UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

INGENIERÍA QUÍMICA
ESCUELA PROFESIONAL DE INGENIERÍA QUÍMICA

DISTRIBUCION DE CHI-CUADRADA

DOCENTE: ALUMNO(A)S:

ing. Vilma Rosario Calderón Flores Gomez Romero Erick Renato IQI

ASIGNATURA: Sánchez Cainicela Mónica Maribel IQI

Control de Calidad Castro Gómez Marco Antonio IQI

SEMESTRE: Ñahuero marcas sthif IQ

VII González Alcántara Jimmy Omar IQ

Quispe Huaman Ayne IQI
Suazo Quispe Brigith Adela IQI
DISTRIBUCIÓN
NORMAL
LA DISTRIBUCIÓN NORMAL

Se le conoce, más comúnmente,

como la "campana de Gauss". Es una
de las distribuciones de
probabilidad de variable continua
que con más frecuencia aparece
en estadística y en la teoría de
probabilidades.

La distribución de una variable

normal está completamente
determinada por dos parámetros,
ECUACIÓN DE LA CAMPANA DE GAUSS

Carl
Friedrich
Gauss
Así, se dice que una característica sigue una
distribución normal de media y varianza , y se
denota como , si su función de
densidad viene dada por la ecuación 1.
RAZONES DE LA IMPORTANCIA EN LA ESTADÍSTICA

❏ Se pueden obtener las distribuciones

Su importancia se debe de varias funciones importantes de las
fundamentalmente a la observaciones muestrales.
frecuencia con la que
distintas variables
❏ Se aproxima en muchas ocasiones a
asociadas a fenómenos los valores obtenidos para variables
naturales y cotidianos que se miden sin errores sistemáticos.
siguen, aproximadamente, ❏ La existencia del Teorema Central del
esta distribución.
Límite.
 PROPIEDADES

❖ Tiene forma de campana.

❖ Tiene una única moda, que coincide con su media y su mediana.
❖ La curva normal es asintótica al eje de abscisas.
❖ Es simétrica con respecto a su media.
❖ La distancia entre la línea trazada en la media y el punto de
inflexión de la curva es igual a una desviación típica .
❖ El área bajo la curva comprendido entre los valores situados
aproximadamente a dos desviaciones estándar de la media es igual
a 0.95.
❖ La forma de la campana de Gauss depende de los parámetros
media y desviación estándar.
 Ejemplos de distribuciones normales con
diferentes parámetros

Distribuciones lineales con diferente Distribuciones lineales con diferentes

desviaciones estándar e igual media. medias e igual desviaciones estándar .
 DISTRIBUCION NORMAL ESTANDAR

Se creó una distribución

normal estándar de referencia
y que represente a todas y
cada una de las infinitas
curvas normales, donde por
convención mu es igual a cero
y sigma igual a uno, N(0,1).
 DISTRIBUCION NORMAL ESTANDAR

Donde: Conclusiones a partir de la fórmula:

z = Número de desviaciones estándar a las que se encuentra el
● Cuando X < µ, el valor de Z es negativo.
valor de interés a partir de la media.
● Cuando X > µ, el valor de Z es positivo.
x = Valor de interés
● Cuando X = µ ,el valor de Z = 0.
µ = Media de la distribución normal
σ= Desviación estándar
 PROPIEDADES

 La distribución normal estándar tiene:

Media μ=0
Desviación estándar σ=1.
● La media, mediana y Moda
coinciden, son iguales y se localizan
en el pico.
DISTRIBUCIONES NORMALES CON VARIAS DESVIACIÓN ESTÁNDAR
 CONTRASTES DE NORMALIDAD
Existen dos maneras de evaluar la normalidad:
1. Gráficamente: histogramas, Q-q plot.
• Histogramas y curvas de densidad
• Gráficos Q-Q.
2. Analíticamente: test de Shapiro-Wilk, de Kolmogorov–Smirnov.

• test de Shapiro-Wilk

El test de Shapiro-Wilk funciona bien con muestras pequeñas (menores de 50), se ejecuta con la función
shapiro.test().
2. Analíticamente: test de Shapiro-Wilk, de
Kolmogorov–Smirnov.
• test de Kolmogorov–Smirnov

El test de Kolmogorov–Smirnov
funciona bien con muestras pequeñas (mayores de 50), se ejecuta con la función
ks.test().
 ÁREA BAJO LA CURVA NORMAL ESTÁNDAR
El área bajo la curva normal estándar es útil para asignar probabilidades de ocurrencias de la variable X.

