Prueba Z de una muestra para las diferencias

Suponga que un director de personal se encuentra investigando la consideracion de los em

trabajo. para probar las diferencias entre los dos mtodos se asignaron, de manera aleator
empleados fueron asignados para ser evaluados con el metodo 1, que permite a los sujetos
sus procesos de valuacion. los restantes 82 empleados fueron evaluacdos con el metodo 2
Despues de las evaluaciones se pregunto a los empleados si consideraban que el proceso d
metodo es justo. De la segunda muestra 49 empleados sentian que el metodo 2 es justo. P

Tamao de la muestra
# de empleados que consideraron que el metodo es justo

MTODO
1
78
63

H0: P1 = P2
H1: P1 P2
1-
90%

10%
z/2
1.645
z
1.282
una proporcion nunca puede dar mas de 1

valor critico de alfa 1% = 2.58 y -2.58

Pmedia
PMEDIA=

0.70

Z=

Ps1
0.808
Ps2
0.598

Z=

CONCLUSION:

2.90

2.9 es mayor q 2.58 por lo q la hipot nula se rechaza. Se llega a la conclusiom de q los metodos de ev

ra para las diferencias entre dos proporciones

Ejemplo

ando la consideracion de los empleados sobre la justicia de dos diferentes metodos de evaluacion de su desemp
e asignaron, de manera aleatoria, 160 empleados para ser evaluados con uno de los metodos. con un total de 7
odo 1, que permite a los sujetos proporcionar una retroalimentacion a los reuqerimientos de supervision como p
on evaluacdos con el metodo 2, que permite a los individuos proporcionar estimaciones propias de su desempe
i consideraban que el proceso de evaluacion habia sido justo o injusto. de la misma muestra, 63 empleados sen
tian que el metodo 2 es justo. Purebe que no existe diferencia entre el metodo usando una significancia del 1%
MTODO
2
82
49

92%
8%
1.751
1.405
unca puede dar mas de 1

94%
6%
1.881
1.555

95%
5%
1.964
1.645

96%
4%
2.054
1.751

97%
3%
2.17
1.881

98%
2%
2.326
2.054

clusiom de q los metodos de evaluacion del desempeo son significativamente diferentes respecto a la percepc

os de evaluacion de su desempeo en el
los metodos. con un total de 78
mientos de supervision como parte de
aciones propias de su desempeo.
ma muestra, 63 empleados sentia que el
sando una significancia del 1%.

99%
1%
2.576
2.326

iferentes respecto a la percepcion de los empleados de su justicia. El metodo 1, segn los empleados es mas ju

segn los empleados es mas justo que el segundo.

1. Un estudio de mercado realizado en una ciudad grande mostro que de

restaurante al menos una noche a la semana y en una muestra de 100 m
resultado que 27 de ellas cenaban en un restaurante al menos una vez a
de un diferencia entre los dos grupos de mujeres casadas respecto a la po

Tamao de la muestra
mujeres casadas que cenan una vez por semana

MTODO
1
100
43

H0: P1 = P2
H1: P1 P2

valor critico de alfa 5% = 1.964

Pmedia
0.350
Ps1
0.43
Ps2
0.270

2.37

SE TOMA LA DECISION:

La hipotesis nula se rechaza pues nuestro valor de Z= 2.37 cae en la zona de rechazo siendo mayo
Se llega a la conclusin de que existe una diferencia entre los resultados obtenidos del estudio de
que trabajan medio y tiempo completo, respecto a las veces que cenan a la semana.
No son iguales las porciones de mujeres que salen a cenar en cuanto a su tiempo de trabajo.

a ciudad grande mostro que de 100 mujeres casadas que trabajan tiempo completo, 43 cenaban en un
na y en una muestra de 100 mujeres casadas que no trabajan tiempo completo obtuvieron como
estaurante al menos una vez a la semana. Utilizando un nivel de significancia del 5% Existe evidencia
mujeres casadas respecto a la porcion que cena en un restaurante al menos una noche a la semana?

