Trabajo de Estadistica Industrial

ESTADSTICA INDUSTRIAL
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
SERIE DE TIEMPO ...79

ANEXOS..85
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.
TEMA: PRUEBAS DE HIPTESIS
MUESTRAS PARA UNA COLA:
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
3. Conclusion: Como p < 0.05 por lo tanto la H0 se rechaza, entonces el

coeficiente medio de los adolescentes limeos sea mayor que 100.
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
Prueba de mu = 3.65 vs. no = 3.65

La desviacin estndar supuesta = 0.24
= 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
INTERPRETACIN: Se aprecia que como P es mayor que 0.05, el nivel de

significancia, no se rechaza la H0 y se rechaza la H1.
Por lo tanto, no existe diferencia entre la media nacional y regional de sostenimiento
semanal por parte de sus padres para un nio(a) de 9 aos de edad.
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?
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
INTERPRETACIN: se rechaza H0. El nmero medio de videos observados es menor

que 6.8 por mes. Si H0 es verdadera, no hay probabilidad alguna de obtener un valor
estadstico tan pequeo.
PRUEBA PARA PROPORCIONES
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
Prueba e IC para una proporcin

Prueba de p = 0.9 vs. p < 0.9
Muestra
1
X
82
N
100
Muestra p
0.820000
Lmite
superior 99%
0.909375
Valor Z
-2.67
Valor P
0.004
INTERPRETACIN: Se rechaza H0 (p<), menos de 90% de los clientes recibieron sus

rdenes en menos de 12 minutos.
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
Prueba e IC para una proporcin

Prueba de p = 0.52 vs. p > 0.52
99% Lmite
Muestra
X
N Muestra p
inferior
1
170 300
0.566667
0.500110
Valor Z
1.62
Valor P
0.053
INTERPRETACIN: No se rechaza H0, no se puede concluir que la proporcin de

hombres que circulaba por la autopista es mayor que 0.52.
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
1.- Planteamos la Hiptesis:

H0 p 0.30
H1 p<0.30
2.- Nivel de significancia : 0.01
USANDO MINITAB
p > 0.01, por lo tanto no deberamos rechazar la H0, por lo tanto el productor tiene la
razn.
MUESTRA PARA DE 2 COLAS
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
TEMA : PRUEBA PARA 2 PROPORCIONES

PROBLEMA N 1:
La familia Ramos posee grandes viedos. Al principio de la estacin hay que
protegerlos contra varios insectos y enfermedades, mediante la aplicacin de
insecticidas. Hay dos nuevos insecticidas, Ay B. Para probar su eficiencia se rociaron
tres hileras largas de vias con el insecticida A, y otras tres, con el insecticida B.
Cuando las uvas maduraron se tomaron 400 plantas tratadas con el insecticida A, y
400 tratadas con el insecticida B, para verificar si tenan alguna infeccin. Los
resultados fueron:
Insecticida
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
Diferencia = p (1) - p (2)

Estimado de la diferencia: -0.04
IC de 5% para la diferencia: (-0.0411997, -0.0388003)
Prueba para la diferencia = 0 vs. no = 0: Z = -2.09 Valor P =
0.037
Prueba exacta de Fisher: Valor P = 0.050
INTERPRETACIN: Se rechaza H0. La proporcin de infectadas no es la misma en los

dos campos.
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
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
TEMA: PRUEBA DE T STUDENT
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
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

3.- Estadstico de Prueba : T
4. Programa MINITAB
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
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
IC y Prueba T pareada: ANTES, DESPUS

T pareada para ANTES - DESPUS
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
IC de 95% para la diferencia media:: (0.50, 6.16)

Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 2.53
Valor P = 0.024
5.Decisin:
Como p<0.05, rechazamos Ho.
13
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.
TEMA: ANALISIS DE VARIANZA
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.
Se desea probar estas hiptesis.
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
Nivel de significancia Alfa = 0.05

