Documente Academic
Documente Profesional
Documente Cultură
UNIVERSIDAD
FACULTAD DE CONTABILIDAD Y AUDITORIA
TECNICA
DE
CARRERA DE ECONOMA
AMBATO
TRABAJO DE ESTADISTICA
NOMBRE:
SEBASTIAN OJEDA
KENNY RIVERA
Docente:
ING. MARGOT BONILLA
SEMESTRE:
CUARTO A
ndice
RELACIN Y CORRELACIN.......................................................................4
SEGUNDO MTODO DE CORRELACION....................................................7
TERCER MTODO DE CORRELACION.......................................................10
CHI CUADRADO.......................................................................................13
PRUEBA DE CHI CUADRADO CON LA BONDAD DE AJUSTES....................16
PRUEBA DE SIGNOS................................................................................19
FISHER....................................................................................................22
BIBLIOGRAFA..........................................................................................26
RELACIN Y CORRELACIN
Anderson, D. Dennis, J. Thomas, A. (2009). Estadstica para Administracin y Economa.
Ejercicios de aplicacin. (pg. 407. ej. 11). Cengage Learning Editores, S.A.
1.- Los datos siguientes se obtuvieron de dos muestras aleatorias independientes tomadas
de dos poblaciones.
Muestra 1
Muestra 2
10
8
7
7
13
8
7
4
9
6
8
9
Verificacin de Hiptesis
La muestra uno es mayor que la muestra dos
1.- Planteamiento de la Hiptesis
Ho: La muestra uno no es mayor que la muestra dos
Hi: La muestra uno es mayor que la muestra dos
2.- Modelo Estadstico
Como la muestra es pequea menor a 30 se aplicara la prueba t de Student Utilice la
=0.05
gl=n2
gl=62
gl=4
Con cuatro grados de libertad y el 95% de Nivel de confianza el valor de la tabla es tt=
2.78
Acepto Ho si -tt < tc <tt
9
6
8
9
Con los datos de la tabla de frecuencias observadas se forma la tabla para el clculo de la
correlacin
x
1
2
3
4
y
10
7
13
7
x*y
8
7
8
4
80
49
104
28
x^
100
49
169
49
y^
64
49
64
16
5
5
6
Total
9
8
54
6
9
42
54
72
387
81
64
512
36
81
310
2
n x
n xy x y
r=
54
42
2
6512
6( 387 )5442
r=
r=0.4412
t=
r n2
tc=
1r 2
0.4412 4
1(0.4412)2
tc=0.9832
Tiempo completo
Medio Tiempo
Autoempleo/consult
or
No empleado
1105
31
574
15
229
485
186
344
Use un error igual 0.05 para probar la hiptesis de que el tipo de empleo es independiente
de la regin. Cul es la conclusin?
7
Verificacin de Hiptesis
El tipo de empleo es independiente de la regin
1.-Planteamento de hiptesis
Ho: El tipo de empleo no es independiente de la regin.
Hi: El tipo de empleo es independiente de la regin.
2.-Modelo Estadstico
Como la muestra es pequea menor a 30 se aplicara la prueba t de Student Utilice la
r n2
1r 2
Dnde:
n= nmero de observaciones en la muestra
r= valor de la correlacin
3.-Nivel de confianza
La hiptesis se va a verificar con el 95% de Nivel de confianza y un error del
=0.05
4.-Regla de Decisin:
En primera instancia es necesario calcular el nmero de grados de libertad
Grados de libertad = n-2
Dnde:
N= nmero de observaciones
gl=n2
gl=42
gl=2
Con 2 grados de libertad y un nivel de confianza 95% el valor de t tabular es: Tt=2,92
Acepto Ho si tc tt
Una cola:
8
Acepto
Ho
Rechazo
Ho
Tt=2,92
Tiempo completo
Medio Tiempo
Autoempleo/consult
or
No empleado
1105
31
574
15
229
485
186
344
x/n
462,5
9
XM =
Media
YM=
y/n
279,75
Desviacin S:
2
X= dx /n1= 654027 /41=446.91
Y=
Varianza:
Sx^2= (446.91)^2=199728,54
Sy^2= (237.76)^2=56529,81
Coeficiente de correlacin:
1Sx 2 / Sy 2
r=
r= 156529,81 /199728,54
r=0,84
r n2
t= 1r 2
t=
0,84 42
10,842
t=2,18
Agente de
prstamo
Milller
McMahon
Games
Runk
Aprobado
Rechazo
24
17
35
11
16
13
15
9
Verificacin de Hiptesis
La aprobacin de las decisiones de prstamo es independiente del agente que recibe la
solicitud del prstamo.
