Documente Academic
Documente Profesional
Documente Cultură
a la Gestión
Carlos Berrocal Gutarra
Manual
Índice
2
Universidad Continental | Manual
Tema n° 1. Prueba de hipótesis para la proporción de una población y Prueba de
hipótesis para la media de una población. ............................................................................. 35
1. Prueba de Hipótesis:........................................................................................................... 35
1.1. Hipótesis ______________________________________________________________ 35
1.2. Prueba de Hipótesis ____________________________________________________ 35
2. Prueba de Hipótesis para la proporción poblacional. ............................................... 37
2.1. Procedimiento tradicional ______________________________________________ 38
2.1.1. Error Tipo I y Tipo II al realizar una prueba de Hipótesis. _________________ 39
2.1.2. Relaciones entre y β: _______________________________________________ 39
2.2. Procedimiento usando el Valor P. _______________________________________ 40
3. Prueba de hipótesis para la media poblacional. ........................................................ 42
3.1. Prueba de hipótesis para la media poblacional con desviación estándar
desconocida ________________________________________________________________ 42
3.2. Prueba de hipótesis para la media poblacional con desviación estándar
desconocida. ________________________________________________________________ 44
Tema n° 2. Inferencias acerca de dos proporciones poblacionales. ................................ 46
1. Prueba de Hipótesis para dos proporciones poblacionales. .................................... 46
2. Intervalos para dos proporciones poblacionales. ....................................................... 48
Tema n° 3. Inferencias acerca de dos medias independientes. ......................................... 50
1. Muestras independientes y se conoce 1 y 2 .............................................................. 50
2. Muestras independientes, no se conoce 1 y 2 pero se asumen iguales ............. 52
3. Muestras independientes, no se conoce 1 y 2 pero no se asumen iguales ........ 54
3.1. Intervalo para la diferencia de medias con Muestras independientes, no se
conoce 1 y 2 _______________________________________________________________ 56
Tema n° 4. Inferencias de dos medias con muestras dependientes. ................................. 58
LECTURA N° 2: ............................................................................................................................. 61
Actividad N° 2: Auto evaluación - Pruebas de Hipótesis (cuestionario en línea) ......... 62
Foro 2: ........................................................................................................................................... 62
GLOSARIO DE LA UNIDAD II: ..................................................................................................... 63
Bibliografía de la Unidad 2 ........................................................................................................... 63
3
Universidad Continental | Manual
2.2. Pruebas Múltiples: ______________________________________________________ 75
2.3. Diseño A x B (con interacción). _________________________________________ 76
Tema n° 2. Experimentos mutinomiales y tablas de contingencia. .................................... 81
1. Experimentos multinomiales. ............................................................................................ 81
1.1. Bondad de ajuste ______________________________________________________ 81
1.2. Frecuencias uniformes. _________________________________________________ 82
1.3. Frecuencias no uniformes. ______________________________________________ 84
1.4. Pruebas de ajuste a una distribución probabilística. ______________________ 85
2. Tablas de contingencia: ................................................................................................... 89
2.1. Prueba de Homogeneidad _____________________________________________ 89
2.2. Prueba de Independencia _____________________________________________ 89
2.3. Procedimiento de solución: ____________________________________________ 90
Tema n° 3. Estadística no paramétrica: Prueba de rangos con signo de Wilcoxon para
datos apareados y Prueba de la suma de rangos de Wilcoxon para dos muestras
independientes. ............................................................................................................................. 93
1. Prueba de rangos con signo de Wilcoxon para datos apareados ......................... 93
2. Prueba de la suma de rangos de Wilcoxon para dos muestras independientes. 96
2.1. Estadístico de prueba: _________________________________________________ 96
Tema n° 4. Pruebas no paramétricas: Prueba de Kruskal –Wallis y Correlación de rangos
de Spearman. ................................................................................................................................. 99
1. Prueba de Kruskal –Wallis .................................................................................................. 99
1.1. El valor crítico: _________________________________________________________ 99
2. Correlación de rangos de Spearman. ......................................................................... 101
2.1. Coeficiente de correlación de Spearman _____________________________ 101
2.2. Estadístico de prueba: _______________________________________________ 102
Ejemplo: ___________________________________________________________________ 102
De la teoría a la práctica ....................................................................................................... 106
LECTURA N° 3: ........................................................................................................................... 106
Actividad N° 3: Auto evaluación - Pruebas no paramétricas (cuestionario en línea)
..................................................................................................................................................... 107
GLOSARIO DE LA UNIDAD 3 ................................................................................................... 108
Bibliografía Unidad 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4
Universidad Continental | Manual
2.3. Prueba de Hipótesis para la correlación _______________________________ 115
Tema n° 2. Regresión lineal simple ........................................................................................... 117
1. Ecuación de regresión:.................................................................................................... 117
1.1. Prueba de hipótesis para β1 __________________________________________ 118
2. Estimación puntual e Intervalo de predicción ........................................................... 120
2.1. Estimación puntual __________________________________________________ 120
2.2. Estimación por intervalo ______________________________________________ 120
2.3. Estimación por Intervalo o Intervalo de predicción _____________________ 121
Tema n° 3. Correlación Regresión Lineal Múltiple. ................................................................ 123
1. Correlación ........................................................................................................................ 123
1.1. Análisis de correlación _______________________________________________ 123
1.2. Coeficiente de determinación lineal Múltiple __________________________ 124
2. Regresión lineal multiple: ................................................................................................. 125
2.1. Ecuación de regresión _______________________________________________ 126
2.2. Prueba de Hipótesis para los coeficientes β1 y β2 _______________________ 126
Tema n° 4. Series de tiempo. ..................................................................................................... 128
1. Componentes de una serie temporal: ____________________________________ 128
3. Análisis de series temporales: _____________________________________________ 133
De la teoría a la práctica ....................................................................................................... 138
LECTURA N° 4: ........................................................................................................................... 138
Actividad N° 4: Auto evaluación – Correlación, Regresión y Series Temporales
(cuestionario en línea) ............................................................................................................ 139
GLOSARIO DE LA UNIDAD 4 ................................................................................................... 140
Bibliografía de la Unidad 4 ......................................................................................................... 140
3. APENDICES. ........................................................................................................................ 142
5
Universidad Continental | Manual
Índice de Tablas
Tabla 1: Elección entre z y t ......................................................................................................... 24
Tabla 2: Datos de Vida útil de viviendas ................................................................................... 42
Tabla 3: Puntuaciones de examen verbal de padres. ........................................................... 54
Tabla 4: Datos comparación de gastos en restaurants ......................................................... 58
Tabla 5: ¿Cuáles son los factores más importantes para conseguir más inclusión social?
........................................................................................................................................................... 61
Tabla 6. Tabla ANOVA de un factor. Formulas ........................................................................ 69
Tabla 7. Datos Cereales ................................................................................................................ 70
Tabla 8. ANOVA de dos factores diseño aditivo. Fórmulas ................................................... 72
Tabla 9. Tiempos de recorrido ..................................................................................................... 73
Tabla 10. Tabla ANOVA de dos factores diseño AxB - Fórmulas .......................................... 77
Tabla 11. Datos Efecto tamaño de anuncio ............................................................................ 78
Tabla 12. Datos Bubba's Fish and Pasta .................................................................................... 82
Tabla 13: Datos Producto financiero .......................................................................................... 84
Tabla 14: Datos Vehiculos Applewood. .................................................................................... 85
Tabla 15: Ejemplo - Tabla de contingencia .............................................................................. 89
Tabla 16. Datos Ford Motro Company....................................................................................... 90
Tabla 17: Datos valoración de salsa .......................................................................................... 94
Tabla 18. Datos Resistencia cables ............................................................................................ 96
Tabla 19: Datos System Hospital .................................................................................................. 99
Tabla 20: Datos ejemplo correlación lineal ............................................................................ 113
Tabla 21: Datos ejemplo Grava ................................................................................................ 116
Tabla 22: Datos ejercicio Correlación múltiple ...................................................................... 124
Tabla 23: Evolución Precios por m2 de departamentos en La Molina, Miraflores, San Borja,
San Isidro y Surco por trimestres ................................................................................................ 133
Tabla 24: Desarrollo del cálculo de los componentes estacionales. ................................ 136
Tabla 25: Componentes estacionales no estandarizados y sus promedios .................... 136
Tabla 26: Índices estacionales de Precios de departamentos por m2. ............................ 137
6
Universidad Continental | Manual
Índice de figuras
Figura 1. Marco muestra Invest. .................................................................................................. 12
Figura 2: Lotto sphere. ................................................................................................................... 13
Figura 3. Muestreo Sistemático. ................................................................................................... 13
Figura 4: Muestreo Estratificado. ................................................................................................. 13
Figura 5: Muestreo por conglomerados. ................................................................................... 13
Figura 6: Nivel de confianza. Tomado de Estadística, ............................................................ 17
Figura 7. Diagrama tallo – hoja. .................................................................................................. 22
Figura 8. Diagrama de caja y bigotes. ...................................................................................... 23
Figura 9: Distribución t-student a diferentes tamaños de muestra. ..................................... 24
Figura 10 Formas de plantear hipótesis, tomado de (Triola, Estadística, 2009) ................. 36
Figura 11: Formas de reglas de decisión, por Sergio Jurado (Jurado, 2017) .................... 36
Figura 12: Formas de plantear una conclusión. Tomado de Estadística por Mario Triola
(2009) ................................................................................................................................................ 37
Figura 13: Gráfico de prueba de normalidad Vida útil. ......................................................... 43
Figura 14: Gráficos P-P de normalidad para las muestras 1 y 2. Elaboración: propia ..... 55
Figura 15: Curva de la distribución F tomado de Sergio Jurado (Jurado, 2017)............... 69
Figura 16. Gráfica de medias: tiempos de recorrido. Tomado de Marchal Lind (2012) . 76
Figura 17: Curva Ji cuadrada por (Jurado, Estadística Inferencial, 2017) .......................... 81
Figura 18; Gráfica de dispersión ejemplo de correlación Fuente: Elaboración propia. 103
Figura 19: Gráfico de dispersión ejemplo ................................................................................ 113
Figura 20: Formas de gráficos de dispersión. .......................................................................... 114
Figura 21: Gráfico de dispersión ejemplo cálculo de coeficiente de correlación. ....... 116
Figura 22: Resultados probables para x = 28, tomado de Manual de Estadística Inferencial
por Sergio Jurado (2017)............................................................................................................. 121
Figura 23: Ejemplo de serie temporal tomado de Manual Estadística Inferencial por Sergio
Jurado (2017) ................................................................................................................................ 128
Figura 24: Formas de la componente Tendencia en la serie temporal, obtenido de
Manual de Estadística Inferencial por Sergio Jurado (2017). .............................................. 129
Figura 25: Componente estacional en una serie temporal, obtenido de Manual de
Estadística Inferencial por Sergio Jurado (2017) .................................................................... 129
Figura 26: Cálculo de promedios móviles 3 obtenido de Manual de Estadística Inferencial
por Sergio Jurado (2017)............................................................................................................. 130
Figura 27: Gráfica de promedio móvil 3 obtenido de Manual de Estadística Inferencial
por Sergio Jurado (2017)............................................................................................................. 130
Figura 28: Calculo de promedio móvil 4, obtenido de Manual de Estadística Inferencial
por Sergio Jurado (2017)............................................................................................................. 131
Figura 29: Grafica promedio móvil 4, obtenido de Manual de Estadística Inferencial por
Sergio Jurado (2017) .................................................................................................................... 131
Figura 30: Estacionalidad. Fuente: propia............................................................................... 132
Figura 31: Gráfica de componente cíclico (Universidad de Valladolid, 2012) ............... 132
Figura 32: Disposición de datos para el cálculo de la Serie Temporal. Fuente y
elaboración: Propia ..................................................................................................................... 134
Figura 33: Gráfica en Excel de una serie temporal, Elaboración: propia ........................ 134
Figura 34: Desarrollo del cálculo de promedios móviles 4, Elaboración: Propia. .......... 135
Figura 35: Cálculo de Promedios móviles centrados............................................................ 135
7
Universidad Continental | Manual
INTRODUCCION:
Para una mejor comprensión del material se requiere que el estudiante tenga
conocimientos básicos de estadísticos de tendencia central, de variación y forma, así
de las distribuciones de probabilidades Binomial, Potencial, de Poisson y Normal
Organiza tu tiempo para que obtengas buenos resultados, la clave está en encontrar el
equilibrio entre tus actividades personales y las actividades que asumes como
estudiante. El estudio a distancia requiere constancia, por ello es necesario encontrar la
motivación que te impulse a hacer mejor cada día.
El autor.
8
Universidad Continental | Manual
Organización de la Asignatura
Resultado de aprendizaje de la asignatura
Unidades didácticas
UNIDAD 1 UNIDAD 2 UNIDAD 3 UNIDAD 4
9
Universidad Continental | Manual
UNIDAD 1
MUESTREO Y ESTIMACIÓN DE PARÁMETROS
Diagrama de organización de la Unidad 1
10
Universidad Continental | Manual
Tema n° 1. Muestreo y diseños experimentales.
Su alcance es limitado a solo entablar una descripción del grupo del que se tomaron las
mediciones, los datos, pero con normalidad eso es insuficiente. En muchos casos se
requiere información del todo.
Al realizar estimación con una muestra, es comprensible que primero entablemos una
revisión de los métodos de muestreo de tal manera que garanticemos que los datos
cumplan con dos condiciones básicas para ser válidos: Aleatoriedad y
Representatividad.
El autor.
11
Universidad Continental | Manual
1. Definiciones básicas
Iniciamos nuestro manual haciendo un recorrido por conceptos básicos como:
A. Población:
Es el conjunto de todos los sujetos, las cosas o los eventos sobre los que se
quiere investigar con respecto a una particularidad dada. A la población
le correspondería la colección completa de datos –casi siempre imposible
de elaborar por su tamaño u otras condiciones– sobre los cuales se harán
inferencias.
B. Muestra:
12
Universidad Continental | Manual
1.3. Métodos de muestreo
De hecho, se estila hablar de dos formas: Probabilístico) y No probabilístico:
A. Métodos Probabilísticos:
13
Universidad Continental | Manual
B. Métodos No probabilísticos:
Los métodos no probabilísticos son aquellos que emplean solo el criterio del
que investiga, por ello acarrean muchas dudas sobre la representatividad
de la muestra obtenida.
C. Ficha Técnica
Ejemplo
Título del estudio: Encuesta de Opinión en Lima Metropolitana noviembre 2009
Representatividad: En los distritos que forman parte del universo y que están
incluidos en el marco muestral se encuentra el 95.88% de la
población electoral total de la provincia de Lima.
Error y nivel de confianza estimados: ±4.32% con un nivel de confianza del 95%,
asumiendo 50%-50% de heterogeneidad, bajo el supuesto de
muestreo aleatorio simple.
14
Universidad Continental | Manual
Santiago de Surco, Surquillo, Villa El Salvador y Villa María del
Triunfo).
Email: iop@pucp.edu.pe
2. Diseño experimental
Las investigaciones pueden seguir dos tipos de diseños de manera general:
Observacional y Experimental.
A. Preexperimental.
15
Universidad Continental | Manual
En este diseño se aplica un estímulo o tratamiento a un grupo que es la
única muestra que se puede alcanzar (la elección no es aleatoria) y se
aplica una medición.
B. Diseño Cuasiexperimental.
GE 01 x O2
GC 01 x O2
RGC O1 x O2
RGE O1 x O2
16
Universidad Continental | Manual
Tema n° 2. Estimación de la proporción poblacional y cálculo del
tamaño de su muestra
1. Estimación de la proporción poblacional.
Cuando iniciamos el proceso de inferencia estadística, es necesario atender al
desarrollo de las estimaciones.
Estimación puntual
SOLUCIÓN
17
Universidad Continental | Manual
Requisitos
Fórmula:
𝑝̂∗(1−𝑝̂)
𝑝 = 𝑝̂ ± 𝑍𝛼/2 √
𝑛
b. “Con base en los resultados, ¿podemos concluir con seguridad que menos
de 50% de los adultos tienen páginas en Facebook? Asumiendo que usted es
un periodista, escriba un breve artículo que describa con precisión los
resultados e incluya toda la información relevante” (Triola, 2018, p. 304).
