UNIVERSIDAD TCNICA DE AMBATO

FACULTAD DE INGENIERA CIVIL Y MECNICA

CARRERA DE INGENIERA MECNICA

Diseo de proyectos de investigacin

NOVENO SEMESTRE B

TEMA:
Hiptesis

DOCENTE:
Ing. Cristian Prez

INTEGRANTES:
ERAZO HENRY
MENA NATHALY
POMAQUERO GUSTAVO
TONATO CARLOS

AMBATO ECUADOR

Semestre Septiembre 2017 Febrero 2018

 1. PRUEBAS DE HIPTESIS PARA MUESTRAS DEPENDIENTES T
STUDENT

Para la elaboracin de cualquier prtesis dental y en general, para un correcto

diagnstico en la prctica odontolgica, resulta imprescindible contar con modelos que
reproduzcan el relieve anatmico de la boca del paciente. Para lo cual se realiza pruebas
de resistencia a la traccin de dos materiales de impresin elastomricos, al aplicar
adhesivo universal de cubetas (para la prtesis dental), obteniendo los siguientes
resultados:
Mediante los resultados de las tablas anteriores determine cul de las hiptesis es la
adecuada para el estudio.

Paso 1 Redactar la hiptesis

H1: Las impresiones dentales a base de silicona de adicin, tienen es diferente

resistencia a la traccin, cuando se utiliza adhesivo universal de cubeta.

Ho: Las impresiones dentales a base de silicona de adicin, tienen la misma resistencia
a la traccin, cuando se utiliza adhesivo universal de cubeta.

Paso 2 Definir el porcentaje del ndice de confiabilidad (I.C) y nivel de significancia

(

I.C=95%
=5

Paso 3. Eleccin de la prueba

Paso 4 Calcular el P- Valor

Antes de determinar el valor de P se debe verificar que la normalidad de los datos para
lo cual, en este punto se utiliza el programa estadstico SPSS.
Normalidad
kolmogorov-Smirnov muestras grandes (>30 individuos)
Chapiro Wilk muestras pequeas (<30 individuos)

Criterios para determinar Normalidad:

P-valor => Aceptar Ho = Los datos provienen de una distribucin normal.
P-valor < Aceptar H1 = Los datos NO provienen de una distribucin normal.

Normalidad
P- Valor (Carga Max. Sin Adhesivo) = 0,812 > =0,05
P- Valor (Carga Max. Con Adhesivo) = 0, > =0,05
713

Conclusin: Los datos de la carga mxima sin adhesivo y con adhesivo provienen de
una distribucin normal.
Paso 5. Calculo de la prueba T- Student para muestras relacionadas
Criterio para decidir es:
Si la probabilidad obtenida P- valor , rechaza Ho (Se acepta H1)
Si la probabilidad obtenida P- valor , no rechaza Ho (Se acepta Ho)

P-Valor = 0,028 < =0,05

Conclusin Las impresiones dentales a base de silicona de adicin, tienen mayor
resistencia a la traccin, cuando se utiliza adhesivo universal de cubeta. Es decir que
al momento de utilizar adhesivo universal de cubeta en las probetas resisten ms al
ensayo de traccin de 27,42 N a 35,38 N, siendo este ltimo la mejor alternativa.

2. PRUEBAS DE HIPTESIS PARA MUESTRAS INDEPENDIENTES T

STUDENT

Los datos que se muestran en la tabla 1, correspondientes a medidas de slidos en

suspensin (mg/l) en invierno y verano en dos ros diferentes (uno afectado y por la
ejecucin de un proyecto y otro no) y tomados cada dos das. Bajo las hiptesis de
normalidad e igual varianza, la hiptesis de partida ser:

Ho: la media de las concentraciones de slidos en suspensin en verano en ambos ros

es la misma.
Paso 1 Redactar la hiptesis

Ho: La media de las concentraciones de slidos en suspensin en verano en ambos ros

es la misma.

H1: La media de las concentraciones de slidos en suspensin en verano en ambos ros

es diferente.