Debemos tomar en cuenta que el área total bajo la curva es igual a 1, por ser una gráfica simétrica cada
mitad tiene un área de 0.5 .
PASOS PARA DETERMINAR EL
ÁREA BAJO LA CURVA NORMAL
ESTÁNDAR:
● PASO 1: Interpretar gráficamente
el área de interés.
● PASO 2: Determinar el valor de Z.
● PASO 3: Busca en la tabla de
probabilidades.
● PASO 4: Hacer la suma o resta de
áreas para encontrar la
probabilidad deseada.
HALLANDO EL ÁREA BAJO LA CURVA
EJERCICIO 1
Supongamos que sabemos que el peso de un grupo de estudiantes universitarios sigue una distribución
aproximadamente normal, con una media de 70kg y una desviación estándar de 10 kg.
µ=70kg
σ=10kg
Determine la probabilidad de que un estudiante tenga un peso menor o igual a 75kg.

Paso 01: Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=75kg, el área de la curva que
nos interesa es la siguiente:

75kg
Paso 02: Determine el valor de Z:
Z=(x-µ)/σ = (75-70)/10 =0.50
Paso 03: Buscar en la tabla de probabilidades.
Buscamos en la tabla. El valor Z=0.50 y obtenemos el área de 0.6915
Paso 04: Hacer la suma o resta de áreas para encontrar la
probabilidad deseada.
En este ejemplo no es necesario realizar la resta a 1, ya que el área es la misma que se representa en la tabla .
Por lo tanto la probabilidad de que X<75 es igual a 0.6915. (En porcentaje sería el 69,15%)
EJERCICIO 2
Shaver manufacturing, Inc. Ofrece a sus empleados seguros de atención dental. Un estudio reciente
realizado por el director de recursos humanos demuestra que el costo anual por empleado tuvo una
distribución de probabilidad normal, con una media de $1280 y una desviación estándar de $420
anuales.

a) ¿Qué porcentaje de empleados genero mas de $1500 anuales de gastos dentales?

 R/ el 30% de los empleados genera mas de $1500 anuales

1500
b) ¿Qué porcentaje de empleados genero entre $1500 y $2000 anuales de gastos dentales?

El 25.79% de los empleados genero entre $1500 y $2000

c) Calcule el porcentaje que no genero gastos por atención dental.

EJERCICIO 3
1. El tiempo promedio que tarda el profesor en llegar a su trabajo es de 24 minutos, con una
desviación estándar de 3.8 minutos. Asumiendo que el tiempo que tarda el profesor en
llegar al trabajo tiene una distribución normal.

a) ¿Cuál es la probabilidad de que tarde al menos media hora para llegar al trabajo?
𝑦
𝑃 (𝑥 ≥ 30)
𝜇=24
𝜎 =3.8 ?

𝑥 − 𝜇 30 − 24 𝑥
𝑧=
𝜎
=
3.8
=1.58
𝑦 24 30
𝑓 (𝑧)
𝑃 ( 𝑥 ≥30 )=𝑃 ( 𝑧 ≥ 1.58)

𝑥
¿ 1− 0.94295=0.05705 0 1,58
 b) Si su primera clase a las 9:00 a.m. y el profesor sale a diario de su casa a las
8:45. ¿Qué porcentaje de las veces llegará tarde al trabajo?

𝑥
𝑃 (𝑥 ≥ 15)
𝜇=24

𝑥 − 𝜇 15 −24
𝑧=
𝜎
=
3.8
=− 2.37 15 24 𝑦
𝑓 (𝑧)
𝑃 ( 𝑥 ≥15 )=𝑃 ( 𝑧 ≥ 2.37)

¿ 1 − 0.0089 −2.37 0 z
¿ 0.9911= 99.11 %
 𝜇=24

𝜎 =3.8
𝑃 ( 𝑥 <𝑡 ) =0.85

Para una probabilidad de 0.85, corresponde Z = 1.04 (dato tenido de tablas)

𝑥−𝜇
𝑍=
𝜎

+
𝑥=( 1.04 )( 3.8 )+ 24=27.95=27 : 57 ≈ 28 𝑚𝑖𝑛

El profesor debe salir de su casa a más tardar a las 8:32 a.m. para llegar a tiempo el 85% de las veces y no perder
el estímulo por puntualidad
EJERCICIO 4
Los salarios mensuales de los recién graduados que acceden a su primer empleo se distribuyen según una ley normal de
media 1300 € y desviación típica 600 €. Calcular el porcentaje de graduados que cobran: a) Menos de 600 € al mes b)
Entre 1000 y 1500 € al mes c) Más de 2200 € al mes
SOLUCIÓN:
• x: variable aleatoria “salarios mensuales, en euros, de los recién graduados en su primer empleo”.
• La distribución de la variable x es N(1300, 600); μ = 1300; σ = 600
• Hay que tipificar la variable para obtener las probabilidades a partir de la tabla N(0, 1).