Verificando:
Calculando:
Datos Procedimiento
n = 1487
𝑝̂∗(1−𝑝̂)
a. 𝑝 = 𝑝̂ ± 𝑍𝛼/2 √
x = 639 𝑛
𝑝̂ = 0,4297
0.4297∗(1−0.4297)
𝑝 = 0.43 ± 1,96 ∗ √
NC = 95% 1487
= 0,05
18
Universidad Continental | Manual
b. Con base en el intervalo de confianza obtenido en el
inciso (b), parece que menos del 50% de los adultos
tienen una página de Facebook porque el intervalo
de valores de 0,4048 a 0,4552 es un intervalo que está
completamente por debajo de 0,50.
de 𝑝̂
SOLUCIÓN
b. Como en el inciso a), nuevamente utilizamos 𝑍𝛼/2 = 1,96 y E = 0,04, pero sin
conocimiento previo de 𝑝̂ , usamos la fórmula como sigue.
19
Universidad Continental | Manual
(0,25)𝑍𝛼2
2
n=
𝐸2
(0,25)(1,962 )
n=
0,04 2
INTERPRETACIÓN “Para tener una confianza del 95% de que nuestro porcentaje
muestral está dentro de cuatro puntos porcentuales del porcentaje verdadero
para todos los hogares, debemos seleccionar al azar y encuestar 601 hogares.
Comparando este resultado con el tamaño muestral de 338 calculado en el
inciso a), podemos ver que, si no tenemos conocimiento de un estudio previo,
se requiere una muestra más grande para obtener los mismos resultados que
cuando se puede estimar el valor de . Pero ahora recurramos al sentido
común: sabemos que el uso del correo electrónico está creciendo tan
rápidamente que el estimado de 1997 es muy antiguo para ser de utilidad. En
la actualidad, mucho más del 16.9% de los hogares estadounidenses utilizan
correo electrónico. Siendo realistas, necesitamos una muestra mayor que 338
hogares. Suponiendo que en realidad no conocemos la tasa actual de uso de
correo electrónico, deberíamos seleccionar al azar 601 hogares. Con 601
hogares, tendremos una confianza del 95% de que estamos dentro de cuatro
puntos porcentuales del porcentaje verdadero de hogares que usan correo
electrónico” (Triola, 2018).
20
Universidad Continental | Manual
tendremos altas probabilidades para asegurar que esta media es muy
cercana al valor de la media poblacional . Por ello afirmamos que la media
muestral tiene un valor tal que la hace el mejor estimador de la media
poblacional. Podemos decir esto en base a las siguientes razones:
SOLUCIÓN
21
Universidad Continental | Manual
límite central” (Triola, 2018). Por lo tanto, los requisitos se cumplen y podemos
continuar
Datos Procedimiento
n = 40 𝜎
𝜇 = 𝑥̅ ± 𝑍𝛼/2 *
√𝑛
𝑥̅ = 76.3
12,5
= 12.5 𝜇 = 76,3 ± 1,96 *
√40
NC = 95%
Z/2 = 1.96
gl = n – 1
En la tabla se tiene que buscar los valores críticos con el valor de los gl ubicado
en la primera columna a la derecha y el valor de en la primera fila.
Ejemplo:
22
Universidad Continental | Manual
REQUISITOS Primero debemos verificar que los dos requisitos para esta sección
se satisfacen. Estamos suponiendo que la muestra es aleatoria simple. Ahora
revisamos el requisito de que la población
se distribuya normalmente o n = 30”. Puesto
que n = 23, debemos verificar que la
distribución sea aproximadamente
normal. La forma de la gráfica de tallo y
hojas sugiere una distribución normal.
Además, una gráfica cuantilar normal
confirma que los datos muestrales
provienen de una población con una
distribución aproximadamente normal (no
se muestran datos atípicos). Por
Figura 8. Diagrama de caja y
consiguiente, los requisitos se satisfacen y bigotes.
procedemos con los métodos de esta Fuente: elaboración propia
sección (Triola, 2018).
Datos
n = 23
𝑠
𝜇 = 𝑥̅ ± 𝑡𝛼/2 *
𝑥̅ = 47.0 √𝑛
s = 7.2 7,2
𝜇 = 47,0 ± 2,074 *
√23
NC = 95%
= 0.05
43,9 < < 50,1
t/2=2.074
Tabla A - 3
23
Universidad Continental | Manual
Figura 9: Distribución t-student a diferentes
tamaños de muestra.
Tomado de Wikimedia org., 2017
Tabla1:
Elección entre z y t
24
Universidad Continental | Manual
2
𝜎 2 ∗𝑍𝛼/2
n=
𝐸2
25
Universidad Continental | Manual
Tema n° 4. Estimación de la varianza poblacional y desviación estándar
y cálculo del tamaño de su muestra.
1. Intervalo de confianza:
Los requisitos para obtener un intervalo de confianza para la varianza o para la
desviación estándar son:
- La muestra es aleatoria.
(𝑛−1)∗𝑠2 (𝑛−1)∗𝑠2
√ <𝜎<√
2𝐷 2𝐼
Donde :
n: Tamaño de la muestra.
Ejemplo:
Datos
n = 51 Con la fórmula:
s = 0,0012mm
NC = 95%
/2 = 0,025
26
Universidad Continental | Manual
En la tabla A-4 del
(𝑛−1)∗𝑠2 (𝑛−1)∗𝑠2
Apéndice B: √ 2𝐷
<𝜎<√
2𝐼
2 derecho:
gl = 51 – 1 = 50
Reemplazando:
/2 = 0,025
2 2
√(51−1)∗0,0012 < 𝜎 < √(51−1)∗0,0012
71,420 32,357
2 Izquierdo:
2. Tamaño de muestra:
(𝑛−1)𝑠2
2 =
𝜎2
Se puede despejar:
2 ∗𝜎2
𝑛= +1
𝑠2
2
𝑛= 𝑠2
+1
𝜎2
2
𝑛= +1
𝐸
27
Universidad Continental | Manual
De la Teoría a la práctica:
Lectura 1:
“A eso se añade que "la productividad laboral", según esta institución, "es de alrededor
del 30% con relación a la de Estados Unidos, en contraste con la del Reino Unido, del
75%, Australia, del 82%, o Alemania, del 90%". Con estas premisas, explica a EL PAÍS Pablo
Sanguinetti, vicepresidente de Conocimiento de CAF, América Latina afronta retos
enormes relacionados con el crecimiento y la productividad de las economías, cuyas
disfunciones están a la base de esta brecha. "La productividad es baja en todo, el
problema es transversal, de la infraestructura al sector financiero, y hay que trabajar
para mejorarla en cada sector", apunta. Al mismo tiempo, se debe hacer frente a la alta
informalidad” (Manetto, 2018).
“El estudio de CAF apuesta por aplicar una agenda de reformas institucionales que se
han abordado durante dos días en un encuentro de alrededor de 500 líderes
latinoamericanos. Ayer recibieron la bienvenida del presidente de Colombia, Iván
Duque, quien prometió acabar con la informalidad para que los ingresos medios
superen los 20.000 dólares per cápita en tres décadas, y debatieron las fórmulas para
28
Universidad Continental | Manual
superar los obstáculos de la productividad urbana y mejorar la calidad del empleo
(Manetto, 2018).
Esas reformas deben, según el Banco, no solo promover la competencia, sino "fomentar
la cooperación entre empresas mediante el desarrollo de conglomerados productivos;
impulsar ecosistemas innovadores y la adopción tecnológica; mejorar el acceso al
financiamiento de empresas y reducir las barreras de oferta y demanda para el acceso
a recursos financieros formales por parte de empresas e individuos; o limitar los marcos
regulatorios y políticas hostiles que dificultan la entrada y salida de empresas y afectan
la eficiencia en la asignación de recursos productivos" (Manetto, 2018).
“Luis Carranza Ugarte, presidente ejecutivo de CAF, resumió esos desafíos con una
pregunta y un toque de ironía: "¿Cuánto es dos más dos?". La respuesta no es tan obvia,
en realidad, sobre todo en economía. "Normalmente, el economista se demora un
tiempo y dice… ¿Cuánto quieres que sea? En economía dos más dos no siempre es
cuatro. Dos más dos son ocho, esa es la historia de los países europeos. En Latinoamérica
dos más dos en promedio han sido cuatro, y eso no es suficiente para llegar a la
prosperidad", afirmó. La pelota está ahora en el tejado de los sectores productivos y de
los Gobiernos de la región” (Manetto, 2018).
29
Universidad Continental | Manual
GLOSARIO DE LA UNIDAD 1
Aleatorio: “Que depende del azar o no sigue una pauta definida': «La grabación de las
conversaciones se realizó de forma aleatoria»” (Real Academia Española, 2019)
Curva de densidad Gráfico que representa el área que se produce debajo de una curva
generada por una distribución de probabilidad (Triola, 2009).
Distribución muestral Distribución de las medias o las proporciones muestrales y que por
el teorema del límite central se determina normal (Jurado, 2017).
(𝑥−𝜇)2
1 𝑏
𝑃(𝑎 < 𝑥 < 𝑏) = ∫ 𝑒 2𝜎2 .dx x∈R
𝜎√2𝜋 𝑎
Se caracteriza por ser simétrica, con valores iguales para su media y mediana.
Distribución normal estándar Distribución normal con una media igual a cero y una
desviación estándar igual a 1 (Jurado, 2017).
Distribución t Distribución normal que suele estar asociada con datos muestrales de una
población con una desviación estándar desconocida (Jurado, 2017).
30
Universidad Continental | Manual
Distribución t de Student Véase Distribución t.
Estadístico Medida que se calcula o identifica con los datos de una muestra como, por
ejemplo; La proporción muestral (𝑝̂ ) la media muestral (𝑥̅ ), la desviación estándar
muestral (s), etc, (Jurado, 2017)
Parámetro Medida que se calcula o identifica con los datos de una población como,
por ejemplo; La proporción poblacional (p) la media poblacional (µ), la desviación
estándar (σ), etc. (Jurado, 2017)
Valor crítico Es una puntuación de alguna distribución como la normal estándar, t, Chi
cuadrada, F u otra, que separa el área de las puntuaciones más probables de aquellos
menos probables (Triola, 2018).
Bibliografía unidad 1
Alfaro, D., & Macera, D. (2011). Una mirada a los programas sociales [mensaje en un
blog]. Obtenido de https://www.grade.org.pe/novedades/una-mirada-a-los-
programas-sociales/
Anderson, D., Dennis, S., & Thomas, W. (2012). Estadística para negocios y economía.
México D. F.: CENGAGE Learning.
Banco Central de Reserva del Perú. (2019). Banco Central de Reserva del Perú.
Recuperado el 21 de junio de 2019, de BCRP Data:
https://estadisticas.bcrp.gob.pe/estadisticas/series/trimestrales
31
Universidad Continental | Manual
Hernandez, R., Fernandez, C., & Baptista, P. (2014). Metodología de la investigación.
Mexico D. F.: Mc Graw Hill Education.
León, M. (18 de junio de 2019). Las balanzas dle bienestar. Recuperado el 19 de junio de
2019, de El País:
https://elpais.com/elpais/2019/06/17/opinion/1560781691_381446.html
Levin, R., & Rubin, D. (2004). Administración para Administración y Economía. Mexico D.
F.: Pearson Education.
Lind, D., Marchal, W., & Wathe, S. (2012). Estadística aplicada a los negocios y la
economía (15a ed.). Mexico D. F.: Mc Graw Hill Education.
Manetto, F. (9 de Noviembre de 2018). Los ingresos per cápita de América Latina llevan
60 años estancados. El País, pág. 12. Recuperado el 24 de febrero de 2019, de
https://elpais.com/internacional/2018/11/08/colombia/1541659854_428801.html
Newbol, P., Carlson, W., & Thorne, B. (2008). Estadística para Administración (6a ed.). (R.
Esther, Trad.) Madrid: Pearson Education.
Pontificia Universidad Catolica del Perú. (2009). Instituto de Opinión Pública - Data. (I. d.
Pública, Editor) Obtenido de https://docs.google.com/viewer?url=http://iop-
data.pucp.edu.pe/media/archivos/2009/11/1/IOP_1109_01_F.pdf&embedded=
true0
Real Academia Española. (2019). Diccionario de la Lengua española (pagina web). (R.
A. Española, Editor) Obtenido de
http://lema.rae.es/dpd/srv/search?key=aleatorio
Triola, M. (2018). Estadística (12a ed.). (J. Murrieta, Trad.) Mexico D. F.: Pearson Education.
32
Universidad Continental | Manual
https://es.wikibooks.org/wiki/Tablas_estad%C3%ADsticas/Distribuci%C3%B3n_t_d
e_Student
33
Universidad Continental | Manual
UNIDAD 2:
PRUEBA DE HIPÓTESIS E INFERENCIAS
Diagrama de organización de la Unidad 2
34
Universidad Continental | Manual
Tema n° 1. Prueba de hipótesis para la proporción de una población y
Prueba de hipótesis para la media de una población.
En esta Unidad, exponemos los métodos iniciales que hacen posible probar una
afirmación realizada sobre alguna propiedad de una población, como por ejemplo
pudiera ser el caso de una publicación en una revista especializada que menciona que,
en América Latina, el promedio de inversión en Educación de las familias es el más bajo
de todas las regiones del mundo, a excepción de África. ¿Cuán importante puede ser
responder a la interrogante que se hace respecto de la veracidad de este tipo de
afirmaciones? Conocer la veracidad de estas afirmaciones resulta importante por
cuanto puede aportar un conocimiento clave para la toma de decisiones en el
mercadeo.
El desarrollo de las pruebas de Hipótesis en este acápite solo considerara los casos en
los que estén involucradas una o dos muestras y se quieran probar valores de medias,
proporciones y varianzas.
1. Prueba de Hipótesis:
1.1. Hipótesis
En estadística, una hipótesis es una aseveración o afirmación acerca de una
propiedad de una población. (Jurado, 2017)
A. Planteamiento de Hipótesis
35
Universidad Continental | Manual
continuación, se presentan nueve ejemplos diferentes de hipótesis
alternativas que incluyen proporciones, medias y desviaciones estándar:
-Z +Z -Z Z
Valor crítico Valor crítico Valor crítico Valor crítico
H1 p 0.50 H1 < 50.23 H1 p > 0,23
Dos colas Una cola Una cola
36
Universidad Continental | Manual
Proporción Media Varianza Dos varianzas
𝑝̂−𝑝 2
𝑠𝑚𝑎𝑦𝑜𝑟
𝑥̅ −𝜇
z= t= (𝑛−1)𝑠2 F=
√
𝑝𝑞 𝑠 2 = 2
𝑆𝑚𝑒𝑛𝑜𝑟
𝑛 √𝑛 𝜎2
D. Decisión sobre H0
E. Conclusión
Figura 12: Formas de plantear una conclusión. Tomado de Estadística, por Mario Triola,
2009.
Estadístico de prueba:
𝑝̂−𝑝
Z=
𝑝(1−𝑝)
√
𝑛
37
Universidad Continental | Manual
Donde:
# 𝑒𝑥𝑖𝑡𝑜𝑠
𝑝̂ = proporción muestral; 𝑝̂ =
𝑛
n = tamaño de la muestra
Datos
#exitos=429
H0: p 0,5
429
𝑝̂ =
703 H1: p > 0,5 (la mayoría de los empleados consigue trabajo
por medio de una red de contactos)
𝑝̂ = 0,6102
Es una prueba de cola derecha.
