APLICACIÓN 1

Una fábrica cuenta con tres máquinas para la producción de un mismo producto. Durante la última semana
de producción se han producido 135 artículos. El jefe de producción cree que las máquinas no producen en
cantidades similares. Por lo que ha solicitado clasifiquen cada producto según la máquina que la ha
producido. A continuación se presenta la tabla de frecuencia de las cantidades producidas por cada máquina:
Máquina A B C
Producción 43 53 39

Use nivel de significación 5% para probar si la cantidad producida es la misma en las 3 máquinas.
RESOLUCION:
1P) PLANEAMIENTO DE HIPÓTESIS:

Ho: La cantidad producida es la misma en las tres máquina.

HI: L a cantidad producida es distinta en las tres máquinas.
2P) NIVEL DE SIGNIFICACIÓN:

5%

3P) CALCULO ESTADÍSTICO DE PRUEBA:

2
2 𝑘 (𝑂𝑖 − 𝑒𝑖 )
𝑋𝑐 = ∑𝑖=1
𝑒 𝑖

N° Categoría 𝜋𝑖 𝑒𝑖
variable 𝑂𝑖

1 A 43 0.3333 45 0.08888889
2 B 53 0.3333 45 1.42222222
3 C 39 0.3333 45 0.8
TOTAL 135 1.0000 135 2.31111111

4P) CRITERIOS DE DECISIÓN:

𝑋𝑐 2=2.3111 𝑋𝑐 2<𝑋𝑐𝑟𝑖𝑡 2 por lo tanto no se rechaza la hipótesis nula.

𝑋𝑐𝑟𝑖𝑡 2 =5.9915

5P) CONCLUSIÓN
A un nivel de significación del 5%, no se puede rechazar que la cantidad producida es la misma
en las 3 máquinas.
Con un nivel de significación de 5% no existe suficiente evidencia estadística para rechazar la
hipótesis nula, es decir no se puede afirmar que las tres máquinas no producen lo mismo.
REPORTE EN MINITAB ( P VALOR)
1P) Planteamiento de Hipótesis:
Ho: La cantidad producida es la misma en las tres maquina.
HI: L a cantidad producida es distinta en las tres máquinas.
P2) Nivel de significación: 0.05
P3) Cálculo y criterio de desición:

Conteos observados y esperados

Contribución
Conteos Proporción a
Categoría Observado históricos de prueba Esperado chi-cuadrada
A 43 0.3333 0.333333 45 0.08889
B 53 0.3333 0.333333 45 1.42222
C 39 0.3333 0.333333 45 0.80000

Prueba de chi-cuadrada
Chi- Valor
N GL cuad. p
135 2 2.31111 0.315

Como p-valor= 0.315 > α=0.05; no se rechaza la hipótesis nula.

P4) Conclusión:
A un nivel de significación de 0.05, no hay evidencia para poder rechazar la hipótesis nula.

APLICACIÓN II:
Con el fin de realizar afiliaciones a un seguro médico, un vendedor de pólizas de seguros hace cuatro
llamadas diarias. Una muestra de 210 días da como resultado las frecuencias del número de ventas
realizadas tal como se muestra en la siguiente tabla:
N° de ventas Numero de
realizadas días (𝒐𝑖 )
0 50
1 75
2 65
3 15
4 5

Se desea verificar si el número de ventas realizadas diariamente sigue una distribución Binomial a un
nivel de significación del 5%.

Resolución:
1P) PLANEAMIENTO DE HIPÓTESIS:
Ho: El número de ventas realizado por el seguro diariamente sigue una distribución binomial
HI: El número de ventas realizado por el seguro diariamente no sigue una distribución binomial.
2P) NIVEL DE SIGNIFICACIÓN:
5%

3P) CALCULO ESTADÍSTICO DE PRUEBA:

N° Número Número 𝒙 𝒊 𝒐𝒊
de ventas de días 𝑥𝑖 𝑜𝑖
1 0 50 0
E(x)=r.p = =1.2857
𝑛
2 1 75 75
r=4; 1.2857=4.p
3 2 65 130
4 3 15 45 P=0.3214
5 4 5 20
total 210 270

La probabilidad de éxito nos ayudará para calcular la probabilidad teórica y así tener la frecuencia
esperada.
Binomial

