Ejercicios de estadstica

INSTRUCCIONES: Elija la metodologa adecuada segn el problema planteado. Se debe utilizar software estadstico en el caso en que la metodologa elegida se encuentre implementada. 1. Visa Card USA estudi la frecuencia con que los consumidores de diversos rangos de edades usan tarjetas plsticas (de crdito o de dbito) al pagar sus compras (Associated Press, 16 de enero de 2006). A continuacin se presentan los datos muestrales de 300 clientes divididos en cuatro grupos de edades Grupo de edad Forma de pago Plstico Efectivo o cheque 18-24 21 21 25-34 27 36 Tabla - 1 Pruebe la independencia entre el mtodo de pago y el grupo de edad. Cul es el valor p? Usando un nivel de significancia del 0.05 Cul es su conclusin? Respuesta: Ho: La forma de pago y el grupo edad de la Tabla - 1 son independientes. Ha: La forma de pago y el grupo edad de la Tabla - 1 no son independientes. Usando Minitab, segn el texto "Estadstica para Negocios y economa" por Anderson, Sweeney, y Williams (libro utilizado en clase por la profesora), se ingresan los valores de la Tabla - 1, y se hace clic sobre el men Prueba Chi-cuadrada (tabla de dos factores en hoja de trabajo)..., como se indica en la Fig. 1 35-44 27 42 45 y ms 36 90

Fig. 1 Desde el men Enviar seccin a Microsoft Word, Fig. 2, se obtiene los resultados que se indican abajo.

Fig. 2

Prueba Chi-cuadrada: 18-24; 25-34; 35-44; 45 y ms

Los conteos esperados se imprimen debajo de los conteos observados Las contribuciones Chi-cuadradas se imprimen debajo de los conteos esperados 1 18-24 21 15,54 1,918 21 26,46 1,127 42 25-34 27 23,31 0,584 36 39,69 0,343 63 35-44 27 25,53 0,085 42 43,47 0,050 69 45 y ms 36 46,62 2,419 90 79,38 1,421 126 Total 111

189

Total

300

Chi-cuadrada = 7,947; GL = 3; Valor P = 0,047

En donde: 1 se refiere a la forma de pago Plstico y 2 a la forma de pago Efectivo o cheque. El Valor p, como se indica en los resultados es de 0,047. Conclusin: Usando un nivel de significancia del 0,05, se observa que el Valor p (de 0,047) no supera este nivel, por lo tanto se rechaza la hiptesis nula Ho. 2 . El nmero de llamadas telefnicas que llegan por minuto al conmutador de una empresa tiene una distribucin de Poisson. Use un nivel de significancia del 10% y los siguientes datos para probar esta suposicin Nmero de llamadas por minutos Frecuencia observada Respuesta: Ho: El nmero de llamadas telefnicas que llegan por minuto al conmutador tiene una distribucin Poisson. Ha: El nmero de llamadas telefnicas que llegan por minuto al conmutador no tiene una distribucin Poisson. 0 15 1 31 2 20 3 15 4 13 5 4 6 2

= 0,1
Con esta informacin se construye la siguiente tabla, baso en el mtodo de prueba de bondad y ajuste de la distribucin de Poisson(ampliar para mejor visibilidad):

Nmero de llamadas por minutos

Frecuencia observada

0 1 2 3 4 5 6
7 o ms Total e

15 31 20 15 13 4 2

Numero esperado de numero de 2 minutos Cuadrado de llamadas por con x Freecuencia la frecuencia probabilidad llamadas(100 Observada(fi Frecuencia diferencia(fiobservada de poisson f(x) ) esperada(ei) ei)^2 0 0,1353 13,53 15 13,53 2,15 31 0,2707 27,07 31 27,07 15,47 40 0,2707 27,07 20 27,07 49,94 45 0,1804 18,04 15 18,04 9,27 52 0,0902 9,02 13 9,02 15,82 20 0,0361 3,61 6 5,27 0,54 12 0,0120 1,20 0,0045 0,45 200 0,9955 100,00 100 100,0000

Cuadrado de la diferencia dividido entre la frecuencia espererada 0,16 0,57 1,85 0,51 1,75 0,10

100 2 2,718281828

chicuadrado 4,95

grados de libertad 4,00

pvalor 0,2929

Conclusiones: Dado que el p-valor (0,2929) es mayor que (0,1) se concluye que no se rechaza la hiptesis nula Ho, es decir, que el nmero de llamadas telefnicas que llegan por minuto al conmutador tiene una distribucin Poisson.

3. Las siguientes son las calificaciones en los exmenes finales en un curso universitario
55 60 85 95 72 77 99 84 48 73 71 63 88 72 70 95 59 79 98 51 80 85 74 76 93 81 85 78 74 65 82 75 90 87 71 86 83 70 80 64

Use un nivel de significancia del 5% y realice una prueba para determinar si se debe rechazar que una distribucin normal sea representativa de la distribucin poblacional de estas calificaciones.

