Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Tomar decisiones es una actividad inherente a los gerentes en el contexto actual. El docente en ciencias
administrativas asume la gran responsabilidad de transmitir los conocimientos sustanciales que permita al
estudiante internalizar los conceptos y prcticas ms elementales del conocimiento actualizado, en cada
materia curricular que estudia.
El proceso de toma de decisin cae en dos contextos; decisiones programadas y no programadas, stas a
la vez pueden ser cualitativas y cuantitativas. En caso de la primera se basa en corazonadas, prejuicios,
intuiciones, observaciones, etc. El segundo, requiere procedimientos y tcnicas matemticas, para
recopilar, procesar y analizar los datos para convertirlas en informacin que precisamente constituye
insumo para la toma de decisin.
De antemano agradecemos las observaciones y sugerencias que nos hagan llegar a nuestro correo
electrnico zeusore@hotmail.com las cuales sern tomadas en cuenta para ir mejorando las prximas
publicaciones.
El autor.
INDICE
INTRODUCCIN
INDICE
UNIDAD I: ESTADSTICA
Definicin
Tipos de estadstica
Estadstica descriptiva
Estadstica inferencial
Estadstica y la Investigacin Cientfica
Variables
Poblacin
Muestra
Muesttreo
Mtodos de recoleccin y tabulacin de datos
Observacin
Encuesta
Entrevista
Cuestionario
Prueba de Hiptesis
Prueba de hiptesis
Establecimiento de hiptesis nula y alterna
Errores tipo I y tipo II
Prueba unilateral sobre la media de una poblacin: muestra grande
Prueba Bilateral sobre la media de una poblacin: muestra grande
Pruebas sobre media de una poblacin: caso n 30
Pruebas sobre la proporcin de una poblacin
Clculo de probabilidad de errores de tipo II
Determinacin de tamao de muestra para una prueba de hiptesis sobre una media poblacin
Prueba de signos
Prueba de pares iguales de Wilcoxon
Valoracin de Fisher y Shefle
Prueba de Manny y Whitney
Prueba de Krushal y Wallis
Regresin y correlacin
Prueba de Fiedman
BIBLIOGRAFA
UNIDAD I
ESTADISTICA
1.1
DEFINICIONES
La estadstica es una ciencia que comprende la recopilacin, tabulacin, anlisis e interpretacin de
los datos cuantitativos y cualitativos". Kennedy-Neville.
"La estadstica constituye una disciplina con ilimitadas posibilidades de aplicacin en diversos
campos de la actividad humana". H. B. Christensen.
"Estadstica es un grupo de tcnicas o metodologa que se desarrollaron para la recopilacin,
presentacin y anlisis de los datos y para el uso de tales datos." Neter-Waserman.
Una poblacin es un conjunto de todos los posibles individuos, objetos o medidas de inters
que se selecciona para una toma de decisin. Una muestra es una porcin, o parte de la
poblacin de inters para contrastar una hiptesis.
Ejemplo 1: Supongamos que contamos con 500 alumnos en la Escuela de Formacin
Profesional de Administracin de Empresas y, queremos hacer un estudio
estadstico sobre su altura.
Otra posibilidad sera escoger una muestra, es decir un grupo de por ejemplo 50
personas, hacer el estudio descriptivo sobre ellas y despus generalizarlo a toda la
Escuela de Formacin Profesional de Administracin con Estadstica inferencial.
En este caso, comprobaramos por una parte que cuanto mayor sea la muestra ms
trabajo tendremos, pero ms fiable ser el resultado final y por otra, que la
eleccin de la muestra debe hacerse de manera que permita tambin fiarnos del
resultado obtenido.
Ejemplo 2: Dos empresas radiales de la Ciudad de Ayacucho monitorean su popularidad de sus
programas, contratando a una empresa encuestadora para que muestreen las
preferencias de sus radios oyentes.
Ejemplo 3: El jefe de control de calidad de una empresa elegir una muestra (parte) de los
productos para verificar la calidad de todos los productos.
Ejemplo 4: Un gerente de Marketing recaba opiniones, a partir de una muestra de clientes, para
verificar el nivel de satisfaccin, con respecto a la calidad y precio del producto.
Ejemplo 5: El gerente de la Cooperativa Santa Mara Magdalena recaba opinin de una muestra
de los socios que acuden a las ventanillas de atencin, para obtener informacin
sobre la calidad del servicio y atencin de los trabajadores que atienden en este
servicio.
1.3 ESTADISTICA E INVESTIGACIN CIENTFICA
En el desarrollo de la ciencia en general y en especial en el de las ciencias empresariales, el
conocimiento de la metodologa estadstica es un arma imprescindible para la obtencin, anlisis e
interpretacin de todos los datos que proceden de las observaciones sistemticas o de
experimentaciones proyectadas especficamente para conocer los efectos de uno o barios factores que
intervienen en los fenmenos bajo estudio. La estadstica permite probar hiptesis planteadas por el
experimentador, determina procedimientos prcticos para estimar parmetros que intervienen en
modelos matemticos y as construir frmulas empricas, etc.
No existe investigacin, proceso o trabajo encaminado a obtener informacin cuantitativa en general,
en la que la estadstica no tenga una aplicacin. La estadstica no puede ser ignorada por ningn
investigador, an cuando no tenga ocasin de emplear la Estadstica Aplicada en todos sus detalles y
ramificaciones. Es una caracterstica comn en los experimentos, en muy diversos campos de la
investigacin, que los efectos de los tratamientos experimentales varan de un ensayo a otro, cuando
se repiten. Esta variacin introduce ciertos grados de incertidumbres en cualquiera de las
conclusiones que se obtienen de los resultados.
La estadstica ha ayudado al investigador en proyectos muy variados en el campo empresarial. La
Estadstica cuando se usa adecuadamente, hace ms eficientes las investigaciones, es aconsejable que
todos los investigadores se familiaricen con las tcnicas y conceptos bsicos de esta ciencia tan til.
ya que representa solo cantidades exactas. No admiten todos los valores intermedios en un
rango. Suelen tomar solamente valores enteros.
Ejemplos:
- Nmero de participantes en una capacitacin
- Nmero de trabajadores
- Cantidad de productos
- Cantidad de oficinas
- Cantidad de empresas
- Cantidad de instituciones
- Cantidad de alumnos
- Cantidad de consumidores o clientes
- Cantidad de proveedores
- Cantidad de maquinarias
- La cantidad de socios de una Cooperativa
- El nmero de habitantes en la ciudad de Ayacucho
- Cantidad de clientes que acuden diariamente a un Banco
- Resultados de una encuesta, con opcin de respuesta de Si, No.
b) Variable contina, se presenta cuando se puede tomar cualquier valor real entre un
intervalo, es decir; son aquellas variables que toman todos los valores comprendidos entre
dos de ellos. Se reconoce cuando elegidos dos valores cualquiera, existe una cantidad
infinita de valores posibles ubicados entre ellos, por ms cercanos que sean, que puede
tomar la variable. la que puede tomar los infinitos valores de un intervalo. En muchas
ocasiones la diferencia es ms terica que prctica, ya que los aparatos de medida dificultan
que puedan existir todos los valores del intervalo.
Ejemplos:
- Peso, estatura, distancias, calificaciones
- El intervalo de tiempo en que acuden los socios de la Cooperativa
- El tiempo que dura una publicidad no gravada
- El tiempo de llamadas telefnicas que recibe una recepcionista de una oficina.
- El tiempo de atencin en caja de una entidad financiera
- El volumen de agua que consume diariamente la Ciudad de Ayacucho.
1.4.3 Variable Independiente: Es aquella que es controlada en forma sistemtica por el
investigador. En la mayor parte de los experimentos, el cientfico est interesado en determinar
el efecto que tiene una variable A sobre alguna o ms variables, el experimentador controla los
niveles de la variable A y mide los efectos que posee sobre las dems variables. Su
manipulacin puede realizarse en dos o ms grados: Presencia ausencia de la variable
independiente. Ejemplo: Calidad de alimentacin de los alumnos.
1.4.4 Variable Dependiente: A diferencia de la variable independiente, sta no se manipula, sino
que es medida por el investigador para determinar el efecto o la influencia de la variable
independiente sobre ella. Por ejemplo: Rendimiento acadmico de los alumnos.
1.4.5 Variable Interviniente: Son los factores que pueden afectar la relacin entre variables y la
investigacin. Por ejemplo: El horario de clases, el nivel econmico, el dominio del tema por
parte del profesor, la capacidad de concentracin de los alumnos, los recursos didcticos, entre
otras.
1.5 POBLACIN
El concepto de poblacin en estadstica va ms all de lo que comnmente se conoce como tal. Una
poblacin se precisa como un conjunto finito o infinito de personas u objetos que presentan
caractersticas comunes.
"Una poblacin es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales
intentamos sacar conclusiones". Levin & Rubin (1996).
"Una poblacin es un conjunto de elementos que presentan una caracterstica comn". Cadenas
(1974).
Ejemplo:
Los miembros del Colegio de Licenciados en Administracin, las Instituciones pblicas de
Ayacucho, los trabajadores de la UNSCH, cantidad de productos en un lote de produccin, cantidad
de libros en una biblioteca, etc.
El tamao que tiene una poblacin es un factor de suma importancia en el proceso de investigacin
estadstica, y este tamao vienen dado por el nmero de elementos que constituyen la poblacin,
segn el nmero de elementos la poblacin puede ser finita o infinita. Cuando el nmero de
elementos que integra la poblacin es muy grande, se puede considerar a esta como una poblacin
infinita, por ejemplo; el conjunto de todos los nmeros positivos. Una poblacin finita es aquella que
est formada por un limitado nmero de elementos, por ejemplo; el nmero de estudiante de la
Escuela de Formacin Profesional de Administracin, cantidad de docentes de la EFPAE, etc.
Cuando la poblacin es muy grande, es obvio que la observacin de todos los elementos se dificulte
en cuanto al trabajo, tiempo y costos necesarios para hacerlo. Para solucionar este inconveniente se
utiliza una muestra estadstica.
Es a menudo imposible o poco prctico observar la totalidad de los individuos, sobre todos si estos
son muchos. En lugar de examinar el grupo entero llamado poblacin o universo, se examina una
pequea parte del grupo llamada muestra.
1.6 MUESTRA
"Se llama muestra a una parte de la poblacin a estudiar qu sirve para representarla". Murria R.
Spiegel (1991).
"Una muestra es una coleccin de algunos elementos de la poblacin, pero no de todos". Levin &
Rubin (1996).
"Una muestra debe ser definida en base de la poblacin determinada, y las conclusiones que se
obtengan de dicha muestra solo podrn referirse a la poblacin en referencia", Cadenas (1974).
Ejemplo;
El estudio realizado a 50 miembros del Colegio de Licenciados en Administracin de Ayacucho.
El estudio de muestras es ms sencillo que el estudio de la poblacin completa; cuesta menos y lleva
menos tiempo. Por ltimo se aprobado que el examen de una poblacin entera todava permite la
aceptacin de elementos defectuosos, por tanto, en algunos casos, el muestreo puede elevar el nivel
de calidad.
Una muestra representativa contiene las caractersticas relevantes de la poblacin en las mismas
proporciones que estn incluidas en tal poblacin.
Los expertos en estadstica recogen datos de una muestra. Utilizan esta informacin para hacer
referencias sobre la poblacin que est representada por la muestra. En consecuencia muestra y
poblacin son conceptos relativos. Una poblacin es un todo y una muestra es una fraccin o
segmento de ese todo.
1.7 MUESTREO
GENERALIDADES.- Una empresa cualquiera, sin importar su tamao y naturaleza, enfrenta una
serie de situaciones de decisin como las siguientes:
-
n
Xn
estima
(=)
Pn
(=)
PN
E Estimacin
-p,
Pn,
Al tomar varias muestras de una poblacin, las estadsticas que calculamos para cada muestra no
necesariamente seran iguales, y lo ms probable es que variaran de una muestra a otra.
Ejemplo;
Consideremos como una poblacin a los estudiantes de la Escuela de Formacin Profesional de
Administracin de la UNSCH, determinando por lo menos dos caracteres ser estudiados en dicha
poblacin;
TIPOS DE MUESTREO:
Existen dos mtodos para seleccionar muestras de poblaciones:
a) MUESTREO NO ALEATORIO O DE JUICIO.- Una muestra seleccionada por muestreo de
juicio se basa en la experiencia de alguien con la poblacin. Algunas veces una muestra de juicio
se usa como gua o muestra tentativa para decidir cmo tomar una muestra aleatoria ms adelante.
Las muestras de juicio evitan el anlisis estadstico necesario para hacer muestras de probabilidad.
Ejemplo: Seleccin de periodistas a personalidades para que expresen su opinin sobre un suceso
general, creyendo que son los ms versados para emitir algn juicio u opinin tcnica
especializada.
a.1) POR CONVENIENCIA (Mtodo de muestreo no probabilstica).- La muestra se
identifica por conveniencia del investigador. Se incorpora elementos en la muestra sin
probabilidades preespecificadas o conocidas de seleccin.
Ejemplo:
a. Seleccionar voluntarios
b. Embarque de frutas (cajas para inspeccionar)
c. Plantas nativas para investigacin.
Poblacin infinita
N=X
Poblacin finita
probabilidad de ser seleccionada. Es decir, se selecciona uno por uno los elementos de la
muestra, de tal modo que cada uno de los elementos que quedan en la poblacin tenga la
misma probabilidad de ser seleccionadas.
N=X
Poblacin finita
4352
640 = 3 dgitos
Entonces, si empezramos en la celda (1,1) de la tabla de nmeros
aleatorios, los seleccionados seran: 632 715 998 671 744 511
021 - ... hasta completar a n = 100; pero descartando los valores
mayores a 640.
NOTA 1: La seleccin puede empezarse en cualquier parte de la tabla y en
cualquier direccin.
NOTA 2: En el proceso de seleccin de esta forma, podra darse el caso que
nuevamente aparezca el nmero seleccionado antes de completar (n),
como se trata de seleccionar tan slo una vez, no se vuelven a
N
n =
N!
n!( N n)!
Poblacin infinita
Ejemplo: Se desea estimar el nivel de satisfaccin de los clientes de la pollera Wallpa
Sua, entre las 5 p.m. y 8 p.m. de los das viernes, que es el horario de mayor
concurrencia. La poblacin sera todos los posibles clientes, cuyo listado es
imposible, por lo que es una poblacin infinita.