a) P(x <600)= P(z< )= P(z <−1,17)=1−P(z⩽1,17)= 1−0,8790 = 0,1210

Por tanto, el 12,1% de los recién graduados cobra menos de 600 € al mes en su primer trabajo.

b) P(1000<x⩽1500)= P( <z< )= P(−0,5<z⩽0,33) =

= P(z<0,33)−[1−P(z<0,5)]= 0,6293−(1−0,6915)= 0,3208

Por tanto, el 32,08% de los recién graduados cobra entre 1000 y 1500 € al mes en su primer trabajo.

c) P(x >2200)= P(z> )= P(z>1,5)=1−P(z⩽1,5)= 1−0,9332 = 0,0668

Por tanto, el 6,68% de los recién graduados cobra más de 2200 € al mes en su primer trabajo.
DISTRIBUCIÓN
CHI CUADRADO
 UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

FACULTAD DE INGENIERÍA QUÍMICA

CHI-CUADRADO
• Es una prueba de estadística descriptiva, esta se aplica al estudio de dos variables.

• sirve para someter a prueba hipótesis referidas a distribuciones de frecuencias En términos

generales, esta prueba contrasta frecuencias observadas con las frecuencias esperadas de
acuerdo con la hipótesis nula.

• Es utilizada también para poder comprobar si las variables están relacionadas o no lo

están.

• Otro de sus usos es en intervalos de confianza y pruebas de hipótesis para las varianzas o
desviaciones estándar.

• Se simboliza por
Existen tres usos relevantes de la prueba :
– Prueba de bondad de ajuste (una variable)
En una prueba de ajuste la hipótesis nula establece que una variable X tiene una cierta
distribución de probabilidad con unos determinados valores de los parámetros.
– Prueba de independencia o contingencia (dos variables)
La prueba chi-cuadrado de contingencia sirve para comprobar la independencia de
frecuencias entre dos variables aleatorias, X e Y.
– Prueba de homogeneidad (dos variables)
Otra de las aplicaciones interesantes de la prueba chi-cuadrado de independencia consiste
en la comprobación de la homogeneidad de distintas muestras de una variable.

TIPOS DE HIPÓTESIS
Las dos hipótesis con los que se va a trabajar:

• HIPÓTESIS NULA( ): sus parámetros son independientes que pueden ser

verdaderas o falsas. Requiere especificar sus parárametro.

• ): sus parámetros son dependientes.

CONCEPTOS IMPORTANTES DEL CHI-CUADRADO

TIPOS DE VARIABLES O PARAMETROS

 Variable aleatoria: Toda función que toma diversos valores numéricos,
dependiente de los resultados de un fenómeno aleatorio, con distintas
probabilidades.
 Variable aleatoria discreta: son aquellas que presentan un número finito de
valores, que constituyen una sucesión numerable.
 Variable aleatoria continua: pueden tomar un número infinito de valores en un
intervalo determinado.
 Variable categórica: Una variable categórica es una variable que clasifica cada
individuo de una población en una de las varias clases mutuamente excluyentes
en que ésta se divide.
MUESTRAS
• Muestra: Parte de una población que se toma para un estudio o experimento .
• Muestra aleatoria: (Muestra elegida al azar) Aquella muestra tomada de la población en la
que todo individuo tiene la misma probabilidad de resultar elegido.

NIVEL DE SIGNIFICACIÓN (α)

grado de error que se puede cometer si la hipótesis es nula (), cuando menor sea el grado
de error más confiable será el resultado.
Son comunes los niveles de significancia del 0,05, 0,01 y 0,1. En algunas situaciones es
conveniente expresar la significancia estadística 1-⍺.

