1.
En un estudio de un taller, se reúne un conjunto de datos para determinar si la proporción de defectuosos produc
trabajadores es la misma para el turno matutino, vespertino o nocturno. Se reunieron los siguientes datos:
Matutino Vespertino Nocturno
Utilice un nivel de significancia de 0.02 para det
Defectuoso 45 55 70
proporción de defectuosos es la misma para los
No defectuoso 905 890 870
Paso 1:
Ho: La proporción de artículos defectuosos producida por los trabajadores es la misma para el turno matutino
H1: La proporción de artículos defectuosos producida por los trabajadores no es la misma para el turno matu
Paso 2:
significancia: 0.02
Paso3:
Matutino Vespertino Nocturno TOTAL
Frecuencia Defectuoso 45 55 70 170
observada No
905 890 870
defectuoso 2665
TOTAL 950 945 940 2835
Matutino Vespertino Nocturno TOTAL
Frecuencia Defectuoso 56.966 56.667 56.367 170.000
esperada No
893.034 888.333 883.633
defectuoso 2665.000
TOTAL 950.000 945.000 940.000 2835.000
Aplicando la fórmula
Matutino Vespertino Nocturno TOTAL
Defectuoso 2.514 0.049 3.297 5.860
No
0.160 0.003 0.210
defectuoso 0.374
TOTAL 2.674 0.052 3.508 6.234
Paso 4:
Regla de decisión
Si c2c >= c2a,gl) se rechazará Ho
(datos) Función en excel
Calculo del Punto crítico (=PRUEBA.CHI.INV(a;gl)
Los gradosde libertad son iguales a: (número de filas-1)*(número de columnas -1)
gl= (número de filas-1)*(número de columnas -1)
gl= (2-1)*(3-1)
gl= 2
7.824
Respuesta: si >= 7.824 se rechazará Ho
Paso 5: Como 6.234 < 7.824 ,no se rechazará Ho
Paso 6: Al 98% de confianza hay evidencia estadistica para probar que la proporción de artículos defectuosos pro
turno matutino, vespertino o nocturno.
de defectuosos producida por los
ientes datos:
ancia de 0.02 para determinar si la
s es la misma para los tres turnos
a para el turno matutino, vespertino o nocturno.
misma para el turno matutino, vespertino o nocturno.
rtículos defectuosos producida por los trabajadores no es la misma para el
2. Una asociación de profesores universitarios quiere determinar si la satisfacción en el trabajo es independiente de
Para ello realizó un estudio nacional entre los académicos universitarios y encontró los resultados mostrados son la
Con a = 0.01, haga una prueba para saber si son dependientes la satisfacción en el trabajo y el rango.
Satisfacción en el Profesor Profesor
Instructor Profesor
trabajo asistente asociado
Mucha 40 60 52 63
Regular 78 87 82 88
Poca 57 63 66 64
Paso 1:
Ho: La satisfacción en el trabajo es independiente del rango académico.
H1: La satisfacción en el trabajo es dependiente del rango académico.
Paso 2:
Significancia: 0.01
Paso3:
Frecuencia Satisfacción en el Profesor Profesor
observada Instructor Profesor
trabajo asistente asociado TOTAL
Mucha 40 60 52 63 215
Regular 78 87 82 88 335
Poca 57 63 66 64 250
TOTAL 175 210 200 215 800
Frecuencia Satisfacción en el Profesor Profesor
esperada Instructor Profesor
trabajo asistente asociado TOTAL
Mucha 47.031 56.438 53.750 57.781 215
Regular 73.281 87.938 83.750 90.031 335
Poca 54.688 65.625 62.500 67.188 250
TOTAL 175 210 200 215 800
Aplicando la fórmula
Satisfacción en Profesor Profesor
Instructor Profesor
el trabajo asistente asociado
Mucha 1.051 0.225 0.057 0.471
Regular 0.304 0.010 0.037 0.046
Poca 0.098 0.105 0.196 0.151
TOTAL 1.453 0.340 0.290 0.668
Paso 4:
Regla de decisión
Si c2c >= c2a,gl) se rechazará Ho
(datos) Función en excel
Calculo del Punto crítico (=PRUEBA.CHI.INV(a;gl)
Los gradosde libertad son iguales a: (número de filas-1)*(número de columnas -1)
gl= (número de filas-1)*(número de columnas -1)
gl= (3-1)*(4-1)
gl= 6
16.812
Respuesta: si >= 16.812 se rechazará Ho
Paso 5: Como 2.751 < 16.812 ,no se rechazará Ho
Paso 6: Al 99% de confianza hay evidencia estadistica para probar que la satisfacción en el trabajo es independiente de
trabajo es independiente del rango académico.
resultados mostrados son la tabla siguiente.
bajo y el rango.