1.- Planteamiento de hiptesis.
HO: La aprobacin de las decisiones de prstamo no es independiente del agente que recibe
la solicitud del prstamo.
HI: La aprobacin de las decisiones de prstamo es independiente del agente que recibe la
solicitud del prstamo.
2.-Modelo Estadstico
Como la muestra es pequea menor a 30 se aplicara la prueba t de Student Utilice la
r n2
1r 2
Dnde:
n= nmero de observaciones en la muestra
r= valor de la correlacin
3.-Nivel de confianza
La hiptesis se va a verificar con el 95% de Nivel de confianza y un error del
=0.05
gl=n2
gl=42
gl=2
Con 2 grados de libertad y un nivel de confianza 95% el valor de t tabular es: Tt=2,92
Acepto Ho si tc tt
Una cola:
Acepto Ho
Rechazo
Ho
Tt=2,92
Zx*Zy
1
2
3
4
24
17
35
11
87
16
13
15
9
53
2.25
-4.75
13.25
-10.75
Media:
XM =
x/n
21.75
Media
YM=
y/n
.25
5.0625
22.5625
175.5625
115.5625
318.75
2.75
-0.25
1.75
-4.25
7.5625
0.0625
3.0625
18.0625
28.75
0.218447
-0.46117
1.286408
-1.04369
0.889968
-0.08091
0.566343
-1.3754
13
Desviacin S:
2
SX= dx /n1= 318.75 /41=10.3077
sY=
R=
ZxZy
n1
R=
2,395765
41
R=0,79
r n2
t= 1r 2
0,79 42
t= 10,792
t=1.82
13
0.19441
0.037311
0.728548
1.435495
2.395765
CHI CUADRADO
Anderson, D. Dennis, J. Thomas, A. (2009). Estadstica para Administracin y Economa.
Ejercicios de aplicacin. (pg. 444. ej. 5). Cengage Learning Editores, S.A.
4.-A continuacin se presentan los precios de las rentas de un automvil por da en ocho
ciudades:
Ciudad
Renta de un automvil por dia
Atlanta
47
Chicago
50
Dallas
53
New Orleans
45
Phoenix
40
Pittsburg
43
San Francisco
39
Seattle
37
a) Determinar el modelo estadstico chi cuadrado
b) Use el =0.05 para probar la hiptesis Que el nmero de autos rentados por da depende
de la ciudad
Verificacin de Hiptesis
El nmero de autos rentados por da depende de la ciudad
1.- Planteamiento de la Hiptesis
Ho: El nmero de autos rentados por da no depende de la ciudad
Hi: El nmero de autos rentados por da depende de la ciudad
2.-Modelo Estadstico
La prueba de bondad de ajuste se utiliza para probar la hiptesis de que una distribucin
de frecuencias se ajusta a (o concuerda con) alguna distribucin que se asevera. (Triola,
2009, p.568)
Como buscamos probar una hiptesis de que la distribucin de autos depende de la ciudad
utilizamos el modelo estadstico chi cuadrado con el siguiente modelo estadstico:
(OE)
x =
E
2
Dnde:
O= Frecuencias observadas.
E= Frecuencias observadas
14
3.-Nivel de confianza
La hiptesis se va a verificar con el 95% de Nivel de confianza y un error del
=0.05
gl=81
gl=7
Con siete grados de libertad y el 95% de Nivel de confianza el valor de la tabla es X^T=
14.07
Acepto Ho si: x^c < x^t
San Francisco
Seattle
39
37
44.25
(OE)
x =
E
2
x =4.9152
16
Nmero de piezas
Numero de defectuosos
Primero
Segundo
Tercero
368
285
176
32
15
24
Use un erro de 0,05 para probar la hiptesis de que la calidad es independiente del turno de
produccin. Cul es su conclusin?