Estadsticas
Muestra N Desv.Est. Varianza
1
10
2.672
7.140
1.792
3.210
Relacin de deviaciones estndar = 1.491
14
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
(0.679, 3.055) (0.461, 9.335)
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=
=7.14 / 3.21 =2.22
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
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
Mediante el nivel de significancia 0.10. Hay alguna diferencia en la variacin en los

tiempos de manejo para las dos rutas?
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
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
(1.046, 4.217) (1.093, 17.779)
Continuo
(1.037, 5.381) (1.075, 28.950)
Pruebas
Estadstica
Mtodo
Prueba F (normal)
GL1 GL2
6
Prueba de Levene (cualquiera continua)
de prueba Valor P
4.23
1 13
0.081
3.40
0.088
17
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:
Cual es su conclusin si n1=25 ,
=4 , n2=21 y
=8.2 ? .Use = 0.05
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
IC para
IC para
Distribucin
relacin de
relacin de
de los datos
Desv.Est.
varianza
Normal
(0.939, 2.222) (0.881, 4.936)
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
ANOVA EN UNA DIRECCION
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
(Problema 28.pag 442 mason)

( )2
a) SSTOTAL= 2 -
=16608-
5422
=287.8
18
SST=116.3
SSE=171.5
20
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
5) De la tabla anova F =5.09

Fk R.C: Rechazo Ho, Acepto Ha.
Al menos una puntuacin media de una de las tres regiones es diferente de los
empleados para investigar su perfeccionismo.
21
b)
(X1-X3) (
1
1
+
1
3
1 1
7 5
(33.56-26.66)11.4 ( + ) =8.87 4.92
Intervalo: (4.92,8.87)
El intervalo son signos iguales por lo tanto las medias son diferentes: X1X3
22
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
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
TEMA : MODELO DE REGRESIN LINEAL

PROBLEMA N 1:
El gerente general del CALL CENTER VENDO CELULARES, desea determinar si
existe una relacion entre el numero de llamadas telefonicas de ventas hechas en un
mes , y la cantidad de celulares vendidos durante ese lapso .El gerente selecciona al
azar una muestra de 10 representantes.La informacion muestral aparece en la
siguiente tabla
SOLUCION :
1. GRAFICA DE DISPERSION
25
2. AJUSTE DE LA GRAFICA:
3. ANALISIS DE LA REGRESION
Anlisis de regresin: Numero de celula vs. Numero de llamad

La ecuacin de regresin es
Numero de celulares vendidos = 18.9 + 1.18 Numero de llamadas
Predictor
Constante
Numero de llamadas
S = 9.90082
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
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.
EL ERROR DE ESTIMACION: S = 9.90082
EL COEFICIENTE DE DETERMINACION: R-cuad. = 57.6%
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.
EL COEFICIENTE DE DETERMINACION AJUSTADO : R-cuad.(ajustado) =
52.3%
EL COEFICIENTE DE CORRELACION : R= 0.759

4. VALORES PRONOSTICADOS PARA NUEVAS OBSERVACIONES
Valores pronosticados para nuevas observaciones
Nueva obs
1
Ajuste
48.55
EE de
ajuste
3.31
IC de 95%
(40.92, 56.19)
IP de 95%
(24.48, 72.63)
Valores de predictores para nuevas observaciones

Nueva obs
1
Numero de
llamadas
25.0
27
INTERVALO DE CONFIANZA : IC de 95%( 40.92, 56.19)
INTERPRETACION DEL INTERVALO DE CONFIANZA : Si se realiza la

prediccin del nuevo valor 25(nmero de llamadas) es probable que las ventas
de celulares varen de 40.92 a 56.19 , este es un intervalo confiable
INTERVALO DE PREDICCION : IP de 95% (24.48, 72.63)
INTERPRETACION DEL INTERVALO DE PREDICCION: Se concluye que el

nmero de celulares vendidos vara entre 24 y 73 para un representante en
ventas en particular. Es un intervalo menos confiable
5. ANALISIS RESIDUALES
28
29
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
SOLUCION :
1.- TRACE DIAGRAMA DE DISPERSIN:
2.- CALCULE EL COEFICIENTE DE DETERMINACIN.
3.- INTERPRETAR EL COEFICIENTE:

