MODULO IV

Prueba T-Student
CASO DE ESTUDIO 1
B.S. Sharratt y D.M. Glenn (1988). Orchard Floor Management Utilizing Soil
Applied Coal Dust For Frost Protection.
En el presente artculo reporta los siguientes valores de flujo de calor a travs
del suelo de ocho solares cubiertos con polvo de hulla.
Tabla N 1. Media de flujo de calor (W m-2 )sobre ocho solares cubiertos con
polvo de hulla
34.7
35.4
34.7
37.7
32.5
28.0
18.4
24.9
El flujo de calor medio a travs del suelo en solares cubiertos slo con csped
es de 29.
1. Suponiendo que la distribucin de flujo de calor es aproximadamente
normal. Sugieren los datos que el polvo de hulla es eficaz para
incrementar el flujo medio de calor sobre el del csped? Pruebe la
hiptesis apropiada con = 0,05.
Actividad 1. Utilizar la prueba t de una muestra para decidir si el polvo de hulla
es eficaz para incrementar el flujo medio de calor sobre el del csped.

Ingresar o exportar los datos a SPSS.

Plantear las hiptesis nula y alternativa.
H0: 29 (LA MEDIA DEL FLUJO DE CALOR A TRAVS DEL SUELO
CUBIERTO CON POLVO DE HULLA ES MENOR IGUAL QUE 29 W m-2)
H1: > 29 (LA MEDIA DEL FLUJO DE CALOR A TRAVS DEL SUELO
CUBIERTO CON POLVO DE HULLA ES MAYOR QUE 29 W m-2.)

 Ingresar a Analizar>>Comparar Medias >> Prueba T para una muestra

Seleccionar la variable Flujo_de_calor. En la opcin Valor de prueba: escribir

29. En el men de Opciones, seleccionar 95% de nivel de confianza y activar
la opcin Excluir casos segn anlisis. Hacer clic en Continuar. Hacer clic en
Aceptar.

LOS RESULTADOS OBTENIDOS EN SPSS SON LOS SIGUIENTES:

DADO QUE SPSS SOLO REALIZA PRUEBAS DE HIPTESIS BILATERAL, Y

NUESTRA HIPTESIS ALTERNATIVA SUGIERE UNA PRUEBA DE COLA
DERECHA, ES NECESARIO DIVIDIR ENTRE 2 EL VALOR DE LA
SIGNIFICANCIA BILATERAL DADO POR SPSS, ESTO ES EL VALOR DE P.
LUEGO PARA COMPROBAR NUESTRA HIPTESIS NULA ESTE NUEVO
VALOR DE P SE COMPARA CON EL NIVEL DE SIGNIFICANCIA.

COMO P=0.464/2=0.232 ES MAYOR QUE 0.05 ENTONCES NO SE RECHAZA LA

H0.
SE CONCLUYE A UN NIVEL DE SIGNIFICANCIA DE 5% QUE LA MEDIA DEL
FLUJO DE CALOR A TRAVS DEL SUELO CUBIERTO CON POLVO DE HULLA
ES MAYOR QUE 29 W m-2. ES DECIR, LOS DATOS NO SUGIEREN QUE EL
POLVO DE HULLA SEA EFICAZ PARA INCREMENTAR EL FLUJO MEDIO DE
CALOR SOBRE EL DEL CSPED.
CASO DE ESTUDIO 2:
Ronald W. Bell. y Jerold C. Hipfner (1997). Airborne Hexavalent Chromium in
Southwestern Ontari.
Los desrdenes musculo esquelticos del cuello y hombro son comunes entre
empleados de oficina que realizan tareas repetitivas mediante pantallas de
visualizacin. El artculo
report
sobre
un
SUJETO ANTES
DESPU
estudio para determinar
si
condiciones
de
ES
trabajo ms variadas
habran tenido algn
1
81
78
impacto
en
el
movimiento del brazo.
2
87
91
Los
adjunto
se
obtuvieron con una
3
86
78
muestra de n = 16
sujetos.
Cada
4
82
78
5
90
84
observacin
es
la
cantidad de tiempo,
6
86
67
expresada como una
proporcin de tiempo
7
96
92
total
observado,
durante el cual la
8
73
70
elevacin del brazo fue
de menos de 30. Las
9
74
58
dos mediciones de
cada
sujeto
se
10
75
62
obtuvieron con una
separacin
de
18
11
72
70
meses. Durante este
periodo,
las
12
80
58
condiciones de trabajo
cambiaron y se permiti
13
66
66
que
los
sujetos
realizaran una variedad
14
72
60
15
56
65
ms amplia de tareas.
Sugiere estos datos
16
82
73
que el tiempo promedio
verdadero durante el
cual la elevacin es menor de 30 difiere despus del cambio de lo que era
antes del mismo?

