Se equiparan las poblaciones

Ho: u1=u2

Ha: u1!=u2

Prueba bilateral(2 colas)

α/2

Intervalos
as poblaciones
1)

Ho: u=60000 El millaje medio del neumático sea igual a 60000

Ha: u!=60000 El millaje medio del neumático sea diferente a 60000

2)

Prueba bilateral
α=0.05 α/2=0.025

3) Distribución z(muestra grande)

z=-1.96

4) Definir la región de aceptación y crítica

 z= 11.785

nte a 60000
0.406
p: proporción

Prueba bilateral

Ho: P=P0

Región crítica

Región de aceptación
egión crítica

egión de aceptación
 Prueba unilateral Po: probabilidad 0.52
p: proporción 0.567
1)
Ho: p=0.52 n= 300

Ha: p>0.52

2)
α= 0.01
z= -2,325

Z estándar= 1.38

Como 1.38<2.325

Se acepta la hipótesis nula y se rechaza la hipótesis alternativa

Interpretación: No se puede concluir que en esta autopista conduzcan más hombres

Proporción de 2 muestras

1)
Ho: p1=p2
Prueba bilateral
Ha: p1=!p2
2)
α= 0.05

α/2= 0.025

3)
z= -1.96

5) Proporción ponderada
Pc= 0.1578
Ph= 0.14
Pm= 0.18

z=
 q= 0.48

1.61787557

ta conduzcan más hombres de lo indicado por los estadísticos nacionales

Acepta Ho y rechaza Ha
Tabla de 2 colas

n-1=

X Y
0.01 2.6
0.02 2.718
3.106
 gl= 5
α= 0.1

t= 2,015

0.05
2.571 2.4

m= -11.12

gl= 8
Para n<30
gl: grado de libertad

11.8

0.388 0.03288136 0.05288136

0.02644068
 0.1 α
2.015 t

0.0654

0.385
x-0,1
-0.0346223

Para doble cola se considera α/2 Si se encuentra en la cola izquierda asume valor negativ
Una sola cola se debe multiplicar por 2 Si se encuentra en la cola derecha asume valor positivo

X Y
 gl=9

0.01 0.025 α
2.821 2.262 1.680 t

0.582
m= -37.2666667 0,025-x

0,025-x -0.01561717

x= 0.041
quierda asume valor negativo
erecha asume valor positivo
n<30 Utilizamos estadístico t-student
2)

3) n<30 Criterio de t-student

Con t=-1,3

0.05
-1.761
 m=

-0.045
m= 0,1-x

De 2 muestras 7

A: 2 4 6 7 7 7
B: 2 2 3 3 3 4

4
 X= 3.5 horas

Paso 1)

Ho: X= 3.5 horas

Ha: X< 3.5 horas

Paso 2)

α= 0.05

Paso 4)

gl= 16

Por ser de una cola e izquierda

t= -1.746

5)

x: media muestral
Uo= media poblacional
S: Desviación estándar
n: muestra
 1) Formulación de la hipótesis

Ho: x=4

Ha: x<4

2) Debido a la tabla de 2 colas

α= 0.05 0.1

4)
gl= 14
t= 1.761

Aceptamos nuestra hipótesis nula

0.1 α
-1.345 -1.3 t
8.32

-0.00540865 0.00540865 0.1054

8 8 9 9 10 2.324 5.4
4 5 6 8 1.886 3.56
 1.943 1.609 1.44 x
0.1 x 0.2 y

m= -0.19880716 0.169

-0.03359841 0.1664

PROBLEMA Como nuestra tabla es de doble cola

0.1
α= 0.05

n= 12 gl= 11

Estadístico t-student(n<30)

t= 1.796
 1. Planteamiento de hipótesis

Ho: u=0 Diferencia poblacional es igual a 0

Ha: u>0 Diferencia poblacional es mayor a 0

∑▒𝑑 ∑▒𝑑^2 Sd=

320 340 20 400

290 285 -5 25
421 475 54 2916 t=
510 510 0 0
210 210 0 0
402 500 98 9604
625 631 6 36
560 560 0 0
360 365 5 25
431 431 0 0
506 525 19 361
505 619 114 12996
311 26363

El t se encuentra en la zona de rechazo por lo que la Ho no va y se acepta la Ha

Interpretación: La metodología fue efectiva ya que generó un incremento en las ventas

40.791

2.201
Ho: Se comparan diversas muestras y son igualadas
Ha: Al menos una de ellos difiere del resto La distribución F parte desde 0

Relaciona varianza

M
F

Paso 1) Xm=
Xf=
Ho:

"Escriba aquí la ecuación."

