PRUEBA DE LOS SIGNOS

Modelo 1:

Los siguientes datos representan el tiempo, en minutos, que un paciente tiene que esperar en 12
visitas al consultorio de un médico antes de que sea atendido por éste:

17,15,20,20,32,28, 12,26,25,25,35,24.

Utilice la prueba de los signos, al nivel de significancia de 0.05 para probar la afirmación del médico
de que la mediana del tiempo de espera de sus pacientes no es mayor que 20 minutos antes de que
pasen a consulta.

SOLUCION:

Mediana de los datos: µ = 24.5

N = 10 x = 7 -> datos mayores de la mediana

PRUEBA DE HIPOTESIS

1. Ho: µ = 20
H1: µ > 20

2. Valor crítico: 8

3. X calculada = 7

4. Decisión: Región No Rechazo Ho

Conclusión: µ = 20

1
Modelo 1 bis:

Una compañía de taxis está tratando de decidir si utiliza neumáticos radiales en lugar de los
regulares con cinturón para mejorar la economía del combustible. Dieciséis vehículos se equiparon
con neumáticos radiales y se manejaran a lo largo de una pista prescrita para pruebas. Sin cambiar
conductores, los mismos vehículos se equiparon con neumáticos normales de cinturón y se
condujeron por la misma pista de pruebas. El consumo de gasolina en kilómetros por litro se registró
según se muestra en la tabla siguiente:

µ1 µ2

AUTOMOVIL NEUMATICOS RADIALES NEUMATICOS CON CINTURON µ1 - µ2 SIGNO

1 4.2 4.1 0.1 +

2 4.7 4.9 0.2 -

3 6.6 6.2 0.4 +

4 7 6.9 0.1 +

5 6.7 6.8 0.1 -

6 4.5 4.4 0.1 +

7 5.7 5.7 0

8 6 5.8 0.2 +

9 7.4 6.9 0.5 +

10 4.9 4.9 0 +

11 6.1 6 0.1 +

12 5.2 4.9 0.3 +

13 5.7 5.3 0.4 +

14 6.9 6.5 0.4 +

15 6.8 7.1 0.3 -

16 4.9 4.8 0.1 +

¿Se puede concluir, al nivel de significancia de 0,05 que los vehículos equipados con neumáticos
radiales dan mayor economía de combustible que aquellos equipados con neumáticos regulares con
cinturón?

2
SOLUCION:

N = 14 -> quitando los números “0” ceros

X = 11 -> números positivos

PRUEBA DE HIPOTESIS

1. Ho: µ1 - µ2 = 0
H1: µ1 - µ2 > 0

2. Valor crítico: 10

3. X calculada = 11

4. Decisión: Región Rechazo Ho

Conclusión: µ1 - µ2 > 0

PRUEBA DE RANGOS CON SIGNO

Modelo 2:

Los siguientes datos representan el número de horas que un temporizador opera antes de que deba
recargarse: 1.5, 2.2, 0.9, 1.3, 2.0, 1.8, 1.5, 2.0, 1.2, 1.7. Utilice la prueba de los signos para probar la
hipótesis al nivel de significancia de 0.05 que este temporizador en particular opera con una
mediana de 1.6 horas antes de que requiera una carga.

SOLUCION:

α = 0.05 1 – α = 0.95

PRUEBA DE HIPOTESIS

1. Ho: µ = 1.6
H1: µ ≠ 1.6

2. Valores críticos: 2 y 8

3. X calculada = 5

4. Decisión: Región No Rechazo Ho

Conclusión: µ = 1.6

3
 PRUEBA DE HIPOTESIS DE LA SUMA DE RANGOS

Modelo 3:

Se encuentra que el contenido de nicotina de dos marcas de cigarros medido en miligramos es el

siguiente:

MARCA 1 2.1 4 6.3 5.4 4.8 3.7 6.1 3.3

MARCA 2 4.1 0.6 3.1 2.5 40 6.2 1.6 2.2 1.9 5.4

Utilizando la prueba de hipótesis de la suma de rangos, pruebe la hipótesis nula de que los
contenidos promedios de nicotina de las 2 marcas son iguales, contra la hipótesis alternativa de que
son diferentes cuando se considera un nivel de significancia del 0.5.