En este caso, cmo seleccionar (n =?) de (N = )
SOLUCION
Una (n) aleatoria simple de una N = debe satisfacer las siguientes condiciones:
1. Cada elemento seleccionado proviene de la misma poblacin.
2. Cada elemento se selecciona en forma independiente.
3. Tiene que emplearse el criterio del investigador para determinar la cantidad ptima.
c) ALEATORIO ESTRATIFICADO (Mtodo de muestreo probabilstica).- Primero de divide a
los elementos de la poblacin en grupos llamados estratos, de tal manera que cada elemento de la
poblacin pertenece a uno y slo a un estrato.
E. ALTO
S. EDUC.
R. NORTE
E. MEDIO
S. AGRIC.
R. CENT.
Aleatorio simple
S. INDUST
R. SUR
Aleatorio simple
E. BAJO
Aleatorio simple
POBLACION
CONG. 1
CONG. 2
n
Aleatorio simple
CONG. 3
Ventajas:
- Reduce costos
- En caso que no exista una lista de elementos dela poblacin
Desventajas:
- Las inferencias que se hacen en dicho muestreo no son tan confiables comolas del Muestreo
Aleatorios.
- Menor precisin en las estimaciones.
c) SISTEMTICO (Mtodo de muestreo probabilstica).- En algunos casos (poblaciones grandes),
es tardada la seleccin de una muestra aleatoria simple cuando se determina primero un nmero
aleatorio y despus se busca en la lista de elementos de la poblacin hasta encontrar el
elemento correspondiente. Por ejemplo, se desea muestrear (n = 100) de una poblacin de
50,000 personas, podramos muestrear, entonces, un elemento de cada:
N
50,000
i)
= 500 es el intervalo para seleccionar al azar
100
uno de los primeros 100 elementos de la lista de toda
n
50,000
100
la poblacin.
ii) Seleccionar al azar uno de los primeros de los 500
elementos de la lista de la poblacin; por ejemplo, el
(1) entonces el siguiente tendr que ser ...
1 - 500
iii)
+500, +500, + 500 +500 .......
As, hasta completar los 100 elementos de n.
P1 P
E Z
Z P1 P
n = 2 2
E
Ejemplo: Tomando los usuarios de ESSALUD Ayacucho. Qu tan grande debe ser la muestra si
el responsable de la encuesta quiere estimar la proporcin poblacional con margen de error
de 0.025 y con nivel de confianza de 95%.
Datos:
n
E
N. C.
P
=?
= 0.025
= 0.85
= 0.48
i) = (1 - .095) = 0.05
= 0.025
2
iii)0.5000 0.025 = 0.475 (buscar en la tabla Z) = 1.96
ii)
iv) n =
Entonces, el tamao de la muestra mnimo bebera ser de 1,534 usuarios para llenar el requisito de
margen de error.
Z 2 PQN
( N 1)(e) 2 Z 2 PQ
n = Muestra
Z2 = Varianza (tabla de Gauss 1.96, nivel de confianza = 95%)
E = Error de estimacin (5%)
N = Tamao de la poblacin
p = Probabilidad que salga variable independiente (0.5 50%)
q = Probabilidad que salga variable independiente (0.5 50%)
Z 2 PQ
(e) 2 Z 2 PQ
n = Muestra
Z2 = Varianza (tabla de Gauss 1.96, nivel de confianza = 95%)
E = Error de estimacin (5%)
p = Probabilidad que salga variable independiente (0.5 50%)
q = Probabilidad que salga variable independiente (0.5 50%)
1.9
Por lo tanto, es necesario buscar mecanismos para que las unidades en estudio estn en
igualdad de condiciones durante esa medicin y que se definan las caractersticas del fenmeno
que se pretende observar, procurando que en la muestra esos elementos renan caractersticas
similares.
En general, el mtodo de observacin es sumamente til en todo tipo de investigacin:
descriptiva, analtica y experimental. En el rea de investigacin educacional, social y
psicolgica, es un mtodo de mucha utilidad, en particular cuando se desea conocer aspectos
del comportamiento: relaciones maestro-alumno, el desempeo de los agentes de salud,
relacin del uso de ciertas tecnologas educativas y grado de aprendizaje cognoscitivo y
prctico del personal de salud.
1.9.2 La entrevista
Es la comunicacin establecida entre el investigador y el sujeto de estudiado a fin de obtener
respuestas verbales a las interrogantes planteadas sobre el problema propuesto.
Se estima que este mtodo es ms eficaz que el cuestionario, ya que permite obtener una
informacin ms completa. A travs de ella el investigador puede explicar el propsito del
estudio y especificar claramente la informacin que necesita, si hay una interpretacin errnea
de la pregunta permite aclararla, asegurando una mejor respuesta. Best afirma es tambin
posible buscar la misma informacin por distintos caminos en diversos estadios de la
entrevista, obtenindose as una comprobacin de la veracidad de las respuestas.
Como tcnica de recoleccin de datos la entrevista tiene muchas ventajas; es aplicable a toda
persona, siendo muy til con los analfabetas, los nios o con aquellos que tienen limitacin
fsica u orgnica que les dificulte proporcionar una respuesta escrita. Tambin se presta para
usarla en aquellas investigaciones sobre aspectos psicolgicos o de otra ndole sonde se desee
profundizar en el tema, segn la respuesta original del consultado, ya que permite explorar o
indagar en la medida que el investigador estime pertinente.
Hay dos tipos de entrevista: la estructurada y la no estructurada, la primera se caracteriza por
estar rgidamente estandarizada, replantean idnticas preguntas y en el mismo orden a cada uno
de los participantes, quienes deben escoger la respuesta en 2, 3 o ms alternativas que se les
ofrecen. Inclusive los comentarios introductorios y finales se formulan de la misma manera en
todas las situaciones. Para orientar mejor la entrevista se elabora un formulario que contenga
todas las preguntas. Sin embrago, al utilizar este tipo de entrevista el investigador tiene limitada
libertad de formular preguntas independientes generadas por la interaccin personal.
Algunas ventajas que presenta este tipo de entrevista son:
La informacin es mas fcil de procesar, simplificando el anlisis comparativo
El entrevistador no necesita ser entrenado arduamente en la tcnica
Hay uniformidad en el tipo de informacin obtenida.
Pero tambin tiene desventajas, tales como:
Es difcil obtener informacin confidencial
Se limita la posibilidad de profundizar en un tema que emerja durante la entrevista.
La entrevista no estructurada es ms flexible y abierta, aunque los objetivos de la investigacin
rigen a las preguntas, su contenido, orden profundidad y formulacin se encuentra por entero en
manos del entrevistador. Si bien el investigador, sobre las bases del problema, los objetivos y
las variables, elabora las preguntas antes de realizar la entrevista, modifica el orden, la forma de
encauzar las preguntas o su formulacin para adaptarlas a las diversas situaciones y
caractersticas particulares de los sujetos de estudio.
Este tipo de entrevista es muy til en los estudios descriptivos y en las fases de exploracin
para el diseo del instrumento de recoleccin de datos.
Las ventajas de este mtodo son:
Es adaptable y susceptible de aplicarse a toda clase de sujetos en situaciones diversas
Permite profundizar en los temas de inters
Orienta a posibles hiptesis y variables cuando se exploran reas nuevas.
Entre las desventajas se cita:
Se requiere ms tiempo
Es ms costosa por la inversin de tiempo con los entrevistadores
Se dificulta la tabulacin de datos
Se requiere de mucha habilidad tcnica para obtener la informacin y mayor conocimiento
del tema.
Aun con esas desventajas y dada la utilidad de la entrevista, en sus dos formas, todo
investigador debe familiarizarse con su uso, ya que es probable que la aplique en cualquier tipo
de investigacin.
1.9.3 Cuestionario
Es el mtodo que utiliza un instrumento o formulario impreso, destinado a obtener repuestas
sobre el problema en estudio y que el investido o consultado llena por s mismo.
El cuestionario puede aplicarse a grupos o individuos estando presente el investigador o el
responsable del recoger la informacin, o puede enviarse por correo a los destinatarios
seleccionados en la muestra.
Debido a su administracin se puede presentar problema relacionados con la cantidad y calidad
de datos que pretende obtener para el estudio. Algunos problemas asociados con el envo de los
cuestionarios podran ser: que no fuese devuelto; los consultados pueden evadir la respuesta a
alguna pregunta o no darle la importancia necesaria a las respuestas proporcionadas. Por ello y
otros factores ms, el instrumento que se use para la recoleccin de datos debe ser objeto de
una cuidadosa elaboracin.
Algunas ventajas del cuestionario son: su costo relativamente bajo, su capacidad para
proporcionar informacin sobre un mayor nmero de personas en un periodo bastante breve y
la facilidad de obtener, cuantificar, analizar e interpretar los datos.
Dentro de las limitaciones de este mtodo figuran las siguientes: es poso flexible, la
informacin no puede variar ni profundizarse, si el cuestionario es enviado por correo se corre
el riesgo de que no llegue al destinatario o no se obtenga respuesta de los encuestados; adems,
resulta difcil obtener una tasa alta de complecin del cuestionario. Debido a esa posible
prdida de informacin se recomienda cuando se use este mtodo una muestra ms grande de
sujetos de estudio.
R
C
Reg. de Aceptacin
Regin de Rechazo
Investigacin (n)
Conclusin:
i) No se puede rechazar Ho (o = 12.5); el estadstico no
puede decir que el nuevo sistema es mejor
ii) Se puede rechazar H0 (o 12.5) el estadstico puede
inferir que HA: 12.5, es verdadera.
H :
H :
HA :
HA :
HA :
debe
de
Decisin
Aceptar H
Aceptar HA
la
H
Verdadera
Verdadera
Error Tipo
II ( o falso negativo)
No hay error
(Verdadero negativo)
12.5
HA
E1 = Rechazar H cuando sta es verdadera. Los decisores digan que el nuevo sistema
mejora el rendimiento acadmico H (
no es mejor que actual.
E2
x =
= 500
x =
= 5 ml.,
5
= 0.71
50
Probar:
H : 500 m. l.
HA : 500 m. l
Requiere especificacin de la probabilidad (nivel de significancia = )
mxima permisible de incurrir en el error I, cuando la hiptesis nula es
cierta como una igualdad.
Para el EJEMPLO: El investigador plantea: si = 500 hay una probabilidad
de 99% de no llevar a cabo ninguna accin en contra del fabricante. Si bien
no desea acusarla falsamente de no llenar correctamente su envase, est
dispuesto a conformarse con una probabilidad de 1% de caer en ese error.
Por tanto: = 0.01 mxima permisible de incurrir en un error tipo I.
x =
= 0.01
= 500
Se rechaza H
x =
5
= 0.71
50
No se rechaza H
Zc =
x o
X = Media muestral
= 0.01
Se rechaza H s Z -2.33
= 500
Se rechaza H
Zc =
x o
n
= 0.01
2.33
Se rechaza H
Zc =
498 500
= - 2.83
5
50
La regla es:
Zc > Zt : Se rechaza H : 500 y se acepta HA : 500
Zt > Zc ; Se rechaza HA : 500 y se acepta la H : 500
Zc = -2.83
-.2.33
Se rechaza H
a) Empleo de los valores P.- Es otro mtodo empleado para llegar a la conclusin de la
prueba de hiptesis, basada en una probabilidad del valor de P. Se supone que la
hiptesis nula es verdadera, el valor de P es la probabilidad de obtener un resultado de
la muestra que sea al menos tan importante como el que se observa.
Zc = -2.83
-.2.33
Se rechaza H
Ejemplo: S X = 499
Zc =
x o
Zc =
499 500
= - 1.41 no est en la regin de rechazo
5
50
(Zc = -1.41) (Zt = - 2.33); se acepta HA: 500 y se rechaza HO: 500
La regla es:
Zc Zt : Se rechaza HA y se acepta H
Zc Zt : Se acepta HA y se rechaza H
1.10.5 PRUEBA BILATERAL SOBRE LA MEDIA DE UNA POBLACIN: CASO MUESTRAS
GRANDES.
A) USANDO X
Ejemplo: Con la tecnologa actual Pentium IV el promedio de socios atendidos en la
ventanilla No. 4 de la Cooperativa Santa Mara Magdalena no sobrepasan a ms
de 30 personas. Sabiendo que la nueva tecnologa en computadores ya no es
digital, sino son tecnologa que procesa el dictado, que puede permitir atender
tranquilamente en promedio a 30 personas, que es la exigencia exacta de la
Cooperativa Santa Mara Magdalena.
SOLUCION
i) Planteamos la Hiptesis, suponiendo que la nueva computadora satisfaga la
exigencia de la cooperativa.
H : = 30
HA : 30 : Hay la Probabilidad que sea a 30
Suponiendo:
= 0.01 Por condicin de bilateralidad, la exigencia es exactamente 30, entonces,
a 30, la hiptesis H debe ser rechazada.
n = 50
ii) Regin de rechazo bilateral
0 .0
=
= 0.005, tal como:
2
2
0.01
=
= 0.005
2
2
-.2.57
0.01
=
= 0.005
2
2
0
2.57
Se rechaza H
Se rechaza H
Regla de Rechazo:
Rechace H
s Zc -2.57
Zc 2.57
X
=
s
n
Zc =
28 30
= - 2.53
5
40
Aceptar H si P >
2
Rechazar H
Si: = 0.01
= 0.005
2
si P
(0.005), por tanto, no se rechaza la H
2
C) RELACION ENTRE LA ESTIMACIN POR INTERVALO Y LA PRUEBA DE
HIPTESIS
P (0.011)
x Z
S
n
x Z
2
HA :
iv) La regin de no rechazo para H comprende todos los valores de la media X que estn
entre los errores estndar - Z y + Z de .
2
Z
2
s
n
REGLA:
H : = 30
HA : 30
N. C. = 95%
n = 40
X = 28
Z
2
=5
28 1.96
5
40
28 1.55
26.45
29.55
X o
X o
S
n
Donde S =
( Xi X ) 2
n 1
No opina
Psimo
Regular
Bueno
Muy bueno
Excelente
S=
X I 4 3 ... 2
=
= 3.05
n
20
( X i X ) 2
= 0.99 1.0
n 1
ii) Suponiendo:
HA : 3
1.729
REGLA DE RECHAZO:
S.
Entonces:
tc =
X o
S
n
tc (0.224) tt (1.729)
tc = 3.051 3
= 0.224
20
se acepta H, la calificacin es menor a 3.
