Sei sulla pagina 1di 17

SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

PARTE I

Se hizo un estudio sobre terrenos construidos en una determinada región, se analizó el costo del
terreno (Terreno$), el costo total con construcción (Total$), el área total del terreno en metros
cuadrados (Área), que combustible usa (Combust), número total de habitaciones, numero de
chimeneas, si tiene o no garaje de cuantos y el número de pisos en el área construida.

Estos datos están resumidos en el siguiente cuadro:

id Terreno$ Total$ Área Combust Nro_hab Nro_Chimenea Garaje? Pisos


1 63247 199657 6596.6 NatGas 8 2 Garaje 1
2 38091 78482 2003.3 NatGas 6 0 NoGaraje 2
3 37665 119962 1517.6 Electric 7 1 Garaje 1
4 54062 116492 3970.1 Electric 6 1 Garaje 3
5 61546 131263 4613.6 NatGas 8 2 NoGaraje 3
6 97177 244128 13112.3 NatGas 10 1 Garaje 1
7 83702 240777 7859.3 NatGas 9 3 Garaje 3
8 84504 381984 5572.7 NatGas 9 2 Garaje 1
9 88754 137275 14771.5 NatGas 8 0 NoGaraje 3
10 58480 131625 4856.4 Electric 7 2 Garaje 2
11 35353 74365 1173.6 NatGas 8 0 NoGaraje 2
12 40717 118467 2023.5 Electric 7 2 Garaje 1
13 50042 100944 3278.1 NatGas 8 1 NoGaraje 3
14 81927 127615 14973.9 Electric 6 2 NoGaraje 3
15 62396 235286 3723.2 NatGas 9 4 Garaje 1
16 62803 205589 4888.8 Electric 9 3 Garaje 3
17 107161 178886 23796.4 Electric 9 2 Garaje 3
18 39329 100300 1857.6 Electric 7 1 Garaje 3
19 44419 80822 2796.5 NatGas 5 0 Garaje 1
20 45613 100377 3569.5 NatGas 5 1 Garaje 1
21 48972 96674 3763.7 Electric 7 0 Garaje 3
22 48014 115583 3605.9 Electric 8 2 Garaje 3
23 42148 94439 2792.4 Electric 6 1 Garaje 2
24 75824 141843 14245.4 Electric 7 1 Garaje 2
25 69807 145758 6879.9 Electric 7 1 Garaje 2
26 65240 229835 4241.3 Electric 10 3 Garaje 2
27 47316 129962 3225.5 Electric 5 2 Garaje 3
28 51067 131836 3759.7 Electric 7 2 Garaje 2
29 77731 190021 7689.3 Electric 5 3 Garaje 1
30 50154 118687 3796.1 Electric 5 2 Garaje 3
31 55625 131781 3836.6 Electric 6 2 Garaje 1
32 53680 215791 2808.6 NatGas 8 1 Garaje 1
33 89568 243067 13759.8 NatGas 9 2 Garaje 3
34 44685 113131 1805 NatGas 9 2 Garaje 1
35 70364 233032 6070.5 Electric 13 3 NoGaraje 2

