[ESTADISTICA INFERENCIAL]

7 de mayo de 2014
UNIVERSIDAD PRIVADA DE TACNA
FACULTAD DE CIENCIAS EMPRESARIALES
CARRERA PROFESONAL DE NGENERA COMERCAL
" V E R I T A S E T V I T A "
PRESENTADO POR:
Bertha Condori
Roxana Chino Chino
Rebeca Flores
Ademir Laura Quispe
Mildon Laqui
CURSO:
Estadstica nferencial
PROFESOR DEL CURSO:
ng. Luis Fernndez Vizcarra
TACNA PERU
2014
TAREA ACADEMICA
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
10.1 Dada una muestra de n
1
=40 de una poblacin con una desviacin estadar
conocida o
1
=20, y una muestra independiente de n
2
=50 de otra poblacin con una
desviacin estndar conocida o
2
=10 Cul es el valor estadstico de prueba Z para
probar H
0
:
1
=
2
si
1
=72 y la
2
=66?
Poblacion Poblacion
n
1
= 40 n
2
= 50

1
= 72
2
= 66
o
1
= 20 o
2
= 10
Z=
(

X
1

X
2
)

2
)

1
2
n
1
+

2
2
n
2
=
( 7266) ( 00)

20
2
40
+
10
2
50
=1.73205
10.2. Qu decisin tomara en el problema 10.1 si est probando H
0
:
2 1
=
contra
la alternativa de dos colas H
1
:
2 1

con un nivel de significancia del 0.01?
Solucin:
10.3. Cul es el valor p en el problema 10.1, si esta probando HO: u
1
=u
2
en
contra de la alternativa de dos colas H1: u
1
#u
2
?
Valor p = 0.067
10.4 suponga que tiene una muestra n1=8 con una media muestral x1=42 y una
desviacin estndar de la muestra de S1=4 y tiene una muestra independiente de
n2=15 de otra poblacin con una media muestral de X2= 34 y una desviacin
estndar de la muestra S2=5
a. Cul es el valor del estadstico de prueba t de varianza conjunta para probar Ho=
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
u1=u2?
b. Cuntos grados de libertad hay?
gl= n1+n2-2=
8+15-2=21
c. Usando un nivel de significancia del 0.01 Cul ser el valor crtico?

10.5
10.6 En relacin con el problema 10.4. Construya una estimacin del intervalo de
confianza del 95% de la diferencia poblacional entre
1
y
2
(

X
1

X
2
)
t
n
1
+n
2
2

S
p
2
(
1
n
1
+
1
n
2
)
=( 4234) 2.080

22
(
1
8
+
1
15
)
=8 4.271
3.729<
1

2
<12.271
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
10.7 El gerente de operaciones de una fbrica de focos desea determinar si existe
alguna diferencia en la media de esperanza de vida de los focos fabricados en dos
diferentes tipos de maquinas. La desviacin estndar poblacional de la maquina es
de 110 horas y la de la maquina es de 125 horas. Una muestra aleatoria de 25
focos de la maquina indica una media muestral de 375 horas, y una muestra similar
de 25 focos de la maquina indica una media mustral similar de 25 focos de la la
maquina indica una media muestral de 362 horas.
a) Usando un nivel de significancia de 0.05, existe alguna evidencia de la
diferencia en la media esperanza de vida de los focos fabricados por los dos
tipos de maquinas?
b) Calcular el valor-p en el inciso a) e intrprete su significado
Solucin
10.8 La gerente de compras de una fbrica de partes individuales investiga la
posibilidad de comprar un nuevo tipo de mquina de moliendo. Ella determina
comprar la maquina nueva si existe evidencia de que las partes producidas tendrn
una mayor media de fuerza de rompimiento que de la antigua mquina .la desviacin
estndar poblacional de la fuerza de rompimiento para la antigua maquina es de 10
kilogramos y para la nueva mquina es de 9 kilogramos una muestra de 100 partes
tomadas de la antigua maquina indica que la media muestral es de 65 kilogramos y
una muestra similar de 100 de la nueva mquina indica una media muestral de 72
kilogramos
A.-usando el nivel de significancia de 0.01existe evidencia de que la gerente de
ventas deba de comprar la nueva mquina?
B.-calcule el valor p en el inciso a.- e interprete su significado
Paso 1: HO: u
nueva
< =u
antigua
u
nueva
>u
antigua
Paso 2: N.S= 0.01
Paso 3: prueba T para muestras independientes
Paso 4: Estadsticos descriptivos
ANTES DESPUES
N 100 100
X 65 72
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
S 10 9
Paso 5: Los datos si presentan una distribucin normal
Paso 6: valor p= 0.00003
Paso 7: Pruea !e "#$%&es#s
1.1 > 0.00003
Paso ': A un nivel de confianza del 99% se demuestra que existe evidencia
suficiente para comprar la nueva maquinaria
10.9 Se gastan millones de dlares cada ao en comida dietticas. Tendencias
como la dieta Atkins baja en grasas o baja en carbohidratos ha llevado a patrocinar
nuevos productos. Un estudio realizado comparo la perdida de peso entre pacientes
obesos con una dieta baja en grasas y pacientes obesos con una dieta baja en
carbohidratos. Sea u1 la media del nmero de libras que los pacientes obesos
perdieron en 6 meses con una dieta baja en grasas y u2 la media del nmero de
libras que los pacientes obesos perdieron en seis meses con una dieta baja en
carbohidratos.
a. Establezcan la hiptesis nula y alternativa si desea probar si las medias de la
perdida de peso entre las dos dietas son iguales o no.
o = g = c
1= g c
b. Cul es el significado del error tipo ?
Error : Siendo cierta, los pacientes no presentan la misma perdida de peso con una
dieta baja en grasa y o con una dieta baja en carbohidratos
c. Cul es el significado del error tipo ?
Error tipo : siendo falsa los pacientes presentan la misma prdida de peso con una
dieta baja en grasa o con una dieta baja en carbohidratos.
10.10.
10.11 De acuerdo con una encuesta realizada en octubre de 2001, los
consumidores trataban de reducir la deuda de su tarjeta de crdito, con base
en una muestra de 1 000 consumidores en octubre de 2001 y octubre de
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
2000, la media la deuda en la tarjeta de crdito fue de $ 2,411 en octubre de
2001, en comparacin con $ 2,814 en octubre de 2000, suponga que la
desviacin estndar fue de $ 847.43 en octubre de 2001 y de $ 976.93 en
octubre de 2000.
10.12
10.13
10.14 Un banco con una sucursal localizada en el distrito comercial de la ciudad ha
desarrollado un proceso de mejoramiento del servicio a clientes durante el horario
del almuerzo, del medioda a la 1:00PM. El tiempo de espera (definido
operacionalmente como el tiempo transcurrido desde que el cliente se forma en la
fila hasta que llega a la ventana del cajero) de todos los clientes se registra en un
periodo de una semana. Se selecciona una muestra de 15 clientes banki, y los
resultados (en minutos) son los siguientes:
4.21 5.55 3.02 5.13 4.77 2.34 3.54 3.20 4.50 6.10 0.38 5.12 6.46 6.19 3.79
Suponga que otra sucursal localizada en su rea residencial tambin esta
preocupada por el servicio durante la hora del almuerzo, del medioda a la 1:00 PM.
Se selecciona una muestra de 15 clientes banki, y los resultados son los siguientes:
9.66 5.90 8.02 5.79 8.73 3.82 8.01 8-35 10.49 6.68 5.64 4.08 6.17 9.91 5.47
a) Suponiendo que las varianzas poblacionales de los dos bancos son iguales,
existe evidencia de que una diferencia en la media del tiempo de espera
entre las dos sucursales?(use N.S. = 0.05)
b) Determine el valor-p en el inciso a) e intrprete su significado.
c) Qu otra suposicin es necesaria para el inciso a?
d) Suponiendo que las varianzas poblacionales para ambas sucursales son
iguales, construya e intrprete una estimacin de intervalo de confianza del
95% de la diferencia entre las medias poblacionales de las dos sucursales.
10.15 Repita el problema 10.14 a) suponiendo que las varianzas poblacionales en
las dos sucursales no son iguales. Compare los resultados con los del problema
10.14 a).
P1. H
0
:
1
=
2
H
1
:
1
=
2
P2. d=0.05
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
P3. Prueba t para muestras independientes
P4. Estadisticos:
Bank1 Bank2
n
1
= 15 n
2
= 15

