Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
NDICE
INTRODUCCION
. 2
PRUEBAS DE HIPOTESIS . 3
Muestra de 1 cola .. 3
Para proporciones .. 6
muestra de 2 colas. 8
PRUEBA PARA DOS PROPORCIONES. 9
PRUEBA DE T STUDENT 11
Para 1 muestra .11
Para 2 muestras.. 12
Distribucin T pareada .. 13
ANALISIS DE VARIANZA
..14
Distribucin F 14
Anova en una direccin ...20
Anova en dos direcciones ...23
MODELO DE REGRESIN LINEAL SIMPLE ..25
MODELO DE REGRESION MULTIPLE 39
Modelo de Regresin Curvilneo 57
PRUEBA DE BONDAD DE AJUSTE E INDEPENDENCIA 60
Tablas de Contingencia..60
METODOS NO PARAMETRICOS.66
Prueba de Signo..66
Prueba de Kruskal Wallis69
Signo de Wilcoxon..71
Mann Whitney Wilcoxon75
ESTADSTICA INDUSTRIAL
INTRODUCCIN
Minitab es un programa de computadora diseado para ejecutar funciones estadsticas
bsicas y avanzadas. Combina lo amigable del uso de Microsoft Excel con la capacidad
de ejecucin de anlisis estadsticos. En 1972, instructores del programa de anlisis
estadsticos de la Universidad Estatal de Pensilvania (Pennsylvania State University)
desarrollaron MINITAB como una versin ligera de OMNITAB, un programa de
anlisis estadstico del Instituto Nacional de Estndares y Tecnologa (NIST) de los
Estados Unidos. Como versin completa en el 2006 cuesta $1195 USD, pero una
versin para estudiantes y acadmicos se ofrece como complemento de algunos libros
de texto.
En este trabajo se presentara ejercicios resueltos de problemas relacionados a
diferentes Pruebas de Hiptesis, el establecimiento y organizacin de datos en una
tabla de ANOVA. El uso me modelos de regresin, el manejo de Mtodos No
Paramtricos .Por ltimo la utilizacin de Anlisis de Series de Tiempo.
ESTADSTICA INDUSTRIAL
PROBLEMA N 1:
Un supervisor afirma que el coeficiente medio de los adolescentes limeos es de
100, sabemos que por otros estudios la desviacin tpica es de 10. Sin embargo
un psiclogo cree que el promedio de coeficiente intelectual es mayor dicho por
el supervisor. Suponga que el psiclogo al tomar una muestra aleatoria de 400
adolescentes y medir su coeficiente obtuvo un resultado 102 como media de la
muestra. Probar si la afirmacin del supervisor es cierta utilizando el nivel de
significancia del 5%.
SOLUCIN:
1.-Plantear Hiptesis:
H0 :u = 100
H1 : u >100
2.- Nivel de Significancia: 5% =0.05
Usando el Minitab
ESTADSTICA INDUSTRIAL
PROBLEMA N 2:
En una encuesta nacional reciente la asignacin media de sostenimiento semanal por
parte de sus padres para un(a) nio(a) de 9 aos de edad se report que es de 3.65
dlares. Una muestra aleatoria de 45 infantes de 9 aos, en cierta regin, revel que la
asignacin media es de 3.69 dlares, con una desviacin estndar de 0.24 dlares. Al
nivel de significancia de 0.05. Existe una diferencia en la sanidad asignada media
nacional y la asignacin media regional para los nios de esa edad?
SOLUCION:
Z de una muestra
H0 : = 3.65
H1: 3.65
= 0.05
N
45
Media
3.6900
Error
estndar
de la
media
0.0358
IC de 5%
(3.6878, 3.6922)
Z
1.12
P
0.264
PROBLEMA N 3:
Una encuesta nacional reciente hall que estudiantes de bachillerato vean un promedio
de 6.8 pelculas en video por mes. Una muestra aleatoria de 36 alumnos universitarios
revel que el nmero medio de videos vistos el mes pasado fue 6.2, con una desviacin
estndar de 0.5. En el nivel de significancia de 0.05, puede concluirse que los
estudiantes de universidad ven menos pelculas en video al mes que los de bachillerato?
ESTADSTICA INDUSTRIAL
SOLUCION:
H0 : 6.8
H1: < 6.8
Z de una muestra
Prueba de mu = 6.8 vs. < 6.8
La desviacin estndar supuesta = 0.5
= 0.05
N
36
Media
6.2000
Error
estndar
de la
media
0.0833
Lmite
superior
5%
6.0629
Z
-7.20
P
0.000
ESTADSTICA INDUSTRIAL
PROBLEMA N 1:
El expendio de Pollos San Fernando, asegura que 90% de sus rdenes se entregan en
menos de 12 minutos. En una muestra de 100 rdenes, 82 se entregaron dentro de ese
lapso. Puede concluirse, en el nivel de significancia 0.01, que menos de 90% de las
rdenes se entregaron en menos de 12 minutos?
SOLUCION:
H0: 0.9
H1: < 0.9
= 0.01
X
82
N
100
Muestra p
0.820000
Lmite
superior 99%
0.909375
Valor Z
-2.67
Valor P
0.004
PROBLEMA N 2:
El consejo nacional peruano de seguridad, encuentra que 52% de los conductores en las
autopistas son hombres. La semana pasada se encontr en una muestra de 300 autos
que viajaban por una determinada autopista, que 170 de los conductores eran hombres.
Podemos concluir que en el nivel de significancia de 0.01, que en esta autopista
conducan ms hombres que los que indican las estadsticas nacionales?
SOLUCION:
H0: 0.52
H1> 0.52
= 0.01
Valor Z
1.62
Valor P
0.053
ESTADSTICA INDUSTRIAL
PROBLEMA N 3:
Un productor afirma que al menos el 30% de todos los consumidores prefiere su
producto. Al parecer esta afirmacin es exagerada. Con el fin de comprobar la afirmacin
del productor, se tom una muestra aleatoria de 400 consumidores y se encontr que
100 de ellos prefieren su producto. Existe suficiente evidencia para inferir que el
productor no tiene la razn? Utilice nivel de sgnificancia del 1%.
SOLUCIN:
= 0.25
p > 0.01, por lo tanto no deberamos rechazar la H0, por lo tanto el productor tiene la
razn.
ESTADSTICA INDUSTRIAL
PROBLEMA N 1:
Para comprobar si est controlado el proceso de produccin de un producto que sale al
mercado en bolsas de 400 gramos se ha observado los pesos de una muestra al azar e
16 bolsas del producto, resultando una media de 395 gramos.
Si el criterio es concluir que el proceso de empaquetado no est controlado cuando el
peso del promedio real de producto es diferente de 400 gramos es vlido inferir con el
resultado de la muestra y al nivel de significacin del 5% que el proceso est fuera de
control?
Asuma que los pesos del producto tienen distribucin normal con una desviacin
estndar de 8 gramos
Solucin
1.-Plantear Hiptesis:
H0 u = 400
H1 u 400
2.- Nivel de Significancia: = 0.05
USANDO MINITAB
P < 0.05 por lo tanto se rechaza y se concluye que el proceso de empaquetado no est
controlado
ESTADSTICA INDUSTRIAL
Nmero de vias en la
muestra (tamao
muestral)
400
400
A
B
Nmero de vias
infectadas
24
40
Al nivel de significancia 0.05, puede concluirse que hay diferencia entre las
proporciones de vias infectadas usando el insecticida A, y usando el B?
SOLUCION:
Prueba e IC para dos proporciones
Muestra
1
2
X
24
40
N
400
400
Muestra p
0.060000
0.100000
H0 : 1 = 2
H1: 1 2
ESTADSTICA INDUSTRIAL
PROBLEMA N 2:
En una encuesta se pregunt acerca de los hbitos de lectura utilizando una muestra
aleatoria de 350 seoras que trabajan y 325 que no trabajan, en el primer caso fue que
105 manifestaron no estaban suscritas, en el segundo 130 no estaban suscritas a
ninguna revista argumentado que no lo hacan por falta de tiempo A nivel de 1%
Podria afirmar que las seoras que trabajan leen menos que las seoras que no
trabajan?