( X i X ) 2
= 0.16
n 1
iv) = 0.05
,
= 0.025 (nivel de significancia)
2
v) tn 1,
= t9, 0.025 = 2. 262
2
iii) S =
-2.262
Se rechaza H
2.262
Se rechaza H
REGLA DE RECHAZO:
Rechace H
Entonces:
tc =
X o
S
n
s tc , < tt
350
tc = 350.059
16
= 1.17
10
H: P P
Ha: P P
H: P P
Ha: P P
Prueba unilateral
Prueba bilateral
ii) p =
Pq
n
Ha: P P
Z=
P1 P0
Pq
n
.35 x0.65
= 0.0435
120
REGLA DE RECHAZO:
Rechace H
s Zc 1.658
Unilateral Inferior
Unilateral Superior
H: P P
Ha: P P
Bilateral
H: P P
Ha: P P
H: P P
Ha: P P
- Z
Se rechaza H
- Z/2
Se rechaza H
Z/2
Se rechaza H
ii) Si X = 118
118 120
= -1.0 iv) -1.0 (buscar en la tabla Z) = 0.3413
12
36
iv) 0.5000 0.3413 = 0.1587 = 15.87% es la probabilidad de cometer error de tipo II.
1.10.9 DETERMINACION DE TAMANO DE MUESTRA PARA UNA PRUEBA DE
HIPTESIS SOBRE UNA MEDIA DE POBLACIN.
Si H:
Ha:
para:
X cuando
H es verdadera y =
Distribucin muestral de
Se rechaza H
P =
X cuando
H es verdadera y a <
Distribucin muestral de
C = a + Z
para la figura anterior
n
= a + Z
n
n
- Z
- a =
Z Z
O a
n=
Z 2
2
O a 2
Leyenda:
Z = Valor de Z que origina un rea de en la cola de una distribucin normal estndar
= 49
EJERCICIOS DE REPASO
1.- Un artculo reciente indica que la edad media de las computadoras es igual o mayor a 10
aos, con desviacin estndar de 2. Despus de contrastar una muestra de 18
computadoras, la media es de 9,98 aos. Desarrolle la prueba de hiptesis con nivel de
riesgo 0.01.
2.- Con respecto a la informacin del problema anterior, se realiz otra prueba estadstica con
20 muestras arrojando como resultado; media = 8.89 y desviacin estndar 3. Determine la
prueba de hiptesis.
3.- Con los datos del ejercicio 2 determine el valor de P.
4.- Una cadena de tiendas de descuento expide su propia tarjeta de crdito. El gerente de esta
funcin desea averiguar si el saldo insoluto (sin pagar) medio mensual es mayor que $ 400.
El nivel de significancia se fija en 0.05. Una revisin aleatoria de 172 saldos insolutos
revel que la media muestral es $407, y que la desviacin estndar de la muestra vale $ 38.
Debera concluir el funcionamiento de crdito que la media poblacional es mayor que $
400, o bien es razonable suponer que la diferencia de $7 (obtenida de $407 - $400 = $7) se
debe al azar? Cul es el valor de P?
5.- La industria de muebles Arte Moderno produce un conjunto de muebles de madera. La
produccin semanal de juego de comedor, se distribuye normalmente, con una media de
200 y una desviacin estndar de 16. Recientemente, debido a la expansin del mercado,
se han introducido nuevos mtodos de produccin y se han contratado ms empleados. El
promotor quisiera saber si ha habido un cambio total en la produccin semanal de juego de
comedor. Para ello se plantea un nivel de significancia de 0.01, muestra de 50 y una media
de 203.5.
6.- Tomando el ejercicio 5, y si n = 25 y S = 9, cual es la variacin del resultado.
7.- Suponga que en la prxima temporada 2 empresas, para seguir en el mercado, deben
absorber al menos 35% de los consumidores. La empresa A est interesada en evaluar la
oportunidad que tiene de lograr posicionarse, y planea la realizacin de una encuesta que
incluya 2,000 consumidores a nivel regional. Cul es la probabilidad de posicionamiento
de la empresa A, considerando un nivel de riesgo 0.05 y que en una investigacin muestral
760 dijeron ser consumidores de la empresa A? Cul es el varo de P?
UNIDAD II
= 30
= 0.01
X
=?
S=?
ii) Clculo de X y S:
ii) X =
X I 28 ... 30
=
= 29.5
10
n
( X i X ) 2
= 1.78
n 1
iv) = 0.01
,
= 0.005 (nivel de significancia)
2
iii) S =
tc =
X o
S
n 1
tt = tn-1, /2
tc = 291.5,78 30
= - 0.84
t9, = 0.005
3.25
v) Regla de decisin:
2) Una Fbrica de aguas gaseosas asegura que la botella tamao personal contiene 500ml. Los
estudiantes de la Escuela de Formacin Profesional de Administracin de Empresas analizan
una muestra de 25 botellas y encuentran un contenido medio de 450 ml. con una desviacin
estndar de 100ml. Rechazara Ud. la afirmacin de la Fbrica de aguas gaseosas? Use un
nivel de significancia de 0.05.
SOLUCIN
i) Datos:
= 500
X = 450
S = 100
n = 25
= 0.05
ii) Planteamiento de hiptesis
H: 1 = 2; Las botellas tamao personal contiene 500ml.
Ha: 1 2; Las botellas tamao personal contiene 450ml
La prueba es de una sola cola, ya que slo interesa determinar aceptar o rechazar la
afirmacin del fabricante. La desigualdad de la hiptesis alternativa hacia la regin de
rechazo en la cola izquierda de la distribucin.
iii) Calculando t:
tc =
X o
S
n 1
tt = tn-1, /2
t24, = 0.025
2.0639
tc = -2.45
= 500
tt = - 1.711
500
tc = 450100
24
= - 2.45
v) Estrategias de decisin:
Cuando:
na = nb = 20
a = 60
b = 68
a = 10
b = 8
a = 0.10
b = 0.05
ii) Planteamiento de hiptesis
H: 1 2;
Ha:
1 = 2;
La hiptesis alternativa no indica ninguna direccin, por lo que se trata de una prueba
de dos colas.
iii) Calculando tc:
tc =
a b
na
tc =
b
nb
60 68
10 2 8 2
20 20
2.794
tc = -2.794
tt = 1.73
v) Estrategias de decisin:
Como tc (-2.794 < tt (2.09) se acepta la H y se rechaza la Ha; es decir, que no
existe diferencia entre las medias de evaluacin de desempeo laboral en las
instituciones investigadas.
b)
i) Datos: (Idem)
ii) Planteamiento de hiptesis
1 = 2; No existe ninguna diferencia de desempeo laboral en las dos instituciones
investigadas
Ha: 1 < 2; En la institucin b es mayor el rendimiento laboral promedio.
H:
tc =
a b
na
iv) Determinando t tabla:
tt = t n-1, /2
t19, 0.025
2.09
nb
tc =
b
60 68
10 2 8 2
20 20
2.794
tc = -2.794
tt = 2.09
vi) Estrategias de decisin:
Como tc (-2.794) < tt (2.09) se acepta la H y se rechaza la Ha; es decir, que no
existe diferencia entre las medias de evaluacin de desempeo laboral en las
instituciones investigadas.
4) En un programa de capacitacin se encontr que el tiempo medio que necesitaron 18 mujeres
para aprender fue de 25 horas con una desviacin tpica de 3 horas; mientras que el tiempo
medio de aprendizaje para 15 varones fue de 28 horas, con una desviacin tpica de 4 horas.
Compruebe la hiptesis de que las mujeres aprenden ms rpidamente que los varones, con un
nivel de significancia de 0.01.
i) Datos:
n1 = 18
n2 = 15
1 = 25
2 = 28
21 = 3
22 = 4
= 0.01
ii) Planteamiento de hiptesis
H: 1 = 2; El tiempo promedio de aprendizaje entre las mujeres y varones es igual
Ha: 1 < 2; El tiempo promedio de aprendizaje de las mujeres es ms rpido que de los
varones.
iii) Calculando tc:
tc =
a b
na
iv) Determinando
nb
tc =
b
25 28
32 4 2
18 15
2.40
t tabla:
v) Estrategias de decisin:
tc = -2.40
tt = 2.7440
La prueba chi-cuadrado es una forma de contrastes de hiptesis que sirve para comprobar
afirmaciones acerca de las funciones de probabilidad (o densidad) de una o dos variables aleatorias.
Esta prueba no pertenece propiamente a la estadstica paramtrica pues no establecen suposiciones
restrictivas en cuanto al tipo de variables que admiten, ni en lo que refiere a su distribucin de
probabilidad ni en los valores y/o el conocimiento de sus parmetros.
Se aplica bsicamente cuando queremos averiguar si dos variables (o dos vas de clasificacin) son
independientes estadsticamente o cuando queremos comprobar la independencia de frecuencias entre
dos variables aleatorias, X e Y.
Las hiptesis contrastadas en la prueba son:
Hiptesis nula: X e Y son dependientes o influyentes.
Hiptesis alternativa: X e Y no son dependientes o influyentes
La regla de decisin:
S: C2 Calculada es > que t2 Tabla, se acepta la A o se rechaza la O
S: C2 Calculada es < que t2 Tabla, se acepta la O o se rechaza la A
Ejemplo:
1) En un test de desempeo laboral, con opciones de respuesta, de
falso o verdadero, un trabajador contest correctamente 60
preguntas de un total de 100. Si se desea probar que el trabajador
conoca la materia examinada. Cmo se planteara las hiptesis?
El trabajador habra contestado sin saber la materia? Tomar la
decisin usando un nivel de significancia de 0.05.
SOLUCIN
a) Sin aplicar la correccin:
i) Planteamiento de hiptesis
Ha: El trabajador contest sin saber la materia
Ho: El trabajador respondi sabiendo la materia
O
(O - E)
(O - E)
(O - E)/E
Correctas
60
50
10
100
incorrectas
40
50
-10
100
2
4
=4
2
C
221 ,0.05
12 ,0.05
t2 (tabla)
0.05
3.841
C2 = t2 , Se acepta la Ha
C2 < t2 , Se rechaza la Ha
C2 > t2 , Se acepta la Ha
Respuesta al caso:
2n1 ,
(O - E)
Correctas
60
50
10
90.5
1.81
incorrectas
40
50
-10
90.5
1.81
3.62
= 3.62
2
C
i) Calculando t2 (tabla); t2
221 ,0.05
2n1 ,
12 ,0.05
t2 (tabla)
0.05
3.841
ED
MD
LEYENDA:
HD
=
NHD =
MA
=
A
=
I
=
ED
=
MD
=
Hay dependencia
No hay dependencia
Muy de acuerdo
Acuerdo
Indiferente
En desacuerdo
Muy en desacuerdo
SOLUCIN
a) Planteamiento de hiptesis
= Existe relacin independiente entre la motivacin intrnseca y la remuneracin, para
buen desempeo laboral de los trabajadores de la Universidad Nacional de San Cristbal de
Huamanga.
MA
ED
Hay
dependencia
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
-.-
No hay
dependencia
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
MD
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
IIIIIIIIII
MA
10
40
50
A
20
10
30
I
10
10
20
ED
-.30
30
MD
40
70
110
TOTAL
80
160
240
MA
16.67
33.33
Hay dependencia
No hay dependencia
A
10
20
I
6.67
13.3
ED
10
20
MD
36.67
73.3
PRIMERA FILA:
Celda (1,1) =
50 x80
16.67 ,
240
Celda (1.3) =
20 x80
6.67 ,
240
Celda (1.5) =
110 x80
36.67
240
Celda (1,2) =
Celda (1.4) =
30 x80
10
240
30 x80
10
240
SEGUNDA FILA:
Celda (2,1) =
50 x160
33.33 ,
240
Celda (2,2) =
30 x160
20
240
Celda (2.3) =
20 x160
13.33 ,
240
Celda (2.4) =
30 x160
20
240
Celda (2.5) =
110 x160
73.33
240
(O - E)
(O - E)
(O - E)/E
HD MA
10
16.67
-6.67
44.49
2.67
HD A
20
10
10
100
10
HD I
10
6.67
3.33
11.09
1.66
HD ED
10
-10
100
10
HD MD
40
36.67
3.33
11.09
0.30
NHD MA
40
33.33
6.67
44.49
1.33
NHD A
10
20
-10
100
NHD I
10
13.33
-3.33
11.09
0.90
NHD ED
30
20
10
100
NHD MD
70
73.33
-3.33
11.09
0.15
37.01
C2 = 37.01
CALCULANDO t2 (tabla)
Grado de libertad:
t2 = 24 , 0.05 = 9.488
e) Resultado y decisin:
0.05
= 0.025, 4 grados de libertad
2
Regin de aceptacin
Regin de rechazo
9.488
37.01
ANEXO N 03
MATRIZ DE CONSISTENCIA
INFLUENCIA DE CLIMA LABORAL EN LA INTELIGENCIA EMOCIONAL DE LOS TRABAJADORES EN LAS INSTITUCIONES PBLICAS DE AYACUCHO
Tipo de Investigacin: Aplicada Nivel de Investigacin: Descriptivo Correlacional
Diseo de Investigacin: Descriptivo
PROBLEMA
OBJETIVOS
HIPTESIS
PROBLEMA GENERAL
GENERAL
HIPOTESIS GENERAL
Sistematizar
los
aspectos
relevantes del clima laboral que
influyen en la
inteligencia
emocional de los trabajadores
nombrados y contratados por
servicios personales en las
Instituciones Pblicas de la
ciudad de Ayacucho
El
clima
laboral
influye
significativamente en la inteligencia
emocional de los trabajadores
nombrados y contratados por
servicios
personales
en
las
instituciones pblicas de la ciudad
de Ayacucho.
a)
De qu manera la
cualidad directiva influye
en
la
integridad
aplicada?
ESPECFICOS
a) Analizar la influencia de la
cualidad directiva en la
integridad aplicada.
b) Explicar la influencia de las
polticas
profesional
b)
c)
d)
De qu modo las
polticas
de
carrera
profesional influye en el
conocimiento
emocional?
En qu medida el
trabajo en equipo influye
en la aptitud emocional?
De qu forma las
caractersticas de los
recursos
tangibles
influye en la profundidad
emocional?
e) En qu medida las
polticas de prestaciones
sociales influye en la
alquimia emocional?
de
en
profesional
influye
evidentemente
en
el
conocimiento emocional.
el
conocimiento emocional.
c) Determinar la influencia de
trabajo en equipo en la
aptitud emocional.
d) Establecer la influencia de
las caractersticas de los
recursos tangibles en la
profundidad emocional.
e) Verificar la influencia de las
polticas de prestaciones
sociales en la alquimia
emocional.
CLIMA LABORAL
CATEGORAS
Desarrollo
INDICADORES:
carrera
MARCO
TERICO
METODOLOGA
UNIVERSO Y MUESTRA
UNIVERSO
VAR. INDEPENDIENTE
(X)
organizacional
HIPOTESIS ESPECIFICOS
PROBLEMAS
ESPECFICOS
VARIABLES,
CATEGORAS E
INDICADORES
VAR. DEPENDIENTE
(Y)
INTELIGENCIA
EMOCIONAL
CATEGORAS
Competencia laboral
CLIMA LABORAL
Conjunto
de
percepciones
globales (constructo personal y
psicolgico) que el individuo
tiene de la organizacin, reflejo
de la interaccin entre ambos;
lo importante es cmo percibe
un sujeto su entorno, sin tener
en cuenta cmo lo percibe
otros; por tanto, es ms una
dimensin del individuo que de
la organizacin.