Paso 2 Definir el porcentaje del ndice de confiabilidad (I.C) y nivel de significancia

(

I.C=95%
=5

Paso 3. Eleccin de la prueba

Paso 4 Calcular el P- Valor

Antes de determinar el valor de P se debe verificar que la normalidad de los datos para
lo cual, en este punto se utiliza el programa estadstico SPSS.
Normalidad
kolmogorov-Smirnov muestras grandes (>30 individuos)
Chapiro Wilk muestras pequeas (<30 individuos)
Criterios para determinar Normalidad:
P-valor => Aceptar Ho = Los datos provienen de una distribucin normal.
P-valor < Aceptar H1 = Los datos NO provienen de una distribucin normal.

Normalidad
P- Valor (SIN influencia del proyecto) = > =0,05
0,544
P- Valor (CON influencia del proyecto) = 0, > =0,05
661

Conclusin: La variable de solidos suspendidos tanto en el rio A como del rio B

provienen de una distribucin normal.

Igualdad de varianza

Igualdad de varianzas (Prueba de Levene). Se debe corroborar la igualdad de varianza

entre los grupos.
Criterios para determinar Igualdad:
P-valor => Aceptar Ho = Las varianzas son iguales.
P-valor < Aceptar H1 = Existe diferencia significativa entre las varianzas.
Igualdad de varianza
P- Valor (SIN influencia del proyecto) = > =0,05
0,082
Conclusin: Las varianzas son iguales.

Paso 5. Calculo de la prueba T- Student para muestras relacionadas

Criterio para decidir es:
Si la probabilidad obtenida P- valor , rechaza Ho (Se acepta H1)
Si la probabilidad obtenida P- valor , no rechaza Ho (Se acepta Ho)

P-Valor = 0,671 > =0,05

Conclusin: La media de las concentraciones de slidos en suspensin en verano en
ambos ros es la misma, es decir que la influencia de slidos en suspensin en ambos
ros no depende de la implementacin de un proyecto de ingeniera, lo anterior se
puede corroborar mediante las medias de ambos grupos los cuales son 84,29 (mg/l) y
85,59 (mg/l), los mismos que presentan una mnima variacin.

3. ANOVA CONTRASTE PARA MAS DE TRES MUESTRAS

Supongamos que se desea comparar si la media de una determinad variable es igual
o no en ms de dos muestras de las que se ha analizado en dicha variable.
Para poder resolver este contraste mediante la tcnica anova de deben cumplir 3
condiciones:
1. Que las muestras provengan de una distribucin normal
2. Que las muestras tengan igualdad de varianzas
3. Que las muestras sean independientes es decir los sujetos de las muestras
deben ser distintos (No cumple este requisito, por ejemplo, el casi de someter
a un mismo grupo de personas a un test en varios momentos diferentes en el
tiempo y querer comparar si los resultados obtenidos en dichos test son
iguales o distintos.
Si se cumplen los 3 requisitos los paso a seguir para resolver el contraste son:
PRIMER PASO SE PLNATEA EL CONTRASTE DE HIPOTESIS
Ho: u1=u2=u3
H1: u1u2 u3
Donde u representa a la varianza de las muestras.
Segundo Paso: Se calculan los datos siguientes

N=

x=
xi
N 1

2 ( xix )2
S=
N 1
Suma de Cuadrados Totales STQ=(n-1)*S^2

Suma de Cuadrados entre grupos= SQE = xi2( N 1 )x 2

Suma de Cuadrados dentro de grupos= SQD = S 12(1)

Se cumple que:
STQ=SQE+SQD

A partir de los datos calculados se determina los factores F y P

Determinacin de P
El valor de F fija el valor de P si:
P > Acepto Ho
P < Acepto Ha y Rechazo Ho

EJERCICIO ANOVA
En un estudio de rendimiento de combustibles se ha realizado un anlisis de
varianzas para determinar si los valores de las medias varan de manera
significativa. Los rendimientos en funcin de km/lt se especifican en la tabla a
continuacin. Tanto para Gasolina, disel y del tipo hibrido.
Ho: Los valores de rendimiento en funcin de los combustibles utilizados no varan
de manera significativa usando Disel, Gasolina y suministro hibrido.
Ha: Los valores de rendimiento se ven afectadas por variacin de combustible por
recorrido.
El valor de p> 0.153 valor mayor al nominal 0.05 por lo cual se acepta la hiptesis
Nula.
Ho: Los valores de rendimiento en funcin de los combustibles utilizados no varan de
manera significativa usando Disel, Gasolina y suministro hibrido

4. PRUEBA U DE MANN WHITNEY

Qu es?