1
= 4,2867
2
= 7,1147
o
1
= 1,63799 o
2
= 2,08219
P5. Prueba de normalidad
Los datos presentan distribucin normal
P6. Prueba de homogeneidad de varianzas
Las varianzas no son homogneas
P7. Contraste
t
c
= -4,134 y t
t
=-1,8331 t
c
<t
t
H
0
: se rechaza
P8. Conclusin: Con un nivel de significancia de 0.05 se concluye que
existen evidencias de una diferencia en la media del tiempo de espera
entre las dos sucursales.
10.16 Un problema con una lnea telefnica que previene a los clientes de recibir o
realizar llamadas est preocupando tanto al cliente como a la empresa
telefnica. Los datos PHONE representan muestras de 20 problemas
reportados a dos diferentes oficinas de la empresa telefnica y el tiempo para
resolver estos problemas (en minutos) de las lneas de los clientes.
Tiempo (en minutos) de la oficina central para resolver problemas
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
1.48 1.75 0.78 2.85 0.52 1.60 4.15 3.97 1.48 3.10
1.02 0.53 0.93 1.60 0.80 1.05 6.32 3.93 5.45 0.97
Tiempo (en minutos) de la oficina central para resolver problemas
7.55 3.75 0.10 1.10 0.60 0.52 3.30 2.10 0.58 4.02
3.75 0.65 1.92 0.60 1.53 4.23 0.08 1.48 1.65 0.72
a. Suponiendo que las varianzas poblacionales de ambas oficinas son
iguales, existe evidencia de una diferencia en la media del tiempo de
espera entre las dos oficinas? (Use d = 0.05)
P1. H
0
:
1
=
2
H
1
:
1
=
2
P2. d = 0.05
P3. Prueba t para muestras independientes
P4. Estadsticos
Central Central
n
1
= 20 n
2
= 20