La pendiente de esta ecuacin es negativa lo que implica que las personas que tienen
ms meses de posesin las mquinas las horas de ejercicio disminuyen.
31
4.- PREDIGA PARA UN VALOR EN PARTICULAR.
5.- CALCULE EL ERROR DE ESTIMACIN.
6.- CALCULE EL ERROR DE ESTIMACIN: 1.53475

7.- CALCULE EL COEFICIENTE DE DETERMINACIN: 68.4%
Interpretacin: se refiere a las personas que compraron los equipos el 68.4%realizan
varias horas de ejercicios
8.- CALCULE EL COEFICIENTE AJUSTADO: 64.4%
32
9. HAGA UN ANLISIS RESIDUAL
10.- INTERVALO DE CONFIANZA

Intervalo de Confianza : 1.904 5.238
Para las personas que poseen mquinas las horas promedios usadas se espera que
sean (1.904, 5,238)
11.- INTERVALO DE PREDICCIN

-0,341, 7.483 : Como es un intervalo de prediccin hay menos confianza con respecto a
la relacin de las mquinas que poseen los usuarios y las horas usadas
33
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
Elabore un diagrama de dispersin con estos datos, en el que la variable

independiente sean los aos de experiencia.
2. CALCULE EL COEFICIENTE DE DETERMINACIN.
D la ecuacin de regresin estimada que puede emplearse para predecir las
ventas anuales cuando se conocen los aos de experiencia.
34
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
5.- CALCULE EL ERROR DE ESTIMACIN
6.- CALCULE EL COEFICIENTE DE DETERMINACIN: 93 %

INTERPRETACION: se refiere a la cantidad de personas que vienen trabajando, el
93% realizaron varias ventas anuales en miles de dlares.
7. CALCULE EL AJUSTADO: 92.2 %

8. CALCULE EL R: 93%
9. HAGA UN ANLISIS RESIDUAL:
36
10. INTERVALO DE CONFIANZA:
Intervalo de confianza: 112.19 119.81
11. INTERVALO DE PREDICCIN:
104.71- 127.29
37
VALORES ATPICOS
VALOR INFLUYENTE
38
TEMA: MODELO DE REGRESIN MLTIPLE

PROBLEMA N 1:
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
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
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
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:
De donde obtengo el coeficiente de correlacin y el coeficiente de determinacin:
41
= 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.
Ahora respondiendo las preguntas del problema:

Cul es la correlacin simple entre
Entre Y y X1,
Ya que el coeficiente de correlacin:

R = 0.341 => Existe una dbil relacin entre la afirmacin de que la humedad influye
en la adhesividad que producen los cristales .
2 = 11.6 % => Solo el 11.6 % de la variacin entre la adhesividad de los cristales se
explica por la variacin en la humedad.
Entre Y y X2
R = 0.138
=> Existe una dbil relacin entre la afirmacin de que la medida de los
cristales influye en la adhesividad que producen estos.
42
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.
43
44
De las grficas 1
Los datos de la variable X1 (factor humedad) muestran una moderada

los datos del ajuste lineal. Todos se encuentran dentro del rango +-3.
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
De las grafica 3:
Los datos de la variable X3 (porcentaje de impurezas) muestran una pequea

Tambin se puede observar una muestra atpica
46
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
ECUACIN DE REGRESIN MLTIPLE
47
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
ANLISIS RESIDUALES
Se encuentra dentro de lo que esperamos.
49
PRUEBA GLOBAL ENTRE LA VARIABLE INDEPENDIENTE Y LAS VARIABLES

SIGNIFICATIVAS
Ho : B1 =B2=0
H1 : No todas la B son 0.
50
ANLISIS DE PORCIONES
Contribucin de la variable x1 sabiendo que x2 est incluido
CONTRIBUCIN DE LA VARIABLE X2 SABIENDO QUE X1 EST INCLUIDO
51
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
ECUACIN DE REGRESIN MLTIPLE
52
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
54
PRUEBA GLOBAL ENTRE LA VARIABLE INDEPENDIENTE Y LAS VARIABLES