𝜋𝐼 =P(X=x)=(𝑥𝑟 )𝑝 𝑥 (𝑖 − 𝑝)𝑟−𝑥 𝜋𝑖 =P(X=0)=(40)𝑝0 (𝑖 − 𝑝)4−0

𝜋𝑖 =P(X=1)=(41)𝑝1 (𝑖 − 𝑝)3 𝜋𝑖 =P(X=2)=(42)𝑝2 (𝑖 − 𝑝)2

𝜋𝑖 =P(X=3)=(43)𝑝3 (𝑖 − 𝑝)1 𝜋𝑖 =P(X=4)=(44)𝑝4 (𝑖 − 𝑝)0

N° Numero de Número de Probabilidad Frecuencia (𝑶𝒊 − 𝒆𝒊 )𝟐
ventas días teórica(𝝅𝒊 ) esperada 𝒆𝒊
 1 0 50 0.2121 44.5323 0.6713
2 1 75 0.4017 84.3659 1.0397
3 2 65 0.2854 59.9363 0.4278
4 o mas 7 20 0.1008 21.1680 0.0644
Total 210 1.0000 210.00 2.2033

2
2 𝑘 (𝑂𝑖 − 𝑒𝑖 )
𝑋𝑐 = ∑𝑖=1
𝑒 𝑖

4P) CRITERIO DE DECISIÓN:

𝑋𝑐 2 =2.2033 𝑋𝑐 2 <𝑋𝑐𝑟𝑖𝑡 2 por lo tanto no se rechaza la hipótesis nula

𝑋𝑐𝑟𝑖𝑡 2 =6,4378
5P) CONCLUSIÓN:

Con un nivel de significación del 5% no se puede rechazar que el número de ventas realizado por
el seguro sigua una distribución binomial, es decir no podemos afirmar que sea distinta a la
distribución binomial.
REPORTE EN MINITAB ( VALOR P)

Binomial con n = 4 y p = 0.3214

x P( X = x )
0 0.212058
1 0.401742
2 0.285411
3 0.090118
4 0.010670

Conteos observados y esperados

Conteos Proporción Contribución a
Categoría Observado históricos de prueba Esperado chi-cuadrada
1 50 0.212058 0.212058 44.5322 0.67135
2 75 0.401742 0.401742 84.3659 1.03976
3 65 0.285411 0.285411 59.9364 0.42779
4 15 0.090118 0.090118 18.9248 0.81396
5 5 0.010670 0.010670 2.2407 3.39792

1 (20.00%) de los conteos esperados son menores que 5.

APLICACIÓN III
Se cree que el número de accidentes automovilísticos diarios en un cruce de dos avenidas de determinada
ciudad tiene una distribución de Poisson. En una muestra de 80 días del año pasado se obtuvieron los
datos de la tabla adjunta. ¿Apoyan estos datos la hipótesis de que el número diario de accidentes tiene una
distribución de Poisson? Use nivel de significación 0.05 y concluya usando p-valor y el estadístico de
prueba

N° accidentes Oi
0 34
1 25
2 11
3 7
4 3

1P) PLANTEAMIENTO DE HIPÓTESIS:

Ho: El número de accidentes diarios tiene una distribución Poisson.
HI: El número de accidentes diarios no es una distribución Poisson.
2P) NIVEL DE SIGNIFICACIÓN:
α =0.05
3P) CÁCULO ESTADÍSTICO:

N° N° accidentes(xi) Frecuencia 𝒙𝒊 𝒐𝒊
observada 𝑥𝑖 𝑜 𝑖 80
1 0 34 0
E(x)=γ=vt= = =1
𝑛 80
2 1 25 25
3 2 11 22 γ=1
4 3 7 21
K=5 4 3 12
Total 80 80

El parámetro de Poisson (γ) nos ayudará a encontrar la probabilidad teórica y así podremos
encontrar la frecuencia esperada:
𝑒 −𝛾 𝛾𝑥 𝑒 −1 10
𝜋𝐼 =P(X=x)= 𝜋𝐼 =P(x=0)=
𝑥! 0!
𝑒 −1 11 𝑒 −1 12
𝜋𝐼 =P(X=1)= 𝜋𝐼 =P(x=2)=
1! 2!
𝑒 −1 13
𝜋𝐼 =P(x=3)= 𝜋𝐼 =P(x ≥4)= 1-∑P(x< 4)
3!
 N° N° Frecuencia Probabilidad Frecuencia (𝑶𝒊 − 𝒆𝒊 )𝟐
accidente Observada teórica esperada 𝒆𝒊
1 0 34 0.3679 29.43 0.7090
2 1 25 0.3679 29.43 0.6674
3 2 11 0.1839 14.71 0.9366
k=4 4om 10 0.0803 6.42 1.9906
total 80 1 80 4.3036