MTODO
2
100
27

1-

z/2
z

90%
10%
1.645
1.282

92%
8%
1.751
1.405

94%
6%
1.881
1.555

95%
5%
1.964
1.645

a zona de rechazo siendo mayor que el valor critico de 1.964.

ados obtenidos del estudio de mercado, de los dos grupos de mujeres casadas
nan a la semana.
o a su tiempo de trabajo.

96%
4%
2.054
1.751

eto, 43 cenaban en un
obtuvieron como
l 5% Existe evidencia
noche a la semana?

97%
3%
2.17
1.881

98%
2%
2.326
2.054

99%
1%
258%
2.326

2. El gerente de una librera situada en las instalaciones de una universidad

hombres y mujeres respecto a la consideracin de adquirir cintas de video d
consista en desarrollar material promocional adecuado que le llevara a aum
13 afirmaron que consideraran adquirir las cintas. De las 30 mujeres 15 afi
evidencia de una diferencia en la porcin de hombres y mujeres que conside

Hombres
n
x

Tamao de la muestra
# de personas que consideraron adquirir las cintas

40
13

H0: P1 = P2
H1: P1 P2
1-

z/2
z

V.C. de alfa 1% = 2.58 y -2.58

Pmedia
PMEDIA=

90%
10%
1.645
1.282

0.40

Z=

Ps1
0.33
Ps2
0.50

Z=

-1.48

SE TOMA LA DECISION:

Se acepta la hipotesis nula, porque nuestro valor de Z= -1.48 es mayor que el valor critico de -2.58
demostrandonos que las porciones de las personas que consideren comprar videos educativos no s
porciones de hombre y mujeres, por lo tanto el gerente de la universidad s deber desarrollar prom
ventas de este tipo de cintas de videos.

Se acepta la hipotesis nula, porque nuestro valor de Z= -1.48 es mayor que el valor critico de -2.58
demostrandonos que las porciones de las personas que consideren comprar videos educativos no s
porciones de hombre y mujeres, por lo tanto el gerente de la universidad s deber desarrollar prom
ventas de este tipo de cintas de videos.

stalaciones de una universidad llev a cabo una encuesta para investigar si haba diferencias entre
n de adquirir cintas de video de carcter educativo. Dependiendo de la respuesta, su objetivo
adecuado que le llevara a aumentar la venta de este tipo de cintas. De los 40 hombres encuestados,
ntas. De las 30 mujeres 15 afirmaron que podran comprar las cintas. Con 1% de significancia Existe
hombres y mujeres que consideran la posibilidad de comprar cintas de video educativas?

Mujeres
30
15

92%
8%
1.751
1.405

94%
6%
1.881
1.555

95%
5%
1.964
1.645

96%
4%
2.054
1.751

97%
3%
2.17
1.881

98%
2%
2.326
2.054

yor que el valor critico de -2.58 por lo que cae dentro de la zona de aceptacin,
omprar videos educativos no son iguales, ya que s existe una diferencia entre las
idad s deber desarrollar promociones adecuadas para que haya un aumento en las

yor que el valor critico de -2.58 por lo que cae dentro de la zona de aceptacin,
omprar videos educativos no son iguales, ya que s existe una diferencia entre las
idad s deber desarrollar promociones adecuadas para que haya un aumento en las

a diferencias entre
ta, su objetivo
ombres encuestados,
e significancia Existe
ucativas?

99%
1%
2.576
2.326

Ejemplo 1. Desempeo en el Trabajo

Prueba X2 para diferencias entre d

Suponga que un director de personal se encuentra investigando la consideracin de los

probar las diferencias entre los dos mtodos se asignaron, de manera aleatoria, 160 em
ser evaluados con el mtodo 1, que permite a los sujetos proporcionar una retroaliment
empleados fueron evaluados con el mtodo 2, que permite a los individuos proporciona
consideraban que el proceso de evaluacin haba sido justo o injusto. De la misma mue
mtodo 2 es justo. Pruebe que no existe diferencia entre los mtodos usando una signifi

Tabla de contingencias de 2x2 para la comparacion de la p

evaluacion del desempeo en el trabajo. Con 1% de signifi

Tamao de la muestr
# de empleados que consideraron que
Observed Frequencies
Metodo de Evaluacion
Percepcion del Empleado
1
2
Justo
63
49
Injusto
15
33
Total
78
82
Proporcion 0.8076923 0.597561
Expected Frequencies
Metodo de Evaluacion
Percepcion del Empleado
1
2
Justo
54.6
57.4
Injusto
23.4
24.6
Total
78
82
Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