INTELIGENCIA EMOCIONAL
La inteligencia emocional es la
capacidad
de
comprender
emociones y conducirlas, de tal
manera que podamos utilizarlas
para guiar nuestra conducta y
nuestros
procesos
de
pensamiento, para producir
mejores resultados. Incluye las
habilidades de: percibir, juzgar
y expresar la emocin con
precisin; contactar con los
sentimientos o generarlos para
facilitar la comprensin de uno
mismo o de otra persona;
entender las emociones y el
conocimiento que de ellas se
deriva y regular las mismas
para promover el propio
crecimiento
emocional
e
intelectual.
METODO DE
INVEST.
Descriptivo
Cuanto cualitativas
Inductivo
Deductivo
Anlisis
Sntesis
DISEO DE
INVEST.
Descriptivo
TC. DE INVEST.
Anlisis documental
Encuesta
(1.96) 2 (0.5)(0.5)(4876)
356
(4876)(0.05) 2 (1.96) 2 (0.5)(0.5)
Aplicacin de
confianza de 95% y
INST. DE
INVESTIG.
Formato de fichas
Bibliogrficas
Cuestionario
C2
S:
C2
SOLUCIN
CONTRASTACIN Y CONVALIDACIN DE HIPTESIS
Anlisis y aplicaciones de 2 cuadrada (Tabla de contingencias con nivel de
confianza de 95% y = 0.05) cuyo estadgrafo es:
Para establecer si efectivamente la variable: Clima Laboral influye en la Inteligencia
Emocional de los trabajadores nombrados y contratados por servicios personales en las
Instituciones Pblicas de la Ciudad de Ayacucho, hemos procedido de la siguiente
manera:
A) CUALIDAD DIRECTIVA (X 1 ) E INTEGRIDAD APLICADA (Y 1 )
i) PLANTEAMIENTO DE HIPTESIS:
= La cualidad directiva no influye explcitamente en la integridad
aplicada.
S
Influye
No influye
TOTAL
LEYENDA:
S
=
CS
=
AV
=
MPV
=
N
=
I
=
NI
=
CS
AV
MPV
16
21
91
103
46
277
17
24
17
13
79
24
38
115
120
59
356
Siempre
Casi siempre
A veces
Muy pocas veces
Nunca
Influye
No Influye
24 x 277
18.67 ,
356
TOTAL
Celda (1,2) =
38 x 277
29.57
356
Celda (1.3) =
115 x 277
120 x 277
89.48 , Celda (1.4) =
93.37
356
356
Celda (1.5) =
59 x 277
45.91
356
SEGUNDA FILA:
Celda (2,1) =
24 x79
5.33 ,
356
Celda (2,2) =
38 x79
8.43
356
Celda (2.3) =
115 x79
25.52 ,
356
Celda (2.4) =
120 x79
26.63
356
Celda (2.5) =
59 x79
13.09
356
S
Influye
No influye
CS
AV
MPV
18.67
29.57
89.48
93.37
45.91
5.33
8.43
25.52
26.63
13.09
(O - E)
(O - E)
(O - E)/E
SI
16
18.67
-2.67
7.13
0.38
CS I
21
29.57
-8.57
73.44
2.48
AV I
91
89.48
1.52
2.31
0.03
MPV I
103
93.37
9.63
92.74
0.99
NI
46
45.91
0.09
0.01
0.00
S NI
5.33
2.67
7.13
1.34
CS NI
17
8.43
8.57
73.44
8.71
AV NI
24
25.52
-1.52
2.31
0.09
MPV NI
17
26.63
-9.63
92.74
3.48
N NI
13
13.09
-0.09
0.01
0.00
17.51
: Calculada = 17.51
2
C
CALCULANDO t2 (tabla)
a) Grado de libertad:
b) t2 = 24 , 0.05 = 9.488
v) RESULTADO Y DECISIN:
Regin de rechazo
0.05
= 0.025, 4 grados de libertad
2
Regin de aceptacin
9.488
17.51
conocimiento emocional.
CS
AV
MPV
TOTAL
Influye
14
26
84
102
46
272
No influye
19
26
18
15
84
TOTAL
20
45
110
120
61
356
S
Influye
No influye
CS
AV
MPV
15.28
34.38
84.04
91.69
46.61
4.72
10.62
25.96
28.31
14.39
iv) TABULACIN DE O Y E:
O
(O - E)
(O - E)
(O - E)/E
SI
14
15.28
-1.28
1.64
0.11
CS I
26
34.38
-8.38
70.22
2.04
AV I
84
84.04
-0.04
0.00
0.00
MPV I
102
91.69
10.31
106.30
1.16
NI
46
46.61
-0.61
0.37
0.01
S NI
4.72
1.28
1.64
0.35
CS NI
19
10.62
8.38
70.22
6.61
AV NI
26
25.96
0.04
0.00
0.00
MPV NI
18
28.31
-10.31
106.30
3.75
N NI
15
14.39
0.61
0.37
0.03
14.06
C2 : Calculada = 14.06
CALCULANDO t2 (tabla)
a) Grado de libertad:
b) t2 = 24 , 0.05 = 9.488
v) RESULTADO Y DECISIN:
Regin de rechazo
0.05
= 0.025, 4 grados de libertad
2
Regin de aceptacin
9.488
14.06
7.519
.488
CS
AV
MPV
Influye
11
18
98
120
22
TOTAL
269
No influye
13
14
19
24
17
87
TOTAL
24
32
117
144
39
356
S
Influye
No influye
CS
AV
MPV
18.13
24.18
88.41
108.81
29.47
5.87
7.82
28.59
35.19
9.53
iv) TABULACIN DE O Y E:
(O - E)
(O - E)
(O - E)/E
SI
11
18.13
-7.13
50.84
2.80
CS I
18
24.18
-6.18
38.19
1.58
AV I
98
88.41
9.59
91.97
1.04
MPV I
120
108.81
11.19
125.22
1.15
NI
22
29.47
-7.47
55.80
1.89
S NI
13
5.87
7.13
50.84
8.66
CS NI
14
7.82
6.18
38.19
4.88
AV NI
19
28.59
-9.59
91.97
3.22
MPV NI
24
35.19
-11.19
125.22
3.56
N NI
17
9.53
7.47
55.80
5.86
34.64
C2 : Calculada = 34.64
CALCULANDO t2 (tabla)
a) Grado de libertad: (Qf = 2) (Qc = 5) = (2 - 1) (5- 1) = 4
b) t2 = 24 , 0.05 = 9.488
v) RESULTADO Y DECISIN:
Regin de rechazo
0.05
= 0.025, 4 grados de libertad
2
Regin de aceptacin
9.488
34.64
14.06
>7.519
( 2 TABLA
.488 t
= 9.488)
SE ACEPTA LA
la profundidad emocional.
CS
AV
MPV
TOTAL
Influye
25
75
103
14
223
No influye
17
33
29
36
18
133
TOTAL
23
58
104
139
32
356
Influye
No influye
CS
AV
MPV
14.41
36.33
65.15
87.07
20.04
8.59
21.67
38.85
51.93
11.96
iv) TABULACIN DE O Y E:
O
(O E)
(O - E)
(O - E)/E
SI
14.41
-8.41
70.73
4.91
CS I
25
36.33
-11.33
128.37
3.53
AV I
75
65.15
9.85
97.02
1.49
MPV I
103
87.07
15.93
253.76
2.91
NI
14
20.04
-6.04
36.48
1.82
S NI
17
8.59
8.41
70.73
8.23
CS NI
33
21.67
11.33
128.37
5.92
AV NI
29
38.85
-9.85
97.02
2.50
MPV NI
36
51.93
-15.93
253.76
4.89
N NI
18
11.96
6.04
36.48
3.05
39.26
C2 : Calculada = 39.26
CALCULANDO t2 (tabla)
a) Grado de libertad: (Qf = 2) (Qc = 5) = (2 - 1) (5- 1) = 4
b) t2 = 24 , 0.005 = 9.488
v) RESULTADO Y DECISIN:
Regin de rechazo
0.05
= 0.025, 4 grados de libertad
2
Regin de aceptacin
9.488
39.26
34.64
14.06
2
( t TABLA
7.519 =
.488
9.488)
alquimia emocional.
CS
AV
MPV
TOTAL
Influye
22
29
86
98
18
253
No influye
16
27
23
26
11
103
38
56
109
124
29
356
TOTAL
27.01
10.99
CS
AV
39.80
16.20
77.46
31.54
MPV
88.12
35.88
N
20.61
8.39
iv) TABULACIN DE O Y E:
O
(O - E)
(O - E)
(O - E)/E
22
27.01
-5.01
25.10
0.93
CS I
29
39.8
-10.8
116.64
2.93
AV I
86
77.46
8.54
72.93
0.94
MPV I
98
88.12
9.88
97.61
1.11
NI
18
20.61
-2.61
6.81
0.33
S NI
16
10.99
5.01
25.10
2.28
CS NI
27
16.2
10.8
116.64
7.20
AV NI
23
31.54
-8.54
72.93
2.31
MPV NI
26
35.88
-9.88
97.61
2.72
N NI
11
8.39
2.61
6.81
0.81
SI
21.57
C2 : Calculada = 21.57
CALCULANDO t2 (tabla)
a) Grado de libertad:
(Qf = 2) (Qc = 5) = (2 - 1) (5 - 1) = 4
b) t2 = 24 , 4, 0.005 = 9.488
v) RESULTADO Y DECISIN:
Regin de rechazo
0.05
= 0.025, 4 grados de libertad
2
Regin de aceptacin
9.488
21.57
39.26
34.64
2
2
Cmo ( C CALCULADO = 21.57) > ( t TABLA
14.06= 9.488)
7.519
.488 prestaciones
SE ACEPTA LA ; Es decir, las polticas de
sociales
2
29
33
34
31
3
49
47
4
40
38
42
39
41
5
50
46
49
SOLUCIN
i) DATOS:
a = Existen 5 tratamientos
N = n1 n2 n3 n4 n5
i) Procedimientos de clculo
t=y
2
ij
A = ( y12j
CF = ( yij ) 2 / n
Leyenda:
t = Tratamiento
A = Total tratamiento
CF = Factor de correccin
a) Sumar las columnas
1
37
40
46
2
29
33
34
31
3
49
47
123
127
96
4
40
38
42
39
41
200
5
50
46
49
145
691
t = ( 37
40 2 46 2 29 2 33 2 34 2 + 49 2 ) = 28,769
A = ( 123
2
4
5
3
3
2
CF = (691) = 28,087.12
17
c) Planteamiento de hiptesis
d) Fuente de Varianza:
Grado de
Suma de cuadrados
libertad
(S:C)
(G.L.)
tratamientos
Cuadrado
medio
Calculada
(CM)
(Fc)
(a-1)
(A-CF)
604.46/4 =
(5-1) = 4
28691.58 -28087.12 =
151.115
151.115/6.452 =
23.42
604.46
Dentro de
(N-a)
(T A)
77.42/12 =
tratamientos
(17-5) = 12
6.452
f C = 23.42
f t (tabla) =
ft =
f ( a 1), ( N a )
f 0.05,(514),(17512)
f t (tabla)
12
4
3.26
a) Estrategia de decisin
Cuando: f C > f t , Se acepta la HA y se rechaza la H
Cuando: f C < f t , Se acepta la H0 y rechaza la HA
RESPUESTA:
Como: f C (23.42) > f t (3.26), Se acepta la HA y se rechaza la H, es
decir, que si existe diferencia en los mtodos de capacitacin y los
puntajes.
Ejemplo 2
Se desea comparar a tres mdicos en relacin con la duracin del internado de sus
pacientes que se sometieron a cierto procedimiento quirrgico menor sin
complicaciones. Se seleccion una muestra de 8 pacientes para cada mdico y se
observaron los tiempos de hospitalizacin despus de la intervencin.
Mdicos
A
4
5
5
4
6
6
4
5
B
4
5
4
3
4
5
3
3
C
5
3
3
3
3
3
4
5
SOLUCIN
i) DATOS:
N=8
= 0.01
a=3
ii) Sumatoria de columnas y filas pertinentes
ij
Y ij2
2
(
Y
ij)
A
4
5
5
4
6
6
4
5
39
195
1521
B
4
5
4
3
4
5
3
3
31
125
961
C
5
3
3
3
3
3
4
5
29
111
841
99
431
3323
S.C = T = 431
A = 3323/8 = 415.375
CF = (99)2 /8 x 3 = 408.375
Grado de
Suma de
libertad
cuadrados
(G.L.)
(S:C)
(A-CF) = 7
7/2 = 3.5
21
(T A) = 15.625
15.625/21 = 0.744
Fuente de varianza
tratamientos
Dentro de
tratamientos
Cuadrado medio
(CM)
F
Calculada
(Fc)
3.5/0.744 = 4.704
f C = 4.704
f t (tabla) =
ft =
f ( a1), a ( n1)
f 0.01,(312), 3(8121)
f t (tabla)
15
6.36
v) Estrategia de decisin
Como: f C (4.704) < f t (5.78), Se acepta la H0 y se rechaza la HA, es decir,
no existe diferencia entre la conclusin de los mdicos, como se puede
decir tambin, los 3 mdicos son iguales.
Ejemplo 1
Se quiere saber si existe influencia del grupo en el rendimiento de exmenes; primer
examen individual y segundo examen en grupo.
