PRUEBA DE HIPOTESIS

Prueba de hiptesis de una y dos colas

Prueba Z
Prueba t
Regresin simple
Regresin mltiple

PRUEBAS DE HIPOTESIS
DE UNA Y DOS COLAS

X1:
Confiabilidad

X11: Nivel de confiabilidad

Muy alta confiabilidad (5)
Alta confiabilidad
(4)
Confiabilidad media (3)
Baja confiabilidad
(2)
Muy baja confiabilidad(1)

Los servicios que brinda el

sistema de administracin
acadmica de la U.N.C.P.
tienen baja confiabilidad.
Para verificar la certeza de la
afirmacin, se toma una muestra
con el fin de probar la Ho: = 2, y
la Ha: 2.

Prueba de hiptesis de dos colas

Hiptesis para prueba de dos colas.
Ho: = Ho
Ha: Ho
En una prueba de dos colas hay dos regiones de rechazo.

Para el caso:
Ho: = 2
Ha: 2

Se rechaza la Ho si el valor cae en

cualquiera de estas dos regiones

Prueba de hiptesis de una cola

Cola Izquierda, En general se utiliza una prueba de cola izquierda (cola inferior) si las
hiptesis son:
Ho: = Ho
Ha: < Ho
La regin de rechazo est en la cola inferior (cola izquierda) de la distribucin muestral.
Los servicios que brinda el sistema de administracin acadmica de la U.N.C.P. tienen menos que
una confiabilidad media.

Ho: = 3
Ha: < 3

Se rechaza la Ho si el valor cae en

esta regin

Prueba de hiptesis de una cola

Cola derecha
En general se utiliza una prueba de cola derecha (cola superior) si las
hipotesis son:
Ho: = Ho
Ha: > Ho
La regin de rechazo est en la cola superior (cola derecha) de la
distribucin muestral.

Se rechaza la Ho si el valor cae en

esta regin

PRUEBAS DE UNA SOLA

MUESTRA

PRUEBA Z DE HIPOTESIS
PARA LA MEDIA ( CONOCIDA)

PRUEBA Z DE HIPOTESIS PARA LA

MEDIA ( CONOCIDA)
Cuando se conoce la desviacin estndar
y si la poblacin tiene una distribucin
normal, se utiliza la prueba Z.
Si la poblacin no tiene distribucin normal,
todava se puede utilizar la prueba Z si el
tamao de la muestra es lo bastante
grande (como para que tenga efecto el
teorema del limite central).

PRUEBA Z DE HIPOTESIS PARA

LA MEDIA ( CONOCIDA)
La ecuacin define el estadstico de
prueba Z para determinar la diferencia que
existe entre la media muestral y la media
poblacional cuando se conoce la
desviacin estndar.
Z test

Mtodo del valor crtico

Los valores observados del estadstico de
prueba, se compara con los valores crticos.
Estos se expresan como valores Z
estandarizados.

Mtodo del valor critico: ejemplo

Como gerente operativo de una Ca. de cereales, ha recibido quejas
del pblico en el sentido de que no se esta entregando una cantidad
exacta de granos. Selecciona y pesa una muestra de 25 cajas, con el
fin de probar que; el proceso de llenado de cereales requiere de
ajustes, pues no se esta entregando al pblico los 368 gramos
prometidos en el envase.
Despus de recopilar datos, Ca. de cereales determina que x = 372.5
Ho: = 368
Ha: 368
= 0.05
372.5 368
Z test
Crtico = 1.96
Test = 1.50
15
25

Ejemplo: Decisin estadstica y

conclusin administrativa para Ca. De
Cereales

Se determina si el estadstico de prueba dentro de la regin de

rechazo o no rechazo.
Si Ztest = +1.50
La zona de no rechazo se encuentra entre -1.96<Z<+1.96,
Entonces Ztest = +1.50 est en la zona de no rechazo.
La decisin estadstica pertinente es no rechazar la Ho.
La conclusin administrativa es que; no existe evidencia suficiente
para demostrar que con un nivel de significancia de 0.05 el llenado
medio es distinto de 368 gramos. No necesita accin correctiva.

TALLER: cocina rpida

Ud. Quiere determinar si el tiempo de espera al pedir una orden en el
restaurant de comida rpida se ha modificado durante el ultimo mes,
con respecto a su valor de la media poblacional previo de 4.5 minutos.
A partir de la experiencia anterior, supone que la desviacin estndar
de la poblacin es de 1.2 minutos. Selecciona una muestra de 25
ordenes durante el periodo de una hora. La media muestral es de 5.1
minutos. Existe evidencia de que con un nivel de significancia de
0.05, el tiempo de espera medio para servir una orden se ha
modificado durante el ltimos mes respecto de su valor de media
poblacional previo de 4.5.

