la regla
de decisión es rechazar H0 con un nivel de significancia de 0.05 y aceptar H1. Se
comprueba con el p-valor 0.040216216 es menor que 0.05 el nivel de significancia
encontrándose en área de rechazo. Teniendo que la diferencia entre las frecuencias
observada y esperada no se debe a la casualidad. La posibilidad de que estas diferencias
se deban a un error de muestreo es muy pequeña. Por tanto, se concluye que es probable
que las ventas aumenten se deben a los programas de mantenimiento.
CONCLUSIONES
La percepción que tiene el administrador de la empresa en estudio es correcta, pero
partió desde un punto de vista empírico con un fundamento relativamente sustancial
como vienen a ser los indicadores financieros de inversión, adquisición y utilidades,
proporcionándole la fiabilidad de una certera toma de decisiones.

Sin embargo, es preciso destacar que, con la aplicación de esta Prueba de Hipótesis, el
administrador ya se siente con la seguridad estadística de que a partir de la inferencia
está realizando una inversión que le generará la máxima utilidad posible y que deberá
de implementar mejores estrategias para brindar sus servicios.
REFERENCIAS
 Freund, J. E. (1962). Mathematical Statistics. Prentice Hall, Englewood Cliffs, NJ (pp.
227-228).
 Hacking, I. (1965) Logic of Statistical Inference. Cambridge University Press,
Cambridge.
 Keeping, E. S. (1962). Introduction to Statistical Inference. D. Van Nostrand, Princeton,
NJ.
 Kiefer, J. (1977). Journal of the American Statistical Association, 72, 789-827.
 Neyman, J. (1937). Philosophical Transactions of the Royal Society of London A, 236,
333-380.