= 0,05
Paso 2: Regla de decisión
Zcrit = 1,645
Tabla A - 2
1–
1.645
Valor crítico
Rechazar H0 si z 1,645
𝑝̂−𝑝 0.6102−0.5
z= = = 5,84
𝑝(1−𝑝) 0.5∗(1−0.5)
√ √
𝑛 703
38
Universidad Continental | Manual
Como el estadístico de prueba es 5,84 > 1.645
Paso 5: Conclusión:
Error Tipo I:
+β1
39
Universidad Continental | Manual
Si queremos disminuir los valores de y β, se debe aumentar el tamaño
de la muestra (n)
Ejemplo:
Datos
40
Universidad Continental | Manual
n = 703 Paso1: Planteamiento de hipótesis
#exitos=429
H0: p 0,5
429
𝑝̂ =
703 H1: p > 0,5 (la mayoría de los empleados consigue trabajo
por medio de una red de contactos)
𝑝̂ = 0,6102
= 0,05
Paso 2: Regla de decisión
Zcrit = 1,645
Rechazar H0 si Valor P
𝑝̂−𝑝 0.6102−0.5
z= = = 5,84 con este valor buscamos en
𝑝(1−𝑝) 0.5∗(1−0.5)
√ √
𝑛 703
la tabla de la distribución z A-3. El valor P = 0,0001
Paso 5: Conclusión:
Debe tenerse en cuenta que para aplicar esta regla se deben observar:
41
Universidad Continental | Manual
Una cola: la prueba es de cola derecha y el estadístico de prueba es
negativo o la prueba es de una cola izquierda y el estadístico de
prueba es positivo: el valor P debe hallarse restando uno menos el valor
encontrado en la tabla.
- n 30 ó
Donde:
n: es el tamaño de la muestra
𝑥̅ = media de la muestra.
Ejemplo:
Tabla 2:
Datos de Vida útil de viviendas
25 24 29 30 26 36 34 26 14
22 20 24 28 21 23 17 25 35
Solución:
42
Universidad Continental | Manual
Como se trata de un caso de muestra 1
pequeña n < 30, debemos probar que la
población es normal. Para ellos usamos 0.8
un gráfico p-p.
0.6
p(z)
Como se puede ver los puntos generados 0.4
en la gráfica resultan de comparar una
distribución normal con la distribución de 0.2
𝑥̅ = 25.5 H0: p 28
= 4,76 H1: p < 28 (la vida útil de una vivienda unifamiliar es menos
de 28 años en promedio)
= 0,05
Como se
conoce : Paso 2: Regla de decisión
Paso 5: Conclusión:
43
Universidad Continental | Manual
3.2. Prueba de hipótesis para la media poblacional con desviación
estándar desconocida.
𝑥̅ −𝜇
t= 𝑠
√𝑛
Donde:
n: Tamaño de muestra.
𝑥̅ : Media muestral.
Ejemplo: Una publicación en un diario local menciona que el gasto per cápita
en diversión en la región Junín es menor a S/.780 mensuales. Esta afirmación es
sometida a prueba al nivel de significancia del 1%. Se toma una muestra
aleatoria de 46 individuos y se logra una media en gastos de S/.768 con una
desviación estándar de S/.63. ¿Se puede asegurar que la afirmación del diario
es cierta? (Jurado, 2017)
Solución:
Datos
44
Universidad Continental | Manual
n = 46 Paso1: Planteamiento de hipótesis
H0: 780
𝑥̅ = 768
H1: < 780 (el gasto per cápita en diversión en la región
s = 63 Junín es menor a S/.780 mensuales)
conoce :
gl = 45
tcrit = -2.412
-2,412
Valor crítico
Rechace H0 si t ≤ - 2,412
Paso 5: Conclusión:
45
Universidad Continental | Manual
Tema n° 2. Inferencias acerca de dos proporciones poblacionales.
En el desarrollo de las pruebas se tienen casos en los que la comparación entre grupos
es necesaria. En este acápite trabajaremos la comparación de dos grupos.
Estadístico de prueba:
Donde:
#𝑒𝑥𝑖𝑠𝑡𝑜𝑠1 +#𝑒𝑥𝑖𝑡𝑜𝑠2
𝑝̅ =
𝑛1 +𝑛2
Ejemplo:
Solución:
46
Universidad Continental | Manual
Dado que se cumplen las condiciones para la prueba (n > 30, más de 5 éxitos
en ambas muestras (87 y 94) y en consecuencia más de 5 fracasos, se puede
ejecutar una prueba de hipótesis para dos muestras.
Datos
(0.4971−0.4273)−0
Z=
1 1
√0.4582(1−0.4582)( + )
175 220
Z = 1,38
Paso 5: Conclusión:
47
Universidad Continental | Manual
No existe evidencia muestral suficiente para
probar que “Hay una diferencia significativa
en las proporciones de personas en los dos
grupos de edad que califican al programa”
Donde:
Ejemplo:
Solución:
Datos
30 a 39 40 a 49
48
Universidad Continental | Manual
n1 = 175 n2 = 220
#e1= 87 #e2 = 94
𝑃̂1 ∗ 𝑞̂1 𝑃̂2 ∗ 𝑞̂2
87 94
(𝑝1 − 𝑝2 ) = (𝑝̂1 − 𝑝̂2 ) ± 𝑧𝛼/2 *√ +
𝑝̂1 = 𝑝̂2 = 𝑛1 𝑛1
175 220
= 0,05
(𝑝1 − 𝑝2 ) = 0
𝑝1 = 𝑝2
49
Universidad Continental | Manual
Tema n° 3. Inferencias acerca de dos medias independientes.
En este caso los supuestos de normalidad se aplican a los conjuntos de datos que
intervienen en las pruebas. Es necesario verificar entonces:
- Las muestras son pequeñas y las poblaciones de las que fueron sacadas
son normales.
Donde:
Ejemplo:
Solución:
Datos
Hombres Mujeres
Paso1: Planteamiento de hipótesis
n1 = 40 n2 = 30
50
Universidad Continental | Manual
H1: 1 2 (Hay diferencia en las cantidades
que desembolsan los hombres
Como se conocen 1 y 2 se
debe usar Z y las mujeres)
Rechace H0 si Valor P
(135,67−98,64)−0
Z=
2 2
√35 +20
40 30
Z = 5,59
Paso 5: Conclusión:
51
Universidad Continental | Manual
Existe evidencia muestral suficiente para
probar que “Hay diferencia en las cantidades
que desembolsan los hombres y las mujeres”
Donde:
Ejemplo:
Solución:
Los supuestos necesarios se cumplen: se tienen muestras grandes (n1 y n2 > 30),
las desviaciones estándar son muestrales no se conocen 1 ni 2:
Datos
Empresarios Directivos
Paso1: Planteamiento de hipótesis
n1 = 61 n2 = 121
H0: 1 = 2
𝑥̅1 = 1,91 𝑥̅2 = 1,21
52
Universidad Continental | Manual
s1 = 1,32 s2 = 1,13 H1: 1 > 2 (el número medio de cambios de
empleo es mayor en el caso de
los empresarios británicos)
No se conoce 1 ni 2 por ello
hacemos una prueba de
igualdad de varianzas:
Prueba de una cola derecha
H0: 𝜎1 = 𝜎2
Paso 2: Regla de decisión
H1: 𝜎1 𝜎2
=0.01
1– gl = 180
Los grados de libertad son:
2.3488
gln = 61-1 =60 (s mayor)
Valor crítico
(1,91−1,21)−0
t=
F < 1,530 no rechazamos H0 1 1
√1,4321( + )
como verdadera. 61 121
t = 3,725
Asumimos 𝜎1 = 𝜎2
gl = n1 + n2 – 2
Paso 4: Decisión respecto de H0
gl = 61+121 – 2 = 180
El estadístico de prueba t =3,725 > 2,3488, por
tanto: Rechazamos H0 como verdadera y en
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22 consecuencia H1 es verdadera
𝑆𝑝2 =
𝑛1 +𝑛2 −2
(61−1)1.322 +(121−1)1.132
𝑆𝑝2 =
61+121−2 Paso 5: Conclusión:
1 1
(𝜇1 − 𝜇2 ) =(𝑥̅1 − 𝑥̅2 ) ± 𝑡𝛼/2 * √𝑆𝑝2 ( + )
𝑛1 𝑛2
53
Universidad Continental | Manual
3. Muestras independientes, no se conoce 1 y 2 pero no se asumen
iguales
Donde:
Ejemplo:
Tabla 3:
54
Universidad Continental | Manual
Con = 0,05, ¿cuál es su conclusión?
Solución:
Como las muestras son pequeñas (n1 y n2 < 30), las desviaciones estándar son
muestrales no se conocen 1 ni 2, debemos demostrar que las poblaciones
son normales. Un gráfico p-p para cada grupo:
En ambos casos se aprecia que los puntos se acercan bastante a una recta.
Por tanto, se asume que ambas poblaciones son casi normales, lo que es
suficiente para seguir con los cálculos.
Datos
H1: 𝜎1 𝜎2
gld = 12 - 1 = 11 1.740
Valor crítico
/2 = 0,025
Rechace H0 si t 1,740
55
Universidad Continental | Manual
Se rechazará H0 si F 3.3299
(𝐴+𝐵)2
gl = 𝐴2 𝐵2 Paso 4: Decisión respecto de H0
+
𝑛1 −1 𝑛2 −1
El estadístico de prueba t =2,142 > 1,740, por
(259.605+24.453)2 tanto: Rechazamos H0 como verdadera y en
gl = 259.6052 24.4532
+ consecuencia H1 es verdadera
16−1 12−1
𝑆12 𝑆2
(𝜇1 − 𝜇2 ) =(𝑥̅1 − 𝑥̅2 ) ± 𝑡𝛼/2 * √ + 𝑛2
𝑛1 2
56
Universidad Continental | Manual
Solución:
Los supuestos necesarios se cumplen: se tienen muestras grandes (n1 y n2 > 30),
las desviaciones estándar son muestrales no se conocen 1 ni 2:
Datos
Empresarios Directivos
n1 = 61 n2 = 121
s1 = 1,32 s2 = 1,13
1 1
(𝜇1 − 𝜇2 ) =(𝑥̅1 − 𝑥̅2 ) ± 𝑡𝛼/2 * √𝑆𝑝2 ( + )
𝑛1 𝑛2
No se conoce 1 ni 2 por ello
hacemos una prueba de
igualdad de varianzas:
H0: 𝜎1 = 𝜎2 1 1
(𝜇1 − 𝜇2 ) =(1,91 − 1,21) ± 2,603 * √1,4321 ( + )
61 121
H1: 𝜎1 𝜎2
Asumimos 𝜎1 = 𝜎2
(𝜇1 − 𝜇2 ) = +
gl = n1 + n2 – 2
𝜇1 > 𝜇2
gl = 61+121 – 2 = 180
/2 = 0.005
Entonces con un nivel de confianza de 99%
𝑡𝛼/2 = 2,603
podemos afirmar que el cambio medio de
empleo en los Empresarios es superior al de
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
Directivos en Gran Bretaña.
𝑆𝑝2 =
𝑛1 +𝑛2 −2
(61−1)1.322 +(121−1)1.132
𝑆𝑝2 =
61+121−2
𝑆𝑝2 =1,4321
57
Universidad Continental | Manual
Tema n° 4. Inferencias de dos medias con muestras dependientes.
En este caso se debe usar la siguiente fórmula para calcular el estadístico de prueba:
𝑑̅ −𝜇𝑑
t= 𝑆𝑑
√𝑛
Donde:
Ejemplo:
Tabla 4:
Datos comparación de gastos en restaurants
Usuario 1 2 3 4 5 6 7 8 9 10 11 12
Gasto Antes 553 250 160 194 196 247 303 286 356 415 438 265
Gasto Actual 412 569 719 347 337 164 344 786 446 154 709 291
Solución
Como sólo se tiene 12 usuarios de tarjetas de débito en la muestra, y por cada uno
de ellos se da dos datos (antes y después), se reconoce que se tiene datos
emparejados (relacionados).
Usuario 1 2 3 4 5 6 7 8 9 10 11 12
Gasto Antes 553 250 160 194 196 247 303 286 356 415 438 265
Gasto Actual 412 569 719 347 337 164 344 786 446 154 709 291
58
Universidad Continental | Manual
D 141 -319 -559 -153 -141 83 -41 -500 -90 261 -271 -26
Se puede escribir:
Datos
t = -1.796
Paso 2: Regla de decisión
=0.05
gl = 11 1–
- 1.796
Valor crítico
Rechace H0 si t -1,796
𝑑̅ −𝜇𝑑
t= 𝑆𝑑
√𝑛
−134,583−0
t= 246,608
√12
59
Universidad Continental | Manual
t = - 1,890
Paso 5: Conclusión:
60
Universidad Continental | Manual
De la teoría a la práctica:
LECTURA N° 2:
Una mirada a los programas sociales (tomado de Estadística inferencial
por Jurado, 2017
La inclusión social es parte fundamental del nuevo discurso político. Aquí se describen
los nuevos programas sociales a la luz de la experiencia de los anteriores gobiernos.
“Por lo menos ésa es la percepción que los peruanos proporcionaron en una encuesta
realizada por Ipsos APOYO
Opinión y Mercado, en que la Tabla 5: ¿Cuáles son los factores más importantes
para conseguir más inclusión social?
inversión en educación y la
promoción del empleo figuran
como los dos factores más
importantes para conseguir la
inclusión social; se deja en tercer
lugar la implementación de
programas para los pobres. Así, la
percepción de la política social
dejó de ser asistencialista para
dar paso a un enfoque
productivo, en que la educación
y el empleo asegurarán que las poblaciones más excluidas cuenten con una mejor
posición competitiva para superar la pobreza” (Alfaro & Macera, 2011).
La encuesta menciona considera un porcentaje total de 39% cree que el factor más
importante para conseguir más inclusión social es la promoción de la creación de
empleos. ¿Esto nos podría dar la seguridad de que un 40% está de acuerdo con este
factor como el más importante?
61
Universidad Continental | Manual
Actividad N° 2: Auto evaluación - Pruebas de Hipótesis (cuestionario en
línea)
Ingrese al Aula Virtual >> Unidad 2 >> Autoevaluación
Foro 2:
“De forma breve plantee y describa un problema de investigación y su hipótesis
General de diseño experimental en el ámbito de su desempeño laboral. Detalle
la muestra, y explique el procedimiento necesario para probar la hipótesis”
Ingrese al Aula Virtual, a la pestaña de la 2 Unidad >> Foro 2:
Lea la consigna y las instrucciones.
Escriba su respuesta a la pregunta tomando en cuenta las indicaciones
de la consigna.
62
Universidad Continental | Manual
GLOSARIO DE LA UNIDAD II:
Varianza poblacional: Promedio de la distancia total entre cada observación (en la
población) y la media (Newbol, Carlson, & Thorne, 2008, p. 57).
Distribución Chi (Ji) cuadrada: En una población distribuida normalmente con varianza
2, suponga que seleccionamos al azar muestras independientes de tamaño n y, para
cada muestra, calculamos la varianza muestral s2 (que es el cuadrado de la desviación
estándar muestral s). El estadístico muestral 2 = (n – 1)s2 / 2 tiene una distribución
llamada distribución chi cuadrada (Triola, 2009, p. 437).
Nivel de significancia Valor del área crítica o de rechazo de H0, es también el valor de
la probabilidad de cometer un error de tipo I (Triola, 2009, p. 392).
Bibliografía de la Unidad 2
Alfaro, D., & Macera, D. (2011). Una mirada a los programas sociales [mensaje en un
blog]. Obtenido de https://www.grade.org.pe/novedades/una-mirada-a-los-
programas-sociales/
Anderson, D., Dennis, S., & Thomas, W. (2012). Estadística para negocios y economía.
México D. F.: CENGAGE Learning.
Banco Central de Reserva del Perú. (2019). Banco Central de Reserva del Perú.
Recuperado el 21 de junio de 2019, de BCRP Data:
https://estadisticas.bcrp.gob.pe/estadisticas/series/trimestrales
63
Universidad Continental | Manual
Díaz, A. (2013). Estadística aplicada a la administración y la economía. Mexico D. F.: Mc
Graw Hill Education.
León, M. (18 de junio de 2019). Las balanzas dle bienestar. Recuperado el 19 de junio de
2019, de El Pa´s:
https://elpais.com/elpais/2019/06/17/opinion/1560781691_381446.html
Levin, R., & Rubin, D. (2004). Administración para Administración y Economía. Mexico D.
F.: Pearson Education.
Lind, D., Marchal, W., & Wathe, S. (2012). Estadística aplicada a los negocios y la
economía (15a ed.). Mexico D. F.: Mc Graw Hill Education.