4P) CRITERIO DE DECISION:

𝑋𝑐 2 =4.3036 𝑋𝑐 2 <𝑋𝑐𝑟𝑖𝑡 2 por lo tanto no se rechaza la hipótesis nula
𝑋𝑐𝑟𝑖𝑡 2 =5.9915
5P) CONCLUCIÓN:
Con un nivel de significación del 5% no se puede rechazar que el número de accidentes
automovilísticos diarios en un cruce de dos avenidas de determinada ciudad tiene una distribución de
Poisson
REPORTE EN MINITAB:

Conteos observados y esperados para N° de accidentes

N° de Probabilidad Conteo Conteo Contribución a
accidentes de Poisson observado esperado chi-cuadrada
0 0.367879 34 29.4304 0.70953
1 0.367879 25 29.4304 0.66693
2 0.183940 11 14.7152 0.93798
>=3 0.080301 10 6.4241 1.99047

Prueba de chi-cuadrada
Hipótesis nula H₀: Los datos siguen una distribución de Poisson
Hipótesis alterna H₁: Los datos no siguen una distribución de Poisson
GL Chi-cuadrada Valor p
2 4.30491 0.116

P>α; no se rechaza la hipótesis nula

APLICACIÓN IV
El jefe de una planta industrial desea determinar si existe relación entre el rendimiento en el trabajo y
turno laboral del empleado. Se tomó una muestra aleatoria de 400 empleados y se obtuvo los siguientes
resultados

Rendimiento Turno Laboral

del trabajo Mañana Tarde Noche Total
Deficiente 23 60 29 112
Promedio 28 79 60 167
Muy bueno 9 49 63 121
Total 60 188 152 400

Con el nivel de significación 0.01 a) ¿La calificación del rendimiento del trabajador está asociada con el
turno en el que labora el empleado? Analice la magnitud de la asociación, si la hubiera.

1P) PLANEAMIENTO DE HIPÓTESIS:

Ho: No existe una relación entre el rendimiento en el trabajo y turno laboral.
HI: Existe una relación entre el rendimiento en el trabajo y turno laboral
2P) NIVEL DE SIGNIFICACIÓN:
α= 0.01

3P) ESTADÍSTICO DE PRUEBA:

Mañana Tarde Noche Total n.i

Deficiente 23 60 29 112
Promedio 28 79 60 167
Muy bueno 9 49 63 121
Total n.j 60 188 152 400

16.8 52.64 42.56 𝑛𝑖 .𝑛𝑗

eij=
eij 25.05 78.49 63.46 𝑛..
18.15 56.87 45.98

(𝑶𝒊𝒋 − 𝒆𝒊𝒋 )𝟐 2.2881 1.0291 4.3203 (𝑜𝑖𝑗−𝑒𝑖𝑗)2

𝑓
𝒆𝒊𝒋 0.3474 0.0033 0.1886 𝑋𝑐 2 = ∑𝑖=1 ∑𝑐𝑗=1
𝑒𝑖𝑗
4.6128 1.0891 6.3001

4P) CRITERIO DE DESICIÓN:

𝑋𝑐 2 =20.1789 𝑋𝑐 2 >𝑋𝑐𝑟𝑖𝑡 2 por lo tanto se rechaza la hipótesis nula

𝑋𝑐𝑟𝑖𝑡 2 =13.2767
5P) CONCLUSIÓN:
Con un nivel de significación del 1% existe una evidencia para rechazar la hipótesis nula, es
decir, se puede afirmar que hay una relación entre el rendimiento en el trabajo y turno laboral del
empleado.

b) Para hallar el grado de disociación se usa el coeficiente de Pearson:

𝑋𝑐 2 20.1789
C=√ C=√20.1789+400 =0.2191
𝑋𝑐 2 +𝑛
Esto quiere decir que hay una baja asociación entre el rendimiento del trabajo y el turno laboral.