1er. Examen
15.5
9.5
18.0
18.6
16.7
8.8
9.5
14.5
15.2
14.4
11.2
9.5
11.8
12.0
14.0
10.5
8.2
15.0
12.0
13.8
14.8
2do Examen
14.5
15.0
14.5
15.0
14.5
14.5
14.5
14.5
15.0
14.5
15.0
15.0
14.5
15.0
14.5
15.0
14.5
15.0
15.0
15.0
15.0
15.0
17.8
18.5
15.0
15.0
15.0
SOLUCIN
i) Determinacin de signos:
1er. Examen
15.5
9.5
18.0
18.6
16.7
8.8
9.5
14.5
15.2
14.4
11.2
9.5
11.8
12.0
14.0
10.5
8.2
15.0
12.0
13.8
14.8
15.0
17.8
18.5
2do Examen
14.5
15.0
14.5
15.0
14.5
14.5
14.5
14.5
15.0
14.5
15.0
15.0
14.5
15.0
14.5
15.0
14.5
15.0
15.0
15.0
15.0
15.0
15.0
15.0
Prueba de signos
+
+
+
0
+
+
+
+
+
+
+
+
0
+
+
+
0
-
ii) Datos:
n = 24 (3 ceros) = 21
(+) = 14
(-) = 7
Probabilidad que sea (+) o negativo (-):
p = 0.5
q = 0.5
Xi = q de (+) (-0.5) = 14 0.5 = 13.5
iii) Planteamiento de hiptesis:
: No existe influencia del grupo en las calificaciones
np
21x0.5 10.5
npq
21x0.5x0.5 2.29
xi
13.5 10.5
1.31
2.29
t (1 ) / 2
v) Estrategia de decisin
Ejemplo 2
Para evaluar dos entidades bancarias de la ciudad de Ayacucho, se seleccionaron al
azar 17 usuarios, a stos se les solicit que califiquen con valores de 1 y 2; 1 si no es
de su preferencia y 2 si es de su preferencia. A continuacin se presentan los
resultados de la opinin de los usuarios en forma de rango:
Usuarios
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Banco A
2
2
1
2
2
1
2
2
1
2
1
1
2
1
2
2
2
Banco B
1
1
2
1
2
2
1
1
2
1
2
2
1
2
1
1
1
SOLUCIN
a. Probar que la preferencia es la misma para ambos Bancos con un nivel de
significancia de 0.01
Usuarios
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Banco A
2
2
1
2
2
1
2
2
1
2
1
1
2
1
2
2
2
Banco B
1
1
2
1
2
2
1
1
2
1
2
2
1
2
1
1
1
i) Datos:
n = 17 (1 cero) = 16
(+) = 6
(-) = 10
p = 0.5
q = 0.5
iii)
Indicadores a calcular
np
16 x0.5 8.0
Signos
+
0
+
+
+
+
+
-
npq
c
16 x0.5x0.5 2.0
xi
t (1 ) / 2
5.5. 8
1.25
2.0
Banco A
2
2
1
2
2
1
2
2
1
2
1
1
2
1
2
2
2
Banco B
1
1
2
1
2
2
1
1
2
1
2
2
1
2
1
1
1
np
16 x0.5 8.0
Signos
+
+
+
0
+
+
+
+
+
+
+
npq
c
xi
t (1 ) / 2
16 x0.5x0.5 2.0
c
9.5. 8
0.75
2.0
Estrategia de decisin
Como: Z C (0.75) < Z t (2.33), Se acepta la H0 y se rechaza la HA, es decir,
la preferencia es la misma para ambos Bancos.
Prueba de dos colas: No se sabe en que direccin se pueden dar las diferencias.
Prueba de una cola: Si sabemos en que direccin estn las diferencias.
Pasos:
1. Arreglar las observaciones pareadas y obtener las diferencias de cada pareja.
2. Arreglar las diferencias en funcin de rangos como valores absolutos, sin importar
el signo, pero de manera que los rangos conserven el signo correspondiente a la
diferencia.
3. Obtener la sumatoria de los rangos cuyo signo es el menos frecuente, por ejemplo:
si el signo es +, se considerar para efectuar sumatorias; sin embargo, la sumatoria
mencionada finalmente pierde el signo.
4. Si se trata de muestras pequeas, comparar el valor obtenido con los valores
crticos de la tabla de Wilcoxon.
5. Distribuir las muestras mayores que 25 bajo la curva normal y, por tanto, calcular
el valor Z, en referencia al cual se debe consultar la probabilidad de diferir con
respecto al promedio en la tabla de probabilidades asociadas.
6. Decidir si se acepta o rechaza la hiptesis.
Ejemplo 1
Se quiere saber, si existe influencia del grupo en el rendimiento exmenes, con =
0.01
1er. Examen
15.5
9.5
18.0
18.6
16.7
8.8
9.5
14.5
15.2
14.4
11.2
9.5
11.8
12.0
14.0
10.5
8.2
15.0
12.0
13.8
14.8
15.0
17.8
18.5
2do Examen
14.5
15.0
14.5
15.0
14.5
14.5
14.5
14.5
15.0
14.5
15.0
15.0
14.5
15.0
14.5
15.0
14.5
15.0
15.0
15.0
15.0
15.0
15.0
15.0
SOLUCIN
2do
Examen
14.5
15.0
14.5
15.0
14.5
14.5
14.5
14.5
15.0
14.5
15.0
15.0
14.5
15.0
14.5
15.0
14.5
15.0
15.0
15.0
15.0
15.0
15.0
15.0
Prueba de
Signos
+
+
+
0
+
+
+
+
+
+
+
+
0
+
+
+
0
-
|s|
Rangueo
1
5.5
3.5
3.6
2.2
5.7
5.0
0.0
0.2
0.1
3.8
5.5
2.7
3.0
0.5
4.5
6.3
0.0
3.0
1.2
0.2
0.0
2.8
3.5
-5
18.5
- 12.5
- 14
-7
20
17
-.- 2.5
1
15
18.5
8
10.5
4
16
21
-.10.5
6
2.5
-.-9
- 12.5
v) Clculo de indicadores:
n = 21
(-) = 7
(+) = 14
vi) Determinado:
tC
tt
t 0.01, 21
t t (tabla)
21
0.01
43
Media: ET =
Gt =
Zc =
n(n 1)
4
ET =
n(n 1)(2n 1)
24
Gt =
t c ET
Gt
Zc =
21(21 1)
115.5
4
21(21 1)(2 * 21 1)
24
= 28.77
62.5 115.5
= - 1.84 = 1.84
28.77
Decisin:
Como: Z C (1.84) > Z t (2.33), Se acepta la HA y se rechaza la HO, es decir,
existe influencia del grupo en las calificaciones.
Ejemplo 2
Se imparte un curso de redaccin a 22 secretarias, en primera clase se aplic una
prueba de entrada que mide la capacidad para redactar. Despus de 6 semanas de
clase se aplica una segunda prueba. Se quiere saber si el curso ayud a mejorar la
capacidad de redaccin de las secretarias. Use = 0.01.
1er.
Examen
72
70
68
67
73
71
72
70
69
70
68
72
69
66
73
71
70
72
2do
Examen
74
72
69
68
72
73
72
74
68
73
69
70
68
69
74
73
70
74
70
69
72
73
68
71
75
76
SOLUCIN
i) Determinacin de signos rango:
1er.
Examen
72
70
68
67
73
71
72
70
69
70
68
72
69
66
73
71
70
72
70
69
72
73
2do
Examen
74
72
69
68
72
73
72
74
68
73
69
70
68
69
74
73
70
74
68
71
75
76
Prueba de
Signos
+
+
+
+
+
0
+
+
+
+
+
+
0
+
+
+
+
|s|
2
2
1
1
1
2
0
4
1
3
1
2
1
3
1
2
0
2
2
2
3
3
Rangueo
11.5
11.5
4
4
-4
11.5
-.20
-4
17.5
4
-11.5
-4
17.5
4
11.5
-.11.5
-11.5
11.5
17.5
17.5
tC
tt
tt =
t 0.01, 20
t t (tabla)
20
0.01
38
v) Estrategia de decisin
Como:
Pasos.
1. Arreglar las frecuencias observadas en una tabla de contingencia 2 X 2.
+ Muestra I A B
Muestra II C D
2. Obtener los totales de las hileras (A + B) y (C + D) y de las columnas: (A + C) y
(B + D), as como el gran total (GT).
3. Obtener los valores factoriales de los totales de hileras y columnas y despus
multiplicarlos.
4. Calcular los factoriales del gran total y multiplicar ste por todos los factoriales de
cada casilla de la tabla de contingencia.
5. Dividir el primer valor de producto de factoriales entre el segundo. Este resultado
es la probabilidad exacta de Fischer y Yates.
6. Decidir si se acepta o rechaza la hiptesis, en funcin de la probabilidad.
Ejemplo 1
Un investigador rene una muestra de 15 sujetos con problemas de obesidad. Elige al
azar a 7 pacientes para ensayar una nueva tcnica teraputica para bajar de peso, y a
los 8 restantes les aplica una tcnica usada regularmente para el mismo efecto.
Planteamiento de la hiptesis.
Hiptesis alterna (Ha). Existe mayor frecuencia de perder peso al aplicar la nueva
tcnica teraputica, en comparacin con lo observado al aplicar una tcnica usada
regularmente.
Hiptesis nula (Ho). Las diferencias observadas en las dos tcnicas teraputicas se
deben al azar.
Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza
Ho.
Zona de rechazo
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Mdicos
A
4
5
5
4
6
6
4
5
B
4
5
4
3
4
5
3
3
C
5
3
3
3
3
3
4
5
SOLUCIN
vi) DATOS:
N=8
= 0.01
a=3
vii) Sumatoria de columnas y filas pertinentes
A
4
5
5
4
6
6
4
5
B
4
5
4
3
4
5
3
3
C
5
3
3
3
3
3
4
5
39
195
1521
ij
Y ij2
2
(
Y
ij)
31
125
961
29
111
841
99
431
3323
Suma de cuadrados
Cuadrado medio
(S:C)
(CM)
(A-CF) = 7
7/2 = 3.5
21
(T A) = 15.625
15.625/21 = 0.744
libertad
(G.L.)
tratamientos
Dentro de
tratamientos
F
Calculada
(Fc)
3.5/0.744 = 4.704
f C = 4.704
f t (tabla) =
ft =
f ( a1), a ( n1)
f 0.01,(312), 3(8121)
f t (tabla)
21
5.78
x) Estrategia de decisin
Como: f C (4.704) < f t (5.78), Se acepta la H0 y se rechaza la HA, es decir,
no existe diferencia entre la conclusin de los mdicos, como se puede
decir tambin, los 3 mdicos son iguales.
Pasos:
1. Determinar el tamao de las muestras (n1 y n2). Si n1 y n2 son menores que 20, se
consideran muestras pequeas, pero si son mayores que 20, se consideran
muestras grandes.
2. Arreglar los datos en rangos del menor al mayor valor. En caso de que existan
ligas o empates de rangos iguales, se debern detectar para un ajuste posterior.
3. Calcular los valores de U1 y U2, de modo que se elija el ms pequeo para
comparar con los crticos de U Mann-Whitney de la tabla de probabilidades
asociadas con valores pequeos como los de U en la prueba de Mann-Whitney.
4. En caso de muestras grandes, calcular el valor Z, pues en estas condiciones se
distribuye normalmente.
5. Decidir si se acepta o rechaza la hiptesis.
Ejemplo 1: Para muestras pequeas:
Despus de un programa de capacitacin a 9 funcionarios de la Municipalidad
Provincial de Huamanga por 2 mtodos diferentes, se obtuve el siguiente resultado:
Mtodo A
Mtodo B
16
16
18
12
5
15
6
4
12
3
15
11
12
8
14
15
11
14
Ha: 1
6.5 9
11 12
8 11
5 6.5
3 (1) = 1
4 (1) = 2
5 (1) = 3
6 (1) = 4
8 (1) = 5
11 (2) = 6 +7 = 13/2 = 6.5
12 (3) = 8 +9 +10 = 27/3 = 9
14 (2) = 11 + 12 = 23/2 = 11.5
15 (3) = 13 +14 +15 =42/3 = 14
16 (2) = 16+17 = 33/2 = 16.5
18 (1) = 18
iii)Calculando Uc
U1 = n1n2 +
n1 (n1 1)
9(9 1)
R1 = 9*9 +
91.5 = 34.5 (escogido *)
2
2
U1 = n1n2 +
n2 (n2 1)
9(9 1)
79.5 = 46.5
R2 = 9*9 +
2
2
(*Para comparar con Ut se escoge el que arroje menor valor como resultado)
iv) Calculando U,n1, n2 : (Tabla A5iv)
U,n1,n2 = U0.05, 9,9 = 17
v) Estrategia de decisin
Uc U Se acepta la Ha (Para todo valor de probabilidad () igual o menor que 0.05, es
decir, se acepta Ha y se rechaza Ho.
Ejemplo 2:
Un experimentador utiliza dos mtodos para ensear a leer a un grupo de 10 nios de
6 aos, quienes ingresan por primera vez a la escuela. El experimentador quiere
demostrar que el procedimiento ideado por l es ms efectivo que el tradicional; para
ello, mide el desempeo en la lectura en funcin de la fluidez, comprensin, anlisis
y sntesis.
El plan experimental preliminar consiste en elegir al azar tanto una muestra de 10
nios como el mtodo por utilizar.
Eleccin de la prueba estadstica. El modelo experimental tiene dos muestras
independientes. Las mediciones revelan que no se satisfacen los requisitos para
utilizar una media aritmtica, en razn de que uno de los valores en cada muestra se
aleja demasiado de las dems; por lo tanto, no corresponde a una escala de intervalo,
de manera que se decide usar una escala ordinal.
Planteamiento de la hiptesis.
Ho: Las diferencias observadas entre las calificaciones de ejecucin de lectura
mediante los dos mtodos se deben al azar.
Ha: Las calificaciones de ejecucin de lectura, segn el mtodo de enseanza del
experimentador son ms altas y diferentes que las observadas en el mtodo
tradicional.
Dos mtodos diferentes aplicados en dos grupos de nios.
Calculamos la U.
15 14 15 15 16 14 17 12 15 12
16 15 15 15 16 14 14
Ha: 1
1.5
12
14
4.5
1.5
12
14
4.5
4.5
14
15
10
4.5
14
15
10
10
15
15
10
10
15
16
15
10
15
16
15
10
15
15
16
= 84
17
17
= 69
Clculo adicional:
12 (2) = 1+2 = 3/2 = 1.5
14 (4) = 3+4+5+6 = 18/4 = 4.5
15 (7) = 7+8+9+10+11+12+13 = 70/7 = 10
16 (3) = 14+15+16 = 45/3 = 15
17 (1) = 17
iii)Calculando Uc
n1 = 7
n2 = 10
U1 = n1n2 +
n1 (n1 1)
10(10 1)
84 = 41
R1 = 10*7 +
2
2
U1 = n1n2 +
n2 (n2 1)
7(7 1)
69 = 29
R2 = 10*7 +
2
2
Hiptesis alterna (Ha). Las calificaciones aportadas por el mtodo reciente, ideado
por el experimentador, son diferentes y con valores ms altos.
Hiptesis nula (Ho). Las diferencias entre las calificaciones dadas por ambos
mtodos se deben al azar.
Poblacin de nios de 6 aos a los cuales se les aplic dos mtodos de enseanza.
Calculamos la U.
Tomando en cuanta los pasos, nos menciona que cuando la muestra es mayor que 25,
se distribuye normalmente, por lo cual se determina el valor Z para conocer la
probabilidad. Esto se calcula como sigue:
Donde:
Z = valor estadstico de la curva normal.
U = cualquier valor de U calculado (ya sea U1 o U2).
= valor promedio de U.