Total
112
48
160

Total
112
48
160

Calculations
fo-fe
8.4
-8.4

(fo-fe)^2/fe
1.29230769
3.01538462

0.01
2
2
1

Results
Critical Value
6.6348966
Chi-Square Test Statistic 8.4052533
p-Value
0.0037414
Reject the null hypothesis

Ho: P1=P2
H1: P1 dif. De P2

Existe evidencia para concluir que los dos me

significativamente diferentes con respecto a
empleado. Las porciones indican que una gra
justo con un 80% que el metodo 2 de un 59.7

Expected frequency assumption

is met.

Existe evidencia para concluir que los dos me

significativamente diferentes con respecto a
empleado. Las porciones indican que una gra
justo con un 80% que el metodo 2 de un 59.7

erencias entre dos porciones. (pruebas independientes)

Ejemplo

la consideracin de los empleados sobre la justicia de dos diferentes mtodos de evaluacin de su desempeo
anera aleatoria, 160 empleados para ser evaluados con uno de los mtodos. Con un total de 78 empleados fuer
cionar una retroalimentacin a los requerimientos de supervisin como parte de sus procesos de evaluacin. Lo
individuos proporcionar estimaciones propias de su desempeo. Despus de las evaluaciones se pregunto a lo
usto. De la misma muestra, 63 empleados senta que el mtodo 1 es justo. De la segunda muestra 63 emplead
todos usando una significancia del 1%.

la comparacion de la percepcion de justicia observada por los empleados basandose en 2 metodos de

abajo. Con 1% de significancia prueba la hipotesis nula de que existe homogeneidad de porciones.

Tamao de la muestra
s que consideraron que el mtodo es justo

fo-fe
-8.4
8.4

Mtodo de Evaluacin
1
2
78
82
63
49

PHStat2 User Note:

Enter replacement labels for the row
and column variables as well as the
observed frequency counts in the
table that starts in row 3.
Note: The #DIV/0! error messages
will disapper after you enter the
observed frequency counts.

(fo-fe)^2/fe
1.22926829
2.86829268

(Before continuing, press the Delete

key to delete this note.)

concluir que los dos metodos de evaluacion del desempo son

erentes con respecto a la percepcion de justicia del metodo por parte del
nes indican que una gran parte de los empleados encuentra el metodo 1 mas
el metodo 2 de un 59.7%. No son homogeneas.

concluir que los dos metodos de evaluacion del desempo son

erentes con respecto a la percepcion de justicia del metodo por parte del
nes indican que una gran parte de los empleados encuentra el metodo 1 mas
el metodo 2 de un 59.7%. No son homogeneas.

e evaluacin de su desempeo en el trabajo. Para

n un total de 78 empleados fueron asignados para
sus procesos de evaluacin. Los restantes 82
evaluaciones se pregunto a los empleados si
a segunda muestra 63 empleados sentan que el

dose en 2 metodos de
dad de porciones.

Popularidad de futbol americano

Observed Frequencies
Column variable
Row variable
C1
C2
R1
R2
Total
0

Row variable

Total

Expected Frequencies
Column variable
C1
C2
R1
#DIV/0!
#DIV/0!
R2
Total
#DIV/0!
#DIV/0!

Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

0.05
2
2
1

Results
Critical Value
Chi-Square Test Statistic
p-Value
#DIV/0!

3.8414588
#DIV/0!
#DIV/0!

Expected frequency assumption

#DIV/0!

0
0
0

Total
#DIV/0!

Calculations
fo-fe
#DIV/0!

(fo-fe)^2/fe
#DIV/0!

fo-fe
#DIV/0!

PHStat2 User Note:

Enter replacement labels for the row
and column variables as well as the
observed frequency counts in the
table that starts in row 3.
Note: The #DIV/0! error messages
will disapper after you enter the
observed frequency counts.

(fo-fe)^2/fe
#DIV/0!

(Before continuing, press the Delete

key to delete this note.)

