USAP

Estadística Administrativa II
2018-3

Nominales categóricas y
Datos ordenados 1
 Métodos no paramétricos

En los métodos no paramétricos no es

necesario conocer el comportamiento de la
población para probar una hipótesis, las
variables pueden ser del tipo ordinal. Una
variable de tipo ordinal es la que pre-supone
de antemano un orden lógico aunque no
sea numérico.

2
Variables
• Categóricas

3
 Distribución
binomial
Distribución basada en dos eventos con un intervalo de
confianza identificado según el tipo de investigación

4
 Distribución binomial
• Una distribución binomial es una
distribución de probabilidad discreta
en la que solamente hay dos
resultados:

–Éxito
–Fracaso

5
 Características
• El evento éxito y el evento fracaso son
mutuamente excluyentes.
• La variable aleatoria que se asocia al evento es
el resultado de conteos.
• La probabilidad de éxito es la misma de un
evento a otro.
• Cada evento es independiente de cualquier otro
evento.
• La suma de los eventos de una distribución
binomial siempre es igual a 1.
6
Ejemplo . . .
Se tiene una muestra de tamaño 3, determinar la
probabilidad de que se obtengan 2 eventos con un
intervalo de confianza del 95%.

7
 Prueba de los signos
Es muy utilizada para eventos en donde se analiza un
“antes” y un “después”. Su aplicación está bien
orientada para los estudios sobre el comportamiento del
consumidor.

Escala Clasificación
Positivo +
Negativo -
Neutro 0
8
Ejemplo . . .
Cliente Respuesta
Juan Pérez Le gustó
Una impulsadora Rosario García No le gustó
ofrece prueba de un Franciso Espinoza Le gustó
nuevo producto en Roberto Machado No le gustó
un supermercado. Marichka Thompson Sin opinión
Gabriel Rivera Le gustó
José Martínez Sin opinión
Los resultados que Juan Alegría Le gustó
María Cervantes Le gustó
se recogieron son los Rebeca Gonzales Le gustó
siguientes: Jesús Díaz No le gustó
Maritza Bulnes Le gustó

9
. . . Ejemplo
Clasificar los resultados obtenidos y
determinar el tamaño de la muestra.
Cliente Respuesta Clasificación
Juan Pérez Le gustó +
Rosario García No le gustó -
Franciso Espinoza Le gustó +
Roberto Machado No le gustó -
Marichka Thompson Sin opinión 0
Gabriel Rivera Le gustó +
José Martínez Sin opinión 0
Juan Alegría Le gustó +
María Cervantes Le gustó +
Rebeca Gonzales Le gustó +
Jesús Díaz No le gustó -
Maritza Bulnes Le gustó +
𝐸𝑛𝑐𝑢𝑒𝑠𝑡𝑎𝑑𝑜𝑠 = 12
𝑉𝑎𝑙𝑜𝑟𝑒𝑠 𝑛𝑒𝑢𝑡𝑟𝑜𝑠 = 2 𝑛 = 10 10
 Análisis para
Prueba de los signos

11
 Definición de hipótesis
• Hipótesis para 1 cola
𝐻0 : 𝜋 ≤ 0.50
𝐻0 : 𝜋 > 0.50

• Hipótesis para 2 colas

𝐻0 : 𝜋 = 0.50
𝐻0 : 𝜋 ≠ 0.50

𝜋: Probabilidad de la població𝑛
𝑝: Probabilidad de la muestra
Estadístico de
prueba
T = Conteo de signos

13
 Regla de decisión
Distribución Binomial

• Concepto de frecuencia acumulada.

• Si es cola derecha, se acumula de abajo hacia arriba.
• Si es cola izquierda, se acumula de arriba hacia abajo.
• Si es de dos colas, se acumulan ambas.
• Datos base del análisis de la regla de decisión:
– Tamaño de la muestra
– Probabilidad de la hipótesis
– Nivel de significancia

14
Ejemplo . . .
En una muestra se tiene la siguiente
Regla de Decisión:
𝐻0 : 𝜋 = 0.50
𝑛=9
𝛼 = 0.17 = 0.170 (por cola)
Valor crítico en distribución binomial (cola derecha)
𝑥=9 𝑝 = 0.002 𝑎𝑐𝑢𝑚 = 0.002
𝑥=8 𝑝 = 0.018 𝑎𝑐𝑢𝑚 = 0.020
𝑥=7 𝑝 = 0.070 𝑎𝑐𝑢𝑚 = 0.090
𝑥=6 𝑝 = 0.164 𝑎𝑐𝑢𝑚 = 0.254

