MTB15 Estadistica Descriptiva

Mintab V15 Módulo 3. Estadítica Descriptiva P. Reyes / Nov.
2007
MINITAB 15 MÓDULO 3. ESTADÍSTICA DESCRIPTIVA
3.1 Estadísticos de una muestra

3.2 Histogramas
3.3 Diagramas de caja y diagramas de tallo y hojas
3.4 Distribución normal estándar y distribución normal
3.5 Prueba de normalidad
3.6 Aplicaciones
MÓDULO 3. ESTADÍSTICA DESCRIPTIVA
3.1 Estadísticos de una muestra

Ver archivo Estadistica Descriptiva.doc anexo para una explicación de los conceptos teóricos
Se usa el archivo DETERGENTE.MTW anexo en Archivo Datos Módulo 3:

Contiene datos de peso en gramos de 500 paquetes de detergente con peso nominal
de 4 grs. indicando en cuál de las 2 líneas se ha llenado:
0.00620967
Estudio estadístico básico: 0.89473684
0.84210526
Stat > Basic statistics > Display descriptive sta 0.89473684
Variables y variable categórica
Gráficas de los datos
Selección de estadísticos específicos
NOTA: Para que las columnas no se desplazen al copiar de Minitab a Excel cambiar a letra COURIER
Página 1 de 29
Mintab V15 Módulo 3. Estadítica Descriptiva P. Reyes / Nov. 2007
Descriptive Statistics: Peso en gr

Variable Línea N N* Mean SE Mean StDev Minimum Q1 Median
Peso en gr 1 250 0 3999.6 3.14 49.6 3877.0 3967.8 3999.5
2 250 0 4085.6 3.32 52.5 3954.0 4048.8 4087.0
Variable Línea Q3 Maximum
Peso en gr 1 4040.0 4113.0
2 4121.5 4202.0
Las gráficas obtenidas de la estadística descriptiva son las siguientes:
Histogram (with Normal Curve) of Peso en gr by Línea de llenado

3900 3960 4020 4080 4140 4200
1 2 1
50 Mean 4000
StDev 49.60
N 250
40 2
Mean 4086
StDev 52.51
Frequency
30 N 250
20
10
0
3900 3960 4020 4080 4140 4200
Peso en gr
Panel variable: Línea de llenado
Individual Value Plot of Peso en gr vs Línea de llenado
4200
4150
4100
Peso en gr
4050
4000
3950
3900
1 2
Línea de llenado
Boxplot of Peso en gr by Línea de llenado
4200
4150
4100
Peso en gr
4050
4000
3950
3900
1 2
Línea de llenado
3.2 Diagrama de caja y diagrama de tallo y hojas
Para estos ejemplos se utiliza el archivo PULSE.MTW de Minitab

File > Open Worksheet > Pulse.m o copiar los datos del archivo anexo
Página 2 de 29
Diagrama de caja
Graph > Boxplot
Hacer una columna con el incremento del Pulso = Pulse 2 - Pulse 1

Calc > Calculator
Store result in variable Incremento
Expression Pulse2 - Pulse1
Gráfica de caja sencillo
Boxplot of Pulse1
100
90
80
Pulse1 70
60
50
Gráfica de caja por grupos
Boxplot of Incremento vs Ran, Sex

50
40
30
Incremento
20
10
-10
-20
Sex 1 2 1 2
Ran 1 2
El diagrama de caja muestra los cuartiles Q1, Q2 (mediana) y Q3, el rango

intercuartílico es Q3 - Q1 y los bigotes se encuentran en Q1 + 1.5RIC y
Q3 - 1.5RIC. Los valores que exceden estos rangos se muestran en asteriscos.
Los valores similares se desplazan horizontalmente para que se puedan apreciar.
Página 3 de 29
Diagrama de tallo y hojas
Graph > Stem and Leaf

o Stat > EDA > Stem and Leaf
Variable
Estratificación opcional por otra variable
Destacar valores que exceden ± 1.5 RIC

de Q1 y Q3
Definición del ancho de la "celda" de números
Stem-and-Leaf Display: Weight

Stem-and-leaf of Weight N = 9Leaf Unit = 1.0
Tallo Hojas
1 9 5 Con Increment = 20
4 10 288 Leaf Unit = 10
13 11 002556688 Tallo Hojas
24 12 00012355555 1 0 9
37 13 0000013555688 13 1 000111111111
(11) 14 00002555558 37 1 222222222223333333333333
44 15 000000000035555555555(33) 1 444444444445555555555555555555555
22 16 000045 22 1 666666777777
16 17 000055 10 1 888899999
10 18 0005
6 19 00005 HI 21 Valor anómalo destacado
HI 215 Línea de profundidad (frec. Acumulada hasta la mediana () )
Diagrama de puntos Graph > Dotplot
Se tienen varias alternativas para estos diagramas desde el simple hasta estratificado.
Identificando el incremento en el pulso para quienes han corrido o no y por sexo.
Dotplot of Incremento vs Ran, Sex
Ran Sex
1 1
2
2 1
2
-9 0 9 18 27 36 45
Incremento
Minitab 15 Gráfica de valores individuales
Página 4 de 29
1. Open worksheet Shippingdata.mtw en carpeta Minitab Sample Data / Meet Minitab