GRADOS DE LIBETAD
Es el numero de valores que pueden ser asignados de forma arbitraria ,antes de que el resto
de las variables tomen un valor automáticamente.
A priori, tendrá tantos grados de libertad como parejas frecuencia observada - frecuencia
esperada
 FORMULA DEL CHI CUADRADO

PROPIEDADES
FUNCIÓN DE DENCIDAD FUNCIÓN DISTRIBUCIÓN ACUMULADA
Es una distribución de probabilidad continua con
Su función de distribución es :
un parámetro que representa los grados de
libertad de la variable aleatoria. Donde y(k,z) es la función gamma incompleta
Su función de densidad es :
El valor esperado y la varianza de una variable
aleatoria X con distribución son , respectivamente , K Y
2K .
 APLICACIONES
• La distribución chi-cuadrada ) tiene muchas aplicaciones en inferencia estadística. La
más conocida es la de la denominada prueba chi-cuadrada (utilizada como prueba de
independencia y como prueba de bondad de ajuste y en la estimación de varianzas.
Véase esto también
La Distribución chi-cuadrado, tiene por función de densidad

Donde el parámetro k de , se denomina grados de libertad de la distribución.

La Distribución chi-cuadrado no tiene sentido para valores negativos de x, como se puede ver en la figura.

Téngase en cuenta que para k = 1 y k = 2 la función de densidad para x = 0, se hace infinito.

También vemos que al aumentar el número de grados de libertad, la curva se aproxíma a la distribución normal .
 PROCEDOMIENTOS
 Se calcula a través de una tabla de contingencia o tabulación.
 Es una tabla de dos dimensiones y cada dimensión contienen una variable
 Cada variable se subdivide en dos o más categorías.
 Pasos para resolverlos:
1) Defina la hipótesis de trabajo.
2) Defina el nivel de significancia para la prueba estadística.
3) Calcule los grados de libertad para la prueba.
4) Establezca el valor de rechazo de la hipótesis nula para la distribución .
5) Calcular el valor para el estadístico de contraste .
6) Calcular el valor de .
7) Interpretación.
 EJERCICIO 1
Hipótesis Nula (): No depende de la tienda
Hipótesis Alterna (): Si depende de la tienda
Margen de error = 0.1

TIENDA TIENDA TIENDA

TIENDA TOTAL
A B C
TIPO DE PAGO
EFECTIVO 65 40 86 191

TRANSFERENCIAS 93 18 32 143

TARJETAS 94 98 49 241

TOTAL 252 156 167 575

 FRECUENCIAS ESPERADAS: (ft)

Se realizara las frecuencias esperadas de todas las celdas.

 CHI CUADRADO:

Donde:
f = Frecuencia obtenida
ft = Frecuencia esperada
 GRADOS DE LIBERTAD: (g!)
 Ubicamos el margen de error que nos dio el ejercicio en el cuadro de distribución de
Hipotesis Nula (): No depende de la tienda
Hipótesis Alterna (): Si depende de la tienda

Por lo tanto el tipo de compra si depende de la tienda.

 EJERCICIO
2
La siguiente tabla refleja la cantidad de estudiantes, según l a calificación obtenida en
matemática de dos universidades:

DEFICIENTE REGULAR BUENO TOTAL

UBA 5 11 7 23
UP 20 32 3 55
TOTAL 25 43 10 78

¿Incluye el tipo de universidad en la calificación obtenida?

Margen de error: 0.05
Hipótesis Nula (): No incluye el tipo de universidad
Hipótesis Alterna (): Si incluye el tipo de universidad

 FRECUENCIAS ESPERADAS: (ft)

Se realizara las frecuencias esperadas de todas las celdas.

 CHI CUADRADO:

Donde:
f = Frecuencia obtenida
ft = Frecuencia esperada
 GRADOS DE LIBERTAD: (g!)
Hipotesis Nula (): No depende de la tienda
Hipótesis Alterna (): Si depende de la tienda

Por lo tanto el tipo de universidad si influye en la calificación de matemática.

 EJERCICIO 3
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 ; P-valor > α
B 0.576 ; P-valor>α
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> por lo tanto no se rechaza la hipótesis nula

=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 Valor p
de prueba

Bartlett 4.13 0.248

 EJERCICIO 4

 El uso de cinturón de seguridad, en los conductores, esta relacionado con el

género.
nivel de significancia es de 0.01
 TABLA DE CONTIGENCIA
Formulación de hipótesis
 H0: El uso del cinturón de seguridad es independiente del género.
 H1: El uso del cinturón de seguridad no es independiente del género.

Tabla de frecuencias esperadas

Calculo de chi-cuadrado

• Fo: Frecuencia del valor observado.