𝑇=7 15
. . . Ejemplo
Ahora a revisar la cola izquierda:

𝐻0 : 𝜋 = 0.50
𝑛=9
𝛼 = 0.17 = 0.170
Valor crítico en distribución binomial (cola izquierda)
𝑥=0 𝑝 = 0.002 𝑎𝑐𝑢𝑚 = 0.002
𝑥=1 𝑝 = 0.018 𝑎𝑐𝑢𝑚 = 0.020
𝑥=2 𝑝 = 0.070 𝑎𝑐𝑢𝑚 = 0.090
𝑥=3 𝑝 = 0.164 𝑎𝑐𝑢𝑚 = 0.254

𝑇=2 16
. . . Ejemplo
Ubicación de valores críticos:

𝑇=2
𝑇=7

17
Prueba de hipótesis
1 cola

18
 Ejemplo . . .
Se desea medir el incremento de las competencias sobre
conocimientos de computación de los empleados que
laboran en una empresa farmacéutica. Se seleccionó de
forma aleatoria una muestra de 15 empleados y a través
de un examen diagnóstico se determinó el nivel de
conocimientos de cada uno.
Se programó un curso de capacitación para mejorar las
competencias y tres meses después, se sometieron
nuevamente a otro examen diagnóstico para determinar el
nuevo nivel de conocimientos de cada uno.
Los resultados que se obtuvieron se muestran a
continuación:

19
. . . Ejemplo
Empleado Antes Después
T.J. Bowers Buena Extraordinaria ¿Se puede concluir
Sue Jenkins Regular Excelente
James Brown Excelente Buena
que los gerentes
Ted Jackson Deficiente Buena tienen mejores
Andy Love Excelente Excelente competencias
Sarah Truett Buena Extraordinaria
Antonio Aillo Deficiente Regular después de haber
Jean Unger Excelente Extraordinaria tomado el curso?
Coy Farmer Buena Deficiente
Troy Archer Deficiente Buena Probarlo con un
V.A. Jones Buena Extraordinaria nivel de significancia
Juan Guillén Regular Excelente
Candy Fry Buena Regular del 10%
Arthur Seiple Buena Extraordinaria
Sandy Gumpp Deficiente Buena
20
. . . Ejemplo
• Clasificar los resultados según el incremento
de las competencias de los empleados, de
acuerdo a la siguiente escala:

1. Extraordinaria
2. Excelente
3. Buena
4. Regular
5. Deficiente

21
. . . Ejemplo
# Empleado Antes Después Clasificación
1 T.J. Bowers Buena Extraordinaria +
2 Sue Jenkins Regular Excelente +
3 James Brown Excelente Buena -
4 Ted Jackson Deficiente Buena +
5 Andy Love Excelente Excelente 0
6 Sarah Truett Buena Extraordinaria +
7 Antonio Aillo Deficiente Regular +
8 Jean Unger Excelente Extraordinaria +
9 Coy Farmer Buena Deficiente -
10 Troy Archer Deficiente Buena +
11 V.A. Jones Buena Extraordinaria +
12 Juan Guillén Regular Excelente +
13 Candy Fry Buena Regular -
14 Arthur Seiple Buena Extraordinaria +
15 Sandy Gumpp Deficiente Buena +
22
. . . Ejemplo
Total 15
Positivos 11
Negativos 3
Neutros 1

• A la muestra se le restan los valores

neutros.
𝑛 = 14

23
. . . Ejemplo
Paso 1.- Hipótesis nula y alterna
𝐻0 : 𝜋 ≤ 0.50
𝐻𝑎 : 𝜋 > 0.50

Paso 2.- Nivel de significancia

𝛼 = 0.10
Paso 3.- Estadístico de prueba
T= conteo de signos

24
. . . Ejemplo
Paso 4.- Formulación de la regla de decisión
𝑛 = 14
𝜋 ≤ 0.50 𝑥 = 14 0.000 0.000
𝑥 = 13 0.001 0.001
𝛼 = 0.10 (1𝑐𝑜𝑙𝑎)
𝑥 = 12 0.006 0.007
𝑥 = 11 0.022 0.029
𝑥 = 10 0.061 0.090
𝑥= 9 0.122 0.212

