Documente Academic
Documente Profesional
Documente Cultură
PROBLEMA DE DISTRIBUCION Z
(Muestras grandes)
Un noticiero informo que el precio promedio de la gasolina es de 2.5 por galn, una
muestra aleatoria de 35 gasolineras de una determinada rea revelo que el precio
promedio es de 2.52 por galn con una desviacin estndar de 0.05 por galn se podr
concluir que el precio de la gasolinera es mas alto en esta rea con un nivel de
significancia de 0.05?. Determine tambin el valor de p, interprtelo.
Datos:
n=35 (Tamao de la muestra)
=2.5
x =2.52
=0.05
=0.05
Paso 1 : plantear la hipotesis nula y la hipotesis alternativa
H0: 2.5
H1: >2.5
Paso 2: nivel de significancia =0.05
Paso3: estadistico de prueba z (para muestras grandes)
x
s
=
n
2.522.5
0.05
=
35
= 2.37
Paso 5 : Interpretacion
Se rechaza la hipotesis nula, es decir con un nivel de significancia de 0.05 se puede
decir que el precio de la gasolina es mayor a 2.5 en esta area.
Hallando el valor de p
El rea para un Z=2.37 es 0.4911 segn tabla
0.4911
p= 0.5-0.4911=0.0089
2.37
Interpretacion
Sabemos que : si p<
H0 se rechaza
si p>
H0 no se rechaza
Como el valor de p=0.0089 es menor que el nivel de significancia =0.05
Se rechaza la hipotesis nula, es decir con un nivel de significancia de 0.05 se puede
decir que el precio de la gasolina es mayor a 2.5 en esta area.
DESARROLLO DEL PROBLEMA CON MINITAB
Como el estadistico de prueba es el z(para muestras grandes)
Seguimos los pasos en el Minitab
Estadisticas - Estadistica basica- 1z (z de 1 muestra) - Datos resumidos - Ingresar datos
N
35
Media
2.52000
Error
Estndar de
la media
0.00845
95% Lmite
inferior
2.50610
Z
2.37
P
0.009
Interpretacion
Sabemos que : si p<
H0 se rechaza
si p>
H0 no se rechaza
Como el valor de p=0.009 comparando con el nivel de significancia =0.05
0.009<0.05
Entonces se rechaza la hipotesis nula, es decir con un nivel de significancia de 0.05 se
puede decir que el precio de la gasolina es mayor a 2.5 en esta area.
PROBLEMA DE DISTRIBUCION T
(Muestras pequeas)
Una muestra de cuatro carretes de cintas metlicas de litio de determinados ancho y
espesor ha sido tomada de una gran poblacin de tales carretes. Si las longitudes de las
cintas son 30.1, 30.1, 30.0 y 30.2 pies es esto suficiente evidencia al 5% de nivel de
significancia de que la verdadera longitud media de las cintas es superior a 30.0 pies?
Datos:
n=4 (Tamao de la muestra)
Longitudes de las cintas metlicas:
30.1
30.1
30.0
30.2
La media
x =
s =
2
x
30.1+30.1+30.0+ 30.2
4
x
s
=
n
= 0.082
= 30.1
30.130.0
0.082
=
4
= 2.44
No Rechazar H0 si t <2.353
=0.05
2.353 2.44
Paso 5 : Interpretacin
Se rechaza la hipotesis nula, es decir no se acepta la idea de que la media, de las
longitudes de las cintas sea menor que 30, entonces los datos establecidos si son
suficiente evidencia.
DESARROLLO DEL PROBLEMA CON MINITAB
Como el estadistico de prueba es el t(para muestras pequeas)
Seguimos los pasos en el Minitab
Estadisticas - Estadistica basica- 1t (t de 1 muestra) - Datos resumidos - Ingresar datos
N
4
Media
30.1000
Desv.Est.