SOLUCION:
1.- Planteamos la Hiptesis:
H0 p1 = p2
H1 p1 < p2
2.- Nivel de significancia : 0.01
USANDO MINITAB
3. Conclusin:
Se Rechaza la Ho por lo tanto la proporcin de seoras que trabajan leen menos que la
proporcin de seoras que no trabajan.
P< 0.01 por lo tanto se rechaza y la proporcin de seoras que trabajan leen menor que
la proporcin de seoras que no trabajan.
10
ESTADSTICA INDUSTRIAL
PARA 1 MUESTRA:
PROBLEMA:
La longitud media de una barra de equilibrio de 42 milmetros .El supervisor de
produccin sospecha de que la mquina que produce las barras se ha desajustad, y le
pide al departamento de ingeniera que investigue esto .El departamento de ingeniera
toma una muestra aleatoria de 12 barras y mide cada una .Los resultados de las
mediciones se dan abajo, en milmetros:
42
39
42
45
43
40
39
41
40
42
43
42
Es razonable concluir que la longitud de las barras ha variado? Use 0.02 como nivel de
significancia
SOLUCION:
A. Planteamos la hiptesis nula y la hiptesis alternativa:
H0 : =43
H1 : 43
B. El nivel de significancia es :
C. Resolucion en MINITAB
T de una muestra: LONGITUD
Prueba de mu = 43 vs. no = 43
Error
estndar
de la
Variable N Media Desv.Est. media IC de 98%
T P
LONGITUD 12 41.500 1.784 0.515 (40.100, 42.900) -2.91 0.014
D. Conclusion :
Se rechaza la H0
eajuste.
11
ESTADSTICA INDUSTRIAL
PARA 2 MUESTRAS:
PROBLEMA :
El gerente de la empresa Kimberly da el presupuesto en la empresa y desea comparar
los gastos diarios de transporte del equipo de ventas y del personal de cobranza y
recopil la siguiente informacin:
Ventas
131
Cobranzas 130
135
102
146
129
165
143
136
149
142
120
139
A nivel de significancia de 0.10 Puede concluirse que los gastos medios de equipo de
ventas con mayores?
SOLUCION :
1.- Hiptesis:
Ho: 1 2
H1 : 1 > 2
5. Conclusion:
P < 0.1 por lo tanto se rechaza Ho y se concluye que los gastos medios diarios del
equipo de venta son mayores que los de cobranzas.
12
ESTADSTICA INDUSTRIAL
DISTRIBUCIN T PAREADA
PROBLEMA :
En un estudio acerca del estado general de la salud mental de personas retiradas, un
equipo de psiclogos seleccion una muestra de aquellas que deberan retirarse dentro
de los prximos dos aos. Los investigadores desean saber si se poda sacar como
conclusin que el nivel de salud mental de la poblacin de la cual se haba sacado la
muestra tenda a tener diferencias antes y despus del retiro. Use un nivel de
significancia del 5%.
Estado de salud mental de 15 sujetos antes y despus del retiro
SUJETO 1
Antes
76
Despus 70
2
80
75
3
86
84
4
87
90
5
85
81
6
95
95
7
97
87
8
75
72
9
87
92
10
96
85
11
98
88
12
77
76
13
80
85
14
87
81
15
89
84
SOLUCION :
1.- Hiptesis:
Ho: El nivel de salud mental de la poblacin de la cual se haba sacado la muestra no
tenda a tener diferencias antes y despus del retiro.
H1: El nivel de salud mental de la poblacin de la cual se haba sacado la muestra
tenda a tener diferencias antes y despus del retiro.
2.- Nivel de significancia: 0.05
3.- Estadstico de Prueba: T
4. Programa MINITAB
ANTES
DESPUS
Diferencia
N
15
15
15
Media
86.33
83.00
3.33
Desv.Est.
7.71
7.25
5.11
Error
estndar
de la
media
1.99
1.87
1.32
Valor P = 0.024
5.Decisin:
Como p<0.05, rechazamos Ho.
13
ESTADSTICA INDUSTRIAL
El nivel de salud mental de la poblacin de la cual se haba sacado la muestra tenda a
tener diferencias antes y despus del retiro.
DISTRIBUCION F
PROBLEMA N 1:
Un investigador se preocupa porque la variabilidad de las respuestas con dos
procedimientos experimentales diferentes podra no ser la misma. Antes de llevar acabo
su investigacin realiza un estudio previo con muestras aleatorias de 10 y 8 respuestas
y obtiene
=7.14 y
=3.21, respectivamente.
H0:
contra H1:
SOLUCION:
Prueba e IC para dos varianzas
Mtodo
Hiptesis nula
Hiptesis alterna
Sigma(1) / Sigma(2) = 1
Sigma(1) / Sigma(2) not = 1
10
2.672
7.140
1.792
3.210
14
ESTADSTICA INDUSTRIAL
Relacin de varianzas = 2.224
Intervalos de confianza de 95%
IC para
IC para
Distribucin
relacin de
relacin de
de los datos
Desv.Est.
varianza
Normal
Pruebas
Estadstica
Mtodo
GL1 GL2
Prueba F (normal)
de prueba Valor P
2.22
0.304
CONCLUSIN:
Con la tabla de los puntos porcentuales de Distribucin F para a/2=0.025 se puede
rechazar Ho cuando F > 4.82 con a=0.05 .El valor calculado del estadstico de prueba es
F=
Puesto que la regin del estadstico no cae en la regin de rechazo , no se puede rechazar
Ho:
=
,as que la evidencia es insuficiente para indicar una diferencia
en las varianzas poblacionales
15
ESTADSTICA INDUSTRIAL
PROBLEMA N 2:.
Lammer Limos ofrece servicio de transporte en limusina del ayuntamiento de Toledo,
Ohio, al aeropuerto metropolitano de Detroit .Sean Lammers, presidente de la
compaa, considera dos rutas: Una ruta por la CARRETERA 25 y la otra por
AUTOPISTA Lammers desea estudiar el tiempo que tardara en conducir al aeropuerto
por cada ruta y luego comparar los resultados .Recopilo los siguientes datos mustrales
, reportados en minutos.
CARRETERA25
AUTOPISTA
52
59
67
60
56
61
45
51
70
56
54
63
64
57
65
SOLUCION:
Prueba e IC para dos varianzas: CARRETERA25, AUTOPISTA
Mtodo
Hiptesis nula
Hiptesis alterna
Varianza(CARRETERA25) / Varianza(AUTOPISTA) = 1
Varianza(CARRETERA25) / Varianza(AUTOPISTA) no = 1
16
ESTADSTICA INDUSTRIAL
Estadsticas
Variable
N Desv.Est. Varianza
CARRETERA25 7
AUTOPISTA
8.995
4.375
80.905
19.143
IC para
IC para
Distribucin
relacin de
relacin de
de los datos
Desv.Est.
varianza
Normal
Continuo
Pruebas
Estadstica
Mtodo
Prueba F (normal)
GL1 GL2
6
de prueba Valor P
4.23
1 13
0.081
3.40
0.088
17
ESTADSTICA INDUSTRIAL
CONCLUSIN:
Como el valor de F es 4,21, esta en la regin de rechazo .adems P< , podemos concluir
que en base a la informacin maestral existe diferencia en la variacin de los tiempos
para las dos ruta
PROBLEMA N 3:
Se tiene la siguiente prueba de hiptesis
H0:
H1:
=4 , n2=21 y
SOLUCIN :
Prueba e IC para dos varianzas
Mtodo
Hiptesis nula
Hiptesis alterna
Varianza(1) / Varianza(2) = 1
Varianza(1) / Varianza(2) no = 1
Estadsticas
Muestra N Desv.Est. Varianza
1
21
2.864
8.200
25
2.000
4.000
18
ESTADSTICA INDUSTRIAL
Relacin de deviaciones estndar = 1.432
Relacin de varianzas = 2.050
Intervalos de confianza de 95%
IC para
IC para
Distribucin
relacin de
relacin de
de los datos
Desv.Est.
varianza
Normal
Pruebas
Estadstica
Mtodo
GL1 GL2
Prueba F (normal) 20 24
de prueba Valor P
2.05
0.095
CONCLUSIN :
El valor de F= 2.05 es menor que 2.33, entonces se llega ala conclusin que no se rechaza
la H0.