2. Graph > Individual value plot
3. One Y with groups OK
4. Variable Day
5. Categorical variable Center
6. Data View Mean connect
7. OK
Individual Value Plot of Days

8
5
Days
0
Central Eastern Western
Center
3.3 Histogramas o distribuciones de frecuencia
Se usa el archivo PULSE.MTW anexo en Archivo Datos Módulo 3:

Existen diferentes opciones para esta herramienta:
Indicando como variable Pulse1 se tiene:
Histogram of Pulse1
25
20
15
Frequency
10
0
50 60 70 80 90 100
Pulse1
Se pueden hacer cambios en la escala de los ejes horizontal y vertical haciendo click
sobre estos, de la misma forma para el marco del histograma.
La apariencia de las barras se puede cambiar haciendo clcik en estas.
Para cambiar los intervalos del histograma, se da doble click sobre la escala horizontal
del histograma y se selecciona la pestaña Binning
Se definen los intervalos a través de sus

puntos de corte
Se indica el nuevo número de intervalos
Página 5 de 29
Histogram of Pulse1
30
25
20
Frequency
15
10
0
48.00 56.66 65.33 74.00 82.66 91.33 100.00
Pulse1
Con doble click en la escala horizontal se puede modificar la escala de valores
Una vez creada esta gráfica, se puede hacer otra muy similar dejando el histograma
original como ventana activa, por ejemplo para Pulse2:
Editor > Make Similar Graph
Histogram of Pulse2
30
25
20
Frequency
15
10
0
60 80 100 120 140
Pulse2
Para comparar los histogramas según se haya corrido o no se tiene:
Graph > Histogram: Simple

Multiple Graphs:
Multiple Variable:
In separate panels of the same graph; Same scales for graphs X, Y
By Variable:
Ran
Histogram of Pulse1
50 60 70 80 90 100
1 2
16
14
12
requency
10
8
Página 6 de 29
Histogram of Pulse1
50 60 70 80 90 100
1 2
16
14
12
Frequency
10
0
50 60 70 80 90 100
Pulse1
Panel variable: Ran
Minitab 15 Histogramas por grupo

2. Graph >Histogram
3. With fits and groups
4. Graph Variable Day
5. Categorical variable Center
6. Data View Mean connect
7. OK
Histogram of Days
Normal
0.4 C enter
C entral
Eastern
W estern
0.3 Mean StDev N
3.984 1.280 99
4.452 1.252 101
2.981 1.090 102
Density
0.2
0.1
0.0
1 2 3 4 5 6 7
Days

2. Graph > Histogram
3. With fit
4. Graph Variable Day
5. Multiple graphs
6. By variables With groups in separate panels Center
7. OK Histogram of Days
Normal
1 2 3 4 5 6 7
Central Eastern Central
20
Mean 3.984
15 StDev 1.280
N 99
10 Eastern
Mean 4.452
Frequency
5 StDev 1.252
N 101
0
Western W estern
20
Mean 2.981
15 StDev 1.090
N 102
10
0
1 2 3 4 5 6 7
Days
Panel variable: Center
Página 7 de 29
Gráfica de dispersión entre dos variables Day y Distance

1. Graph Scatterplot > with regression
2. Y var Day X var Distance
3. Multiple graphs
4. By variables
5. By variable with groups en separate panels Center
6 OK
Scatterplot of Days vs Distance

0 120 240 360 480
Central Eastern
8
2
Days
0
Western
8
0
0 120 240 360 480
Distance
Panel variable: Center
Arreglo del Layout
1. Editor > Layout Tool Mover las gráficas con este botón
3.4 Distribución normal estándar y distribución normal
Página 8 de 29
La teoria se puede consultar en el archivo de Word anexo: Distribución Normal.doc
Calc > Probability distributions > Normal
Da la ordenada de probabilidad
en un punto del eje horizontal
Da la probabilidad acumulada
o área desde menos infinito hasta
los valores indicado en Input
Column o el valor indicado en
Input Constant
Da el valor para el cual se obtiene

la probabilidad acumulada que se
indica
Media cero y desv. Estándar uno

indica una distribución normal
estándar, con otros valores
se trata de la distribución normal
El área total de probabilidad es de 1.0

La media es de cero y la desv. Estandar 1
Ejemplos:
Densidad de probabilidad
Seleccionar Probability Density
En Input Constant poner 1.5
Normal with mean = 0 and standard deviation = 1

x f( x )
1.5 0.129518
Probabilidad acumulada
Seleccionar Cumulative Probability

x P( X <= x )
1.5 0.933193
Probabilidad acumulada inversa

Seleccionar Inverse Cumulative Probability

P( X <= x ) x
0.9332 1.50006
Dibujo de la gráfica de densidad normal (entre -4 a +4 con incrementos de 0.1)
Calc > Make Patterned data > Simple set of numbers