Manetto, F. (9 de Noviembre de 2018). Los ingresos per cápita de América Latina llevan
60 años estancados. El País, pág. 12. Recuperado el 24 de febrero de 2019, de
https://elpais.com/internacional/2018/11/08/colombia/1541659854_428801.html
Newbol, P., Carlson, W., & Thorne, B. (2008). Estadística para Administración (6a ed.). (R.
Esther, Trad.) Madrid: Pearson Education.
Pontificia Universidad Catolica del Perú. (2009). Instituto de Opinión Pública - Data. (I. d.
Pública, Editor) Obtenido de https://docs.google.com/viewer?url=http://iop-
data.pucp.edu.pe/media/archivos/2009/11/1/IOP_1109_01_F.pdf&embedded=
true0
Real Academia Española. (2019). Diccionario de la Lengua española (pagina web). (R.
A. Española, Editor) Obtenido de
http://lema.rae.es/dpd/srv/search?key=aleatorio
Triola, M. (2018). Estadística (12a ed.). (J. Murrieta, Trad.) Mexico D. F.: Pearson Education.
64
Universidad Continental | Manual
Universidad de Valladolid. (13 de abril de 2012). Probabilidad y Estadística orientada a
la Economía y la Empresa. Recuperado el 11 de agosto de 2016, de Probablidad
y Distribuciones: http://www5.uva.es/estadmed/datos/series/series1.htm
65
Universidad Continental | Manual
UNIDAD 3:
ANÁLISIS DE VARIANZA, EXPERIMENTOS MULTINOMIALES
Y TABLAS DE CONTINGENCIA Y ESTADÍSTICA NO
PARAMÉTRICA
Diagrama de organización de la Unidad 3
66
Universidad Continental | Manual
Introducción
¿Cómo podemos probar que una campaña de incentivos puede brindarnos resultados
comprobados de eficiencia en un mercado con grupos diferenciados de clientes?
¿Cómo podemos asegurar que durante el desarrollo de las actividades de producción
existe una considerable mejora real en la producción y que método nos sería más útil?
Cuestiones como éstas tiene una respuesta en la primera parte de esta unidad. El análisis
de la varianza nos permite realizar pruebas de hipótesis con más de dos medias lo que
permite comparar por ejemplo el efecto de tres o más formas de incentivos de compra
y su impacto en las ventas, los niveles de compra entre grupos de clientes diferenciados
por sus estilos de vida.
El autor
67
Universidad Continental | Manual
Tema n° 1. Análisis de la Varianza.
En el desarrollo de pruebas de hipótesis, este procedimiento se aplica cuando se tiene
3 o más grupos que comparar mediante una variable cuantitativa. Los grupos se
encuentran delimitados por las formas en que se aplica una variable.
Requisitos
Distribución F:
Este estadístico se ajusta una distribución F, de la que podemos encontrar valores críticos
en la tabla VI.
68
Universidad Continental | Manual
Figura 15: Curva de la distribución F. Tomado de Jurado, 2017 (Jurado, 2017)
𝑆𝐶𝑇𝑟 𝐶𝑀𝑇𝑟
Tratamiento SCTr gln = K – 1 CMTr =
𝑔𝑙𝑛 𝐶𝑀𝐸
𝑆𝐶𝐸
Error SCE gld =N – K CME =
𝑔𝑙𝑑
Donde:
69
Universidad Continental | Manual
nj: Tamaño de la muestra j.
k: Número de muestras.
Ejemplo:
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 tamaño parecido. Se envían cajas rojas a 6 de estas
tiendas, cajas amarillas a 5 y cajas azules a los 5 restantes. Después de unos
días, se comprueba el número de cajas vendidas en cada tienda. La tabla
adjunta muestra los resultados (en decenas de cajas) obtenidos. (Newbol,
Carlson & Thorne, 2008)
Tabla 7.
Datos Cereales
Rojo Amarillo Azul
43 52 61
52 37 29
59 38 38
76 64 53
61 74 79
81
Solución:
70
Universidad Continental | Manual
nj 6 5 5
𝑥̅𝑗2 62 53 52
𝑥̿ = 56.0625 K=3 N = 16
SCTr = (62 − 56,0625)2 (6) + (53 − 56,0625)2 (5) + (52 − 56,0625)2 (5)= 340,9375
Origen SC gl CM F
Total 3948,94134 15
Rechazar H0 si F 3,8056
Paso5: Conclusión:
Como queríamos probar que había diferencia entre las medias H1, y esta
resultó ser falsa:
71
Universidad Continental | Manual
Tabla 8:
ANOVA de dos factores diseño aditivo. Fórmulas
Origen SC Gl CM F
𝑆𝐶𝐹 𝐶𝑀𝐹
Filas SCF glf = L – 1 CMF =
𝑔𝑙𝑓 𝐶𝑀𝐸
𝑆𝐶𝐶 𝐶𝑀𝐶
Columnas SCC glc = K – 1 CMC =
𝑔𝑙𝑐 𝐶𝑀𝐸
𝑆𝐶𝐸
Error SCE gle CME =
𝑔𝑙𝑒
Donde:
Columnas
Filas
nj: Tamaño de la muestra en la
ni: Tamaño de la muestra en la fila i.
columna j.
𝑥̅𝑖 : Media de la muestra en la fila i.
𝑥̅𝑗 : Media de la muestra j.
𝑆𝑖 : Desviación estándar de la
𝑆𝑗 : Desviación estándar de la
muestra en la columna i.
muestra de la columna j.
L: N° de filas
K: Número de columnas.
Ejemplo:
72
Universidad Continental | Manual
Tabla 9.
Tiempos de recorrido Tiempo de recorrido de Starbrick a
Warren (minutos)
Deans 18 17 26 22
Snaverly 16 23 23 21
Ormson 17 21 26 27
Zollaco 19 22 29 25
Filbeck 18 23 28 28
Solución
Si realizamos solo una prueba con las rutas es probable que esta variable no
sea la única que influye en los tiempos, por ello se considera una variable
interviniente como es el factor humano (conductor).
nj 5 5 5 5 N= 20
SCF = (20,75 − 22,45)2 (4) + (20,75 − 22,45)2 (4) + (22,75 − 22,45)2 (4) + (23,75 −
22,45)2 (4) + (24,25 − 22,45)2 (4)
SCF = 43.2
73
Universidad Continental | Manual
SCC = (17,6 − 22,45)2 (5) + (21,2 − 22,45)2 (5) + (26,4 − 22,45)2 (5) + (24,6 −
22,45)2 (5)
SCC = 226.55
SCT = 20(15,75)
SCT = 314.95
SCE = 45.2
Tabla ANOVA
Origen SC Gl CM F
Total 314,95 19
Paso1: Paso1:
H0: 1 = 2 = 3 = 4 = 5 H0: 1 = 2 = 3 = 4
H1: Por lo menos un chofer tiene un H1: Por lo menos una ruta tiene un
nivel tiempo diferente en promedio. nivel tiempo diferente en promedio.
Con = 0.05, gln = 4 gld = 12 el valor Con = 0.05, gln = 3 gld = 12 el valor
crítico en la tabla VI es 3.2592 crítico en la tabla VI es 3.4903
F = 2.867 F = 20.049
74
Universidad Continental | Manual
Paso4: Decisión respecto de H0: Paso4: Decisión respecto de H0:
Paso5: Conclusión:
Paso5: Conclusión:
Existen muchos métodos, pero el que usaremos aquí será el de LSD de Fisher:
Regla de decisión:
Donde:
1 1
LSD = 𝑡𝛼/2 √𝐶𝑀𝐸 ( + )
𝑛 𝑛
𝑖 𝑗
Cálculo de LSD:
1 1
LSD = 𝑡𝛼/2 √𝐶𝑀𝐸 ( + )
𝑛 𝑛
𝑖 𝑗
1 1
LSD = 2,120 √3.767 ( + )
5 5
LSD = 2,602
75
Universidad Continental | Manual
Se calcula solo un valor ya que se tienen muestras del mismo tamaño (n j=5)
Pruebas Múltiples:
Podemos afirmar que las medias diferentes son 1, 2 y 4 solo son iguales 3 y
4. Una gráfica con las medias de cada grupo podría orientarnos mejor:
30
26.4
24.6
25
21.2
20
17.6
15
CAR R E T E R A 6 WEST END HICKORY ST. RUTA 59
76
Universidad Continental | Manual
Tabla 10:
Tabla ANOVA de dos factores diseño AxB - Fórmulas
Origen SC gl CM F
𝐶𝑀𝐹
Filas (A) SCF L–1 CMF
𝐶𝑀𝐸
𝐶𝑀𝐶
Columnas (B) SCC K–1 CMC
𝐶𝑀𝐸
𝐶𝑀𝐴𝑥𝐵
A x B (interacción SCAxB (L-1)(K-1) CMAxB
𝐶𝑀𝐸
2 2
(∑𝐾 (∑𝐿
𝑗 𝑥𝑗 )
𝑖 𝑥𝑖 )
SCF = ∑𝐿𝑖 –C SCC = ∑𝐾
𝑗 –C SCAxB = SCM – (SCF + SCC)
𝑛𝑖 𝑛𝑗
2
(∑𝑘 𝐿
𝑗 ∑𝑖 𝑥𝑖𝑗 )
SCM = –C SCT = N*𝜎𝑇𝑜𝑡𝑎𝑙
2
SCE = SCT – (SCF + SCC + SCAxB)
𝑛𝑖𝑗
Donde:
C = (∑𝑁
𝑖 𝑥𝑖 ) /N
2
2
𝜎𝑇𝑜𝑡𝑎𝑙 : Desviación estándar poblacional de todos los datos.
Ejemplo:
77
Universidad Continental | Manual
Tabla 11:
Datos Efecto tamaño de anuncio
Diseño Pequeño Grande
8 10 12 13
A
12 11 8 9
21 23 17 18
B
14 20 30 28
10 15 18 19
C
18 17 14 15
Fuente: Anderson, 2012
Solución:
Paso1:
H0: 1 = 2 = 3 = 4 = 5
Rechazar H0 si F 3,5546
De la tabla ANOVA:
F = 16,7246
Paso5: Conclusión:
Existe evidencia muestral suficiente para probar que “por lo menos un tipo de
diseño produce un número de solicitudes promedio diferente”.
78
Universidad Continental | Manual
Tamaño de anuncio:
Paso1:
H0: 1 = 2
Rechazar H0 si F 4,4139
De la tabla ANOVA:
F = 1,3935
Paso5: Conclusión:
Paso1:
Rechazar H0 si F 3,5546
De la tabla ANOVA:
F = 0,4347
Paso5: Conclusión:
79
Universidad Continental | Manual
80
Universidad Continental | Manual
Tema n° 2. Experimentos mutinomiales y tablas de contingencia.
1. Experimentos multinomiales.
1.1. Bondad de ajuste
En esta unidad iniciamos revisando las pruebas que tiene por objetivo
comparar las formas de las distribuciones en variables que no cumplen con los
requisitos de normalidad.
Donde:
Gl: k – 1
En la Tabla IV se muestran los valores críticos para áreas de cola derecha con
gl = k - 1
Limitaciones:
81
Universidad Continental | Manual
1.2. Frecuencias uniformes.
Tabla 12:
Datos Bubba's Fish and Pasta
Plato favorito Frecuencia
Pollo 32
Pescado 24
Carne 35
Pasta 29
Total 120
¿Es razonable concluir que no hay preferencia entre los cuatro platillos?
82
Universidad Continental | Manual
cada platillo es seleccionado, o se debe concluir que los platillos no tienen el
mismo grado de popularidad? (Lind, Marchal & Wathe, 2012)
Pollo 32 30
Pescado 24 30
Carne 35 30
Pasta 29 30
Si 2 7,8147 rechazar H0
(32−30)2
Pollo 32 30 = 0,1333
30
(24−30)2
Pescado 24 30 = 1,2
30
(35−30)2
Carne 35 30 = 0,8333
30
(29−30)2
Pasta 29 30 = 0,0333
30
2 = 2,2
83
Universidad Continental | Manual
Paso5: Conclusión
Tabla 13:
Datos Producto financiero
Producto Financiero Frecuencia
Cred. Personal 175
Cred. Hipotecario 126
Dep. L. Plazo 105
Cred. Capital 294
Total 120
Fuente: Jurado, 2017
Solución:
Rechazar H0 si 2 7,8147
84
Universidad Continental | Manual
Frecuencia Frecuencia
(𝑶 − 𝑬)𝟐
Producto Financiero p
O E 𝑬
(175−105)2
Cred. Personal 175 0,15 700(0,15) = 105 = 46,667
105
(126−175)2
Cred. Hipotecario 126 0,25 700(0,25) = 175 = 13,72
175
(105−210)2
Dep. L. Plazo 105 0,30 700(0,30) = 210 = 52,50
210
(294−210)2
Cred. Capital 294 0,30 700(0,30) = 210 = 33,60
210
2 = 146,487
Paso5: Conclusión
Como queríamos probar que las proporciones cambiaron (H1) lo que resulto
verdadero:
Existe evidencia muestral suficiente para probar que: “estas proporciones
cambiaron”
Ejemplo:
Tabla 14:
Datos Vehiculos Applewood
Ganancia Frecuencia
$200 a $600 8
600 a 1000 11
1000 a 1400 23
1400 a 1800 38
1800 a 2200 45
2200 a 2600 32
2600 a 3000 19
3000 a 3400 4
Total 180
85
Universidad Continental | Manual
Fuente:Lind, Marchal &
Wathe, 2012.
𝑥−𝜇 $200−$1843,17
𝑧= = = -2.55
𝜎 643,63
Este resultado indica que el límite inferior de esta clase está a 2.55 desviaciones
estándar por debajo de la media. Según la tabla III, la probabilidad de
encontrar un valor z menor a -2.55 es de 0.0054.
𝑥−𝜇 $600−$1843,17
𝑧= = = -1,93
𝜎 643,63
P($200 < x < $600) = P(-2,55 < z < 1,93) = 0,0268 – 0,0054 = 0,0214
86
Universidad Continental | Manual
Esto es, alrededor de 2,14% de los vehículos vendidos generará una ganancia
de entre $200 y $600.
Existe una probabilidad de que la ganancia obtenida sea menor a $200. Para
encontrarla:
2 = 3.1957
87
Universidad Continental | Manual
Paso2: Regla de decisión:
Rechazar H0 si 2 12.591
2 = 3,1957
Paso5: Conclusión
Existe evidencia muestral suficiente para probar que “Las ganancias siguen
una distribución normal con = $1843,17 y = $643,63”
88
Universidad Continental | Manual
2. Tablas de contingencia:
Una tabla de contingencia es un arreglo matricial que incluye las frecuencias
que corresponde a las categorías de dos variables categóricas:
Tabla 15:
Ejemplo - Tabla de contingencia
Pésimo 45 36 28 16 10
Malo 35 36 30 12 8
Regular 23 20 18 15 16
Bueno 18 22 21 33 25
Excelente 15 18 25 32 25
Donde:
89
Universidad Continental | Manual
plantean en el caso de la Ford Motor Company que opera una planta de
ensamble en Dearborn, Michigan. La planta opera tres turnos. El gerente de
control de calidad quiere comparar el nivel de calidad en los tres turnos. Los
vehículos se clasifican por su nivel de calidad (aceptable, inaceptable) y por
turno (matutino, vespertino, nocturno). ¿Hay alguna diferencia en el nivel de
calidad en los tres turnos? Es decir, ¿está relacionada la calidad del producto
con el turno donde se fabricó?
Donde:
Ejemplo:
Tabla 16:
Datos Ford Motro Company
Nivel de Calidad
Total, de
Turno Aceptable Inaceptable
Filas
1 12 14 26
2 18 23 41
3 6 14 20
Total 36 51 87
90
Universidad Continental | Manual
Fuente: Lind, Marchal & Wathe, 2012.