Ha= σ S(desviación estándar)

α= 0.05 Estadístico
F(0.05, 7 ,5) 4.88

Nivel de significancia, gl del numerador, gl del denominador

Distribución ANOVA
Inferencia acerca de 2 medias Si los signos son d
En 2 direcciones

Cabe que recordar que existir

Tratamiento

1) Ho: Las medias son iguales

Ha: Al menos 1 de ellas es dis

2) Nivel de significancia(A partir de ello se

3) Identificamos el estadístico(Tipo F al com

 4) Graficamos y definimos nuest

F(α,k-1;n-k)
(N° de grupos -1; cantidad de elementos-N

5) Cálculo del ANOVA

Gasolinas
Regular Semigrado Super premium
21 23 26
23 22 25
24 25 27
24 24 26
26 26 30
26 24 27
28 27 32
172 171 193 536
4258 4195 5359 13812
 Se enfoca en la variación de las muestras analizadas
F parte desde 0

Asintótica

El mayor es colocado en el numerador

17 23 25 18 24 20 21 16
13 16 14 12 15 14

20.5 3.33809184 1.41421356 Tomando como muestra(Desv. Estándar)

14 11.1428571 2 Varianza

F= 5.57
abe que recordar que existirá una tabla distinta de acuerdo al nivel de significancia que presente nuestro problema

o: Las medias son iguales U1=U2=U3

a: Al menos 1 de ellas es distinta

nificancia(A partir de ello se determina que tabla usar)

α=

os el estadístico(Tipo F al comparar más de 2 muestras)

raficamos y definimos nuestra RA y RC

1; cantidad de elementos-N° de grupos)

o muestra(Desv. Estándar)
Paso 1: Elaboración de la hipótesis

Ho: La media de ganancia entre las 3 muestras será la misma u1=u2=u3

Ha: Al menos una de las medias difiere del resto u1!=u2=u3

Paso 2: Nivel de significancia y tipo de prueba

α= 0.05

Paso 3: Tipo de estadístico

Al compararse más de 2 muestras hablamos de Fischer(F)

Paso 4: K: tipos de grupo

n: Cantidad total de elementos
F(α; k-1; n-k)
numerador y denominador F(0,05; 2; 22)= 3.44

Preparatoria Licenciatura Maestría

45 49 51
47 57 73
53 85 82
 62 73 59
39 81 94 Mp Ml Mm
43 84 89 49 74.67 78.33
54 89 89
92 95
∑▒𝑋 62 73
343 672 705 1720
n 7 9 9 25
∑▒𝑋^2 17173 52050 57167 126390

SStotal= 8054

SST= 3872 Suma de cuadrados del tratamiento

Suma de cuadrados del error SSE= 4182

Fuente de variación Suma de cuadrados Grados de libertad Cuadrado medio

Tratamientos 3872 2 1936
Error 4182 22 190.091
Total 8054 24 MSE

Graficar
Al ser 10, 185 mayor a 3,44 nuestra Ho se encontrará en la región critica por lo que se acepta
la Ha

Interpretación: Al menos 1 media de las muestras será diferente al resto

Preparatoria- Maestría
IC= -43.744 -14.923

Existe una diferencia significativa

Licenciatura- Maestría

IC= -17.146458 9.81312465

Se considera una similitud

Rpta: El grado de preparatoria presentará una diferencia de ingresos significativa respecto a los otros 2 gr
 Cuadrado medio F
1936 10.185
190.091
MSE

ue se acepta
 Al ser bilateral
Preparatoria-Licenciatura Calcular el t-student(<30)
α= 0.05
t(α/2,n-k) α/2= 0.025

t(0,025,25-3)= 2.074

IC= -40.077 -11.256

Existe una diferencia significativa

ficativa respecto a los otros 2 grados que si ostentan similitud

 0.05 0.025 α
3.52 3.806 4.965 F

0.05616911

Bloque(autos)
Tratamiento(gasolinas)
usamos el gl del bloque "b-1"

p<alfa Se rechaza hipótesis nula

p>alfa No se rechaza la hipótesis nula
Cómo buscar en la tabla F
Se toma el otro F calculado
F
 r(coeficiente de correlación) Grado de relación entre 2 variables

Coeficiente de determinación( 𝑟^2

)

Se encarga de hallar la proporción en la que "y" fue variada

Regresión lineal

Sirve para hallar la ecuación que relaciona estas 2 variables

Para ajustar aquella ecuación más precisa se usará la técnic

n= 10

Saco de fertilizante Rendimiento en quintales

X Y X*Y X*2 Y*2
3 45 135 9 2025
4 48 192 16 2304
5 52 260 25 2704
6 55 330 36 3025
7 60 420 49 3600
8 65 520 64 4225
9 68 612 81 4624
 10 70 700 100 4900
11 74 814 121 5476
12 76 912 144 5776
75 613 4895 645 38659
∑▒𝑋 ∑▒𝑌