PRUEBA t DE HIPOTESIS PARA

LA MEDIA ( DESCONOCIDA)

Prueba t Student
En la mayora de los casos no se conoce la desviacin
estndar poblacional . En su lugar se utiliza la desviacin
estndar muestral S.
Si se supone que la poblacin tiene distribucin normal,
la distribucin muestral de la media seguir una
distribucin t con n -1 grados de libertad.
Si la poblacin no tiene distribucin normal, todava es
valido utilizar la prueba t si el tamao de la muestra es lo
bastante grande (como para que tenga efecto el teorema
del lmite central mas de 30).

Prueba t Student
Mtodo del valor crtico
EJEMPLO
Como gerente operativo de una Ca. de cereales, ha recibido quejas del
pblico en el sentido de que no se esta entregando una cantidad exacta de
granos. Selecciona y pesa una muestra de 25 cajas, con el fin de probar que;
el proceso de llenado de cereales requiere de ajustes, pues no se esta
entregando al pblico los 368 gramos prometidos en el envase.
Despus de recopilar datos, Ca. de cereales determina que x = 372.5
Ho: = 368
Ha: 368
= 0.05
372.5 368
x
t
S = 14
t
14 / 25
S/ n
n = 25
Prueba t
Gl = n 1 = 24
T0.05,24 crtico = 2.0639

Prueba t Student
Mtodo del valor crtico
t = 1.607
Puesto que - 2.0639 < tcrtico < 2.0639
Y tTest = 1.607

La decisin estadstica pertinente es no rechazar la Ho.

La conclusin administrativa es que; no existe evidencia suficiente para
demostrar que con un nivel de significancia de 0.05 el llenado medio es
distinto de 368 gramos. No necesita accin correctiva.

Prueba t para poblaciones que estn

relacionadas
Existen 2 modelos que consideran datos relacionados entre poblaciones:
1. Los artculos o individuos se aparea o emparejan de acuerdo con
alguna caracterstica.
2. Se toman mediciones repetidas al mismo conjunto de elementos o
individuos. El objetivo es mostrar que cualquier diferencia entre las
mediciones, obedece a diferentes condiciones de tratamiento o
intervencin (experimento).
Sin importar si se tienen muestras apareadas o repetidas se estudiar la
diferencia entre dos mediciones.
Para probar la diferencia media entre de dos poblaciones relacionadas,
trate las diferencias de las puntuaciones Di, como valores de una
sola muestra.
HIPOTESIS:
Ho: D = 0 (donde D = 1 - 2)
D D
t

Ho: D 0
SD / n
Estadstico de prueba: t

Ejemplo prueba t apareada: ESTRATEGIA MOTIVACIONAL PARA

MEJORAR EL DESEMPEO LABORAL EN LA MANCOMUNIDAD
MUNICIPAL DEL CONO NORTE DE HUANCAYO

Hiptesis General
La aplicacin de una estrategia motivacional mejora significativamente el
desempeo laboral en la Mancomunidad Municipal del cono norte de
Huancayo.
Formulacin de la hiptesis nula e hiptesis alterna:

Ho: 1 - 2 = D 0
(donde D = 1 - 2)
Ha: 1 - 2 = D < 0
= 0.05
Prueba t apareada
n = 10
Gl= 10 1 = 9
-6.33173824
Regla de decisin
Rechace Ho si ttest<crtico = -1.8331
Estadstico t = -6.33173824
-1.8331

REGRESION Y
CORRELACION SIMPLE

REGRESIN Y
CORRELACIN SIMPLE
Reconoce que puede haber una
relacin determinable y
cuantificable entre dos variables.
Una variable depende de otra, o
puede estar determinada por
esta, o una variable est en
funcin de la otra.

REGRESIN Y
CORRELACIN SIMPLE
La notacin es;

Y = f(x)

Y es la variable dependiente (explicada).

X es la variable independiente (explicativa).
Y depende de X o Y est determinada por X.
Vg. Las ventas dependen al menos en parte de la cantidad de
publicidad que esta hace.

REGRESIN CORRELACIN

ANALISIS DE REGRESIN

Las relaciones entre variables son determinsticas o estocsticas.