Actividad 1. Evaluar si la distribucin es normal utilizando las pruebas de

normalidad.
Ingresar o exportar los datos a SPSS. Asignar como nombre a las variables:
Antes, Despus.

Calcular la diferencia
entre
las
variables Antes y Despus, y almacenar los resultados en una nueva variable:
Diferencia

 Ingresar a Analizar >> Estadsticos descriptivos >> Explorar. Seleccionar la

variable Diferencia. En la opcin Grficos, desactivar las opciones de
Diagramad e cajas y Descriptivos. Seleccionar Grficos de normalidad con
pruebas.

Actividad 2. Utilizar la prueba t para dos muestra relacionadas.

Plantear las hiptesis nula y alternativa.
H0: D = 0 (NO EXISTE DIFERENCIA ENTRE EL TIEMPO PROMEDIO
VERDADERO ANTES DEL CAMBIO Y EL TIEMPO VERDADERO DESPUS
DEL CAMBIO.)
H1: D 0 (EXISTE DIFERENCIA ENTRE EL TIEMPO PROMEDIO
VERDADERO ANTES DEL CAMBIO Y EL TIEMPO VERDADERO DESPUS
DEL CAMBIO)
Ingresar a Analizar>>Comparar Medias >> Prueba T para muestras
relacionadas

 Seleccionar las variables ANTES Y DESPUES como se muestra en la figura.

En Opciones, seleccionar un intervalo de confianza de 95%. Hacer clic en
Aceptar.

Analizar
resultados

los

CASO III: Incidencia

en el aprendizaje
significativo para la educacin superior.
El presente artculo explora el uso de la WebQuest como metodologa del
Aprendizaje Basado en Proyectos Colaborativos en la formacin de estudiantes
de educacin superior de la Escuela de Ingeniera Mecnica de la Escuela
Superior Politcnica de Chimborazo (ESPOCH). Con esta finalidad se dise la
WebQuest para ser aplicada con estudiantes entre 18 y 22 aos en la
asignatura de Programacin. Se seleccion a 54 estudiantes y se los dividi en
dos grupos A y B. En el grupo A se continu el aprendizaje tradicional mientras
que en el grupo B se utiliz la WebQuest como mtodo de aprendizaje. En la
siguiente tabla se muestra los resultados de la evaluacin del examen parcial
sobre 8 puntos, que se realiz a ambos grupos.

SUJETO
1
2

GRUPO A
4
5

GRUPO B
7
8

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

7
6
7
6
7
5
6
5
6
5
5
6
4
7
6
5
4
7
7
6
6
6
6
7
2

7
6
7
6
7
7
6
6
7
6
7
7
6
8
8
7
7
5
6
8
7
8
7
7
8

Sugieren los datos que la metodologa WebQuest permite mejorar el

rendimiento acadmico de los estudiantes? Utilice un nivel de significancia de
5%, suponga que las varianzas poblacionales son iguales.
Solucin
Primero introducimos los datos creando dos columnas como se muestra en la
figura:

Antes que nada debe explorarse la variable cuantitativa para comprobar que se
cumplen los requisitos que van a permitir aplicar las pruebas paramtricas.
Para ello recurrimos al procedimiento EXPLORAR en la pestaa de Analizar >
Estadsticos descriptivos:

El mismo proceso se repite para cada grupo, obtenindose dos grficas.