1. Se desea determinar si existe alguna diferencia en la popularidad del futbol

superior e individuos masculinos sin educacin superior. Una muestra de 100 h
que se consideraban a s mismo como aficionados al futbol americano. Una m
125 de stos se consideraban aficionados al futbol. Existe evidencia de homo

AFICIONADOS
NO AFICIONADOS
TOTAL

EDUCACION SUPERIOR
55
45
100

SIN EDUCACION SUPERIOR

125
75
200

cia en la popularidad del futbol americano entre individuos masculinos con educacin
superior. Una muestra de 100 hombres con educacin superior revelo que haba 55 de ello
dos al futbol americano. Una muestra de 200 hombres sin educacin superior revelo que
tbol. Existe evidencia de homogeneidad entre las porciones?

EDUCACION SUPERIOR

acin
55 de ello
velo que

1. Se desea determinar si existe alguna diferencia en la popularidad del futbol americano entre indiv
superior e individuos masculinos sin educacin superior. Una muestra de 100 hombres con educaci
que se consideraban a s mismo como aficionados al futbol americano. Una muestra de 200 hombre
de stos se consideraban aficionados al futbol. Existe evidencia de homogeneidad entre las porcion

POPULARIDAD DE FUTBOL AMERICANO

Observed Frequencies
Column variable
Row variable
C1
C2
AFICIONADOS
55
125
NO AFICIONADOS
45
75
Total
100
200

Expected Frequencies
Column variable
Row variable
C1
C2
AFICIONADOS
60
120
NO AFICIONADOS
40
80
Total
100
200
Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

0.05
2
2
1

Results
Critical Value
3.8414588
Chi-Square Test Statistic
1.5625
p-Value
0.2112995
Do not reject the null hypothesis
Expected frequency assumption
is met.

Total
180
120
300

Total
180
120
300

PHStat2 User Note:

Enter replacement labels for
row
and column variables as
Calculations
as the observed frequency c
in the table fo-fe
that starts in row
-5
5
Note: The #DIV/0!
error mes
will disapper after you enter
observed frequency counts.

(Before continuing, press th

Delete key to delete this not
(fo-fe)^2/fe
0.41666667
0.625

ol americano entre individuos masculinos con educacin

hombres con educacin superior revelo que haba 55 de ello
muestra de 200 hombres sin educacin superior revelo que 125
neidad entre las porciones?

at2 User Note:

r replacement labels for the
and column variables as well
e observed frequency counts
e table fo-fe
that starts in row 3.
5
-5
: The #DIV/0! error messages
disapper after you enter the
rved frequency counts.

AFICIONADOS
NO AFICIONADOS
TOTAL

EDUCACION SUPERIOR
55
45
100

ore continuing, press the

te key to delete this note.)
(fo-fe)^2/fe
0.20833333
0.3125

SE ACEPTA LA HIPOTESIS NULA YA QUE EXISTE HOMOGENIDAD ENTRE LAS PORCIONES ENTRE LOS IND

SIN EDUCACION SUPERIOR

125
75
200

LAS PORCIONES ENTRE LOS INDIVIDUOS DE LA EDUCACION SUPERIOR Y LA NO SUPERIOR AFICIONADOS AL FUT

UPERIOR AFICIONADOS AL FUTBOL AMERICANO.

Mujeres Casadas

2. Un estudio de mercado realizado en una ciudad grande mostro que 100 mujeres casa
un restaurante al menos una noche durante una semana tpica de trabajo, y una muest
completo tuvo como resultado que 27 de ellas cenaban en un restaurante al menos una

Observed Frequencies
Column variable
Row variable
Tiempo Complet
Medio Tiempo
Cenan 1 vez por semana
43
27
No cenan
57
73
Total
100
100
0.43
0.27
Expected Frequencies
Column variable
Row variable
Tiempo Complet
Medio Tiempo
Cenan 1 vez por semana
35
35
No cenan
65
65
Total
100
100
Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

Total
70
130
200

Total
70
130
200

Calculations
fo-fe
8
-8

(fo-fe)^2/fe
1.82857143
0.98461538

0.05
2
2
1

Results
Critical Value
3.8414588
Chi-Square Test Statistic 5.6263736
p-Value
0.0176922
Reject the null hypothesis
Expected frequency assumption
is met.