SOLUCION:

N1 = 8 n2 = 10 α = 0.05

FORMULAS:
(𝑛1 + 𝑛2) (𝑛1 + 𝑛2 + 𝑛1) (𝑛1 + 𝑛2) (𝑛1 + 𝑛2 + 𝑛1)
𝑤1 + 𝑤2 = 𝑤2 = − 𝑤1
2 2
(𝑛1 + 𝑛2) (𝑛1 + 𝑛2 + 𝑛1) 𝑛1 (𝑛1 + 1) 𝑛1 (𝑛1 + 1)
𝑤1 = − 𝑤2 𝑢1 = 𝑤1 − 𝑢2 = 𝑤2 −
2 2 2
Las observaciones se acomodan en un orden ascendente y se RANKEA del 1 al 18.

DATOS RANKEO
ORIGINALES RANGO
0.6 1
FORMULAS:
1.6 2
1.9 3 Obtenemos w1 = 4+8+9+10.5+13+14.5+16+18 = 93
2.1 4
(18)(19)
2.2 5 𝑊2 = − 93 = 78
2.5 6 2
3.1 7 Por lo tanto:
3.3 8
3.7 9 (8)(9)
𝑈1 = 93 − = 57
4.0 10.5 2
4.0 10.5 10(11)
4.1 12 𝑈2 = 78 − = 23
2
4.8 13
5.4 14.5
5.4 14.5
6.1 16
6.2 17
6.3 18
Valor critico Tabla A.17

4
Dos extremos α = 0.05 u2 (8,10) = 17

U2 calculado = 23

PRUEBA DE HIPOTESIS

1. Ho: µ1 = µ2
H1: µ1 ≠ µ2

2. Valor critico = u2 = 17
3. U2 calculado = 23
4. Decisión: NR Ho
Conclusión: µ1 ≠ µ2

PRUEBA DE KRUSKAL-WALLIS

Modelo 4:

En un experimento para determinar cuál de los 3 diferentes sistemas de propulsor son más
recomendable, se midió el promedio de consumo del propulsor. Los datos después de decodificarse
se dan en la tabla siguiente:

Tabla de consumo del sistema de propulsor

1 Rk 2 Rk 3 Rk
24 23.2 18.4
16.7 19.8 19.1
22.8 18.1 17.3
19.8 17.6 17.3
18.9 20.2 19.7
17.8 18.9
18.8
19.3

Utilice la prueba de Kruskal-Wallis con nivel de significancia α=0.05 para probar la hipótesis nula
de que los promedios de consumo son los mismos para los 3 sistemas de propulsor.

5
SOLUCION:

N1 = 5 n2 = 6 n3 = 8 α = 0.05 H critica = χ 1 – α, gl = χ 0.95, 2 = 5.9915

RANKEAR = manera ascendente

ORDEN DATO RANKEO FORMULAS:

1 16.7 1
2 17.3 2.5 12 𝑟2
3 17.3 2.5 ℎ𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 = ⅀ 𝑛 − 3 (𝑚 + 1)
𝑛(𝑛 + 1)
4 17.6 4
5 17.8 5 𝑛 = 𝑛1 + 𝑛2 + 𝑛3 k = no. Columnas = 3
6 18.6 6
7 18.4 7
8 18.8 8
9 18.9 9.5
10 18.9 9.5
11 19.1 11
12 19.3 12
13 19.7 13
14 19.8 14.5
15 19.8 14.5
16 20.2 16
17 22.8 17
18 23.2 18
19 24 19

FORMULAS:

12 61² 63.5² 65.5²

ℎ𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 = + + − 3(20)
19(20) 5 6 8
= 1.6411

