Pruebas de Hiptesis

Junio de 2011

AGENDA
8:00 9:00 Examen 9:00 9:45 Conceptos pruebas de hiptesis, tipos de errores. 9:45 - 10:00 Refrigerio 10:00 11:30 Pruebas de hiptesis 11:30 -12:00 Taller de pruebas de hiptesis 12:00 13:00 Correlacin - Regresin 13:00 14:00 Almuerzo 14:00 15:00 Taller del Avin 15:00 16:00 Herramientas TPM y Lean

RESUMEN MAPA DMAMC

DMAMC
Mejoramiento de Proceso Herramientas
Entrevistas, talleres, encuestas, scorecards, QFD, diagramas de Pareto.

? 1
DEFINIR

Identificar el problema Definir requerimientos Establecer objetivo

MEDIR

Validar problema/ proceso Refinar problema/ objetivo Medir pasos/ entradas claves

QFD, gage R&R, diagrama causa-efecto, anlisis de habilidad del proceso, tcnicas de mapeo de procesos, FMEA. Diagrama cause-efecto, pruebas de hiptesis, estudios multi-vari, estudios de correlacin, regresin, FMEA.

Desarrollar hiptesis causales Identificar causas raz Validar hiptesis

ANALIZAR
Desarrollar ideas para remover causas raz Probar soluciones Estandarizar soluciones/ medir resultados Establecer estndar para mantener desempeo Corregir problemas segn sea necesario

MEJORAR

Diseo experimental factorial, diseo robusto, metodologa de superficie de respuesta, EVOP, poke yoke, FMEA.

5 CONTROLAR

Control estadstico de procesos, poke yoke, herramientas lean.

1. INTRODUCCIN
Una hiptesis es una suposicin sobre el valor desconocido de un parmetro o caracterstica de una poblacin. La prueba de hiptesis es una herramienta analtica muy efectiva para obtener informacin valiosa que me permita inferir sobre una poblacin.

Parmetros poblacin

Estadstico muestra

Media
Muestra

Mediana
Desviacin Estndar Proporcin
Edad promedio 35 aos

Conocido por dioses

Lo que medimos

Poblacin

1. INTRODUCCIN
Una hiptesis busca reducir el nivel de incertidumbre en el proceso de toma de decisiones, se parte de algunas premisas que son tomadas por ciertas, mientras no se obtenga una evidencia o informacin que las contradiga. Algunos ejemplos de las premisas que suponemos:

Un embotellador de bebidas debe determinar si el peso promedio del contenido de sus botellas es de 16 onzas. ( = 16 onzas).

La sociedad parte de la premisa de que una persona es inocente hasta tanto se pruebe lo contrario.

2. FORMULACIN DE PRUEBAS DE HIPTESIS

Una prueba de hiptesis se formular para que una de las suposiciones sobre una caracterstica dada, sea inicialmente favorecida. Esta suposicin se rechaza o no, dependiendo de los resultados de la prueba. La hiptesis nula representada por Ho, es la suposicin sobre una o nula, mas caractersticas poblacionales que al inicio se supone cierta. No existe efecto alguno o diferencia.

La hiptesis alternativa representada por Ha, es la afirmacin alternativa, contradictoria a Ho. Si rechazamos Ho en la prctica se acepta Ha.

La hiptesis nula se rechaza a favor de la hiptesis alternativa, solo si la evidencia muestral sugiere que Ho es falsa. Si la muestra no contradice decididamente a Ho, se contina creyendo en la validez de la hiptesis nula. Entonces, las dos conclusiones posibles de un anlisis por prueba de hiptesis son Rechazar Ho no rechazar Ho.

2. FORMULACIN DE PRUEBAS DE HIPTESIS

En el tratamiento de prueba de hiptesis, Ho siempre se expresa como =, , . La igualdad siempre supone que no hay diferencia.