0.0820
Error
Estndar
de la
media
0.0410
95% Lmite
inferior
30.0035
T
2.44
P
0.046
Interpretacin
Sabemos que : si p<
H0 se rechaza
si p>
H0 no se rechaza
Como el valor de p=0.046 comparando con el nivel de significancia =0.05
Entonces se rechaza la hipotesis nula, es decir no se acepta la idea de que la media, de
las longitudes de las cintas sea menor que 30, entonces los datos establecidos si son
suficiente evidencia.
LABORATORIO 2
PROBLEMA DE ANOVA
(En dos sentidos)
Se llev a cabo un experimento para determinar si el rendimiento de un proceso qumico
puede aumentarse cambiando la temperatura de la reaccin y cambiando la cantidad de
un catalizador. Los resultados aparecen a continuacin.
CATALIZAD
OR
TEMPERATU
RA
A
B
C
1
53
57
52
2
59
65
62
3
58
62
54
4
50
60
52
Calculando:
SST=132
SSB=96
TSS=252
SSE=TSS-SST-SSB
SSE=252-132-96
SSE=24
Ahora debemos hallar los valores criticos de la distribucion F(para un nivel de
significancia de 5%)
TRATAMIENTOS (Catalizador) glN=3
F>4.76
glD=6
rechazar H0 si ,
4.76
glD=6
rechazar H0 si ,
5.14
GL
3
2
6
11
SC
132
96
24
252
CM
44
48
4
F
11.00
12.00
P
0.007
0.008
S = 2
R-cuad. = 90.48%
CATALIZADOR
1
2
3
4
TEMPERATURA
1
2
3
R-cuad.(ajustado) = 82.54%
Media
54
62
58
54
Media
55
61
55
Interpretacin
Comparando los valores del cuadro se concluye que si se rechaza la hipotesis nula, es
decir el rendimiento si se ve afectado al variar el catalizador y tambien al variar la
temperatura.
En los tratamientos los mas discrepantes son catalizador 1 y catalizador 2 asi como
catalizador 4 con catalizador 2.
En los bloques los mas discrepantes son temperatura 1 y temperatura 2 asi como
temperatura 3 con temperatura 2.
ANOVA
(En un sentido)
Para indagar si la media del tiempo que se necesita para mezclar un lote de materiales es
igual en mquinas de tres marcas, la compaa Qumica Suiza obtuvo los tiempos en
minutos necesarios para la mezcla, los cuales aparecen en la siguiente tabla.
1
20
26
24
22
Con estos datos investigue si las
Marca
2
28
26
31
27
medias poblacionales
3
20
19
23
22
de los tiempos para mezclar un
lote de material son distintas al usar mquinas de tres marcas .Use = 0.05
SOLUCIN:
H0: 1= 2= 3
H1: al menos una es diferente
Paso 2: nivel de significancia =0.05
Paso3: ANOVA 1 direccin
Calculando:
SST=104
SSE=44
TSS=148
MST=52
MSE=4.89
F=MST/MSE=52/4.89=10.64
glD=9
rechazar H0 si , F>4.26
4.26
ANOVA unidireccional: 1, 2, 3
Fuente
Factor
Error
Total
GL
2
9
11
S = 2.211
Nivel
1
2
3
N
4
4
4
SC
104.00
44.00
148.00
CM
52.00
4.89
F
10.64
R-cuad. = 70.27%
Media
23.000
28.000
21.000
Desv.Est.
2.582
2.160
1.826
P
0.004
R-cuad.(ajustado) = 63.66%
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
-------+---------+---------+---------+-(------*------)
(------*------)
(------*------)
-------+---------+---------+---------+-21.0
24.5
28.0
31.5
Interpretacin
Como F=10.63>4.26 se rechaza la hiptesis nula de que las medias
del tiempo necesario para mezclar un lote de material son iguales
para cada fabricante.
Los mas discrepantes son nivel 2 y nivel 3 .