En los modelos determinsticos dado un valor de X, el valor, el valor de
Y se puede determinar con precisin (no hay error, excepto el de
redondeo).
En los modelos estocsticos estn presentes dos o mas componentes
aleatorios que conducen a error de prediccin.
Vg. En la relacin publicidad y ventas casi siempre hay alguna
variacin en la relacin (la variable dependiente ventas, presenta un
cierto grado de aleatoriedad).

Y = o + 1(X) + e
Componente
determinista

o
1
e

: Ordenada en el origen
: Pendiente
: Termino aleatorio

Componente
aleatorio

METODO DE LOS MINIMOS CUADRADOS

Recta del ajuste optimo
Sea la recta de regresin: Y = 0 + 1X

Donde:
0 : es la ordenada en el origen
1 : es el coeficiente beta o pendiente de la recta.
1 = SSxy/ SSx
0 = Y 1X
La suma de cuadrados de x es: SSx = X2 (X)2/n
La suma de cuadrados de y es: SSy = Y2 (Y)2/n
La suma de cuadrados de xy es: SSxy=XY(X)(Y)/n

EJEMPLO: METODO DE LOS MINIMOS

CUADRADOS
Una empresa de transportes AAA, supone que existe una relacin directa entre
los gastos de publicidad y el nmero de pasajeros que eligen viajar en sus
unidades. En el siguiente cuadro se recogen gastos de publicidad y nmero de
pasajeros de los ltimos 15 meses. Determinar el modelo de regresin.
Mes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
TOTALES

GPUBL
X
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12
187

NPASAJE
Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16
268

XY
150
204
104
391
160
315
140
280
456
170
176
234
368
150
192
3490

X^2
100
144
64
289
100
225
100
196
361
100
121
169
256
100
144
2469

Y^2
225
289
169
529
256
441
196
400
576
289
256
324
529
225
256
4960

Una de las aplicaciones de la regresin es predecir, prever

o proyectar el valor de la variable dependiente

SSx
SSy
SSxy
1
o

137.733333
171.733333
148.933333
1.08131655
4.38625363

EJEMPLO METODO DE LOS MINIMOS

CUADRADOS
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.968378371
Coeficiente de determinacin R^2
0.93775667
R^2 ajustado
0.932968721
Error tpico
0.906780212
Observaciones
15
ANLISIS DE VARIANZA
Grados de
libertad
Regresin
Residuos
Total

Intercepcin
Variable X 1

1
13
14

Coeficientes
4.38625363
1.081316554

Suma de
Promedio de
cuadrados los cuadrados
161.0440787 161.044079
10.6892546 0.82225035
171.7333333

F
195.857719

Valor crtico
de F
3.238E-09

Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
0.991282458 4.42482725 0.000685609 2.24471808 6.52778918 2.24471808
0.077264946 13.9949176 3.23802E-09 0.91439579 1.24823732 0.91439579

Superior
95.0%
6.52778918
1.24823732

Caso: El ejercicio fsico explica el ausentismo

por enfermedad
La oficina de GTH, cree que un programa de ejercicios fsicos para
trabajadores, reducir el ausentismo en numero de das por
enfermedad, por lo que obtiene cifras sobre las horas que cada
empleado ha asistido al programa y los das de baja por enfermedad
de cada uno de ellos:
n =50
XY = 1080
X = 180
Y = 450
X2 = 5340
Calcule b1 y bo, presente el modelo de regresin e interprete los
resultados.

ANALISIS DE CORRELACION
De Pearson
Es un a prueba estadstica para analizar la relacin entre dos
variables medidas en un nivel de intervalos o de razn (r).
El r se calcula a partir de puntuaciones obtenidas en una muestra
de dos variables.
El nivel de medicin de las variables; intervalos o de razn.
Interpretacin: el coeficiente de correlacin puede variar entre -1.00
y +1.00.
El signo indica DIRECCION, el nmero indica MAGNITUD.

COEFICIENTE DE
CORRELACION DE PEARSON
Los principales programas de anlisis estadstico reportan si el
coeficiente es o no significativo, de la siguiente manera:

r = 0.755
s o P = 0.001
n = 625

Si s o P es menor al valor de 0.05, se dice que el coeficiente es

significativo en el nivel del 0.05 (95% de confianza en que la
correlacin sea verdadera y 5% de probabilidad de error).