Ho Ha

>

EJERCICIO
Plantee las hiptesis de acuerdo al enunciado

Un productor de software de computador desea certificar que la proporcin de sus productos que son defectuosos es menor del 3%.

Un fabricante de equipos deportivos desea saber si existe evidencia de que un proceso de produccin ha reducido los costos promedios de produccin por debajo de su nivel actual de $5 por unidad.

Un supermercado local asegura que sus ventas promedio son de $5,000,000 mensual.

3. DEFINICIONES

prueba: Estadstico de prueba: Es una funcin de la muestra que permite tomar la decisin sobre la hiptesis. Su distribucin es conocida bajo la hiptesis nula.

rechazo: Regin crtica o de rechazo: Conjunto de valores que puede tomar el estadstico de prueba y que llevaran a rechazar la hiptesis nula.

Prueba de 2 colas
/2
Regin de Rechazo Valor en Tabla (Valor Crtico)

/2
no rechazar HO Regin de Rechazo Valor Calculado Valor en Tabla (Valor Crtico)

Nota: La Regin de Rechazo es determinada por la Hiptesis Alterna (Ha)

Prueba de 1 cola Superior

Prueba de 1 cola Inferior

No rechazar HO Valor Calculado Regin de Rechazo

Regin de Rechazo

No rechazar HO
Valor Calculado

Valor en Tabla (Valor Crtico)

Valor en Tabla (Valor Crtico)

3. DEFINICIONES
Error tipo I: Rechazar la hiptesis nula siendo verdadera. Su probabilidad se denota por . Esta probabilidad es tambin el tamao de la regin crtica. Es conocido como error del productor, o sea, rechazar un lote de produccin siendo bueno. II: Error tipo II: No rechazar la hiptesis nula siendo falsa. Su probabilidad se denota por . Es conocido como el error del consumidor, o sea, entregar al mercado un lote como bueno cuando realmente est malo. prueba: Potencia de una prueba: Es igual a 1-, y es la probabilidad de rechazar la hiptesis nula siendo falsa. value: El P-value: el nivel de significancia ms bajo (mnimo) que puede determinarse y sin embargo rechazar la hiptesis nula. Si el valor-p es menor que el valor alfa, se rechaza la hiptesis nula.

3. DEFINICIONES
Al probar cualquier hiptesis estadstica, hay cuatro posibles situaciones que determinan si la decisin es correcta o equivocada. Estas situaciones se ilustran en la siguiente figura:

Ho es verdadera

Ho es falsa

Ho no es rechazada Conclusin

Decisin correcta

Error tipo II

Ho es rechazada

Error tipo I

Decisin correcta

3. DEFINICIONES
Diferencia estadsticamente insignificante (): Es la diferencia entre el valor de la media poblacional bajo la hiptesis y el valor de la media muestral que es lo suficientemente pequea como para atribuirla a un error de muestreo.
Lo Actual Lo Deseado

La diferencia delta () d = diferencia entre medias

(IC): Intervalo de confianza (IC): Un conjunto de valores (rango) obtenido a partir de los datos muestrales, en el que hay una determinada probabilidad de que se encuentre el parmetro. A esta probabilidad se le conoce como el nivel de confianza.

4. PROCEDIMIENTO DE PRUEBA
1 Formule el problema prctico en trminos de hiptesis: Ha: Ha: Hiptesis de accin Esta debera expresar el rango de situaciones sobre las que deseamos que la prueba haga un diagnstico. Una vez que esta hiptesis es determinada se define si la prueba es de una o de dos colas. Ho: La hiptesis nula requiere ser muy simple y representa el status Ho: quo, es decir, que no hay diferencia entre los procesos sometidos a prueba. Es bsicamente un estndar o control con el cual la evidencia que apunta a la hiptesis alterna pueda ser comparada 2 Calcule un estadstico (T), una funcin de los datos nicamente. Todos los buenos estadsticos de prueba deberan tener dos propiedades: (a) deberan tender a comportarse de manera diferente cuando Ho es verdadera de cuando Ha es verdadera; y (b) su distribucin de probabilidad debera ser calculable bajo el supuesto de que Ho es verdadera. Tambin es deseable que existan las tablas de dicha distribucin de probabilidad.