19
ESTADSTICA INDUSTRIAL
PROBLEMA:
El director de personal de Cander Machine Products
est
investigando el
perfeccionismo en el trabajo .Se aplic una prueba diseada para medir tal accin a
una muestra aleatoria de 18 empleados .Las puntuaciones fueron de 20 a casi 40 .Una
de las facetas del estudio incluyo los antecedentes de cada empleado Proviene el
laborante de una regin rural, de una ciudad pequea o de una metrpoli? Las
puntuaciones son:
a) Al nivel de significancia de 0.05 Se puede concluir que hay diferencia en las tres
puntuaciones medias?
b) Si se rechaza la hiptesis nula .Se puede decir que la puntuacin media de los
empleados que provienen de zonas rurales es diferente de la puntuacin de los que
vienen de una ciudad grande?
SOLUCIN :
CIUDAD PEQUEA
METROPOLI
REGION RURAL
35
30
28
24
24
28
36
25
26
38
30
30
29
32
34
34
31
28
233
167
142
7823
4693
4092
a) SSTOTAL= 2 -
=16608-
5422
=287.8
18
SST=116.3
SSE=171.5
20
ESTADSTICA INDUSTRIAL
FV
GRADO.LIBERTAD
2
SUMA DE
CUADRADO
116.3
MEDIAS DE
CUADRADO
58.2
TRATAMIENTO
ERROR
18-3
171.5
11.4
TOTAL
18-1
287.8
F
5.09
1) Ho:1=2=3
Ha: Al menos una de las tres puntuaciones medias es diferente
2) = 0.05
3) F
4) F(0.05,3-1,18-3) =F(0.05,2,15)=3.68
Al menos una puntuacin media de una de las tres regiones es diferente de los
empleados para investigar su perfeccionismo.
21
ESTADSTICA INDUSTRIAL
b)
(X1-X3) (
1
1
+
1
3
1 1
7 5
Intervalo: (4.92,8.87)
El intervalo son signos iguales por lo tanto las medias son diferentes: X1X3
22
ESTADSTICA INDUSTRIAL
ANOVA 2 DIRECCIONES
PROBLEMA:
Una empresa de investigacin desea comparar los rendimientos en millas por galn, de
las gasolinas: regular sin plomo, grado medio ,y sper Premium. Debido a la diferencia
en el funcionamiento de los diferentes motores de los automviles, se seleccionaron siete
de ellos y se les trat como bloques. Por tanto, cada tipo de gasolina se prob con cada
clase de automvil. Los resultados de la pruebas, en millas por galn, se muestran en la
tabla siguiente. Al nivel de significancia de 0.05 Hay alguna diferencia entre las
gasolinas y los automviles
Automvil
Regular
Grado Medio
Sper Premium
21
23
26
23
22
25
24
25
27
24
24
26
26
26
30
26
24
27
28
27
32
SOLUCIN:
1.- Hiptesis:
Ho : u1 = u2= u3 las media de los tratamientos son iguales
H1: las medias de los tratamientos son diferentes
Ho: las medias de los bloques son iguales
H1: las medias de los bloques son diferentes.
2.- Nivel de Significancia: 0.05%
3. Estadstica de Prueba: Distribucin F
4.- Usando el Minitab:
23
ESTADSTICA INDUSTRIAL
Conclusin:
Para el tratamiento como p < 0.05 ( 0.00 <0.05) Se rechaza la Ho, por lo tanto las medias
de tratamientos son diferentes y el millaje medio no es el mismo.
Para los bloques como p < 0.05 ( 0.00 <0.05) Se rechaza la Ho, por lo tanto las medias de
bloques son diferentes y el millaje medio no es el mismo
24
ESTADSTICA INDUSTRIAL
SOLUCION :
1. GRAFICA DE DISPERSION
25
ESTADSTICA INDUSTRIAL
2. AJUSTE DE LA GRAFICA:
3. ANALISIS DE LA REGRESION
Coef
18.947
1.1842
SE Coef
8.499
0.3591
R-cuad. = 57.6%
T
2.23
3.30
P
0.056
0.011
R-cuad.(ajustado) = 52.3%
Anlisis de varianza
Fuente
Regresin
Error residual
Total
GL
1
8
9
SC
1065.8
784.2
1850.0
MC
1065.8
98.0
F
10.87
P
0.011
26
ESTADSTICA INDUSTRIAL
INTERPRETACION DEL COEFICIENTE DE DETERMINACION:
Esta es una proporcin o porcentaje; puede decirse que 57,6% de la variacin en el
nmero de
celulares vendidos se explica por la variacin en el nmero de llamadas
realizadas.
INTERPRETACION DE LOS COEFICIENTES DE Y= A+BX
Y=18.9 + 1.18X
A=18.9: Es el punto donde la ecuacin cruza el eje Y. Se deduce que si no se hace
llamadas, esto es X=0, se venderan 18.9 celulares
B=1.18: Significa que para llamada adicional que realizan los representantes de ventas
pueden aumentar en casi 1.2 el nmero de celulares vendidos.
52.3%
Ajuste
48.55
EE de
ajuste
3.31
IC de 95%
(40.92, 56.19)
IP de 95%
(24.48, 72.63)
Numero de
llamadas
25.0
27
ESTADSTICA INDUSTRIAL
5. ANALISIS RESIDUALES
28
ESTADSTICA INDUSTRIAL
29
ESTADSTICA INDUSTRIAL
PROBLEMA N 2:
Un fabricante de equipos para ejercicios fsicos desea estudiar la relacin entre el
nmero de meses desde que se compr el equipo, y el tiempo que se usaron los
aparatos la semana anterior.
Persona
Meses de posesin
Horas de ejercicio
Annie
12
Teresa
10
Felipe
Diego
Karla
Nidia
Jos
Rodrigo
Carolina
10
Esther
30
ESTADSTICA INDUSTRIAL
SOLUCION :
1.- TRACE DIAGRAMA DE DISPERSIN:
31
ESTADSTICA INDUSTRIAL
4.- PREDIGA PARA UN VALOR EN PARTICULAR.
32
ESTADSTICA INDUSTRIAL
9. HAGA UN ANLISIS RESIDUAL
33
ESTADSTICA INDUSTRIAL
PROBLEMA N 3:
Un gerente de ventas recolect los datos siguientes sobre ventas anuales y aos de
experiencia
Vendedor Aos de experiencia Ventas anuales
(miles de $)
1
1
80
2
3
97
3
4
92
4
4
102
5
6
103
6
8
111
7
10
119
8
10
123
9
11
117
10
13
136
SOLUCION :
1. TRACE DIAGRAMA DE DISPERSIN
34
ESTADSTICA INDUSTRIAL
3. INTERPRETAR EL COEFICIENTE
La pendiente de esta ecuacin es positiva lo que implica que por cada ao de
experiencia de un trabajador las ventas anuales aumentan en 4.
4.- PREDIGA PARA UN VALOR EN PARTICULAR.