Store patterned data in C1
Página 9 de 29
Columna para guardar los datos
Primer valor
Último valor
Incremento
Listar cada valor

Listar toda la lista
Columna de datos fuente

Columna de datos distribuidos normalmente
Graph > Scatter plot (With connect line)

Indicar en Y C1 y en X C1
En la gráfica quitar los puntos dejando solo la línea con doble click sobre la curva:
Attributes Symbols > seleccionar Custom y en Type None
Scatterplot of C2 vs C1
0.4
0.3
0.2
C2
0.1
0.0
-5 -4 -3 -2 -1 0 1 2 3 4
C1
Para la parte sombreada bajo la campana se dibuja un polígono:
Editor > Annotation > Graph annotation tools

Seleccionar para el interior el color gris
Scatterplot of C2 vs C1
0.4
0.3
0.2
C2
0.1
0.0
-5 -4 -3 -2 -1 0 1 2 3 4
C1
Página 10 de 29
Para las distribuciones de densidad de Weibull se tiene (entre 0 y 4 con incrementos de 0.01):
Calc > Make Patterned data > Simple set of numbers

Store patterned data in C1
Calc > Probability distributions > Weibull
se repiten los valores del 1 al 4 en el parámetro de forma
Graph > Scatterplot (With connect Line)

En la gráfica seleccionar los puntos con doble click
Attributes, Symbols, Custom, Type None, Color Black
Con Editor > Annotation > Graph annotation tools

Con T escribir el texto de las opciones de las gráficas de Weibull
Scatterplot of C2, C3, C4, C5 vs C1

1.6 Variable
a = 1, b=1
C2
a = 1, b=2
1.4 C3
a = 1, b=3 C4
1.2 a = 1, b=4 C5
1.0
Y-Data
0.8
0.6
0.4
0.2
0.0
0 1 2 3 4
C1
Areas bajo la curva normal
Excel =Distr.norm.estand( valor de Z)
Minitab Calc > Probablity distributions > Normal

Cumulative probability, Mean 0, standar deviation 1
Input constant (valor de Z)
Media = 0
Optional storage (K1 o K2)
Data> Display data K1 K2
K2 Calc > Calculator Store result in C1 Expresion K2 - K1
K1 Minitab Excel
K2 K1 Área Área
Área entre ± Z = 1 sigmas 0.933193 0.0668072 0.8663858 0.8663856
Área antes de Z = -1.5 0.0668072 0.0668072 0.0668072
Área después de Z = 0.8 0.211855 0.211855 0.2118554

Restar a 1 o dar - Z
Área entre Z=-1.5 y Z=0.6 0.725747 0.0668072 0.6589398 0.65893968
Para cambiar el número de decimales mostrado en las columnas seleccionándolas y

Editor > Format column > Numeric Fixed decimal with 8 u otro
Página 11 de 29
Minitab 15 FUNCIONES DE PROBABILIDAD
1. Función de densidad de probabilidad
Se tiene un paquete de 4 baterias, cada una dura al menos 100 horas con una probabilidad
del 95%
¿Cuál es la probabilidad de que 4 baterias duren al menos 100 horas, 3 baterias, 2 y 1 baterias?
Este es un problema de distribución binomial:
1 En la columna Data poner 1, 2, 3, and 4 en la Worksheet

2 Calc > Probability Distributions > Binomial.
3 Probability.
4 En Number of trials, poner 4. In Event probability, poner 0.95.
5 Seleccionar Input column Data. Click OK.
Probability Density Function

Binomial with n = 4 and p = 0.95
x P( X = x )
1 0.000475 Esto representa la probabilidad de que 1, 2, 3, o 4 baterias duren
2 0.013538 al menos 100 horas
3 0.171475
4 0.814506
2. Función de distribución normal acumulada (obtener el área bajo la curva en función de un estadístico)
Calc > Probability Distributions > Normal

Calcula la densidad de probabilidad, probabilidades acumuladas, probabilidades acumuladas inversas
para la distribución normal.
Para el caso de una probabilidad o área bajo la curva normal, con media de 28 y desviación estándar de 1
Si se quiere el área entre 0 y 27 se tiene:
1 Calc > Probability Distributions > Normal.

2 Seleccionar Cumulative probability.
3 En Mean, poner 28. En Standard deviation, poner 1.
4 Seleccionar Input constant y poner 27. Click OK.
Si se selecciona una columna para guardar los resultados,

solo con la instrucción:
Display > Display Data
Cumulative Distribution Function
x
Normal
P( X <= x with mean = 28 and standard deviation = 1
)
27
0.158655
Suponiendo que se quiere el valor P del estadístico F de un análisis de regresión con grados de
libertad de la regresión de 3 y grados de libertad del error de 2, y un estadístico F de 4.86
El valor P es igual a 1 - Función acumulada de F
1 Calc > Probability Distributions > F.