4. PROCEDIMIENTO DE PRUEBA
3 crtica. Determine (elija) una regin crtica. Deberamos poder decidir en la clase de valores de T cules apuntan con mayor fuerza hacia que Ha es verdadera ms que hacia Ho verdadera. Un valor de T que caiga en dicha regin crtica llevar a que se rechace Ho en favor de Ha

crtica. Decida el tamao de la regin crtica. Para hacer esto, se necesita especificar el tamao del riesgo del error que se puede permitir. Brevemente, se define el nivel de significancia prefijado o tamao de la prueba () como el riesgo que se est dispuesto a correr al rechazar Ho cuando en realidad es verdadera. Usualmente se piensa en una cantidad que oscila entre 1% y 10%, dependiendo de la seriedad prctica de cometer dicho error.

TIPOS DE PRUEBAS DE HIPOTESIS

Normalidad F 1 Muestra 2 Muestras Datos Continuos 1 Proporcin 2 Proporciones 1 Va Anova Pruebas de Hiptesis 2 Vas Correlacin y Regresin

Datos Discretos

Chi Cuadrado

Prueba de Normalidad
Para qu se usa?
Comprobar si los datos de una muestra provienen de una distribucin normal

Cundo se Usa?

Antes de una prueba de igualdad de muestras Antes de hacer un calculo de capacidad

Planteamiento de Hiptesis Interpretacin de Resultado

H0: Los datos pertenecen a una distribucin normal Ha: Los datos no pertenecen a la distribucin normal

Si los datos de una muestra se comportan de manera normal sera bastante fcil tomar decisiones respecto de la poblacin, dado que podramos calcular la probabilidad de ocurrencia de algn fenmeno

Ejemplo
El artculo Nonbloated Burned Clay Aggregate Concrete reporta la siguiente informacin sobre la resistencia a la flexin, en 7 das, de muestras de concreto con agregado de arcilla quemada no dilatada (psi). Use = 0.05
Normal Probability Plot
257 497 300 700 383 374 407 438 456 407 476 501 327 526 340 357 393 377 434 387 460 450 480 508 317 546 340 425 407 386 427 408 456 440 490 380 440 505

,999
343 497

,99 ,95

Pr robability

,80 ,50 ,20 ,05 ,01 ,001 300 400 500 600 700

H0: Los datos pertenecen a una distribucin normal Ha: Los datos no pertenecen a la distribucin normal

Flexin
Average: 426,05 StDev: 79,9105 N: 40 Anderson-Darling Normality Test A-Squared: 0,306 P-Value: 0,549

P-value Mayor a 0.05 Conclusin: Conclusin: No tenemos evidencia para rechazar la hiptesis nula por lo que concluimos que los datos de la muestra pertenecen a una distribucin normal.

Prueba de Normalidad

Prueba F
Para qu se usa?
Comparacin de la varianza de dos poblaciones normales

Cundo se Usa?

Antes de la Prueba - t (necesita conocer si las varianzas son iguales) Con datos normales y no-normales Cuando es necesario comparar varianzas

Planteamiento de Hiptesis Interpretacin de Resultado

Ho: 12=22 Ha: 1222

Si efecta un cambio al proceso y desea determinar si ha cambiado o no la varianza en la salida, puede utilizar la prueba F y as comparar las muestras antes y despus del cambio

Ejemplo
Se recolectan datos para determinar si hay diferencia en la varianzas de los ingresos diarios en dos sucursales. Dados los siguientes datos, Cul es su conclusin con base a una prueba de hiptesis siendo =0.1?
Sucursal Norte3 45.78 34.66 65.89 54.78 98.66 12.55 37.77 21.87 23.45 56.98 Sucursal Sur 67.89 76.45 87.12 98.65