U = desviacin estndar de U.
Calculamos el valor promedio de U ( ):
Para obtener la probabilidad del valor Z de 1.95, se debe consultar la tabla de tamao
de la muestra en funcin de los valores d y buscar la hilera 1.9, en cuya columna 0.05
se localiza el nmero 0.0256, que corresponde a la probabilidad del valor de U con
respecto al promedio. Esto quiere decir que es menor que el nivel de significancia.
Decisin.
A la cifra de Z de 1.95 le corresponde una probabilidad menor que 0.05, por lo cual
se acepta Ha y se rechaza Ho (tabla de probabilidades asociadas en valores extremos
como los de 2 en la distribucin normal).
Interpretacin.
El experimentador, al aumentar su muestra, confirma la investigacin preliminar con
una muestra pequea, con lo cual da a entender que los resultados logrados con el
mtodo ideado por l son diferentes de los obtenidos con el mtodo de enseanza de
lectura tradicional; adems, este ltimo revela calificaciones ms bajas y es menos
efectivo que el otro.
La efectividad del mtodo ideado por el experimentador se traduce en mayor fluidez
de la lectura, mejor comprensin y anlisis y sntesis superior, en razn de que las
calificaciones finales son consecuencia de estas condiciones.
Mtodo
1. Ordenar todos los datos de la muestra de menor a mayor, y asignar al menor un
rango de 1, al segundo un 2, y as hasta el n-simo. Si existen datos que se repiten,
se asigna el rango promedio a cada uno de ellos (si existen cuatro datos idnticos
que ocupan los rangos 11, 12, 13 y 14, se les asigna un rango de 12,5 a los
cuatro).
o
o
es el promedio de rij.
HC =
Rj
12
3( N 1)
N ( N 1) n j
3. Se puede realizar una correccin para los valores repetidos dividiendo K por:
Ejemplo 1
Le empresa maravilla siglo XXI, recluta y contrata personal para su equipo gerencial
en tres universidades diferentes.
Se dispone de las calificaciones de desempeo en muestras independientes de cada
una de las universidades.
Se dispone de calificaciones de 10 aspirantes de la Universidad A, 7 de Universidad
B y 11 de la Universidad de 11.
La calificacin de cada gerente est en escala de 0 a 20. El lmite superior es la
mxima nota.
Universidad A
Copiar la tabla
Universidad B Universidad C
12
12
14
14
15
15
15
15
16
17
14
14
15
15
15
16
16
14
14
15
15
15
16
16
16
17
17
17
UA
12
12
14
14
15
15
15
15
16
17
RANGUEO
1.5
1.5
5.5
5.5
13.5
13.5
13.5
13.5
21.5
26.5
116
UB
14
14
15
15
15
16
16
RANGUEO
5.5
5.5
13.5
13.5
13.5
21.5
21.5
94.5
UC
14
14
15
15
15
16
16
16
17
17
17
RANGUEO
5.5
5.5
13.5
13.5
13.5
21.5
21.5
21.5
26.5
26.5
26.5
195.5
iii) Calculando Hc
n1 = 10
n2 = 7
n3 = 11
N = 28
2
Hc =
Rj
12
3( N 1)
N ( N 1) n j
Hc =
) 3(28 1) 3.09
28(28 1) 10
7
11
v) Estrategia de decisin:
Hc < X 2 Se acepta la HO, y se recha la Ha, es decir, que la 1 = 2 = 3 = = i
son iguales
i no son iguales
Rpta:
Como: Hc (3.09) < X 2 (5.99), Se acepta la HO, y se recha la Ha, es decir, que el
promedio de las notas es igual en las 3 Universidades.
fin de que se pueda predecir el valor de una variable en base a la otra. La variable
que se va predecir se denomina (dependiente) y la variable que es la base de la
prediccin, variable independiente.
La segunda forma del estudio de la asociacin entre las variables X i Y, es
denominada CORRELACIN, que consiste en determinar la variacin conjunta de
las variables, su grado de relacin, y su sentido (positivo o negativo). La medida de
grado de relacin se denomina coeficiente o ndice de correlacin.
X
Causa
Y
Efecto
Variable independiente
Variable dependiente
ESTRATEGIA DE DECISN:
a. Si r se acerca ms a cero (0), no existe relacin o correlacin en la variable
independiente (X) y la variable dependiente (Y).
b. Si r se acerca ms a uno (1), si existe relacin o correlacin en la variable
independiente (X) y la variable dependiente (Y).
Ejemplo 1:
En un estudio de la relacin entre la publicidad por radio y las ventas de un producto,
durante 10 semanas se han recopilado los tiempos de duracin en minutos de la
publicidad por semana (X), y el nmero de artculos vendidos (Y), resultando:
X
20
30
30
40
50
60
60
60
70
80
a)
b)
c)
d)
Y
50
73
69
87
108
128
135
132
148
170
SOLUCIN
a) Trazando el diagrama de dispersin:
1. Buscando el primer punto tcnico de la lnea de regresin:
X
20
30
30
40
50
60
60
60
70
80
X = 500
X
x
Y
x
Y
50
73
69
87
108
128
135
132
148
170
Y = 1100
XY
1000
2190
2070
3480
5400
7680
8100
7920
10360
13600
XY = 61800
X
400
900
900
1600
2500
3600
3600
3600
4900
6400
X = 28400
Y
2500
5329
4761
7569
11664
16384
18225
17424
21904
28900
Y = 134660
X i 20 30 30 40 ... 80 500
10 (para eje X)
n
10
10
nxy (y )(x)
nx 2 (x) 2
x 2 y (x)(xy )
nx 2 (x) 2
10
34,000
10(2840) (500) 2
2
34000
10(28400) (500) 2
Entonces:
Y a bx
110 a 2(50)
110 100 a
a = 10
Y 10 10 x
Y 10 10 X
180
170
160
150
140
130
120
110
90
80
100
70
60
50
40
30
20
10
10
20
30
40
50
60
70
80
90 100
nx
nxy (x)(y )
2
(x) 2 ny 2 (y) 2
(10)(61,800) (500)(1100)
Como r 0.5, entonces existe alta correlacin entre las horas de publicidad (X)
y el nmero de artculos vendidos (Y).
d) El valor estimado de las ventas en la novena semana es:
Y 9 10 2(70) 150
Si en la 9na semana se incrementara el tiempo de publicidad en 5 minutos,
entonces, la venta estimada sera:
S Xi incrementa en k, entonces la frmula es: Yi = bk
S Xi incrementa 5, entonces Yi = 2(5) = 10
RPTA: 150 +10 = 160
Ejemplo 2:
Se supone que se puede establecer cierta relacin lineal entre las exportaciones de un
pas y la produccin interna de dicho pas. En el caso del Per, tenemos los datos
anuales (expresados en millones de soles) para tales variables correspondientes al
quinquenio 2005-2009 en la siguiente tabla:
AOS
2005
PRODUCCIN
52.654
EXPORTACIN
10.420
2006
2007
2008
2009
53,972
57.383
61.829
65.381
11.841
14.443
16.732
18.760
XY
X2
Y2
52.654
10.420
548.654680
2772.443716
108.576400
53,972
11.841
639.082452
2912.976784
140.209281
57.383
14.443
828.782669
3292.808689
208.600249
61.829
16.732
1034.522828
3822.825241
279.959824
65.381
18.760
1226.547560
4274.675161
351.937600
291.219
72.196
4277.532257
17075.72959
1089283354
58.2438
x
n
5
5
Y 10.420 11.841 ... 18.760 72.196
Y i
14.4392
x
n
5
5
x 2 y (x)(xy )
nx 2 (x) 2
(17075.72959)(72.196) (291.219)(4277.532257)
a
12855974.85
5(17075.70604) (291.219) 2
5(4277.532257) (72.196)(291.219)
b
220726.6767
5(17075.72959) (291.219) 2
a
Entonces:
Y a bx
14.4392 a 220726.6767(58.2438
14.4392 12855960.41 a
a = 12855974.84
Y 12855974.84 220726.6767 x
Y 12855974.84 220726.6767 X
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
10
20
30
40
50
60
70
80
90 100
nx
nxy (x)(y )
2
(x) 2 ny 2 (y) 2
(5)(3639146819) (237.301)(72.196)
noesposiblecalular
Ejemplo 3:
En un nuevo proceso artesanal de fabricacin de cierto artculo que est implantado,
se ha considerado que era interesante ir anotando peridicamente el tiempo medio
(medido en minutos) que se utiliza para realizar una pieza (variable Y) y el nmero
de das desde que empez dicho proceso de fabricacin (variable X). Con ello, se
pretende analizar cmo los operarios van adaptndose al nuevo proceso, mejorando
paulatinamente su ritmo de produccin conforme van adquiriendo ms experiencia
10
35
20
28
30
23
40
20
50
18
60
15
70
13
Tiempo (X)
Oferta (Y)
2000
100,000
2001
120,000
2002
140,000
2003
110,000
2004
170,000
2005
150,000
2006
180,000
2007
200,000
2008
210,000
2009
10
200,000
Ejemplo 5
Una compaa de seguros considera que el nmero de vehculos (y) que circulan por
una determinada autopista a ms de 120 km/h , puede ponerse en funcin del nmero
de accidentes (x) que ocurren en ella. Durante 5 das obtuvo los siguientes
resultados:
Accidentes (Xi)
15
18
10
20
Media aritmtica
Varianza
fi
15
Covarianza
2
x.y
25
225
75
18
49
324
126
10
100
20
64
20
81
400
180
24
71
160
1113
409
1. Donde m son las filas (bloques) y n las columnas (tratamientos). Una vez
calculado el orden de cada dato en su bloque, reemplazamos al tabla original con
otra
Ejemplo 1:
Un investigador desea comparar los niveles de memoria en nios de 4, 6, 8, 10 y 12
aos despus de 3 diferentes tratamientos.
Eleccin de la prueba estadstica
El modelo experimental tiene tres o ms muestras dependientes.
Planteamiento de la hiptesis.
UNIDAD III
MODELOS PROBABILSTICOS IMPORTANTES
0
1
2
3
4
6
15
8
12
30
15
10
= 0.1667
= 0.0889
= 0.1333
= 0.3333
= 0.1667
= 0.1111
1.0000
n = nmero de valores
asumir la variable
E(x) = = Xf(x)
X
f(x)
E(x) = = Xf(x)
0
1
2
3
4
6
15/90
8/90
12/90
30/90
15/90
10/90
= 0.1667
= 0.0889
= 0.1333
= 0.3333
= 0.1667
= 0.1111
1.0
0.0000
0.0889
0.2667
0.9999
0.6668
0.6666
2.6889
Rpta:
i) 2.6889 muebles por vender diariamente
ii) 2.6889 x 30 das mes = 80.967 muebles a vender mensualmente
b.2 Varianza.- Es un promedio ponderado de las desviaciones de una
variable aleatoria respecto a su promedio, elevadas al cuadrado, los
factores de ponderacin son las probabilidades. Variabilidad de un
conjunto de datos.
2
= ( x - ) f(x)
(X -
0 2.6889
1 2.6889
2 2.6889
3 2.6889
4 2.6889
6 2.6889
(x-)
= -2.6889
= -1.6889
= -0.6889
= 0.3111
= 1.3111
= 3.3111
7.2302
2.8524
0.4746
0.0968
1.7190
10.9634
( x - ) f(x)
7.2302 x 0.1667 = 1.2053
2.8524 x 0.0889 = 0.2536
0.4746 x 0.1333 = 0.0633
0.0968 x 0.3333 = 0.0323
1.7190 x 0.1667 = 0.2865
10.9634 x 0. 1111= 1.2180
3.059
= 3.059
SOLUCION
i) Distribucin de probabilidad
Q: socios X
16
20
21
25
das de atencin
5
8
10
7
f(x)
5/30 = 0.1667
8/30 = 0.2667
10/30 = 0.3333
7/30 = 0.2333
1.0000
Rpta:
i) La mayor cantidad de socios que atendera la ventanilla No. 3 es
de 21 socios con una probabilidad de 33.33% en un da
cualquiera.
ii) La menor cantidad de socios que atendera la ventanilla No. 3,
en un da cualquiera del mes es de 16 socios con probabilidad de
16.67%.
ii) Valor esperado = Xf(x)
X
Xf(x)
E(x) = =
f(x)
16
20
21
25
0.1667
0.2667
0.3333
0.2333
2.6672
5.3340
6.9993
5.8325
20.8330
Rpta:
i) 20.8330 socios por atender diariamente
ii) 20.8330 x 30 das mes = 624.99 = 625 socios atendidos
mensualmente
2
(x - )
= -4.8330 23.3579
= -0.8330
0.6939
= 0.1670
0.0279
= 4.1670
17.3639
( x - ) f(x)
23.3579 x 0.1667 = 3.8938
0.6939 x 0.2667 = 0.1851
0.0279 x 0.3333 = 0.0093
17.3639 x 0.2333 = 4.0510
8.1392
= 8.1392
2
das de atencin
2
2
3
2
1
10
f(x)
2/10 = 0.2
2/10 = 0.2
3/10 = 0.3
2/10 = 0.2
1/10 = 0.1
Rpta:
i) La mayor cantidad de cursos que aprobara el promedio de los
estudiantes de EFPAE es 5 cursos con probabilidad de 30%.
ii) Que apruebe menos de 5 cursos es de 40%.
iii) Que apruebe 5 o ms es 60%.
ii) Valor esperado = Xf(x)
X
2
4
5
6
7
E(x) = = Xf(x)
f(x)
0.2
0.2
0.3
0.2
0.1
0.4
0.8
1.5
1.2
0.7
4.6
Rpta:
i) 4.6 Cursos aprobados por semestre
ii) 4.6 x 10 = 46 cursos aprobados en los 10 semestres.
2
iii)Varianza. = ( x - ) f(x)
(X - )
2 4.6
(x-)
= -2.6
6.76
( x - ) f(x)
6.76 x 0.2 =
1.352
4 4.6
5 4.6
6 4.6
7 4.6
= -0.6
= 0.4
= 1.4
= 2.4
0.36
0.16
1.96
5.76
0.36 x 0.2 =
0.16 x 0.3 =
1.96 x 0.2 =
5.76 x 0.1=
0.072
0.048
0.392
0.576
2.44
= 2.44
; S
n
x
F(x) = P (1- p)
x
( n x )
n
; =
x
n!
x!(n X )!
a) Propiedades
1.- El experimento consiste en una sucesin de n intentos o ensayos idnticos
2.- En cada intento o ensayo son posibles dos resultados. A uno llamamos xito y
al otro fracaso.
3.- La probabilidad de un xito, representada por P, no cambia de un intento o
ensayo a otro. En consecuencia, la probabilidad de un fracaso, representada
por 1-P, no cambia de un intento a otro.