Prueba no paramtrica de comparacin de dos muestras independientes. Equivalente no

paramtrico de la prueba T de Student.

Cundo se usa?

Las observaciones de ambos grupos son independientes.

Las observaciones son variables ordinales o continuas.

Recomendable pero no imprescindible que las poblaciones comparadas tengan el

mismo tamao.
 Se utiliza para comparar dos grupos de rangos (medianas) y determinar que la
diferencia no se deba al azar.

Pasos:

1. Determinar el tamao de las muestras (n 1 y n2). Si n1 y n2 < 20: muestras

pequeas; si son > 20: muestras grandes (valor Z).

2. Las observaciones de las dos muestras se deben ordenar en rangos del menor al
mayor.

3. Calcular los valores de U1 y U2, y elegir el ms pequeo para comparar con los
valores crticos de U Mann-Whitney de la tabla de probabilidades.

4. Decidir si se acepta o rechaza la hiptesis.

Dnde:
U1 y U2 = valores estadsticos de U Mann-Whitney.
n1 = tamao de la muestra del grupo 1.
n2 = tamao de la muestra del grupo 2.
R1 = sumatoria de los rangos del grupo 1.
R2 = sumatoria de los rangos del grupo 2.
Ejemplo:

Un ingeniero se interesa en la posibilidad de que hayan hecho demasiados

cambios en el ajuste de un torno automtico. Para contrarrestar esta hiptesis, se
obtuvieron los siguientes dimetros medios en pulgadas de 40 ejes torneados
sucesivamente en el torno La mediana de estas medidas es 0,250 y, cambiando
cada una de ellas por una letra:

A: mayores a 0,250

B: menores a 0,250

Los valores iguales a 0,250 no se consideran

 Ajuste Dimetro Ajuste
a 0,261
a 0,252
b 0,248
b 0,247
a 0,241
b 0,237
a 0,222
a 0,253
a 0,251
b 0,241
b 0,248
b 0,232
a 0,251
b 0,247
b 0,249
b 0,243
a 0,241
Dimetro
a 0,256
b 0,243
a 0,253
a 0,253
a 0,238
a 0,251
b 0,246
b 0,247
a 0,243
b 0,256
a 0,249
a 0,251
b 0,245
b 0,227
b 0,249
a 0,253

SPSS

Planteamiento de las hiptesis

H0: El dimetro de los ejes trabajados NO depende del ajuste realizado

H1: El dimetro de los ejes trabajados depende del ajuste realizado

 Analizar
Estadstico Descriptivo
Explorar

Obtener las pruebas de Normalidad

Una vez comprobado que se trata de una prueba estadstica no paramtrica

o Ir a la pestaa Analizar
o Pruebas no paramtricas
o Muestras independientes
Objetivo (Personalizar anlisis)
Campo
Configuracin (U de Mann Whitney)
RESULTADOS

Conclusin

Debido a que la variable nula fue descartada se puede decir que las dimensiones
de los ejes realizados estn directamente relacionados al ajuste del torno. Otra
 cosa que se puede notar es que considerando los valores que se encuentran fuera
de un rango se podra afirmar que el ajuste fue llevado a cabo debido a la
discrepancia de las medidas del eje.

5. KRUSKAL-WALLIS

Este contraste permite decidir si puede aceptarse la hiptesis de que k muestras

independientes proceden de la misma poblacin o de poblaciones idnticas con la
misma mediana.

Caractersticas:

La prueba de Kruskal-Wallis es un Mtodo no paramtrico para:

1. Probar si un grupo de datos proviene de la misma poblacin.

2. Se emplea cuando se quieren comparar tres o ms poblaciones

3. Es el equivalente a un anlisis de varianza de una sola va

4. No requiere supuesto de normalidad

5. No requiere supuesto de varianzas iguales (homogeneidad de varianzas)

6. Compara esencialmente los rangos promedios observados para las k muestras,

con los esperados bajo Ho.

Pasos para el clculo

Planteamiento de hiptesis

Se ordenan las n observaciones de menor a mayor, y se les asignan rangos desde

1 hasta n.