𝑇 = 10
25
. . . Ejemplo 𝑇 = 10
Paso 5.- Toma de decisión
- Signos positivos = 11

𝐿𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎

𝑆𝑖 ℎ𝑎𝑦 𝑒𝑣𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑞𝑢𝑒 ℎ𝑢𝑏𝑜 𝑐𝑎𝑚𝑏𝑖𝑜
𝑒𝑛 𝑒𝑙 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑜𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜 26
Prueba de hipótesis
2 colas

27
 Ejemplo . . .
En una investigación de mercado se quiere evaluar
la preferencia de los consumidores entre el café
normal y el descafeinado. La preferencia sobre el
café descafeinado se codifica con el signo “+” y el
normal con el signo “-”.

En una muestra de 12 consumidores, 2 de ellos

prefirieron el café descafeinado (+) y los demás el
café normal.

Asumiendo que la probabilidad de la toma de café es

igual para ambos tipos, determinar si hay diferencia
por uno de ellos con un nivel de significancia de 0.10
28
. . . Ejemplo
Paso 1.- Hipótesis nula y alterna
𝐻0 : 𝜋 = 0.50
𝐻𝑎 : 𝜋 ≠ 0.50

Paso 2.- Nivel de significancia

𝛼 = 0.10
Paso 3.- Estadístico de prueba
T= conteo de signos

29
. . . Ejemplo
Paso 4.- Formulación de la regla de decisión
𝑛 = 12 𝑥 = 12 0.000 ⇛ 0.000
𝜋 = 0.50 𝑥 = 11 0.003 ⇛ 0.003
𝑥 = 10 0.016 ⇛ 0.019
𝛼 = 0.05 (𝑝𝑜𝑟 𝑐𝑜𝑙𝑎)
𝑥= 9 0.054 ⇛ 0.073

𝑥= 0 0.000 ⇛ 0.000
7 𝑥= 1 0.003 ⇛ 0.003
7
𝑥= 2 0.016 ⇛ 0.019
𝑥= 3 0.054 ⇛ 0.073
𝑇=2
𝑇 = 10
30
. . . Ejemplo 𝑇=2
Paso 5.- Toma de decisión
- Signos positivos = 2

𝐿𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎

𝑛𝑜 ℎ𝑎𝑦 𝑠𝑢𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑒𝑣𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑞𝑢𝑒 𝑖𝑛𝑑𝑖𝑞𝑢𝑒
𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 31
𝑒𝑛 𝑙𝑜𝑠 𝑔𝑢𝑠𝑡𝑜𝑠 𝑝𝑜𝑟 𝑒𝑙 𝑐𝑎𝑓é
 Variables
• Ordinales (antes y después)

32
Prueba de rangos
con signo de
Wilcoxon
para muestras dependientes

33
 Características

• No requiere que las muestras estén

distribuidas normalmente.
• Aplica para distribuciones nominales
• Desarrollada por Frank Wilcoxon en
1945
• Se basa en el concepto de una
muestra tomada en dos momentos
diferentes.
34
Ejemplo . . .
Se tienen los datos de antes y después.

Datos Antes Después

Dato 1 4 2
Dato 2 6 7
Dato 3 3 3
Dato 4 8 5
Dato 5 5 8
Dato 6 3 6
Dato 7 4 7
Dato 8 7 5

Determinar el valor crítico en la distribución de

Wilcoxon con un nivel de significancia de 0.05,
para una cola 35
. . . Ejemplo
• Calcular la variación (después – antes).

