Professional Documents
Culture Documents
Administradores
Capítulo 12
Aplicaciones de la 2
Tablas de Contingencia
Útil para involucrar múltiples proporciones
poblacionales
Usadas para clasificar muestras de
observaciones de acuerdo a dos o mas
características
También llamada tabla de cross-tabulation.
Chap 12-3
Ejemplo de Tabla de Contingenia
Chap 12-4
Tablas de Contingencia
(continua)
36 264 300
Chap 12-5
2 Prueba para la diferencia
entre dos proporciones
H0: π1 = π2 ( La proporción de mujeres que son
zurdas es igual a la proporción de hombres
zurdos)
H1: π1 ≠ π2 (las dos proporciones no es la misma
La preferencia de la utilización de la
mano y el género no son independientes)
Chap 12-6
El estadístico de la Prueba 2
( f f ) 2
2 o e
todaslasceldas fe
donde:
fo = frecuencias observadas en una celda particular
fe = frecuencias esperadas en una celda particular
para los casos presentados en la tabla 2 x 2 tiene 1 grado
de libertad
Chap 12-7
Regla de decisión
El estadístico de la prueba 2 aproximadamente
sigue una distribución chi-cuadrado con un grado
de libertad
Regla de decisión :
Si 2 > 2U, rechazo
H0, en otro caso no
rechazo H0
0
No Rechazo 2
rechazo H0
2U
H0
Chap 12-8
Calculamos la
proporción promedio
La proporción p X1 X2 X
promedio es: n1 n2 n
Chap 12-9
Encontrando Frecuencias
Esperadas
Chap 12-10
Frecuencias Observadas vs.
Esperadas
36 264 300
Chap 12-11
El estadístico de la prueba 2
Preferencias de mano
Genero Izquierda Derecha
Observadas = 12 Observadas = 108
Mujeres 120
Esperadas = 14.4 Esperadas = 105.6
Observadas = 24 Observadas = 156
Hombres 180
Esperadas = 21.6 Esperadas = 158.4
36 264 300
El estadístico de la prueba es:
(fo fe )2
χ
2
all cells fe
(12 14.4) 2 (108 105.6) 2 (24 21.6) 2 (156 158.4) 2
0.7576
14.4 105.6 21.6 158.4
Chap 12-12
Regla de decisión
Expected Frequencies
Preferencia de Mano
0 Izquierda Derecha Total (fo-fe)^2/fe
Mujer 14,4 105,6 120 0,4 0,05454545
Hombre 21,6 158,4 180 0,26666667 0,03636364
Total 36 264 300
Data
Level of Significance 0,05
Number of Rows 2
Number of Columns 2
Degrees of Freedom 1
Results
Critical Value 3,84145882
Chi-Square Test Statistic 0,75757576
p-Value 0,38408825
Do not reject the null hypothesis
Chap 12-14
Prueba 2 para las diferencias de
mas de dos proporciones
H0: π1 = π2 = … = πc
H1: No todas las πj son iguales (j = 1, 2, …, c)
Chap 12-15
El estadístico de la prueba de 2
( f f ) 2
2 o e
todaslasceldas fe
donde:
fo = frecuencias observadas en una celda particular de una
tabla 2 x c
fe = frecuencias esperadas en un celda particular si H0 es
verdadera
Chap 12-17
Calculo de la proporción total
La proporción total es: X1 X2 Xc X
p
n1 n2 nc n
Chap 12-18
Prueba 2 para las diferencias de
más de dos proporciones (ejemplo)
Chap 12-20
Prueba 2 para las diferencias de
más de dos proporciones (ejemplo)
Chap 12-21
Chi cuadrado – Resultado de la
prueba
Chi-Square Test
Observed Frequencies
Calculation
Column variable s
Row variable C1 C2 C3 Total fo-fe
R1 0 #¡DIV/0! #¡DIV/0! #¡DIV/0!
R2 0 #¡DIV/0! #¡DIV/0! #¡DIV/0!
Total 0 0 0 0
Expected Frequencies
Column variable
Row variable C1 C2 C3 Total (fo-fe)^2/fe
R1 #¡DIV/0! #¡DIV/0! #¡DIV/0! #¡DIV/0! PHStat
#¡DIV/0! User Note:#¡DIV/0!
#¡DIV/0!
R2 #¡DIV/0! #¡DIV/0! #¡DIV/0! #¡DIV/0! Enter replacement#¡DIV/0!
#¡DIV/0! #¡DIV/0! labels for the
Total #¡DIV/0! #¡DIV/0! #¡DIV/0! #¡DIV/0!
row and column variables as well
Data as the observed frequency
Level of Significance 0.05 counts in the table that starts in
Number of Rows 2 row 3.
Number of Columns 3
Degrees of Freedom 2
Note: The #DIV/0! error
Results messages will disappear after
Critical Value 5.99146455 you enter the observed
Chi-Square Test
Statistic #¡DIV/0!
frequency counts.
p-Value #¡DIV/0!
#¡DIV/0! (Before continuing, press the
Delete key to delete this note.)
Expected frequency assumption
#¡DIV/0!