PRUEBA DE HIPOTESIS

1. Ho: µ1 = µ2 = µ2 2. H critico = 5.9915

H1: µ1 ≠ µ2 ≠ µ3 4. Decisión: NR Ho
Conclusión: µ1 ≠ µ2 ≠ µ3
3. H calculada = 1.6411

6
 PRUEBA DE HIPOTESIS DE CORRIDAS PARA ALEATORIEDAD O RACHAS

Modelo 5:

Una muestra de 36 individuos fue entrevistada en una encuesta de investigación de mercado,

muestra que incluía a 22 mujeres (M) y 14 hombres (H). Los individuos mostrados fueron obtenidos
en el siguiente orden:

H, M,M,M,M, H,H,H, M, H, M,M,M, H,H, M,M,M,M, H, M,M,M, H,H, M,M,M, H, M, H,H,

M,M,M, H.

Use la prueba de corridas (una corrida es una serie de observaciones similares), para aprobar la
aleatoriedad de este conjunto de observaciones con un nivel de significancia de 0.1.

Nm = n1 = 22 Nh = n2 = 14 R = 17 α = 0.1 α/2 = 0.05

FORMULAS:
𝑅 − µ𝑅
𝑍 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 = µ𝑅
𝜎𝑅
2𝑛1𝑛2
= +1
𝑛1 + 𝑛2
2(22)(14)
µ𝑅 = + 1 = 18.1
22 + 14

2𝑛1𝑛2 (2𝑛1𝑛2 − 𝑛1𝑛2)

𝜎𝑅 = √
(𝑛1 + 𝑛2)2 (𝑛1 + 𝑛2 − 1)

= √7.876543 = 2.8065
17 − 18.1
𝑍 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 =
2.8065
= −0.3919

PRUEBA DE HIPOTESIS

1. Ho: La secuencia es aleatoria

H1: La secuencia No es aleatoria

2. Valores críticos Z0.05 = -1.96 Z0.95 = 1.96

3. Z calculada = -0.3919
4. Decisión: NR Ho
Conclusión: La secuencia es aleatoria

7
 COEFICIENTE DE CORRELACION DE RANGO DE SPERMAN

Modelo 6:

Las cifras que aparecen en la tabla siguiente:

MARCAS DE CONTENIDO DE CONTENIDO DE

CIGARRO ALQUITRAN NICOTINA

(Xi) Rk (Yi) Rk di di²

VICEROY 14 2 0.9 2 0 0

MARLBORO 17 4.5 1.1 4 0.5 0.25

CHESTERFIELD 28 9 1.6 9 0 0

KOOL 17 4.5 1.3 6 -1.5 2.25

KENT 16 3 1 3 0 0

RALEIGH 13 1 0.8 1 0 0

OLD GOLD 24 7 1.5 8 -1 1

PHILIP MORRIS 25 8 1.4 7 1 1

OASIS 18 6 1.2 5 1 1

PLAYERS 31 10 2 10 0 0

Obtenidas por la FEDERAL TRADE COMMISSION, indican los miligramos de alquitrán y nicotina
encontradas en 10 marcas de cigarros. Calcule el coeficiente de correlación de rangos para medir el
grado de relación entre los contenidos de alquitrán y nicotina en los cigarros. Pruebe la hipótesis
nula de que la correlación entre la cantidad de alquitrán y nicotina encontrada en cigarros es 0,
contra la hipótesis alternativa de que es mayor que 0. Utilice un nivel de significancia de 0.01.

SOLUCION:

α = 0.01 n=10 ⅀ 𝒅𝒊𝟐

𝒓𝒔 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒂 = 𝟏 −
𝒏(𝒏𝟐 − 𝟏)

𝟔(𝟓. 𝟓)
𝒓𝒔 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒂 = 𝟏 −
𝟏𝟎(𝟏𝟎𝟎 − 𝟏)
= 𝟎. 𝟗𝟕

8
PRUEBA DE HIPOTESIS

1. Ho: ℯ = 0
H1: ℯ > 0

2. Valor critico rs = 0.745

3. rs calculado = 0.97
4. Decisión: R.R. Ho
Conclusión: ℯ > 0

PRUEBA DE HIPOTESIS NO PARAMETRICA U DE MANN-WHITNEY

Modelo 7:

En un grupo de estudiantes, cada profesor aplica una prueba de comprensión de lectura, después
de haber entrenado a los alumnos a los alumnos en dos técnicas diferentes. El tamaño de los grupos
es distintos, n1=14 y n2=13. Los resultados son los siguientes:

GRUPO I GRUPO II

Y Ry X Rx

54 27

50 26 45 21

48 25 40 21.5

47 24 38 18

46 23 32 18.5

45 21.5 31 15

43 20 30 14

42 19 30 12

38 16.5 30 12

26 4.5 29 12

26 4.5 28 10

25 3 28 8

22 2 28 8

21 1 28 8

n1=14 217 n2=13 161

9
SOLUCION:

α = 0.05 α-1 = 0.95 α/2 = 0.025 n1 = 13 n2 = 14

N1 N2

13 0.001 152

0.005 143

0.01 138

0.025 131

0.05 125

0.1 118

Tabla: “Valores seleccionados de la estadística de Mann Whitney”

𝑛(𝑛 + 1) 27(28)
𝑛 = ⅀𝑅𝑥 + ⅀𝑅𝑦 = = = 378
2 2
PRUEBA DE HIPOTESIS

1. Ho: las distribuciones poblacionales son iguales.

H1: las distribuciones poblacionales NO son iguales.

2. Valor critico = 131

3. Mann Whitney calculado = 161

4. Decisión: No R.R. Ho
Conclusión: las distribuciones poblacionales son iguales.

10
 REGRESION LINEAL SIMPLE POBLACIONAL

Obtener la regresión lineal simple poblacional con su desviación estándar, e2, e de los datos
siguientes.

X Y (XY) X^2 Y^2

1 5 5 1 25
1 4 4 1 16
1 2 2 1 4
1 1 1 1 1
2 6 12 4 36
2 5 10 4 25
2 3 6 4 9
2 2 4 4 4
3 7 21 9 49
3 6 18 9 36
3 4 12 9 16
3 3 9 9 9
4 8 32 16 64
4 7 28 16 49
4 5 20 16 25
4 4 16 16 16
5 9 45 25 81
5 8 40 25 64
5 6 30 25 36
5 5 25 25 25
60 100 340 220 590

DIAGRAMA DE DISPERSION Y RECTA DE DISPERSION

Diagrama de dispercion
10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6

11
 ECUACION DE REGRESION Y COEFICIENTES DE REGRESION A Y B

𝑁 ⅀(𝑥𝑦) − ⅀(𝑥) ∗ ⅀(𝑦) 20(340) − (60 ∗ 100) 800

Yc = α + βx 𝛽= 𝛽= = =1
𝑁⅀𝑥2 − (⅀𝑥)2 20(220) − 602 800
⅀𝑌 𝛽⅀𝑋 100 1(60)
𝛼= − = − =2 Yc = 2 + x
𝑁 𝑁 20 20

DESVIACION ESTANDAR DE YX

X Y Yc=α+ßX Y-Yc (Y-Yc)^2

1 5 3 2 4
1 4 3 1 1
1 2 3 -1 1
1 1 3 -2 4
2 6 4 2 4
2 5 4 1 1
2 3 4 -1 1
2 2 4 -2 4
3 7 5 2 4
3 6 5 1 1
3 4 5 -1 1
3 3 5 -2 4
4 8 6 2 4
4 7 6 1 1
4 5 6 -1 1
4 4 6 -2 4
5 9 7 2 4
5 8 7 1 1
5 6 7 -1 1
5 5 7 -2 4
60 100 100 0 50