1
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

36 117569 375365 15783.3 NatGas 12 7 Garaje 2


37 59861 156226 3682.8 NatGas 10 5 Garaje 2
38 63452 175455 3836.6 NatGas 8 1 Garaje 1
39 59020 127922 4208.9 NatGas 7 1 NoGaraje 3
40 109720 246357 17402.1 NatGas 12 6 Garaje 2
41 45692 156761 2092.3 NatGas 10 2 Garaje 2
42 69604 211348 6637.1 Electric 9 4 Garaje 2
43 73274 225129 7244.1 Electric 12 2 Garaje 1
44 68851 205585 5503.9 Electric 14 1 Garaje 1
45 59123 115919 5503.9 Electric 10 1 NoGaraje 3
46 47990 120753 2671 NatGas 6 1 Garaje 3
47 41582 99308 1821.2 NatGas 8 1 Garaje 1
48 107237 274958 16309.4 NatGas 7 2 Garaje 2
49 84399 275289 6515.7 NatGas 13 2 Garaje 1
50 84396 221695 8094 NatGas 9 3 Garaje 2
51 105835 343673 13719.3 Electric 12 4 Garaje 3
52 125711 374256 21206.3 NatGas 14 4 Garaje 2
53 131224 453744 20680.2 NatGas 12 2 Garaje 2
54 85535 361002 10765 Electric 9 4 Garaje 2
55 56363 133180 3715.1 Electric 6 1 Garaje 1
56 60639 147436 4775.5 NatGas 6 0 Garaje 1
57 78935 198935 5597 NatGas 8 2 Garaje 1
58 73318 177630 10926.9 Electric 8 0 Garaje 1
59 86193 351170 6353.8 Electric 12 3 Garaje 1
60 76478 235269 5989.6 NatGas 7 3 Garaje 3
61 78005 212037 6151.4 Electric 10 1 Garaje 3
62 77656 232209 5625.3 Electric 8 2 Garaje 1
63 41716 103387 2266.3 Electric 6 1 Garaje 1
64 126639 360643 22420.4 NatGas 12 5 Garaje 2
65 71931 301188 6070.5 Electric 10 2 Garaje 1
66 57948 253480 3488.5 Electric 10 1 Garaje 1
67 57489 257037 3844.6 Electric 9 2 Garaje 3
68 50301 159669 3885.1 NatGas 7 3 Garaje 2
69 57166 238888 3500.7 NatGas 11 1 Garaje 3
70 76711 239024 5584.9 Electric 8 2 Garaje 1
71 56753 128589 4047 NatGas 9 1 Garaje 3
72 51866 145493 2954.3 NatGas 8 1 Garaje 3
73 44464 140461 1578.3 Electric 12 1 Garaje 3
74 37036 125425 1384.1 Electric 7 2 Garaje 3
75 46169 187903 1865.7 Electric 9 2 NoGaraje 3
76 41400 111602 2752 Electric 6 2 Garaje 2

2
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

RESOLUCIÓN:

1. Hacer el análisis descriptivo de cada variable, indicando el tipo de variable

Las variables en estudio son:

 Terreno$, es una variable cuantitativa (continua) que describe es el precio total de un terreno.

Estadísticas descriptivas: Terreno$

Conteo
Variable total Media Desv.Est. CoefVar Mínimo Mediana Máximo Rango
Terreno$ 76 66743 23019 34.49 35353 61093 131224 95871

Histograma de Terreno$ Gráfica de caja de Terreno$

Histograma de Terreno$ Gráfica de caja de Terreno$


18 140000

16

14 120000

12
Frecuencia

100000
10 Terreno$

8
80000
6

4
60000
2

0
40000 60000 80000 100000 120000 40000
Terreno$

 Total$, es una variable cuantitativa (continua) que describe precio total del terreno después
de la construcción de una vivienda.

Estadísticas descriptivas: Total$

Conteo
Variable total Media Desv.Est. CoefVar Mínimo Mediana Máximo Rango
Total$ 76 189436 85241 45.00 74365 167562 453744 379379

Histograma de Total$ Gráfica de caja de Total$

Histograma de Total$ Gráfica de caja de Total$


20 500000

15 400000
Frecuencia

10 300000
Total$

5 200000

0 100000
100000 150000 200000 250000 300000 350000 400000 450000
Total$

3
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

 Área, es una variable cuantitativa (continua) que describe el área total del terreno en metros
cuadrados.

Estadísticas descriptivas: Area

Conteo
Variable total Media Desv.Est. CoefVar Mínimo Mediana Máximo Rango
Area 76 6549 5398 82.43 1174 4427 23796 22623

Histograma de Area Gráfica de caja de Area

Histograma de Area Gráfica de caja de Area


25000
25

20000
20
Frecuencia

15 15000

Area
10
10000

5
5000

0
0 5000 10000 15000 20000 25000
Area 0

 Combust, es una variable cualitativa (nominal) que describe el tipo de combustible que usa
una vivienda.

Estadísticas descriptivas: Combust


Variable “Combust” Conteo
Electric 40
NatGas 36
Total 76

Gráfica de Combust Gráfica circular de Combust

Gráfica de Combust Gráfica circular de Combust


40 Categoría
40
Electric
36 NatGas

30
Conteo

20 NatGas
36, 47.4%
Electric
40, 52.6%

10

0
Electric NatGas
Combust

4
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

 Nro_Habitaciones, es una variable cuantitativa (discreta) que describe el número de


habitaciones que se construyeron en una vivienda.