2 Seleccionar Cumulative probability.
3 En Numerator degrees of freedom, poner 3. En Denominator degrees of freedom, poner 2.
4 Seleccionar Input constant and enter 4.86.
5 En Optional storage, poner K1. Click OK.
K1 contiene la función de distribución acumulada. Usar la Calculator para restar el valor P de 1.
6 Calc > Calculator.
7 En Store result in variable, poner P-value.
8 En Expression, 1-K1. Click OK.
P_Value
0.1753693 No es significativo a un 0.05 de nivel de significancia.
3. Cálculo de la probabilidad acumulada inversa (se da el área y se obtiene el estadístico).
Página 12 de 29
En el inciso 2 se encontró que el áre abajo la curva en X = 27 es de 0.1587, en base a esto se quiere
determinar al revés el estadístico normal que genera el área de 0.1587.
1 Calc > Probability Distributions > Normal.

2 Seleccionar Inverse cumulative probability.
4 Seleccionar Input constant y poner 0.1587, click OK.
Inverse Cumulative Distribution Function

P( X <= x ) x
0.1587 27.0002
4. Determinación de valores críticos (que definen zonas de rechazo) para pruebas de hipótesis
Por ejemplo para una distribución Chi cuadrada con alfa = 0.02 y 12 grados de libertad.
El valor alfa de 0.02 corresponde a una distribución acumulada de 0.98.
1 Calc > Probability Distributions > Chi-Square.

2 Seleccionar Inverse cumulative probability. En Degrees of freedom, poner 12.
3 Seleccionar Input constant y poner 0.98. Click OK.
Inverse Cumulative Distribution Function

Chi-Square with 12 DF
P( X <= x ) x Si el estadístico de prueba con datos de la muestra es mayor que este
0.98 24.0540 valor, se rechaza la hipótesis nula.
Minitab 15 Graficas de probabilidad
1. Obtener la distribución lognormal con una localización de 8, escala de 0.5, y un threshold de 0.

1 Graph > Probability Distribution Plot.
2 Seleccionar View Single, y click OK.
Distribution Plot
3 De la Distribution, seleccionar Lognormal. Lognormal, Loc=8, Scale=0.5, Thresh=0
4 En Location, poner 8. 0.00030

5 En Scale, poner 0.5.
0.00025
6 Click OK.
0.00020
Density
0.00015
0.00010
0.00005
0.00000
0 2000 4000 6000 8000 10000 12000
X
2. Suponer que se está analizando la tasa en el cual los bulbos de una máquina tiended a quemarse,
se asume que la distribución de Weibull modela este proceso.

2 Seleccionar Vary Parameters, click OK.
3 De la Distribution, seleccionar Weibull.
4 En Shape, teclear 1 1.5 2 2.5 3 3.5.
5 En Scale, poner 1.
6 Click Multiple Graphs.
7 En Show Distributions, seleccionar In separate panels of the same graph.
8 Click OK en cada cuadro de diálogo
Distribution Plot
Weibull, Scale=1, Thresh=0
0 2 4
Shape=1 Shape=1.5 Shape=2
1.5
1.0
0.5
Density
0.0
Shape=2.5 Shape=3 Shape=3.5
1.5
Página 13 de 29
Distribution Plot
Weibull, Scale=1, Thresh=0
0 2 4
Shape=1 Shape=1.5 Shape=2
1.5
1.0
0.5
Density
0.0
Shape=2.5 Shape=3 Shape=3.5
1.5
1.0
0.5
0.0
0 2 4 0 2 4
X
Para el caso de distribuciones normales con medias 100 130 150 180 y desv.estándar 20

3 De la Distribution, seleccionar Normal.
4 En Means, teclear 100 130 150 180
5 En Estándar deviation, poner 20.
6 Click Multiple Graphs.
7 En Show Distributions, seleccionar Overlaid in the same graph
Distribution Plot
Normal, StDev=20
Mean
0.020
100
130
150
180
0.015
Density
0.010
0.005
0.000
50 100 150 200 250
X
Para el caso de distribuciones de Poisson con medias 2 4 6 8 10 15 20 25

Distribution Plot
3 De la Distribution, seleccionar Poisson Poisson
4 En Means, teclear 2 4 6 8 10 15 20 25 0 20 40
5 Click Multiple Graphs. M ean=2 M ean=4 M ean=6
6 En Show Distributions, 0.2
seleccionar In separate panels of the same graph. 0.1
7 Click OK en cada cuadro de diálogo 0.0

M ean=8 M ean=10 M ean=15
Probability
0.2
0.1
0.0
Mean=20 M ean=25 0 20 40
0.2
0.1
0.0
0 20 40
X
3. Comparar dos distribuciones

El número de llamadas de clientes a un Call center es modelada por una distribución de Poisson
con una media de 25.75, se quiere comparar si sigue una distribución normal con parámetros estimados
de la muestra.
Página 14 de 29