1
= 2,2140
2
= 2,0115
o
1
= 1,71804 o
2
= 1,89171
P5. Prueba de normalidad
Los datos no presentan distribucin normal
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
P6. Prueba de Homogeneidad
Los datos presentan varianzas iguales
P7. Contraste
t
c
= 0.354 y t
t
= 1,8331 t
c
<t
t
H
0
: no se rechaza
b. Determine el valor-p en el inciso a) e intrprete su significado.
Si t
c
= 0.354 entonces el valor-p = 0.725
c. Qu otra suposicin es necesaria en el inciso a)?
Suposicin sobre la prueba de normalidad
d. Suponiendo que las varianzas poblacionales de ambas oficinas son
iguales, construya e interprete una estimacin del intervalo de confianza del
95% de la diferencia entre las medias poblacionales de las dos oficinas.
10.17 Repita el problema 10.16
a) Suponiendo que las varianzas poblacionales de las dos oficinas no son
iguales. Compare los resultados con los del problema 10.16 a)
Solucin
10.18 En la impresin de grabado el diseo o figura se talla debajo de la superficie
de un metal duro o piedra. Suponga que se disea un experimento para comparar
diferencias en la media de la dureza de la superficie de placas de acero usadas en la
impresin de grabado (media en numero de muescas) con base en dos condiciones
diferentes de superficies no tratada y pulida ligeramente con papel de lija. En el
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
experimento se asignan aleatoriamente 40 placas de acero, 20 sin tratar y 20
tratadas NTANGLO
a. Suponiendo que las varianzas poblacionales de ambas condiciones son
iguales existe evidencia de una diferencia en la media de dureza de
superficie entre las placas de acero tratadas y las no tratadas? (Use d = 0.05)
b. Encuentre el valor p en el inciso a) e interprete su significado.
c. Qu otra suposicin es necesaria para el inciso a)?
d. Suponiendo que las varianzas poblacionales de las placas de acero tratadas y
no tratadas fueran iguales, construya e interprete una estimacin del intervalo
de confianza del 95% de la diferencia entre las medidas poblacionales.
DESARROLLO :
a. Puesto que
t
calc
= 4.10> 2.024 , se rechaza
H
0
. Existe evidencia de una
diferencia en el promedio de dureza de superficie entre las placas de acero
tratadas y las no tratadas.
b. El valor p= 0.0002. La probabilidad de que dos muestras tengan una
diferencia promedio de 9.3634 o mas es el 0.02% si no hay diferencia en el
promedio de dureza de superficie entre las placas de acero no tratadas y las
tratadas.
c. Necesita suponer que la distribucin de la poblacin de dureza para las
placas de acero no tratadas y las tratadas esta distribuida normalmente.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
d. 4.7447 <
u
1
-
u
2
< 13.9821
10.19
10.20 No se puede desarrollar el ejercicio ya que se necesita de la data para
realizar el procedimiento por SPSS, y el archivo se encuentra en un disco no habido
por el alumno
10.21 La evaluacin no destructiva (END), es un mtodo usado para describir las
propiedades de componentes o materiales sin causar ningn cambio fsico
permanente a las unidades. ncluye la determinacin de las propiedades de los
materiales y la clasificacin de las grietas con base en tamao, forma, tipo y
localizacin. Este mtodo es sumamente efectivo para detectar grietas superficiales
y propiedades superficiales caractersticas de materiales que conducen electricidad.
Recientemente se recolectaron datos que clasificaron cada grieta con base en la
inspeccin manual y juiciosa del operador, y tambin se report el tamao de la
rajadura en el material. Los componentes clasificados como que no tiene una grieta
tiene una media de tamao de rajadura menor que los componentes clasificados
como que tiene una grieta? Los resultados en trminos de tamao de la rajadura (en
pulgadas) se encuentran en el archivo: CRACK (Fuente: B.D. Olin y W.Q. Meeker.
"Applications of Statistical Methods to Nondestructive Evaluation", Technometrics,
38, 1996, 101.)
a. Suponiendo que las varianzas poblacionales son iguales, existe evidencia
de que la media del tamao de la rajadura es menor que los modelos sin
grieta que para los modelos con grieta? (Use d=0.05.)
b. Repita el inciso a) suponiendo que las varianzas poblacionales no son
iguales.
c. Compare los resultados de los incisos a) y b)
No se (ue)&a (o) e* ar("#+o CRAC, $or *o &a)&o )o se $ue!e reso*+er
es&e e-er(#(#o.
10.22 Un diseo experimental para una prueba t apareada tiene, como muestra
emparejada, 20 pares de gemelos idnticos. Cuntos grados de libertad existen en
la prueba?
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
So*u(#%):
/*0)11
Gl=20-1
Gl=19
Re$&a: Existe un grado de libertad de 19 en la prueba.
10.23. Un diseo experimental par aun prueba t de mediciones repetidas, requiere
de mediciones antes y despus de la presentacin de un estmulo a cada uno de 15
sujetos. Cuntos grados de libertad hay en esta prueba?
So*u(#%):
Muestra (n) = 15
Gl = n 1
gl = 15 1
gl = 14
R$&a: Existen 14 grados de la libertad para la prueba t
10.24 Los gastos de viaje pagados por empresas se incrementan o disminuyen
drsticamente cuando hay cambios en las tarifas diarias de las habitaciones de
hotel. Permanecieron fijas estas tarifas de junio de 2002 a marzo de 2004? los
siguientes datos indican la tarifa general de los hoteles en 18 ciudad es durante
marzo de 2004 y junio de 2002.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Paso 1: Planteamiento de hiptesis
Ho: Ui = Uj
Hl: Ui = Uj
Paso 2: determinar el nivel de significancia
d: 0.05
Paso 3: Prueba estadsticas
Prueba T relacionadas de dos colas.
Paso 4: determinar los estadsticos
Estadsticos Hotel 2004 Hotel 2002 diferencia
N 18 18 18
X 102.04 180.72 -78.68
S 26.80 49.73 48.61
Paso 5: Prueba de Normalidad
Ho: los datos si presentan distribucin normal.
Hi: Los datos no presentan distribucin normal.
0.867 > 0.05
NO SE RECHAZA LA Ho
Paso 6: Hallar el valor-p
Valor-p : 0.000
Paso 7: Hallar el contrastar
1.0 < 0.05 se rechaza la Ho
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Paso 8: conclusiones
Con un nivel de significancia del 5% existe evidencia de que existe una diferencia en
la media d la tarifa diaria del hotel en marzo y junio de 2002.
12.25 No se puede desarrollar el ejercicio ya que se necesita de la data para
realizar el procedimiento por SPSS, y el archivo se encuentra en un disco no habido
por el alumno
10.26 Ahorran dinero los estudiantes al comprar sus libros de texto en
amazon.com? Al investigar esta posibilidad, se selecciono una muestra
aleatoria de 15 libros de texto usados durante un semestre reciente en la
Universidad de Miami. Se registraron los precios para estos libros de texto,
tanto para los de la librera local como para los de Amazon.com. Los precios
de estos libros de texto, incluyendo todos los impuestos relevantes y los
gastos de envi son los siguientes TEXTBOOK
LBRO DE TEXTO LBRERA AMAZON.COM
Access 2000 Guidebook 52,22 57,34
HTM 4.0 CD with Java Script 52,74 44,47
Designing the Physical Education 39,04 41,48
Service Management Operations 101,28 73,72
Appraisal 37,45 42,04
nvestments 113,41 95,38
ntermediate Financial Management 109,72 119,80
Real Estate Principles 101,28 62,48
The Automobile Age 29,49 32,43
Geographic nformation Systems 70,07 74,43
Geosystems: An ntroduction Today 83,87 83,81
Understanding Contemporary Africa 23,21 26,48
Early Childhood Education Today 72,80 73,48
System of Transcencental dealism 17,41 20,98
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Principles and Labs for Fitness 37,72 40,43
PASO N3 21 PLANTEAMIENTO DE 4IPOTESIS:
H
0
:
1

2
H
1
:
1
>
2
PASO N3 22 NIVEIL DE SI/NIFICANCIA
0.01
PASO N3 23 TIPO DE PRUE5A
Prueba T para muestras relacionadas
PASO N324 DATOS ESTADISTICOS
LI5RER6A AMA7ON.COM
DIFER
ENCIA
n 15 15 15
x 62.78 59.25 3.5307
z 32.85 27.61164
13.849
26
PASO N3 25 DISTRI5UCION NORMAL
H
0
: Los datos presentan Distriucion nor!al
H
1
: Los datos no presentan Distriucionnor!al
Valorp=0.0010.01
Entonces los datos no presentan distribucin normal
PASO N3 26 VALOR 8 P
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Valorp=0.340
PASO N3 27 CONTRASTAR VALOR 8 P
Valorp=0.340>0.01
Entonces no se rechaza la Hiptesis alterna
PASO N3 ' CONCLUSION
Con un nivel de significancia del 0.01 existe evidencia suficiente para
concluir que no ahorran dinero los estudiantes al comprar en
amazon.com
10.27 Un articulo reciente hablo sobre el nuevo Whole foods Market del edificio e n
la ciudad de Nueva York. Los siguientes datos comparan los precios de algunos
productos bsicos localizado aproximadamente a 15 calles del edificio time Warner.
Paso 1: Planteamiento de hiptesis
Ho: Ui<Uj
Hl: Ui>Uj
Paso 2: determinar el nivel de significancia
d: 0.01
Paso 3: Prueba estadsticas
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Prueba T relacionadas de dos colas.
Paso 4: determinar los estadsticos
Estadsticos Wholefoods Fairway diferencia
N 10 10 10
X 2.92 2.24 0.68
S 2.02 1.51 0.66
Paso 5: Prueba de Normalidad
Ho: los datos si presentan distribucin normal.
Hi: Los datos no presentan distribucin normal.
0.609>0.01
NO SE RECHAZA LA Ho
Paso 6: Hallar el valor-p
Valor-p: 0.010 /2
Paso 7: Hallar el contrastar
0.005<0.01 se rechaza la Ho
Paso 8: conclusiones
Con un nivel de significancia del 1% existe evidencia de que la media del precio es
mayor en el Whle foods Market que en el supermercado Fairway.
10.28 El mieloma multiple o cncer del plasma de la sangre, se caracteriza por un
aumento en la formacin de vasos sanguneos en la medula osea, lo cual es un
factor de pronostico para la supervivencia. Un mtodo de tratamiento usado por el
mieloma mltiple es el trasplante de clulas madre del propio paciente.
Las mediciones se tomaron inmediatamente antes de trasplante de clulas madre y
al momento de la respuesta completa
PACENTE ANTES DESPUES
1 158 284
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
2 189 214
3 202 101
4 353 227
5 416 290
6 426 176
7 441 290