El patrn lineal de cada una confirma la suposicin de que las dos

distribuciones son aproximadamente normal.
Probamos ahora las hiptesis apropiadas.
H0: A- B 0 (El promedio de notas de la evaluacin realizadas al grupo A no es
menor que los resultados obtenidos en el grupo B)

H1: A- B < 0 (El promedio de notas de la evaluacin realizadas al grupo A es

menor que los resultados obtenidos en el grupo B)
En SPSS creamos dos nuevas columnas: La columna GRUPOS que ser
nuestra varibale de agrupacin y la columna NOTAS que ser nuestra variable
de prueba.

Ingresamos a Analizar>>Comparar Medias >> Prueba T para muestras

independientes.

Los resultados que muestra SPSS son los siguientes:

Dado que en un inicio se supuso que las varianzas eran iguales se utilizar el
primer resultado. Como SPSS solo realiza pruebas de hiptesis bilateral, y
nuestra hiptesis alternativa sugiere una prueba de cola izquierda, es necesario
dividir entre 2 el valor de la significancia bilateral dado por SPSS, esto es el
valor de p. Luego para comprobar nuestra hiptesis nula este nuevo valor de p
se compara con el nivel de significancia.
Como p=0.000, es decir es muy pequeo al dividir entre 2 obtendremos un
valor mucho ms pequeo que siempre ser menor que , por lo tanto SE
RECHAZA LA H0. Observe que se llega a la misma conclusin si se analiza el

95% de intervalo de confianza de la diferencia, pues el valor de 0 no se

encuentra en dicho intervalo.
Se concluye a un nivel de significancia de 5% que el promedio de notas de la
evaluacin realizadas al grupo A es menor que los resultados obtenidos en el
grupo B, esto significa que La WebQuest es una metodologa de aprendizaje
que cambia la forma en la los estudiantes aprenden, permite mejorar el
rendimiento acadmico de los estudiantes.

CASO IV: Origen de formaciones de hierro precmbricos

Un estudio estadstico de la composicin qumico de las formaciones de hierro
precmbricos ofrece un nuevo enfoque sobre el origen de estas inusuales
formaciones. El presente artculo reporta los siguientes datos sobre Fe total
para cuatro tipos de formaciones de hierro (1 = carbonato, 2 = silicato, 3=
magnetita, 4=hematita).
1
20.5
28.1
27.8
27.0
28
25.2
25.3
27.1
20.5
31.3

2
26.6
24
26.2
20.2
23.7
34
17.1
26.8
23.7
24.9

3
29.5
34
27.5
29.4
27.9
26.2
29.9
29.5
30
35.6

4
36.5
44.2
34.1
30.3
31.4
33.1
34.1
32.9
36.3
25.5

Analice una prueba F de varianza a un nivel de significancia de 0.01 y resuma

los resultados en una tabla ANOVA.
Solucin

El anlisis de la varianza (ANOVA de un factor) nos permitir no solo saber si

hay diferencias en las medias en los diferentes grupos, sino explorar entre qu
grupos concretos se dan esas diferencias (a travs de los llamados contrastes
a posteriori)
Partimos de las siguientes hiptesis:
H0: 1= 2 =3 =4 (El Fe total contenido en las formaciones de hierro es la
misma)
H1: Por lo menos dos de los son diferentes.
Primero evaluamos el supuesto de normalidad para cada grupo. Las grficas
obtenidas en SPSS evidencian una distribucin aproximadamente normal, por
lo que podemos comparar las medias de la cantidad de Fe total en cada
formacin inusual.

Ordenamos los datos como se muestra en la figura:

Ingresamos a Analizar>>Comparar Medias >>

ANOVA de un factor.
Hacemos clic en Post-hoc y seleccionamos como mtodo de comparacin
mltiple el procedimiento de Turkey a un nivel de significancia de 0.01. Tambin
debemos explorar los contenidos de la pestaa Opciones, para solicitar una
prueba de homogeneidad de varianzas y, si lo deseamos, un resumen de los
principales descriptivos en cada grupo de comparacin.

