PRUEBA DE ENSAYO

Desarrollar los ejercicios del libro guía de las páginas:

1. Ejercicio 2, 4 (página 412)

2) ¿Cuál es el valor crítico F para una muestra de cuatro observaciones en el numerador y
siete en el denominador? Utilice una prueba de una cola y el nivel de significancia 0.01
F =?
Observaciones numerador = 4
Observaciones denominador = 7
El nivel de significancia = 0.01
Grados de libertad
𝑛1 − 1 = 4 − 1 = 3
𝑛2 − 1 = 7 − 1 = 6
Para encontrar el valor critico, recorre en forma horizontal la parte superior de la tabla F
para el nivel de significancia 0.01 para 3 grados de libertad en el numerador. Después va
hacia abajo por esa columna hasta el valor crítico opuesto a 6 grados de libertad en el
denominador. El valor crítico de F = 9.78

4) Se dan las siguientes hipótesis.

Paso 1: 𝐻0 : 𝜎12 ≤ 𝜎22
𝐻1 : 𝜎12 > 𝜎22
En una muestra aleatoria de cinco observaciones de la primera población resulto una
desviación estándar de 12. Una muestra aleatoria de siete observaciones de la segunda
población reveló una desviación estándar de 7. Con un nivel de significancia de 0.01, ¿hay
más variación en la primera población?
Datos:
𝑛1 = 5 𝑛1 = 7 Observaciones
𝜎1 = 12 𝜎2 = 7 Desviaciones estándar
Paso 2: Nivel de significancia 0.01
Paso 3: El estadístico de prueba apropiado sigue la distribución F.
Paso 4: grados de libertad
𝑛1 − 1 = 5 − 1 = 4 𝑔𝑙 En el numerador
𝑛2 − 1 = 7 − 1 = 6 𝑔𝑙 En el denominador
El valor crítico es 9.15
Paso 5: Por último se debe tomar la razón de las dos varianzas muéstrales, determinar el
valor estadístico de prueba y tomar decisión respecto de la hipótesis nula.

QUILUMBA FAUSTO
INFORMATICA
 𝑠12 (12)2 144
𝐹= = = = 2.94//
𝑠22 (7)2 49

2. Ejercicio 8 (página 421)

8) La siguiente es información muestral. Verifique la hipótesis con un nivel de significancia
de 0.05 de que las medias de tratamiento son iguales.
Tratamiento 1 Tratamiento 2 Tratamiento 3
9 13 10
7 20 9
11 14 15
9 13 14
12 15
10

𝑛 = 15
𝑘=3
a) Formule la hipótesis nula y alternativa.

Paso 1: 𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 Hipótesis nula

𝐻1 : 𝜇1 ≠ 𝜇2 ≠ 𝜇3 Hipótesis alternativa
Paso 2: Nivel de significancia 0.01
Paso 3: El estadístico de prueba sigue la distribución F.
b) ¿Cuál es la regla de decisión?
Paso 4: Para determinar la regla de decisión, necesita el valor crítico para el estadístico
F. El valor crítico para el nivel de significancia 0.01, se encuentra en la segunda página.
Necesitamos conocer los grados de libertad en el numerador y el denominador. Los
grados de libertad en el numerador son iguales al número de tratamientos, designado
k, menos 1. Los grados de libertad en el denominador son el número total de
observaciones, n, menos el numero de tratamientos. En este ejemplo existen 3
tratamientos y 15 observaciones.
Grados de libertad numerador 𝑘−1 = 3−1= 2
Grados de libertad denominador 𝑛 − 𝑘 = 15 − 3 = 12
La regla de decisión dice rechace 𝑯𝟎 si el valor calculado de 𝑭 > 𝟑. 𝟖𝟗 (calculado
con la tabla del apéndice B).
El valor crítico para el estadístico F es 3.89 //
c) Calcule los valores SST, SSE, SS total.
Hay que calcular la media total o global 𝑋̅𝐺