a. Con un nivel de significancia de 0.05 existe evidencia de que la densidad de
los micro vasos en la medula sea es mayor antes del trasplante de medula
b. nterprete el significado del valor p en el inciso a
c. Construya e interpreta la estimacin del intervalo de confianza del 95% de la
diferencia de media de la densidad de micro vasos en la medula antes y
despus del trasplante de clulas madre
Paso 1: HO: Antes <= despus
H1: Antes > despus
Paso 2: nivel de significancia = 0.05
Paso 3: Prueba T para muestras relacionadas a una cola
Paso 4: Estadsticos descriptivos:
ANTES DESPUES
N 7 7
X 312.14 226
S 124.55 70.5
10.29 Durante el ltimo ao el vicepresidente de recursos humanos de un gran
centro mdico ha realizado una serie de talleres con duracin de tres meses, con el
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
objetivo de incrementar la motivacin y desempeo de los trabajadores. Para evitar
la efectividad de los talleres, se selecciona una muestra aleatoria de 35 empleados
de los archivos del personal y registro sus calificaciones obtenidas antes de asistir a
los talleres de PERFORM. La salida de Excel en los paneles A y B proporciona
informacin descriptiva e inferencial para que usted pueda analizar los resultados y
examinar las suposiciones de la prueba de hiptesis usada.
Mean 5.25714
Estndar
Ford
1.047782
Median -5
Mode -10
Estndar
diviaton
11.52323
Stample
varianza
132.7849
Kurtosis 1.103841
Shewnose 0.110341
Range 61
Mnimum -34
Maximun 27
Sum -184
Conuy 35
Largest 27
smailest -34
Panel A
Mean 74.54296 79.8
Variance 80.90252 37.16471
Observations 35 35
Pearson
correlation
-0.1342
Hypotheside
d
0
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Df 34
T STAT -2.69904
P 0.005376
T 1.690923
p 0.010752
t 2.032243
PANEL B
Solucin:
Paso I: P*a)&ea9#e)&o !e *a 4#$%&es#s
Ho " u1 u2
Hi " u1>u2
Paso II: N#+e* !e s#:)#;#(a)(#a
N.S02.25
Paso III: Pruea Es&a!<s&#(a
Pruea es&a!<s&#(a !e 9ues&ra re*a(#o)a!as !e u) (o*a
Paso IV: Prese)&ar *o Es&a!<s&#(o
ESTADISTICOS DIFERENCIA
) 35
= 1.047782
11.52323
Paso V: 4a**ar *a !#s&r#u(#%) )or9a*
4o: Los !a&os s# $ro+#e)e) !e u)a !#s&r#u(#%) )or9a*
4#: Los !a&os )o $ro+#e)e) !e u)a !#s&r#u(#%) )or9a*
Valorp<#$S
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
0.0053<0.050
Se re("a>a *a 4o
4o: Los !a&os )o $ro+#e)e) !e u)a !#s&r#u(#%) )or9a*
Paso VI: 4a**ar e* Va*or1$
Va*or 8P0 2.2253
Paso VII: Co)&ras&ar
Valorp<#$S
0.0053<0.050
Se re("a>a *a 4o
Paso VIII: Co)(*us#%)
A un nivel de significancia del 5 % se concluye que existe suficiente evidencia de
incrementar la motivacin y desempeo de los trabajadores en el centro mdico.
10.30 Los datos en el archivo CONCRETE1 representan la fuerza comprensiva en
miles de libras por pulgada cuadrada (psi) de 40 muestras de concreto tomadas dos
y siete das despus del vaciado.
Fuente: O. Carrillo-Gamboa y R. F. Funst, Measurement-Error-Model Collinearities,
Technometrics, !, "##$, !%!-!&!.
a. Con un nivel de significancia de 0.01, existe evidencia de que la media de
fuerza es menor a los dos das que a los siete dias?
b. Qu suposicin es necesaria para realizar esta prueba?
c. Encuentre el valor-p en el inciso a) e interprete su significado.
No se (ue)&a (o) e* ar("#+o CONCRETE1 $or *o &a)&o )o se $ue!e
reso*+er es&e e-er(#(#o.
10.31
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
10.32
10.33
10.34
10.35
10.36
10.37
10.38
10.39
10.40
10.41
10.42
10.43
10.44
10.45
10.46
10.47
10.48
10.49
10.50
10.51
10.52
10.53
10.54
10.55 Usted trabaja en un experimento que tiene un solo factor con cinco grupos y
siete valores en cada grupo.
a) Cuntos grados de libertad hay para determinar la variacin entre grupo?
c=5; ==> gl = c -1 = 5 -1 = 4
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
La variacin entre grupo trabaja con un grado de libertad de 4.
b) Cuntos grados de libertad hay para determinar la variacin dentro del
grupo?
c=5; n=35; ==> gl = n c = 35 5 = 30
La variacin dentro del grupo trabaja con un grado de libertad de 30.
c) Cuntos grados de libertad hay para determinar la variacin total?
n=35; ==> gl = n -1 = 35 1 = 34
La variacin total trabaja con 34 grado de libertad.
10.56 Usted trabaja en el mismo experiment del problema 10.55
a) Si SSA=60 y SST =210,Cul es el valor de SSW?
SSW= SST-SSA
SSW=210-60
SSW=150
b) Cul es l valor de MSA?
1
=
%
SSA
&SA
4
60
= &SA
15 = &SA
c) Cul es el valor de MSW?
e n
SS'
&S'

=
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
5 35
150

= &S'
5 = &S'
d) Cul es el valor estadstico de F?
&S'
&SA
( =
5
15
= (
3 = (
10.57 Usted trabaja en el mismo experimento de problema 10.55 y 10.56:
A.-forme la tabla de resumen de anova y llene el cuerpo de la tabla con todos los
valores
B.-en un nivel de significancia de 0.05 Cul es el valor crtico de la cola superior de
la distribucin F?
C.-establezca la regla de decisin para probar la hiptesis nula de que los 5 grupos
tienen iguales medias de poblacin
D.- Cul es su decisin estadstico?
SOLUCON :
10.58
10.59
10.60 Usted trabaja en el mismo experimento del problema 10.59:
a) Con un nivel de significancia de 0.05, establezca la regla de decisin para
probar la hiptesis nula de que los cuatro grupos tienen la misma media
poblacional.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
H
0
:
1
=
2
=
3
=
4
H
1
: no todas las medias son iguales
b) Cul es su decisin estadstica?
F
c
= 4; F
t
= 2.95
Como F
c
es mayor que F
t
entonces se concluye que con un nivel de
significancia de 0.05 se afirma que existen evidencias suficientes para
rechazar la hiptesis nula.
c) En un nivel de significancia de 0.05, Cul es el valor crtico de la cola
superior para la distribucin de rango studentizada?
Q
U
= 3.87
d) Para realizar el procedimiento de Tukey-Kramer, Cul es el rango crtico?
ran)o critico=*
+