Datos Antes Después Variación

Dato 1 4 2 -2
Dato 2 6 7 1
Dato 3 3 3 0
Dato 4 8 5 -3
Dato 5 5 8 3
Dato 6 3 6 3
Dato 7 4 7 3
Dato 8 7 5 -2

• Total de datos : 8
• Datos neutros : 1
• Tamaño de muestra: 𝑛=7
36
. . . Ejemplo
• Determinar el valor crítico.
𝑛=7
𝛼 = 0.05
(1 𝑐𝑜𝑙𝑎)

𝑇=3

37
 Ejemplo 1. . .
Del ejemplo anterior, se tiene la siguiente tabla:

Datos Antes Después Variación

Dato 1 4 2 -2
Dato 2 6 7 1
Dato 3 3 3 0
Dato 4 8 5 -3
Dato 5 5 8 3
Dato 6 3 6 3
Dato 7 4 7 3
Dato 8 7 5 -2

Calcular los valores T de Wilcoxon

38
Sin prueba de hipótesis
 . . . Ejemplo 1
• Calcular la variación absoluta

Variación
Datos Antes Después Variación absoluta
Dato 1 4 2 -2 2
Dato 2 6 7 1 1
Dato 3 3 3 0 0
Dato 4 8 5 -3 3
Dato 5 5 8 3 3
Dato 6 3 6 3 3
Dato 7 4 7 3 3
Dato 8 7 5 -2 2

39
 . . . Ejemplo 1
• Ordenar la tabla con la variación absoluta ordenada de
menor a mayor.
Variación
Datos Antes Después Variación absoluta
Dato 3 3 3 0 0
Dato 2 6 7 1 1
Dato 1 4 2 -2 2
Dato 8 7 5 -2 2
Dato 4 8 5 -3 3
Dato 5 5 8 3 3
Dato 6 3 6 3 3
Dato 7 4 8 4 4

• Para el siguiente proceso no se toma en cuenta los

valores neutros.
40
 . . . Ejemplo 1
• Asignar un correlativo, empezando en 1, para las
variaciones absolutas, en una nueva columna.
Variación Orden
Datos Antes Después Variación absoluta <A>
Dato 3 3 3 0 0
Dato 2 6 7 1 1 1
Dato 1 4 2 -2 2 2
Dato 8 7 5 -2 2 3
Dato 4 8 5 -3 3 4
Dato 5 5 8 3 3 5
Dato 6 3 6 3 3 6
Dato 7 4 8 4 4 7

• Se trabaja en conjunto entre la columna “variación

absoluta” y “Orden <A>”
41
 . . . Ejemplo 1
• Calcular la columna de Rango. A las variaciones que
se repiten, se calcula el promedio de sus datos de la
columna “Orden <A>”.
Variación Orden Rango
Datos Antes Después absoluta <A> <B>
Dato 3 3 3 0
Dato 2 6 7 1 1
Dato 1 4 2 2 2 (2 + 3) / 2 = 2.5
Dato 8 7 5 2 3 (2 + 3) / 2 = 2.5
Dato 4 8 5 3 4 (4 + 5 + 6) / 3 = 5
Dato 5 5 8 3 5 (4 + 5 + 6) / 3 = 5
Dato 6 3 6 3 6 (4 + 5 + 6) / 3 = 5
Dato 7 4 8 4 7
• Las que no se repiten se dejan con el mismo valor.

42
 . . . Ejemplo 1
• Columna Rango
Variación Orden Rango
Datos absoluta <A> <B>
Dato 3 0
Dato 2 1 1 1
Dato 1 2 2 (2 + 3) / 2 = 2.5
Dato 8 2 3 (2 + 3) / 2 = 2.5
Dato 4 3 4 (4 + 5 + 6) / 3 = 5
Dato 5 3 5 (4 + 5 + 6) / 3 = 5
Dato 6 3 6 (4 + 5 + 6) / 3 = 5
Dato 7 4 7 7

• Siguiente paso, distribuir el rango. Si la variación

simple es positiva, se coloca Rango en columna R+.
43
 . . . Ejemplo 1
• Determinar los valores de T.

Variación Orden
Datos Variación absoluta <A> Rango R+ R-
Dato 3 0 0
Dato 2 1 1 1 1 1
Dato 1 -2 2 2 2.5 2.5
Dato 8 -2 2 3 2.5 2.5
Dato 4 -3 3 4 5 5
Dato 5 3 3 5 5 5
Dato 6 3 3 6 5 5
Dato 7 4 4 7 7 7
18 10
𝑇 = 18
𝑇 = 10
44
 Ejemplo 2 - pizarra
• Determinar los valores de T.