⅀(𝑌 − 𝑌𝑐)2 ⅀𝑌 2 − 𝛼⅀𝑋 − 𝛽⅀𝑋𝑌 50

𝜎𝑦𝑐 = 𝜎𝑦𝑥 = √ =√ = √ = 1.58
𝑁 𝑁 20

12
COEFICIENTE DE DETERMINACIÓN POBLACIONAL, COEFICIENTE DE CORRELACIÓN

X Y Y-Ȳ (Y-Ȳ)^2
1 5 0 0
1 4 -1 1
1 2 -3 9
1 1 -4 16
2 6 1 1
2 5 0 0
2 3 -2 4
2 2 -3 9
3 7 2 4
3 6 1 1
3 4 -1 1
3 3 -2 4
4 8 3 9
4 7 2 4
4 5 0 0
4 4 -1 1
5 9 4 16
5 8 3 9
5 6 1 1
5 5 0 0
60 100 0 90

⅀(𝑌𝑐 − 𝑌)2 = ⅀(𝑌𝑐 − 𝑌)2 − ⅀(𝑌 − 𝑌𝑐)2

= 90 – 50 = 40
⅀(𝑌𝑐 − 𝑌) 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 40
𝑒2 = = = = 0.44
⅀(𝑌 − 𝑌) 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑡𝑜𝑡𝑎𝑙 90

𝑒 = √0.44 = 066

13
 REGRESION LINEAL SIMPLE MUESTRAL

Obtener la regresión lineal simple muestral con su desviación estándar, e2, e de los datos siguientes.

x y (xy) x^2 y^2

1 2 2 1 4
2 6 12 4 36
3 4 12 9 16
4 7 28 16 49
5 8 40 25 64
15 27 94 55 169

DIAGRAMA DE DISPERSION Y RECTA DE DISPERSION

Chart Title
30

25

20

15

10

0
0 2 4 6 8 10 12 14 16

ECUACIÓN DE REGRESIÓN LINEAL Y COEFICIENTES DE REGRESION A Y B.

𝑁 ⅀(𝑥𝑦) − ⅀(𝑥) ∗ ⅀(𝑦) 5(94) − (15 ∗ 27) 65

Yc = α + βx 𝛽= 𝛽= = = 1.3
𝑁⅀𝑥2 − (⅀𝑥)2 5(55) − 152 50
⅀𝑌 𝛽⅀𝑋 27 1.3(15)
𝛼= − = − = 1.5 Yc = 1.5 + 1.3x
𝑁 𝑁 5 5

DESVIACIÓN ESTÁNDAR DE YX

14
 x y yc=a+bx y-yc (y-yc)^2
1 2 2.8 -0.8 0.64
2 6 4.1 1.9 3.61
3 4 5.4 -1.4 1.96
4 7 6.7 0.3 0.09
5 8 8 0 0
15 27 27 0 6.3

⅀(𝑌 − 𝑌𝑐)2 ⅀𝑌 2 − 𝛼⅀𝑋 − 𝛽⅀𝑋𝑌 6.3

𝜎𝑦𝑐 = 𝜎𝑦𝑥 = √ =√ =√ = 1.12
𝑁 𝑁 5

COEFICIENTE DE DETERMINACIÓN POBLACIONAL, COEFICIENTE DE CORRELACIÓN

x y y-Ȳ (y-Ȳ)^2
1 2 -3.4 11.56
2 6 0.6 0.36
3 4 -1.4 1.96
4 7 1.6 2.56
5 8 2.6 6.76
15 27 0 23.2

⅀(𝑌𝑐 − 𝑌)2 = ⅀(𝑌𝑐 − 𝑌)2 − ⅀(𝑌 − 𝑌𝑐)2

= 23.2 – 6.3 = 16.9
⅀(𝑌𝑐 − 𝑌) 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 16.9
𝑒2 = = = = 0.7284
⅀(𝑌 − 𝑌) 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑡𝑜𝑡𝑎𝑙 23.2

𝑒 = √0.7284 = 0.8534

15
 PRUEBA DE ANDERSON - DARLING

Pruebe si los siguientes datos se distribuyen o no en forma normal.