Chap 12-22
Chi cuadrado – Resultado de la
prueba
Chi-Square Test
Observed Frequencies
Column variable Calculations
Opinión Administrati
Operarios vos Directivos Total fo-fe
A Favor 63 20 37 120 3 -10 7
Se Oponen 37 30 13 80 -3 10 -7
Total 100 50 50 200
Expected Frequencies
Column variable
Administrativo
Opinión Operarios s Directivos Total (fo-fe)^2/fe
A Favor 60 30 30 120 0.15 3.33333333 1.63333333
Se Oponen 40 20 20 80 0.225 5 2.45
Total 100 50 50 200
Data
Level of Significance 0.05
Number of Rows 2
Number of Columns 3
Degrees of Freedom 2
Results
Critical Value 5.99146455
Chi-Square Test Statistic 12.7916667
p-Value
Reject the null hypothesis
0.00166849
p<α
Chap 12-23
Chi cuadrado – Resultado de la
prueba
0 2
No Rechazar H0
rechazar H0
2U=5.9915
Rechazamos H0, por lo tanto hay suficiente evidencia para concluir que las
dos proporciones son diferentes para = 0.05
Chap 12-24
El procedimiento Marascuilo
Chap 12-25
El procedimiento Marascuilo
(continua)
p j (1 p j ) p j' (1 p j' )
Rango Critico χ 2
U
nj n j'
(Observar: el rango crítico es diferente para la comparación de cada par)
Un par particular de proporciones es significativamente diferente sí
Chap 12-26
Prueba 2 para las diferencias de
más de dos proporciones (ejemplo)
Sample Proportions
Group 1 0.63
Group 2 0.4
Group 3 0.74
MARASCUILO TABLE
Chap 12-29
Prueba 2 de independencia
(continua)
( f f ) 2
2 o e
all cells fe
donde:
fo = frecuencia observada en una celda particular de la tabla r
xc
fe = frecuencia esperada en una celda particular si H0 es
verdadera
Chap 12-31
Frecuencias esperadas de las
celdas
donde:
total fila = suma de todas las frecuencias en la fila
total columna = suma de todas las frecuencias en la columna
n= tamaño de la muestra
Chap 12-32
Regla decisional
La regla decisional es
Chap 12-33
Ejemplo
El plan de comidas seleccionadas por un grupo de 200 estudiantes es:
Chap 12-35
Ejemplo:
Frecuencias Esperadas de las
celdas
(continua)
Observadas:
Numero de comidas por
semanas
20/sem 10/se ningun Frecuencias Esperadas en
Clasificación m a Total las celdas si H0 es verdadera:
Fresh. 24 32 14 70
Soph. 22 26 12 60 Numero de comidas
por semana
Junior 10 14 6 30
Clasificación
20/se 10/se ningu
Senior 14 16 10 40
no Total
Total 70 88 42 200
Fresh. 24.5 30.8 14.7 70
Ejemplo para una celda:
Soph. 21.0 26.4 12.6 60
total fila total columna
fe Junior 10.5 13.2 6.3 30
n
Senior 14.0 17.6 8.4 40
30 70
10.5 Total 70 88 42 200
200
Chap 12-36
Ejemplo para el estadístico de la
prueba:
(continua)
todaslasceldas fe
(24 24.5) 2 (32 30.8) 2 (10 8.4) 2
0.709
24.5 30.8 8.4
Chap 12-37
Ejemplo para el estadístico de la
prueba:
(continua)
Chi-Square Test
Observed Frequencies
Column variable Calculations
Row variable 20 10 Ninguna Total fo-fe
Freshman 24 32 14 70 -0.5 1.2 -0.7
Sophomre 22 26 12 60 1 -0.4 -0.6
Junior 10 14 6 30 -0.5 0.8 -0.3
Senior 14 16 10 40 0 -1.6 1.6
Total 70 88 42 200
Expected Frequencies
Column variable
Row variable 20 10 Ninguna Total (fo-fe)^2/fe
Freshman 24.5 30.8 14.7 70 0.01020408 0.04675325 0.03333333
Sophomre 21 26.4 12.6 60 0.04761905 0.00606061 0.02857143
Junior 10.5 13.2 6.3 30 0.02380952 0.04848485 0.01428571
Senior 14 17.6 8.4 40 0 0.14545455 0.3047619
Total 70 88 42 200
Data
Level of Significance 0.05
Number of Rows 4
Number of Columns 3
Degrees of Freedom 6
Results
Critical Value 12.5915872
Chi-Square Test Statistic 0.70933828
p-Value 0.99428731
Do not reject the null hypothesis
Chap 12-38
Ejemplo:
decisión e Interpretación
(continua)
Regla de decisión :
Si 2 > 12.592, rechazo H0, en
otro caso no rechazar H0
Aquí,
2 = 0.709 < 2U = 12.592,
no rechazar H0
0 Conclusión: No hay
No rechazar H0 Rechazar 2 evidencia suficiente, que las
H0
comidas y clase de estudiante
2U=12.592
estén relacionados a un nivel
de significación del = 0.05
Chap 12-39
Prueba de Homogeneidad
Chap 12-40
Prueba de Homogeneidad
la distinción mas importante entre la
prueba de independencia y la de
homogeneidad es que en la primera las
observaciones provienen de una sola
población, mientras que en la segunda
son de dos ó más poblaciones.
