Producto Académico N° 3

Programa a Distancia
Asignatura

Estadística aplicada para la gestión

Trabajo grupal: “Análisis de varianza (ANOVA) y Principales métodos
estadísticos inferenciales no paramétricos”

Integrantes:

 Parisaca Soto, Alfredo

 Ortega Velasquez, Linzay Delia
 Travezaño Gonzales, Tania Ines
 Villar Vargas, Elida

1. Enunciados:

EJERCICIO 1 (5 puntos) – USANDO R STUDIO

La Encuesta de satisfacción de clientes de restaurantes del Consumer Reports se basa en más de 148 599
visitas a diferentes cadenas de restaurantes de servicio completo (sitio web de Consumer Reports). Una de las
variables en el estudio es el precio de los alimentos, la cantidad promedio que paga una persona por la comida
y la bebida, menos la propina. Suponga que un reportero del Sun Coast Times cree que sería de interés para
sus lectores realizar un estudio similar en los restaurantes ubicados en una zona particular de Carolina del Sur.
El reportero seleccionó una muestra de siete restaurantes de mariscos (M), siete italianos (I) y siete de
carnes ©. Los datos a continuación muestran los precios de la comida en dólares de los 21 negocios
muestreados. Utilice α =0.01 para probar si hay una diferencia significativa entre el precio medio de la comida
en los tres tipos de restaurantes. Asuma que las poblaciones siguen una distribución normal.

Mariscos Italianos Carnes

14 17 1
12 19 23
21 25 27
16 18 25
18 15 23
99 19 27
20 100 28

PLANTEAMIENTO DEL PROBLEMA

Identificación de Variables:

 Variable Dependiente (Respuesta): Precio de la comida (en dólares).

 Variable Independiente (Factor): Tipo de restaurante, con tres niveles (Mariscos, Italianos y
Carnes).

Planteamiento de Hipótesis:

 Hipótesis Nula (H0): No hay diferencia significativa en el precio medio de la comida entre los tres
tipos de restaurantes (Mariscos, Italianos y Carnes).
 Hipótesis Alternativa (HA): Al menos uno de los precios medios de la comida es diferente.

1|Página
 DESARROLLO R-STUDIO:

Resultados del ANOVA en EXEL:

GRUPOS CUENTA SUMA PROMEDIO VARIANZA

MARISCOS 7 200 28,571 974,619

ITALIANOS 7 213 30,429 950,619

CARNOS 7 154 22 89,667

Conclusión:

La prueba ANOVA no muestra diferencias significativas en los precios medios entre los tres tipos de
restaurantes (Mariscos, Italianos, Carnes). Esto sugiere que, con la información disponible el nivel
de significancia seleccionado, no hay evidencia suficiente para afirmar que los precios varían
significativamente entre estos tipos de restaurantes.
En conclusión, el análisis realizado no muestra diferencias significativas en los precios medios de la
comida entre los tres tipos de restaurantes, de acuerdo con la prueba ANOVA. No obstante, la
violación del supuesto de normalidad de los residuos sugiere que los resultados deben interpretarse con
cautela. La alta variabilidad y la presencia de outliers indican que una revisión adicional y
posiblemente el uso de métodos estadísticos más robustos serían recomendables para confirmar
estos hallazgos. Para una interpretación más confiable, se recomienda considerar análisis
adicionales y una revisión más detallada de los datos extremos que podrían estar afectando los
resultados.

2|Página
EJERCICIO 2 (5 puntos)

Un investigador reportó acerca de los tipos de comunicación de oficina preferidos por los diferentes grupos de
edad. Suponga que los resultados se basaron en una encuesta de 500 entrevistados de cada grupo de edad. Los
resultados se presentan en la siguiente tabla.

TIPO DE COMUNICACIÓN REQUERIDA

Reuniones
GRUPO DE Reuniones de
cara a Correos
EDAD grupo
cara
Generación Y 270 260 80
Generación X 150 140 50
Body boomers 210 110 100

En un nivel de significancia de 0.10, realice una prueba de hipótesis y determine si existe evidencia de que haya
relación entre el grupo de edad y el tipo de comunicación preferido.

PLANTEAMIENTO DEL PROBLEMA

Identificación de variables:

 Variable 1 (categórica): Grupo de edad (Generación Y, Generación X, Baby Boomers).

 Variable 2 (categórica): Tipo de comunicación preferida (Reuniones de grupo, Reuniones cara a

cara, Correos).

Planteamiento de hipótesis:

 Hipótesis nula (H0): No existe una relación significativa entre el grupo de edad y el tipo de
comunicación preferida. (Las variables son independientes).
 Hipótesis alternativa (HA): Existe una relación significativa entre el grupo de edad y el tipo de
comunicación preferida. (Las variables no son independientes).

Resultados de R-Studio:

3|Página
Resultados de EXEL:

Conclusión

Interpretación de Resultados:

 Relación entre Grupo de Edad y Tipo de Comunicación:

Dado que el p-valor es significativamente menor que 0.10, rechazamos la hipótesis nula de
independencia. Esto implica que los diferentes grupos de edad tienen preferencias de comunicación
claramente distintas. Por ejemplo, las personas de la Generación Y prefieren más las reuniones de
grupo y cara a cara, mientras que los Baby Boomers tienen una mayor preferencia por los correos
electrónicos en comparación con los otros grupos de edad.