Respuesta: Se utiliza la herramienta SSPS, y existen dos formas de acceso para ello. Ambos se refieren al procedimiento Prueba de Kolmogorov-Smirnov para una muestra compara la funcin de distribucin acumulada observada de una variable con una distribucin terica determinada, que puede ser la normal, la uniforme, la de Poisson o la exponencial. La Z de KolmogorovSmirnov se calcula a partir de la diferencia mayor (en valor absoluto) entre las funciones de distribucin acumuladas terica y observada. Esta prueba de bondad de ajuste contrasta si las observaciones podran razonablemente proceder de la distribucin especificada. A continuacin se muestra primera la secuencia de acceso a esta prueba (cuadros de dilogos antiguos).

Fig. 3

En la siguiente imagen se muestra la segunda secuencia de acceso a este mtodo, y es el ms moderno:

Fig. 3 Esta secuencia lleva a las siguientes ventanas:

Fig. 4

Fig. 5

Fig. 6

Los resultados obtenidos de esta prueba son los siguientes.

NPAR TESTS /K-S(NORMAL)=Calificaciones /STATISTICS DESCRIPTIVES QUARTILES /MISSING ANALYSIS.

Pruebas no paramtricas
Notas Resultados creados Comentarios Conjunto de datos activo Filtro Peso Dividir archivo Nm. de filas del archivo de trabajo Los valores perdidos Definicin de los perdidos definidos por el usuario ser tratados como perdidos. Manipulacin de los valores perdidos Casos utilizados Los estadsticos para cada prueba se basan en todos los casos con datos vlidos para las variables usadas en dicha prueba. NPAR TESTS /KS(NORMAL)=Calificaciones Sintaxis /STATISTICS DESCRIPTIVES QUARTILES /MISSING ANALYSIS. Recursos Tiempo de procesador 00:00:00,02 Conjunto_de_datos0 <ninguno> <ninguno> <ninguno> 26-MAY-2012 20:42:55

Entrada

40

Tiempo transcurrido Nmero de casos permitidos

a

00:00:00,02

196608

a. Basado en la disponibilidad de memoria en el espacio de trabajo.

[Conjunto_de_datos0]
Estadsticos descriptivos N Media Desviacin tpica Mnimo Mximo Percentile s 25 Calificaciones 40 76,8250 12,42596 48,00 99,00 70,2500

Estadsticos descriptivos Percentiles 50 (Mediana) Calificaciones 77,5000 75 85,0000

Prueba de Kolmogorov-Smirnov para una muestra Calificaciones N Media Parmetros normales

a,b

40 76,8250 12,42596 ,091 ,037 -,091

Desviacin tpica Absoluta Diferencias ms extremas Positiva Negativa

Z de Kolmogorov-Smirnov Sig. asintt. (bilateral)

,578 ,892

a. La distribucin de contraste es la Normal. b. Se han calculado a partir de los datos.

*Nonparametric Tests: One Sample. NPTESTS /ONESAMPLE TEST (Calificaciones) KOLMOGOROV_SMIRNOV(NORMAL=SAMPLE ) /MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE /CRITERIA ALPHA=0.05 CILEVEL=95.

Pruebas no paramtricas
Notas Resultados creados Comentarios Conjunto de datos activo Filtro Entrada Peso Dividir archivo <ninguno> <ninguno> Conjunto_de_datos0 <ninguno> 26-MAY-2012 20:51:26

Nm. de filas del archivo de trabajo NPTESTS /ONESAMPLE TEST (Calificaciones)

40

KOLMOGOROV_SMIRNOV( NORMAL=SAMPLE ) Sintaxis /MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE /CRITERIA ALPHA=0.05 CILEVEL=95. Tiempo de procesador Recursos Tiempo transcurrido 00:00:00,85 00:00:00,53

[Conjunto_de_datos0]

Fig. 7 Conclusin: Los datos suministrados se aproximan a una distribucin normal dentro de un nivel de significancia del 5%.

4. Con objeto de determinar su efecto en el rendimiento de la gasolina en millas por galn en los automviles de pasajeros, se prueban dos aditivos para gasolina. A continuacin aparecen los resultados de esta prueba en 12 automviles; en cada automvil se probaron los dos aditivos. Use un nivel de significancia del 5% y la prueba de los rangos con signo de Wilcoxon para determinar si existe una diferencia significativa entre estos dos aditivos
Automvil Aditivo 1 Aditivo 2 1 20.12 18.05 2 23.56 21.77 3 22.03 22.57 4 19.15 17.06 5 21.23 21.22 6 24.77 23.80 7 16.16 17.20 8 18.55 14.98 9 21.87 20.03 10 24.23 21.15 11 23.21 22.78 12 25.02 23.70

Respuesta:

Antes de realizar la prueba de los rangos con signo de Wilcoxon se observa la distribucin de los datos para verificar si existe algn tipo de simetra, ya que la prueba asume este tipo de relacin entre los datos. Se ha creado un grfico con estos datos, Fig. 8 , y efectivamente podemos asumir que existe simetra entre los mismos, no siendo sesgadas.