Chap 12-41
Prueba de χ2 para la Varianza y
la desviación estándar
Un estadístico de la prueba χ2 se utiliza para
probar si la varianza poblacional. o desviación
estándar es igual a un valor especificado :
H0: σ2 = σ02 (n - 1)S 2
χ2
Ha: σ2 ≠ σ02 σ2
donde n = tamaño de la muestra
S2 = varianza muestral
σ2 = varianza poblacional hipotetizada
χ2 sigue una distribucion chi-cuadrada con n – 1 g de l
Chap 12-42
Prueba de χ2 Bondad de Ajuste
Chap 12-43
Prueba de χ 2 Bondad de Ajuste
(continua)
¿Siguen los datos muestrales una distribución
hipotetizada determinada? (p.ej., ¿siguen las
llamadas una distribución uniforme?)
Datos muestrales para los 10 días elegidos
aleatoriamente de una semana:
Suma de llamadas por día:
Lunes 290
Martes 250
Miércoles 238
Jueves 257
Viernes 265
Sábado 230
Domingo 192
= 1722
Chap 12-44
Lógica De la Prueba de bondad
de ajuste
Chap 12-45
Frecuencias Observadas vs.
Esperadas
Observadas Esperadas
fo fe
Lunes 290 246
Martes 250 246
Miércoles 238 246
Jueves 257 246
Viernes 265 246
Sábado 230 246
Domingo 192 246
TOTAL 1722 1722
Chap 12-46
estadístico de la Prueba 2
H0: La distribución de las llamadas se distribuye
siguiendo un ley uniforme en los días de la semana
H1: la distribución de las llamadas no es uniforme
El estadístico de la prueba
es
(f o f e ) 2
2
(donde g. de l. k p 1)
k fe
donde:
k = numero de categorías
fo = frecuencias observadas
fe = frecuencias esperadas
p = numero de parámetros estimados desde los datos
Chap 12-47
La Región de Rechazo
H0: La distribución de las llamadas se distribuye
siguiendo un ley uniforme en los días de la
semana
H1: la distribución de las llamadas no es uniforme
(f f ) 2
2 o e
k fe
Rechazar H0 sí
2 2
α
0 2
No Rechazar H0
rechazart H0 2
Chap 12-48
Los grados de libertad
Chap 12-49
El estadístico de la Prueba
H0: La distribución de las llamadas se distribuye siguiendo
una ley uniforme en los días de la semana
H1: la distribución de las llamadas no es uniforme
(290 246)2
(250 246)2
(192 246)2
2 ... 23.05
246 246 246
k – 2 = 5 (k = 7 dias de la semana,
se usan 5 g.de l:
2.05 = 11.0705
= .05
Conclusión:
2 = 23.05 > 2 = 11.0705
rechazar H0 y concluímos que 0 2
No Rechazar
la distribución no es uniforme rechazar H0 H0
2.05 = 11.0705
Chap 12-50
Ejemplo de Distribución Normal
Chap 12-51
Ejemplo. Distribución Normal
(continua)
Chap 12-52
Ejemplo Distribución Normal
(continua)
¿Cuales son las frecuencias esperadas para las clases
bajo una ley normal con x = 50 y s = 15?
Frecuencias
Clases Frecuencias Esperadas
Menor a 30 10
30 pero < 40 21
40pero < 50 33 ?
50 pero < 60 41
60pero < 70 26
70 pero < 80 10
80pero < 90 7
90 o más 2
TOTAL 150
Chap 12-53
Frecuencias Esperadas
frecuencias
Esperadas Frecuencias
Valor P(X < valor) Esperadas en una
Menor a 30 0.09121 13.68
muestra de tamaño n
= 150, de una
30 - < 40 0.16128 24.19 distribución normal
40 - < 50 0.24751 37.13 con μ = 50, σ = 15
50 - < 60 0.24751 37.13
Ejemplo: 30 50
60 - < 70 0.16128 24.19 P(x 30) P z
15
70 - < 80 0.06846 10.27
P(z 1.3333)
80 - < 90 0.01892 2.84
.0912
90 o más 0.00383 0.57
TOTAL 1.00000 150.00 (.0912)(150) 13.68
Combinamos las frecuencias de clase para que las
frecuencias esperadas no sean menores a 1
Chap 12-54
El estadístico de la Prueba
(con k – p – 1 g de l)
TOTAL 150 150.00
Chap 12-55
La Región de Rechazo
H0: La distribución de los valores sigue una ley normal
con μ = 50 y σ = 15
H1: La distribución de las celdas no sigue una ley
normal
2.05 = 11.0705
Conclusión: =.05
2 = 11.580 > 2 = 11.0705 así
rechazamos H0: Hay evidencia 0 2
suficiente para rechazar que los datos No Rechazar H0
2.05 = 11.0705
rechazar H0
son normales, μ = 50 y σ = 15
Chap 12-56
Resumen del Capítulo