Reparaciones Antes Después

1 15 16
2 10 8
3 15 19
4 15 9
5 15 15
6 10 12
7 12 12
8 17 12
9 14 15

45
 . . . Ejemplo 2
• Solución.
Variación Variación
Reparaciones Antes Después
Simple Absoluta
1 15 16 1 1
2 10 8 -2 2
3 15 19 4 4
4 15 9 -6 6
5 15 15 0 0
6 10 12 2 2
7 12 12 0 0
8 17 12 -5 5
9 14 15 1 1

46
 . . . Ejemplo 2
• Solución.

Variación Variación
Antes Después Orden Rango R+ R-
Simple Absoluta

15 15 0 0
12 12 0 0
15 16 1 1 1 1.5 1.5
14 15 1 1 2 1.5 1.5
10 8 -2 2 3 3.5 3.5
10 12 2 2 4 3.5 3.5
15 19 4 4 5 5 5
17 12 -5 5 6 6 6
15 9 -6 6 7 7 7
11.5 16.5
𝑇 = 11.5
𝑇 = 16.5 47
Prueba de rangos con
signo de Wilcoxon
Prueba de hipótesis

48
Ejemplo . . .
Se quiere lanzar un nuevo producto
Participante Original Especies
de pollo con especies y el gerente
Arquete 12 14
general hará una prueba piloto para Jones 16 8
evaluar si los clientes prefieren el Fish 2 6
sabor del pollo original o el pollo con Wagner 4 18
especies. La prueba piloto se hizo a Badenhop 12 20
Hall 16 16
15 clientes que calificaron ambos
Fowler 5 14
sabores con puntos del 1 al 20. Virsot 16 6
¿Es razonable concluir que hay García 10 19
diferencia en el gusto de los Sander 10 18
Miller 13 16
participante entre el sabor original y Peterson 2 18
el de especies, con un nivel de Boggart 13 4
significancia de 0.05? Hein 14 7
Nota. Asumir 𝐻0 : 𝐻𝑜𝑟𝑖𝑔𝑖𝑛𝑎𝑙 ≤ 𝐻𝑒𝑠𝑝𝑒𝑐𝑖𝑒𝑠 Whitten 4 16

49
. . . Ejemplo
Paso 1.- Hipótesis nula y alternativa
𝐻0 : 𝑁𝑜 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑙𝑜𝑠 𝑠𝑎𝑏𝑜𝑟𝑒𝑠
𝐻𝑎 : 𝑆𝑖 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑙𝑜𝑠 𝑠𝑎𝑏𝑜𝑟𝑒𝑠

Paso 2.- Nivel de significancia

𝛼 = 0.05
Paso 3.- Estadístico de prueba
T de Wilcoxon

50
. . . Ejemplo
Paso 4.- Regla de decisión
Participante Original Especies Variación
Arquete 12 14 2
Jones 16 8 -8
Fish 2 6 4
𝑃𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑛𝑡𝑒𝑠: 15
Wagner 4 18 14 𝑁𝑒𝑢𝑡𝑟𝑜𝑠: 1
Badenhop 12 20 8
Hall 16 16 0
Fowler 5 14 9
Virsot 16 6 -10 𝑛 = 14
García 10 19 9
Sander 10 18 8
Miller 13 16 3
Peterson 2 18 16
Boggart 13 4 -9
Hein 14 7 -7
Whitten 4 16 12 51
. . . Ejemplo
Paso 4.- Regla de decisión
(1 𝑐𝑜𝑙𝑎)
𝛼 = 0.05
𝑛 = 14