PRUEBA POR MINITAB

Filas: RENDIMIENTO Columnas: TURNO LABORAL

Mañana Noche Tarde Todo

Deficiente 23 29 60 112
16.80 42.56 52.64

Muy bueno 9 63 49 121

18.15 45.98 56.87

Promedio 28 60 79 167
25.05 63.46 78.49

Todo 60 152 188 400

Contenido de la celda
Conteo
Conteo esperado

Prueba de chi-cuadrada
Chi-cuadrada GL Valor p
Pearson 20.179 4 0.000
Relación de verosimilitud 20.892 4 0.000
APLICACIÓN V
Una empresa usa 4 máquinas para el llenado de bolsas de detergente. Todas las máquinas son de la misma
marca y modelo. Dichas máquinas están programadas para llenar 250 gr.en cada bolsa de detergente.El jefe
de producción se ha quejado de que las 4 máquinas presentan cierto nivel de variabilidad en la cantidad de
detergente de cada bolsa. Un especialista encargado por la compañía selecciona al azar 6 bolsas de c/u de
las máquinas y posteriormente pesa las bolsas. Los resultados obtenidos se muestran a continuación:

Máquinas
Repetición
A B C D
1 250.3 249.3 250 251.1
2 250.2 246.8 251.1 250.1
3 249.9 248.3 250.9 248.9
4 249.3 247.9 248.3 249.3
5 250.6 249.7 248.9 251
6 250.3 249.9 249.9 249.9
Total 1500.6 1491.9 1499.1 1500.3
Promedio 250.1 248.65 249.85 250.05
Si 0.2 1.44 1.20 0.78

a) Prueba el supuesto de normalidad los reportes.

P1)PLANTENAMIENTO DE HIPÓTESIS

Ho: El peso de las bolsas de detergente se distribuye normalmente.

HI: El peso de las bolsas de detergente no se distribuye normalmente.

P2) Nivel de significación

α = 5%

P3) P-valor
P4) CRITERIO DECISIÓN:

Máquina P-valor ; α = 0.05

A 0.254 ; Pvalor > α No se rechaza

B 0.576 ; P-valor>α hipótesis nula

C 0.630 ; P-valor> α

D 0.621 ; P- valor> α

P5) CONCLUSIÓN:
Se cumple que el peso de las bolsas de detergente se distribuye normalmente.
b) Pruebe el supuesto homogeneidad de varianzas; α= 0.05
P1) PLANTEAMIENTO DE HIPÓTESIS:
Ho: 𝜎21 = 𝜎2 2 = 𝜎23 = 𝜎24 = 𝜎2
HI: Al menos una 𝜎i2 es diferente 𝑖 = 1,2,3,4
P2) NIVEL DE SIGNIFICACION:
α = 5%
P3) PRUEBA ESTADÍSTICA:
 Máquinas
Repetición
A B C D Total
1 250.3 249.3 250 251.1 1000.7
2 250.2 246.8 251.1 250.1 998.2
3 249.9 248.3 250.9 248.9 998
4 249.3 247.9 248.3 249.3 994.8
5 250.6 249.7 248.9 251 1000.2
6 250.3 249.9 249.9 249.9 1000
Total 1500.6 1491.9 1499.1 1500.3 5991.9
ni 6 6 6 6
ni-1 5 5 5 5 20
S^2 0.204 1.439 1.199 0.783
(ni-1)S^2 1.02 7.195 5.995 3.915 18.125
(n-1)lnS^2 -7.94817643 1.81974214 0.90743938 -1.22311291 -6.44410782
1/(ni-1) 0.2 0.2 0.2 0.2 0.8
S^2p 0.90625
t= 4
Q= 4.1311

4P) CRITERIO DE DESICIÓN:

Q=4.1311 Q>𝑋𝑐𝑟𝑖𝑡 2 por lo tanto no se rechaza la hipótesis nula

𝑋𝑐𝑟𝑖𝑡 2 =7.81473
5P) CONCLUSION:
Con un nivel de significancia del 5% no se rechaza la hipótesis nula; es decir las varianzas en los
4 grupos son homogéneos, por lo tanto se cumple el supuesto de homogeneidad de varianzas.

PRUEBA EN MINITAB:

Intervalos de confianza de Bonferroni de 95% para desviaciones estándar

Máquinas N Desv.Est. IC
A 6 0.45166 (0.250789; 1.50089)
B 6 1.19958 (0.666077; 3.98626)
C 6 1.09499 (0.608000; 3.63868)
D 6 0.88487 (0.491332; 2.94046)

Nivel de confianza individual = 98.75%

Pruebas
Estadística
Método de prueba Valor p
Bartlett 4.13 0.248