Estadísticas descriptivas: Nro_hab

Conteo
Variable total Media Desv.Est. CoefVar Mínimo Mediana Máximo Rango
Nro_hab 76 8.500 2.260 26.59 5.000 8.000 14.000 9.000

Histograma de Nro_hab Gráfica de caja de Nro_hab

Histograma de Nro_hab Gráfica de caja de Nro_hab

14 14

12 13

12
10
11
Frecuencia

Nro_hab
10
6
9

4 8

2 7

6
0
6 8 10 12 14
5
Nro_hab

 Nro_Chimeneas, es una variable cuantitativa (discreta) que describe el número de chimeneas


que se construyeron en una vivienda.

Estadísticas descriptivas: Nro_chimenea

Conteo
Variable total Media Desv.Est. CoefVar Mínimo Mediana Máximo Rango
Nro_chimenea 76 1.947 1.365 70.11 0.000 2.000 7.000 7.000

Histograma de Nro_chimenea Gráfica de caja de Nro_chimenea

Histograma de Nro_chimenea Gráfica de caja de Nro_chimenea


30
7

25 6

20 5
Frecuencia

Nro_chimenea

15 4

3
10

2
5

1
0
0 1 2 3 4 5 6 7
0
Nro_chimenea

5
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

 Garaje?, es una variable cualitativa (nominal) que describe si una determinada vivienda
cuenta o no con garaje.

Estadísticas descriptivas: Garaje?


Variable “Garaje?” Conteo
Garaje 66
NoGaraje 10
Total 76

Gráfica de Garaje? Gráfica circular de Garaje?

Gráfica de Garaje? Gráfica circular de Garaje?


70 66
Categoría
Garaje
NoGaraje
NoGaraje
10, 13.2%
60

50

40
Conteo

30

20

10
10

0 Garaje
66, 86.8%
Garaje NoGaraje
Garaje?

 Pisos, es una variable cuantitativa (discreta) que describe el número de pisos que se
construyeron en una vivienda.

Estadísticas descriptivas: pisos

Conteo
Variable total Media Desv.Est. CoefVar Mínimo Mediana Máximo Rango
pisos 76 2.0000 0.8485 42.43 1.0000 2.0000 3.0000 2.0000

Histograma de pisos Gráfica de caja de pisos

Histograma de pisos Gráfica de caja de pisos


30
3.0

25

2.5
20
Frecuencia

15
pisos

2.0

10

5 1.5

0
1 2 3
1.0
pisos

6
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

2. Probar si el número de habitaciones en promedio es mayor a 6

Prueba de Hipótesis

H0 :   6
I. Formulación de la hipótesis:
Ha :   6

II. Nivel de significación:   0.05

III. Estadístico de prueba:  n  30  Zc 


X   
0 n
S

Z de una muestra: Nro_hab

Prueba de mu = 6 vs. > 6


La desviación estándar supuesta = 2.26

Error
estándar
de la 95% Límite
Variable N Media Desv.Est. media inferior Z P
Nro_hab 76 8.500 2.260 0.259 8.074 9.64 0.000

IV. Punto crítico:

Función de distribución acumulada inversa

Normal con media = 0 y desviación estándar = 1

P( X <= x ) x
0.95 1.64485

V. Conclusión:
Como Zc  9.64  1.64  Z0 (   0.05  0.00  P ) entonces se rechaza la hipótesis nula, por
lo tanto existe suficiente evidencia para afirmar que el promedio de número de habitaciones
es mayor que 6.

3. Pruebe si hay diferencias en las varianzas del área del terreno según si tiene o no Garaje

Prueba de Hipótesis

H 0 : 12   22
I. Formulación de la hipótesis:
H a : 12   22

II. Nivel de significación:   0.05

7
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

2
S mayor
III. Estadístico de prueba: Fc  2
S menor

Prueba e IC para dos varianzas: Area vs Garaje?