35
ESTADSTICA INDUSTRIAL
5.- CALCULE EL ERROR DE ESTIMACIN
36
ESTADSTICA INDUSTRIAL
10. INTERVALO DE CONFIANZA:
Intervalo de confianza: 112.19 119.81
11. INTERVALO DE PREDICCIN:
104.71- 127.29
37
ESTADSTICA INDUSTRIAL
VALORES ATPICOS
VALOR INFLUYENTE
38
ESTADSTICA INDUSTRIAL
X1
X2
X3
21
2.4
21
2.4
4.81
22
2.4
4.46
23
2.5
4.46
24
3.2
4.81
14
2.7
4.46
14
3.2
3.85
14
1.9
3.21
10
14
2.0
3.25
11
14
2.0
4.55
12
16
2.0
4.00
13
16
3.5
3.62
14
15
3.2
3.76
15
14
3.5
4.9
16
15
3.2
4.13
17
11
3.5
5.10
18
16
2.2
5.05
19
17
2.2
4.27
20
18
2.2
4.9
muestra
39
ESTADSTICA INDUSTRIAL
21
16
2.2
4.55
22
16
3.0
5.32
23
16
3.5
4.39
24
34
2.1
4.85
25
17
2.4
4.59
26
11
2.4
5.0
27
21
2.4
3.82
28
32
2.4
3.68
29
23
2.0
2.94
30
34
2.0
3.18
31
29
2.0
0.00
32
17
2.1
4.10
33
11
2.1
3.7
34
34
3.3
10
3.36
35
35
3.6
3.9
36
39
2.4
0.00
37
25
2.4
1.72
38
26
3.0
14
2.33
39
27
3.0
3.38
40
14
3.5
4.20
41
17
2.1
5.20
42
20
2.4
5.20
43
12
2.1
74
5.0
44
10
2.1
12
1.72
45
11
2.4
2.73
46
11
2.5
2.43
47
20
2.7
1.72
48
20
2.8
3.82
40
ESTADSTICA INDUSTRIAL
SOLUCIN:
De los datos obtenemos los la ecuacin de la regresin mltiple
Donde
0 = 4.12: Representa el punto de interseccin con el eje Y.
1 =-0.0588: Representa la pendiente entre el eje Y y la variable humedad.
2 =0.3434: Representa la pendiente entre el eje Y y la variable relaciones largo a
ancho de los cristales.
3 0.0027: Representa la pendiente entre el eje Y y la variable porcentaje de
impurezas.
Tabla de Anova de los siguientes datos:
41
ESTADSTICA INDUSTRIAL
= 0.3715 => Existe una dbil relacin entre las variable.
2 = 13.8 => Solo el 18.3 % de las variaciones en la adhesividad en los cristales es
explicada por la variacin en las 3 variables predictivas.
R = 0.138
=> Existe una dbil relacin entre la afirmacin de que la medida de los
42
ESTADSTICA INDUSTRIAL
2 = 1.9 % => Solo el 1.9% de la variacin entre la adhesividad de los cristales se explica
por la variacin en su medida.
Entre Y y X3
R = 0.00 => Existe una extremadamente dbil relacin entre la afirmacin de que el
porcentaje de impurezas que contienen los cristales influye en la adhesividad que
producen estos.
43
ESTADSTICA INDUSTRIAL
44
ESTADSTICA INDUSTRIAL
De las grficas 1
desviacin a
De las grafica 2
Los datos de la variable X2 (factor tamao de los cristales) muestran una considerable
desviacin a los datos del ajuste lineal. Todos se encuentran dentro del rango +-3.
45
ESTADSTICA INDUSTRIAL
De las grafica 3:
46
ESTADSTICA INDUSTRIAL
PROBLEMA N 2:
El seor Mike es presidente del sindicato de profesores del Distrito escolar, como
preparacin para las futuras negociaciones, a Mike le gustara investigar la estructura
de los sueldos del personal docente en el distrito. Considera que existen tres factores
que afectan el salario de un profesor; los aos de experiencia, una calificacin de la
efectividad en la enseanza asignada por el director. Una muestra aleatoria de 20
profesores dio como resultado los datos siguientes:
Sueldo(miles de
dlares) Y
21.1
23.6
19.3
33.0
28.6
35.0
32.0
26.8
38.6
21.7
15.7
20.6
41.8
36.7
28.4
23.6
31.8
02.7
22.8
32.8
Aos de experiencia
X1
8
5
2
15
11
14
9
7
22
3
1
5
23
17
12
14
8
4
2
8
Calificacin del
director X2
35
43
51
60
73
80
76
54
55
90
30
44
84
76
68
25
90
62
80
72
47
ESTADSTICA INDUSTRIAL
El valor de 8.41 indica que el plano de regresin intercepta al eje y en 8.41 cuando X1 y
X2 es cero, puesto que no tiene sentido ya que sin aos de experiencia o una calificacin
efectiva de la enseanza no se recibe ningn sueldo.
La b1= 1.02 indica que por cada aumento de 1 en los aos de experiencia, el sueldo ser
la cantidad de 1.02 por ese factor independientemente de la calificacin del director.
El valor de b2 = 0.139 indica que con cada aumento de un ao en la calificacin del
director, el sueldo amentar 0.139 veces, independientemente de los aos de experiencia
.
En el grfico Sueldo vs Aos de experiencia se puede observar que hay un ajuste lineal.
48
ESTADSTICA INDUSTRIAL
ANLISIS RESIDUALES
49
ESTADSTICA INDUSTRIAL
Ho : B1 =B2=0
H1 : No todas la B son 0.
50
ESTADSTICA INDUSTRIAL
ANLISIS DE PORCIONES
Contribucin de la variable x1 sabiendo que x2 est incluido
51
ESTADSTICA INDUSTRIAL
PROBLEMA N 3:
Las tiendas de WOMING SATY S.A. estn localizadas en el rea Metropolitana de
Erie, Pennsylvania y el suroeste de Nueva York, tales como Jamestown, Corry,
Meadville y Warren. Como parte de su presentacin al banco local, le gustara
entender mejor los factores que hacen que una tienda en particular sea lucrativa. La
propietaria debe hacer todo el trabajo sola, as que no podr analizar todos sus
establecimientos. Selecciona al azar una muestra de 15 tiendas y registra el promedio
de ventas diarias (Y), la superficie de piso (rea), el nmero de lugares de
estacionamiento, y el ingreso econmico medio de familias en esa regin para cada
establecimiento. La informacin de la muestra se presenta en seguida.
Tienda en la
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Ventas diarias
Y ($)
1840
1746
1812
1806
1792
1825
1811
1803
1830
1827
1764
1825
1763
1846
1815
rea de la
tienda (X1)
532
478
530
508
514
556
541
513
532
537
499
510
490
516
482
Lugares de
Estacionamiento (X2)
6
4
7
7
5
6
4
6
5
5
3
8
4
8
7
Ingreso millones
de $ (X3)
44
51
45
46
44
46
49
52
46
46
48
47
48
45
43
52
ESTADSTICA INDUSTRIAL
El valor de 1481 indica que el plano de regresin intercepta al eje y en 1481
cuando X1, X2 y X3 es cero, puesto que no tiene sentido si no existe la superficie de piso
(rea), el nmero de lugares de estacionamiento, y el ingreso econmico medio de
familias en esa regin para cada establecimiento.
La b1= 0.731 indica que por cada aumento en el rea de la tienda, las ventas diarias
sern de 0.731 por ese factor independientemente del nmero de lugares de
estacionamiento, y el ingreso econmico medio de familias en esa regin para cada
establecimiento.
El valor de b2 = 9.99 indica que con cada aumento en el nmero de lugares de
estacionamiento, la cantidad en las ventas diarias amentar 9.99 veces,
independientemente de la superficie de piso (rea) y el ingreso econmico medio de
familias en esa regin para cada establecimiento.
El valor de b3= -2.31 indica que por cada aumento en el ingreso econmico medio de
familias, la cantidad en las ventas diarias disminuir en 2.31 veces,
independientemente de la superficie de piso (rea) y el nmero de lugares de
estacionamiento.
53
ESTADSTICA INDUSTRIAL
54
ESTADSTICA INDUSTRIAL
55
ESTADSTICA INDUSTRIAL
ANLISIS DE PORCIONES
56
ESTADSTICA INDUSTRIAL
PROBLEMA
Con el fin de ilustrar el modelo de regresin curvilnea, suponga que el rea de
Administracin de un prestigioso Hotel desea estudiar la variacin de los precios de sus
habitaciones y la concurrencia de turistas. Se realiz un estudio durante 6 meses y se
obtuvo los siguientes datos, considerar el nivel de significancia del 0.05.