2 Seleccionar Two Distributions, click OK.
3 De la Distribution 1, seleccionar Poisson.
4 En Mean, poner 25.75.
5 De la Distribution 2, seleccionar Normal.
6 En Mean, poner 25.75.
7 En Standard Deviation, poner 4.95.
8 Click OK.
Distribution Plot
0.09 Distribution Mean
Poisson 25.75
0.08 Distribution Mean StDev
Normal 25.75 4.95
0.07
0.06
Density
0.05
0.04
0.03
0.02
0.01
0.00
10 15 20 25 30 35 40 45
X
La distribución normal casi aproxima a la de Poisson
4. Mostrar áreas bajo la curva de probabilidad
Se trata de ver el área que incluye al 10% de los alumnos que obtuvieron las calificaciones más altas
a partir del 90%, con una media de 1211 y una desviación estándar de 320, y ver si la calificación de
1738 entra en esta zona.
1 Seleccionar Graph > Probability Distribution Plot.

2 Seleccionar View Probability, click OK.
3 De la Distribution, Seleccionar Normal.
5 Click en Shaded area. En Define Shaded Area By, seleccionar X Value.
6 Click Right Tail. En X value, poner 1738.
Distribution Plot
Normal, Mean=1211, StDev=320
0.0014
0.0012
0.0010
0.0008
Density
0.0006
0.0004
0.0002
0.0498
0.0000
1211 1738
X
O para un 10% del área:

5 Click en Shaded area. En Define Shaded Area By, seleccionar Probab., Right Tail, 0.10.
Distribution Plot
0.0014
0.0012
0.0010
0.0008
Density
0.0006 Página 15 de 29
Distribution Plot
0.0014
0.0012
0.0010
0.0008
Density
0.0006
0.0004
0.0002
0.1
0.0000
1211 1621
X
El valor de 1738 si entra en la zona.
Solo como demostración para el caso de dos colas:

5 Click en Shaded area. En Define Shaded Area By, seleccionar Probab., Both Tails, 0.10.
Distribution Plot
0.0014
0.0012
0.0010
0.0008
Density
0.0006
0.0004
0.0002
0.05 0.05
0.0000
685 1211 1737
X
3.5 Prueba de normalidad

Es una prueba de hipótesis de una población para determinar si la muestra se extrae de una
población normal, que es la hipótesis nula. La hipótesis alterna es que no es normal.
Se puede hacer por diversos métodos:
1. Método gráfico
Se trata de probar la flamabilidad de una fibra y ver si sigue una distribución normal,
además se quiere observar su valor en el percentll 87avo.
1 File > Open worksheet FLAMERTD.MTW.

2 Graph > Probability Plot.
3 Seleccionar Single, click OK.
4 En Graph variables,seleccionar Fabric.
5 Click Scale, y click el Percentile Lines .
6 En Show percentile lines at Y values, teclear 87. Click OK en cada cuadro de diálogo.
Probability Plot of Fabric

Normal - 95% CI
99
Mean 3.573
StDev 0.5700
95 N 15
AD 0.310
90
P-Value 0.517
80
70
Percent
60
50
40
30
20
10
1
2 3 4 5 6
Fabric Página 16 de 29
Probability Plot of Fabric
Mintab V15 Normal - 95% CI Módulo 3. Estadítica Descriptiva P. Reyes / Nov. 2007
99
Mean 3.573
StDev 0.5700
95 N 15
AD 0.310
90
P-Value 0.517
80
70
Percent
60
50
40
30
20
10
1
2 3 4 5 6
Fabric
Los puntos no salen del intervalo de confianza del 95%

El IC del 87% se encuentra entre los valores 3.84295 y 4.58790
2. Prueba de hipótesis con prueba de Anderson Darling

Esta prueba compara la función de distribucion acumulada empirica de los datos
de la muestra con la distribución esperada si los datos fueran normales
Si la diferencia observada es suficientemente grande, se rechaza la hipótesis nula
de normalidad de la población.
Utilizando el archivo de datos de DETERGENTE.MTW anexo

Copiar los datos del archivo a Minitab
Las hipótesis son las siguientes:
Ho: Los datos SI provienen de una población distribuida normalmentePvalue de prueba >0.05
Ha: Los datos NO provienen de una población distribuida normalmen Pvalue de prueba <= 0.05
Stat > Basic statistics > Normality Test

en Variable indicar la columna de Pesos
Seleccionar la prueba de Anderson Darling
Probability Plot of Peso en gr

Normal AD - El estadístico de Anderson
99.9
Mean 4043 Darling está en función de las
StDev 66.76
99 N
AD
500
0.426
distancias entre los puntos y la
95
90
P-Value 0.314 recta es mejor un valor menor
80
70
Percent
60
50
40
P Value indica la probabilidad
30
20 de equivocarnos al rechazar el
10
5
supuesto de normalidad cierto
1
0.1 Un valor P de menos de 0.05