Los resultados que muestra SPSS son los siguientes:

A continuacin, el programa SPSS nos ofrece un test para evaluar la

homogeneidad de varianzas, en el caso de estudio, la significacin estadstica
p vale 0,751 con lo cual puede asumirse la homogeneidad de varianzas.
Deberamos seguir con el proceso puesto que, como hemos dicho
anteriormente, se cumple el requisito de homocedasticidad, en el caso que el p
hubiera sido menor a 0.05 se hubiera detenido el proceso.

A continuacin aparece la salida del ANOVA propiamente dicho, con sus

diferentes componentes o fuentes de variabilidad: la entre-grupos y la dentrogrupos. Esta ltima representara la variabilidad o dispersin que no se explica
por el factor de agrupamiento (Formaciones de hierro) y que sera explicable
slo por el azar.

Para llevar a cabo el contraste se recurre al estadstico F, que en nuestro

ejemplo equivale a 10,779 y tiene un valor p asociado de 0,000 (no
significativo).
Con esto concluiramos nuestra evaluacin diciendo que se rechaza la
Hiptesis nula dado que = 0.01 > p. Es posible afirmar entonces que a un
nivel de significancia de 1% la cantidad de Fe total y las formaciones
inusuales de hierro s muestran asociacin, esto es que las medias en de las
cantidades totales de hierro son diferentes en las diferentes formaciones
precmbricas. En este caso s tendra sentido evaluar los contrastes a
posteriori, puesto que se han encontrado diferencias significativas en el ANOVA
y hay que saber entre qu centros estn las diferencias.

En el cuadro de comparaciones mltiples vemos que cada formacin

precmbrica se compara con las otras tres, con lo cual se obtiene en cada
contrastre las diferentes medias, el intervalo de confiaza al 99%, el error
estndar y el valor de p asociado. Al ser diferentes las medias de cada
formacin, concluiramos que la mayor cantidad de Fe Total se encuentran en
primer lugar en la hematita, luego magnetita, carbonato y silicato.

CASO V: Sensibilidad en jugadores de tenis profesional a los cambios de

tensin y el efecto sobre la dinmica de la pelota.
El artculo que se presenta a continuacin describe un experimento en el que
cuatro diferentes tensiones de cuerda (N) fueron utilizadas y las bolas
proyectadas desde una mquina fueron golpeadas por 18 jugadores diferentes.
La velocidad de rebote (km/h) se determin para cada combinacin tensin
jugador. Considere los siguientes datos en la tabla de un experimento similar
con slo seis jugadores (el resultado ANOVA se encuentra en buen acuerdo
con lo reportado en el artculo).
Jugador
Tensin
1
2
3
4
5
210
105,7
116,6
106,6
113,9
119,4
235
113,3
119,9
120,5
119,3
122,5
260
117,2
124,4
122,3
120
115,1
285
110
106,8
110
115,3
122,6
Existe alguna diferencia en la velocidad de rebote debido a los
jugadores o las diferentes tensiones de cuerda?

6
123,5
124
127,9
128,3
diferentes

Solucin
Partimos de las siguientes hiptesis:
1. H0A: 1= 2 = 3 = 4 =5 =6 (La media de la velocidad de rebote por
cada jugador es igual)
H1A: La media de la velocidad de rebote por cada jugador no es igual.
2. H0B: 1= 2 = 3 = 4 (La media de la velocidad de rebote debido a las
diferentes tensiones en la cuerda son iguales)
H1B: La media de la velocidad de rebote debido a las diferentes tensiones
en la cuerda no son iguales.
Ingresamos los datos como se muestra en la figura:

Ingresamos
Univariado

Analizar

>

Modelo

lineal

general

>

En la ventana emergente asignamos como variable dependiente a nuestra

variable cuantitativa V (Velocidad), y como factores fijos a las variables T y J
respectivamente. Especificamos un modelo personalizado, como se muestra en
la figura.

Los resultados que muestra SPSS son los siguientes:

El valor crtico para probar H0A a un nivel de significancia de 5% es 4,756.