Método

Hipótesis nula Sigma(Garaje) / Sigma(NoGaraje) = 1


Hipótesis alterna Sigma(Garaje) / Sigma(NoGaraje) not = 1
Nivel de significancia Alfa = 0.05

Estadísticas

Garaje? N Desv.Est. Varianza


Garaje 66 5481.662 3.00486E+07
NoGaraje 10 5015.354 2.51538E+07

Relación de deviaciones estándar = 1.093


Relación de varianzas = 1.195

Intervalos de confianza de 95%

IC para IC para
Distribución relación de relación de
de los datos Desv.Est. varianza
Normal (0.589, 1.664) (0.347, 2.768)
Continuo (0.198, 2.136) (0.039, 4.564)

Pruebas

Estadística
Método GL1 GL2 de prueba Valor P
Prueba F (normal) 65 9 1.19 0.830
Prueba de Levene (cualquiera continua) 1 74 0.03 0.864

IV. Punto crítico:

Función de distribución acumulada inversa

Distribución F con 65 GL en el numerador y 9 GL en el denominador

P( X <= x ) x
0.975 3.44054

V. Conclusión:
Como Fc  1.19  3.44  F0 (   0.05  0.83  P ) entonces no se rechaza la hipótesis nula,
por lo tanto, existe suficiente evidencia para afirmar que las varianzas de las áreas de los
terrenos según si tienen o no garaje, son estadísticamente iguales.

8
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

4. Pruebe si hay diferencias significativas de los promedios del área del terreno entre los que tienen
y no tiene Garaje.

Prueba de Hipótesis

H 0 : 1   2
I. Formulación de la hipótesis:
H a : 1   2

II. Nivel de significación:   0.05

X Y  m  1  S12   n  1  S 22
III. Estadístico de prueba: tc  ; donde: S P 
1 1 mn2
Sp 
m n

Prueba T e IC de dos muestras: Area, Garaje?

T de dos muestras para Area

Error
estándar
de la
Garaje? N Media Desv.Est. media
Garaje 66 6655 5482 675
NoGaraje 10 5846 5015 1586

Diferencia = mu (Garaje) - mu (NoGaraje)


Estimado de la diferencia: 809
IC de 95% para la diferencia: (-2861, 4478)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.44 Valor P = 0.662 GL = 74
Ambos utilizan Desv.Est. agrupada = 5427.0891

IV. Punto crítico:

Función de distribución acumulada inversa

Distribución t de Student con 74 GL

P( X <= x ) x
0.975 1.99254

V. Conclusión:
Como t c  0.44  1.99  t 0 (   0.05  0.66  P ) entonces no se rechaza la hipótesis nula,
por lo tanto existe suficiente evidencia para afirmar que los promedios de las áreas de los
terrenos según si tienen o no garaje, son estadísticamente iguales.

9
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

5. Probar si existe una relación entre el uso de combustible y los pisos de la construcción

Prueba de Hipótesis

I. Formulación de la hipótesis:
H 0 : Pij  Pi. P.j No existe relación entre el uso de combustible y los pisos cons.
H a : algún Pij  Pi. P. j Existe relación entre el uso de combustible y los pisos cons.

II. Nivel de significación:   0.05

n 
2
r k  e ij
  
2 ij
III. Estadístico de prueba: c
i1 j1 e ij

donde n ij : es la frecuencia observada


n i. n . j
e ij  : es la frecuencia esperada
n

Estadísticas tabuladas: Combust, pisos

Filas: Combust Columnas: pisos

1 2 3 Todo

Electric 14 10 16 40
18.42 13.16 21.05 52.63
14.21 11.58 14.21 40.00

NatGas 13 12 11 36
17.11 15.79 14.47 47.37
12.79 10.42 12.79 36.00

Todo 27 22 27 76
35.53 28.95 35.53 100.00
27.00 22.00 27.00 76.00

Contenido de la celda: Conteo


% del total
Conteo esperado

Chi-cuadrada de Pearson = 0.937, GL = 2, Valor P = 0.626


Chi-cuadrada de la tasa de verosimilitud = 0.940, GL = 2, Valor P = 0.625

IV. Punto crítico:

Función de distribución acumulada inversa

Chi-cuadrada con 2 GL

P( X <= x ) x
0.975 7.37776

10
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

V. Conclusión:
Como c2  0.937  7.377  02 (   0.05  0.626  P ) entonces no se rechaza la hipótesis

nula, por lo tanto, existe suficiente evidencia para afirmar que no existe relación entre el
combustible y el número de pisos construidos en una vivienda.