4.- Los intentos o ensayos son independientes
Ejemplo 1: Un agente vendedor sin experiencia, visitar un da cualquiera de la
prxima semana a 10 hogares para ofrecer un producto. Su preocupacin
es vender en todos los hogares visitados. Supongamos que le interesa la
cantidad de ventas en los 10 hogares. Tiene este experimento las
propiedades de un experimento binomial? Cul es la variable aleatoria
de inters?
SOLUCION
1.- El experimento consiste en 10 intentos (visitas) idnticos, y cada
intento implica ofrecer el producto en un hogar.
2.- Son posibles dos resultados para cada intento: vender o no vender.
Podemos asignar que vender el producto es un xito y no vender el
producto un fracaso.
3.- La probabilidad de vender y probabilidad de no vender son iguales
para cada intento, siendo P = 0.5 y 1-P = 0.5
4.- Los intentos son independientes porque el resultado de cualquier
intento no es afectado por lo que sucede en los dems intentos.
5.- En consecuencia, la variable aleatoria de inters es la cantidad de
ventas en los 10 intentos: 0, 1, 2, ... , 10.
Ejemplo 2: Si consideramos la informacin del ejemplo anterior (1), con el agregado:
de acuerdo con su experiencia el vendedor sabe que la probabilidad que
un hogar visitada compre el producto es de 0.30. Comprobar si se
satisfacen las propiedades de un experimento binomial.
SOLUCION
1. Idem
2. Idem
3. La probabilidad de una compra y no compra son iguales para cada
visita, siendo P = 0.30, 1- P = 0.70.
4. Las visitas son independientes, por que las familias se seleccionan
aleatoriamente.
5. Idem la variable aleatoria.
Ejemplo3: Una tienda que vende muebles est preocupado en la decisin de compra
de las 6 personas que ingresan a la tienda. De acuerdo con su experiencia,
el vendedor de la tienda estima que la probabilidad de que cualquier
persona que ingresa a la tienda compre es de 0.15. Cul es la
probabilidad que 3 de las siguientes 6 personas que ingresen a la tienda
hagan una compra?
F(x) =
n
x
x P (1- p)
( n x )
n
;
x
n!
x!(n x)!
SOLUCION
Ningn cliente haga la compra f(x = 0) =
6!
0!6!
0.15 0.85
6!
1!5!
= 0.377
0.15 0.85
= 0.399
2
4
6!
0.15 0.85 = 0.176
2!4!
6!
3!3!
6!
0.15 4 0.85
4!2!
6!
0.155 0.85
5!1!
6!
0.15 6 0.85 0 = 0.000011
6!0!
1.00000
0.153 0.85
= 0.041
= 0.0055
= 0.0004
2 = np (1 p)
Desviacin estndar =
np(1 p)
np
= 6 x 0.15 = 0.90
50!
0.025 0.9845 = 0.0027 0.27%
5!45!
reemplazo, obtengamos X
elementos identificados como xito y n X
identificados como fracaso. Para que suceda esto debemos obtener X xitos de los r
en la poblacin, y n X fracasos de los N r de la poblacin.
r N r
x
n
F(x) = --------------------------------N
n
F(x) = Probabilidad de x xitos en n intentos
n = Nmero de intentos
N = Nmero de elementos en la poblacin
r = Nmero de elementos identificados como xito en la poblacin
N
n = Representa la cantidad de formas en que se puede seleccionar una
r
r = Exitos
X = Exitos
N r = Fracasos
n x = Fracasos
r=7
X = 4 mujeres sean seleccionadas.
N =12
n=4
r=7
X=4
n-x = 0
N-r = 5
7 5
4 0
F(4) = ------------- =
12
4
7! 5!
4!3! 5!0!
----------------- = 0.071
12!
4!8!
7 5
4 2
F(6) = ------------12
6
7! 5!
4!3! 2!3!
----------------- = 0.38
12!
6!6!
7 8
3 2
F(3) = -------------
7! 8!
3!4! 2!6!
----------------- = 0.33
15
5
15!
5!10!
F(x) =
x e
X!
e = 2.71828
a) F(10)
b) F(15) =
1815 e 18
15!
= 0.015
= 0.079 7.86%
18 5 e 18
c) F(5) =
= 0.00024 0.024%
5!
La probabilidad que exactamente llegue 10 personas en 60
minutos es de 0.015 1.5%
Ejemplo 2: Un operador de moto taxi est interesado en la cantidad de pasajeros que
suben a su unidad, durante 4 horas de recorrido diario. De acuerdo con
un sondeo emprico suben 15 personas en 1 hora. Desea saber la
probabilidad que exactamente 10 personas ocupen u servicio en 1 hora.
15 e 15
=
10!
10
F(10)
= 0.04861 4.86%
a) Funcin de densidad:
F(x) =
2
2
1
x e ( xu ) / 2
2
99.21%
95.44%
68.26
= media
= desviacin estndar
= 3.14159
e = 2.71828
Desviacin
-3
- 2
-1 +1 +2 +3
Caractersticas:
1. La familia completa de distribuciones de probabilidad normales se diferencia
por su () y su desviacin estndar ()
2. El punto ms alto de la curva normal es la media, que tambin es la mediana y
la moda de la distribucin.
3. La media de la distribucin puede ser cualquier valor numrico: negativo, cero
o positivo.
-10
20
=5
= 10
6. Las probabilidades para la variable aleatoria normal estn dadas por reas bajo
la curva. El rea total bajo la curva para la distribucin de probabilidad normal
es 1 ( esto se cumple para todas las distribuciones continuas de probabilidad).
Debido a que la distribucin es simtrica, el rea total bajo la curva a la
izquierda de la media es 0,50 y el rea total bajo la curva a la derecha de la
media es 0.50.
7. El porcentaje de valor en algn intervalos de uso comn es:
a. 68.26% de los valores de una variable aleatoria normal estn dentro de ms
o menos una desviacin estndar de su media.
b. 95.44% de los valores de una variable aleatoria normal estn dentro de ms
o menos dos desviaciones estndar de su media.
c. 99.72% de los valores de una variable aleatoria normal estn dentro de ms
o menos tres desviaciones estndar de su media.
2.5.1 Distribucin de Probabilidad Normal Estndar.- Cuando una variable aleatoria
admite una media () cero (0) y desviacin estndar ( = 1). Los clculos de
probabilidad con cualquier distribucin normal se llevan a cabo determinando
las reas bajo la grfica de la funcin de densidad de probabilidad. Para
determinar la probabilidad de que una variable normal est dentro de un
intervalo especfico, debemos calcular el rea bajo la curva normal en ese
intervalo. Para la distribucin de probabilidad normal estndar se han
determinado las reas bajo la curva normal, y se muestran en tablas para
calcular las probabilidades.
Ejemplo 1:
P(0.00 Z 1.00) = ?
P(0.00 Z 1.00) = ?
Z
Utilizando la tabla Z:
1.0
0.00
Ejemplo 2:
P(0.00 Z 1.27) = ?
P(0.00 Z 1.27) = ?
Z
1.27
Utilizando la tabla Z:
1.2
Ejemplo 3:
0.07
P(- 2.5 Z 2.5) = ?
-2.5
2.5
Utilizando la tabla Z:
2.5
0.00
Ejemplo 4:
-2.75
2.75
Utilizando la tabla Z:
2.7
0.4970;
0.05
Ejemplo 5:
P(Z 1.49) = ?
P(Z 1.49) = ?
0
0.5
1.49
0.5
1.00
Utilizando la tabla Z:
1.4
0.09
Entonces:
P(Z - 0.50) = ?
1 0.5 0
Utilizando la tabla Z:
1.49
0.5
0.00
Entonces:
P(1.00 Z 1.58) = ?
1 1.58
Utilizando la tabla Z:
1.0
0.3413
0.4429
0.00
1.5
0.08
Entonces:
1.2
P(Z 1.28)
Z=
iii)
P(X 150) = ?
120
150
a. Cuando X = 150
Z=
150 120
= 0.6
50
0.6
0.2257
0.00
P(X 150) = 0.5000 0.2257 = 0.2743 es la probabilidad de
que X sea mayor de 150 km. El 27.43% de los galones durar
ms de 150 Km.
P(x) = ab
A
f(x) =
tiempo (b a )
1
; para a X b
ba
Intervalo
f(x) = (b a)
Aplicando A x H
X b
de
1
; para a
ba
Funcin densidad
1
)
12 8
1
1
=
12 8
4
1
3
)=
= 0.75
4
4
( 11 8) = 3
Valor esperado:
Ve = =
(a b) (8 11)
=
= 9.5 horas de viaje
2
2
Varianza:
(b a) 2
(11 8) 2
= 2
= 0.75
12
12
Desviacin estndar:
(b a) 2
(11 8) 2
0.866 minutos
12
12
1
1
=
12 8
4
1
1
)=
= 0.25
4
4
Funcin densidad
1
2
)=
= 0.5
4
4
ii) P(8 X 9) = 1 (
3.6.2
1
1
)=
= 0.25
4
4
f(x) =
(e) ; para X 0, 0
P( X X 0 ) = 1- e
1 . 5
2
EJERCICIOS DE REPASO
Xi
I. A.
i)
ii) S
n 1
0.047
= 0.072
10 1
NOTA: (n -1) Factor de correccin, cercano a 1; cuando la Poblacin es finita grande y se estudia muestra (n) pequeo
Clculo previo:
1.61 1.71 =
0.12
0.012
= 0.01
1.72 1.71 =
= 0.0001
.
.
.
.
.
.
2
1.80 1.71 = 0.09 = 0.0081
0.047
Proporcin poblacional que tiene ndice acadmico aprobado:
A = 4
D = 6
ndice aprobado: p =
4
= 40%
10
ndice desaprobado: p =
6
10
= 60%
NOTA:
X = Promedio muestral estimador puntual de poblacional
S = Desviacin estndar muestral puntual estimador de la desviacin
poblacional
p = Proporcin muestral estimador puntual de la proporcin P
poblacional.
10
X = 1.71
X =X
S = 0.072
S =Y
p = 40%
p = Z
Primera
Seleccin
X = 1.69
10
10
S = 0.065
p = 43%
Segunda
Seleccin
n seleccin
Muestreo
1
2
3
4
5
S
0.072
0.065
0.060
0.059
0.075
X
1.71
1.69
1.70
1.72
1.69
1.71
1.69
1.70
1.72
Distribucin
Distrib.
Muestral
1
2
1
1
5
Frecuencia
relativa
0.2
0.4
0.2
0.2
1.0
Distribucin
Muestral
Muestral
X
P
P
40%
43%
41%
44%
59%
= Media de la poblacin
X =
N n
N 1 n
X =
N n
= Factor de correccin, cercano a 1; cuando la poblacin es
N 1
finita grande y se estudia muestra (n) pequeo
Usar
n
> 0.05) se debe usar
N
finitas en clculo de X .
3.- En caso (
N n
para poblaciones
N 1 n
EP = Valor esperado de P
EP = P
= Proporcin poblacional
b) Poblacin infinita
N n P(1 P)
N 1
n
P =
P =
p(1 P)
n
Si la poblacin es finita y
Si la poblacin es finita y
n
n
> 0.05 usar (a)
0.05 usar (b).
N
N
La distribucin muestral de P se puede aproximar con una distribucin de
probabilidad normal, siempre que el tamao de la muestra sea grande.
Se puede considerar que el tamao de la muestra es grande cuando se
cumplen las dos condiciones siguientes:
np 5
n(1-P) 5
4.4 PROPIEDADES DE LOS ESTIMADORES PUNTUALES
N
X
n
E =
b) EFICIENCIA.- En general, preferiramos usar un estimador puntual con la menor
desviacin estndar, porque tiende a proporcionar estimacin ms
cercana al parmetro poblacional.
c) CONSISTENCIA.- Un estimador puntual es consistente si sus valores tienden a
acercarse al parmetro de poblacin conforme se incrementa
el tamao de la muestra. En otras palabras, un tamao
grande de muestra tiende a proporcionar un mejor estimador
puntual que un tamao pequeo.
UNIDAD IV
ESTIMACIONES ESTADSTICAS
SOLUCION
1.- ERROR MUESTRAL.- Siempre que se usa media de muestra para inferir un
estimador puntual de una media poblacional, la pregunta es: Qu tan buena es
la estimacin? x
?
Em = x - .
Valor absoluto
i) S:
n = 100
= 20
x=
x . Promedio de
Cmo
x=
x=
20
=2
100
estn
distribuidos
los
Dist. Muestral de x
-3,92
95%
x=2
3.92
CONCLUSIN:
1.- Que 95% de las medias muestrales que se pueden obtener mediante un
tamao de muestra n = 100 estarn dentro de 3.92 de la media
poblacional.
2.- Hay una probabilidad de 0.95 de que la media de una muestra origine un
error muestral de 3,92 o menos.
3.- Este enunciado de probabilidad es una declaracin de precisin acerca
del error del muestreo que puede existir para Olva Currier si se usa la
media de una muestra aleatoria simple de n = 100 para estimar la media
poblacional. El valor 3,92, que proporciona un lmite superior del error
de muestreo, se conoce como margen de error.
S: N. C. = 98% = 0.98 2 = 0.49
98%
2.33 x 2 = 4.66
- 4.66
4.66
( )
Si:
n = 100
= 20
x = 82
i) Cmo se puede usar la declaracin de precisin para construir una estimacin del
valor del intervalo de confianza de una media poblacional.
ii) Una estimacin del intervalo de una media poblacional toma la forma siguiente:
x Margen de error
Con declaraciones de precisin de 0.95 de probabilidad el margen de error es 3.92,
entonces:
x M.e.
Dist. Muestral de x
-3,92
95%
x=2
3.92
82 3.92
98%
3.92
3.92
Posibilidad aceptada
x
Posibilidad no aceptada
x Z
2 n
ii)
Ejemplo:
Nivel de confianza = 95%
= (1 - 0.95) = 0,05
0.05
=
= 0.025*
2
2
1.96
ENTONCES:
x Z
2
82 1.96
82 3.92
20
100
Por tanto:
i) El margen de error es 3.92
ii) El intervalo de confianza es 78.08 85.92
iii) Olva Currier, puede tener una confianza de 95% de que la
puntuacin de satisfaccin promedio de la poblacin est
entre 78.08 y 85.92
S nivel de confianza 90%:
82 1.645
20
100
78.71 85.29
( ) ESTIMADA MEDIANTE (S).- En la
realidad muchas veces no se conoce la desviacin estndar poblacional (
). En consecuencia, se usa la desviacin estndar de la muestra ( S ) para
estimar ( ). En el caso de muestras grandes (n 30), el teorema del lmite
central y el hecho de que la desviacin estndar de la muestra (S) d una
buena estimacin de ( ), cuando el tamao de la muestra se vuelve grande,
permite usar el procedimiento siguiente, para construir una estimacin del
intervalo de una media poblacional.
x Z
2
S
n
362
352
371
365
361
360
362
364
350
360
374
364
357
365
367
366
355
361
359
362
364
349
359
362
366
356
370
369
362
348
358
354
369
367
353
361
362
366
356
358
366
373
368
366
364
360
21708
i)
ii)
S = 6.870
iii)
iv)
360 364
Por consiguiente, podemos tener un nivel de confianza de 95% de que los
telares trabajando estn entre 360 y 363.
x Z
2
Z, t
rea
de la cola superior de la distribucin t.