ANOVA
(En un sentido)
1.- Un fabricante de cereales tiene que elegir entre tres colores para las cajas de
cereales: rojo, amarillo y azul. Para averiguar si el color influye en las ventas, se eligen
16 tiendas de tamao parecido. Se envan cajas rojas a 6 de estas tiendas, cajas amarillas
a 5 y cajas azules a las 5 restantes. Dentro de unos das, se comprueba el nmero de
cajas vendidas en cada tienda. La tabla adjunta muestra los resultados (en decenas de
cajas) obtenidos.
Rojo
43
52
59
76
61
81
Amarillo
52
37
38
64
74
Azul
61
29
38
53
79
a) Calcule la suma de los cuadrados dentro de los grupos, entre los grupos y total.
MST =170.46875
MSE=277.5385
F=MST/MSE=170.469/277.539=0.61
Ahora debemos hallar los valores criticos de la distribucion F(para un nivel de
significancia de 5%).
TRATAMIENTO
glN=2
glD=13
rechazar H0 si , F>3.81
3.81
GL
2
13
15
SC
341
3608
3949
S = 16.66
Nivel
rojo
amarillo
azul
CM
170
278
F
0.61
R-cuad. = 8.63%
P
0.556
N
6
5
5
Media
62.00
53.00
52.00
Desv.Est.
14.34
16.16
19.60
R-cuad.(ajustado) = 0.00%
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
+---------+---------+---------+--------(------------*-----------)
(------------*-------------)
(------------*-------------)
+---------+---------+---------+--------36
48
60
72
Interpretacin
Comparando los valores del cuadro se concluye que no se rechaza la hipotesis nula, es
decir las medias poblacionales de los niveles de ventas de las cajas de los tres colores
son iguales.
En los tratamientos los ms discrepantes son rojo y azul.
LABORATORIO 3
REGRESIN SIMPLE
Problema 1
La empresa Bardi Trucking Co., Localizada en Cleveland, Ohio hace
entregas en la regin de los grandes lagos, el Sureste y el Noreste.
Jim Bardi, el presidente, estudia la relacin entre la distancia que
debe viajar un embarque y el tiempo (en das) que necesita para
llegar a su destino. Para investigar el seor Bardi selecciono una
muestra aleatoria de 20 envos realizados el ltimo mes. El recorrido
del embarque es la variable independiente y el tiempo necesario para
la entrega (tiempo de embarque) la variable dependiente. A
continuacin se presenta los resultados.
embarqu
e
1
distancia de embarque(millas)
656
tiempo de
embarque(dias)
5
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
853
646
783
610
841
785
639
762
762
862
679
835
607
665
647
685
720
652
828
14
6
11
8
10
9
9
10
9
7
5
13
3
8
7
10
8
6
10
Donde:
Yi
X 1i
Donde:
yi
Yi
DE LA ECUACIN DE
( x i x ) ( yi y )
( xi x ) 2
b0 = y b 1 x
Donde:
x i : valor de la variable independiente en la observacin i
y i : valor de la variable dependiente en la observacin i
x : media de la variable independiente
y : media de la variable dependiente
x =
y =
( xi )
n
( yi )
n
14517
=
=725.85
20
168
20 =8.4
EMBARQ
UE
xi
yi
656
853
14
646
783
11
610
841
10
785
639
-x
x i
69.85
127.1
5
79.85
y i y
-3.4
237.49
5.6
712.04
-2.4
191.64
2.6
148.59
-0.4
46.34
1.6
184.24
0.6
35.49
59.15
86.85
0.6
-52.11
762
10
36.15
1.6
57.84
10
762
0.6
21.69
11
862
-1.4
-190.61
12
679
-3.4
159.29
13
835
13
4.6
502.09
14
607
-5.4
641.79
15
665
-0.4
24.34
16
647
-1.4
110.39
17
18
19
685
720
652
10
8
6
36.15
136.1
5
46.85
109.1
5
118.8
5
60.85
78.85
40.85
-5.85
-
1.6
-0.4
-2.4
-65.36
2.34
177.24
57.15
115.8
5
115.1
5
4879.02
25
16167.1
225
6376.02
25
3266.12
25
13421.2
225
13259.5
225
3498.72
25
7542.92
25
1306.82
25
1306.82
25
18536.8
225
2194.92
25
11913.7
225
14125.3
225
3702.72
25
6217.32
25
1668.72
25
34.2225
5453.82
20
totales
b1 =
828
10
14517
168
xi
yi
73.85
102.1
5
1.6
163.44
3108.2
25
10434.6
225
145306.