∑𝑋 181
𝑋̅𝐺 = = = 12.07
𝑛 15

QUILUMBA FAUSTO
INFORMATICA
 Tratamiento 1 Tratamiento 2 Tratamiento 3 Total
9 13 10
7 20 9
11 14 15
9 13 14
12 15
10
Total de la
Columna 58 60 63 181
n 6 4 5 15
Media 9.67 15 12.6 12.07
Por lo tanto la media global o total es 12.07
Luego se encuentra la desviación de cada observación a la media total: se elevan al
cuadrado estas observaciones y se suma este resultado para las 15 observaciones.
Ej. 𝑋̅𝐺 = 12.07 Por tanto (𝑋 − 𝑋̅𝐺 ) = 9 − 12.07 = −3.07 de lo cual se obtiene la
siguiente tabla:
Tratamiento 1 Tratamiento 2 Tratamiento 3
-3.07 0.93 -2.07
-5.07 7.93 -3.07
-1.07 1.93 2.93
-3.07 0.93 1.93
-0.07 2.93
-2.07
Posterior se eleva al cuadrado cada una de estas diferencias y se suman todos los
valores así: (𝑋 − 𝑋̅𝐺 )2 = (9 − 12.07)2 = (−3.07)2 = 9.42
Tratamiento 1 Tratamiento 2 Tratamiento 3 SS Total
9.4249 0.8649 4.2849
25.7049 62.8849 9.4249
1.1449 3.7249 8.5849
9.4249 0.8649 3.7249
0.0049 8.5849
4.2849
49.9894 68.3396 34.6045 152.9335
SS total = 152.9335 //
Para calcular el término SSE se encuentra la desviación entre cada observación y su
media de tratamiento. (𝑋 − 𝑋̅𝑇1 ) = 9 − 9.67 = −0.67; (𝑋 − 𝑋̅𝑇2 ) = 13 − 15 = −2
Tratamiento 1 Tratamiento 2 Tratamiento 3
-0.67 -2 -2.6
-2.67 5 -3.6
1.33 -1 2.4
-0.67 -2 1.4
2.33 2.4
0.33
Luego elevamos al cuadrado y se sumamos todos los valores

QUILUMBA FAUSTO
INFORMATICA
 Tratamiento 1 Tratamiento 2 Tratamiento 3 SS Total
0.4489 4 6.76
7.1289 25 12.96
1.7689 1 5.76
0.4489 4 1.96
5.4289 5.76
0.1089
15.3334 34 33.2 82.5334
SSE = 82.5334 //
SST = SS total – SSE
SST = 152.9335 – 82.5334
SST = 70.40 //
d) Elabore una tabla ANOVA.
Fuente de variación Suma de cuadrados Grados de libertad Media cuadrática F
Tratamientos SST k-1 SST/(k-1)=MST MST/MSE
Error SSE n-k SSE/(n-k)=MSE
Total SS total n-1

Fuente de variación Suma de Grados de libertad Media cuadrática F

cuadrados
Tratamientos 70.40 2 70.40/2=35.2 35.2/6.88=5.12
Error 82.53 12 82.53/12=6.88
Total 152.93l 14

e) Declare su decisión respecto de la hipótesis nula.

El valor calcula do de F es 5.12, el cual es mayor que el valor critico de 3.89 por lo
tanto la hipótesis nula se rechaza. Y en conclusión es que no todas las medias
poblacionales son iguales, en este caso de los tratamientos.
3. Ejercicio 4 (página 466)
El departamento de producción de Celltronics International desea explorar la relación
entre el número de empleados que trabajan en una línea de ensamble parcial y el número
de unidades producido. Como experimento, se asignó a dos empleados al ensamble
parcial. Su desempeño fue de 15 productos durante un periodo de una hora. Después,
cuatro empleados hicieron los ensambles y su número fue de 25 durante un periodo de
una hora. El conjunto completo de observaciones pareadas se muestra a continuación.
Número de Producción en una
ensambladores hora (unidades)
2 15
4 25
1 10
5 40
3 30
La variable dependiente es la producción; es decir, se supone que el nivel de producción
depende del número de empleados.
a) Trace un diagrama de dispersión.