H0: P1 = P2
H1: P1 P2

Existe evidencia significativa de que la hipotesis nula rechaza

cenar al menos una vez a la semana y su tiempo de trabajo.
Llegamos a la conclusion de que las mujeres casadas que sal
indican que son mayores con respecto a las que salen a cena

Existe evidencia significativa de que la hipotesis nula rechaza

cenar al menos una vez a la semana y su tiempo de trabajo.
Llegamos a la conclusion de que las mujeres casadas que sal
indican que son mayores con respecto a las que salen a cena

o que 100 mujeres casadas que trabajan tiempo completo, 43 cenaban en

de trabajo, y una muestra de 100 mujeres casadas que no trabajaban tiempo
staurante al menos una noche durante una semana tpica de trabajo.

fo-fe
-8
8

PHStat2 User Note:

Enter replacement labels for the row
and column variables as well as the
observed frequency counts in the
table that starts in row 3.
Note: The #DIV/0! error messages
will disapper after you enter the
observed frequency counts.

(fo-fe)^2/fe
1.82857143
0.98461538

(Before continuing, press the Delete

key to delete this note.)

a hipotesis nula rechaza, pues los resulltados obtenidos son diferentes con respecto a la porcion de mujeres qu
y su tiempo de trabajo.
mujeres casadas que salen a cenar con mas frecuencia son las que trabajan tiempo completo con un 43%, esta p
o a las que salen a cenar al menos una vez a la semana pero que trabajan medio tiempo con un 27%.

a hipotesis nula rechaza, pues los resulltados obtenidos son diferentes con respecto a la porcion de mujeres qu
y su tiempo de trabajo.
mujeres casadas que salen a cenar con mas frecuencia son las que trabajan tiempo completo con un 43%, esta p
o a las que salen a cenar al menos una vez a la semana pero que trabajan medio tiempo con un 27%.

cto a la porcion de mujeres que salen a

po completo con un 43%, esta porcion

tiempo con un 27%.

cto a la porcion de mujeres que salen a

po completo con un 43%, esta porcion

tiempo con un 27%.

3. En un esfuerzo por comparar la eficiencia de dos tratamientos mdicos para

estudio en el cual asign de manera aleatoria 1012 pacientes enfermos del cor
una angioplastia de globo. De los 512 pacientes sometidos a aterectoma, 44 m
tratamiento. De los 500 pacientes sometidos a angioplastia 23 murieron o sufr
A nivel de significancia de .01 existe diferencia de que haya una diferencia en
infartos dentro de los seis meses posteriores al tratamiento?

vivos
muertos

aterectomia Angioplastia
468
477
44
23

dos tratamientos mdicos para eliminar la placa que obstruye las arterias, un mdico llevo a cabo un
012 pacientes enfermos del corazn para que se les aplicara una aterectomia coronaria direccional o
s sometidos a aterectoma, 44 murieron o sufrieron infartos dentro de los seis meses posteriores al
angioplastia 23 murieron o sufrieron un infarto dentro de los seis meses posteriores al tratamiento.
de que haya una diferencia en los dos tratamientos mdicos respecto a la porcin de muertes y de
ratamiento?

dico llevo a cabo un

ronaria direccional o
eses posteriores al
res al tratamiento.
n de muertes y de

pacientes enfermos de corazon

Observed Frequencies
Column variable
Row variable
C1
C2
vivos
468
477
muertos
44
23
Total
512
500
Expected Frequencies
Column variable
Row variable
C1
C2
vivos 478.102767 466.897233
muertos 33.8972332 33.1027668
Total
512
500
Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

0.01
2
2
1

Results
Critical Value
6.6348966
Chi-Square Test Statistic
6.526429
p-Value
0.0106283
Do not reject the null hypothesis
Expected frequency assumption
is met.