55
x
( x i x )( y i y )
2
( ix )
( x i x ) ( yi y )
( xi x ) 2
3108.2
145306.55
0.0214
Yi 7.13 0.0214 x
Por lo tanto
Con MINITAB
Pasos:
Estadsticas-Regresin- Regresin - Completar cuadro - Clic en Aceptar
R-cuad. = 47.9%
Coef
-7.126
0.021391
SE Coef
3.843
0.005258
R-cuad.(ajustado) = 45.0%
Anlisis de varianza
Fuente
Regresin
Error residual
Total
GL
1
18
19
SC
66.486
72.314
138.800
T
-1.85
4.07
CM
66.486
4.017
F
16.55
P
0.001
P
0.080
0.001
distancia de
embarque(millas)
862
tiempo de
embarque(dias)
7.000
Ajuste
11.312
EE de
ajuste
0.845
Residuo
-4.312
Residuo
estndar
-2.37R
INTERPRETACIN
Ecuacin graficada sobre el diagrama de dispersin. La pendiente de
la ecuacin de regresin estimada (b1=0.0214) es positiva, lo que
implica que a medida que aumenta la distancia de embarque
aumenta el tiempo de embarque.
Si se considera que la ecuacin de regresin estimada obtenida por el
mtodo de mnimos cuadrados describe adecuadamente la relacin
entre X y Y, parecer razonable usar esta ecuacin de regresin
estimada para estimar el valor de Y para un valor dado de por
ejemplo, si se quisieran predecir el tiempo de embarque de un
embarque ubicado a una distancia de 700 millas.
Yi 7.13 0.0214(700) 7.85
Estadstica-Regresin-Regresin-Opciones-Poner
700
(en
Ajuste
7.847
EE de
ajuste
0.468
IC de 95%
(6.863, 8.831)
IP de 95%
(3.523, 12.171)
distancia de
embarque(millas)
700
INTERVALO
DE
PREDICCION
INTERVALO
DE
CONFIANZA
Problema 2
Una empresa constructora de equipos mdicos dentales ha construido
en los ltimos 8 aos la cantidad de equipos que se indican a
continuacin:
Aos(X)
#Equipo
s(Y)
1
12
2
11
3
19
4
17
5
19
6
18
7
20
8
23
Coef
10.893
1.4405
SE Coef
1.645
0.3257
T
6.62
4.42
R-cuad. = 76.5%
P
0.001
0.004
R-cuad.(ajustado) = 72.6%
Anlisis de varianza
Fuente
Regresin
Error residual
Total
GL
1
6
7
SC
87.149
26.726
113.875
CM
87.149
4.454
F
19.56
P
0.004
INTERPRETACIN
Ecuacin graficada sobre el diagrama de dispersin. La pendiente de
la ecuacin de regresin estimada (b 1=1.44) es positiva, lo que
implica que a medida que aumenta los aos aumenta el nmero de
equipos.
Si se considera que la ecuacin de regresin estimada obtenida por el
mtodo de mnimos cuadrados describe adecuadamente la relacin
entre X y Y, parecer razonable usar esta ecuacin de regresin
estimada para estimar el valor de Y para un valor dado de por
ejemplo:
Si se quisieran predecir cuantos equipos planeara la constructora
para los aos 9 y 10.