3800 3900 4000 4100 4200 4300
Peso en gr indica que los datos no son
normales, en este caso si lo son.
Otra forma de hacerlo es con:
Graph > Probability Plot: Single Probability Plot of Peso en gr

Normal - 95% CI
en Graph Variable indicar la columna de Pesos 99.9

Mean 4043
StDev 66.76
99 N 500
AD 0.426
En la gráfica se deben observar 95
90
P-Value 0.314
la gran mayoría de puntos dentro 80

70
Percent
60
del intervalo de confianza y 50
40
30
obtener un P value mayor a 0.05 20
10
para indicar que los datos siguen 5
una distribución normal 1
0.1
3800 3900 4000 4100 4200 4300
Peso en gr
Probability Plot of AtoBDist

Minitab 15 Ejemplo con el archivo CRANKSH.MTW Normal
99.9
1 File > Open worksheet CRANKSH.MTW. 99

Mean
StDev
0.4417
3.491
N 125
2 Stat > Basic Statistics > Normality Test. 95

90
AD
P-Value
0.891
0.022
80
70
Percent
60
50
40
30
20
10
5
0.1
Página
-10 17 -5de 29 0 5 10
Probability Plot of AtoBDist
Normal
99.9
Mean 0.4417
StDev 3.491
99
N 125
AD 0.891
95 P-Value 0.022
90
3 En Variable, seleccionar AtoBDist. Click OK. 80

70
Percent
60
50
40
30
AtoBDist 20
10
-0.44025 El valor P es menor a 0.05 5
5.90038 por tanto los datos no siguen 1
0.1
2.08965 una distribución normal -10 -5 0 5 10
AtoBDist
0.09998
2.01594
4.83012
Etc.
3. Con otras pruebas de hipótesis

Prueba de normalidad de Ryan Joiner
Esta prueba evalúa la normalidad calculando la correlación entre los datos de
la muestra y datos normales. Si el coeficiente de correlación es cercano a uno,
la población es normal. Es similar a la prueba de Shafiro Wilk.
Se compara el coeficiente de correlación con el valor crítico, si es menor se rechaza la normalidad.
Prueba de normalidad de Kolmogorov Smirnov

Esta prueba compara la función de distribución acumulada de la muestra con la
distribución esperada de los datos si fueran normales. Si la diferencia obervada es
suficientemente grande, la prueba rechaza la hipótesis nula de normalidad.
Si el valor P se esta prueba es menor al alfa seleccionado se rechaza la
hipótesis nula de normalidad.
Prueba del lápiz grueso

Es una prueba informal de normalidad, aplicando la punta de un lapiz grueso a la línea de datos
en la gráfica normal, si cubre todos los puntos, la gráfica es probable que sea normal.
Minitab 15 Prueba de Bondad de ajuste de datos con la Distribución de Poisson

Sirve para determinar si un modelo estadístico se ajusta a los datos, analizando las
diferencias entre los valores observados y los valores esperados en el modelo.
Para datos continuos, se puede visualizar con una gráfica de probabilidad, o
cuantitativamente con una prueba de hipótesis tal como la de Anderson Darling,
para datos categóricos, se puede usar la prueba Chi cuadrada o con Minitab la prueba
de bondad de ajuste para datos de Poisson o logística.
Las hipótesis son:
Ho: El modelo adecuadamente describe los datos

Ha: El modelo no describe adecuadamente los datos.
Para el caso de Poisson:

1. File > Open Worksheet ACCIDENT.MTW
Accidents
2 3 3 4 4
0 0 1 4 0
2 3 3 3 4
2 3 2 2 1
4 1 4 4 0
1 2 4 1 2
4 3 3 2 2
0 0 4 0 4
4 1 2 1 1
2 2 3 3 2
2 Stat > Basic Statistics > Goodness-of-Fit Test for Poisson.

3 En Variable, seleccionar Accidents.
4 Click OK.
Goodness-of-Fit Test for Poisson Distribution

Data column: Accidents
Poisson mean for Accidents = 2.24
Página 18 de 29
Poisson Contribution
Accidents Observed Probability Expected to Chi-Sq
0 7 0.106459 5.3229 No se rechaza Ho, los datos si siguen
1 8 0.238467 11.9234 la Distribución de Poisson
2 13 0.267083 13.3542 0.00939
Chart of Observed and Expected Values
3 10 0.199422 9.9711 0.00008
14 Expected
O bserv ed
>=4 12 0.188569 9.4285 0.70136

12
N N* DF Chi-Sq P-Value 10
50 0 3 2.53020 0.470 8
Value
6
0
Accidents 0 1 2 3 >=4
3.6 Aplicaciones
Realizar los ejercicios del Módulo 3 incluidos en el archivo CursoTallerMinitabEjercicios
Página 19 de 29
ARCHIVO DETERGENTE.MTW
Contiene datos de peso en gramos de 500 paquetes de detergente con peso nominal de 4 grs.
indicando en cuál de las 2 líneas se ha llenado:
Peso en gr Línea de llenado