2
2
0
t
2
s
n
X =
X i
n
S=
X i x
n 1
en el extremo derecho de la
distribucin t
x t
2
s
n
Aspirante
Das de adiestramiento
01
02
03
04
05
06
07
08
09
10
52
44
55
44
45
59
50
54
62
46
11
12
13
14
15
16
17
18
19
20
54
58
60
62
63
45
46
63
54
59
SOLUCION
i) X =
52 44 55 ... 59 1,075
52 54 44 54 55 54 ... 59 54
20 1
das de desviacin estndar muestral
ii) S =
= 6.89 7
iv) Determinado una estimacin del intervalo del promedio poblacional con
95% de confianza (suponiendo que la poblacin de tiempos de
adiestramiento tiene una distribucin de probabilidad normal):
Distribucin t
n 1 20 1 = 19 grados de libertad
Entonces:
= 1 - 0.95 = 0.05 2 = 0.025 (buscar en la tabla t)
0.025
= 2.093
19
t
2
s
n
7
54 2.093
20
54
- 50.474
3.276
57.276
entonces
x Z
(s)
entonces
s
n
x Z
2
Donde Z
= margen de error
n
n
2
2
Entonces, una vez seleccionada el nivel de confianza (1 - ), y
conociendo el valor de (), podemos determinar el tamao de (n) que se necesita
para cualquier margen de error:
x Z
E = Z
Z
n =
E
2
Z 2
n = 2 2
NOTA: Para usar la frmula anterior, el valor Ede E es el margen de error que el
usuario est dispuesto a aceptar y el valor de Z es consecuencia directa de
2
Z 2
n = 22
E
n =
1.962 102
22
Distribucin muestral
P1 P
n
(1-
) = coeficiente de confianza
De P
Z P
2
Z P
2
en la cola extremo
2
superior de la distribucin de probabilidad normal estndar.
= 480
P
= 480 1,000 = 0.48
N. C. = 95%
i)
ii)
P Z
2
P1 P
0.48 = 1.96
0.481 0.48
= 0.033097 3.10%
1,000
margen de error
- 0.449
0.48
45%
48%
0.511
51%
EJERCICIOS DE REPASO
1.- Se desea conocer el intervalo de confianza al 99%. Los datos provienen de una
distribucin normal con una varianza de 144. Se toma una muestra de 15 sujetos en
los que se obtienen una media de 84.3% Cul es el intervalo de confianza de ?
2.- Se extrajo una muestra aleatoria de 64 estudiantes que sufran gastritis y se determin
para cada uno, la duracin de la hospitalizacin. Se encontr que la duracin media
de hospitalizacin fue de 8.25 das. Si se sabe que la duracin estndar de la
poblacin es de 3 das. Hallar el intervalo de confianza al 90%, 95%, 99% para .
3.- Se condujo una encuesta con el fin de estudiar las prcticas sanitarias dentales de 300
estudiantes entrevistados, 123 dijeron que regularmente se sometieron a una revisin
dental 2 veces al ao. Con 95% de confianza halle el intervalo de confianza para la
proporcin en la poblacin de los alumnos que se sometieron a la revisin dental.
4.- 200 pacientes que sufran cierta enfermedad fueron divididos al azar en dos grupos
iguales. Del primer grupo, quienes recibieron el tratamiento estndar 78 se
recuperaron en un plazo de 3 das. De los otros 100 quienes fueron tratados por medio
de un nuevo mtodo, 90 se recuperaron en 3 das. Los mdicos desearon estimar la
diferencia verdadera entre las proporciones de quienes se recuperaron en 3 das.
Hallar el intervalo de confianza al 90% para P1 P2.
5.- Se ha tomado una muestra aleatoria de n = 18, el valor medio para la caracterstica en
un estudio es 50.15, con desviacin estndar 0.4. Obtener un intervalo de confianza
de 0.99 para .
6.- Se hacen 11 mediciones del dimetro de una esfera y d como media 4.05 y una
desviacin estndar de 0.4. Construir un intervalo del 90% para estimar la media
poblacional.
7.- En una encuesta se dice que el valor de planeacin para la proporcin poblacional P es
de 0.35. De qu tamao se debe tomar la muestra para obtener un intervalo de
confianza de 95% y con margen de error igual a 0.05?
8.- De qu tamao se debe tomar una muestra para tener 95% de confianza de que el
margen de error para la estimacin de una proporcin poblacional sea de 0.03?
Suponga que no dispone de datos histricos para establecer un valor de planeacin
para P.
9.- De qu tamao debe ser la muestra para poder tener 95% en que error muestral es de
0 o menor? Suponga que la desviacin estndar de la poblacin es de 25.
UNIDAD IV
INFERENCIA ESTADSTICA
4.1 ESTIMACION DE LA DIFERENCIA ENTRE LAS MEDIAS DE DOS
POBLACIONES: MUESTRAS INDEPENDIENTES.
Consideremos que kola Real en la Ciudad de Ayacucho tiene un conjunto de
la poblacin que consume ente producto (Lamemos P1) y en la Ciudad de Huancayo
de la misma manera (llamemos P2). En cuanto a la preferencia de sabor vara entre
estas dos ciudades, debido a muchos factores: edad, clima, educacin, ingreso, etc.
n1 = 35, 36, 37, 34, 36, 38, 32, 33, 35, 35, 37, 38.
n2 = 39, 32, 31, 33, 34, 29, 28, 32, 33, 35, 34, 33
a) Estimacin puntual
N1 = Ayacucho
=?
N2 = Huancayo
= ?
n1
n1 =
=?
X =?
X =?
n1
es independiente de n2.
iii) Las n1 y
35 36 ... 38
35.50
12
i) X 1 =
1.883
ii) X 2 =
39 32 ... 33
32.75
12
2.8324
V. E.
(X1X 2 )
1 2
1X2
12
n1
22
n2
n1 muestraaleatoriasimpledeP1
n2 muestraaleatoriasimpledeP2
1X2
investigador.
c.2 Cuando (n1 30 yn2 30) y se conoce 1 y 2 se estiman mediante S1 yS 2
X1 - X 2 Z S X
1X2
investigador
2
S X1 X 2
S1
S
2
n1
n2
Ejemplo 2:
n1 12
n2 12
S1 1.883
2
S 2 2.8324
2
i) Entonces: S X 1 X 2
(1.883) 2 (2.8324) 2
12
12
= 0.982
iii) X - X
Z S X1 X 2
2
1 2
0.825284
4.67472
1X2
(X1X 2 )
12
n1
2 )
1 2
22
n2
2(
1 1
);
n1 n2
12 2 2 2
como
no
(n1 1) S1 (n2 1) S2
n1 n2 2
2
S2
S X1 X 2
S2(
1 1
)
n1 n2
X- X
t S X 1 X 2
Grado de libertad = n1 n2 2
Coeficiente de confianza = 1-
S1 0.58
X2=
11 10 ... 11
10.41
10
S2 0.41
ii) Determinacin combinada de
(n 1) S1 (n2 1) S2
;
S 1
n1 n2 2
2
S2
0.261
S X1 X 2
S2(
1 1
) ;
n1 n2
1 1
S X 1 X 2 (0.261)( ) 0.22
12 10
t , 20;
2
t , 20
2
X1 - X 2
t S X 1 X 2
2
n1 50
n2 35
X 13.6
S1 2.2
S 2 3.0
11.6
Ejemplo 3: Se cuenta con los datos de la tabla siguiente, que corresponden a dos
muestras aleatorias independientes tomadas de dos poblaciones.
Muestra 1
Muestra 2
10
12
9
7
7
9
8
8
6
7
4
9
Recmara Principal
2.29
2.48
2.69
1.78
2.46
2.10
2.36
i)
n1
= 30
97 83 91 ... 73
82. 5
30
2 64
X =
8
ii)
n2
= 30
64 66 91 84 ... 76
78 5
40
2 100
X =
10
NOTA: es esta prueba nos interesa determinar si las medias de las dos poblaciones son
distintas.
a) Planteamiento de hiptesis: suponiendo que no hay diferencia entre 1 y 2
H 0 1 2 0
H a 1 2 0
b) Prueba Estadstica
( X X ) ( 1 2 )
1 2
1 2
2
ZC
(82.5 78)(0)
82 102
30 40
(tabla) = 1.96
R.R = 0.025
R.R. = 0.025
- 1.96
1.96
REGLA:
RECHACE
H 0 S: P <
= 0.05
P < = Se rechaza H
P = 0.0366
B) CUANDO n 1
<
30, n 2
<
Se emplea: t con n 1 +
n 2 - 2 grados de libertad, 1 2
Nueva Tecnologa
300
280
276
222
344
385
372
360
288
321
376
290
301
283
310
338
200
302
317
260
320
312
334
265
H 0 1 2 0
H a 1 2
i) n 1
= 12
300 280 ... 283
325 5
X =
12
S 2 1,600
S 40
iii) n 2 = 12
276 222 ... 265
288 5
X =
12
S 2 1,936
S 44
c) Calculando el estimador combinado 2 (Se sup one 1 2
2
(n1 1) S1 (n2 1) S2
n1 n2 2
2
S2
tc
( X 1 X 2 ) ( 1 2 )
1 1
S2( )
n1 2
tC
e) Calculo de t tabla
S: 0.05
(tabla) = 1.96
Regin de Rechazo
1.96
REGLA:
RECHACE
H 0 S: Tc > 1.96
f) Toma de Decisin
Como: 0.05
Tiempo terminacin
1 (minuto)
Tiempo trmino
2 (minuto)
1
2
3
4
5
6
6.0
5.0
7.0
6.2
6.0
6.4
5.4
5.2
6.5
5.9
6.0
5.8
SOLCUCION
6.0
5.0
7.0
6.2
6.0
6.4
5.4
5.2
6.5
5.9
6.0
5.8
Diferencia de
tiempos d i
0.6
- 0.2
0.5
0.3
0.0
0.6
H 0 : 1 0
H A : 1 2 0
En el diseo con muestras pareadas se prueban los dos mtodos de
produccin bajo condiciones similares ( es decir, con los mismos
obreros): por consiguiente, este diseo conduce con frecuencia, aun
menor muestral que el diseo con muestras independientes.
c) Calculando la media y la desviacin estndar
d =
Sd
d i
n
d =
(d1 d ) 2
(0.6 0.30)2 (0.2 0.30)2 ... (0.6 0.30)2
=
= 0.335
n 1
5
d) Prueba Estadstica
Considerando
nivel
de
1 N.C. 1 0.95 0.05 ,
confianza
Grados de libertad: n 1 = 6 1 = 5
95%.
Entonces,
t c t5 ,
tc
tc t50.025 2.571
d d
Sd
n
tc
0.30 0
2.194
0.335
6
e) Toma de Decisin
REGLA:
RECHACE
R. Rechazo
Regin de Rechazo
- 2.571
2.571
d t (
2
Sd
)
n
0.30 2.571(
0.335
)
6
0.30 0.352
0.052 0.652
- 0.052
0.652
NOTA: S: n 30 usar Z
HUANCAYO
n 2 = 300
EE 27
SOLUCION
A) CALCULANDO LA ESTIMACIN DE INTERVALO DE p1 p2
a) Calculando las proporciones
P1
35
0.14
250
P2
27
0.09
300
P p
P1 (1 P1 ) P2 (1 P2 )
N1
N2
SP p
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
S P p
0.24(0.86) 0.09(0.91)
= 0.0275
250
300
d) Coeficiente de confianza
Cc = 1 - = 1 0.95 = 0.05
0.025
e) Intervalo de confianza
p1 p2 ( Z )( S p1 p2 )
2
Para : n1 (1 P1 ) yn2 (1 P 2 ) 5
on1 , n2 30
p1 p2 (t g .l ., )( S p1 p2 )
2
cuandon1 (1 p1 ) y (1 p2 5o
n1 , n2 30
i) Z Z 0.025 0.5000 0.025 0.4750(tabla ) 1.96
12
ii) p1 p 2 ( Z )(S p1 p z )
2
H 0 P1 P2 0
H a P1 P2 0
b) Prueba estadstica
Zt ?
1 0.95 0.05
( p1 p 2 ) ( p1 p2 )
p p
1
SP p
p(1 p)(
Zc
( p1 p 2 ) ( p1 p2 )
S p1 p 2
1 1
)
n1 n2
CuandoP1 p2
n1 p1 n2 p 2
n1 n2
250(0.14) 300(0.09)
0.113 (1 p) 0.887
250 300
S P p 0.113(0.887)(
1
1
) 0.02
250 300
REGLA:
RECHACE
H 0 S: Zc > Zt
Vp = 2(0.0322) = 0.0644
REGLA:
RECHACE
H 0 S: Vp <
BIBLIOGRAFA
1.
2.
3.
4.
5.
6.
Alea, V.; Maqueda, I.; Muoz, C.; Viladomiu, N. (2001) Estadstica para las
ciencias sociales: cuestiones tipo test, editorial AC, Madrid.
Arnaldos Garca, F. et al. (2003) Estadstica descriptiva para economa y
administracin de empresas, editorial Thomson-Paraninfo, Madrid.
Canavos, G. C. (1995) Probabilidad y Estadstica: Aplicaciones y Mtodos, editorial
Mc Graw-Hill, Madrid.
Carey, P.; Berk, K. N. (2001) Anlisis de Datos con Microsoft Excel, editorial
Thomson Paraninfo, Madrid.
Casas Snchez, J. M. (2000) Estadstica I. Probabilidad y distribuciones, Centro de
Estudios Ramn Areces, Madrid.
Castillo Manrique, M. I.; Guijarro Garvi, M. (2005) Estadstica Descriptiva y clculo
de probabilidades, editorial Pearson Alhambra, Madrid.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34. Ua Jurez, I.; Tomeo Perucho, V.; San Martn Moreno, J. (2003) Lecciones de
clculo de probabilidades, editorial Thomson-Paraninfo, Madrid.
35. Uriel, E.; Muiz, M. (1993) Estadstica econmica y empresarial. Teora y problemas,
editorial AC, Madrid.