100 90 80 70

Ingresos

65.87 34.91 56.88 45.99 63.59 73.78

60 50 40 30 20 10 Sucursal Norte Sucursal Sur

Test for Equal Variances for Ingresos

90% Confidence Intervals for Sigmas Factor Levels

Sucursal Norte

Sucursal

Sucursal Sur
10 20 30 40 50

F-Test Test Statistic: 1,843 P-Value : 0,376

Boxplots of Raw Data
Sucursal Norte

Levene's Test Test Statistic: 0,788 P-Value : 0,386

P-value=0.386, y como nuestro valor de =0.10, concluimos que no rechazamos Ho por lo que concluimos que las varianzas son iguales estadsticamente.

Sucursal Sur

10

20

30

40

50

60

70

80

90

100

Prueba F

Ingresos

Prueba T 1 Muestra
Para qu se usa?
Comparacin de la media de una muestra contra un valor objetivo

Cundo se Usa?

Cuando es necesario comparar la media con un valor objetivo. Cuando hay 30 muestras o menos (si hay ms de 30, hacer una transformacin a Z, pba. Z ).

Planteamiento de Hiptesis Interpretacin de Resultado

Ho: =Valor Objetivo Ha: Valor Objetivo

Si su proceso esta cumpliendo con el objetivo de la especificacin no rechaza la Ho.

Ejemplo
Una compaa de transportes de personal, otorga el servicio a una fbrica ubicada a 15 km. de un determinado pueblo. En los ltimos meses se han recibido quejas del cliente por no llegar con el personal a una hora determinada. Suponga que para nuestro caso el cliente especifica que el tiempo de traslado del personal debe ser menor a 30 min., se tomaron datos de los ltimos 52 servicios realizados, el cliente tendr razn para reclamar al proveedor de servicio? El proveedor podr cumplir con la especificacin del cliente? (Use alfa igual a 0.05)
14.1 17.8 20.8 30.0 36.7 55.0 14.5 18.1 20.8 31.6 40.0 57.0 15.5 18.2 21.0 31.7 40.0 16.0 18.3 21.5 31.7 41.3 16.0 18.3 23.5 32.5 41.7 16.7 19.0 27.5 33.5 47.5 16.9 19.2 27.5 33.9 50.0 17.1 19.4 28.0 35.0 51.0 17.5 20.0 28.3 35.0 51.8 17.8 20.0 30.0 35.0 54.4
15

H0: =30 Ha: >30 La media esta por debajo del objetivo pero es significativa estadsticamente?
Histograma de Tiempos de arrivo

One-Sample T: Tiempo Test of mu = 30 vs mu > 30 Variable Tiempo Variable Tiempo N 52 Mean 28,76 StDev 12,26 T -0,73 SE Mean 1,70
0

Frequency

10

95,0% Lower Bound 25,91

P 0,765

15

20

25

30

35

40

45

50

55

Tiempo

Como nuestro P-value es mayor que nuestro respectivo valor de , no tenemos evidencia para rechazar H0 y concluimos que no tenemos pruebas evidentes de que >30 por lo que decimos que estadsticamente el cliente no tiene la razn y la empresa de transportes en promedio cumple con la especificacin.

TPrueba T-1 Muestra

Prueba T 2 Muestra
Para qu se usa?
Comparacin de la diferencia entre dos medias de dos muestras contra un valor objetivo.

Cundo se Usa?

Despus de la Prueba F (Para igualdad de varianzas). Con datos Normales o cercanos a Datos Normales.