Total
945
67
1012

Total
945
67
1012

Calculations
fo-fe
-10.1027668
10.1027668

(fo-fe)^2/fe
0.21348108
3.01103917

PHStat2 User Note:

Enter replacement labels for the row
and column variables as well as the
observed frequency counts in the
fo-fe
table that starts in row 3.
10.1027668
-10.1027668
Note: The #DIV/0! error messages
will disapper after you enter the
observed frequency counts.

vivos
muertos

(Before continuing, press the Delete

(fo-fe)^2/fe
key to delete this note.)
0.21860463
3.08330411

se acepta la hipotesis nula esto quiere decir que no existe difencia entre los tratamientos medicos ya

aterectomia Angioplastia
468
477
44
23

re los tratamientos medicos ya que son iguales

Prueba X2 para diferencias entre "c" po

proveedores de circuitos

Suponga una compaa constructora de bienes races acaba de recibir la aprobaci

destinados a vivienda. Entre los numerosos elementos que se necesitan instalar en
en la cocina. Varios fabricantes producen tales circuitos y la compaa constructora
arquitectnicas y de ingeniera del diseo del fraccionamiento aprobadas para este
corriente sin que funcione mal. Cinco proveedores de caja afirman que sus producto
cajas de cada proveedor se les sujet a una prueba de corriente de pico.

Resultado del experimento

mal funcionamiento
Buen funcionamiento

1
92
308

tipos de cajas interruptoras

2
3
66
94
334
306

4
144
256

H0: P1=P2=P3=P4=P5
H1: P1P2P3P4P5

Row variable
mal funcionamiento
buen funcionamiento
Porcentaje
Total

Row variable
mal funcionamiento
buen funcionamiento
Total
Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

Observed Frequencies
Column variable
C1
C2
C3
92
66
94
308
334
306
77%
84%
77%
400
400
400
Expected Frequencies
Column variable
C1
C2
C3
100
100
100
300
300
300
400
400
400

0.01
2
5
4

Results
Critical Value
13.276704
Chi-Square Test Statistic 42.773333
p-Value
1.153E-008
Reject the null hypothesis

C4
144
256
64%
400

C4
100
300
400

se rechaza la h. nula es decir que si existe una dife

estandares de calidad de los proveedores de las ca
por lo tanto se recomienda elegir al proveedor 2 ya
en cuanto su buen funcionamiento con un 84%.

Expected frequency assumption

is met.

erencias entre "c" porciones. (pruebas independientes)

Ejemplo

acaba de recibir la aprobacin del ayuntamiento para fraccionar un terreno que tendr 40,000 departamentos
que se necesitan instalar en cada departamento es una caja interruptores de electricidad que debe colocarse
s y la compaa constructora desea contratar localmente uno de estos proveedores. De las especificaciones
amiento aprobadas para este proyecto, es necesario que la caja interruptora sea capaz de tolerar un nivel de
caja afirman que sus productos cumplen con los requerimientos estipulados. Se obtuvieron muestras de 400
e corriente de pico.

ras
5
104
296

SE MANEJAN MAS DE 2 POBLACIONES

SIEMPRE LA MISMA LA NULA Y LA ALTERNATI. SIEMPRE VAMOS A QUE

Calculations
C5
104
296
74%
400

C5

Total
500
1500

-8
8

-34
34

-6
6

44
-44

2000

Total
100
300
400

fo-fe

500
1500
2000

(fo-fe)^2/fe
0.64
11.56
0.36
19.36
0.21333333 3.85333333
0.12 6.45333333

es decir que si existe una diferencia entre los

de los proveedores de las cajas de circuitos
enda elegir al proveedor 2 ya que es el mejor
ncionamiento con un 84%.

PHStat2 User Note:

Enter replacement labels for the
row and column variables as well
as the observed frequency counts
in the table that starts in row 3.
Note: The #DIV/0! error messages
will disapper after you enter the
observed frequency counts.
(Before continuing, press the
Delete key to delete this note.)

will disapper after you enter the

observed frequency counts.
(Before continuing, press the
Delete key to delete this note.)