Ao 9
Con MINITAB
Pasos:
Estadstica-Regresin-Regresin-Opciones-Poner
(en
Ajuste
23.857
EE de
ajuste
1.645
IC de 95%
(19.833, 27.881)
IP de 95%
(17.310, 30.404)
AOS
9.00
Estadstica-Regresin-Regresin-Opciones-Poner
10
(en
Ajuste
EE de
ajuste
25.298
1.940
IC de 95%
(20.550, 30.046)
IP de
(18.282,
AOS
10.0
LABORATORIO 4
REGRESION MULTIPLE
Problema 1
Se hizo un estudio sobre el consumo de helado (kg per cpita por
semana) durante la primavera y el verano, el precio/kg del helado
(dlares) el ingreso familiar de los consumidores (dlares) y la
temperatura (grados Fahrenheit).
i
1
2
3
4
5
6
7
8
9
1
0
Consumo
semanal de
helado(kg)
Ingreso familiar de
Precio/kg del
los
helado(dlare consumidores(dlare Temperatura
s)
s)
(F)
0.387
0.375
0.394
0.428
0.407
0.345
0.328
0.289
0.269
1.33
1.37
1.32
1.3
1.32
1.37
1.38
1.39
1.41
359
358
360
370
366
357
357
352
343
63
61
65
69
68
55
47
42
32
0.258
1.42
343
23
Yi b0 b1 X 1i b2 X 2i b3 X 3i
Los valores de los cuatro coeficientes de regresin de la muestra
pueden obtenerse Utilizando el mtodo de mnimos cuadrados, en
este caso lo hallamos con el MINITAB.
Pasos:
Estadsticas-Regresin- Regresin - Completar cuadro - Clic en Aceptar
Anlisis
de
Coef
0.5296
-0.4609
0.000942
0.0020923
S = 0.0108459
SE Coef
0.7168
0.2726
0.001357
0.0007708
R-cuad. = 97.8%
T
0.74
-1.69
0.69
2.71
P
0.488
0.142
0.514
0.035
R-cuad.(ajustado) = 96.7%
Anlisis de varianza
Fuente
Regresin
Error residual
Total
Fuente
precio
ingreso
temperatura
GL
1
1
1
GL
3
6
9
SC
0.031772
0.000706
0.032478
CM
0.010591
0.000118
F
90.03
P
0.000
SC Sec.
0.030092
0.000814
0.000867
b1 = -0.4609
b2= 0.000942
b3 =
Yi
PARA
tenemos
Yi 0.36417
Con el MINITAB
PASOS
Estadstica-Regresin-Regresin-Opciones-Poner 1.29
400
25 (en
Ajuste
0.36417
EE de
ajuste
0.07187
IC de 95%
(0.18831, 0.54003)
IP de 95%
(0.18632, 0.54202)XX
precio
1.29
ingreso
400
temperatura
25.0
determinacin mltiple
SSR
SST
En la que
n
SSR b0
Yi b1
i 1
SST
X 1i Y b2
i 1
i 1
X 2i Yi b3
3i Yi
nY 2
i 1
nY 2
i 1
SSR 0.031772
0.97826
SST 0.032478
n 1
2
raju
1 (1 rY2.1.2.3... P )
n P 1
calefaccin, como
(10 1)
9
2
raju
1 (1 0.97826)
1 (1 0.97826) 0.967
(
10
1
)
6
Interpretacin
En la tabla podemos observar:
La correlacin entre el consumo y el precio, indica una
correlacin negativa entre las variables.
La correlacin entre el consumo y el ingreso, indica una
correlacin positiva entre las variables.
La correlacin entre el consumo y la temperatura, indica una
correlacin positiva entre las variables.
La correlacin entre el precio y el ingreso, indica una correlacin
negativa entre las variables.
La correlacin entre el precio y la temperatura, indica una
correlacin negativa entre las variables.
La correlacin entre el ingreso y la temperatura, indica una
correlacin positiva entre las variables.