Verificacin de Hiptesis
La calidad depende del turno de produccin.
1.- Planteamiento de hiptesis
1.1-Modelo Lgico
Ho: La calidad no es independiente del turno de produccin.
Hi: La calidad si es independiente del turno de produccin.
2.-Modelo Estadstico
17
La prueba de bondad de ajuste se utiliza para probar la hiptesis de que una distribucin
de frecuencias se ajusta a (o concuerda con) alguna distribucin que se asevera. (Triola,
2009, p.568)
Como buscamos probar una hiptesis de que la calidad depende del turno de produccin
utilizamos el modelo estadstico chi cuadrado con el siguiente modelo estadstico:
x =
2
(OE)
E
Dnde:
O= Frecuencias observadas.
E= Frecuencias observadas
3.-Nivel de confianza
La hiptesis se va a verificar con el 95% de Nivel de confianza y un error del
=0.05
18
Nmero de piezas
Numero de defectuosos
Primero
Segundo
Tercero
Total
368
285
176
829
32
15
24
71
Total
400
300
200
900
O
368
285
176
32
15
24
Nmero de piezas
368.44
276.33
184.22
829
E
368.44
276.33
184.22
31.56
23.67
15.78
O-E
-0.44
8.67
-8.22
0.44
-8.67
8.22
Numero de defectuosos
31.56
23.67
15.78
71
(O-E)^2
0.19
75.17
67.57
0.19
75.17
67.57
x^2c=
Total
400
300
200
900
(O-E)^2/E
0.00
0.27
0.37
0.01
3.18
4.28
8.10
X^2c= (O-E)^2/E
X^2c=8,10
5.2Toma de decisin
19
Como el valor de X2c es igual a 8.10, y la zona de aceptacin de la Ho para =0.05 llega
hasta X2t 0.10, se rechaza la hiptesis nula y se acepta la hiptesis de investigacin que
dice La calidad si es independiente del turno de produccin.
PRUEBA DE SIGNOS
Anderson, D. Dennis, J. Thomas, A. (2009). Estadstica para Administracin y Economa.
Ejercicios de aplicacin. (pg. 484. ej. 35). Cengage Learning Editores, S.A.
6.-Barna Research Group presenta datos obtenidos sobre la asistencia a la iglesia de
acuerdo a las edades ( USA Today, 20 de Noviembre del 2003). Use los datos mustrales
para determinar si la asistencia a la iglesia es independiente a la edad.
EDAD
20 a 29
30 a 39
40 a 49
50 a 59
SI
31
63
94
72
Asistencia a la iglesia
NO
69
87
106
78
TOTAL
100
150
200
150
2.-Modelo Estadstico
Como el ejercicio propuesto es una prueba no paramtrica se decide utilizar la prueba del
signo Prueba del signo: una prueba no paramtrica (de distribucin libre) que utiliza
signos positivos y negativos para probar diferentes aseveraciones, incluyendo: 1.
Aseveraciones que incluyen datos apareados de datos mustrales 2. Aseveraciones que
incluyen datos nominales 3. Aseveraciones acerca de la mediana de una sola poblacin
(Triola, 2009, p.640).
r +0.5n
0.5 n
t=
00.54
0.5 4
tc=2
Dnde:
R=Anlisis de correlacin y regresin
N= Numero de muestra
3.-Nivel de confianza
La hiptesis se va a verificar con el 95% de Nivel de confianza y un error del
=0.05
Con Tres grados de libertad y el 95% de Nivel de confianza el valor de la tabla es tt= 3.18
21
Asistencia a la iglesia
NO
69
87
106
78
SI
31
63
94
72
TOTAL
100
150
200
150
SI
NO
31
69
TOTAL
100
DN SINO
SIGNO
-38
-1
22
30 a 39
40 a 49
50 a 59
63
94
72
87
106
78
150
200
150
-24
-12
-6
0
4
0
4
r+
rCero
N
-1
-1
-1
r +0.5n
0.5 n
t=
t=
00.54
0.5 4
t=2
Como el valor de t2c es igual a -2, y la zona de aceptacin de la Ho para =0.05 llega hasta
X2 >3.18, se acepta la hiptesis nula que dice La asistencia a la iglesia no es independiente a la
edad
50 C
34
24
36
39
32
30
31
34
23
27
70
23
28
28
30
31
23
Verificacin de Hiptesis
El problema plantea la siguiente conjetura La temperatura afecta el rendimiento del
proceso.