El gráfico de barras apiladas muestra cómo se distribuyen las preferencias de comunicación entre los
distintos grupos de edad. Las diferencias visuales en la altura de las barras para cada tipo de
comunicación en cada grupo de edad refuerzan la conclusión de que las preferencias varían
significativamente según la edad.
En resumen, la prueba de chi-cuadrado y la visualización gráfica demuestran que las preferencias de
comunicación en el entorno laboral varían significativamente según el grupo de edad. Este
conocimiento puede ser utilizado para desarrollar políticas de comunicación más efectivas que
respeten y se adapten a las necesidades y preferencias de los empleados de diferentes edades,
promoviendo así un entorno de trabajo más armonioso y eficiente.

EJERCICIO 3 (5 puntos)

A una consultora financiera se le pide evaluar las calidades de inversión de ocho acciones. Ella utiliza la
tasa de dividendo de la acción, tal como se informó en The Wall Street Journal, y un potencial del índice
para el potencial de crecimiento asignado a cada acción por una empresa inversionista de nueva york. Los
datos que se presentan aquí se utilizan para determinar si se puede existir una relación entre dividendos y
potencial de crecimiento.

4|Página
 Determine la correlación de Spearman, con un nivel de confianza del 95%.

PLANTEAMIENTO DEL PROBLEMA

Identificación de variables:
• Variable 1 (X): Tasa de dividendo (%) de las acciones.
• Variable 2 (Y): Índice de crecimiento potencial asignado a cada acción.

Planteamiento de hipótesis:

• Hipótesis nula (H0): No existe una correlación significativa entre la tasa de dividendo y el índice de crecimiento
potencial de las acciones. (ρs = 0)

• Hipótesis alternativa (HA): Existe una correlación significativa entre la tasa de dividendo y el índice de crecimiento
potencial de las acciones. (ρs ≠ 0)

Resultados de la prueba de correlación de Spearman en R-Studio:

5|Página
 Resultados de EXEL:

Conclusión:

 El coeficiente de correlación de Spearman (ρs) es 0.3571. Este valor sugiere una correlación positiva moderada
entre la tasa de dividendo y el índice de crecimiento potencial de las acciones.
 Aunque se observa una correlación positiva moderada entre la tasa de dividendo y el índice de crecimiento,
esta correlación no es estadísticamente significativa al nivel de confianza del 95%. Por lo tanto, no se puede
afirmar que existe una relación significativa entre estas dos variables.
 En resumen, la prueba de correlación de Spearman y el análisis visual de los datos sugieren que no hay una
relación estadísticamente significativa entre la tasa de dividendo y el índice de crecimiento de las acciones.
Esto implica que, basándose en los datos disponibles, la tasa de dividendo no puede utilizarse como un
predictor fiable del crecimiento potencial de las acciones

EJERCICIO 4 (5 puntos) – USANDO R STUDIO

A continuación, se muestra información sobre en nivel de ventas (en miles de dólares) obtenido por las
sucursales de una empresa extranjera que opera en nuestro país a nivel nacional. Con el fin de investigar la
incidencia del nivel de publicidad sobre las ventas, se asignaron al azar diferente número de tiendas para
cada nivel de publicidad:

Nivel de publicidad
Baja Media Media baja Alta
65 75 59 91
70 69 78 89
78 83 67 80
80 80 65 88
20 72 82 70
70 65 70 23

Considere un nivel de significancia de 0.05. No se cumplen los supuestos de normalidad. Determine si existen
diferencias en el promedio de ventas para los distintos niveles de publicidad.

PLANTEAMIENTO DEL PROBLEMA

Identificación de variables:

 Variable independiente (factor): Nivel de publicidad (con cuatro niveles: Baja, Media, Media
baja y Alta).

 Variable dependiente (respuesta): Ventas (medida en miles de dólares).

6|Página
 DESARROLLO:

Cálculo del estadístico de prueba y crítico:

Dado que los supuestos de normalidad no se cumplen, utilizamos la prueba de Kruskal- Wallis, que es una
prueba no paramétrica alternativa al ANOVA para comparar las medianas de varios grupos independientes.

Resultados de la prueba de Kruskal-Wallis en R-Studio:

Resultados de la prueba de Kruskal-Wallis en EXEL:

Conclusión:

 El análisis Kruskal-Wallis, que evalúa diferencias en las medianas de ventas entre distintos niveles de publicidad,
arrojó un valor de chi-cuadrado de 3.4367 con un p-valor de 0.3291. Este p-valor, mayor que 0.05, indica que no se
rechaza la hipótesis nula de que no hay diferencias significativas en las medianas de ventas.
En resumen, los datos no proporcionan evidencia suficiente para afirmar que el nivel de publicidad afecta
significativamente las ventas. Los boxplots muestran algunas variaciones, pero estas no son estadísticamente
significativas según la prueba.

7|Página