Precio promedio
de Habitaciones
(S/.)
125
130
158
182
147
133
123
244
258
125
120
250
265
125
145
148
178
189
230
265
289
300
Ventas
1254
1542
1542
1515
2355
1151
1254
1247
3256
1247
1587
1335
2582
6396
3654
2147
2158
5287
4723
3254
5841
2125
57
ESTADSTICA INDUSTRIAL
SOLUCIN :
Obtenemos la ecuacin de la regresin que:
(interseccin Y)
1 =12.7
(Efecto lineal en Y)
11 =-0.014
(Efecto curvilneo en Y)
Por consiguiente:
58
ESTADSTICA INDUSTRIAL
Definimos la regin crtica:
Rechazamos H0 si
Hallamos el valor de T.
b11
T =
11
0.014
0.1409
= 0.099
59
ESTADSTICA INDUSTRIAL
TABLAS DE CONTINGENCIA
PROBLEMA N 1 :
Problema 14, Pagina 470 ,Anderson
Un estudio del Public Interest Research Group (PIRG) del estado de Washington indica
que 46% de los estudiantes universitarios de tiempo completo trabaja 25 o ms horas
por semana. El estudio del PIRG proporciona datos sobre los efectos del trabajo en las
calificaciones USA Today, 17 de abril de 2002. En este estudio, de 200 estudiantes que
conformaban la muestra, 90 trabajaban 1-15 horas por semana, 60 trabajaban 16-24
horas por semana y 50 trabajaban 25-34 horas por semana. A continuacin se presentan
las cantidades muestrales de estudiantes que indicaron que su trabajo tena un efecto
positivo, ningn efecto o un efecto negativo sobre sus calificaciones. Efecto sobre las
calificaciones Horas trabajadas por semana Positivo Ninguno Negativo Total
60
ESTADSTICA INDUSTRIAL
I.
Prueba de hiptesis:
Nivel de significancia
= 0.05
III.
Estadstico de la prueba
Utilizaremos el estadstico de chi cuadrado:
X2
IV.
Gl= (#filas-1)(#columnas-1)
GL=(3-1)(3-1)=4
10.603
61
ESTADSTICA INDUSTRIAL
V.
Hallamos el estadstico:
horas trabajadas
positivo(fo)
fe
ninguno(fo)
negativo(fo)
fe
total
fe
1-15 horas
26
23.85
50
43.2
14
22.95
90
16-24horas
16
15.9
27
28.8
17
15.3
60
25-34horas
11
13.25
19
24
20
12.75
50
Total
53
96
51
200
PROBLEMA 2:
El director de mercadotecnia de un diario metropolitano estudia la relacin entre el
tipo de comunidad en que el (o la) lector(a) vive y la parte del peridico que lee
primero. Para una muestra de lectores, se reuni la informacin que sigue.
COMUNIDAD
Urbana
Granjera
Suburbios
NOTICIAS
NACIONALES
170
120
130
DEPORTES
124
112
90
HISTORIETAS
CMICAS
90
100
88
62
ESTADSTICA INDUSTRIAL
2. NIVEL DE SIGNIFICANCIA: 0.05
3. REGLA DE DECISIN: GL= (2)(2)=4
4. ESTADSTICA DE PRUEBA: CHI CUADRADA (X2)
5. CLCULO Y TOMA DE DECISIN:
El valor calculado de Chi cuadrada es 7.340 y el valor P es 0.119, por tanto rechazamos
la hiptesis nula de que no exista relacin entre el tipo de comunidad y la parte del
diario que lee primero, pues el valor de P es menor que el nivel de significancia (P<).
Existe suficiente evidencia para sustentar el rechazo de la aseveracin de que ambas
caractersticas son independientes, entonces el tipo de comunidad y la parte del diario
que lee primero son dependientes.
63
ESTADSTICA INDUSTRIAL
PROBLEMA N3 :
Se realiz una encuesta por parte de una sucursal, situada en Canad, de una cadena
de que opera a nivel nacional oficinas de corretaje inmobiliario, con el propsito de
conseguir un perfil de las casas de una sola familia en algunas comunidades vecinas. Se
desea saber si existe una alguna relacin entre el estilo arquitectnico y la localizacin
geogrfica. Utilizando los archivos de un Censo canadiense, se selecciona una muestra
de 233 casas de una sola familia y se obtiene un registro de una direccin para cada
combinacin de estilo arquitectnico y localizacin geogrfica. La tabla de contingencia
de 5x3 se presenta a continuacin:
Estilo
Localizacin Geogrfica
East Meadow
Farmingdale
Lewittown
Casa de campo
31
14
52
Rancho ampliado
12
Colonial
Rancho
16
20
24
Niveles divididos
19
17
SOLUCIN
1. FORMULACIN DE LA HIPTESIS NULA Y ALTERNATIVA
Ho = No existe relacin entre el estilo arquitectnico y la localizacin geogrfica.
H1 = Existe relacin entre el estilo arquitectnico y la localizacin geogrfica
2. GRADOS DE LIBERTAD: (r-1)x(c-1) = (5-1)x(3-1)=8
3. NIVEL DE SIGNIFICANCIA: 0.05
4. HALLAR EL PUNTO CRTICO.
Rechazar Ho si X2 > X2 (0.05,8)
De la tabla:
X2 (0.05, 8) =15.507
64
ESTADSTICA INDUSTRIAL
De la tabla
Localizacin Geogrfica
Estilo
East Meadow
Farmingdale
Lewittown
Totales
Casa de campo
31
14
52
97
Rancho ampliado
12
15
Colonial
23
Rancho
16
20
24
60
Niveles divididos
19
17
38
Totales
74
60
99
233
( ) /
fo
fe
fo-fe
31
30.8
+0.2
0.04
0.00013
14
25
-11
121
4.84
52
41.2
+10.8
116.64
2.8311
4.8
-2.8
7.84
1.6333
3.9
-2.9
8.41
2.1564
12
6.4
+5.6
31.36
4.9
7.3
-1.3
1.69
2.3151
5.9
+2.1
4.41
0.7475
9.8
-0.8
0.64
0.0653
16
19.1
-3.1
9.61
0.5031
20
15.5
+4.5
20.25
1.3065
24
25.5
-1.5
2.25
0.0882
19
12.1
+6.9
47.61
3.9347
17
9.8
+7.2
51.84
5.2898
16.1
-14.1
198.81
12.3484
42.9607
65
ESTADSTICA INDUSTRIAL
5. CALCULO DE LA ESTADSTICA DE PRUEBA CHI-CUADRADA EN
MINITABY TOMA DE DECISIN
66
ESTADSTICA INDUSTRIAL
PROBLEMA :
El ingreso medio anual de los estudiantes con una licenciatura (en Estados Unidos) es
$37 700(The New York Times Almanac, 2006). A continuacin se presentan los datos
muestrales (en miles de dlares) de estudiantes universitarios en la zona de Chicago.
Con los datos muestrales pruebeH0: mediana _ 37.7 y : mediana _ 37.7 para la poblacin
de estudiantes con grado de licenciatura que trabajan en la zona de Chicago. Use _0.05
como nivel de significancia. Cul es su conclusin?
SOLUCIN :
Planteamiento de hiptesis :
67
ESTADSTICA INDUSTRIAL
Conclusion :
68
ESTADSTICA INDUSTRIAL
PROBLEMA :
Para un examen de admisin se evalan tres programas de preparacin. Las
calificaciones obtenidas por las 20 personas de una muestra empleada para probar los
programas de preparacin son las siguientes. Use la prueba de Kruskal-Wallis para
determinar si hay una diferencia significativa entre los tres programas de preparacin.
Use _ 0.05
A
540
400
490
530
490
610
B
450
540
400
410
480
370
550
C
600
630
580
490
90
620
570
SOLUCION :
69
ESTADSTICA INDUSTRIAL
Conclusion :
Como p< se rechaza la Ho y se concluye Hay diferencia significativa entre los
3 programas.