6. Probar si la secuencia de selección de uso de combustible es aleatoria.

Prueba de Hipótesis

I. Formulación de la hipótesis:
H0 : La secuencia de la selección de uso de combustible es aleatoria.
Ha : La secuencia de la selección de uso de combustible no es aleatoria.

II. Nivel de significación:   0.05

R  r
III. Estadístico de prueba: Zc  ;
r
2n1.n2 (2n1n2 )(2n1n2  n)
donde:  r   1 , r 
(n1  n1 ) n2 (n  1)
n1 = Número de ocurrencias tipo 1
n2 = Número de ocurrencias tipo 2
n = Número total de observaciones.
R = Numero de rachas

Prueba de corridas: CombDic

Prueba de corridas para CombDic

Corridas por encima y por debajo de K = 0.526316

El número observado de corridas = 30


El número esperado de corridas = 38.8947
40 observaciones por encima de K; 36 por debajo
Valor p = 0.039

IV. Punto crítico:

Función de distribución acumulada inversa

Normal con media = 0 y desviación estándar = 1

P( X ≤ x ) x
0.975 1.95996

11
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

V. Conclusión:
Como Z c  Z 0 (   0.05  0.04  P ) entonces se rechaza la hipótesis nula, por lo tanto, no

existe suficiente evidencia estadística para afirmar que la secuencia de la selección de uso
de combustible es aleatoria.

7. Realizar una prueba de Smirnov-Kolmogorov para determinar si el costo total con construcción
tiene distribución normal

Prueba de Hipótesis

I. Formulación de la hipótesis:
H0 : Los datos analizados siguen una distribución normal.
Ha : Los datos analizados no siguen una distribución normal.

II. Nivel de significación:   0.05

III. Estadístico de prueba:

Dmax ( x)  max | F0 ( x)  Sn ( x) |
donde:
( F0 ( x))
Probabilidad Esperada Acumulada:
Di | F0 ( x1 )  Sn ( xi ) |
Diferencias Absolutas entre la distribución esperada y observada:

Prueba de Kolmogorov-Smirnov para una muestra


Total$
N 76
Parámetros normalesa,b Media 189436,0000
Desviación estándar 85241,42163
Máximas diferencias Absoluta ,149
extremas Positivo ,149
Negativo -,093
Estadístico de prueba ,149
Sig. asintótica (bilateral) ,000c
a. La distribución de prueba es normal.
b. Se calcula a partir de datos.
c. Corrección de significación de Lilliefors.

Elaboración: Software Estadístico Spss.

12
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

Gráfica de probabilidad de Total($)

IV. Punto crítico:

Critical values for the Kolmogorov-Smirnov Test:

1.358
KS- Table, Cuando n > 70 =0,1558
n

V. Conclusión:
Como   0.05  0.01  P entonces se rechaza la hipótesis nula, por lo tanto, no existe
suficiente evidencia estadística para afirmar que los datos analizados siguen una
distribución normal.

Observación:

Si se analizara el estadístico, tendríamos que Dmax ( x)  Dmax p(, n) en consecuencia no se


rechazaría la hipótesis nula.

8. Probar si el costo total es igual según los pisos construidos

Prueba de Hipótesis

I. Formulación de la hipótesis:
H0 : Las medianas de las poblaciones son consideradas iguales.
Ha : Al menos una de las poblaciones tiene mediana distinta a las otras.

II. Nivel de significación:   0.05

13
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

III. Estadístico de prueba:

12 k Rm2
H   3(n  1)
n(n  1) m 1 nm
donde:
n , total de datos
Rm , Suma de Rangos

H
En caso de empates: H '  g

 (t 3
 ti )
1 i 1
n3  n

Prueba de Kruskal-Wallis: Total($) vs. Pisos

Prueba de Kruskal-Wallis en Total($)

Clasificación
Pisos N Mediana del promedio Z
1 27 198935 40.7 0.65
2 22 185509 43.2 1.19
3 27 131263 32.4 -1.77
General 76 38.5

H = 3.31 GL = 2 P = 0.191

IV. Punto crítico:

Función de distribución acumulada inversa

Chi-cuadrada con 2 GL

P( X <= x ) x
0.975 7.37776

V. Conclusión:
Como H  2k 1,1  (   0.05  0.191  P ) entonces no se rechaza la hipótesis nula, por lo

tanto, existe suficiente evidencia estadística para afirmar que el costo total es igual según
los pisos construidos.