TOTAL
1.804
0.396
0.550
2.751
o de columnas -1)
el trabajo es independiente del rango académico.
3. Se estudia la fiabilidad de cierto componente informático con relación al distribuidor que nos lo suministra. Para r
100 componentes de cada uno de los 3 distribuidores que nos sirven el producto comprobando el número de defect
muestra el número de defectuosos en para cada uno de los distribuidores:
No
Defectuoso Realizar un contraste de homoge
defectuoso
0.05 para concluir si entre los dist
Distribuidor 1 16 94
fiabilidad referente al mismo com
Distribuidor 2 24 76
Distribuidor 3 9 81
Paso 1:
Ho: Existe homogeneidad de fiabilidad referente al mismo componente.
H1: Existen diferencias de fiabilidad referente al mismo componente.
Paso 2:
Significancia: 0.05
Paso3:
No
Defectuoso
defectuoso TOTAL
Frecuencia
observada Distribuidor 1 16 94 110
Distribuidor 2 24 76 100
Distribuidor 3 9 81 90
TOTAL 49 251 300
No
Defectuoso
defectuoso TOTAL
Frecuencia
esperada Distribuidor 1 17.967 92.033 110.000
Distribuidor 2 16.333 83.667 100.000
Distribuidor 3 14.700 75.300 90.000
TOTAL 49 251 300
Aplicando la fórmula
Defectuoso
x ^2 Distribuidor 1 0.215
Distribuidor 2 3.599
Distribuidor 3 2.210
TOTAL 6.024
Paso 4:
Regla de decisión
Si c2c >= c2a,gl) se rechazará Ho
(datos) Función en excel
Calculo del Punto crítico (=PRUEBA.CHI.INV(a;gl)
Los gradosde libertad son iguales a: (número de filas-1)*(número de columnas -1)
gl= (número de filas-1)*(número de columnas -1)
gl= (3-1)*(2-1)
gl= 2
5.991
Respuesta: si >= 5.991 se rechazará Ho
Paso 5: Como 7.2 >5.991 ,se rechazará Ho
Paso 6: Al 99% de confianza hay evidencia estadistica para probar que existen diferencias de fiabilidad referente al
dor que nos lo suministra. Para realizar esto, tomamos una muestra de
mprobando el número de defectuosos en cada lote. La siguiente tabla
Realizar un contraste de homogeneidad con un nivel de significación del
.05 para concluir si entre los distribuidores existen diferencias de
abilidad referente al mismo componente
No
defectuoso TOTAL
0.042 0.257
0.703 4.301
0.431 2.642
1.176 7.200
número de columnas -1)
ferencias de fiabilidad referente al mismo componente.
4. Suponga que un analista toma una muestra aleatoria de 10 embarques enviados por camión de una compañía y registra la
distancia en kilómetros y el tiempo en días, y a partir del momento en que el embarque estuvo listo para su transportación.
Tiempo de
Embarque Distancia
entrega
muestreado (Km)
(días)
1 3.5 825.0 a) Construya la gráfica de dispersión para los datos e indique el tipo de
2 1.0 215.0 b) ¿Cuál es el grado de relación que existe entre el tiempo de entrega y
3 4.0 1070.0 c) ¿En qué porcentaje explica la variable independiente a la dependient
4 2.0 550.0 d) Utilizando la ecuación de regresión, estime el tiempo de entrega, des
5 1.0 480.0 para un viaje de 1000 Kilómetros.
6 3.0 920.0 e) Al 99% de confianza ¿Se puede concluir que el modelo encontrado e
7 4.5 1350.0 f) ¿Cuál es el máximo error de estimación al realizar un pronóstico?