&S'
2 (
1
n
,
+
1
n
,
-
)
=3.87

20
2
(
1
5
+
1
5
)
=7.74
10.61 La computer Anxiety rating scale (CARS o escala de clasificacin de ansiedad
de computadora) mide el nivel de ansiedad de un individuo frente a la computadora
a una escala que va de 20(sin ansiedad) hasta 100(nivel mximo de ansiedad). Los
investigadores de la universidad de Miami aplicaron las cars a 172 alumnos de
administracin. Uno de los objetivos de estudio era determinar si existan diferencias
en el nivel de ansiedad provocada por la computadora entre los estudiantes de
diferentes especialidades.
Fue)&e /ra!os !e
*#er&a!
Su9a !e
(ua!ra!os
Me!#as
(ua!ra!os
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Entre
especialidades
5 3.172 15860
Dentro de
especialidades
166 21.246 3526.836
TOTAL 171 24.41' 1?3'6.'36
ESPECIALIDAD N MEDIA
Marketing 19 44.37
Administracin 11 43.18
Otras 14 42.21
Finanzas 45 41.80
contadura 36 37.56
MS 47 42.21
SOLUCION:
PASOS I: PLATEAMIENTO DE 4IPOTESIS
u, ui Hi
u, ui Ho

=
,
,
PASOS II: NIVEL DE SI/NIFICANCIA
N.S=0.05
PASO III: PRUE5A ESTADISTICA
A nova de un factor de dos colas
Paso IV: ESTADISTICOS
ESTADSTC
OS
MARKET
NG
ADMNSTRAC
ON
OTRA
S
FNANZ
AS
CONTADU
RA
MS
N 19 11 14 45 36 47
MEDA 44.37 43.18 42.21 41.80 37.56 42.2
1
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
a) Complete la tabla de resumen de ANOVA
Fue)&e /ra!os !e
*#er&a!
Su9a !e
(ua!ra!os
Me!#as
(ua!ra!os
Entre
especialidades
5 3.172 15860
Dentro de
especialidades
166 21.246 3526.836
TOTAL 171 24.41' 1?3'6.'36
b) En un nivel de significancia de 0.05,existe evidencia de una diferencia en la
media de la ansiedad experimentada frente a la computadora de las
diferentes especialidades?
c) Si los resultados en el inciso b indican que es apropiado, use el procedimiento
Tukey-Kramer para determinar que especialidades difieren en la media de la
ansiedad frente a la computadora. Discuta sus conclusiones.
10.62
10.63 Los siguientes datos presentan el precio de la gasolina regular en estaciones
de autoservicios de cuatro condados de la ciudad de Nueva York y dos condados
suburbanos durante la semana del 17 de mayo de 2004.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Paso 1: Planteamiento de hiptesis
Ho: Ui = Uj
Hl: Ui = Uj
Paso 2: determinar el nivel de significancia
d: 0.05
Paso 3: Prueba estadsticas
ANOVA de un factor
Paso 4: determinar los estadsticos
Estadsticos Manhattan Bronx Queens Brooklyn Nassau SUFFOLK
N 5 5 5 5 5 5
X 2.26 2.18 2.25 2.18 2.21 2.17
S 0.062 0.038 0.46 0.13 0.064 0.036
Paso 5: Prueba de Normalidad
Ho: los datos si presentan distribucin normal.
Hi: Los datos no presentan distribucin normal.
0.216 > 0.05
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
0.141 >0.05
0.231 >0.05
0.250 >0.05
0.291 >0.05
0.213 >0.05
NO SE RECHAZA LA Ho
Paso 6: Prueba de homogeneidad
Ho: las varianzas son homogneas
Hi: las varianzas no son homogneas.
0.347 > 0.05 no se rechaza el Ho (Tukey)
Paso 7: Hallar el valor-p
Valor-p: 0.244
Paso 8: Hallar el contrastar
0.244 > 0.05 No se rechaza la Ho
Paso 9: conclusiones
Con un nivel de significancia del 5% se concluye que el precio de la gasolina es igual
tanto en los cuatro condados de la ciudad de Nueva York y los dos condados
suburbanos durante la semana del 17 de mayo de 2004.
10.64 No se puede desarrollar el ejercicio ya que se necesita de la data para
realizar el procedimiento por SPSS, y el archivo se encuentra en un disco no habido
por el alumno
10.65 Los datos de abajo representan el tiempo de vida de cuatro diferentes
aleaciones, ALLOY
ALEACON
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
1 2 3 4
99 1022 1026 974
1010 973 1008 1015
995 1023 1005 1009
998 1023 1007 1011
1001 996 981 995
En un nivel de significancia de 0.05, Existe evidencia de una diferencia en la
media de tiempo de vida de las cuatro aleaciones?
PASO N3 22 NIVEIL DE SI/NIFICANCIA
0.05
PASO N3 23 TIPO DE PRUE5A
Prueba de Anova de un Factor
PASO N324 DATOS ESTADISTICOS
1 2 3 4
n 5 5 5 5
X 820.6 1007.4 1005.4 1000.8
S 403.426 22.434 16.041 16.769
PASO N3 25 DISTRI5UCION NORMAL
H
0
: Los datos presentan Distriucion nor!al
H
1
: Los datos no presentan Distriucion nor!al
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
0,000
0.061
0.478
0.23
0.05
0.05
Si presentan distribucin normal
PASO N3 26 PRUE5A DE 4OMO/ENEIDAD
H
0
: Los datos son.o!o)eneos
H
1
: Los datos no son.o!o)eneos
Valorp=0.005<0.05
Entonces los datos no son homogneos
PASO N3 27 VALOR 8 P
Valorp=0.404<0.05
Entonces no se rechaza la hiptesis nula
PASO N3 ' CONCLUSION
Con un nivel de significancia del 0.05 existe evidencia suficiente para
concluir que ay diferencia en el tiempo de vida de las cuatro
aleaciones.
12.66 Un fabricante de bolgrafos contrato a una agencia de publicidad para
desarrollar una campaa publicitaria durante la prxima temporada festiva. Para
preparar este proyecto el directo de investigacin decide iniciar un estudio acerca del
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
efecto de la publicidad en la percepcin del producto. Se disea un experimento
para compara cinco diferentes anuncios. El anuncio A subestima significativamente
las caractersticas del bolgrafo. El anuncio B subestima ligeramente las
caractersticas del bolgrafo. El anuncio C exagera ligeramente las caractersticas del
bolgrafo. El anuncio D exagera significativamente las caractersticas del bolgrafo. El
anuncio E intenta describir correctamente las caractersticas del bolgrafo. Un grupo
de 30 adultos encuestados tomaos de un grupo de enfoque mas grande, es
asignado aleatoriamente a los cinco anuncios. Despus de lee el anuncio y de
desarrollar un sentimiento
de expectativa del producto, sin saberlo todos los encuestados reciben el mismo
bolgrafo para evaluar. Se les permite probar su bolgrafo y la calidad del texto del
anuncio.
Paso 1: Planteamiento de hiptesis
Ho: Ui = Uj
Hl: Ui = Uj
Paso 2: determinar el nivel de significancia
d: 0.05
Paso 3: Prueba estadsticas
ANOVA de un factor
Paso 4: determinar los estadsticos
Estadsticos A B C D E
N 6 6 6 6 6
X 18.0 17.68 11.33 9.00 15.33
S 1.79 1.97 3.44 3.03 3.08
Paso 5: Prueba de Normalidad
Ho: los datos si presentan distribucin normal.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Hi: Los datos no presentan distribucin normal.
0.212> 0.05
0.299> 0.05
0.281> 0.05
0.172> 0.05
0.206> 0.05
NO SE RECHAZA LA Ho
Paso 6: Prueba de homogeneidad
Ho: las varianzas son homogneas
Hi: las varianzas no son homogneas.
0.089 > 0.05 no se rechaza el Ho
Paso 7: Hallar el valor-p
Valor-p: 0.000
Paso 8: Hallar el contrastar
0.000<0.05 se rechaza la Ho
Paso 9: conclusiones
Con un nivel de significancia del 5% se concluye que si existe evidencia de una
diferencia en la media de evaluacin de los cinco anuncios.
12.67 El gerente minorista de una cadena de supermercados desea determinar si la
colocacin del producto tiene algn efecto en la venta de juguetes para mascota. Se
consideran tres diferentes ubicaciones en el pasillo: en el frente, a la mitad y en la
parte posterior. Se seleccion una muestra aleatoria de 18 tiendas con 6 tiendas
asignadas aleatoriamente a cada colocacin en el pasillo. El tamao del rea de
exhibicin, as como el precio del producto, son constantes para todas las tiendas. Al
final del periodo de prueba de un mes, los volmenes de venta (en miles de dlares)
del producto en cada tienda fueron los siguientes: LOCATE
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
a. En un nivel de significancia de 0.05, existe evidencia de una diferencia
significativa en la media de ventas entre las diferencias ubicaciones en el
pasillo?
b. Si es apropiado, Qu colocacin del pasillo parece diferir significativamente
en la media de ventas?
c. En un nivel de significancia de 0.05, existe evidencia de una diferencia
significativa en la variacin de ventas entre las diversas ubicaciones en el
pasillo?
d. Qu deber concluir el gerente minorista? Describa con detalle las opciones
del gerente minorista en relacin con las ubicaciones en el pasillo
DESARROLLO:
Paso 01:
Ho=u
a
=u
!
=u
p
H/=