𝑇 = 25

52
. . . Ejemplo
Paso 5.- Toma de decisión
Variación
Participante Original Especies Variación absoluta
Arquete 12 14 2 2
Jones 16 8 -8 8
Fish 2 6 4 4
Wagner 4 18 14 14
Badenhop 12 20 8 8
Hall 16 16 0 0
Fowler 5 14 9 9
Virsot 16 6 -10 10
García 10 19 9 9
Sander 10 18 8 8
Miller 13 16 3 3
Peterson 2 18 16 16
Boggart 13 4 -9 9
Hein 14 7 -7 7
53
Whitten 4 16 12 12
. . . Ejemplo
Paso 5.- Toma de decisión
Variación Orden
Participante Original Especies Variación absoluta <A>
Hall 16 16 0 0
Arquete 12 14 2 2 1
Miller 13 16 3 3 2
Fish 2 6 4 4 3
Hein 14 7 -7 7 4
Jones 16 8 -8 8 5
Badenhop 12 20 8 8 6
Sander 10 18 8 8 7
Fowler 5 14 9 9 8
García 10 19 9 9 9
Boggart 13 4 -9 9 10
Virsot 16 6 -10 10 11
Vhitten 4 16 12 12 12
Vagner 4 18 14 14 13
Peterson 2 18 16 16 14 54
. . . Ejemplo
Paso 5.- Toma de decisión
Variación Orden Rango
Participante Variación absoluta <A> <B>
Hall 0 0
Arquete 2 2 1 1
Miller 3 3 2 2
Fish 4 4 3 3
Hein -7 7 4 4
Jones -8 8 5 6
Badenhop 8 8 6 6
Sander 8 8 7 6
Fowler 9 9 8 9
García 9 9 9 9
Boggart -9 9 10 9
Virsot -10 10 11 11
Vhitten 12 12 12 12
Vagner 14 14 13 13
Peterson 16 16 14 14 55
. . . Ejemplo
Paso 5.- Toma de decisión
Variación Orden Rango
Participante Variación absoluta <A> <B> R+ R-
Hall 0 0
Arquete 2 2 1 1 1
Miller 3 3 2 2 2
Fish 4 4 3 3 3
Hein -7 7 4 4 4
Jones -8 8 5 6 6
Badenhop 8 8 6 6 6
Sander 8 8 7 6 6
Fowler 9 9 8 9 9
García 9 9 9 9 9
Boggart -9 9 10 9 9
Virsot -10 10 11 11 11
Vhitten 12 12 12 12 12
Vagner 14 14 13 13 13
Peterson 16 16 14 14 14
. . . Ejemplo
Paso 5.- Toma de decisión
Variación Orden Rango
Participante Variación absoluta <A> <B> R+ R-
Hall 0 0
Arquete 2 2 1 1 1
Miller 3 3 2 2 2
Fish 4 4 3 3 3
Hein -7 7 4 4 4
Jones -8 8 5 6 6
Badenhop 8 8 6 6 6
Sander 8 8 7 6 6
Fowler 9 9 8 9 9
García 9 9 9 9 9
Boggart -9 9 10 9 9
Virsot -10 10 11 11 11
Vhitten 12 12 12 12 12
Vagner 14 14 13 13 13
Peterson 16 16 14 14 14
75 30 57
T = 75 T=30
. . . Ejemplo
Paso 5.- Toma de decisión

Valor crítico: T=25

Rangos: T = 75 T=30

La hipótesis nula se rechaza

Hay diferencia entre los gustos del pollo con
especias con respecto al original. 58
Prácticas
Prueba de signos

59
Una tienda departamental al menudeo, quiere
manejar sólo una marca de reproductores de DVD.
La lista se redujo a dos marcas: Sony y Panasonic.
Se reunió un panel de 16 expertos en audio y se
tocó una pieza musical con componentes Sony y
luego se tocó la misma pieza, con componentes
Panasonic.
En la tabla, “+” indica la preferencia de una persona
por componentes Sony, “–” indica preferencia por
Panasonic y 0 significa que no hay preferencia.
60
 Desarrollo Práctica 1
Sony : +
Panasonic : -

Experto 1 2 3 4 5 6 7 8
Resultado + - + - + + - 0
Experto 9 10 11 12 13 14 15 16
Resultado - + - + + - + -

Realice una prueba de hipótesis con un nivel de

significancia de 0.10 para determinar si hay
una diferencia en la preferencia entre las dos
marcas, asumiendo que la prueba es de dos colas.
61
 Desarrollo Práctica 1
Paso 1.- Hipótesis nula y alternativa
𝐻0 : 𝜋 = 0.50 𝑛𝑜 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑚𝑎𝑟𝑐𝑎𝑠
𝐻𝑎 : 𝜋 ≠ 0.50 𝑠𝑖 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑚𝑎𝑟𝑐𝑎𝑠

Paso 2.- Nivel de significancia

𝛼 = 0.10 (2 colas)
Paso 3.- Estadístico de prueba
T= conteo de signos

62
 Desarrollo Práctica 1
Paso 4.- Formulación de la regla de decisión
𝐻0 : 𝜋 = 0.50 𝑛𝑜 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑚𝑎𝑟𝑐𝑎𝑠
(2 colas)
𝛼 = 0.10
Experto 1 2 3 4 5 6 7 8
Resultado + - + - + + - 0
Experto 9 10 11 12 13 14 15 16
Resultado - + - + + - + -