QUILUMBA FAUSTO
INFORMATICA
 45

Producción en horas
40
35
30
25
20
15
10
5
0
0 2 4 6

Número de empleados

∑𝑋 2+4+1+5+3 15
𝑋̅ = 𝑛 = 5
= 5 = 3 //

∑𝑌 15+25+10+40+30 120
𝑌̅ = 𝑛 = 5
= 5 = 24 //
b) Con base en el diagrama de dispersión, ¿parece haber alguna relación entre el número
de ensambladores y la producción? Explique.
Si existe una relación entre los empleados y la producción debido a que observamos,
que tres variables tienen una relación positiva ya que se encuentra por arriba de la
media. También una relación negativa por encontrarse por debajo de sus medias
c) Calcule el coeficiente de correlación.
Ensambladores Producción
(x) (y) ̅
𝑿−𝑿 ̅
𝒀−𝒀 ̅ )(𝒀
(𝑿 − 𝑿 ̅ )𝟐
(𝑿 − 𝑿 ̅ )𝟐
(𝒀 − 𝒀
−𝒀̅)
2 15 -1 -9 9 1 81
4 25 1 1 1 1 1
1 10 -2 -14 28 4 196
5 40 2 16 32 4 256
3 30 0 6 0 0 36
70 10 570
∑(𝑋−𝑋̅)2 10 10
𝑆𝑥 = √ 𝑛−1
= √5−1 = √ 4 = √2.5 = 1.58//

∑(𝑌−𝑌̅)2 570 570

𝑆𝑦 = √ =√ =√ = √142.5 = 11.94//
𝑛−1 5−1 4

∑(𝑋−𝑋̅)(𝑌−𝑌̅) 70 70
𝑟= (𝑛−1)𝑆𝑥 𝑆𝑦
= (5−1)(1.58)(11.94) = 75.46 = 0.927//
Por tanto existe una asociación fuerte entre las variables.
d) Evalúe la fuerza de la relación calculando el coeficiente de determinación.
𝑟 2 = (0.927)2 = 0.859 = 85.9%//
Se interpreta diciendo que el 85.9% de la variación de la producción se contabiliza por
la variación en el número de ensambladores.

QUILUMBA FAUSTO
INFORMATICA
4. Ejercicio 14 (página 475)
Las siguientes observaciones muestrales se seleccionaron al azar.
X: 5 3 6 3 4 4 6 8
Y: 13 15 7 12 13 11 9 5
a) Determine la ecuación de regresión
∑𝑋 5+3+6+3+4+4+6+8 39
𝑋̅ = 𝑛 = 8
= 8 = 4.87 //

∑𝑌 13+15+7+12+13+11+9+5 85
𝑌̅ = 𝑛 = 8
= 8 = 10.62 //
Ecuación de regresión lineal 𝑌̂ = 𝑎 + 𝑏𝑋

X Y 𝑿−𝑿 ̅ 𝒀−𝒀 ̅ ̅ )(𝒀 − 𝒀

(𝑿 − 𝑿 ̅) (𝑿 − 𝑿̅ )𝟐 ̅ )𝟐
(𝒀 − 𝒀
5 13 0.13 2.38 0.31 0.02 5.66
3 15 -1.87 4.38 -8.19 3.50 19.18
6 7 1.13 -3.62 -4.09 1.28 13.10
3 12 -1.87 1.38 -2.58 3.50 1.90
4 13 -0.87 2.38 -2.07 0.76 5.66
4 11 -0.87 0.38 -0.33 0.76 0.14
6 9 1.13 -1.62 -1.83 1.28 2.62
8 5 3.13 -5.62 -17.59 9.78 31.58
-36.37 20.88 79.84
∑(𝑋−𝑋̅)2 20.88 20.88
𝑆𝑥 = √ 𝑛−1
= √ 8−1 = √ 7
= √2.98 = 1.72//