 40,000 departamentos
dad que debe colocarse
e las especificaciones
z de tolerar un nivel de
eron muestras de 400

I. SIEMPRE VAMOS A QUERER PROBAR LA HOMEGENEIDAD ENTRE las porciones

4
-4

0.16
0.05333333

Opinion de calendario academico

El consejo docente de una universidad grande deseara determinar la opinin de dif

acadmico trimestral. Se seleccion una muestra aleatoria de 100 estudiantes del
del personal docente y se obtuvieron los siguientes resultados.
A nivel de significancia de .01 existe evidencia de que haya una diferencia en la a
diferentes grupos?
Opinin
A favor
En contra

No grad.
63
37

Graduados
27
23

docente
30
20

H0: P1=P2=P3
H1: P1P2P3
Observed Frequencies
Column variable
Row variable
C1
C2
R1
63
27
R2
37
23
Total
100
50

Row variable

Expected Frequencies
Column variable
C1
C2
R1
60
30
R2
40
20
Total
100
50

Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

0.01
2
3
2

Results
Critical Value
9.2103404
Chi-Square Test Statistic
1.125
p-Value
0.5697828
Do not reject the null hypothesis
Expected frequency assumption
is met.

C3
30
20
50

C3

Total
120
80
200

Total
30
20
50

120
80
200

rminar la opinin de diferentes grupos sobre una propuesta de calendario

de 100 estudiantes del ltimo ao, 50 estudiantes graduados y 50 miembros
os.
a una diferencia en la actitud hacia la propuestas de calendario entre los

Calculations
fo-fe
3
-3

-3
3

0
0

0.15
0.225

(fo-fe)^2/fe
0.3
0.45

0
0

PHStat2 User Note:

Enter replacement labels for the row
and column variables as well as the
observed frequency counts in the
table that starts in row 3.
Note: The #DIV/0! error messages
will disapper after you enter the
observed frequency counts.
(Before continuing, press the Delete
key to delete this note.)

Produccin de partes de automviles

Row variable

Observed Frequencies
Column variable
C2
C3

C1
R1
R2
Total

Row variable
R1
R2
Total

Expected Frequencies
Column variable
C1
C2
C3
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!

Data
Level of Significance
Number of Rows
Number of Columns
Degrees of Freedom

0.05
2
5
4

Results
Critical Value
Chi-Square Test Statistic
p-Value
#DIV/0!

9.487729
#DIV/0!
#DIV/0!

Expected frequency assumption

#DIV/0!

C4

C4
#DIV/0!
#DIV/0!
#DIV/0!

Calculations
C5

Total

C5
#DIV/0!
#DIV/0!
#DIV/0!

0
0
0

Total
#DIV/0!

#DIV/0!
#DIV/0!

#DIV/0!
#DIV/0!

fo-fe
#DIV/0!
#DIV/0!

#DIV/0!
#DIV/0!

#DIV/0!
#DIV/0!

(fo-fe)^2/fe
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!

#DIV/0!
#DIV/0!

PHStat2 User Note:

Enter replacement labels for the
row and column variables as well
as the observed frequency counts
in the table that starts in row 3.
Note: The #DIV/0! error messages
will disapper after you enter the
observed frequency counts.
(Before continuing, press the
Delete key to delete this note.)

#DIV/0!
#DIV/0!

#DIV/0!
#DIV/0!

El gerente de control de calidad de una fbrica de partes para automvil deseara

defectuosas producidas en diferentes das de la semana de trabajo. Se selecciona
cada da de la semana de trabajo, y se obtuvieron los resultados siguientes:
Resultado
lunes
p. defectuosa
p. aceptables

martes
12
88

mircoles
7
93

7
93

A nivel de significancia del 5% existe evidencia de que haya una diferencia en la

producidas durante los distintos das de la semana?

partes para automvil deseara saber si existe alguna diferencia en la porcin de partes
mana de trabajo. Se seleccionaron muestras aleatorias de 100 partes producidas durante
los resultados siguientes:
jueves

viernes
10
90

14
86

e que haya una diferencia en la porcin de partes defectuosas

a?

e partes
s durante

Que tanto depende la variable dependiente de la otra variable

VENTAS: depende del precio y de los clientes
*influyen muchas variables dependientes para determinar la independiente
relacioon entre gastos de publicidad (I) y volumne de ventas (D)
relacion de temperaturas (I) y la demanda de electricidad (D)
Cada valor de x se grafica con las y = diagrama de dispercion
y
ofertas (miles dls)
x
clientes

relacion linesolo existe una cosa que depende de la otra

relacion lineal negativa
ninguna relacion entre X y Y
horizontal.