Solución:
Rechazar H0 si 2 5,991
O E
Total Total
Turno Aceptable Inaceptable de Turno Aceptable Inaceptable de
Filas Filas
1 12 14 26 1 10,759 15,241 26
2 18 23 41 2 16,966 24,034 41
3 6 14 20 3 8,276 11,724 20
Total 36 51 87 Total 36 51 87
Total
Turno Aceptable Inaceptable
(12 − 10.759)2 (14 − 15.241)2
1
10.759 15.241
(18 − 16.966)2 (23 − 24.034)2
2
16.966 24.034
(6 − 8.276)2 (14 − 11.724)2
3
8.276 11.724
Total 1.419
2 = 1,419
91
Universidad Continental | Manual
Paso4: Decisión respecto de H0
Paso5: Conclusión
92
Universidad Continental | Manual
Tema n° 3. Estadística no paramétrica: Prueba de rangos con signo de
Wilcoxon para datos apareados y Prueba de la suma de rangos de
Wilcoxon para dos muestras independientes.
1. Prueba de rangos con signo de Wilcoxon para datos apareados
Es una prueba aplicada cuando se tiene muestras pequeñas o de variables
categóricas con las que no se puede demostrar una distribución normal en los datos.
El estadístico de prueba:
Así se tiene:
Según (Newbol, Carlson & Thorne, 2008), si la muestra es grande (n > 20) se
puede aproximar a la normal:
𝑛(𝑛+1)
𝜇𝑇 =
4
𝑛(𝑛+1)(2𝑛+1)
𝜎𝑇 = √
24
𝑇−𝜇𝑇
z=
𝜎𝑇
Ejemplo:
93
Universidad Continental | Manual
Tabla 17:
Datos valoración de salsa
Valoración
Producto Producto
Estudiante
Original nuevo
A 6 8
B 4 9
C 5 4
D 8 7
E 3 9
F 6 9
G 7 7
H 5 9
Fuente: Elaboración propia
Solución:
Para obtener el valor crítico se debe contabilizar “n” sólo con las parejas de
datos cuyas diferencias no sean “cero”.
Se debe tener cuidado al ingresar a la tabla A-8, ya que en esta los valores
críticos se dan para a una cola como para dos.
Paso1: Hipótesis
H0: Med = 0
H1: Med < 0 Se prefiere la nueva salsa. (la mayoría de los puntajes en la
segunda muestra son mayores)
Rechazar H0 si T 4
94
Universidad Continental | Manual
Paso3: Calculo del estadístico de prueba
Rango
Estud. original nuevo D Rango (-) (+)
inicial
A 6 8 -2 3 3 3
B 4 9 -5 6 6 6
C 5 4 1 1 1,5 1,5
D 8 7 1 2 1,5 1,5
E 3 9 -9 7 7 1
F 6 9 -3 4 4 4
G 7 7 0 - -
H 5 9 -4 5 5 5
25 3
T=3
El Valor Crítico es 4 y T = 3
Paso5: Conclusión:
Como queríamos probar que la preferencia por el nuevo producto era mayor
(H1) lo que resultó verdadero:
Existe evidencia muestral suficiente para probar que: “existe una tendencia
general a preferir la nueva salsa a la original”
95
Universidad Continental | Manual
2. Prueba de la suma de rangos de Wilcoxon para dos muestras
independientes.
En este caso la prueba se aplica en muestras que no tienen relación. Se hace dos
mediciones en dos grupos diferentes.
Se asigna los rangos a todos los datos como se si se tratase de una sola muestra. La
prueba se basa en la idea de que la suma de rangos será casi la misma en ambas
muestras si no existiese diferencias significativas.
𝑛 (𝑛 +𝑛 +1)
𝑇− 1 1 2
2
Z=
𝑛 𝑛 (𝑛 +𝑛 +1)
√ 1 1 1 2
12
Donde:
Ejemplo
Tabla 18;
Datos Resistencia cables
Acabado
A B
3,21 3,49
3,43 3,37
3,35 3,67
3,51 3,50
339 3,31
3,17 3,29
3,48 3,52
3,42 3,37
96
Universidad Continental | Manual
3,29 3,44
3,40 3,53
Fuente: Díaz, 2013
Solución:
H0: MeA = MeB (no existe diferencia entre las distribuciones de las resistencias
entre los dos tipos de cable)
H1: MeA MeB
= 0.01
/2 = 0,005
97
Universidad Continental | Manual
T = 2+12+6+17+9+1+14+11+3.5+10 = 85,5
𝑛 (𝑛 +𝑛 +1)
𝑇− 1 1 2
2
Z=
𝑛 𝑛 (𝑛 +𝑛 +1)
√ 1 1 1 2
12
10(10+10+1)
85.5−
2
Z= = -1.47
10(10)(10+10+1)
√
12
Z > -2,575
Paso5: Conclusión:
Existe evidencia muestral suficiente para probar que “no existe diferencia entre
las distribuciones de las resistencias en los 2 tipos de cable (A y B)”
98
Universidad Continental | Manual
Tema n° 4. Pruebas no paramétricas: Prueba de Kruskal –Wallis y
Correlación de rangos de Spearman.
12 (∑ 𝑅1 )2 (∑ 𝑅2 )2 (∑ 𝑅3 )2
H= [ + + + . . . ] −3(𝑁 + 1)
𝑁(𝑁+1) 𝑛1 𝑛1 𝑛1
Donde:
ni : Tamaño de la muestra i.
Ejemplo:
Tabla 19:
St. Center
Swedish
Luke’s Piedmont
Medical
Memorial Hospital
56 103 42
39 87 38
48 51 89
38 95 75
73 68 35
99
Universidad Continental | Manual
60 42 61
62 107
89
Fuente: Elaboración propia
Solución:
H1: No todas las distribuciones de las poblaciones son iguales. Existe una
diferencia en los tiempos de espera en los tres hospitales.
Para este procedimiento asignamos los rangos a los datos como si se tratase
de una sola muestra:
Center
St. Luke’s Swedish
Rangos Rangos Piedmont Rangos
Memorial Medical
Hospital
56 9.0 103 20.0 42 5.5
39 4.0 87 16.0 38 2.5
48 7.0 51 8.0 89 17.5
38 2.5 95 19.0 75 15.0
73 14.0 68 13.0 35 1.0
60 10.0 42 5.5 61 11.0
62 12.0 107 21.0
89 17.5
∑ 𝑅1 = 58.5 ∑ 𝑅2 = 120 ∑ 𝑅3 = 52.5
n1 = 7 n1 = 8 n1 = 6
N = 21
12 (∑ 𝑅1 )2 (∑ 𝑅2 )2 (∑ 𝑅3 )2
H= [ + + + . . . ] −3(𝑁 + 1)
𝑁(𝑁+1) 𝑛1 𝑛1 𝑛1
H = 5.38
H < 5,991
100
Universidad Continental | Manual
Aceptamos H0 como verdadera, y H1 como falsa
Paso5: Conclusión:
Queríamos probar que había por lo menos un tiempo diferente (H1) lo que ha
resultados Falso:
No existe evidencia muestral suficiente para probar que “Existe una diferencia
en los tiempos de espera en los tres hospitales”
Como afirma (Díaz, 2013, p. 542) “Este coeficiente de correlación por rangos
es el equivalente no paramétrico del coeficiente de correlación de Pearson y
que se calcula para variables que están cuando menos en escala de intervalo
y se utiliza, de igual manera, para medir la relación que existe entre 2 variables
cualitativas ordinales o cuantitativas que no tienen distribución normal en sus
residuos. Mide tanto la intensidad como el sentido de la relación. Este
coeficiente de correlación por rangos se calcula para variables que están en
escala ordinal y asume los mismos valores que su contraparte paramétrica; es
decir, asume valores entre −1 y 1, en donde un valor de −1 significa que existe
una correlación inversa perfecta entre las 2 variables, un valor de 1 señala que
existe una correlación positiva perfecta y valores de 0 o cercanos a 0 son señal
de que no existe o existe poca relación entre las 2 variables”.
101
Universidad Continental | Manual
6 ∑ 𝑑2
rs = 1-
𝑛(𝑛2 −1)
Interpretación
rs = 0 Incorrelación
(Jurado, 2017).
6 ∑ 𝑑2
rs = 1-
𝑛(𝑛2 −1)
Donde:
Ejemplo:
En una investigación desarrollada en las empresas molineras de la región se
desea averiguar si existe relación entre el aprovechamiento de la oportunidad
de mercado y el desarrollo de sistemas de calidad. La tabla siguiente muestras
las puntuaciones obtenidas en inspecciones a las plantas de producción y las
puntuaciones obtenidas del análisis del aprovechamiento de oportunidades
de mercado (Jurado, 2017, p. 157):
102
Universidad Continental | Manual
Tabla 20:
Empresa A B C D E F G H I J
Oportunidad de
125 465 156 120 425 387 234 504 489 310
mercado
Sistema de calidad 36 145 39 39 97 98 48 233 215 72
Fuente: Elaboración propia
Solución:
600
Oportunidad de mercado
500
400
300
200
100
0
0 50 100 150 200 250
103
Universidad Continental | Manual
Paso3: Cálculo del estadístico de prueba:
Se debe cambiar el orden las variables dado que se entiende que, a mayor
desarrollo de sistema de calidad, mejor debe el aprovechamiento de las
oportunidades del mercado.
Asignamos rangos a los datos por separado según la variable y luego hallamos
las diferencias entre estos rangos:
Empresa A B C D E F G H I J
Sistema de
36 145 39 39 97 98 48 233 215 72
calidad
1 8 2.5 2.5 6 7 4 10 9 5
Oportunidad
125 465 156 120 425 387 234 504 489 310
de mercado
2 8 3 1 7 6 4 10 9 5
d -1 0 -0.5 1.5 -1 1 0 0 0 0
d2 1 0 0,25 2,25 1 1 0 0 0 0
d2 = 5.5
En la fórmula:
6 ∑ 𝑑2
rs = 1-
𝑛(𝑛2 −1)
6(5,5)
rs = 1-
10(102 −1)
rs = 0,6𝟑
̂
rs < 0,648
Paso5: Conclusión
Queríamos probar que existe relación entre las variables (H1) pero resultó falsa.
104
Universidad Continental | Manual
No existe evidencia muestral suficiente para probar que “existe relación entre
el aprovechamiento de la oportunidad de mercado y el desarrollo de sistemas
de calidad”
105
Universidad Continental | Manual
De la teoría a la práctica
LECTURA N° 3:
“La evaluación del desempeño es la piedra angular de los sistemas de
gestión de las personas que brinda tanto un beneficio para la
organización como para los colaboradores” (Jurado, 2017))
Entrevista a Pilar Quinteros Marquina, Gerente de Recursos Humanos de Merck Sharo &
Dohme Perú
La evaluación del desempeño hace énfasis específicamente en las variables que se van
a medir, cómo medirlas, cómo desarrollarlas y potenciarlas; cómo impulsarlas desde una
perspectiva organizacional.
106
Universidad Continental | Manual
En resumen, el sistema de evaluación del desempeño tiene como objetivo medir,
analizar y desarrollar las habilidades, conocimientos y comportamientos
estratégicamente requeridos por la organización (APTiTUS, 2009).
Los problemas surgen a raíz de una inadecuada medición y cuando estas mediciones
se empelan para promover incentivos, entonces estas mediciones pueden no tener
representatividad en su media, dado que las distribuciones de los puntajes no son
normales.
107
Universidad Continental | Manual
GLOSARIO DE LA UNIDAD 3
Muestras Independientes Son dos o más muestras que tienen elementos que no tienen
ninguna relación con otros en otras muestras. De ninguna manera forman parejas o se
asocian a valores de otras muestras (Anderson, Dennis & Thomas, 2012).
Muestras Relacionadas Dos o más muestras que tienen elementos que forman pares o
asociaciones con los datos de otras muestras y que en general pertenecen a una misma
unidad de análisis (Díaz, 2013).
Multinomial Se refiere a una variable que tiene múltiples categorías como Puesto de
trabajo: Gerente, jefe de área, Secretaria (Levin & Rubin, 2004).
Prueba Paramétrica Procedimiento estándar para realizar una prueba de hipótesis con
una población que tiene una distribución normal o casi normal (Newbol, Carlson &
Thorne, 2008).
Correlación: Una correlación existe entre dos variables cuando una de ellas está
relacionada con la otra de alguna manera (Triola, 2009).
Racha: Secuencia de sucesos iguales como bueno, bueno, bueno . . . o malo, malo ,
malo . . . (Triola, 2009),
Bibliografía Unidad 3
Alfaro, D., & Macera, D. (2011). Una mirada a los programas sociales [mensaje en un
blog]. Obtenido de https://www.grade.org.pe/novedades/una-mirada-a-los-
programas-sociales/
Anderson, D., Dennis, S., & Thomas, W. (2012). Estadística para negocios y economía.
México D. F.: CENGAGE Learning.
Banco Central de Reserva del Perú. (2019). Banco Central de Reserva del Perú.
Recuperado el 21 de junio de 2019, de BCRP Data:
https://estadisticas.bcrp.gob.pe/estadisticas/series/trimestrales
108
Universidad Continental | Manual
Díaz, A. (2013). Estadística aplicada a la administración y la economía. Mexico D. F.: Mc
Graw Hill Education.
León, M. (18 de junio de 2019). Las balanzas dle bienestar. Recuperado el 19 de junio de
2019, de El Pa´s:
https://elpais.com/elpais/2019/06/17/opinion/1560781691_381446.html
Levin, R., & Rubin, D. (2004). Administración para Administración y Economía. Mexico D.
F.: Pearson Education.
Lind, D., Marchal, W., & Wathe, S. (2012). Estadística aplicada a los negocios y la
economía (15a ed.). Mexico D. F.: Mc Graw Hill Education.
Manetto, F. (9 de Noviembre de 2018). Los ingresos per cápita de América Latina llevan
60 años estancados. El País, pág. 12. Recuperado el 24 de febrero de 2019, de
https://elpais.com/internacional/2018/11/08/colombia/1541659854_428801.html
Newbol, P., Carlson, W., & Thorne, B. (2008). Estadística para Administración (6a ed.). (R.
Esther, Trad.) Madrid: Pearson Education.
Pontificia Universidad Catolica del Perú. (2009). Instituto de Opinión Pública - Data. (I. d.
Pública, Editor) Obtenido de https://docs.google.com/viewer?url=http://iop-
data.pucp.edu.pe/media/archivos/2009/11/1/IOP_1109_01_F.pdf&embedded=
true0
Real Academia Española. (2019). Diccionario de la Lengua española (pagina web). (R.
A. Española, Editor) Obtenido de
http://lema.rae.es/dpd/srv/search?key=aleatorio
Triola, M. (2018). Estadística (12a ed.). (J. Murrieta, Trad.) Mexico D. F.: Pearson Education.
109
Universidad Continental | Manual
Universidad de Valladolid. (13 de abril de 2012). Probabilidad y Estadística orientada a
la Economía y la Empresa. Recuperado el 11 de agosto de 2016, de Probablidad
y Distribuciones: http://www5.uva.es/estadmed/datos/series/series1.htm
110
Universidad Continental | Manual
Unidad 4:
CORRELACIÓN, REGRESIÓN Y SERIES DE TIEMPO
Diagrama de organización de la Unidad IV
Resultado de aprendizaje de la Unidad 4:
Al finalizar la unidad, el estudiante será capaz de realizar pruebas de hipótesis de
correlación y regresión, y series de tiempo.
CONOCIMIENTOS HABILIDADES ACTITUDES
Tema n° 1. Correlación 1. Analiza y valida la • Valora reflexivamente la
1. Correlación correlación entre variables. importancia de la
Tema n° 2. Regresión 2. Calcula el intervalo de interpretación de los
lineal simple. predicción para la modelos de predicción y
Tema n° 3. Regresión estimación de valores de series de tiempo en la
múltiple pronosticados. toma de decisiones.
Tema n° 4. Series de 3. Identifica modelos de
tiempo.
regresión múltiple y los
1. Modelos de series de
interpreta.
tiempo.
2. Promedios móviles y 4. Realiza la suavización
suavizamiento exponencial.
exponencial. 5. Construye modelos de
3. Análisis de tendencia. series de tiempo y analiza
la tendencia y
estacionalidad.
6. Interpreta los modelos de
series de tiempo.
Actividad 1:
Participa del foro de discusión
sobre aplicación de la
correlación en el ámbito de
trabajo.