Como p = 0.008 es menor que 0.05 se rechazan la hiptesis nula, por lo que la
velocidad de rebote depende del jugador que lo ejecute. Para la tensin en la

cuerda se tiene un F = 3.320 y un valor de p = 0.049 menor que 0.05, por lo

que se rechaza la hiptesis nula H 0B. Se concluye que la velocidad de rebote
vara con la tensin de la cuerda.
Problemas Propuestos:
1. Estimacin de la incertidumbre del costo del ciclo de vida de las vas frreas.

Lifeaestimation
cycle
cost
(LCC)
is used
as
support
cost-effective
for
maintenance
decision
However,
a
fair
degree
ofof
uncertainty
the
associated
with
statistical
characteristics
maintainability
reliability
and
parameters.

El estudio del caso fue realizado en la lnea de mineral de hierro Malmbanan,

que se extiende desde Lulea en Sweden hasta Narvik en Noruega. El estudio
se realiz sobre el costo de reparacin de los carriles de alto y bajo por
separado. Un carril bajo denota un carril interior y un carril alto denota un carril
exterior en una va curva de tren de cierta lnea de ferrocarril. La idea de
separar el alto y bajo carril para la estimacin de costos radica en el hecho de
que ambos tienen diferentes deterioros debido a las fuerzas cuasi estticas en
la va curva del ferrocarril. Los datos se muestran en la siguiente tabla.
Carril alto
159
120
480
149
270
547
340
43
228
202
240
218

Carril bajo
258
154
216
240
169
75
340
202
202
216
240

Tabla 1: Tiempo de reparacin (minutos) de la rotura de un carril alto y bajo en una va

curva del tren de cierta lnea de ferrocarril.

Una grfica de probabilidad normal de los datos del tiempo de reparacin en

minutos de la rotura de un carril alto muestra un patrn bastante lineal, por lo
que es factible que la distribucin de la poblacin del tiempo de reparacin sea
por lo menos aproximadamente normal.
a. Realice una prueba de hiptesis usando 0.05 como nivel de
significancia, Hay pruebas de peso para concluir que de verdad el
tiempo medio de reparacin sea superior a 200 minutos? D el
estadstico de prueba y el valor-p.
2.Determinacin de la fuerza crtica y la capacidad de trabajo anaerbico de las
personas que practican canotaje en un ergonmetro de brazo, usando dos
ecuaciones lineales.
El objetivo del presente estudio fue investigar la influencia de dos modelos
lineales en la determinacin de la potencia crtica (CP) y la capacidad
anaerbica de trabajo de las personas que practican canotaje utilizando un
ergonmetro de brazo. Los datos adjuntos se obtuvieron con una muestra de 8

varones. Se presenta dos tablas: 1 y 2. Cada observacin es la potencia crtica

expresada en W y la capacidad de trabajo anaerbico estimados por los dos
modelos lineales. Dos ecuaciones lineales diferentes fueron empleados para
calcular el CP y el CTAn.
Sujetos

1
2
3
4
5
6
7
8

Modelo
Potencia1/tiempo
(W)
158.4
165.4
121.1
145.0
140.8
165.2
124.3
136.8

Modelo
TrabajoTiempo
(W)
155.1
161.3
115.1
145.3
140.6
159.0
126.2
133.0

Tabla 1. Potencia crtica (PC)

estimada por dos modelos
lineales.

Sujetos

Modelo
Modelo
PotenciaTrabajo1/tiempo
Tiempo
(kJ)
(kJ)
1
8.3
9.6
2
14.9
16.7
3
14.2
16.5
4 2. Capacidad
9.1 de trabajo
8.9
Tabla
5
13
anaerbico (CTAn) estimada 13
por
6
13.4
16.2
dos modelos lineales.
7
17.3
16.4
8
12.7
14

Las dos mediciones de cada sujeto

se obtuvieron en con una separacin de 24 horas. Durante este periodo los
sujetos fueron orientados para que no realicen actividades fsicas vigorosas.
Sugieren estos datos que la estimacin realizada con el mtodo Potencial1/tiempo difiere de la estimacin realizada con el mtodo Trabajo-Tiempo?