8 1.5 325.0
9 3.0 670.0
10 5.0 1215.0
A) variable Independiente (x) Distancia
Variable depediente (y) Tiempo de entregas
DIAGRAMA DE DISPERSIÓN
6
TIEMPO DE ENTREGAS
5
4
3
2
1
0
0 200 400 600 800 1000 1200 1400 1600
DISTANCIA
B) GRADO DE RELACIÓN
Coeficiente de
0.9489
Existe un alto grado de asociacion entre la
correlación (r) distancia y tiempo de entregas.
C) PORCENTAJE QUE EXPLICA LA VARIABLE INDEPENDIENTE DE LA DEPEN
Coeficiente de
determinación R^2 0.900492377019 90.05% La distancia esta siedo exp
el tie
D)
Coeficientes
Intercepción 0.118129074014 Y= 0.1181+ 0.0036x
Distancia (Km) 0.003585132449
Para x = 1000 km, se tiene el val
Rpta:El tiempo de entrega, desde el momento en que el embarque está disponible para
E) Probar si la ecuación daría buena estimación
Paso 1 Ho Modelo no es significativo
H1 Modelo es significativo
Paso 2 α 0.01
Paso 3 F Valor crítico de F
72.39585069265 0.000
Si p-value < α , SE RECHAZA Ho
Paso 4 Si p-value < 0.01 , SE RECHAZA Ho
Paso 5 Como p-value = 0.000 < 0.01 , SE RECHAZA Ho
Paso 6
Al 99% de confianza, hay evidencia estadística para afirm
modelo de regresión encontrado sirve para realizar pron
F) MÁXIMO ERROR DE ESTIMACIÓN
Error típico 0.48002327
Rpta:El máximo error de estimación al realizar un pronostico es +/- 0.4800
a compañía y registra la
para su transportación.
datos e indique el tipo de relación que observa.
re el tiempo de entrega y la distancia?
endiente a la dependiente?
el tiempo de entrega, desde el momento en que el embarque está disponible
el modelo encontrado estadísticamente sirve para realizar predicciones?
alizar un pronóstico?
Se observa mucha relación positiva entre la distancia y el tiempo de entrega .
e asociacion entre la
o de entregas.
EPENDIENTE DE LA DEPENDIENTE
a distancia esta siedo explicado en un 90.05 % por
el tiempo.
1181+ 0.0036x
= 1000 km, se tiene el valor de y = 3.7181
que está disponible para un viaje de 1000 Kilómetros es 3.7033 d
E RECHAZA Ho
stadística para afirmar que el
rve para realizar pronósticos.
5. En una muestra de familias se han analizado las variables ahorro anual y renta anual, medidas ambas en miles de euros. Los
Ahorro Renta A partir de tales datos, se pide:
1.9 20.5 a) Construya un diagrama de dispersión e indique que relación observa
1.8 20.8 b) ¿Qué porcentaje de la variable ahorro queda explicado por la variable ren
2 21.2 c) Encuentre el máximo error de estimación
2.1 21.7 d) ¿Cuál sería el ahorro anual para una renta de 22.5 miles de euros?
1.9 22.1
2 22.3
2.2 22.2
2.3 22.6
2.7 23.1
3 23.5
A) variable Independiente (x) Renta
Variable depediente (y) Ahorro
DIAGRAMA DE DISPERSIÓN
3.5
2.5
2
Ahorro
1.5
0.5
0
20 20.5 21 21.5 22 22.5 23 23.5 24
Renta
b)
Estadísticas de la regresión Un 72% de la variable ahorro queda
lineal planteado
Coeficiente de 0.72421527482217 72%
determinación R^2
c)
Error típico 0.21404377
Rpta:El máximo error de estimación al realizar un pronostico es +/- 0.214
d)
Coeficientes y= -5.2658+ 0.3389 (x)
Intercepción (B0) -5.26584726
Variable (B1) 0.33890215 Para x=22.5 miles de euros…
Rpta:El ahorro anual para una renta de 22.5 mile
didas ambas en miles de euros. Los datos obtenidos han sido los siguientes:
indique que relación observa
queda explicado por la variable renta a través del modelo lineal planteado?
nta de 22.5 miles de euros?
Se observa mucha relación positiva entre la distancia y el tiempo de entrega .
23.5 24
n 72% de la variable ahorro queda explicado por la variable renta a través del modelo
neal planteado
ostico es +/- 0.214
2658+ 0.3389 (x) 2.35945
2.5 miles de euros… y=2.35945
anual para una renta de 22.5 miles de euros es de 2.35945 miles de euros