Actividad 2:
Evaluación del tema N° 1 y el
Tema N° 2
111
Universidad Continental | Manual
Introducción
En la estadística, se tienen métodos que permiten obtener estimaciones de pronósticos
en base a dos lo más variables cuantitativas. Los métodos aquí presentados tienen
condiciones de normalidad que retomamos de las unidades 1 y 2.
Así, si conocemos el desarrollo de los datos dos variables, se puede inferir que estas
variables tengan datos que de alguna manera se relacionen. Los métodos aquí
presentados nos van a permitir poner a prueba estas afirmaciones para luego mediante
el cálculo de la regresión, con los datos muestrales, obtener una función matemática
que permita realizar pronósticos sobre valores que no se encuentran en la muestra.
La primera desarrolla las pruebas de correlación entre dos variables, la segunda sobre
la regresión con dos variables, la tercera sobre la correlación y regresión de más de dos
variables, así como modelación no lineal y en la cuarta parte el desarrollo de técnicas
de predicción empleando series temporales.
El autor
112
Universidad Continental | Manual
Tema n° 1. Correlación.
1. Correlación
Cuando nos referimos a que existe correlación entre dos variables, como ejemplo
podemos mencionar dos variables muy conocidas el ámbito empresarial: Ingresos y
Ganancias, podemos intuir que estas dos variables se relacionan dado que de forma
empírica podemos afirmar que, a mayores Ingresos, mayores serán las ganancias en
una empresa, o viceversa.
En el desarrollo del análisis de los datos, no solo interesa si existe relación, sino que
además importa saber cómo es esa relación. Para esto un gráfico de dispersión nos
puede dar una respuesta más completa. Como ejemplo graficaremos los datos de
la siguiente tabla, en la que, cada pareja de datos se tomará como coordenadas
de puntos en el plano cartesiano:
Tabla 21:
Datos ejemplo correlación lineal
Empresa Ingresos Ganancias
Text SRL 26 11.6
COBA S. A. 18 5.3
Hilos S. A. 13 0.5
TRAP S. A. 17 2
DORIMAR 22 5.7
Hilandera 20 3.6
RICAB 15 0.81
Fuente: elaboración propia
Por ello es por lo que nuestro análisis girará en torno a la función lineal como modelo
del comportamiento de la relación entre las variables Independiente (x) y
dependiente (y)
113
Universidad Continental | Manual
2. Análisis de correlación lineal simple
114
Universidad Continental | Manual
La correlación se define como lineal directa cuando los valores de “y”
aumentan si los de “X” lo hacen.
Una correlación lineal inversa es aquella en la que los valores de “Y” disminuyen
cuando “X” aumenta.
𝑛 ∑ 𝑥𝑦−∑ 𝑥(∑ 𝑦)
r=
√𝑛 ∑ 𝑥 2 −(∑ 𝑥)2 √𝑛 ∑ 𝑦 2 −(∑ 𝑦)2
Mide la fuerza de la relación lineal entre las variables, por ello puede tener las
siguientes interpretaciones:
Interpretación
rs = 0 Incorrelación
115
Universidad Continental | Manual
Ejemplo:
50
Tabla 22:
Datos ejemplo Grava
40
Resist
%Grav.
Kg/cm2
8 10 30
22 25
10 15
20
3 7
12 16
10
15 18
30 42
18 21 0
0 10 20 30 40
25 37
Fuente: Elaboración
propia Figura 21: Gráfico de dispersión ejemplo cálculo de
coeficiente de correlación.
Fuente: Elaboración propia.
El análisis inicia con un gráfico de dispersión. Este nos indica que existe una
correlación lineal considerable entre las variables y que esta relación es
directa, a mayor % de Grava, mayor resistencia del suelo.
9(3826)−143(191)
r=
√9(2875)−(143)2 √9(5153)−(191)2
r = 0.97178736
Prueba de Hipótesis:
116
Universidad Continental | Manual
Rechazar H0 si |r| 0,666
𝑛 ∑ 𝑥𝑦−∑ 𝑥(∑ 𝑦)
r=
√𝑛 ∑ 𝑥 2 −(∑ 𝑥)2 √𝑛 ∑ 𝑦 2 −(∑ 𝑦)2
9(3826)−143(191)
r=
√9(2875)−(143)2 √9(5153)−(191)2
r = 0,97178736
Paso5: Conclusión
Queríamos probar que existía correlación entre las variables (H1) lo que resultó
verdadero:
Existe evidencia muestral suficiente para probar que “Existe correlación lineal
directa entre % de Grava y Resistencia del suelo”
1. Ecuación de regresión:
𝑦̂ = 𝑏0 + 𝑏1 𝑥
Donde:
117
Universidad Continental | Manual
𝑛 ∑ 𝑥𝑦−∑ 𝑥 ∑ 𝑦
b1 = y b0 = 𝑦̅ − 𝑥̅ 𝑏1
𝑛 ∑ 𝑥 2 −(∑ 𝑥)2
𝑦̂ = 𝛽0 + 𝛽1 𝑥
𝑦̂ = 𝛽0
𝑏1 −𝛽1
𝑡= 𝑆𝑒
√𝑠𝑥 ∗(𝑛−1)
Donde:
𝑛: Tamaño de muestra.
∑ 𝑦 2 −𝑏0 ∑ 𝑦−𝑏1 ∑ 𝑥𝑦
𝑆𝑒 = √
𝑛−2
Ejemplo:
Con los datos del ejemplo anterior, y ya que se ha probado que existe
correlación lineal directa, se procede a determinar la ecuación de regresión
Resist 9(3826)−(143)(191)
%Grav. n=9 𝑏1 =
Kg/cm2
9(2875)−1432
8 10
∑ 𝑥 = 143
22 25
10 15 ∑ 𝑦 = 191
𝑏1 = 1,3224
3 7
118
Universidad Continental | Manual
12 16 ∑ 𝑥 2 = 2875
15 18
∑ 𝑦 2 = 5153 𝑏0 = 21.2222 – 15,8889(1.¿,3224)
30 42
18 21 ∑ 𝑥𝑦 = 3826
25 37
𝑥̅ = 15.8889 𝑏0 = 0,3699
𝑦̅ = 21.2222
𝑦̂ = 0,3699 + 1,3224𝑥
Prueba de Hipótesis:
∑ 𝑦 2 −𝑏0 ∑ 𝑦−𝑏1 ∑ 𝑥𝑦
Se=√
𝑛−2
∑(𝑥𝑖 −𝑥̅ )2
Sx = √ = 8,6811
𝑛−1
5153−(0.3699)(191)−(1.3124)(3826)
Se=√
𝑛−2
n=9
Se= 8,7036
Reemplazando:
𝑏1 −𝛽1
t= 𝑆𝑒
√𝑠𝑥 ∗(𝑛−1)
1.3124−0
t= 8.7036
√8.6811∗8
t = 3,6999
119
Universidad Continental | Manual
t > 2,365
Paso5: Conclusión:
x = 28
𝑦̂ = 0,3699 + 1,3124𝑥
𝑦̂ = 0,3699 + 1,3124(28)
𝑦̂ = 37,1171 kg/cm2
120
Universidad Continental | Manual
Por ello cuando hablamos de un modelo regresión no referimos a un “modelo
probabilístico” con muchos posibles resultados para cada valor de la variable
independiente (Jurado, 2017):
𝑦̂ − 𝐸 < 𝑦 < 𝑦̂ + 𝐸
Donde:
E: Es el margen de error
1 𝑛(𝑥−𝑥̅ )2
𝐸 = 𝑡𝛼/2 ∗ 𝑠𝑒 ∗ √1 + +
𝑛 𝑛 ∑ 𝑥 2 +(∑ 𝑥)2
Ejemplo:
Solución:
Datos
121
Universidad Continental | Manual
1 𝑛(𝑥−𝑥̅ )2
𝐸 = 𝑡𝛼/2 ∗ 𝑠𝑒 ∗ √1 + +
𝑛 𝑛 ∑ 𝑥 2 +(∑ 𝑥)2
n=9
1 9(28−15.8889)2
∑ 𝑥 = 143 𝐸 = 2,306(8,7036) ∗ √1 + +
9 9(2875)+(143)2
∑ 𝑥 2 = 2875 𝐸 = 23,3543
𝑥̅ = 15,8889 𝑦̂ − 𝐸 < 𝑦 < 𝑦̂ + 𝐸
𝑆𝑒 = 8,7036
122
Universidad Continental | Manual
Tema n° 3. Correlación Regresión Lineal Múltiple.
Hablaremos ahora del análisis de correlación y regresión cuando se tiene más de una
variable independiente. El modelo general al que se ajustarán los datos será:
𝑦̂ = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽3 𝑥3 + ⋯
1. Correlación
Tabla 23:
ANOVA de un Factor – Fórmulas
Suma de Cuadrados
Origen gl F
Cuadrados medios
123
Universidad Continental | Manual
Fuente: Jurado, 2017
Ejemplo:
Tabla 24:
Datos ejercicio Correlación múltiple
Número de Tiempo de
Millas
Recorrido entregas viaje (hrs)
x1
x2 y
1 100 4 9.3
2 50 3 4.8
3 100 4 8.9
4 100 2 6.5
5 50 2 4.2
6 80 2 6.2
7 75 3 7.4
8 65 4 6.0
124
Universidad Continental | Manual
9 90 3 7.6
10 90 2 6.1
Usando Excel:
Tabla 25:
Tabla ANOVA de ejemplo de regresión múltiple
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 2 21,6005565 10,8002783 32,8783674 0,00027624
Residuos 7 2,29944349 0,32849193
Total 9 23,9
Fuente: Jurado, 2017
F = 32,8784
F > 4,7374
Paso5: Conclusión
Existe evidencia muestral suficiente para probar que “Existe correlación lineal
múltiple entre Tiempo de viaje y N° de millas, N° de entregas”
125
Universidad Continental | Manual
2.1. Ecuación de regresión
Tanto como en la regresión lineal simple, se debe obtener la ecuación de regresión.
Para este cálculo se emplea el método de los mínimos cuadrados. Un software
como Excel nos puede brindar:
Tabla 26:
Tabla de coeficientes ejemplo correlación múltiple
Estadístico
Coeficientes Error típico t Probabilidad
Intercepción -0,8687014 0,95154772 -0,9129352 0,3916343
Millas x1 0,0611346 0,00988849 6,18239696 0,00045296
N° entregas x2 0,92342537 0,22111346 4,17625125 0,00415662
Fuente: Jurado, 2017
H0: 𝛽1 = 0 H0: 𝛽2 = 0
H1: 𝛽1 0 H1: 𝛽2 0
= 0,05
Estadístico
Coeficientes Error típico t Probabilidad
Intercepción -0,8687014 0,95154772 -0,9129352 0,3916343
Millas x1 0,0611346 0,00988849 6,18239696 0,00045296
N° entregas x2 0,92342537 0,22111346 4,17625125 0,00415662
126
Universidad Continental | Manual
Para 𝛽1 : Para 𝛽2 :
Para 𝛽1 : Para 𝛽2 :
Paso5: Conclusión
Para 𝛽1 : Para 𝛽2 :
127
Universidad Continental | Manual
Tema n° 4. Series de tiempo.
“Fenómenos como las ventas, los gastos, el PBI, la producción de una fábrica, los
clientes atendidos, el desarrollo de factores económicos son ejemplos de aplicación
del Análisis de Series Temporales. En todos ellos los datos suceden en el tiempo y
varían aleatoriamente” (Jurado, 2017, p. 67).
“Por esto, una serie temporal se conoce como un suceso estocástico de variable
discreta-discreta, discreta-continua. Se compone de los datos aleatorios tomados
sucesivamente en el tiempo lo que configura una gráfica como:” (Jurado, 2017, p.
162)
1.8
1.6
1.4
1.2
Mediciones
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25
tiempo
1.1. Tendencia:
La tendencia es la componente que provoca que la serie se nueva de manera
ascendente, descendente o de forma constante. Se puede calcular usando
los métodos de regresión estudiados en anteriormente.
128
Universidad Continental | Manual
Figura 24: Formas de la componente Tendencia en la serie temporal,
Tomado de Estadística Inferencial. Manual de Auto aprendizaje, por
Sergio Jurado, 2017.
1.2. Estacional:
“La estacionalidad en una serie temporal provoca que a serie se mueva arriba
hacia debajo de manera periódica en periodos cortos, generalmente en
periodos de un año, por ello el nombre de Estacionalidad ya que las
variaciones suceden año a año en las mismas fechas, como las estaciones”
(Jurado, 2017, p. 75).
Repeticiones
estacionales
Promedio Móviles:
129
Universidad Continental | Manual
promedios pueden tomar una cantidad par de datos como una cantidad
impar.
= (345+342+338)/3
= (342+338+347)/3
130
Universidad Continental | Manual
Ejemplo: Calcule los promedios móviles de amplitud 4:
Se hace un cálculo de
promedios móviles buscando un
valor que coincida con un valor
de la variable Y.
131
Universidad Continental | Manual
En una serie temporal puede elegir una amplitud de promedio móvil de
acuerdo con comportamiento de los datos o en función de los periodos de
medición o toma de datos
1.3. Cíclico:
Se establece como aquella variación en la serie que produce cambios de
manera periódica, pero con periodos muy amplios, de más de un año.
Podemos citar como ejemplo de las causas de estas variaciones: los cambios
de gobiernos democráticos, el fenómeno del niño, . . .
132
Universidad Continental | Manual
1.4. Irregular
Los sucesos como los desastres naturales, terremotos, sunamis, huracanes y los
sucesos socio políticos como los golpes de estado en países poco
desarrollados, las guerras, los fenómenos económicos como las crisis
financieras . . . son causa de variaciones de este tipo. Son totalmente
aleatorias e impredecibles.
Modelo Aditivo:
Modelo Multiplicativo:
133
Universidad Continental | Manual
Solución:
a. Análisis de Tendencia
𝑦̂ = 4677,784 + 11,432𝑥
134
Universidad Continental | Manual
b. Índices Estacionales
Datos Promedio
4198,3
4553,2 4444,075
4588,3
4436,5
4553,2
4588,3 4577,875
4436,5
4733,5
4588,3
4436,5 4713,10
4733,5
5094,1
Dado que los promedios están ubicados al centro de cada grupo, para
que el resultado coincida con un valor de la serie original se vuelve a
calcular un promedio móvil de amplitud 2:
135
Universidad Continental | Manual
Fuente: Elaboración propia
De la ecuación general:
𝑌 𝑌
𝑦̂ = T * E * C * I despejando E= =
𝑇∗𝐶∗𝐼 𝑃𝑀
Determinamos el valor de los coeficientes estacionales E 0 =Y/PM4
Los índices :
fc = 4/3.99736
136
Universidad Continental | Manual
Los resultados obtenidos son los índices o componentes estacionales:
X = 28
T = Y = 4677,784 + 11,432𝑥
T = Y = 4677.784 + 11,432(18)
T = 4997,88
𝐸𝑇4 = 0,9967
Proyección:
137
Universidad Continental | Manual
De la teoría a la práctica
LECTURA N° 4:
"Las balanzas del bienestar" Margarita León. El País, 18 de junio de 2019.
“Imaginemos un Gobierno que decide destinar un 2% de su producto interior bruto a
prevenir y erradicar la violencia contra las mujeres. Los recursos se distribuyen en
medidas preventivas, en mejorar los mecanismos de detección, atender a las víctimas
y procurarles un presente y un futuro dignos. En el transcurso de unos años, aumentan
las denuncias, el número de agresiones y homicidios disminuye, y mejoran las
expectativas de las víctimas. La sociedad termina por comprender la raíz y complejidad
del fenómeno y muestra mayoritariamente su repulsa. Imaginemos ahora otro Gobierno
que destina esa misma proporción de su PIB a combatir la violencia provocada por el
narcotráfico. En este caso, los recursos se destinan casi en su totalidad a incrementar el
gasto militar y de las fuerzas de seguridad del Estado. Aquí, en cambio, la violencia que
se pretendía combatir, lejos de disminuir, aumenta. En un contexto de corrupción
generalizada, los homicidios se disparan justamente en los territorios con mayor
presencia del ejército y la policía. La inseguridad ciudadana alcanza niveles sin
precedentes.