u
i
0u
,
Paso 02 : N.S = 0.05
Paso 03: Determinar el tipo de prueba estadstica
ANOVA de un factor
Paso 04: Estadisticos descriptivos
Al frente N= 6 X=5.800 S=1.6476
A la mitad N= 6 X=1.900 S=0.6532
Parte posterior N= 6 X=3.400 S=1.4180
Paso 05: Evaluar si presenta Distribucion Normal
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
H0: Los pasillos si presentan Distribucion Normal
H1: Los pasillos no presenta Distribucion Normal
Sig=0.948

0.05 N.s
Sig=0.492

0.05 N.s
Sig=0.565

0.05 N.s
Prueas !e )or9a*#!a!
TENDA Kolmogorov-Smirnov
a
Shapiro-Wilk
Estadstic
o gl Sig.
Estadstic
o gl Sig.
LAMTA
D
FRENTE ,157 6 ,200
*
,979 6 ,948
MTAD ,207 6 ,200
*
,918 6 ,492
POSTERO
R
,245 6 ,200
*
,928 6 ,565

No se rechaza H0
Paso 06:Prueba de Homogeneidad :
Ho:
r
2
=r
2
Hi:
r
2
0r
2
P=0.142

0.05 N.s

[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Pruea !e "o9o:e)e#!a! !e
+ar#a)>as
LAMTAD
Estadstico
de Levene gl1 gl2 Sig.
2,227 2 15 ,142
No Se rechaza Ho
Paso 07: Hallar el valor P
P=0,000
Paso 08: Contrastar
P=0.000

0.05 N.s
Se rechaza Ho
Paso 09 : Conclusin
A un nivel de significancia del 0,05 se llego a la conclusin de existe
diferencia entre los
Las nuevas posiciones de los pasillos para la venta de artculos para
mascotas .
10.68 una empresa de productos deportivos deseaba compartir la distancia que
recorren las pelotas de golf de cuatro diferentes diseos. Se fabricaron 10 pelotas
con cada diseo y se llevaron al campo de golf local para que las probara un
profesional del club. El orden en el que fueron golpeadas con un palo de golf desde
el primer set fue aleatorio. Las 40 pelotas fueron golpeadas en un periodo de tiempo
corto y en condiciones ambientales esencialmente iguales. Los resultados (distancia
recorrida en yardas) para los cuatro diseos fueron los siguientes:
DSEO
1 2 3 4
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
206.32 203.81 217.08 213.90
226.77 223.85 230.55 231.10
207.94 206.75 221.43 221.28
224.79 223.97 227.95 221.53
206.19 205.68 218.04 229.43
229.75 234.30 231.84 235.45
204.45 204.49 224.13 213.54
228.51 219.50 224.87 228.35
209.65 210.86 211.82 214.51
221.44 233 229.49 225.09
a) En un nivel de significancia de 0.05,existe evidencia de una diferencia en la
media de distancia recorrida por las pelotas de golf con diferentes diseos?
b) Si los resultados en el inciso a) indican que es apropiad, utilice el
procedimiento tukey-kramer para determinar que diseos difieren en la media
de distancia.
c) Qu suposicin es necesaria en el inciso a)?
Solucin:
PASO I: PLANTEAMIENTO DE LA HIPTESIS
u, ui Hi
u, ui Ho

=
,
,
PASOS II: NIVEL DE SIGNIFICANCIA
N.S=0.05
PASO III: PRUEBA ESTADISTICA
A nova de un factor de do cola
Paso IV: ESTADISTICOS
!S"A#$S"$%&S #ie'o 1 #ie'o 2 #ie'o ( #ie'o 4
N 10 10 10 10
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
)!#$A 21*.5+ 217.*4 22(.40 22(.41
#!S,$A%$&N
"$-$%A
10.50 11.2. *... 7.7*
PASO V: DISTRIBUCION NORMAL
Ho: Los datos si po!i"#"# d" $#a disti%$&i'# #o(a)
Hi: Los datos #o po!i"#"# d" $#a disti%$&i'# #o(a)
Valorp1 #$S
05 . 0 174 . 0
05 . 0 142 . 0
05 . 0 155 . 0
05 . 0 245 . 0

No s" "&*a+a )a Ho
Ho: Los datos si po!i"#"# d" $#a disti%$&i'# #o(a)
PASO VI: PRUEBA DE LEVENE
2
2
2
1
2
2
2
1
,
,