Coeficiente de determinacin
2
(r )
Mide el poder explicativo del modelo de regresin. Es decir la
parte de la desviacin total de Y que es explicada por el
modelo.
r2 = (SSxy)2/(SSx)(SSy)
r2 ha de estar entre 0 y 1.
R2 de 70% significa que el 70% de la variacin de Y esta
explicada por variaciones de X.
Cuando mayor sea r2 mayor poder explicativo tendr el
modelo.

Ejemplo

La empresa de transportes AAA ha culminado el anlisis de regresin

en la que se ha determinado la naturaleza de la relacin entre
publicidad y pasajeros. El director de marketing quiere ahora conocer la
solidez de la relacin y hasta que punto puede confiar en ella para
tomar decisiones.

r2 = (SSxy)2/(SSx)(SSy)
r2 = (148.93333)2/(137.7333)(171.7333)
r2 = 0.93776 0.94
El coeficiente de determinacin revela que el 94% de la variacin
del nmero de pasajeros es explicado (no causado) por las
variaciones de gasto en publicidad. El 6% puede estar explicado por
alguna variable o variables distintas de la publicidad (coeficiente de
no determinacin.

Caso: experiencia y rendimiento

En una pequea empresa con 6 empleados se
encuentran los siguientes valores de ndice de
rendimiento en el trabajo: 1.5, 4, 4.5, 5, 6.2, 7, 8, 6, 5, 4.
Y de los aos de experiencia: 2.5, 3.5, 4, 4.5, 5, 5.9, 7,
5.5, 4, 4.8 aos. Con los datos recopilados determinar
en que medida la experiencia explica el rendimiento en
el trabajo?

REGRESION Y
CORRELACION MULTIPLE

REGRESION MULTIPLE

Implica utilizar dos o mas variables independientes. El modelo se expresa como:

= + + + + +
Donde k es el nmero de variables independientes y son los coeficientes de la
variables, e es el componente de error aleatorio necesario por que no todas las
observaciones caen sobre la propia recta de regresin.
FORMULACION DEL MODELO
Para el caso de la empresa AAA, los gastos son los siguientes:
Y es el numero de pasajeros (en miles).
X1, gastos de publicidad (en miles de dlares)
X2, renta nacional medida en billones de dlares.

= + + + +

Donde b1 y b2 (coeficientes de regresin parciales o netos), son estimaciones de 1

y 2, por que se trabaja con un modelo de regresin mltiple que contiene mas de un
cociente. Los coeficientes se interpretan de una manera similar a la regresin simple.
Los grados de libertad asociados al modelo son: n (k + 1).

Ejemplo: Formulacin del modelo AAA

El gerente general de AAA, contrata a un gerente de marketing de quien su primera
misin ser ampliar el modelo de regresin utilizado para predecir el numero de
pasajeros e incluir otra variable distinta de la publicidad.
Es as que basado en que la renta (renta nacional) es una determinantes principales de
la demanda de los consumidores se incluye en el modelo con nimos de mejorarlo.
PASAJEROS
OBS
Y
1
15
2
17
3
13
4
23
5
16
6
21
7
14
8
20
9
24
10
17
11
16
12
18
13
23
14
15
15
16

PUBLICIDAD
X1
10
12
8
17
10
15
10
14
19
10
11
13
16
10
12

RENTA
NACIONAL
X2
2.4
2.72
2.08
3.68
2.56
3.36
2.24
3.2
3.84
2.72
2.07
2.33
2.98
1.94
2.17

Ejemplo: Formulacin del modelo AAA

Resumen
Estadsticas de la regresin
Coeficiente de
correlacin
mltiple

0.97612724

Coeficiente de
determinacin
R^2
R^2 ajustado
Error tpico
Observaciones

0.95282439
0.94496179
0.82166619
15

= + + + +
= . +. + .
Si AAA aumenta su publicidad en 1 (1000 dlares), y la renta nacional
permanece k, el numero de pasajeros aumenta en 0,84 unidades (840),
Si la renta nacional en una unidad (1 billn de dlares) y la publicidad
permanece k, los pasajeros aumentaran en 1.44(1400).

