PRUEBA DE BONDAD DE AJUSTE: CHI-CUADRADO

EJERCICIO N3: Estamos interesados en comprobar la perfeccin de un dado cbico (un dado normal de 6 caras). Para esto realizamos 100 lanzamientos del dado anotando los puntos obtenidos en cada lanzamiento. A la vista de los resultados obtenidos, podemos concluir que el dado no es perfecto? Nivel de significacin (5%).

Puntuacin en el dado 1 2 3 4 5 6

Nmero de veces que se obtiene la puntuacin 14 22 18 17 20 9

1) Planteamiento de la hiptesis: H0: El dado es perfecto H1: El dado no es perfecto 2) Nivel de significancia: = 0,05 3) Calculo del estadstico de prueba:

Prueba de chi-cuadrado Frecuencias

Dado N observado 1,00 2,00 3,00 4,00 5,00 6,00 Total 14 22 18 17 20 9 100 N esperado 16,7 16,7 16,7 16,7 16,7 16,7 Residual -2,7 5,3 1,3 ,3 3,3 -7,7

Estadsticos de contraste Dado 6,440 5 ,266 Sig. Intervalo de confianza de 95% Lmite inferior Lmite superior ,270(b) ,261 ,279

Chi-cuadrado(a) gl Sig. asintt. Sig. Monte Carlo

a 0 casillas (,0%) tienen frecuencias esperadas menores que 5. La frecuencia de casilla esperada mnima es 16,7. b Basado en 10000 tablas muestrales con semilla de inicio 1993510611.

4) Establecer la regla de decisin:

5) Toma de la decisin: Por lo tanto el dado es perfecto.

PRUEBA DE INDEPENDENCIA
EJERCICIO N1: La empresa Limpia Ya S.A. comercializa tres tipos de detergentes A, B y C. En un anlisis de segmentacin de mercado para los tres productos, el grupo de investigacin encargado ha planteado la duda de si las preferencias para los tres detergentes son diferentes entre los consumidores de los sectores Alto, Medio y Bajo. Si la preferencia de los detergentes fuera independiente del sector consumidor, se iniciara una nica campaa de publicidad para los tres productos; sin embargo, si la preferencia depende del sector de consumo, se ajustarn las promociones para tener en cuenta los distintos mercados de venta. Supongamos que se tom una muestra de 120 consumidores. Despus de usar los tres tipos de detergentes, se les pide manifestar su preferencia. Los resultados de la muestra se presentan en la siguiente tabla: Producto Detergente A 14 21 15 50

Sector

Alto Medio Bajo Total

Detergente B 12 16 12 40

Detergente C 10 8 12 30

Total 36 45 39 n= 120

Planteamiento de la hiptesis:

H0: La preferencia de detergente es independiente del sector de consumo H1: La preferencia de detergente no es independiente del sector de consumo

1) Nivel de significancia = 0,05 2) Calculo del estadstico de prueba

Tablas de contingencia [Conjunto_de_datos0] Resumen del procesamiento de los casos Casos N Sector * Producto Vlidos Porcentaje 120 100,0% N Perdidos Porcentaje 0 ,0% N Total Porcentaje 120 100,0%

Tabla de contingencia Sector * Producto Recuento DETERG ENTE A 14 21 15 50 Producto DETERG ENTE B 12 16 12 40 DETERG ENTE C 10 8 12 30

Total 36 45 39 120

Sector

ALTO MEDIO BAJO

Total

Pruebas de chi-cuadrado Sig. asinttica (bilateral) 4 4 1 ,709 ,698 ,829

Valor Chi-cuadrado de Pearson Razn de verosimilitudes Asociacin lineal por lineal N de casos vlidos 2,146(a) 2,207 ,047 120

gl

3) Establecer la regla de decisin

4) Toma de la decisin Entonces, podemos afirmar que existe evidencia para sospechar que la preferencia por los detergentes es independiente del sector al que pertenece el consumidor.

EJERCICIO N2: En un estudio para determinar si existe relacin entre el sexo y el propsito de elegir una carrera tcnica se entrevistaron a 120 aspirantes a la universidad. Los resultados se observan en la siguiente tabla de contingencia: Aspira a Carrera Tcnica Sexo Si Masculino Femenino Total 40 10 50 No 30 40 70 70 50 120

Total

1) Planteamiento de la hiptesis: H0: El propsito de elegir una carrera tcnica es independiente del sexo H1: El propsito de elegir una carrera tcnica no es independiente del sexo 2) Nivel de significancia: = 0,05 3) Calculo del estadstico de prueba:

Tablas de contingencia [Conjunto_de_datos3] Resumen del procesamiento de los casos Casos Vlidos N Porcentaje Sexo * Carrera_Tecnica 120 100,0% Perdidos N Porcentaje 0 ,0% N Total Porcentaje 120 100,0%

Tabla de contingencia Sexo * Carrera_Tecnica

Recuento Carrera_Tecnica NO Sexo MASCULIN O FEMENINO 30 40 70 SI 40 10 50 Total 70 50 120

Total

Pruebas de chi-cuadrado Sig. asinttica (bilateral) 1 1 1 ,000 ,000 ,000

Valor Chi-cuadrado de Pearson Correccin por continuidad(a) Razn de verosimilitudes Estadstico exacto de Fisher Asociacin lineal por lineal N de casos vlidos 16,555(b) 15,062 17,359

gl

16,417

,000

120 a Calculado slo para una tabla de 2x2. b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 20,83. 4) Establecer la regla de decisin:

5) Toma de la decisin: Por lo tanto, el propsito de elegir una carrera tcnica en la universidad depende del sexo del aspirante a la universidad. EJERCICIO N3: El rea de Psicologa del Colegio XYZ, desea estudiar la dependencia entre la prctica de algn deporte y la depresin de los estudiantes, con el propsito de saber si la prctica deportiva disminuye o no el riesgo de depresin. Se seleccion una muestra aleatoria simple de 100 jvenes, con los siguientes resultados: Estudiantes Deportista No deportista Total Sin depresin Con depresin total 38 31 69 9 22 31 47 53 100

1) Planteamiento de la hiptesis: H0: La depresin en los estudiantes es independiente de la prctica deportiva H1: La depresin en los estudiantes es dependiente de la prctica deportiva 2) Nivel de significancia: = 0,05 3) Calculo del estadstico de prueba:

Resumen del procesamiento de los casos Casos N Estudiante * Depresion Vlidos Porcentaje 100 100,0% N Perdidos Porcentaje 0 ,0% N Total Porcentaje 100 100,0%

Tabla de contingencia Estudiante * Depresin Recuento Depresion sin depresion 38 31 69 con depresion 9 22 31 Total 47 53 100

Estudiante Total

deportista no deportista

Pruebas de chi-cuadrado Sig. asinttica (bilateral) 1 1 1 ,016 ,028 ,015

Valor Chi-cuadrado de Pearson Correccin por continuidad(a) Razn de verosimilitudes Estadstico exacto de Fisher Asociacin lineal por lineal N de casos vlidos 5,823(b) 4,824 5,975

gl

5,764

,016

100 a Calculado slo para una tabla de 2x2. b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 14,57.

4) Establecer la regla de decisin:

5) Toma de la decisin: Por lo tanto las prcticas deportiva si disminuye el riesgo de depresin.

PRUEBA DE NORMALIDAD O DE KOLMOGOROV-SMIRNOV

EJERCICIO N1:

n eritrocitos en millones 1'5 -2'5 2'5- 3'5 3'5-4'5 4'5-5'5 5'5-6'5 6'5-7'5 7'5-8'5

n de analisis 8 52 140 210 160 70 10

1) Planteamiento de la hiptesis: H0: Los datos siguen una distribucin normal H1: Los datos no siguen una distribucin normal 2) Nivel de significancia: = 0,05 3) Calculo del estadstico de prueba:

Pruebas no paramtricas
[Conjunto_de_datos6]
Prueba de Kolmogorov-Smirnov para una muestra

N Media Parmetros normales(a,b) Diferencias ms extremas Desviacin tpica Absoluta Positiva Negativa Z de Kolmogorov-Smirnov Sig. asintt. (bilateral) Sig. Monte Carlo (bilateral) Sig. Intervalo de confianza de 95% Lmite inferior Lmite superior

num_eritrocitos 650 4,0954 1,20610 ,162 ,162 -,161 4,138 ,000 ,000(c) ,000 ,000

a La distribucin de contraste es la Normal. b Se han calculado a partir de los datos. c Basado en 10000 tablas muestrales con semilla de inicio 1241531719.

4) Establecer la regla de decisin:

5) Toma de la decisin: Por lo tanto los datos no siguen una distribucin normal. EJERCICIO N 2:

EDAD(AOS) 0-15 15-30 30-45 45-60 >60

n DE INDIVIDUOS 16 22 20 19 23

1) Planteamiento de la hiptesis: H0: Los datos siguen una distribucin uniforme H1: Los datos no siguen una distribucin uniforme 2) Nivel de significancia: = 0,05 3) Calculo del estadstico de prueba:

Pruebas no paramtricas
[Conjunto_de_datos7]
Prueba de Kolmogorov-Smirnov para una muestra edad 100 Mnimo Parmetros uniformes(a,b) Diferencias ms extremas Mximo Absoluta Positiva Negativa Z de Kolmogorov-Smirnov Sig. asintt. (bilateral) Sig. Monte Carlo (bilateral) Sig. Intervalo de confianza de 95% Lmite inferior Lmite superior 1,00 5,00 ,230 ,160 -,230 2,300 ,000 ,000(c) ,000 ,000

a La distribucin de contraste es la Uniforme. b Se han calculado a partir de los datos. c Basado en 10000 tablas muestrales con semilla de inicio 562334227.

4) Establecer la regla de decisin:

5) Toma de la decisin: Por lo tanto los datos no siguen una distribucin uniforme.

EJERCICIO N 3: Decir si los siguientes datos: 0, 5, 3,-1, 2,-4,-2 y 7 provienen de una distribucin normal para un nivel de significancia de 0,01.

NUM_DATO dato 1 2 3 4 5 6 7 8

0 5 3 -1 2 -4 2 7

1) Planteamiento de la hiptesis: H0: Los datos provienen de una distribucin normal H1: Los datos no provienen de una distribucin normal 2) Nivel de significancia: = 0,01 3) Calculo del estadstico de prueba:

Pruebas no paramtricas
[Conjunto_de_datos8]

Prueba de Kolmogorov-Smirnov para una muestra num_dato 20 Media Parmetros normales(a,b) Diferencias ms extremas Desviacin tpica Absoluta Positiva Negativa Z de Kolmogorov-Smirnov Sig. asintt. (bilateral) Sig. Monte Carlo (bilateral) Sig. Intervalo de confianza de 99% Lmite inferior Lmite superior 5,0000 2,75299 ,216 ,216 -,216 ,967 ,307 ,270(c) ,259 ,282

a La distribucin de contraste es la Normal. b Se han calculado a partir de los datos. c Basado en 10000 tablas muestrales con semilla de inicio 79654295.

4) Establecer la regla de decisin:

5) Toma de la decisin: Por lo tanto los datos provienen de una distribucin normal