Planteamiento de Hiptesis Interpretacin de Resultado

H0: Ha:

1= 1

2 2

1- 2=0 1- 20

Despus de llevar a cabo un ajuste, el proceso mejora o al menos mantiene su desempeo (comparar el desempeo del proceso antes y despus del ajuste)

Ejemplo
A una compaa financiera le interesa comparar las oportunidades de inversin de Europa y Asia. Usted debe preparar un informe para ser utilizado por los directivos de la empresa para decidir en cul rea deben hacer la mayora de las inversiones. La compaa desea concentrarse en donde las condiciones promedio sean mas favorables con respecto a los niveles de utilidad. Use = 0.05
UTE UTA 10 13 14 6 15 25 17 12 21 18 25 24 21 17 26 28 18 29 17 15 15 19 19 27 14 18 15 5 18 11 12 10 21 14 11 15 10 9 9 8

H0: Ha:

1= 1

2 2

1- 2=0 1- 20

Two-Sample T-Test and CI: Utilidad. Zona Two-sample T for Utilidad Zona UTA UTE N 20 20 Mean 16,15 16,40 StDev 7,34 4,84 SE Mean 1,6 1,1

Difference = mu (UTA) - mu (UTE) Estimate for difference: -0,25 95% CI for difference: (-4,23. 3,73) T-Test of difference=0 (vs not =): T-Value = -0,13 P-Value = 0,899 Both use Pooled StDev = 6,21 F = 38

Como obtenemos un p-value mayor a nuestro nivel de alfa, podemos decir que no tenemos evidencia para rechazar H0, y concluimos que las medias en la utilidad en las diferentes zonas son iguales.

TPrueba T-2 Muestra

Prueba 1 Proporcin
Para qu se usa?
Comparacin de la proporcin muestral de las observaciones que se consideran xitos respecto de una proporcin poblacional esperada.

Cundo se Usa?

Con datos referentes a una proporcin o porcentaje.

Planteamiento de Hiptesis Interpretacin de Resultado

H0: p= p0 Ha: p p0

p0 es la proporcin esperada

Decisiones en los negocios que dependen de la proporcin o porcentaje de la poblacin que se ajusta a alguna caracterstica

Ejemplo
En una compaa hicieron un estudio para conocer el rendimiento de su departamento de ventas. Durante 10 meses se tomo una muestra mensual de clientes que llegaron a preguntar sobre un sistema de financiamiento pero no todos realizaron una transaccin finalmente. El gerente de ventas asegura que mas del 80% de sus clientes compran el servicio despus de hablar con el agente de ventas. Compruebe si el gerente tiene razn en realizar dicha afirmacin. Use = 0.05 Mes 1 2 3 4 5 6 7 8 9 10 Total Tamao de muestra n 87 96 84 86 102 95 91 74 104 103 922 # de clientes que compran servicio 63 81 57 66 82 82 68 59 75 73 706 Proporcin 0.72 0.84 0.68 0.77 0.80 0.86 0.75 0.80 0.72 0.71 0.77 Como nuestro p-value es mayor a nuestro valor de alfa (=0.05), podemos decir que no tenemos evidencia para rechazar la hiptesis nula por lo que concluimos que el gerente de venta no tiene la razn en afirmar que la proporcin de clientes capturados son mayores al 80% una vez dialogado con sus agentes de ventas.

H0: p= 0.8 Ha: p> 0.8

Test and CI for One Proportion Test of p = 0,8 vs p > 0,8 Exact P-Value 0,995

Sample 1

X 706

N 922

Sample p 0,765727

95,0% Lower Bound 0,741627

Prueba 1 Proporcin

Prueba 2 Proporciones
Comparacin de dos proporciones de Para qu se usa? exitos en dos muestras. Con datos referentes a una proporcin o porcentaje. H0: p1= p2 Ha: p1 p2 Comparacin entre dos proporciones de poblaciones diferentes

Cundo se Usa?