14
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

9. Probar que la mediana del número de habitaciones es 7

Prueba de Hipótesis

H0 : M e  7
I. Formulación de la hipótesis:
Ha : M e  7

II. Nivel de significación:   0.05

III. Estadístico de prueba:

WC   Ri

WC
Dónde: = Suma de rangos de las diferencias positivas
n(n  1)
W
 n  20  Zc  4
n(n  1)(2n  1)
24
n(n  1)
W
En caso de Empates: Z c  4
n(n  1)(2n  1) n ti3  ti

24 i 1 2

Prueba de clasificación con signos de Wilcoxon: N_Hab

Prueba de la mediana = 7.000 vs. la mediana ≠ 7.000

Número
de Estadística Mediana
N prueba de Wilcoxon P estimada
N_Hab 76 63 1723.5 0.000 8.500

IV. Punto crítico:

Función de distribución acumulada inversa

Normal con media = 0 y desviación estándar = 1

P( X ≤ x ) x
0.975 1.95996

V. Conclusión:

Como Z c  Z 0 (   0.05  0.00  P ) entonces se rechaza la hipótesis nula, por lo tanto, no


existe suficiente evidencia para afirmar que la mediana del número de habitaciones sea 7.

15
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

PARTE II

Una muestra de 10 alumnos participa en la evaluación de la actividad docente en una Universidad,


opinando acerca de tres profesores a cuyas clases asisten. Si las puntuaciones otorgadas en el
ítem sobre la utilidad de los materiales que utilizan son las siguientes:

Profesor A Profesor B Profesor C


Alumno 1 4 4 5
Alumno 2 5 3 2
Alumno 3 4 4 5
Alumno 4 5 5 3
Alumno 5 4 3 1
Alumno 6 3 4 5
Alumno 7 4 3 2
Alumno 8 5 2 1
Alumno 9 4 3 2
Alumno 10 5 4 3

¿Podemos afirmar con una confianza del 98% que las valoraciones de los profesores difieren?

Prueba de Hipótesis

I. Formulación de la hipótesis:
H0 : No existen diferencias en las valoraciones de los tres profesores.
Ha : Existen diferencias en las valoraciones de los tres profesores.

II. Nivel de significación:   0.02

III. Estadístico de prueba:

k
12
S { ( R j )2 }  3n(k  1)
[nk (k  1)] j 1
donde:
S = Estadístico Calculado del análisis de varianza de rangos de Friedman
n = Representa el número de elementos de bloques.
k = El número de variables relacionales, grupos o muestras
R j = Rango por columnas

En caso de Empates:
k
(k  1)[k  T j 2  T 2 ]
j 1
S n
kT   Ti 2
i 1

16
SEGUNDO EXAMEN PARCIAL DE INFERENCIA ESTADÍSTICA PARAMÉTRICA Y NO PARAMÉTRICA

T = Total de observaciones
k = Numero de tratamientos
T j = Total de la j-esima columna

Ti = Total de la i-esima fila

Prueba de Friedman: Puntaje vs. Profesores bloqueado por Alumnos

S = 3.65 GL = 2 P = 0.161
S = 3.95 GL = 2 P = 0.139 (ajustados para los vínculos)

Mediana Suma de
Profesores N Est. clasificaciones
Profesor A 10 4.500 24.5
Profesor B 10 3.500 19.5
Profesor C 10 2.500 16.0

Mediana principal = 3.500

IV. Punto crítico:

Función de distribución acumulada inversa

Chi-cuadrada con 2 GL

P( X ≤ x ) x
0.99 9.21034

V. Conclusión:
Como Q  2k 1,1  (   0.05  0.161  P ) entonces no se rechaza la hipótesis nula, por lo

tanto, existe suficiente evidencia para afirmar que las valoraciones de los profesores no
difieren.

17

Potrebbero piacerti anche