SIGNIFICATIVAS
Ho : B1 =B2=B3=0
H1 : No todas la B son 0.
55
ANLISIS DE PORCIONES
INTERPRETACIN: puesto que p es menor que el nivel de significancia, rechazamos

Ho y llegamos a la conclusin de que existe una relacin significativa entre la variable
X1 (rea de la tienda), X2 (lugares de establecimiento) y las ventas diarias, tomando
en cuenta el ingreso econmico medio de familias por cada establecimiento.
56
MODELO DE REGRESION CURVILNEO
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
SOLUCIN :
Obtenemos la ecuacin de la regresin que:
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:
Yi 789 12.7( X 1i X 1 ) 0.014( X 1i X 1 ) 2

Yi = venta promedio en soles predichas para el Hotel en una observacin i.
X 1i = precio de las habitaciones en el Hotel para una observacin i.
Ahora probaremos si el efecto curvilneo aporta significativamente al modelo de
regresin.
La hiptesis nula y alternativa la definimos de la siguiente manera:
H0 = 11 = 0 (El efecto curvilneo no aporta significativamente al modelo de regresin)
H1 = b11 0 (El efecto curvilneo aporta significativamente al modelo de regresin)
58
Definimos la regin crtica:
Rechazamos H0 si
- 2.0739 < t < + 2.0739
Hallamos el valor de T.
b11
T =
11
0.014
0.1409
= 0.099
Como el valor de t se en encuentra en el intervalo de NO RECHAZO, se concluye que

El efecto curvilneo no aporta significativamente al modelo de regresin.
59
TEMA: PRUEBAS DE BONDAD DE AJUSTE E

INDEPENDECIAS
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
a. Realice una prueba de independencia para determinar si el efecto sobre las

calificaciones es Independiente de las horas trabajadas por semana. Use = 0.05. Cul
es su conclusin?
b. Use porcentajes de rengln para conocer ms acerca del efecto del trabajo sobre las
calificaciones.
Solucin:
a) Determinaremos la prueba de hiptesis para comprobar ambas variables son
independientes
60
I.
Prueba de hiptesis:
Ho: la cantidad de horas trabajadas es independiente de las calificaciones de los

estudiantes universitarios
Ha: la cantidad de horas trabajadas si tiene repercusin sobre las calificaciones de
los estudiantes universitarios.
II.
Nivel de significancia
= 0.05
III.
Estadstico de la prueba
Utilizaremos el estadstico de chi cuadrado:
X2
IV.
Definimos la R.A. y R.C.

X2(, gl )
X2(0.05,4) = 9.488
Gl= (#filas-1)(#columnas-1)
GL=(3-1)(3-1)=4
10.603
61
V.
Hallamos el estadstico:
Determinacin de los fe y fo a partir de la formula ya mencionada anteriormente.
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
Al nivel de significancia de 0.05, se puede concluir que existe una relacin

entre el tipo de comunidad donde la persona reside y la parte del diario que lee
primero?
SOLUCION:
DESARROLLO:
1. PLANTEAMIENTO DE LA HIPTESIS:
Ho: No existe una relacin entre el tipo de comunidad y la parte del diario que
lee primero
H1: S existe relacin entre el tipo de comunidad y la parte del diario que lee
primero
62
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
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
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
Calculo de la estadstica de prueba chi-cuadrada.

( )
( ) /
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
5. CALCULO DE LA ESTADSTICA DE PRUEBA CHI-CUADRADA EN
MINITABY TOMA DE DECISIN
Trabajamos con los datos del programa donde :

X2 (0.05,8) = 40.975
Sabemos que rechazamos Ho si X2 > X2 (0.05,8)
Resulta: 40.975 > 15.507
Rta : Entonces concluimos que: Ho se rechaza, es decir existe relacin entre el estilo
arquitectnico y la localizacin geogrfica
66
TEMA : METODOS NO PARAMTRICAS
PRUEBA DEL SIGNO
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 :
Ho: Mediana <= 37.7

H1: Mediana > 37.7
67
Conclusion :
Como p > se acepta la Ho y se concluye que la Mediana es <= 37 para la poblacin de

estudiantes con grado de licenciatura.
68
PRUEBA DE KRUSKAL WALLIS
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 :
Se establecen las Hiptesis:
Ho: No hay diferencia significativa entre los tres programas

H1: Hay diferencia significativa entre los tres programas
69
Conclusion :
Como p< se rechaza la Ho y se concluye Hay diferencia significativa entre los
3 programas.
70
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:
Ho: No hay diferencia entre las dos poblaciones.