Finalmente, podemos observar que los coeficientes de
correlacin situados en la diagonal principal de la matriz tienen
valor de 1.0, puesto que habr una correlacin perfecta entre la
variable y ella misma.
ANALISIS RESIDUAL
Con el Minitab
Pasos: Estadsticas-Regresin-Regresin-Almacenamiento-Residuos
Estandarizados
Pasos:
Estadsticas-Regresin-Regresin-Almacenamiento-Ajustes
(Valor esperado)
ANALISIS DE INFLUENCIA
Sabemos
Si |t*|> 2.015
Como Hi>0.8
LABORATORIO 5
Problema Resuelto CHI-CUADRADA
1.-Un investigador escogi una muestra aleatoria de 192 familias con 4 hijos y encontr
la siguiente distribucin de frecuencias del nmero de hijos varones.
l quiere probar la hiptesis de que los nacimientos de varones y mujeres son
igualmente probables. Esto es, quiere probar que la distribucin de estos datos se
aproximan a una distribucin binomial.
N de
varones
N de
familias
18
42
64
40
28
= 0.05
El valor crtico de la prueba de Chi-cuadrada es:
Grados de libertad: k-1= 4-1=3
X2=9.488
Regla de rechazo: rechazar H0 si X2 > 9.488
N de
varones
N de
familias
reas
fe
18
42
64
40
28
0.0625
12
0.250
48
0.375
72
0.250
48
0.0625
12
fo fe 2
0.75
0.89
1.33
21.3
fe
fo fe 2
fe
X 2 27.27
Por tanto se rechaza la H0, es decir los nacimientos de varones y mujeres no son
igualmente probables.
UTILIZANDO MINITAB
1.-
4.- Hallamos
Un cientfico social tomo una muestra de 140 personas y las clasifica de acuerdo con su
nivel de ingresos y si jugaron o no en la lotera estatal el mes pasado. La informacin de
la muestra aparece a continuacin. Es posible concluir que jugar a la lotera se relaciona
con el nivel de ingresos?. Utilice el nivel de significancia 0.05.
jugaron
no jugaron
total
Ingreso
Bajo
Medio
46
28
14
12
60
40
Alto
21
19
40
Solucin:
TEORICAMENTE
H0: jugar la lotera no se relaciona con el nivel de ingresos
H1: jugar la lotera se relaciona con el nivel de ingresos
Nivel de significancia = 0.05
Grados de libertad: (R-1)(C-1)=(2-1)(3-1)=1x2=2
El valor crtico de la prueba de Chi-cuadrada es: X2=5.99147
X2=5.99147
Regla de rechazo: rechazar H0 si X2 > 5.99147
Aplicamos:
Fe=
Total
95
45
140
X2
f o fe 2
fe
X 2 6.5442
Por tanto se rechaza la H 0, es decir que jugar la lotera depende o se relaciona con el
nivel de ingresos.
Solucin Mediante el Paquete Estadstico
1. Introducimos los datos como se muestra
medio
28
27.14
0.027
alto
21
27.14
1.390
Total
95
14
19.29
1.449
12
12.86
0.057
19
12.86
2.935
45
Total
60
40
40
140
INTERPRETACION:
Como nuestro valor 6.544>5.99147 se rechaza Ho y adems el valor de P=0.038 es
menor
en comparacin con el nivel de significancia que es 0.05.
En una encuesta se hicieron varias preguntas a 1253 adultos acerca del estado de la
economia y del futuro de sus hijos.Una pregunta fue: Espera usted que sus hijos tengan
un mejor futuro peor o igual?.Los porcentajes de respuesta fueron 34% mejor, 29%
peor, 33% igual y 4% no estuvieron seguros.Aplique la prueba del signo y un nivel de
significancia igual a 0.05 para determinar si son mas los adultos que creen que sus hijos
tendran un mejor futuro que aquellos que piensan que tendran peor futuro.cual es su
conclusion?.