𝑛 = 15

63
 Desarrollo Práctica 1
Paso 4.- Formulación de la regla de decisión
𝑛 = 15 𝑥 = 15 0.000 ⇛ 0.000
𝑥 = 14 0.000 ⇛ 0.000
𝜋 = 0.50
𝑥 = 13 0.003 ⇛ 0.003
𝛼 = 0.05 𝑥 = 12 0.014 ⇛ 0.017
𝑥 = 11 0.042 ⇛ 0.059
𝑥 = 0 0.000 ⇛ 0.000
𝑥 = 1 0.000 ⇛ 0.000
𝑥 = 2 0.003 ⇛ 0.003
𝑥 = 3 0.014 ⇛ 0.017
𝑥 = 4 0.042 ⇛ 0.059

𝑇 = 12 𝑇=3 64
 𝑇=3
Desarrollo Práctica 1
Paso 5.- Toma de decisión 𝑇 = 12
Experto 1 2 3 4 5 6 7 8
Resultado + - + - + + - 0
Experto 9 10 11 12 13 14 15 16
Resultado - + - + + - + -
𝑃𝑜𝑠𝑖𝑡𝑖𝑣𝑜𝑠: 8
𝑁𝑒𝑔𝑎𝑡𝑖𝑣𝑜𝑠: 7
7 8 La hipótesis nula se acepta

No hay suficiente evidencia

que indique una preferencia
especial por una de las
marcas
65
El área de ensamble de Gotrac Products se
rediseñó hace poco. La instalación de un nuevo
sistema de iluminación y la compra de nuevas
mesas de trabajo son dos características de las
modificaciones.
El supervisor de producción quiere saber si los
cambios generaron un aumento en la productividad
de los empleados.
Con el fin de investigar esto, seleccionó a 11
empleados para determinar la tasa de producción
antes y después de los cambios. La información de
la muestra es la siguiente:
66
 Producción Producción
Operador antes después Determinar si en realidad
1 17 18
2 21 23 los nuevos procedimientos
3 25 22 incrementaron la
4 15 25
5 10 28
producción.
6 16 16
7 10 22
8 20 19 Utilice un nivel de
9 17 20 significancia de 0.05 y una
10 24 30
11 23 26
prueba de una cola.

67
𝑁𝑜𝑡𝑎: 𝐴𝑠𝑢𝑚𝑖𝑟 𝐻0 : 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛𝑎𝑛𝑡𝑒𝑠 ≤ 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛𝑑𝑒𝑠𝑝𝑢é𝑠
 Desarrollo Práctica 2
PASO 1: Hipótesis nula y alternativa
𝐻0 : 𝑁𝑜 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑎𝑐𝑡𝑢𝑎𝑙
𝑦 𝑙𝑎 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐻𝑎 : 𝑆𝑖 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑎𝑐𝑡𝑢𝑎𝑙
𝑦 𝑙𝑎 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

PASO 2: Nivel de significancia

𝛼 = 0.05

PASO 3: Estadístico de prueba

𝑇 𝑑𝑒 𝑊𝑖𝑙𝑐𝑜𝑥𝑜𝑛

68
 Desarrollo Práctica 2
PASO 4: Regla de decisión
Producción Producción
Operador antes después Variación
1 17 18 1
2 21 23 2 𝐷𝑎𝑡𝑜𝑠: 11
3 25 22 -3
4 15 25 10 𝑁𝑒𝑢𝑡𝑟𝑜𝑠: 1
5 10 28 18
6 16 16 0 𝑛 = 10
7 10 22 12
8 20 19 -1
9 17 20 3
10 24 30 6
11 23 26 3

69
 Desarrollo Práctica 2
PASO 4: Regla de decisión
𝐻0 : 𝐴𝑛𝑡𝑒𝑠 ≤ 𝐴ℎ𝑜𝑟𝑎
𝑛 = 10
𝛼 = 0.05
(1 𝑐𝑜𝑙𝑎)

𝑇 = 10
70
 Desarrollo Práctica 2
PASO 5: Toma de decisión
Producción Producción Variación
Operador antes después Variación absoluta
1 17 18 1 1
2 21 23 2 2
3 25 22 -3 3
4 15 25 10 10
5 10 28 18 18
6 16 16 0 0
7 10 22 12 12
8 20 19 -1 1
9 17 20 3 3
10 24 30 6 6
11 23 26 3 3