=
Hi
Ho
Valorp1 #$S
05 . 0 082 . 0
No s" "&*a+a )a Ho
LA VARIAN,A SON HOMOGENEAS
PASO VII: HALLAR EL VALOR -P
Valorp1 #$S
05 . 0 220 . 0
No s" "&*a+a )a Ho
PASO VIII: DETERMINAR LAS PARES MEDIAS
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
No *a. di/""#&ia si0#i/i&ati!a
PASO VIII: CONCLUSION
A un nivel de i/nificancia de 50 no e rec1a2a la 3o4 entonce no e5ite evidencia
de una diferencia en la media de ditancia recorrida 6or la 6elota de /olf con
diferente die'o
CAPITULO 12
12.1 Al ajustar una lnea recta a un conjunto de datos se produce la siguiente lnea
de prediccin
Y = 2 + 5X
a. nterprete el significado de la interseccin en Y, b
0
.
ndica que para un X=0, Y ser de 2.
b. nterprete el significado de la pendiente b
1
.
ndica que cada vez que aumente en una unidad X, Y aumentara en 5.
c. Prediga el valor de la media de Y para X=3.
Si X=3, entonces Y=2+5(3) = 17
12.2 Si los valores de X en el problema 12.1 varan de 2 a 25,deberia usarse este
modelo para predeci r el valor de Y cuando X es igual a:
a) 3?
b) -3?
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
c) 0?
d) 24?
Solucin
Del problema 12.1: Y=2+5X
a) Y=2+5(3) = 17 Si debera usarse.
b) Y=2+5(-3) = -13 No debera usarse.
c) Y=2+5(0) = 2 No debera usarse.
d) Y=2+5(24) = 122 No debera usarse.
12.3. Al ajustar una lnea de recta a un conjunto de datos se produce la siguiente line
a de prediccin: Y=16 - 0.5X
a. nterprete el significado de la interseccin en Y b
0
b. nterprete el significado de la pendiente b
1
c. Prediga el valor dela media de Y para x=6
y=160.5(6)
y=163
y=13
12.4 Al gerente de marketing de una gran cadena de supermercados le gustara
utilizar el espacio en el estante para predecir las ventas de alimento para mascotas.
Se selecciona una muestra aleatoria de 12 tiendas de igual tamao con los
siguientes resultados.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
a. construya un diagrama de dispersin
1.- identificar variables
X: Espacio en el estante (en pies)
Y: Ventas semanales (cientos de dlares)
2.- Modelo
Regresin lineal
3.- Verificar si se ajusta al modelo
Ho: Los datos no se ajustan al modelo de regresin lineal
H1: Los datos si se ajustan al modelo de regresin lineal
0.002 < 0.05 Se rechaza Ho
4.- Elaboracin del diagrama de dispersin
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
o: 1450
1:0.074
12.5 En el negocio de la publicidad, la circulacin es una parte vital. Cuantas ms
ventas registre una revista, mas anunciantes podr tener. Recientemente
surgi una diferencia entre los reportes de los editores sobre las ventas de
revistas en puestos de peridicos y las subsiguientes auditorias de circulacin.
Los siguientes datos CRCULATON representan las ventas reportadas y
ventas auditadas (en miles) de los puestos de peridicos en 2001 para las
siguientes 10 revistas.
REVSTA REPORTADAS
(X)
AUDTADAS (Y)
YM 621 299.6
CosmoGirl 359.7 207.7
Rosie 530 325
Playboy 492.1 336.3
Esquire 70.5 48.6
TeenPeople 567 400.3
More 125.5 91.2
Spin 50.6 39.1
Vogue 353.3 268.6
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Elle 263.6 214.3
SOLUCION
1. I!e)&#;#(ar *as +ar#a*es:
V = Reportes de los editores sobre las ventas de revistas en puestos de peridicos.
VD = Auditorias de circulacin
2. E+a*uar e* 9o!e*o:
Regresin lineal simple
(. E+a*uar s# *os !a&os !e *as +ar#a*es se a-us&a) a u 9o!e*o !e re:res#%)
*#)ea*:
H0: Los datos no se ajustan a un modelo de Regresin Lineal.
H1: Los datos se ajustan a un modelo de Regresin Lineal.
4. N#+e* !e S#:)#;#(a)(#a:
N.S. = 0.05
5. Va*or $:
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Valor p : 0.021 > 0.05
*. E*aora(#%) !e* !#a:ra9a !e !#s$ers#%):
Y = Bo + B1 X
Y = 637.093 + 1272.34(X)
a. Construya un diagrama de dispersin. Para estos datos, bo=26.724 y
b1=0.5719
Y = 26.724 + 0.5719 (X)
b. nterprete el significado de la pendiente b1 en este problema.
Significa es el numero de 1 factor.
c. Prediga la media de ventas auditadas para a revista que reporta ventas en los
puestos de peridicos de 400,000 ejemplares.
Y = 26.724 + 0.5719 (X)
Y = 26.724 + 22876.00
Y = 22 902.724
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
12.6 No se puede desarrollar el ejercicio ya que se necesita de la data para realizar el
procedimiento por SPSS, y el archivo se encuentra en un disco no habido por el
alumno
12.7 Una gran casa de envos por correo considera que existe una relacin lineal
entre el peso del correo que recibe y el nmero de rdenes que donde llenar. Desea
investigar la reaccin para predecir el nmero de rdenes con base en el peso del
correo. Desde una perspectiva operacional, conocer el nmero d rdenes ayudara en
la planeacin del proceso de llenar rdenes. Se selecciono una muestra de 25
embarques de correo dentro de un rango de 200 a 700 libras. Los resultados son los
siguientes:
a. Construya un diagrama de dispersin
1.- identificar variables
Y: N de rdenes
X: Pesos del correo
2.- Modelo
Regresin lineal
3.- Evaluar si se ajustan al modelo
Ho: Los datos no se ajustan al modelo de regresin lineal
H1: Los datos si se ajustan al modelo de regresin lineal
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
0.00 < 0.05 Se rechaza Ho
4.- Diagrama de dispersin
o: 864 060
1: 425 420
12.8. No se tiene la base de datos suficiente para desarrollar el ejercicio
12.9 A agente de una empresa de bienes races de residenciales en una gran
ciudad, le gustara predecir el costo de renta mensual de los departamentos con
base en el tamao del inmueble definido por su extensin. Se selecciono una
muestra de 25 departamentos RENT en un vecindario residencial especific, y la
informacin recabada rebelo lo siguiente:
DEPARTAMENTO RENTA MENSUAL TAMAO
1 950 850
2 1600 1450
3 1200 1085
4 1500 1232
5 950 718
6 1700 1485
7 1650 1136
8 935 726
9 875 700
10 1150 956
11 1400 1100
12 1650 1285
13 2300 1985
14 1800 1369
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
15 1400 1175
16 1450 1225
17 1100 1245
18 1700 1259
19 1200 1150
20 1150 896
21 1600 1361
22 1650 1040
23 1200 755
24 800 1000
25 1750 1200
a) Construya un diagrama de dispersin
b) Utilice el mtodo de los mnimos cuadrados para encontrar los coeficientes de
regresin b
0
y b
1
c) nterprete el significado de b
0
y b
1
en este problema
d) Prediga la media de renta mensual para un departamento que tenga 1000
pies cuadrado
e) Por qu no seria apropiado utilizar este modelo para predecir la renta
mensual de departamentos que midan 500 pies cuadrados=
f) Sus amigos Jim y Jenifer estn considerando firmar un contrato para un
departamento es este vecindario residencial. Estn tratando de decidir entre
dos opciones: uno de 1000 pies cuadrados con una renta de $1275 y otro de
1200 pies cuadrados con una renta de $1425. que les recomendaras? por
que?
Solucin:
Paso 1: identificas variables.
Variable independiente: Tamao den pies cuadrados
Variable dependiente: Renta mensual
Paso 2: dentificar el modelo.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
Regresin lineal simple.
Paso 3: Evaluar si los datos de las variables se ajustan a un modelo de Regresin
lineal.
Ho: los datos NO se ajustan a un modelo de regresin lineal
Hi: los datos S se ajustan a un modelo de regresin lneal.
Valor-p N.S.
0.000 < 0.05 Se Rechaza la Ho
Paso 4: Elaboracin del diagrama de dispersin
a) Construya un diagrama de dispersin
b) Utilice el mtodo de los mnimos cuadrados para encontrar los coeficientes de
regresin
0
y
1.