H1: Hay diferencia entre las dos poblaciones.
71
Conclusion :
Como p es menor que , se rechaza la Ho y se concluye que HAY DIFERENCIA
ENTRE LAS 2 POBLACIONES
72
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
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
MANN WHITNEY WILCOXON
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 :
Ho: No hay diferencia significativa entre verano e invierno en trminos del

nmero de crmenes reportados
H1: Hay diferencia significativa entre verano e invierno en trminos del
nmero de crmenes reportados
75
Conclusion :
Como p es menor que , se rechaza la ho y se concluye hay diferencia significativa

entre verano e invierno entre el nmero de crmenes reportados.
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
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
Formulacin de la hiptesis nula y alternativa

Ho => 1 = 2 Los estudiantes por internet estudian igual que los estudiantes del
campus
H1 => 1 > 2 Estudiantes por internet estudian ms que los estudiantes del campus.
Nivel de significancia: 0.05
Distribucin Mann-Whitney
Datos :
1
= 1 (1 + 2 + 1) = 0.513(13 + 13 + 1) = 13.5
2
77
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
TEMA: SERIES DE TIEMPO

PROBLEMA N 1:
Calcule el promedio mvil de 3 aos para los datos de la siguiente tabla:
Ao
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
1996
1997
1998
SOLUCION :
Realizamos la grfica de promedio mviles:
80
Grafica de anlisis de tendencia de Ventas.
Grafica de promedio mvil de 7 aos.
81
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
a. Compare el pronstico de promedio mvil de tres meses con el de suavizamiento

con alfa=0.2. Con cul se obtiene mejor pronstico?
b. Cules son los pronsticos por cada mtodo para el prximo mes
82
Desarrollo:
a. Pronostico con promedios mviles.
Grafica de suavizamiento con promedios mviles
83
b. Pronostico con el mtodo de suavizamiento exponencial
Grafica de suavizamiento exponencial.
84
ANEXOS
85
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
El nuevo proceso produce rodamientos cuyo peso es menor al anterior.

El nuevo proceso produce rodamientos cuyo peso es mayor al anterior.
Se halla la estadstica de prueba

=
17 15
4/35
= 2.96
Hallando el valor de P.
P=P ( Z > 2.96)= 0.002
e. Conclusin:
Ya que el valor de P= 0.002, es menor al nivel de significancia, Ho se rechaza y se

concluye que es extremadamente probable que la duracin delas encuestas sea mayor a
una duracin de 15 minutos.
86
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.
=

(1 )
0.57 0.52
0.52(1 0.52)
300
0.05
0.000832
0.05
= 1.73
0.0288444
P=P ( Z > 1.73)= 0.059
87
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.
3. En un estudio se tomaron muestras aleatorias independientes de hombres y mujeres

clientes de Centro de Iniciativa Empresarial. Estos clientes estaban considerando la
posibilidad de montar una empresa. De 94 hombres clientes, 53 montaron de hecho una
empresa, al igual que 47 de 68 mujeres clientes. Halle e interprete el valor p de un
contraste de la igualdad de las proporciones poblacionales frente a la hiptesis
alternativa de que la proporcin de mujeres clientes que montaron realmente una
empresa es mayor que la de hombres.
Considerar el nivel de significancia del 5%.
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
=
0.56383 0.691176
0.61728(0.38272) ( 1 + 1 )
94 68
0.127346
= 1.6
0.077378
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
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
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
Hubo alguna disminucin en el nmero de delitos desde la inauguracin del programa?

Utilice el nivel de significancia de 0.01.
SOLUCION:
H0 : 0
H1 : > 0
Estadstica: T-Student (pareada)
RC= {t > 2.998}
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
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:
H0 : 1 = 2 = 3 = 4 ( Las medias son iguales)
H1 : No todas las medias son iguales.

