Professional Documents
Culture Documents
DISTRIBUCIÓN CHI-CUADRADO
f(X2)
Chi Cuadrado de la muestra
gl =1
gl =10
X2
Distribución Chi-Cuadrado
Medidas sobre que tan cerca se ajustan los datos muestrales observados a una forma
de distribución particular planteada como hipótesis
Si el ajuste es razonablemente cercano, puede concluirse que sí exite la forma de distribución
planteada como hipótesis
Por ejemplo:
K
Oi− Ei2
χ =∑
2
i=1 Ei
Ejemplo:
El estadístico Chi cuadrado calculado de 1.17 es menor al de excel de 7.815 por tanto se acepta
la hipótesis nula
PRUEBA.CHI.INV
Otro ejemplo:
Frecuencias
. esperadas
......... E i=npi
Ho: Se mantuvo el patrón de 60% créditos comerciales, 30% extranjeros y 10% personales
Ha: No se mantuvo el patrón deseado
TOTAL 85 85 DISTR.CHI
PRUEBA.CHI.INV
PRUEBA DE NORMALIDAD
La presión de llenado de tanques de immersión promedio debe ser de 600 lb con una desviación
estándar de 10 lb.
Se mide el nivel de llenado de 1000 tanques:
P(Z<=-1) = 0.16
Etcetera DISTR.CHI
PRUEBA.CHI.INV
A - Clasifica- B - Ubicación
ción Urbano Rural Total
> Promedio 20 11 31
23.3 7.75
Promedio 40 8 48
36 12
< Promedio 15 6 21
15.8 5.25
Total 75 25 100
DISTR.CHI
El estadístico de excel se determina con alfa = 0.1 para (f-1)(c-1) gl = 2 gl. Dando 4.605
PRUEBA.CHI.INV
nto se acepta
na desviación
se hubieran
PRUEBA DEL SIGNO
Es una prueba de hipótesis que compara las distribuciones de dos poblaciones.
Por ejemplo se trata de probar la efectividad de un juego promocional en las ventas en tiendas:
Ho: m <= p
Ha: m > p
Ignorando los 0's se tienen 6 signos más y 4 signos menos para un total de n = 10 signos.
De la tabla C del apéndice III o DISTR.BINOM, la probabilidad de 6 o más signos menos es:
Como este valor de P = 0.377 es mayor que un alfa de 0.05 entonces no se rechaza Ho
indicando que el juego promocional no incremena las ventas
Para el caso de muestras grandes n >= 30 se puede aproximar al uso de Z, con k = número de
signos más o menos. Si k < n/2 se utiliza k + 0.5 y en caso contrario se usa k - 0.5 para
utilizar la distribución normal que es continua.
k ±0.5−0.5n
Z=
0. 5 n
Por ejemplo al comparar dos tipos de 10 bandas en su desgaste se obtuvieron,ignorando los 0s:
m = 8, p = 1
Si Ho: m = p
Ha: m<> p
Frecuencia (Oi)
Frecuencia (Ei)
Tipos de Créditoobservada esperadas Oi-Ei (Oi-Ei)2 (Oi-Ei)2 / Ei
Autos 55 66.66 -11.66 135.96 2.04
Estudiantes 47 66.66 -19.66 386.52 5.8
Propósitos
generales 98 66.66 31.34 982.2 14.73
200 199.98 22.57
Ejercicio 2
Frecuencia (Oi)
Frecuencia (Ei)
Tipos de Créditoobservada esperadas Oi-Ei (Oi-Ei)2 (Oi-Ei)2 / Ei
Autos 55 50 5 25 0.5
Estudiantes 47 50 -3 9 0.18
Propósitos
generales 98 100 -2 4 0.04
200 200 0.72
Ho: Se mantuvo el patrón deseado para créditos generales el 50%, para autos el 25% y para estudiantes
Ha: No se mantuvo el patrón deseado para créditos generales el 50%, para autos el 25% y para estudiant
PRUEBA DE SIGNOS
Ejercicio 6
Ho:m= p
Ha: m≠ p
P m≤3∣n=1 4, π=0.5 =0.2 8 7