0
= 177.121

1
= 1.065
c) nterprete el significado de b
0
y b
1
en este problema
Para cada aumento del tamao en pies cuadrados, se estima que el valor
promedio se incrementara por $ 1.065.
d) Prediga la media de renta mensual para un departamento que tenga 1000
pies cuadrado
Y=
0
+
1
X
Y= 177.121

+ 1.065 (x)
Y= 177.121

+ 1.065 (1000)
Y= 1242.121
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
e) Por qu no sera apropiado utilizar este modelo para predecir la renta
mensual de departamentos que midan 500 pies cuadrados?
Y=
0
+
1
X
Y= 177.121

+ 1.065 (x)
Y= 177.121

+ 1.065 (500)
Y= 709.621
Porque estara por debajo de la renta mensual, pues el valor mnimo de renta
ha sido de 800 dlares con un tamao en pies cuadrados de 1000.
f) Sus amigos Jim y Jenifer estn considerando firmar un contrato para un
departamento en este vecindario residencial. Estn tratando de decidir entre
dos opciones: uno de 1000 pies cuadrados con una renta de $1275 y otro de
1200 pies cuadrados con una renta de $1425. qu les recomendaras? por
qu?
Y= 0 + 1 X
Y= 177.121 + 1.065 (x)
Y= 177.121 + 1.065 (1000) = 1242.121
Y= 0 + 1 X
Y= 177.121 + 1.065 (x)
Y= 177.121 + 1.065 (1200) = 1455.121
Les recomendara que, la mejor opcin es la primera que es de 1000 pies
cuadrados ya que, haciendo una prediccin de la renta mensual a largo plazo
les sale ms econmico que la segunda opcin.

12.10 Los datos en el archivo HARDNESS proporcionan las medidas de la dureza y
resistencia a la tensin para 35 modelos de aluminio fundido. Se cree que la dureza
(medida en unidades Rockwell E), permitir predecir la resistencia a la tensin
(medida en miles de libras por pulgada cuadrada).
a. Construya un diagrama de dispersin
b. Suponiendo una relacin lineal, utilice el mtodo de mnimos cuadrados para
encontrar los coeficientes de regresin b
0
y b
1
.
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
c. nterprete el significado de la pendiente b
1
en este problema.
d. Prediga la fuerza media de resistencia para el aluminio fundido que tiene una
dureza de 30 unidades Rockwell E.
No se (ue)&a (o) e* ar("#+o 4ARDNESS $or *o &a)&o )o se $ue!e reso*+er es&e
e-er(#(#o.
12.11 Cmo interpreta un coeficiente de determinacin r
2
igual a 0.80?
Un r
2
igual a 0.80 indica una fuerte relacin lineal positiva entre dos variables.
12.12
12.13 Si SSR=66 y SST=88, calcule el coeficiente de determinacin
r
2
e
interprete su significado.
DESARROLLO:
r
2
=
66
88
=0.75
r
2
=0.75
. El 75% de la variacin de la variable dependiente explica por la variacin
en la variable independiente.
12.14 Si SSE = 10 y SSr = 30, calcule el coeficiente de determinacin r
2
e interprete
su significado.
SST : SSR + SSE
SST : 30+10
SST: 40
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
r
2
:
30
40
: 0.75
Por lo tanto el 75% es la medicion de la proporcin de Y que se explica en la variacin
independiente X en el modelo de la regresin lineal.
12.15 Porque ambas cumplen S# SSR0122@ APor BuC es #9$os#*e Bue SST sea
#:ua* a 112D
SST =110; es la suma de todas las variables y de las proporciones de la variabilidad
en la variable respuesta que describe bien todos los datos, por lo tanto es algo ms
general y seria el total de todo.
SSR=120; es la suma de los residuos que miden de alguna forma la cantidad que la
regresin no es capaz de explicar, y por lo tanto tiene un nmero menor ya que solo
es la suma de los residuos de las variables que no son explicados, es decir los errores
minimizados al igualar las variables. funciones distintas dentro de la regresin lineal.
12.16 En el problema 12.4 de la pgina 419, el gerente de marketing uso el espacio
en el estante para la comida de mascotas para predecir las ventas semanales.
PETFOOD Para esos datos, SSR = 2.0535 y SST = 3.0025.
a. Determine el coeficiente de determinacin r
2
e interprete su significado.
r
2
=
SSR
SST
=
2.0535
3.0025
=0.6839
b. Determine la estimacin del error estndar
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
c. Qu tan til cree usted que es este modelo de la regresin para predecir las
ventas?
12.17
12.18
12.19
12.20 No se puede desarrollar el ejercicio ya que se necesita de la data para realizar
el procedimiento por SPSS, y el archivo se encuentra en un disco no habido por el
alumno
12.21 En el 12.9 de la pgina 421, un agente de una empresa de bienes races
quera predecir renta mensual para los departamentos con base en el tamao del
inmueble RENT.
Con los resultados de ese problema:
a. Determine el coeficiente de determinacin r2 e interprete su significado.
R2 = 0.722 X 100 = 72.2 Otras = 27.8
La variable nmero de retas por departamento es de 72,2%.
b. Determine la estimacin de error estndar.
La estimacin de error estndar es; 195.23
c. Qu tal til cree usted que es este modelo de regresin para predecir la
renta mensual?
[ESTADISTICA INFERENCIAL]
7 de mayo de 2014
El modelo es til si las rentas mensuales son continuas y es til ya que se puede
hacer predicciones de las siguientes rentas.