71
 Desarrollo Práctica 2
PASO 5: Toma de decisión

Producción Producción Variación

Operador antes después Variación absoluta Orden Rango
6 16 16 0 0
1 17 18 1 1 1 1.5
8 20 19 -1 1 2 1.5
2 21 23 2 2 3 3
3 25 22 -3 3 4 5
9 17 20 3 3 5 5
11 23 26 3 3 6 5
10 24 30 6 6 7 7
4 15 25 10 10 8 8
7 10 22 12 12 9 9
5 10 28 18 18 10 10

72
 Desarrollo Práctica 2
PASO 5: Toma de decisión
Variación
Operador Variación absoluta Orden Rango R+ R-
6 0 0
1 1 1 1 1.5 1.5
8 -1 1 2 1.5 1.5
2 2 2 3 3 3
3 -3 3 4 5 5
9 3 3 5 5 5
11 3 3 6 5 5
10 6 6 7 7 7
4 10 10 8 8 8
7 12 12 9 9 9
5 18 18 10 10 10
48.5 6.5
𝑇 = 48.5
73
 Desarrollo Práctica 2
PASO 5: Toma de decisión
T= 48.5

𝐿𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎.

𝐻𝑎𝑦 𝑒𝑣𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑞𝑢𝑒 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑

𝑠í 𝑎𝑢𝑚𝑒𝑛𝑡ó

74
H
 Ejercicios para entrega manual
1. Recolectó una muestra de los productos que
mejor se venden y se desea probar la hipótesis
de que los 4 productos se venden por igual,
con un nivel de significancia de 0.05. Los datos
recolectados son:
MARCA DE VENTAS
CELULAR
Samsung 100
iPhone 120
Huawei 80
LG 90

Chi-cuadrada 75
 Ejercicios para entrega manual
2. Recolectó una muestra de los productos
nuevos que se están introduciendo al mercado
y desea probar la hipótesis de que el nivel de
ventas planificado se mantiene con un nivel de
significancia de 0.05. Los datos recolectados
son: PRODUCTO VENTAS EN PLANIFICACIÓN
BOTELLAS
Vino tinto 40 40%
Vino blanco 20 30%
Champagne 10 18%
Vodka 30 7%
Sidra 10 5% 76
Chi-cuadrada
 Ejercicios para entrega manual
3. Probar la hipótesis de que las ventas son
similares, con un nivel de significancia de 0.10,
para la siguiente muestra:

PRODUCTO ENERO FEBRERO

Lápiz labial 40 60
Sombra 50 80
Delineador 30 20
Esmalte 40 80

Chi-cuadrada 77
 Ejercicios para entrega manual
4. Probar la hipótesis de que a los clientes les va a gustar el
nuevo producto, después de la 2° prueba, con un nivel de
significancia de 0.10, para la siguiente muestra:
CLIENTE MARZO AGOSTO
1 Muy bueno Regular
2 Excelente Excelente
3 Regular Muy bueno
4 Regular Excelente
5 Muy bueno Excelente
6 No me gusta Bueno
7 Muy bueno Muy bueno
8 No me gusta Muy bueno
9 Muy bueno Regular
78
Binomial 10 Muy bueno Muy bueno
 Ejercicios para entrega manual
5. Probar la hipótesis de que la producción
mejoró en el último mes, con relación a su
homólogo del año anterior, con un nivel de
significancia de 0.10:
PRODUCTO 2016 2017
Jugos en lata 100 140
Pasta de tomate 80 200
Salsita 150 120
Salsa de tomate en bote 180 180
Salta en bolsa 200 200
Salsa ranchera 80 120
Frijoles rojos 120 130
T-Wilcoxon 79
Lind, D.A., Marchal, W.G., Wathen, S.A. (15). (2012). Estadística Aplicada a los
Negocios y la Economía. México: McGrawHill

David M. Levine, Timothy C. Krehbiel, Mark L. Berenson. 2006. Estadística para 80

Administración. (4° edición). Naucalpan de Juárez, México.: Pearson Prentice Hall