ANLISIS DE VARIANZA

Regresin
Residuos
Total

Intercepcin
Variable X 1
Variable X 2

Promedio de
Grados de
Suma de
los
Valor crtico
libertad
cuadrados cuadrados
F
de F
2 163.631709 81.8158547 121.184377 1.1023E-08
12 8.10162398 0.67513533
14 171.733333

Coeficientes
3.52839942
0.83966385
1.44097467

Superior
Inferior
Superior
Error tpico Estadstico t Probabilidad Inferior 95%
95%
95.0%
95.0%
0.99941759 3.53045558 0.00414294 1.35085554 5.70594329 1.35085554 5.70594329
0.14190768 5.91697257 7.0648E-05 0.53047357 1.14885412 0.53047357 1.14885412
0.73603866 1.95774319 0.07392294 -0.1627158 3.04466515 -0.1627158 3.04466515

REGRESION MULTIPLE
PRUEBAS PARA EVALUACION DEL MODELO

Evaluar el modelo con ayuda del ANOVA y la prueba

F.
Evaluar la contribucin de cada variable independiente
con la aplicacin de pruebas t.
Utilizar el coeficiente de determinacin como mtodo
alternativo para evaluar el modelo.

Evaluar el modelo con ayuda del ANOVA y la

prueba F.

Tiene algn valor explicativo el modelo? (ANOVA)

El procedimiento ANOVA comprobar si alguna de las variables

independientes tiene relacin con la variable dependiente.

Si Xi no esta relacionada con Y, = 0.

El procedimiento ANOVA
= = = = =

Frente a la alternativa que Ha: una como mnimo no es cero

Si la hiptesis nula no es rechazada, entonces no existe relacin

lineal entre Y y cualquiera de las variables independientes X.

Por el contrario, si se rechaza la hiptesis nula, por lo menos una

variable independiente tiene relacin lineal con Y.

contrasta

la

hiptesis

nula

Ho:

AAA: Proceso del ANOVA

Se forma una tabla de ANOVA.

Se utiliza la prueba F para hacer la determinacin.
ANLISIS DE VARIANZA

Regresin
Residuos
Total

Grados de
libertad
2
12
14

Grado de libertad intermuestral =k

(nmero de variables
independientes)
Gl. intramuestral = n k 1

Promedio de
Suma de
los
Valor crtico
cuadrados cuadrados
F
de F
163.631709 81.8158547 121.184377 1.1023E-08
8.10162398 0.67513533
171.733333

Hallando F 0.05,2,12 es 3.89

REGLA DE DECISION: No rechazar la Ho si F<3.89; rechazar si F>3.89

F = 121.184>3.89; por lo tanto se rechaza la Ho y se acepta la Ha.
CONCLUSION: Con un nivel de confianza de 95%, existe una relacin
lineal entre Y y al menos una de las variables independientes X.

AAA: Prueba de los coeficientes de regresin

parcial individuales

Coeficient
es

Error
tpico

Estadstic Probabilid Inferior

ot
ad
95%

Superior
95%

Inferior
95.0%

Superior
95.0%

Intercepcin

3.5283994 0.9994175 3.5304555 0.0041429 1.3508555 5.7059432 1.3508555 5.7059432

Variable X 1

0.8396638 0.1419076 5.9169725 7.0648E-5 0.5304735 1.1488541 0.5304735 1.1488541

Variable X 2

1.4409746 0.7360386 1.9577431 0.0739229 -0.1627158 3.0446651 -0.1627158 3.0446651

AAA: Prueba de los coeficientes de regresin

parcial individuales
HIPOTESIS NULA Y ALTERNA
Ho: 1 = 0
Ha: 1 0
Ho: 2 = 0
Ha: 2 0
Siendo = 0.05; gl = n k 1 = 12
Valores crticos de t tomados de la tabla son t0.05,12 = 2.179 (dos colas)
REGLA DE DECISION
No rechazar Ho si -2.179<t<2.179. Rechazarla si t<-2.179 o t>2.179.
DECISION
El valor de t hallado para X1 es 5.91697257>2.179 esta en la zona de rechazo,
rechazar la Ho.
El valor de t hallado para X2 es 1.95774319<2.179 esta en la zona de
aceptacin, aceptar la Ho.
CONCLUSION
A nivel de significacin de 5%, X1 tiene poder explicativo y es significativo
para explicar el numero de pasajeros.
A nivel de significacin de 5%, X2 NO tiene poder explicativo.

CORRELACION MULTIPLE
Otra herramienta que AAA puede utilizar para evaluar su modelo
es el coeficiente de determinacin mltiple R2.
El coeficiente de determinacin mide la fuerza de la relacin entre
Y y las variables independientes.
2 =
2 =

163.632
171.7333

= 0.953

As pues el 95.3% de la variacin del numero de pasajeros de

AAA, es explicada por la variacin de la publicidad y la renta
nacional. Al incorporar Renta Nacional como segunda variable
independiente, se ha incrementado el poder explicativo del
modelo del 93% al 95.3%.
Cuanto mayo sea R2, mas poder explicativo tendr el modelo.