¿Tiene ese mismo esfuerzo presupuestario el mismo valor añadido? Depende de lo que
entendamos por valor añadido. Si lo que evaluamos es el aumento del gasto en sí, es
probable que en el segundo ejemplo el saldo sea superior al estimular a su vez otros
gastos paralelos, como la producción de armas, por ejemplo. Si, por el contrario, lo que
nos interesa es constatar mejoras de progreso social, concluiríamos que, bajo
parámetros objetivables de calidad de vida de las comunidades más afectadas, su
incidencia es positiva en el primero y negativa en el segundo. Sin embargo, el indicador
más utilizado, por ser el más disponible, para analizar los esfuerzos en política pública de
los Estados y compararlos entre sí es precisamente la evolución del gasto en relación
con el PIB. Sin duda, el camino más corto, pero no el mejor. En general, evaluar las
balanzas públicas en función de la productividad y el crecimiento puede llegar a
distorsionar sobremanera la realidad porque mide a medias lo que pretende medir, y,
además, otras cosas importantes, como si somos más libres, felices o solidarios, ni siquiera
las observa.
138
Universidad Continental | Manual
economía resultaron unas nuevas sumas que consiguieron aumentar la riqueza europea
hasta en un 4%. Todo un contrasentido. A través de los desafíos impuestos por la crisis
ecológica, el aumento generalizado de la desigualdad y la automatización del empleo
es más fácil entender la perversidad de crecimientos que no asumen los límites sociales
o ecológicos.
- Ingrese al cuestionario.
- Lea las instrucciones con mucha atención.
- Realice los ejercicios.
139
Universidad Continental | Manual
GLOSARIO DE LA UNIDAD 4
Correlación: Una correlación existe entre dos variables cuando una de ellas está
relacionada con la otra de alguna manera (Triola, 2009)
Coeficiente de correlación lineal: Es el valor que mide la fuerza de la relación entre dos
variables . . . (Jurado, 2017).
Suavizamiento Proceso del método de Análisis de series temporales que permite quitar
la componente estacional de la serie (Anderson, Dennis & Thomas, 2012).
Variable independiente Variable que tiene la cualidad de tener datos que cuando se
producen, provocan que la variable dependiente los produzca (Jurado, 2017).
Bibliografía de la Unidad 4
Anderson, D., Dennis, S., & Thomas, W. (2012). Estadística para negocios y economía.
México D. F.: CENGAGE Learning.
140
Universidad Continental | Manual
Devore, J. (2008). Probabilidad y estadística para ingenieriía y ciencias. México D. F.:
CENGAGE Learning.
León, M. (18 de junio de 2019). Las balanzas dle bienestar [versión digital]. El País.
Recuperado de
https://elpais.com/elpais/2019/06/17/opinion/1560781691_381446.html
Levin, R., & Rubin, D. (2004). Administración para Administración y Economía. Mexico D.
F.: Pearson Education.
Lind, D., Marchal, W., & Wathe, S. (2012). Estadística aplicada a los negocios y la
economía (15a ed.). Mexico D. F.: Mc Graw Hill Education.
Newbol, P., Carlson, W., & Thorne, B. (2008). Estadística para Administración (6a ed.). (R.
Esther, Trad.) Madrid: Pearson Education.
Triola, M. (2018). Estadística (12a ed.). (J. Murrieta, Trad.) Mexico D. F.: Pearson Education.
141
Universidad Continental | Manual
3. APENDICES.
APENDICE A.
Tabla 31.
Tabla de Números Aleatorios
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15 C16 C17 C18 C19 C20
4 8 2 4 6 6 3 5 4 5 6 0 5 2 6 9 8 0 0 9
9 2 9 8 1 4 4 1 9 8 5 1 1 9 7 9 8 5 9 0
0 2 1 3 3 9 1 6 2 9 7 1 2 6 6 0 7 5 6 4
9 6 0 8 3 5 6 6 6 4 0 8 6 3 4 8 1 8 5 4
1 6 4 1 6 5 2 7 7 2 9 9 9 9 7 4 1 5 4 9
2 9 0 5 5 0 8 4 8 7 4 6 2 1 7 0 1 5 8 7
6 1 2 9 5 0 4 0 9 8 2 0 2 6 8 7 0 1 9 7
1 3 1 8 9 9 0 1 2 6 3 7 1 9 6 1 7 9 9 8
4 5 8 1 1 4 5 6 7 9 9 9 2 1 3 2 3 7 7 9
0 0 3 6 9 6 5 0 6 4 7 9 8 1 2 4 4 8 3 6
7 2 4 5 4 1 2 4 4 6 9 2 6 6 6 5 2 0 0 4
4 9 3 4 4 2 4 5 9 0 8 7 4 8 4 2 1 2 5 4
6 1 2 8 1 3 3 2 0 2 6 0 7 2 7 9 1 4 6 5
9 3 4 0 8 1 3 3 7 3 2 4 8 6 7 9 0 6 2 8
1 8 7 1 3 4 3 9 3 1 7 8 3 7 3 3 0 8 3 5
0 2 1 4 7 5 7 3 1 1 9 3 3 8 7 4 8 0 2 5
3 6 3 4 1 9 8 1 0 9 0 1 1 0 9 3 6 8 6 0
9 4 6 7 6 7 9 1 2 2 7 2 3 9 3 4 6 9 8 1
5 9 9 8 4 4 5 9 1 5 4 7 3 0 6 8 1 6 8 1
8 1 8 8 2 3 9 1 4 2 4 9 1 4 0 6 0 3 2 8
0 5 3 8 0 4 3 9 4 6 0 8 8 3 8 7 1 2 2 3
9 7 1 4 2 7 5 5 2 8 6 6 3 5 5 9 9 0 6 8
6 9 5 9 4 9 1 8 2 0 2 5 3 9 1 2 0 3 0 8
7 4 9 1 4 8 8 6 6 8 5 9 4 8 5 7 7 9 6 7
3 8 1 2 2 4 0 1 4 5 7 7 4 0 4 8 9 4 7 0
9 9 9 7 8 0 0 9 3 2 7 0 5 0 2 7 8 7 3 6
4 8 1 5 8 5 5 1 4 9 6 4 4 4 7 4 5 7 5 0
8 6 7 3 6 1 7 1 1 3 5 5 7 4 4 7 6 7 2 8
4 7 1 4 0 3 6 2 4 4 4 4 0 3 6 3 4 1 2 8
6 5 5 8 8 4 3 4 8 9 0 6 7 6 0 0 8 6 8 4
9 2 0 9 8 2 8 3 4 3 2 8 9 4 8 7 9 4 9 4
1 3 7 9 4 8 3 7 0 8 6 6 6 8 4 1 1 3 1 3
3 3 2 5 6 7 6 1 6 6 1 7 6 5 8 1 6 2 2 7
9 9 9 8 2 8 8 1 9 1 6 2 7 5 1 8 6 1 4 4
1 7 5 4 0 9 5 7 8 7 5 0 8 6 6 2 5 3 2 3
2 7 1 7 8 8 3 8 6 9 9 2 7 4 5 9 5 6 6 6
6 0 9 2 6 1 5 1 2 3 1 8 1 2 0 8 6 4 4 0
3 3 6 3 4 9 6 4 4 9 8 5 7 3 3 4 2 3 2 8
0 1 9 7 9 7 9 4 4 1 6 6 7 7 0 7 9 8 6 8
4 7 1 5 3 7 0 9 2 5 2 1 0 0 4 0 4 6 8 8
7 8 9 9 6 8 5 6 8 1 9 2 7 5 1 7 0 1 5 5
2 2 3 3 1 8 1 9 8 4 2 8 5 2 8 1 7 6 4 6
2 6 6 4 1 4 8 1 0 6 0 1 3 4 0 9 1 2 8 6
5 1 9 0 3 9 1 6 1 7 8 8 2 8 0 7 8 4 8 0
9 0 5 8 4 9 2 2 3 9 8 5 9 5 7 8 4 9 9 4
8 6 1 9 2 5 0 0 7 9 0 0 7 4 5 4 8 6 2 3
1 9 1 0 9 7 5 1 2 7 1 9 4 8 4 8 9 6 6 9
5 6 0 6 1 3 3 5 2 1 0 1 9 2 8 0 2 6 6 3
8 6 9 9 8 0 8 1 8 2 6 6 8 4 0 7 8 2 5 1
3 1 6 1 0 5 7 5 7 0 6 3 0 4 1 4 0 3 0 8
Fuente: Estadística inferencial, por Claudio Cerrón, 2012.
142
Universidad Continental | Manual
143
Universidad Continental | Manual
APENDICE B. Tablas de Valores Críticos:
Tabla 34: Tabal de la distribución Ji cuadrada Tabla 35: Tablas de pruebas de Signo, Wilcoxon, Correlación lineal
TABLA A4 Distribución Ji cuadrada (𝑥 2 ) simple y Correlación de Spearman
gl 0.995 0.990 0.975 0.950 0.900 0.100 0.075 0.050 0.025 0.010 0.005 0.001
1 0.000 0.000 0.001 0.004 0.016 2.706 3.170 3.841 5.024 6.635 7.879 10.828
=0.01
Valores críticos para la prueba
0.929
0.881
0.833
0.794
0.755
0.727
0.703
0.679
0.654
0.635
0.615
0.600
0.584
0.570
0.556
0.544
0.532
0.521
0.511
0.501
0.491
0.483
0.475
0.467
donde z corresponde a
2 0.010 0.020 0.051 0.103 0.211 4.605 5.181 5.991 7.378 9.210 10.597 13.816
----
----
de correlación de rangos de
3 0.072 0.115 0.216 0.352 0.584 6.251 6.905 7.815 9.348 11.345 12.838 16.266
=0.02
0.943
0.893
0.833
0.783
0.745
0.709
0.678
0.648
0.626
0.604
0.582
0.566
0.550
0.535
0.520
0.508
0.496
0.486
0.476
0.466
0.457
0.448
0.440
0.433
0.425
4 0.207 0.297 0.484 0.711 1.064 7.779 8.496 9.488 11.143 13.277 14.860 18.467
Spearman
=0.05
𝑛−1
0.886
0.786
0.738
0.700
0.648
0.618
0.587
0.538
0.521
0.503
0.485
0.472
0.460
0.447
0.435
0.425
0.415
0.406
0.398
0.390
0.382
0.375
0.680
0.362
0.56
----
6 0.676 0.872 1.237 1.635 2.204 10.645 11.466 12.592 14.449 16.812 18.548 22.458
=0.10
0.829
0.714
0.643
0.600
0.564
0.536
0.503
0.484
0.464
0.446
0.429
0.414
0.401
0.391
0.380
0.370
0.361
0.353
0.344
0.337
0.331
0.324
0.317
0.312
0.306
0.9
Tabla A-9
8 1.344 1.646 2.180 2.733 3.490 13.362 14.270 15.507 17.535 20.090 21.955 26.124
9 1.735 2.088 2.700 3.325 4.168 14.684 15.631 16.919 19.023 21.666 23.589 27.877
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
NOTA:
n
5
6
7
8
9
10 2.156 2.558 3.247 3.940 4.865 15.987 16.971 18.307 20.483 23.209 25.188 29.588
2 colas
11 2.603 3.053 3.816 4.575 5.578 17.275 18.294 19.675 21.920 24.725 26.757 31.264
1 cola
0.05
101
110
120
130
141
152
13 3.565 4.107 5.009 5.892 7.042 19.812 20.897 22.362 24.736 27.688 29.819 34.528
0.1
11
14
17
21
26
30
36
41
47
54
60
68
75
83
92
1
2
4
6
8
Valores críticos para la
14 4.075 4.660 5.629 6.571 7.790 21.064 22.180 23.685 26.119 29.141 31.319 36.123
𝑛(𝑛+1)(2𝑛+1)
0.025
0.05
107
117
127
137
15 4.601 5.229 6.262 7.261 8.547 22.307 23.452 24.996 27.488 30.578 32.801 37.697
11
14
17
21
25
30
35
40
46
52
59
66
73
81
90
98
𝑛(𝑛+1)
1
2
4
6
8
*
de Wilcoxon
24
𝑇−
0.01
0.02
102
111
120
10
13
16
20
24
28
33
38
43
49
56
62
69
77
85
93
16 5.142 5.812 6.908 7.962 9.312 23.542 24.716 26.296 28.845 32.000 34.267 39.252
0
2
3
5
7
*
*
z=
17 5.697 6.408 7.564 8.672 10.085 24.769 25.970 27.587 30.191 33.409 35.718 40.790
100
109
Tabla A-8
10
13
16
19
20
28
32
37
43
49
55
61
68
76
84
92
0
2
3
5
7
*
*
*
18 6.265 7.015 8.231 9.390 10.865 25.989 27.218 28.869 31.526 34.805 37.156 42.312
19 6.844 7.633 8.907 10.117 11.651 27.204 28.458 30.144 32.852 36.191 38.582 43.820
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
n
5
6
7
8
9
20 7.434 8.260 9.591 10.851 12.443 28.412 29.692 31.410 34.170 37.566 39.997 45.315
con:
2 colas
1 Cola
21 8.034 8.897 10.283 11.591 13.240 29.615 30.920 32.671 35.479 38.932 41.401 46.797
22 8.643 9.542 10.982 12.338 14.041 30.813 32.142 33.924 36.781 40.289 42.796 48.268
0.025
0.05
25 10.520 11.524 13.120 14.611 16.473 34.382 35.780 37.652 40.646 44.314 46.928 52.620
0
0
0
1
1
1
2
2
2
3
3
4
4
4
5
5
5
6
6
7
*
*
*
*
*
𝑛
2
𝑥 +0.5 −
0.01
0.02
𝑛
2
0
0
0
0
1
1
1
2
2
2
3
3
4
4
4
5
5
5
6
*
*
*
*
*
*
26 11.160 12.198 13.844 15.379 17.292 35.563 36.984 38.885 41.923 45.642 48.290 54.052
27 11.808 12.879 14.573 16.151 18.114 36.741 38.184 40.113 43.195 46.963 49.645 55.476
𝑧=
0.005
0.01
Tabla A-7
0
0
0
0
1
1
1
2
2
2
3
3
3
4
4
4
5
5
*
*
*
*
*
*
*
28 12.461 13.565 15.308 16.928 18.939 37.916 39.380 41.337 44.461 48.278 50.993 56.892
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
n
1
2
3
4
5
6
7
8
9
30 13.787 14.953 16.791 18.493 20.599 40.256 41.762 43.773 46.979 50.892 53.672 59.703
con:
31 14.458 15.655 17.539 19.281 21.434 41.422 42.948 44.985 48.232 52.191 55.003 61.098
coeficiente de correlación de
33 15.815 17.074 19.047 20.867 23.110 43.745 45.311 47.400 50.725 54.776 57.648 63.870
α=0.01
0.999
0.959
0.917
0.875
0.834
0.798
0.765
0.735
0.708
0.684
0.661
0.641
0.623
0.606
0.575
0.561
0.505
0.463
0.402
0.378
0.361
0.305
0.286
0.269
0.256
0.43
0.33
35 17.192 18.509 20.569 22.465 24.797 46.059 47.663 49.802 53.203 57.342 60.275 66.619
37 18.586 19.960 22.106 24.075 26.492 48.363 50.005 52.192 55.668 59.893 62.883 69.346
Pearson r
40 20.707 22.164 24.433 26.509 29.051 51.805 53.501 55.758 59.342 63.691 66.766 73.402
α=0.05
0.878
0.811
0.754
0.707
0.666
0.632
0.602
0.576
0.553
0.532
0.514
0.497
0.482
0.468
0.456
0.444
0.396
0.361
0.335
0.312
0.294
0.279
0.254
0.236