70
ESTADSTICA INDUSTRIAL
SIGNO DE WILCOXON
PROBLEMA N 1 :
En 10 de los principales aeropuertos se muestrearon los precios de la gasolina para
automvilesrentados. A continuacin se presentan los datos correspondientes a las
empresas Avis y Budget(USA Today, 4 de abril de 2000).Use = 0.05 para probar la
hiptesis de que no hay diferencia entre las dos poblaciones. Cules su conclusin?
AVIS
1.58
1.60
1.53
1.55
1.57
1.80
1.62
1.69
1.75
1.55
BUDGET
1.39
1.55
1.55
1.51
1.58
1.74
1.60
1.60
1.59
1.54
SOLUCION:
71
ESTADSTICA INDUSTRIAL
Conclusion :
Como p es menor que , se rechaza la Ho y se concluye que HAY DIFERENCIA
ENTRE LAS 2 POBLACIONES
72
ESTADSTICA INDUSTRIAL
PROBLEMA N 2 :
Un fabricante de aplicaciones de software que est desarrollando un nuevo
paquete financiero destinado a usuarios de la rama de educacin y financiera,
desea probar el valor del nuevo paquete financiero comparando las diferencias
en los tiempos de procesamiento en computadora para proyectos entre ese
producto y el actual Paquete de Software. A continuacin se muestra una tabla
donde se ve las mediciones repetidas del tiempo, en segundos, para llevar a
cabo proyectos de aplicacin financiera procesados en dos paquetes de software
que estn compitiendo en el mercado.
Usuarios
de
proyecto
de
aplicaciones.
Con el actual
Con
el
nuevo
paquete
C.C
9.98
9.88
C.H
9.88
9.86
F.G.
9.84
9.75
P.G.
9.99
9.80
D.D.
9.94
9.87
F.R.
9.84
9.84
G.G.
9.86
9.87
H.W
10.12
9.86
H.P.
9.90
9.83
S.Z
9.91
9.86
SOLUCIN:
1.Formulacin de la hiptesis nula y alternativa
Ho = El tiempo estimado de procesamiento en ambas poblaciones es idntica.
H1 = El tiempo estimado de procesamiento en ambas poblaciones NO es
idntica.
2.Nivel de significancia: 0.05
73
ESTADSTICA INDUSTRIAL
3.Distribucin de WILCOXON.
=
( + )( + )
=
()()
=
= .
=
= .
.
4.Concluison :
Se rechaza Ho si z < - 1.96, o si z > 1.96. Como tenemos el valor z = 2.42,
rechazamos y llegamos a la conclusin de que las dos poblaciones no son
idnticas y que el tiempo estimado de procesamiento en ambas poblaciones.
74
ESTADSTICA INDUSTRIAL
PROBLEMA N 1:.
Los nmeros de delitos por da reportados a la polica durante el verano y el invierno
son los siguientes.
Use 0.05, como nivel de significancia, para determinar si existe una diferencia
significativaentre verano e invierno, en trminos del nmero de crmenes reportadosInvierno
18
20
15
16
21
20
12
16
19
20
Verano
28
18
24
32
18
29
23
38
28
18
SOLUCION :
75
ESTADSTICA INDUSTRIAL
Conclusion :
PROBLEMA N 2:
En la Universidad SMP ofrece dos programas de maestra en administracin de
empresas. En el primer programa, los estudiantes se renen dos noches por semana en
el campus principal de la universidad. En el segundo programa, los estudiantes solo se
comunican por Internet con el profesor. El director de la maestra quiere comparar el
nmero de horas que estudiaron la semana pasada los dos grupos de estudiantes, una
de 13 estudiantes en el campus y otra de 13 estudiantes por Internet revelo la siguiente
informacin.
ALUMNO
INTERNET CAMPUS
25
28
42
16
65
42
38
29
29
31
32
25
59
50
42
42
27
23
10
41
25
11
46
15
12
18
28
13
29
35
Con un nivel de significancia de 0.05. Es posible concluir que los estudiantes por
internet estudian ms ?.
76
ESTADSTICA INDUSTRIAL
SOLUCION:
ALUMNO INTERNET Lugar
ALUMNO CAMPUS
Lugar
25
28
9.5
42
20.5
16
65
26
42
20.5
38
17
29
12
29
12
31
14
32
15
25
59
25
50
24
42
20.5
42
20.5
27
23
10
41
18
10
25
11
46
23
11
15
12
18
12
28
9.5
13
29
12
13
35
16
206
Total
Total
145
77
ESTADSTICA INDUSTRIAL
1
= 1 2 (1 + 2 + 1) = 1/12(13)(13)(13 + 13 + 1) = 19.5
12
=
145 13.5
=
= 6.74
19.5
Con un nivel de significancia igual a 0.05, sabemos que para rechazar H0, z debe ser
mayor a 1.65. y como ello se cumple, se concluye que los estudiantes por internet
estudian ms que los estudiantes del campus.
78
ESTADSTICA INDUSTRIAL
Ventas ( miles de
dlares)
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
79
ESTADSTICA INDUSTRIAL
1996
1997
1998
SOLUCION :
80
ESTADSTICA INDUSTRIAL
81
ESTADSTICA INDUSTRIAL
PROBLEMA N 2:
En la compaa ABC,los porcentajes mensuales de los embarques recibidos durante los
ltimos 12 meses fueron
Meses
Porcentajes
80
82
84
83
83
84
85
84
82
10
83
11
84
12
83
82
ESTADSTICA INDUSTRIAL
Desarrollo:
a. Pronostico con promedios mviles.
83
ESTADSTICA INDUSTRIAL
84
ESTADSTICA INDUSTRIAL
ANEXOS
85
ESTADSTICA INDUSTRIAL
PROBLEMAS RESUELTOS
1.-Investigacin de Mercados, S.A., basa sus tarifas en la hiptesis de que las encuestas
son respondidas en un tiempo medio de 15 minutos o menos. Si es necesario un mayor
tiempo de encuesta, se aplica una tarifa adicional. Suponga que en una muestra de 35
conferencias se obtiene una media de 17 minutos y una desviacin estndar de 4
minutos. Se justifica la tarifa adicional?
SOLUCION :
a. Formule la hiptesis nula y alternativa para esta aplicacin.
b. Calcule el valor del estadstico de prueba
c. Cul es el valor p?
d. Con = 0.01, cul es su conclusin?
:
1 : > 15
17 15
4/35
= 2.96
Hallando el valor de P.
P=P ( Z > 2.96)= 0.002
e. Conclusin:
86
ESTADSTICA INDUSTRIAL
2.-El consejo de seguridad nacional de un pas encuentra que 52% de los conductores en
las autopistas son hombres. Ayer se encontr en una muestra de 300 autos que viajaban
por una determinada autopista, que 170 de los conductores eran hombres. Puede
concluirse, en el nivel de significancia 0.01, que en esta autopista conducan ms
hombres que los que indican las estadsticas nacionales?
SOLUCION :
H0: . La proporcin de varones que conducen por la autopista es menor e
igual a 0.52.
H1: > . La proporcin de varones que conducen por la autopista es mayor a
0.52.
Se halla la estadstica de prueba
=
(1 )
0.57 0.52
0.52(1 0.52)
300
0.05
0.000832
0.05
= 1.73
0.0288444
Hallando el valor de P.
P=P ( Z > 1.73)= 0.059
87
ESTADSTICA INDUSTRIAL
Conclusin:
Ya que el valor de P= 0.059, es mayor al nivel de significancia, Ho no se rechaza y se
concluye que es probable que la proporcin de varones que conducen por una
determinada autopista es la que indican las encuestas nacionales es decir a 0.52.
SOLUCIN
0 : 1 = 2 La proporcin de varones que montan una empresa es igual al de las
mujeres.
1 : 1 < 2 La proporcin de mujeres clientes que montaron realmente una
empresa es mayor que la de hombres.