Planteamiento de Hiptesis Interpretacin de Resultado

Ejemplo
Muchas empresas grandes utilizan los servicios de empresas consultoras en el proceso de seleccin de empleados. Para probar el beneficio de tales consultores, una compaa compar recientemente 100 empleados contratados a travs de su propia divisin de seleccin de personal, con 150 empleados contratados de manera menos formal. Los resultados mostraron que el 55% de los del primer grupo no avanzaron ms all del nivel administrativo intermedio en siete aos de trabajo, mientras que la cifra correspondiente para el segundo grupo fue del 60%. Qu podemos concluir sobre la diferencia en la efectividad de estos dos mtodos de contratacin? Use = 0.05 Grupo Propia divisin Contratacin informal Muestra 100 150 Avanzaron 45 60 No avanzaron 55 90 Proporcin avance 0.45 0.40

H0: p1= p2 Ha: p1 p2

p1= 0.45 p2= 0.40

Test and CI for Two Proportions Sample 1 2 X 45 60 N 100 150 Sample p 0,450000 0,400000

Estimate for p(1) - p(2): 0,05 95% CI for p(1) - p(2): (-0,0751157. 0,175116) Test for p(1) - p(2) = 0 (vs not = 0): Z = 0,78

P-Value = 0,433

Como nuestro p-value es mayor a nuestro valor de alfa (=0.05), podemos decir que no tenemos evidencia para rechazar la hiptesis nula por lo que concluimos que no hay diferencia en la efectividad de los mtodos de contratacin, tanto la contratacin propia de la divisin como la contratacin informal es igualmente efectiva.
Prueba 2 Proporciones

Anova (Anlisis de Varianzas)

Para qu se usa?

Determinar si las diferencias entre las medias de tres o mas grupos son estadsticamente significativas.

Cundo se Usa?

Cuando el inters sea analizar una variable dependiente medida bajo ciertas condiciones experimentales representadas por variables categricas (tratamiento, sexo, etc) llamadas factores

Planteamiento de Hiptesis

H0: 1= 2= 3= 4 Ha: Al menos una

es diferente

Anova (Anlisis de Varianzas)

Interpretacin de Resultado

Si P0.05 No rechazar Ho No hay suficiente evidencia significativa para decir estadsticamente que existe una diferencia entre alguno de los grupos. Si existe una diferencia verdadera, puede ser que la variacin es muy grande o el tamao de muestra es muy pequeo para detectarla. Si P<0.05 Rechazar Ho Al menos uno de los grupos es estadsticamente diferente de los otros. Examinar los intervalos de confianza para determinar cual grupo es diferente (no se sobrepongan) Acciones: evaluar la importancia del tamao de la diferencia. (es importante para garantizar una accin futura?)

Anova 1 Va
Factor o Variable: 1 Tratamientos : n Niveles: n Factor: Productividad (# piezas x da) Maquina 1 600 598 597 603 602 Maquina 2 605 590 600 605 600 Maquina 3 601 603 601 606 590 Tratamiento

Niveles: # de mediciones de cada tratamiento

Ejemplo
Una empresa de suministros electrnicos desea comparar la produccin diaria promedio de 3 de sus maquinas. Se recolectaron datos para cada maquina y se muestran a continuacin. Las cifras estn dadas en unidades de produccin. A un nivel del 5% existe diferencia en la medias?.

1
Ma q 1 Ma q 2 Ma q 3 155 154 148 132 126 132 156 138 158 144 144 136 134 142 138 140 136 165 148 128 126 160 136 158 142 134 148 146 147 135 159 140 150 160 126 128 120 126 116 142 144 112 116 120 122 132 128 132 116 128 120

Anlisis Grfico
170 160 150

Und s

140 130 120 110 1 2 3

Maquina

Son datos normales?

.999 .99 .95

Prueba de Normalidad

Probability

.80 .50 .20 .05 .01 .001 110 120 130 140 150 160

Unds
Average: 137.706 StDev: 13.4793 N: 51 Anderson-Darling Normality Test A-Squared: 0.300 P-Value: 0.570

3 Prueba F
Prueba de Homogeneidad de la Varianza
95% Confidence Intervals for Sigmas Factor Levels 1

Bartlett's Test Test Statistic: 1.413 P-Value : 0.493

Levene's Test Test Statistic: 0.823 P-Value : 0.445

10

15

20

4 Planteamiento Hiptesis
Ho: m maq1 = m maq2 = m maq3 Ha: por lo menos una maquina es diferente

Interpretacin de la hiptesis nula: El numero promedio de unidades producidas diariamente entre

las maquinas es el mismo.