CORRELACION MULTIPLE
COEFICIENTE DE DETERMINACION R2 AJUSTADO
Por su importancia se calcula en la mayora de los programas informticos
(Eviews, SPSS, EXCEL).
Es una forma fcil y rpida de evaluar el modelo de regresin y determinar el
grado en que se ajusta a los datos.
Salvo coeficientes de regresin propios, El R2 es el estadstico que mas se
observa y vigila en el anlisis de regresin.
Se puede lograr un aumento de R2 con la mera inclusin de otra variable
independiente en el modelo (aunque no tenga sentido).
Por ello es comn en el anlisis de regresin y correlacin mltiple indicar el
coeficiente de determinacin ajustado.
Este estadstico ajusta la medida del poder explicativo con los grados de libertad.
El investigador pierde un grado de libertad por cada variable independiente que
aada. Si R2 baja demasiado, habr que excluir la variable del modelo. En casos
extremos el R2 ajustado puede llegar a valer menos que cero.
1
1
151
0.953)
1521

2 = 1 (1 2 )

2 = 1 (1

2 = 0.949

Ttulo: Determinantes del estrs en trabajadores de

Huancayo.

Hi: El estrs de los trabajadores de Huancayo, est determinado

por el tamao de la empresa donde trabajan, el tiempo de
servicios en el puesto de trabajo, la remuneracin percibida y la
edad del trabajador.

Ho: El estrs de los trabajadores de Huancayo, NO est

determinado por el tamao de la empresa donde trabajan, el
tiempo de servicios en el puesto de trabajo, la remuneracin
percibida y la edad del trabajador.

46

Ttulo: Determinantes del estrs en trabajadores de

Huancayo.
Variables:
Y: Estrs
X1: Tamao de la empresa
X2: Tiempo de servicios
X3: Remuneracin
X4: Trabajador

Indicadores:
Grado de estrs GEST
Capital en soles KSOL
Aos en el puesto AOS
Rem. en soles
REMU
Edad
EDAD

Inspeccin grfica y numrica

Estimacin del modelo
Conclusiones

47

Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

EST
5.000000
6.000000
8.000000
9.000000
12.00000
6.000000
7.000000
5.000000
16.00000
14.00000
13.00000
9.000000
10.00000
17.00000
12.00000
11.00000
9.000000
8.000000
6.000000
5.000000

ANOS
15.00000
5.000000
2.000000
3.000000
1.000000
10.00000
10.00000
2.000000
1.000000
3.000000
2.000000
2.000000
3.000000
2.000000
4.000000
4.000000
3.000000
14.00000
19.00000
18.00000

EDAD
3.000000
4.000000
5.000000
4.000000
4.000000
5.000000
4.000000
3.000000
5.000000
2.000000
4.000000
3.000000
3.000000
3.000000
3.000000
4.000000
3.000000
4.000000
4.000000
5.000000

KSOC
6.000000
8.000000
9.000000
30.00000
40.00000
9.000000
9.000000
7.000000
90.00000
60.00000
40.00000
20.00000
20.00000
100.0000
30.00000
20.00000
6.000000
7.000000
6.000000
6.000000

48

REMU
1.500000
1.000000
1.000000
0.500000
0.500000
1.000000
1.500000
1.500000
0.500000
0.500000
0.500000
1.000000
1.000000
1.000000
0.500000
1.000000
0.500000
0.500000
1.000000
1.500000

Matriz de correlacin

GEST
GEST
ANOS
EDAD
KSOC
REMU

1.000000
-0.620179
-0.219630
0.913245
-0.625227

ANOS

EDAD

KSOC

REMU

-0.620179
1.000000
0.258917
-0.496757
0.447419

-0.219630
0.258917
1.000000
-0.142559
0.080582

0.913245
-0.496757
-0.142559
1.000000
-0.418922

-0.625227
0.447419
0.080582
-0.418922
1.000000

49

50

La REMU, guarda una relacin

negativa con GEST y son
significativas al 0.23%

El GEST muestra relacin significativa

con KSOC y REMU, llegando la
capacidad explicativa a 89.4 % de la
variabilidad del GEST

No se rechaza la
significacin global del
modelo

51

El estrs de los trabajadores de Huancayo, est determinado por el

tamao de la empresa donde trabajan y la remuneracin percibida.

52

Contacto:
Espinozaisac@yahoo.es
Cel: 964913378
RPM: #961650207

http://www.youtube.com/watch?v=g4TFaDVwQvA&feature=related