Solucin con el Minitab
1.Vamos a estadisticas-estadistica basica-1 proporcin
4. Obtenemos
Muestra
1
X
426
N
789
95% Lmite
inferior
0.510738
Muestra p
0.539924
Valor Z
2.24
Valor P
0.012
Interpretacin
Comparando el valor de P con el nivel de significancia, notamos que el valor de P
es menor que el nivel de significancia, esto indica que la Ho se rechaza por lo tanto
se concluye que son mas los adultos que creen que sus hijos tendrn un mejor
futuro que los adultos que piensan que tendrn un peor futuro.
(Muestra pareada)
Se compara dos formulas diferentes de cera en pasta para ver si se conservan bien
despus de varias lavada en un centro de lavado automatizado de automviles. En cada
uno de los 10 vehculos de la prueba, las formulas A y B se aplica a lados opuestos de la
capota, y se lanza una moneda para determinar el lado que recibe la formula A, la lista
siguiente contiene el numero de lavadas hasta que el agua escurra libremente por la
superficie. En el nivel de significancia = 0.05. Podemos concluir que las formulas de
la cera tienen la misma eficacia. Con la tabla estadstica adecuada. Cual es la
afirmacin mas precisa que puede hacerse respecto al valor de P para la prueba.
Vehiculos
1
2
3
4
5
6
7
8
9
10
Solucin:
Tericamente
Ho: las poblaciones son idnticas.
H1: las poblaciones no son idnticas
= 0.05
gl=10-1=9
UT=0
Tenemos n=10
Al hacer la diferencia-tomar valor absoluto de la diferencia-darle un rango-sumar esos
rangos nos da un T=35
As al aplicar la formula obtenemos
T =
n(n+1)(2 n+1)
10(10+1)(20+1)
=
=19.62
6
6
Z=
T U T 350
=
=1.78
T
19.62
0.025
0.025
-1.96
1.78
1.96
Hallando el valor de P
0.4625
0.0375
1.78
P=2(0.5-0.4625)=0.075
4. Elegimos diferencia y click en aceptar repetimos lo mismo pero esta vez con A y B.
5. Obtenemos
Prueba de clasificacin con signos de Wilcoxon: diferencia
Prueba de la mediana = 0.000000 vs. la mediana no = 0.000000
diferencia
N
10
Nmero
de
prueba
10
Estadstica
de Wilcoxon
10.0
P
0.083
Mediana
estimada
-2.000
A
B
N
10
10
Nmero
de
prueba
10
10
Estadstica
de Wilcoxon
55.0
55.0
P
0.006
0.006
Mediana
estimada
13.00
14.50
R2
80
85
99
120
125
126
114
118
130
R3
65
70
69
73
90
100
110
R4
130
110
120
130
140
150
170
145
155
168
Solucin:
Ho : no existe diferencia en el numero promedio vendido entre los 4 restaurantes(son
idnticas)
H1 : si existe diferencia en el numero promedio vendido entre los 4 restaurantes
= 0.05
El valor crtico de la prueba de Kruskal-Wallis es:
Grados de libertad: k-1= 4-1=3
X2=7.815
Utilizando Minitab
1. Ingresar los datos con su respectivo factor
N
8
9
7
10
34
Mediana
77.00
118.00
73.00
142.50
GL = 3
GL = 3
Clasificacin
del promedio
8.4
19.9
9.1
28.4
17.5
P = 0.000
P = 0.000
Z
-2.94
0.86
-2.49
4.12
CORRELACION DE RANGO
Xi
10
6
7
3
4
2
8
5
1
9
Yi
8
4
10
2
5
7
6
3
1
9
3. Elegimos variables X y Y
4. Obtenemos
Correlaciones: X, Y
Correlacin de Pearson de X y Y = 0.685
Valor P = 0.029
Interpretacin
Vemos que ese coeficiente es 0.685 positivo. El coeficiente de correlacin de rango de
Spearman puede valer desde -1 hasta 1 este valor indica una correlacin positiva entre X
y Y.