Estadstica: F-Fisher.
RC= { F > 3.01 }
Y cuyo resultado es: F=78.09.
92
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.
7. Un vendedor de bebidas alcohlicas al por mayor tiene inters en averiguar cmo

afecta el precio dl whisky escoces a la cantidad vendidas. En una muestra aleatoria de
datos sobre las ventas de ocho semanas se obtuvieron los resultados en la tabla adjunta
sobre el precio, en dlares, y las ventas, en cajas.
Precio
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
SOLUCION :
* Usando un paquete de cmputo, cree un diagrama de dispersin.
94
*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.
El programa Minitab16 me provee del valor del coeficiente de determinacin (r2)

valor es 0.928, y a partir de ello puedo obtener el coeficiente de correlacin:
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)
Estadstica: t-Student.
95
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.
Mi intervalo de confianza es : [ 23.483,28.682]
96
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
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
Cantidad Mensual ($)
Ingreso Mensual
($)
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
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
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
*Determine la ecuacin de regresin. Interprete el valor de la pendiente.
El valor de la pendiente es: 0.134.

Interpretacin: Por cada dlar que incremente el Ingreso Mensual, la cantidad mensual
gastada en combustible aumentara en 0.134 dlares.
*Determine el coeficiente de correlacin. Puede concluir que es mayor que cero?
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
Grficamente:
102
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
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
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:
De donde obtengo el coeficiente de correlacin y el coeficiente de determinacin:

= 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.
105
Ahora respondiendo las preguntas del problema:
Cul es la correlacin simple entre
Entre Y y X1,
Ya que el coeficiente de correlacin:

R = 0.341 => Existe una dbil relacin entre la afirmacin de que la humedad influye
en la adhesividad que producen los cristales .
2 = 11.6 % => Solo el 11.6 % de la variacin entre la adhesividad de los cristales se
explica por la variacin en la humedad.
Entre Y y X2
106
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
108
De las grficas 1
Los datos de la variable X1 (factor humedad) muestran una moderada

los datos del ajuste lineal. Todos se encuentran dentro del rango +-3.
desviacin a
De las grafica 2
109
Los datos de la variable X2 (factor tamao de los cristales) muestran una considerable
De las grafica 3:
Los datos de la variable X3 (porcentaje de impurezas) muestran una pequea

Tambin se puede observar una muestra atpica
110
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
por Nmero de Oficinas
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
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 cuyos coeficientes son los siguientes:

0 = 2.5
1 =-0.00162
oficinas.
2 =3.3
=>Representa el punto de interseccin con el eje Y.

=> Representa la pendiente entre el eje Y y la variable nmero de
=> Representa la pendiente entre el eje Y y la variable ingreso por dlar.
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
|
113
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
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
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:
Yi 789 12.7( X 1i X 1 ) 0.014( X 1i X 1 ) 2
Yi = venta promedio en soles predichas para el Hotel en una observacin i.

X 1i
= precio de las habitaciones en el Hotel para una observacin i.
Ahora probaremos si el efecto curvilneo aporta significativamente al modelo de

regresin.
La hiptesis nula y alternativa la definimos de la siguiente manera:
H0 = 11 = 0 (El efecto curvilneo no aporta significativamente al modelo de regresin)
H1 = b11 0 (El efecto curvilneo aporta significativamente al modelo de regresin)
Definimos la regin crtica:
Rechazamos H0 si
- 2.0739 < t < + 2.0739
Hallamos el valor de T.
b11
11
T=
0.014
0.1409
= 0.099
Como el valor de t se en encuentra en el intervalo de NO RECHAZO, se concluye que

El efecto curvilneo no aporta significativamente al modelo de regresin.
116
Calculo de la estadstica de prueba chi-cuadrada en MINITAB.
Trabajamos con los datos del programa donde :

X2 (0.05,8) = 40.975
Sabemos que rechazamos Ho si X2 > X2 (0.05,8)
Resulta: 40.975 > 15.507
Rta : Entonces concluimos que: Ho se rechaza, es decir existe relacin entre el estilo
arquitectnico y la localizacin geogrfica
117
118