Se obtiene la suma de los rangos correspondientes a los elementos de cada

muestra, rj y se halla el rango promedio

Calcular estadstico de prueba

Buscar H en la Tabla de chi cuadrado

Conclusiones

EJERCICIO:
La resistencia a la tensin del caucho de silicio se considera una funcin de la
temperatura de vulcanizado. Se llev a cabo un estudio en el que se prepararon muestras
de 12 especmenes del caucho utilizando temperaturas de vulcanizado de 20C, 45C y
60C. Los siguientes datos presentan los valores de resistencia a la tensin en MPa.

Formulacin de Hiptesis

H0: La tensin del caucho NO es la misma a diferentes temperaturas

H1: La tensin del caucho es la misma a diferentes temperaturas

Pruebas de Normalidad
Resultados:

CONCLUSIN

No se puede rechazar la hiptesis nula debido a que las muestras provienen de

poblaciones idnticas frente a la alternativa que las medias de poblacin no son iguales
 METODO CHI CUADRADO
Corresponde a las distribuciones no paramtricas, siendo una de las ms utilizadas,
establecidas por primera vez por Helmert en 1875 y redescubierta en 1900 por Karl
Pearson. En 1934, en el caso de tablas.
Relacin entre Variables Categricas Tablas de contingencia y Chi Cuadrado
Tabla de Contingencia: Tablas de doble entrada, en cuya entrada se sitan las diferentes
categoras de la variable.
En las casillas de la tabla se ubica la frecuencia o nmero de casos.
Frecuencias
Observadas: Nmero Real de Casos en Nuestro estudio
Esperadas: Nmero de casos que debera haber en la casilla si las categoras fueran
independientes.

Para estimar el grado de asociacin entre variables: Chi-Cuadrado (o una razn de

verosimilitud).
Chi-cuadrado parte de la hiptesis de que las variables son independientes (i.e. no existe
relacin entre ellas y ninguna ejerce influencia sobre la otra)
Si p>0.05 se acepta la Hiptesis Nula (Ho)
MODO DE CLCULO
El nivel de significacin del Chi cuadrado se calcula mediante 3 mtodos:
Asinttico: Si la muestra tiene ms de 20 sujetos; menos del 20% de las casillas tienen
frecuencias esperadas< 5; no hay casillas con frecuencia observada <1.
Monte Carlo: No hay que cumplir los anteriores supuestos. Muestras >30 sujetos.
Exactos: No hay que cumplir los anteriores supuestos. No hay que tener en cuenta el
tamao de la muestra.
PARAMETROS QUE CALIFICA CHI CUADRADO
Como chi cuadrado no indica la relacin ni la magnitud de la asociacin de las variables
hay que usar estadsticos segn el tipo de tablas que presente nuestro estudio:
Tablas 2x2: Coeficiente Phi r(), V de Cramer y Riesgo
Tablas JxK: Coeficiente de Contingencia.
Coeficientes de Phi r(),
Valores de Phi: Entre 0 y q1
 Siendo q el nmero de modalidades de variable que tenga menos de ellas.
V de Cramer 0<V<1
0= Independencia Absoluta
1= Dependencia Perfecta
V de Cramer=0: Nada de Relacin
V de Cramer =0.5: Relacin Moderada
V de Cramer =0.7 Relacin Moderada Alta
V de Cramer =1: Relacin Perfecta

Coeficiente de Contingencia
0=Independencia Absoluta
Valor Mximo
Segn el valor mximo que puede tomar se calcula si la asociacin es baja moderada o
alta.
EJEMPLO CHI CUADRADO
Estamos interesados en estudiar la fiabilidad de cierto componente informtico con
relacin al distribuidor que nos lo suministra. Para realizar esto, tomamos una muestra
de 20 componentes de cada uno de los 2 distribuidores que nos sirven el producto
comprobando el nmero de defectuosos en cada lote. La siguiente tabla muestra el
nmero de defectuosos en para cada uno de los distribuidores.
La prueba de normalidad se verifico en funcin de los datos nominales
dados.
CONCLUSIN
La evaluacin de kramer nos ayuda a evaluar la relacin de los datos por lo cual se toma
segn la ponderacin mostrada anteriormente para un valor, 0,16 Prcticamente la
relacin entre variables es nula.