∑(𝑌−𝑌̅)2 79.84 79.84

𝑆𝑦 = √ 𝑛−1
= √ 8−1 = √ 7
= √11.41 = 3.38//

∑(𝑋−𝑋̅)(𝑌−𝑌̅) −36.37 −36.37

𝑟= (𝑛−1)𝑆𝑥 𝑆𝑦
= (8−1)(1.72)(3.38) = 40.69
= −0.89//

𝑆𝑦 3.38
𝑏 = 𝑟 𝑆 = (−0.89) 1.72 = −1.75
𝑥
𝑎 = 𝑌̅ − 𝑏𝑋̅ = 10.62 − (−1.75)(4.87) = 19.14//
𝑌̂ = 19.14 − 1.75𝑋 Recta de regresión
b) Encuentre el valor de 𝑌̂ cuando X es 7
𝑌̂ = 19.14 − 1.75𝑋
𝑌̂ = 19.14 − 1.75(7)
𝑌̂ = 19.14 − 12.25
𝑌̂ = 6.89//
5. Ejercicio 2 (página 517)
Thompson Photo Works compró varias máquinas nuevas de procesamiento muy
complejas. El departamento de producción necesito ayuda respecto de las aptitudes
necesarias para un operador de estas máquinas. ¿La edad es un factor? ¿Es importante el
tiempo de servicio como operador (en años)? A fin de explorar más a fondo los factores

QUILUMBA FAUSTO
INFORMATICA
necesarios para estimar el desempeño de las nuevas máquinas de procesamiento, se
listaron cuatro variables:
𝑋1 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒𝑙 𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑛𝑑𝑢𝑠𝑡𝑟𝑖𝑎
𝑋2 = 𝐶𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑢𝑒𝑏𝑎 𝑑𝑒 𝑎𝑝𝑡𝑖𝑡𝑢𝑑 𝑚𝑒𝑐á𝑛𝑖𝑐𝑎
𝑋3 = 𝐶𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑡𝑟𝑎𝑏𝑎𝑗𝑜
𝑋4 = 𝐸𝑑𝑎𝑑
El desempeño de la máquina nueva se designa Y.
Se selecciona a 30 empleados al azar. Se recopilaron datos de cada uno y se registraron
sus desempeños en las máquinas nuevas. Algunos resultados son:
Desempeño Tiempo en Calificación Desempeño
En la máquina La industria en aptitud anterior en el
Nombre Nueva, Y 𝑋1 mecánica 𝑋2 trabajo, 𝑋3 Edad, 𝑋4
Mike Miraglia 112 12 312 121 52
Sue Trythall 113 2 380 123 27
La ecuación es:
𝑌̂ = 11.6 + 0.4𝑋1 + 0.286𝑋2 + 0.112𝑋3 + 0.002𝑋4
a) ¿Cómo se le denomina a esta ecuación?
Se le denomina ecuación de regresión múltiple estimada.
b) ¿Cuántas variables dependientes hay?, ¿Cuántas independientes?
Existe una variable dependiente (desempeño en la maquina nueva), y tres variables
independientes
c) ¿Cómo se denomina al número 0.286?
d) Conforme aumenta la edad en un año, ¿Cuánto aumenta el desempeño estimado en
la nueva máquina?
e) Carl Knox solicito trabajo en Photo Works, Knox ha estado en el negocio durante seis
años, y obtuvo una calificación de 280 en la prueba de aptitud mecánica. La
calificación del desempeño anterior en el trabajo de Carl fue 97 y tiene 35 años de
edad. Estime el desempeño de Carl en la nueva máquina.
𝑌̂ = 11.6 + 0.4𝑋1 + 0.286𝑋2 + 0.112𝑋3 + 0.002𝑋4
𝑋1 = 6 𝑎ñ𝑜𝑠 𝑋2 = 280 𝑋3 = 97 𝑋4 = 35
̂
𝑌 = 11.6 + 0.4(6) + 0.286(280) + 0.112(97) + 0.002(35)
𝑌̂ = 11.6 + 2.4 + 80.08 + 10.86 + 0.07
𝑌̂ = 105.01

QUILUMBA FAUSTO
INFORMATICA