5625 375769

r= 0.996

Existe una correlación muy fuerte

Determinación 𝑟^2= 0.991

No determinación 〖 1−𝑟 〗 ^2= 0.009

c) Ecuación de regresión

a= 34.25

b= 3.61

Sin el uso de fertilizantes Determina el incremento del Y

X(n° calls) Y(n° cop.) X*Y X**2 Y**2

20 30 600 400 900
40 60 2400 1600 3600
20 40 800 400 1600
30 60 1800 900 3600
10 30 300 100 900
10 40 400 100 1600
20 40 800 400 1600
20 50 1000 400 2500
20 30 600 400 900
 30 70 2100 900 4900
220 450 10800 5600 22100

n= 10
 Error estándar de estimación

Se encarga de medir la dispersión de los valores respecto a la linea de regresión

El "y" será explicado por lel "x" El "1-r**2 no será explicado"

orción en la que "y" fue variada por el "x"

que relaciona estas 2 variables

n más precisa se usará la técnica de mínimos cuadrados

Relación materia prima-rendimiento

80

70

60

50

40

30

20

10

0
2 4 6 8 10 12 14
 40

30

20

10

0
2 4 6 8 10 12 14

D) Error

0.00

a)

r= 0.759

Clasificación moderada positiva

b)
r**2= 0.576

1- r**2= 0.424
c) e)
b= 1.184 9.901
Se venderán alrededor de 73 cop
a= 18.947 f)
72.237
cto a la linea de regresión
e venderán alrededor de 73 copiadoras
 Horas de estudio(x) Calificación(Y)
14 12
16 13
22 15
20 15
18 17
16 11
18 14
22 16
10 8
8 5

Chart Title
18
16 f(x) = 0.733870967741936 x + 0.564516129032254
14
12
10
8
6
4
2
0
6 8 10 12 14 16 18 20 22 24

Column C Column D
Linear (Column D) Column E
gl: n-2
 fo: frecuencia observada
fe: frecuencia esperada

1) Elaboración de hipótesis

k: 5 categorías
 OJO: Se busca hallar el chi cuadrado

Ejercicio 2

fe(%) fo fe fo-fe
ABC 30 165 150 15
CBS 20 120 100 20
NBC 40 195 200 -5
Cable 10 20 50 -30
500
1) Elaboración de la hipótesis

Ho: No hay diferencia entre la fo y fe respecto a los lineamientos de audiencia

Ha: Hay diferencia entre la fo y fe respecto a los lineamientos de audiencia
2) Nivel de significancia

α= 0.05 k(categorías)= 4

3) Identificación del estadístico

Chi cuadrado

4) Regla de decisión

(0,05; 3)= 7.8147

5) Cálculo del estadístico

x**2= 23.625
1) Elaboración de hipótesis

Ho:
Ha:

2) Nivel de significancia

α=

3) Identificación del estadísti

ecuencia observada
ecuencia esperada

fe= 89
promedio

: 5 categorías
hallar el chi cuadrado

fe=fo
fe!=fo
) Elaboración de hipótesis

Edades distribuidas normalmente

Edades no distribuidas normalmente

) Nivel de significancia

0.1

) Identificación del estadístico

 1) Elaboración de hipótesis

Ho: Las participaciones de los 3 competidores se mantienen de manera normal

Ha: Las participaciones de los 3 competidores presentan cambios en su distribución

2) Nivel de significancia
k-1
α= 0.05 gl= 2

3) Identificación del estadístico

𝑋^2 chi-cuadrado Siempre es positivo(cola derecha)

4) Regla de decisión

5) Cálculo del 𝑋^2

Fe Fo
A 60 48 144
B 100 98 4
C 40 54 196
200

𝑋^2 7.34

Interpretación: Al ser 7,34 > 5,9915 nuestra Ho se halla en la R.C por lo

A un nivel de significancia del 5% se puede concluir que
 fe=fo
distribución fe=!fo

Ho se halla en la R.C por lo que es rechazada mientras la Ha aceptada.

el 5% se puede concluir que el nuevo producto de C modificó la distribución en la participación del mercado de las compañías(A,B y C).
de las compañías(A,B y C).
Prueba de signo Éxito o fracaso( 2 casos)

1) Elaboración de la hipótesis

Ho: p <= 0,5 Los funcionarios mantienen su capacidad de técnica computacional

Ha: p > 0.5 Los funcionarios incrementan su capacidad de técnica computacional

2) Nivel de significancia

α=

3) Identificación del estadístico

Distribución binomial

Mediana
omputacional
computacional

1) Elaboración de la hipótesis

Ho: = La mediana del ingreso anual de los programadores es $/40000

Ha: > La mediana del ingreso anual de los programadores es superior a los $/40000

2) Nivel de significancia

α= 0,05

3) Identificación del estadístico

z estándar n>30

4) Regla de decisión
5) Cálculo del z
Se utiliza para pronosticar y valorar la actividad de un fenómeno a partir de muestras pasadas del mismo.

T (Tendencia secular):
E ( Variación estacional):
F ( Fluctuación cíclica):
I (Movimientos irregulares o residual):
tras pasadas del mismo.