3996 2
3935 1
4093 2
3993 1
4041 1
4034 2
4047 1
4085 2
4096 2
3971 1
4036 1
3951 1
4068 2
4051 2
4079 2
4042 2
4082 2
4128 2
4082 1
3895 1
3954 1
4022 1
4091 2
4113 1
4082 2
3995 1
3986 1
4065 1
4057 2
4179 2
4022 2
4057 2
4099 2
3980 1
4054 1
4162 2
4113 2
4048 2
4061 2
4142 2
4008 2
4100 2
3892 1
3965 1
4105 2
4034 1
4173 2
4109 2
4104 2
4143 2
3959 1
3975 1
4009 1
3968 1
4008 1
4014 1
4121 2
3903 1
4096 2
4160 2
3954 1
4176 2
4039 2
3952 1
4170 2
3988 1
4064 2
3948 1
3992 1
4106 2
3956 1
4146 2
3971 1
4040 1
3980 1
4060 2
4090 2
4003 1
4038 1
3925 1
4048 1
4145 2
3982 1
3899 1
4128 2
3927 1
4174 2
4023 1
3938 1
3986 1
4046 2
4115 2
4096 2
3965 1
3926 1
3988 1
3946 1
4154 2
3976 1
4009 2
3943 1
4107 2
4070 1
4119 2
4016 2
3995 1
4021 2
4027 2
3957 1
4094 2
4031 2
4008 2
4062 1
3978 1
3928 1
4057 1
4052 1
3969 1
4065 2
4062 1
4090 2
4063 2
4131 2
3973 2
4059 2
3980 1
4090 2
4015 1
4005 2
4017 1
4028 2
4043 1
4078 2
4069 2
4058 1
4032 2
4005 2
4098 2
4047 1
4097 2
4021 1
3925 1
3960 1
4157 2
4026 1
3930 1
3969 1
4070 1
3935 1
4022 2
4040 1
4126 2
4120 2
4065 2
4034 2
4076 1
4025 2
4090 2
4052 1
4117 2
4086 2
4142 2
4118 2
4183 2
4112 2
4055 1
4012 2
3976 1
3973 1
4148 2
4121 2
3958 1
4020 1
4036 1
4000 1
4067 1
4075 2
3981 1
3997 1
4008 1
4036 1
4079 2
3986 1
4123 2
3994 2
4158 2
4002 1
4042 2
4023 2
4111 2
4187 2
3970 1
4046 1
4086 2
4040 2
4039 1
3934 1
3984 2
3993 1
4042 1
3927 1
3928 1
4041 1
3987 1
3982 1
4095 2
4073 2
4196 2
4078 2
4068 1
4078 1
4143 2
3977 1
4069 2
4088 1
3956 2
4033 1
4088 2
4046 1
4044 2
4085 2
4029 1
4011 2
4173 2
4052 1
4105 1
4132 2
4094 2
4036 2
4009 2
4008 1
4063 1
4092 2
4030 1
4042 1
4008 1
4087 2
4002 1
4074 2
4050 2
4106 1
4092 2
4056 2
4064 1
4068 2
3969 1
4061 1
4138 2
4125 2
3997 2
3944 1
4047 2
4020 1
3896 1
4119 2
4005 1
3903 1
4143 2
4085 1
4041 1
3971 1
4087 2
4097 1
3945 1
4077 2
4044 2
4098 2
4069 2
4056 2
4015 1
3982 2
4181 2
4046 1
4061 2
3958 1
4018 1
4173 2
4020 1
4097 2
4029 1
4107 2
3957 1
4158 2
4098 2
3975 2
4042 1
4024 1
4111 2
4048 2
4015 1
4050 1
4076 2
4134 2
4047 2
4041 2
4055 2
4080 2
4008 1
4082 2
3958 1
3965 2
4038 1
4070 1
3967 1
4094 2
4006 2
4130 2
4047 1
4069 1
4172 2
3979 1
3997 1
4123 2
4188 2
4118 2
4033 2
4043 1
3966 1
4162 2
4035 2
4057 2
3889 1
3987 1
4050 1
3973 1
4067 2
4159 2
4022 1
4134 2
3978 1
4002 1
3991 1
4069 1
4059 2
3953 1
4156 2
4077 2
4030 2
3975 1
4133 2
4030 2
4070 2
3983 1
4025 1
4115 2
4135 2
4085 2
3980 1
4015 1
4091 2
4110 2
3957 1
3962 1
3983 1
4069 1
4073 2
4054 2
4016 1
4143 2
4032 2
3998 1
3968 1
4004 2
4083 2
4019 1
4185 2
3988 2
3952 1
4120 2
4025 2
4053 2
3998 1
3982 1
4160 2
4153 2
4120 2
3962 1
4093 2
4155 2
4086 2
4006 1
4035 2
4056 2
4088 2
4060 2
3877 1
4060 1
4027 1
3954 2
3968 1
4083 2
3999 1
4125 2
4036 1
3914 1
3964 2
3976 1
4031 1
4015 1
4141 2
4101 2
4043 1
3946 1
3989 1
3956 1
3977 1
4053 1
3977 1
4082 2
4119 2
3971 1
4009 1
4098 2
3948 1
3983 1
4064 1
4022 2
4102 1
3894 1
3985 1
3961 1
4195 2
4066 1
4018 1
4126 2
3988 1
4103 2
4070 1
4158 2
4083 2
4049 2
3999 2
4094 2
4070 2
4000 2
4151 2
4013 1
4013 1
4067 1
3978 1
3982 1
4080 2
4096 2
4202 2
3975 1
4021 1
4004 1
4080 2
4136 2
4063 2
4139 2
4016 1
4047 1
4068 1
4067 2
4114 2
3993 1
4018 1
3890 1
3927 1
4059 1
4004 2
4048 1
3989 1
4027 1
4024 1
3923 1
4081 2
4103 2
4013 2
4094 1
3933 1
4101 2
4134 2
3892 1
4175 2
3927 1
3984 1
3898 1
4109 2
4100 2
4073 1
4101 2
4005 1
4125 2
4036 1
4146 2
4029 1
4102 2
4019 2
4074 2
3962 1
3925 1
4039 2
3929 1
4008 1
4064 2
4001 1
3992 1
4029 2