Ejercicio 7
Ho:m≥ p
Ha: m≻ p
P m≻ 3∣n=9 ,π=0. 5 =0 .2 5 3 9
P m≥6∣n=9,π=0. 5 =1− p m≤5 =1−0. 7461 =0. 2539
D ebido a queα= 0.10/2= 0. 05 ≻ 0.253 N o se rechaza la .H
PRUEBA U DE MANN-WHITNEY
Ejercicio 10
Ho:U 1≥U 2
Ha :U 1 ≻ U 2
Mujeres Rango Hombres Rango
2.12 1
3.02 2
3.15 3
3.42 4
3.72 5
4.42 6
4.45 7
4.87 8
5.12 9.5 5.12 9.5
5.42 11
5.72 12
5.83 13
10∗10
6.43 14 μu= =50
6.49 15 2
8.17 16
8.79 17
66.5
8.89
9.02
9.73
18
19
20
143.5
σ u=
10∗10 10101
12
=13
10∗ 101
U2=10∗10 −143.5=11.5
2
Ejercicio 12
n1= 42
H o:U 1=U 2 n2= 35
42∗35
μ u= =735
H a:U 1≠U 2 2
σ u=
42∗35 42351
12
=97 . 74
930 . 5−735
∑ R1=1833 . 5 Z= =2
97 . 74
∑ R 2=1169. 5
6 ∑ di2
H o: P s=0
rs=1− No existe relación entre las dos variables
n n 2−1
H a: P s≠0
632 192
rs=1− =1− =0 .85
Existe relación entre las dos variables
11 11 −1
2 1320
De tabla n apendice 3
Para un valor alfa del 5% y n=11 r=0.6091
Ejercicio 15
Clasificación Clasificación
del Tiempo Nota Y
Tiempo Nota X di= x-y x-ycuadrado
21 67 2 2 0 0
18 58 3 4 -1 1 ¿El coeficiente de correlación
15 59 5 3 2 4 sugiere alguna relación?
17 54 4 5 -1 1
18 58 3 4 -1 1
25 80 1 1 0 0
18 14 3 9 -6 36
4 15 8 8 0 0
6 19 6 7 -1 1
5 21 7 6 1 1
45
H o: P s=0
645 270
rs=1− =1− =0.72
2
10 10 −1 990
645 270 No existe relación entre las dos variables
rs=1− =1− =0.72
10 102−1 990
H a: P s≠0
Existe relación entre las dos variables
De tabla n apendice 3
Para un valor alfa del 10% y n=10 r=0.5515
PRUEBA DE KRUSKAL-WALLIS
Ejercicio 18
K=
12
n n1 [∑ ] R 2i
ni
− 3 n1
K=
12
1 8 1 81 6 [
7 42 6 0.5 2 3 6. 52
6
6 ]
− 3 1 81 =0.0 3 5 9 1 2. 6 66 1 0. 0 4 12 2 2.0 4−5 7=0.0
K=
12
1 8 1 81 6
[
7 42 6 0.5 2 3 6. 52
6
6 ]
− 3 1 81 =0.0 3 5 9 1 2. 6 66 1 0. 0 4 12 2 2.0 4−5 7=0.0
Ejercicio 19
K=
12
2 0 2 01 5 [
4 42 5 1.52 8 4.52 9 4.52
5
5
5 ]
−3 2 01=0 .0 2 8 3 8 7. 25 3 0. 4 51 4 2 .80 54 4 6 .51 2
K 0 .0 5,3=7.8 1 5
K 0 .0 5,3=7.8 1 5
R 2 −R3=10.3−16.9=−6.6
Valor critíco Ck
C k = 7.815 [ 20201 1 1
12 ][ ]
= 10. 45
5 5
−50
=−2. 91
2
351
=97 . 74
=1.96 se encuentra en la zona de rechazo
Ejercicio 19
K 0 .0 5,3=7.8 1 5
K 0 .0 5,3=7.8 1 5
Lo cual quiere decir que no se observó una diferencia significativa en los incre
Rango Mezcla 4 Rango
17.5 8 10.5
10.5 10 25.5
15 11 19
10.5 8 10.5
7 8 10.5
60.5 76
La prueba puede realizarse para analizar la igualdad de las dos medias o medianas
poblacionales. Para el caso de medias, se debe asumir que las poblaciones son simétricas
y que tienen la misma varianza, si el supuesto de simetría se elimina entonces la mediana
reemplaza a la media como estadístico de prueba.
Método 1: 27, 31, 28, 29, 39, 40, 35, 33, 32, 36, 37, 43
Método 2: 34, 24, 38, 28, 30, 34, 37, 42, 41, 44
n 1 n 11
Estadístico. Pr imera. muestra. . . . . U 1 =n1 n 2 −∑ R1
2
n n 1
Estadístico. Segunda. muestra. . . . . U 2=n 1 n2 2 2 −∑ R 2
2
n n
Media. de . la. distribución. . U . . . . . . . . μ u= 1 2
2
n n n n 1
Desviación. estándar. de .. . U . .. . . . . . . σ u= 1 2 1 2
12
Media U = (12)(10) / 2 = 60