0.25 0.00 0.70 -0.14 -0.15

0.50 0.10 0.26 0.55 -0.10
-0.40 -0.04 -0.65 0.20
-0.64 -0.05 -0.40 -0.10
0.05 -0.20 -0.30 0.56

SOLUCION:

1. Ho: los datos siguen una distribución Normal (0, σ2)

H1: los datos no siguen una distribución Normal (0, σ2)

2. Valor crítico: 𝐴2 𝑇, 𝛼 = 0.1 = 0.631

3. Valor calculado: 𝐴2 = −𝑛 − ⅀ 𝑆𝑖 = −22 − (−22.253) = 0.253

4. Decisión: No se Rechaza Ho, sí 𝐴2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 < 𝐴2 𝑇

Conclusión: Por lo tanto, se acepta el supuesto de normalidad de los datos.

16
 PRUEBAS DE NORMALIDAD
METODO DE KOLMOGOROV – SMIRNOV

Duraciones de las baterías de un automóvil

2.2 4.1 3.5 4.5 3.2 3.7 3.0 2.6
3.4 1.6 3.1 3.3 3.8 3.1 4.7 3.7
2.5 4.3 3.4 3.6 2.9 3.3 3.9 3.1
3.3 3.1 3.7 4.4 3.2 4.1 1.9 3.4
4.7 3.8 3.2 2.6 3.9 3.0 4.2 3.5

Probar que los datos si se ajustan a una distribución normal con µ = 3.5 y σ = 0.7

SOLUCION:

1. Ho: Probar que los datos si se ajustan a una distribución normal con µ = 3.5 y σ = 0.7
H1: Probar que los datos no se ajustan a una distribución normal con µ = 3.5 y σ = 0.7

2. Valor crítico: Dtablas = 0.2150 para cuando α = 0.05 y n = 40

3. Dcalculada: 0.1068 es el valor mayor de las dos últimas columnas.

4. Decisión: Como Dcalculada < Dtablas, No se Rechaza Ho

Conclusión: los datos si se ajustan a una distribución normal con µ = 3.5 y σ = 0.7

17
 EL CONTRASTE DE SHAPIRO Y WILKS

Contrasta la hipótesis de que los datos siguientes provienen de una distribución normal: (20, 22, 24,
30, 31, 32, 38). Para calcular el test apliquemos los valores ɑj, n directamente en la tabla 10,
entonces:

a17=0.6233

a27=0.3031

a37=0.1401

Por lo tanto, A será:

A= a17(x7-x1) + a27 (x6-x2) + a37 (x5-x2)

= 0.6233 (18) + 0.3031 (10) + 0.1401 (7) = 15.2311

Como:

s² = 34.9796 ns² = 244.8571 A² = 231.9864

El estadístico resultante será:

W = 231.9864/244.8571 = 0.9474

El valor de w para n = 7 y un nivel de significancia de 0.05 es, 0.803, menor que el obtenido, por lo
que aceptamos la hipótesis de normalidad.

SOLUCION:

1. H0: El ajuste de la muestra es normal.

H1: el ajuste de la muestra no es normal.

2. Valor critico de Wn = 7, ɑ = 0.05 = 0.803.

3. Valor calculado de A²/ ns² = 231.9864/244.8571 = 0.9474.

4. Decisión: No rechazamos H0.

Conclusión: Por lo tanto, el ajuste de la prueba es normal.

18
 RYAN-JOINER

Pruebe la hipótesis de los siguientes datos si se ajustan a una distribución normal

S (Varianza) = 2.818875

⅀𝑌𝑖 ∗ 𝑏𝑖 30.81400
𝑅𝑗 = = = 1.003136415
√𝑆(𝑛 − 1)⅀𝑏𝑖 2 √(2.818875)(19)(17.61760)
Rj = 1.00313642

Rj (0.005, 20) = 0.9303

SOLUCION:

1. Ho: Rj > Rɑ aceptamos H0.

H1: Rj < Rɑ No se aceptamos H0.

2. Valor critico de R (0.05, 20) = 0.9303.

3. Valor calculado de Rj = 1.003136.

4. Decisión: No rechazamos H0.

Conclusión Por lo tanto Rj > Rɑ.

19