MTB15 Estadistica Descriptiva

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

MTB15 Estadistica Descriptiva

Hochgeladen von

Copyright:

Verfügbare Formate

Mintab V15 Módulo 3. Estadítica Descriptiva P. Reyes / Nov.

MINITAB 15 MÓDULO 3. ESTADÍSTICA DESCRIPTIVA

3.1 Estadísticos de una muestra

MÓDULO 3. ESTADÍSTICA DESCRIPTIVA

3.1 Estadísticos de una muestra

Se usa el archivo DETERGENTE.MTW anexo en Archivo Datos Módulo 3:

Gráficas de los datos

Selección de estadísticos específicos

Descriptive Statistics: Peso en gr

Las gráficas obtenidas de la estadística descriptiva son las siguientes:

Histogram (with Normal Curve) of Peso en gr by Línea de llenado

Individual Value Plot of Peso en gr vs Línea de llenado

Boxplot of Peso en gr by Línea de llenado

3.2 Diagrama de caja y diagrama de tallo y hojas

Para estos ejemplos se utiliza el archivo PULSE.MTW de Minitab

Graph > Boxplot

Hacer una columna con el incremento del Pulso = Pulse 2 - Pulse 1

Gráfica de caja sencillo

Gráfica de caja por grupos

Boxplot of Incremento vs Ran, Sex

El diagrama de caja muestra los cuartiles Q1, Q2 (mediana) y Q3, el rango

Los valores similares se desplazan horizontalmente para que se puedan apreciar.

Diagrama de tallo y hojas

Graph > Stem and Leaf

Estratificación opcional por otra variable

Destacar valores que exceden ± 1.5 RIC

Definición del ancho de la "celda" de números

Stem-and-Leaf Display: Weight

HI 215 Línea de profundidad (frec. Acumulada hasta la mediana () )

Diagrama de puntos Graph > Dotplot

Dotplot of Incremento vs Ran, Sex

Minitab 15 Gráfica de valores individuales

1. Open worksheet Shippingdata.mtw en carpeta Minitab Sample Data / Meet Minitab

Individual Value Plot of Days

3.3 Histogramas o distribuciones de frecuencia

Se usa el archivo PULSE.MTW anexo en Archivo Datos Módulo 3:

Indicando como variable Pulse1 se tiene:

La apariencia de las barras se puede cambiar haciendo clcik en estas.

Se definen los intervalos a través de sus

Se indica el nuevo número de intervalos

Con doble click en la escala horizontal se puede modificar la escala de valores

Editor > Make Similar Graph

Para comparar los histogramas según se haya corrido o no se tiene:

Graph > Histogram: Simple

Minitab 15 Histogramas por grupo

1. Open worksheet Shippingdata.mtw en carpeta Minitab Sample Data / Meet Minitab

Gráfica de dispersión entre dos variables Day y Distance

Scatterplot of Days vs Distance

Arreglo del Layout

3.4 Distribución normal estándar y distribución normal

La teoria se puede consultar en el archivo de Word anexo: Distribución Normal.doc

Calc > Probability distributions > Normal

Da el valor para el cual se obtiene

Media cero y desv. Estándar uno

El área total de probabilidad es de 1.0

Normal with mean = 0 and standard deviation = 1

Normal with mean = 0 and standard deviation = 1

Probabilidad acumulada inversa

Calc > Probability distributions > Normal

Normal with mean = 0 and standard deviation = 1

Dibujo de la gráfica de densidad normal (entre -4 a +4 con incrementos de 0.1)

Calc > Make Patterned data > Simple set of numbers

Columna para guardar los datos