Interpretacin de la hiptesis alterna: Por lo menos una maquina tiene en promedio una
produccin diaria diferente a las dems.

5 Resultados Minitab

CONCLUSIN: CONCLUSIN Por lo menos una maquina tiene en promedio una produccin diaria diferentes a los dems, si nos damos cuenta la maquina 3 es la que tiene un promedio de unidades producidas mucho menor.

Anova 2 Va
FACTOR: Punto de venta de Bogot
Factor : 1 Bloque :1 Tratamientos : n Niveles: n

Tratamiento

BLOQUE: Carrera Universitaria

Niveles: # de mediciones de cada tratamiento

Ejemplo
El Gerente de Zona Bogot de Hipercentros Corona decide evaluar las ventas (en millones de COP) de las tiendas en su jurisdiccin. Del total de asesores comerciales en Bogot se escogieron 18, los cuales son clasificados en tres bloques de acuerdo a su nivel acadmico: Universitarios, Tcnicos y Bachilleres. Dentro de cada uno de los tres bloques homogneos, los seis tratamientos (tiendas) son asignados aleatoriamente para tomar las ventas mensuales de una tienda en particular. El nivel de significancia a utilizar es del 5%

1 Planteamiento Hiptesis

2 Anlisis Grfico

3 Resultados Minitab

Prueba CHI-cuadrado

Para qu se usa?

Se usa para probar relaciones de dependencia entre factores

Cuando se usa?

Con datos no paramtricos o discretos. Cuando no se ajustan a una distribucin normal.

Planteamiento de hiptesis

Ho: {factor A} NO depende del {factor B} Ha: {factor A} depende del {factor B}

Interpretacin del resultado

El factor A depende de B el factor A no depende de B

Prueba de Independencia
Ejercicio Usando Minitab El Jefe de Ventas de un punto le pide al rea de seleccin que nicamente tenga en cuenta mujeres para el cargo de asesor comercial, pues en su experiencia las mujeres siempre cumplen el presupuesto de ventas, por la tipologa del negocio. El Gerente de Operaciones quiere probar si el Gnero de los asesores comerciales es factor determinante en el cumplimiento de ventas y as tener en cuenta las recomendaciones del Jefe de Ventas del Punto. Se recopilaron datos de una muestra de 108 personas, 39 mujeres (12 cumplen presupuesto) y 69 hombres (17 cumplen presupuesto). Con un alfa del 5% realice la prueba y de sus conclusiones

Prueba de Independencia
Ejercicio Usando Minitab Paso 1: En un hoja introduzca los datos

Prueba de Independencia
Ejercicio Usando Minitab

Ejercicio: Validar la informacin de Minitab mediante el calculo Manual

Paso 4: Vaya a la Hoja de Sesin para revisar los resultados de la Prueba e Interpretarlos REGLA DE DECISIN: Si P-Value es MENOR que Se RECHAZA la Ho. Si el P-Value es MAYOR que NO se RECHAZA la Ho. Valores Observados Valores Esperados Grados de Libertad Chi2 Calculado CONCLUSIN: Como el P-Value (0.490) > (0.05), No existe la suficiente evidencia para Rechazar la Ho, es decir el cumplimiento de Ventas NO DEPENDE del Gnero del Asesor Comercial

Prueba de Independencia
Recomendaciones cuando use Chi cuadrado Use datos discretos, nominales o categricos Las observaciones deben ser independientes. No repita las mediciones en la misma parte Chi Cuadrado X2 trabaja mejor con 5 o ms observaciones en cada celda