88
ESTADSTICA INDUSTRIAL
Se halla la estadstica de prueba
=
0.56383 0.691176
0.61728(0.38272) ( 1 + 1 )
94 68
0.127346
= 1.6
0.077378
Hallando el valor de P.
P=P ( Z > -1.65)= 0.953
Conclusin:
Ya que el valor de P= 0.965, es mayor al nivel de significancia, Ho no se rechaza y
se concluye que es extremadamente probable que la proporcin de varones que
forman una empresa es similar al de las mujeres que tambin crean su propia
empresa.
89
ESTADSTICA INDUSTRIAL
4.En la ciudad de Arizona se emplean personas para evaluar las casas con el fin de
establecer el impuesto predial. El administrador municipal enva a cada evaluador a las
mismas cinco casas y despus compara los resultados, la informacin se presenta a
continuacin en miles de dlares, con un nivel de significancia del 95%.
Puede concluir que hay una diferencia en los precios? Interprete.
SOLUCION :
Definimos la hiptesis nula y alternativa.
H0 : 1 = 2 = 3 = 4 ( Las medias son iguales)
H1 : No todas las medias son iguales.
Nivel de significancia: =0.05.
Estadstica: F-Fisher.
Hallamos la regin crtica.
RC= { F>3.49 }
Hallamos el valor de la estadstica de Prueba: mediante Minitab16.
Y cuyo resultado es: 0.03.
Conclusin:
La hiptesis nula no se rechaza ya que el valor de mi estadstica de prueba no se
encuentra de la regin de rechazo.
Entonces se concluye que las medias son iguales.
90
ESTADSTICA INDUSTRIAL
5. Hace poco el gobierno federal ecuatoriano otorgo fondos para un programa especial
diseado para reducir los delitos en reas de alto riesgo. Un estudio de los resultados
del programa en ocho reas de alto riesgo de Miami, Florida, produjo los resultados
siguientes:
ANTES
14
17
12
13
DESPUES 2
SOLUCION:
Definimos la hiptesis nula y alternativa.
H0 : 0
H1 : > 0
Nivel de significancia: =0.01.
Estadstica: T-Student (pareada)
Hallamos la regin crtica.
RC= {t > 2.998}
Hallamos el valor de la estadstica de Prueba: mediante Minitab16.
Y cuyo resultado es: t=2.12
Conclusin:
La hiptesis nula no se rechaza ya que el valor de mi estadstica de prueba no se
encuentra de la regin de rechazo.
Entonces no podemos afirmar que hubo alguna disminucin en el nmero de delitos
desde la inauguracin del programa.
91
ESTADSTICA INDUSTRIAL
6- Los recientes esfuerzos promocionales para atraer nuevos depositantes a un banco
incluyen algunos juegos y premios en cuatro sucursales del banco. El gerente est
convencido de que diferentes tipos de premios atraeran a diferentes grupos de ingresos.
Las personas de un nivel de ingreso prefieren los regalos, mientras que los de otro grupo
de ingreso pueden sentirse ms atradas por viajes gratuitos a sitios favoritos para pasar
vacaciones. El gerente decide utilizar el monto de los depsitos como una medida
representativa del ingreso. l desea determinar si existe una diferencia en el nivel
promedio de depsitos entre las cuatro sucursales. Emplear un nivel de significancia del
95%.
Depsito Sucursal 1
Sucursal 2
Sucursal 3
Sucursal 4
5.1
1.9
3.6
1.3
4.9
1.9
4.2
1.5
5.6
2.1
4.5
0.9
4.8
2.4
4.8
1.0
3.8
2.1
3.9
1.9
5.1
3.1
4.1
1.5
4.8
2.5
5.1
2.1
SOLUCION:
Definimos la hiptesis nula y alternativa.
H0 : 1 = 2 = 3 = 4 ( Las medias son iguales)
H1 : No todas las medias son iguales.
92
ESTADSTICA INDUSTRIAL
Conclusin:
La hiptesis nula se rechaza ya que el valor de mi estadstica de prueba se encuentra de
la regin de rechazo.
Entonces se concluye que las medias posee una gran dispersin, poseen medias muy
distantes.
19.2
20.5
19.7
21.3
20.8
19.9
17.8
17.2
Ventas 25.4
14.7
18.6
12.4
11.1
15.7
29.2
35.2
93
ESTADSTICA INDUSTRIAL
SOLUCION :
* Usando un paquete de cmputo, cree un diagrama de dispersin.
94
ESTADSTICA INDUSTRIAL
*Estime la ecuacin de regresin e interprete los coeficientes de regresin.
Interpretacin:
Para b1 = Por cada unidad que incremente el precio del whisky, la cantidad de cajas
vendidas disminuir en 5.7.
Para b0 =Si no hay variacin en el precio, se espera vender 135.69 cajas de whisky.
*Fue bueno el ajuste obtenido con la ecuacin de regresin? Justifique la respuesta.
cuyo
r=0.928 = 0.963
Entonces el valor del coeficiente de correlacin es -0.963
Interpretacin: El valor de r me indica que exista una fuerte relacin entre las dos
variables, ya que se aproxima a 1. Y el valor del coeficiente de determinacin (r2=0.928)
me explica que el 92.8% de la cantidad mensual de combustible vendido se explica por
la variacin en el Ingreso mensual de cada familia.
Todo ello me ayuda a concluir que existe un buen ajuste entre las dos variables.
*Realizar la prueba de hiptesis para el coeficiente de regresin .
H0: =0 (el coeficiente toma el valor de cero, no existe relacin entre las variables)
H1: 0 ( el coeficiente es diferente de cero)
Nivel de significancia: =0.05.
Estadstica: t-Student.
95
ESTADSTICA INDUSTRIAL
Hallamos la regin crtica:
t(0.05,6) = 2.447
RC=t < -2.447 o t > 2.447
El programa me arroja el valor de la estadstica de prueba equivalente a -8.83.
Conclusin:
Se rechaza mi hiptesis nula, ya que el valor de la estadstica de prueba se encuentra
dentro de la regin critica.
El coeficiente de regresin no es nulo.
*Determine una estimacin del intervalo de prediccin y de confianza con un nivel del
95% para y cuando X=18.6 e interprtelos.
96
ESTADSTICA INDUSTRIAL
Interpretacin: Si el precio del whisky escoces es 18.6 doalres se espera vender 25.89
cajas. Es probable que la cantidad de cajas vendidas variara aproximadamente entre
23.483 y 28.683 como mximo.
Mi intervalo de prediccin es : [ 19.546,32.618]
Interpretacin: Se concluye que el nmero de whisky escoces vendido se encontraran
entre 19.546 y 32.618 cajas para una semana en particular en la que le precio es 18.6
dlares.
Grficamente:
97
ESTADSTICA INDUSTRIAL
8. La empresa PyG est pensando en expandirse en determinada regin .La seorita
Miller, directora de planeacin tiene que presentar un anlisis de la expansin
propuesta. Como parte del anlisis debe presentar informacin sobre la cantidad
mensual que gastan en combustibles las personas en esa regin. A la seorita Miller le
gustara presentar informacin sobre la relacin entre la cantidad gastada en
combustible y el ingreso. Ella obtiene la siguiente informacin maestral.
Hogar
Ingreso Mensual
($)
555
4388
489
4558
458
4793
613
4856
647
4856
661
4899
662
4899
675
5091
549
5133
10
606
5304
11
668
5304
12
740
5304
13
592
5346
14
720
5495
15
680
5581
16
540
5730
17
693
5943
18
541
5943
19
673
6156
20
676
6603
21
913
6688
98
ESTADSTICA INDUSTRIAL
22
918
6752
23
710
6873
24
1083
7242
25
937
7263
26
839
7540
27
1030
8009
28
1065
8094
29
1069
8264
30
1064
8392
31
1015
8414
32
1148
8882
33
1125
8925
34
1090
8989
35
1208
9053
36
1217
9138
37
1140
9329
38
1265
9649
39
1206
9862
40
1145
9883
99
ESTADSTICA INDUSTRIAL
SOLUCION :
*Sea la cantidad gastada, la variable dependiente, e ingreso mensual la variable
independiente. Usando un paquete de cmputo, cree un diagrama de dispersin.