Fig. 8

Otro punto que debe tomarse en cuenta es que la prueba se presenta como alternativa a la t de Student cuando el supuesto de normalidad no es asumible, que es lo que se observa en la Fig. 9.

Automvil
1 2 3 4 5 6 7 8 9 10 11 12

Aditivo 1
20,12 23,56 22,03 19,15 21,23 24,77 16,16 18,55 21,87 24,23 23,21 25,02

Aditivo 2
18,05 21,77 22,57 17,06 21,22 23,8 17,2 14,98 20,03 21,15 22,78 23,7

Diferencia
2,07 1,79 -0,54 2,09 0,01 0,97 -1,04 3,57 1,84 3,08 0,43 1,32

Diferencia Absoluta
2,07 1,79 0,54 2,09 0,01 0,97 1,04 3,57 1,84 3,08 0,43 1,32

Tabla - 2 A simple vista (ver tabla 1), se puede observar que el rendimiento del automvil con el Aditivo 1 es mejor que el del Aditivo 2, excepto por los automviles 3 y 7. En particular, se usar la prueba de rangos con signo de Wilcoxon para la diferencia entre la mediana de los rendimientos para los dos aditivos usados en las pruebas los 12 automviles. Las hiptesis son las siguientes, para un nivel de significancia del 5%. Ho: Existe una diferencia significativa entre las medianas de los rendimientos producidos por los dos aditivos. Ha: No existe una diferencia significativa entre las medianas de los rendimientos producidos por los dos aditivos.

Usando SPSS, se siguen los siguientes pasos:

Fig. 9

Fig. 10

Fig. 11

Los primeros resultados que nos devuelve SPSS, son los siguientes:

*Nonparametric Tests: Related Samples. NPTESTS /RELATED TEST(Aditivo1 Aditivo2) WILCOXON /MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE /CRITERIA ALPHA=0.05 CILEVEL=95.

Pruebas no paramtricas
Notas Resultados creados Comentarios 27-MAY-2012 08:41:15

Conjunto de datos activo Filtro Peso Dividir archivo Nm. de filas del archivo de trabajo

Conjunto_de_datos0 <ninguno> <ninguno> <ninguno>

Entrada

12

NPTESTS /RELATED TEST(Aditivo1 Aditivo2) WILCOXON Sintaxis /MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE /CRITERIA ALPHA=0.05 CILEVEL=95. Tiempo de procesador Recursos Tiempo transcurrido 00:00:00,24 00:00:00,25

[Conjunto_de_datos0]

Ntese que SPSS rechaza la hiptesis nula de que la diferencia entre ambos redimientos es cero. Por lo que SSPS considera como hiptesis nula, lo que para la respuesta de este ejercicio es la hiptesis alterna.

Para observar los resultados con ms detalle, SSPS nos da los siguientes resultados:

[Conjunto_de_datos0]

Estadsticos descriptivos N Media Desviacin tpica 25 Aditivo1 Aditivo2 12 12 21,6583 20,3592 2,73926 2,89744 16,16 14,98 25,02 23,80 19,3925 17,4125 50 (Mediana) 21,9500 21,1850 75 24,0625 22,7275 Mnimo Mximo Percentiles

Rangos N Rangos negativos Rangos positivos aditivo2 - aditivo1 Empates Total 0

c

Rango promedio Suma de rangos 10 2

a

7,00 4,00

70,00 8,00

12

a. aditivo2 < aditivo1 b. aditivo2 > aditivo1 c. aditivo2 = aditivo1

Estadsticos de contraste

aditivo2 aditivo1 Z Sig. asintt. (bilateral) Sig. exacta (bilateral) Sig. exacta (unilateral) Probabilidad en el punto -2,432
b

,015 ,012 ,006 ,001

a. Prueba de los rangos con signo de Wilcoxon b. Basado en los rangos positivos.

Conclusin:

Como el P-valor es 0,012 (ver resultados en rojo, pgina anterior) y el nivel de significancia es de 5%(0,05) , es decir que 0,012< 0,05, entonces nos quedamos con la hiptesis que indica que no hay diferencia significativa entre el rendimiento de los dos aditivos. Para SPSS, sta es la hiptesis alternativa, para la respuesta de este ejercicio es la hiptesis nula, Ho.