0.207
0.196
0.95
0.22
50 27.991 29.707 32.357 34.764 37.689 63.167 65.030 67.505 71.420 76.154 79.490 86.661
Tabla A-6
60 35.534 37.485 40.482 43.188 46.459 74.397 76.411 79.082 83.298 88.379 91.952 99.607
100
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
60
70
80
90
NOTA:
n
4
5
6
7
8
9
70 43.275 45.442 48.758 51.739 55.329 85.527 87.680 90.531 95.023 100.425 104.215 112.317
0,
80 51.172 53.540 57.153 60.391 64.278 96.578 98.861 101.879 106.629 112.329 116.321 124.839
145
Universidad Continental | Manual
Fuente: Estadística por Mario Triola (2013)
146
Universidad Continental | Manual
Tabla 36: Tabla de la distribución F
12 6.5538 5.0959 4.4742 4.1212 3.8911 3.7283 3.6065 3.5118 3.4358 3.3736 3.2773 3.1772 3.0728 3.0187 2.9633 2.9063 2.8478 2.7874 2.7252
13 6.4143 4.9653 4.3472 3.9959 3.7667 3.6043 3.4827 3.3880 3.3120 3.2497 3.1532 3.0527 2.9477 2.8932 2.8372 2.7797 2.7204 2.6590 2.5957
14 6.2979 4.8567 4.2417 3.8919 3.6634 3.5014 3.3799 3.2853 3.2093 3.1469 3.0502 2.9493 2.8437 2.7888 2.7324 2.6742 2.6142 2.5519 2.4875
15 6.1995 4.7650 4.1528 3.8043 3.5764 3.4147 3.2934 3.1987 3.1227 3.0602 2.9633 2.8621 2.7559 2.7006 2.6437 2.5850 2.5242 2.4611 2.3956
16 6.1151 4.6867 4.0768 3.7294 3.5021 3.3406 3.2194 3.1248 3.0488 2.9862 2.8890 2.7875 2.6808 2.6252 2.5678 2.5085 2.4471 2.3831 2.3165
17 6.0420 4.6189 4.0112 3.6648 3.4379 3.2767 3.1556 3.0610 2.9849 2.9222 2.8249 2.7230 2.6158 2.5598 2.5020 2.4422 2.3801 2.3153 2.2477
18 5.9781 4.5597 3.9539 3.6083 3.3820 3.2209 3.0999 3.0053 2.9291 2.8664 2.7689 2.6667 2.5590 2.5027 2.4445 2.3842 2.3214 2.2558 2.1872
19 5.9216 4.5075 3.9034 3.5587 3.3327 3.1718 3.0509 2.9563 2.8801 2.8172 2.7196 2.6171 2.5089 2.4523 2.3937 2.3329 2.2696 2.2032 2.1336
20 5.8715 4.4613 3.8587 3.5147 3.2891 3.1283 3.0074 2.9128 2.8365 2.7737 2.6758 2.5731 2.4645 2.4076 2.3486 2.2873 2.2234 2.1562 2.0856
21 5.8266 4.4199 3.8188 3.4754 3.2501 3.0895 2.9686 2.8740 2.7977 2.7348 2.6368 2.5338 2.4247 2.3675 2.3082 2.2465 2.1819 2.1141 2.0425
22 5.7863 4.3828 3.7829 3.4401 3.2151 3.0546 2.9338 2.8392 2.7628 2.6998 2.6017 2.4984 2.3890 2.3315 2.2718 2.2097 2.1446 2.0760 2.0035
23 5.7498 4.3492 3.7505 3.4083 3.1835 3.0232 2.9023 2.8077 2.7313 2.6682 2.5699 2.4665 2.3567 2.2989 2.2389 2.1763 2.1107 2.0415 1.9680
24 5.7166 4.3187 3.7211 3.3794 3.1548 2.9946 2.8738 2.7791 2.7027 2.6396 2.5411 2.4374 2.3273 2.2693 2.2090 2.1460 2.0799 2.0099 1.9356
25 5.6864 4.2909 3.6943 3.3530 3.1287 2.9685 2.8478 2.7531 2.6766 2.6135 2.5149 2.4110 2.3005 2.2422 2.1816 2.1183 2.0516 1.9811 1.9058
26 5.6586 4.2655 3.6697 3.3289 3.1048 2.9447 2.8240 2.7293 2.6528 2.5896 2.4908 2.3867 2.2759 2.2174 2.1565 2.0928 2.0257 1.9545 1.8784
27 5.6331 4.2421 3.6472 3.3067 3.0828 2.9228 2.8021 2.7074 2.6309 2.5676 2.4688 2.3644 2.2533 2.1946 2.1334 2.0693 2.0018 1.9299 1.8530
28 5.6096 4.2205 3.6264 3.2863 3.0626 2.9027 2.7820 2.6872 2.6106 2.5473 2.4484 2.3438 2.2324 2.1735 2.1121 2.0477 1.9797 1.9072 1.8295
29 5.5878 4.2006 3.6072 3.2674 3.0438 2.8840 2.7633 2.6686 2.5919 2.5286 2.4295 2.3248 2.2131 2.1540 2.0923 2.0276 1.9591 1.8861 1.8075
30 5.5675 4.1821 3.5894 3.2499 3.0265 2.8667 2.7460 2.6513 2.5746 2.5112 2.4120 2.3072 2.1952 2.1359 2.0739 2.0089 1.9400 1.8664 1.7870
40 5.4239 4.0510 3.4633 3.1261 2.9037 2.7444 2.6238 2.5289 2.4519 2.3882 2.2882 2.1819 2.0677 2.0069 1.9429 1.8752 1.8028 1.7242 1.6375
60 5.2856 3.9253 3.3425 3.0077 2.7863 2.6274 2.5068 2.4117 2.3344 2.2702 2.1692 2.0613 1.9445 1.8817 1.8152 1.7440 1.6668 1.5810 1.4826
120 5.1523 3.8046 3.2269 2.8943 2.6740 2.5154 2.3948 2.2994 2.2217 2.1570 2.0548 1.9450 1.8249 1.7597 1.6899 1.6141 1.5299 1.4327 1.3110
##### 5.0240 3.6889 3.1162 2.7859 2.5666 2.4083 2.2876 2.1919 2.1137 2.0484 1.9448 1.8326 1.7085 1.6402 1.5660 1.4836 1.3884 1.2685 1.0173
Fuente: Estadística por Mario Triola (2012)
147
Universidad Continental | Manual
Tabla 37: Tabla de la distribución F
1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 30000
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 243.91 245.95 248.01 249.05 250.10 251.14 252.20 253.25 254.31
2 18.513 19.000 19.164 19.247 19.296 19.330 19.353 19.371 19.385 19.396 19.413 19.429 19.446 19.454 19.462 19.471 19.479 19.487 19.496
3 10.1280 9.5521 9.2766 9.1172 9.0135 8.9406 8.8867 8.8452 8.8123 8.7855 8.7446 8.7029 8.6602 8.6385 8.6166 8.5944 8.5720 8.5494 8.5265
4 7.7086 6.9443 6.5914 6.3882 6.2561 6.1631 6.0942 6.0410 5.9988 5.9644 5.9117 5.8578 5.8025 5.7744 5.7459 5.7170 5.6877 5.6581 5.6282
5 6.6079 5.7861 5.4095 5.1922 5.0503 4.9503 4.8759 4.8183 4.7725 4.7351 4.6777 4.6188 4.5581 4.5272 4.4957 4.4638 4.4314 4.3985 4.3651
6 5.9874 5.1433 4.7571 4.5337 4.3874 4.2839 4.2067 4.1468 4.0990 4.0600 3.9999 3.9381 3.8742 3.8415 3.8082 3.7743 3.7398 3.7047 3.6690
7 5.5914 4.7374 4.3468 4.1203 3.9715 3.8660 3.7870 3.7257 3.6767 3.6365 3.5747 3.5107 3.4445 3.4105 3.3758 3.3404 3.3043 3.2674 3.2299
8 5.3177 4.4590 4.0662 3.8379 3.6875 3.5806 3.5005 3.4381 3.3881 3.3472 3.2839 3.2184 3.1503 3.1152 3.0794 3.0428 3.0053 2.9669 2.9277
Grados de libertad del denominador (gl2)
9 5.1174 4.2565 3.8625 3.6331 3.4817 3.3738 3.2927 3.2296 3.1789 3.1373 3.0729 3.0061 2.9365 2.9005 2.8637 2.8259 2.7872 2.7475 2.7068
10 4.9646 4.1028 3.7083 3.4780 3.3258 3.2172 3.1355 3.0717 3.0204 2.9782 2.9130 2.8450 2.7740 2.7372 2.6996 2.6609 2.6211 2.5801 2.5381
11 4.8443 3.9823 3.5874 3.3567 3.2039 3.0946 3.0123 2.9480 2.8962 2.8536 2.7876 2.7186 2.6464 2.6090 2.5705 2.5309 2.4901 2.4480 2.4046
12 4.7472 3.8853 3.4903 3.2592 3.1059 2.9961 2.9134 2.8486 2.7964 2.7534 2.6866 2.6169 2.5436 2.5055 2.4663 2.4259 2.3842 2.3410 2.2964
13 4.6672 3.8056 3.4105 3.1791 3.0254 2.9153 2.8321 2.7669 2.7144 2.6710 2.6037 2.5331 2.4589 2.4202 2.3803 2.3392 2.2966 2.2524 2.2066
14 4.6001 3.7389 3.3439 3.1122 2.9582 2.8477 2.7642 2.6987 2.6458 2.6022 2.5342 2.4630 2.3879 2.3487 2.3082 2.2664 2.2229 2.1778 2.1309
15 4.5431 3.6823 3.2874 3.0556 2.9013 2.7905 2.7066 2.6408 2.5876 2.5437 2.4753 2.4034 2.3275 2.2878 2.2468 2.2043 2.1601 2.1141 2.0660
16 4.4940 3.6337 3.2389 3.0069 2.8524 2.7413 2.6572 2.5911 2.5377 2.4935 2.4247 2.3522 2.2756 2.2354 2.1938 2.1507 2.1058 2.0589 2.0098
17 4.4513 3.5915 3.1968 2.9647 2.8100 2.6987 2.6143 2.5480 2.4943 2.4499 2.3807 2.3077 2.2304 2.1898 2.1477 2.1040 2.0584 2.0107 1.9606
18 4.4139 3.5546 3.1599 2.9277 2.7729 2.6613 2.5767 2.5102 2.4563 2.4117 2.3421 2.2686 2.1906 2.1497 2.1071 2.0629 2.0166 1.9681 1.9171
19 4.3807 3.5219 3.1274 2.8951 2.7401 2.6283 2.5435 2.4768 2.4227 2.3779 2.3080 2.2341 2.1555 2.1141 2.0712 2.0264 1.9795 1.9302 1.8782
20 4.3512 3.4928 3.0984 2.8661 2.7109 2.5990 2.5140 2.4471 2.3928 2.3479 2.2776 2.2033 2.1242 2.0825 2.0391 1.9938 1.9464 1.8963 1.8434
21 4.3248 3.4668 3.0725 2.8401 2.6848 2.5727 2.4876 2.4205 2.3660 2.3210 2.2504 2.1757 2.0960 2.0540 2.0102 1.9645 1.9165 1.8657 1.8119
22 4.3009 3.4434 3.0491 2.8167 2.6613 2.5491 2.4638 2.3965 2.3419 2.2967 2.2258 2.1508 2.0707 2.0283 1.9842 1.9380 1.8894 1.8380 1.7833
23 4.2793 3.4221 3.0280 2.7955 2.6400 2.5277 2.4422 2.3748 2.3201 2.2747 2.2036 2.1282 2.0476 2.0050 1.9605 1.9139 1.8648 1.8128 1.7572
24 4.2597 3.4028 3.0088 2.7763 2.6207 2.5082 2.4226 2.3551 2.3002 2.2547 2.1834 2.1077 2.0267 1.9838 1.9390 1.8920 1.8424 1.7896 1.7333
25 4.2417 3.3852 2.9912 2.7587 2.6030 2.4904 2.4047 2.3371 2.2821 2.2365 2.1649 2.0889 2.0075 1.9643 1.9192 1.8718 1.8217 1.7684 1.7112
26 4.2252 3.3690 2.9752 2.7426 2.5868 2.4741 2.3883 2.3205 2.2655 2.2197 2.1479 2.0716 1.9898 1.9464 1.9010 1.8533 1.8027 1.7488 1.6908
27 4.2100 3.3541 2.9604 2.7278 2.5719 2.4591 2.3732 2.3053 2.2501 2.2043 2.1323 2.0558 1.9736 1.9299 1.8842 1.8361 1.7851 1.7306 1.6719
148
Universidad Continental | Manual
28 4.1960 3.3404 2.9467 2.7141 2.5581 2.4453 2.3593 2.2913 2.2360 2.1900 2.1179 2.0411 1.9586 1.9147 1.8687 1.8203 1.7689 1.7138 1.6543
29 4.1830 3.3277 2.9340 2.7014 2.5454 2.4324 2.3463 2.2783 2.2229 2.1768 2.1045 2.0275 1.9446 1.9005 1.8543 1.8055 1.7537 1.6981 1.6379
30 4.1709 3.3158 2.9223 2.6896 2.5336 2.4205 2.3343 2.2662 2.2107 2.1646 2.0921 2.0148 1.9317 1.8874 1.8409 1.7918 1.7396 1.6835 1.6225
40 4.0847 3.2317 2.8387 2.6060 2.4495 2.3359 2.2490 2.1802 2.1240 2.0772 2.0035 1.9245 1.8389 1.7929 1.7444 1.6928 1.6373 1.5766 1.5092
60 4.0012 3.1504 2.7581 2.5252 2.3683 2.2541 2.1665 2.0970 2.0401 1.9926 1.9174 1.8364 1.7480 1.7001 1.6491 1.5943 1.5343 1.4673 1.3896
120 3.9201 3.0718 2.6802 2.4472 2.2899 2.1750 2.0868 2.0164 1.9588 1.9105 1.8337 1.7505 1.6587 1.6084 1.5543 1.4952 1.4290 1.3519 1.2543
##### 3.8415 2.9958 2.6050 2.3720 2.2141 2.0986 2.0096 1.9385 1.8799 1.8308 1.7522 1.6664 1.5706 1.5173 1.4592 1.3940 1.3181 1.2215 1.0145
Fuente: Estadística por Mario Triola (2012)
149
Universidad Continental | Manual
Tabla 38: Valores críticos para la prueba de rachas Tabla 39: Constantes para gráficos de control
Tabla 14-2 Constantes de una gráfica de control.
n: Número de 𝑋̅ s R
observaciones
A2 A3 B3 B4 D3 D4
en subgrupo
2 1.880 2.659 0.000 3.267 0.000 3.267
3 1.023 1.954 0.000 2.568 0.000 2.574
4 0.729 1.628 0.000 2.266 0.000 2.282
5 0.577 1.427 0.000 2.089 0.000 2.114
6 0.483 1.287 0.030 1.970 0.000 2.004
7 0.419 1.182 0.118 1.882 0.076 1.924
8 0.373 1.099 0.185 1.815 0.136 1.864
9 0.337 1.032 0.239 1.761 0.184 1.816
10 0.308 0.975 0.284 1.716 0.223 1.777
11 0.285 0.927 0.321 1.679 0.256 1.744
12 0.266 0.886 0.354 1.646 0.283 1.717
13 0.249 0.850 0.382 1.618 0.307 1.693
14 0.235 0.817 0.406 1.594 0.328 1.672
15 0.223 0.789 0.428 1.572 0.347 1.653
16 0.212 0.763 0.448 1.552 0.363 1.637
17 0.203 0.739 0.466 1.534 0.378 1.622
18 0.194 0.718 0.482 1.518 0.391 1.608
19 0.187 0.698 0.497 1.503 0.403 1.597
20 0.180 0.680 0.510 1.490 0.415 1.585
21 0.173 0.663 0.523 1.477 0.425 1.575
22 0.167 0.647 0.534 1.466 0.434 1.566
23 0.162 0.633 0.545 1.455 0.443 1.557
24 0.157 0.619 0.555 1.445 0.451 1.548
25 0.153 0.606 0.565 1.435 0.459 1.541
Fuente: Adaptado del ASTM Manual on the Presentation of Data and Control Chart
Analysis, ©1976 ASTM, pp. 134-136. Reproducido bajo permiso de American
Society of Testing and Materials.
Fuente: Estadística por Mario Triola (2012) Fuente: Estadística por Mario Triola (2012)
150
Universidad Continental | Manual
151
Universidad Continental | Manual