100
ESTADSTICA INDUSTRIAL
El programa Minitab16 me provee del valor del coeficiente de determinacin cuyo valor
es 0.892, y a partir de ello puedo obtener el coeficiente de correlacin:
r=0.892 =0.944.
Entonces el valor del coeficiente de correlacin es 0.944.
Interpretacin: El valor de r me indica que exista una fuerte relacin entre las dos
variables, ya que se aproxima a 1. Puedo concluir que es mayor que cero.
101
ESTADSTICA INDUSTRIAL
Grficamente:
102
ESTADSTICA INDUSTRIAL
9- El gerente de una planta que produce sulfato de amonio ha experimentado
dificultades con el equipo de empaque automtico, debido a la adhesividad que produce
los cristales. Dicha adhesividad puede ser causada por el contenido de humedad, por la
forma del cristal, o por las impurezas. Se muestro para prueba de tamao n=45 lotes de
sulfato de amonio, con un porcentaje variable de humedad (X1), relaciones largo a ancho
de los cristales (X2) y porcentaje de impurezas (X3), siendo la variable dependiente la
tasa de flujo de los cristales (Y) en gramos por segundo (g/s).La siguiente tabla presenta
esta informacin. Aplique el programa estadstico para la regresin progresiva y el
anlisis de correlacin de estos datos. Cul es la correlacin simple entre Y y X1?,Entre
Y y X2?, Entre Y y X3?
Nmero de la
X1
muestra
X2
X3
21
2.4
21
2.4
4.81
22
2.4
4.46
23
2.5
4.46
24
3.2
4.81
14
2.7
4.46
14
3.2
3.85
14
1.9
3.21
10
14
2.0
3.25
11
14
2.0
4.55
12
16
2.0
4.00
13
16
3.5
3.62
14
15
3.2
3.76
15
14
3.5
4.9
16
15
3.2
4.13
17
11
3.5
5.10
18
16
2.2
5.05
19
17
2.2
4.27
20
18
2.2
4.9
21
16
2.2
4.55
103
ESTADSTICA INDUSTRIAL
22
16
3.0
5.32
23
16
3.5
4.39
24
34
2.1
4.85
25
17
2.4
4.59
26
11
2.4
5.0
27
21
2.4
3.82
28
32
2.4
3.68
29
23
2.0
2.94
30
34
2.0
3.18
31
29
2.0
0.00
32
17
2.1
4.10
33
11
2.1
3.7
34
34
3.3
10
3.36
35
35
3.6
3.9
36
39
2.4
0.00
37
25
2.4
1.72
38
26
3.0
14
2.33
39
27
3.0
3.38
40
14
3.5
4.20
41
17
2.1
5.20
42
20
2.4
5.20
43
12
2.1
74
5.0
44
10
2.1
12
1.72
45
11
2.4
2.73
46
11
2.5
2.43
47
20
2.7
1.72
48
20
2.8
3.82
SOLUCION:
104
ESTADSTICA INDUSTRIAL
De los datos obtenemos los la ecuacin de la regresin mltiple
Donde
0 = 4.12: Representa el punto de interseccin con el eje Y.
1 =-0.0588: Representa la pendiente entre el eje Y y la variable humedad.
2 =0.3434: Representa la pendiente entre el eje Y y la variable relaciones largo a ancho
de los cristales.
3 0.0027: Representa la pendiente entre el eje Y y la variable porcentaje de impurezas.
Tabla de Anova de los siguientes datos:
105
ESTADSTICA INDUSTRIAL
Ahora respondiendo las preguntas del problema:
Cul es la correlacin simple entre
Entre Y y X1,
106
ESTADSTICA INDUSTRIAL
R = 0.138 => Existe una dbil relacin entre la afirmacin de que la medida de los
cristales influye en la adhesividad que producen estos.
2 = 1.9 % => Solo el 1.9% de la variacin entre la adhesividad de los cristales se explica
por la variacin en su medida.
Entre Y y X3
R = 0.00 => Existe una extremadamente dbil relacin entre la afirmacin de que el
porcentaje de impurezas que contienen los cristales influye en la adhesividad que
producen estos.
Y con respecto al anlisis de residuos:
De la imagen se observa que existe muy poco error en las predicciones dichas, es muy
probable que exista una verdadera relacin entre las variables expuestas y la
adhesividad entre los cristales. Es una regresin adecuada.
107
ESTADSTICA INDUSTRIAL
108
ESTADSTICA INDUSTRIAL
De las grficas 1
desviacin a
De las grafica 2
109
ESTADSTICA INDUSTRIAL
Los datos de la variable X2 (factor tamao de los cristales) muestran una considerable
desviacin a los datos del ajuste lineal. Todos se encuentran dentro del rango +-3.
De las grafica 3:
110
ESTADSTICA INDUSTRIAL
10. La siguiente Tabla contiene 25 observaciones por ano de estas variables.
Utilizaremos estos datos para desarrollar un modele lineal que prediga el margen anual
de beneficios en funci6n de los ingresos por dlar depositado y del nmero de oficinas.
Ao
Ingreso
dlar
Margen
beneficios
3.92
7298
075
3.61
6855
0.71
3.32
6636
0.66
3.07
6506
0.7
3.06
6450
0.61
3.11
6402
0.72
3.21
6368
0.77
3.26
6340
0.74
3.42
6349
0.90
10
3.42
6352
0.82
11
3.42
6352
0.75
12
3.45
6364
0.77
13
3.58
6546
0.78
14
3.66
6672
0.84
15
3.78
6890
0.79
16
3.82
7115
0.79
17
4.07
7234
0.70
18
3.97
7931
0.68
19
4.70
8097
0.55
20
4.96
8468
0.63
21
4.58
8717
0.56
22
4.69
8991
0.41
23
4.71
9179
0.47
de
111
ESTADSTICA INDUSTRIAL
24
4.78
9318
0.32
25
3.72
6352
0.72
Solucin:
De los datos obtenemos los la ecuacin de la regresin mltiple:
Y con respecto a al valor de los errores estandarizados se puede concluir que los errores
son mnimos, es decir es un buen ajuste.
112
ESTADSTICA INDUSTRIAL
|
113
ESTADSTICA INDUSTRIAL
Deseamos predecir cul ser mi margen de beneficios, cuando mi ingreso por dlar es
5.00 y el nmero de oficinas es 5000.
De los datos arrojados por el programa podemos concluir que mi margen de beneficios
oscila entre 0.9633 y 1.6108.
11. Con el fin de ilustrar el modelo de regresin curvilnea, suponga que el rea de
Administracin de un prestigioso Hotel desea estudiar la variacin de los precios de sus
habitaciones y la concurrencia de turistas. Se realiz un estudio durante 6 meses y se
obtuvo los siguientes datos, considerar el nivel de significancia del 0.05.
Precio promedio de Ventas
Habitaciones (S/.)
125
1254
130
1542
158
1542
182
1515
147
2355
133
1151
123
1254
244
1247
258
3256
125
1247
114
ESTADSTICA INDUSTRIAL
120
1587
250
1335
265
2582
125
6396
145
3654
148
2147
178
2158
189
5287
230
4723
265
3254
289
5841
300
2125
SOLUCION :
Obtenemos la ecuacin de la regresin que:
115
ESTADSTICA INDUSTRIAL
De los datos obtenidos de Minitab:
0 = 789
(interseccin Y)
1 =12.7
(Efecto lineal en Y)
11 =-0.014
(Efecto curvilneo en Y)
Por consiguiente:
Hallamos el valor de T.
b11
11
T=
0.014
0.1409
= 0.099
116
ESTADSTICA INDUSTRIAL
Rta : Entonces concluimos que: Ho se rechaza, es decir existe relacin entre el estilo
arquitectnico y la localizacin geogrfica
117
ESTADSTICA INDUSTRIAL
118