• Fe: Frecuencia del valor esperado.
Grado de libertad (v)
v= (n⁰ columnas – 1) (n⁰ filas-1)

v= (2-1) (2-1)
v= 1

Valor del parámetro (p)

p= 1- nivel de significancia

p= 1- 0.001 = 0.99
Comparación entre los valores del chi-cuadrado calculado y el crítico
 

 Si el valor del chi-cuadrado calculado es menor o igual que el chi-cuadrado

critico entonces se acepta la hipótesis nula, caso contrario se acepta.

X2 ≤ valor crítico
6.2248 ≤
6.635
Entonces se acepta la hipótesis nula, cual es “El uso del cinturón de
seguridad es independiente al género”
CHI-CUADRADO EN RSTUDIO
 UNIVERSIDAD NACIONAL DEL CENTRO DEL
PERÚ
EJERCICIO 5
FACULTAD DE INGENIERÍA
QUÍMICA
E.A.P. INGENIERÍA QUÍMICA
INDUSTRIAL

CURSO: Control de calidad

DOCENTE: Ing. Vilma Rosario Calderón Flores
ESTUDIANTE: Marco Antonio Castro Gómez
SEMESTRE: VII

2022
En el proceso de cocción de piezas de pollo en el restaurante de Popeyes en Huancayo, una de las variables críticas es
la temperatura. Se toma una muestra aleatoria de n = 10 discos de la producción del turno de la mañana. Se formatean
y se reporta el rendimiento de cada disco. Los datos obtenidos son: 11,3,3,3,3,6,7.5,5,2.5,3,6. Con base en estos datos
estimar puntualmente y por intervalo la media y la desviación estándar para la cantidad de piezas producidas en ese
tiempo. Los estimadores puntuales son:
 EJERCICIO 6
En la siguiente tabla se observa la cantidad de alumnos que asistieron a clases en distintos cursos.

Sustituyendo la formula para cada casillero

Quimica Calculo Total
Asistieron c1 30 c2 20 50 =1 =1,6
25 25
No c3 10 c4 20 30
asistieron 15 15 c2=1 =1,6
total 40 40 80

2
(0
❑
− 𝐸)
𝑥 =∑
2

❑ 𝐸

El valor de chi-cuadrado es: 3,84

--mayor al 5% < 3,84 > tiene un valor de “p”menor al 5%

𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑝<0.05 𝑝𝑜𝑟 𝑞𝑢𝑒 𝑥 2=5,2 𝑒𝑠 𝑚𝑒𝑗𝑜𝑟 𝑞𝑢𝑒 3.84

 Las diferencias de los dos grupos son estadísticamente significativas
EJERCICIO 7: APLICACIÒN DE CHI
CUADRADO
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 del Turno Laboral

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:
16.8 52.64 42.56
Ho: No existe una relación entre el rendimiento en el eij=
eij 25.05 78.49 63.46
trabajo y turno laboral.
18.15 56.87 45.98
HI: Existe una relación entre el rendimiento en el
trabajo y turno laboral
2P) NIVEL DE SIGNIFICACIÓN:
2.2881 1.0291 4.3203
α= 0.01
0.3474 0.0033 0.1886
3P) ESTADÍSTICO DE PRUEBA:
  4.6128 1.0891 6.3001
  Mañana Tarde Noche Total n.i
Deficiente 23 60 29 112 =
Promedio 28 79 60 167
Muy 4P) CRITERIO DE DESICIÓN:
9 49 63
bueno 121
Total n.j 60 188 152 400 =20.1789 > por lo tanto se rechaza la hipótesis
nula
=13.2767
 PRUEBA POR MINITAB
5P) CONCLUSIÓN:
Filas: RENDIMIENTO   Columnas: TURNO
Con un nivel de significación del 1% existe una evidencia
LABORAL
para rechazar la hipótesis nula, es decir, se puede afirmar
que hay una relación entre el rendimiento en el trabajo y   Mañana Noche Tarde Todo
         
turno laboral del empleado.
Deficiente 23 29 60 112
  16.80 42.56 52.64  
         
b) Para hallar el grado de disociación se usa el coeficiente Muy bueno 9 63 49 121
de Pearson:   18.15 45.98 56.87  
         
C= C= =0.2191 Promedio
 
28 60 79 167
25.05 63.46 78.49  
Esto quiere decir que hay una baja asociación entre el          
Todo 60 152 188 400
rendimiento del trabajo y el turno laboral.
Prueba de chi-cuadrada
  Chi-cuadrada GL Valor p
Pearson 20.179 4 0.000
Relación de 20.892 4 0.000
verosimilitud