relacion curvilinea positiva

los valores de Y aumentan al incrementarse el valor de X, pero este increm
EJ: edad y costo de mantenimiento de maquinaria.
relacion parabolica
U
X aumenta al principio y Y disminuye, pero a medida que X sigue incremen
EJ. El de errores por hora cometidos en una tarea y el numero
primero mejorara con el tiempo pero aumentaran a causa de
relacion exponencial o curvilinea negativa
Y disminuye rapidamente a medida que X aumenta, pero luego su disminu
EJ. La devaluacion de un auto con el tiempo.

modelo de regresion y ecuacion

a la ecuacion con la q se describe como se realciona Y con X y en la q se da
Y=B0 +B1X1 + E
donde:
Y=
X=
B0=
B1=
E=

variable dependiente
variable independiente
coeficiente o la interseccion Y para la poblaicon
(valor de Y cuando X=0)
pendientes de la poblacion o de regresion
(coeficiente de cambio)
error aleatorio en Y para la observacion

Relacion y Correlacion Lineal

ndiente

ama de dispercion

nde de la otra

Y aumenta conforme aumenta (al incremnetarse) X

aumenta X y los valores de Y disminuyen
valores altos bajos aparecen en Y para cada valor de X

el valor de X, pero este incremento disminuye cuando se sobrepasan ciertos valores de X

ento de maquinaria.

a medida que X sigue incrementando entonces Y tambien.

tidos en una tarea y el numero de hrs. Trabajadas en ella.
o pero aumentaran a causa de la fatiga.

umenta, pero luego su disminucion se hace mas lenta

con el tiempo.
L

ealciona Y con X y en la q se da u termino para el error se llama modelo de regresion

vts en MD
# de clientes

para la poblaicon

e regresion

ventas cuando tengo cero clientes

ores de X

DIAGRAMA DE DISPERSION

Suponga que al administrador de una cadena de almacenes departam

predecir las ventas semanales (en miles de Dls) de cada tienda. Se sel
entre todos los que conforman la cadena.
Se pide desarrollar un modelo que para predecir la ventas semanales (
clientes (var. independientes X)

Ventas semanales (VAR DEPEN Y) en base al numero de clientes (VARIA INDEPEN X)

PASO 1
grafica

ventas sem
14
12
10
8
Ventas en miles de dolares

6
4
2
0
300

Almacenes Clientes (X) Ofertas (Y) X

1
907
11.2
11.05
2
926
3
506
6.84
4
741
9.21
5
789
9.42
6
889
10.08
7
874
9.45
8
510
6.73
9
529
7.24
10
420
6.12
11
679
7.63
9.43
12
872
9.46
13
924
7.64
14
607
6.92
15
452
8.95
16
729

Y
822649
857476
256036
549081
622521
790321
763876
260100
279841
176400
461041
760384
853776
368449
204304
531441

XY
125.44
122.1025
46.7856
84.8241
88.7364
101.6064
89.3025
45.2929
52.4176
37.4544
58.2169
88.9249
89.4916
58.3696
47.8864
80.1025

10158.4
10232.3
3461.04
6824.61
7432.38
8961.12
8259.3
3432.3
3829.96
2570.4
5180.77
8222.96
8741.04
4637.48
3127.84
6524.55

400

500

17
18
19
20
TOTALES
PROMEDIO
PASO 2

9.33
794
10.23
844
11.77
1010
7.41
621
14623
176.11
731.15
8.8055
CALCULAR B0 Y B1

630436
712336
1020100
385641

87.0489
104.6529
138.5329
54.9081

7408.02
8634.12
11887.7
4601.61

DIAGRAMA DE DISPERSION

dena de almacenes departamentales le gustaria desarrollar un modelo para

de Dls) de cada tienda. Se selecciono una muestra de 20 alamacenes de

redecir la ventas semanales (var. dependientes Y) basandose en numero de

NDEPEN X)

e dolares

ventas semanales. Miles Dls

14
12
10
8

ventas semanales. Miles Dls

6
4
2
0
300

400

500

600

700

800

900

1000 1100

Clientes

BO
B1

2.423055
0.008729

nales. Miles Dls