1.- Planteamiento de hiptesis
1.1-Modelo Lgico
Ho: la temperatura no afecta el rendimiento del proceso.
Hi: La temperatura si afecta el rendimiento del proceso.
2.-Modelo Estadstico
Como se va a utilizar tres muestras necesitamos un modelo estadstico
que trabaje con ms de dos muestras por lo tanto se aplica el modelos
estadstico fisher
El mtodo de anlisis de varianza se basa en el siguiente concepto
fundamental: bajo el supuesto de que las poblaciones tienen la misma
varianza s2, estimamos el valor comn de s2 por medio de dos mtodos
diferentes. El estadstico de prueba F es la proporcin de dichos
estimados, de forma que un estadstico de prueba F significativamente
grande (que se ubica a la extrema derecha de la grfica de distribucin
F) constituye evidencia en contra de que las medias poblacionales son
iguales. La figura 11-2 muestra la relacin entre el estadstico de prueba
F y el valor P. Los dos mtodos para estimar el valor comn de s2 son los
siguientes: 1. La varianza entre muestras (tambin se le llama variacin
debida al tratamiento) es un estimado de la varianza poblacional comn
s2, que se basa en la variacin entre las medias muestrales. 2. La
varianza dentro de las muestras (tambin se le llama variacin debida al
error) es un estimado de la varianza poblacional comn s2, que se basa
en las varianzas muestrales. (Triola, 2009, p.609).
F=
MST
MSE
Dnde:
MST= Media de cuadrados de tratamientos
MSE= Media de cuadrados del error
Este procedimiento que propone Fisher se conoce con el nombre tabla ANOVA para
muestras de un factor (pegar tabla anova)
3.-Nivel de confianza
24
=0.05
gln=31
gln=2
Dnde:
K= nmero de muestras
Grados de libertad denominador
gld=nk
gld=15 -3
gld=12
Dnde:
K= nmero de muestras
N= nmero de observaciones
K= Muestra
y 12 de
25
50 C
34
24
36
39
32
70
30
31
34
23
27
23
28
28
30
31
ANALISIS DE VARIANZAS
50 C
1
2
3
4
5
suma tc
(tc)^
nc
(tc)^/nc
suma (xc)^
x
(Tc)
n
SST =
60 C
34
24
36
39
32
165
27225
5
5445
30
31
34
23
27
145
21025
5
4205
70
23
28
28
30
31
140
19600
5
3920
X1^
X2^
1156
576
1296
1521
1024
X3^
900
961
1156
529
729
529
784
784
900
961
450
5573
4275
3958
15
13570
13806
(450)
SST =13570
15
SST =70
26
2
x
SSTotal=
( 450)
SSTotal=13806
15
SSTotal=306
SSE=SSTotalSST
SSE= 360 -70
SSE=290
TABLA ANOVA
Fuente de
Variacion
Grados de
Suma de cuadrados Libertad
media de
cuadrados
Tratamientos
SST
MST
Error
SSE
k-1
70
2
n-k
290
Total
SSTotal
MST =35
MSE
12
27.69
N
360
MST =
FISHER
MST/
MSE
35
1.2633
14
MSE=
SSE
n
MSE=
360
12
MSE=27.69
Fisher
MST
F=
MSE
27
F=
30
27.69
F=1.084
1.0834 , que es menor que el valor de la tabla Ft: 3.89 por lo tanto con el 95% de nivel de
confianza la hiptesis nula es aceptada que dice la temperatura no afecta el rendimiento del
proceso
28
BIBLIOGRAFA