Trabajo de Estadistica Industrial

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Trabajo de Estadistica Industrial

Caricato da

Copyright:

Formati disponibili

ESTADSTICA INDUSTRIAL

SERIE DE TIEMPO ...79

TEMA: PRUEBAS DE HIPTESIS

MUESTRAS PARA UNA COLA:

3. Conclusion: Como p < 0.05 por lo tanto la H0 se rechaza, entonces el

Prueba de mu = 3.65 vs. no = 3.65

INTERPRETACIN: Se aprecia que como P es mayor que 0.05, el nivel de

INTERPRETACIN: se rechaza H0. El nmero medio de videos observados es menor

PRUEBA PARA PROPORCIONES

Prueba e IC para una proporcin

INTERPRETACIN: Se rechaza H0 (p<), menos de 90% de los clientes recibieron sus

Prueba e IC para una proporcin

INTERPRETACIN: No se rechaza H0, no se puede concluir que la proporcin de

1.- Planteamos la Hiptesis:

MUESTRA PARA DE 2 COLAS

TEMA : PRUEBA PARA 2 PROPORCIONES

Diferencia = p (1) - p (2)

INTERPRETACIN: Se rechaza H0. La proporcin de infectadas no es la misma en los

TEMA: PRUEBA DE T STUDENT

2.- Nivel de significancia : 0.10

IC y Prueba T pareada: ANTES, DESPUS

IC de 95% para la diferencia media:: (0.50, 6.16)

TEMA: ANALISIS DE VARIANZA

Se desea probar estas hiptesis.

Nivel de significancia Alfa = 0.05

Relacin de deviaciones estndar = 1.491

(0.679, 3.055) (0.461, 9.335)

=7.14 / 3.21 =2.22

Mediante el nivel de significancia 0.10. Hay alguna diferencia en la variacin en los

Nivel de significancia Alfa = 0.1

Relacin de deviaciones estndar = 2.056

(1.046, 4.217) (1.093, 17.779)

(1.037, 5.381) (1.075, 28.950)

Prueba de Levene (cualquiera continua)

Cual es su conclusin si n1=25 ,

=8.2 ? .Use = 0.05

Nivel de significancia Alfa = 0.05

(0.939, 2.222) (0.881, 4.936)

ANOVA EN UNA DIRECCION

(Problema 28.pag 442 mason)

5) De la tabla anova F =5.09

(33.56-26.66)11.4 ( + ) =8.87 4.92

TEMA : MODELO DE REGRESIN LINEAL

Anlisis de regresin: Numero de celula vs. Numero de llamad

EL ERROR DE ESTIMACION: S = 9.90082

EL COEFICIENTE DE DETERMINACION: R-cuad. = 57.6%

INTERPRETACION DEL COEFICIENTE DE DETERMINACION:

Esta es una proporcin o porcentaje; puede decirse que 57,6% de la variacin en el

EL COEFICIENTE DE DETERMINACION AJUSTADO : R-cuad.(ajustado) =

EL COEFICIENTE DE CORRELACION : R= 0.759

Valores de predictores para nuevas observaciones

INTERVALO DE CONFIANZA : IC de 95%( 40.92, 56.19)

INTERPRETACION DEL INTERVALO DE CONFIANZA : Si se realiza la

INTERVALO DE PREDICCION : IP de 95% (24.48, 72.63)

INTERPRETACION DEL INTERVALO DE PREDICCION: Se concluye que el

2.- CALCULE EL COEFICIENTE DE DETERMINACIN.

3.- INTERPRETAR EL COEFICIENTE:

5.- CALCULE EL ERROR DE ESTIMACIN.

6.- CALCULE EL ERROR DE ESTIMACIN: 1.53475

10.- INTERVALO DE CONFIANZA

11.- INTERVALO DE PREDICCIN

Elabore un diagrama de dispersin con estos datos, en el que la variable

6.- CALCULE EL COEFICIENTE DE DETERMINACIN: 93 %