TRABAJO SEMANAL N° 7 Y 8

RICHARD VLADIMIR FELIPE INCA

04 DE AGOSTO DE 2018
ESTADÍSTICA APLICADA A LA ADMINISTRACIÓN
MAESTRÍA EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS
 TRABAJO SEMANAL N° 7 Y 8
1. La siguiente información muestral. Pruebe la hipótesis de que las medias de
tratamiento son iguales. Utilice el nivel de significancia 0.05:
Tratamientos
1 2 3
9 13 10
7 20 9
11 14 15
9 13 14
12 15
10
a. Plantee las hipótesis nula y alternativa
Ho: La media de los resultados de los tratamientos son iguales.
𝜇1 = 𝜇2 = 𝜇3
Ha: La media de los resultados de los tratamientos son diferentes.
𝜇1 ≠ 𝜇2 ≠ 𝜇3

b. Cuál es la regla de decisión

Rechazar la Ho si el p-value (significancia calculada) es menor al 0.05

c. Calcule los valores SS total, SST y SSE

Suma de cuadrados
Entre grupos (SSM) 70,400
Dentro de grupos (SSE) 82,533
Total (SST) 152,933

d. Desarrolle la tabla ANOVA

ANOVA
Resultado del tratamiento
Suma de Media
cuadrados gl cuadrática F Sig.
Entre grupos 70,400 2 35,200 5,118 ,025
Dentro de grupos 82,533 12 6,878
Total 152,933 14

e. Cuál es la decisión respecto a la hipótesis nula

La significancia calcula de la prueba ANOVA es 0.025 la cual es menor al
nivel de significancia, es así que se rechaza la hipótesis nula. Por tanto, al
5% de significancia se contrasta que la media de los resultados de los tres
tratamientos son iguales.

2. El gerente de una compañía de programas para computadoras desea analizar, de

acuerdo al tipo de industria, la cantidad de horas que los ejecutivos de alto nivel
pasan frente a sus computadoras. Se obtiene una muestra de cinco ejecutivos de
 cada una de las tres industrias. Al nivel de significancia del 5%, ¿puede concluirse
que existe una diferencia –por industria- en el número promedio de horas por
semana que los ejecutivos dedican a trabajar en sus computadoras?
Banca Comercio Seguro
12 8 10
10 8 8
10 6 6
12 6 8
10 10 10

a. Plantee las hipótesis nula y alternativa

Ho: La cantidad media de horas que los ejecutivos pasan frente a sus
computadoras son iguales.
𝜇1 = 𝜇2 = 𝜇3
Ha: La cantidad media de horas que los ejecutivos pasan frente a sus
computadoras no son iguales.
𝜇1 ≠ 𝜇2 ≠ 𝜇3

b. Cuál es la regla de decisión

Rechazar la Ho si el p-value (significancia calculada) es menor al 0.05

c. Calcule los valores SS total, SST y SSE

Suma de cuadrados
Entre grupos (SSM) 27,733
Dentro de grupos (SSE) 27,200
Total (SST) 54,933

d. Desarrolle la tabla ANOVA

ANOVA
Resultado del tratamiento
Suma de Media
cuadrados gl cuadrática F Sig.
Entre grupos 27,733 2 13,867 6,118 ,015
Dentro de grupos 27,200 12 2,267
Total 54,933 14

e. Cuál es la decisión respecto a la hipótesis nula

La significancia calcula de la prueba ANOVA es 0.015 la cual es menor al
nivel de significancia, es así que se rechaza la hipótesis nula. Por tanto, al
5% de significancia se valida que la cantidad media de horas que los
ejecutivos de Banca, Comercio y Seguro pasan frente a sus computadoras
son iguales.

3 Los siguientes datos se refieren a la evolución en el periodo 2008 – 2016 de la

tasa de participación de los salarios en la tributación de la renta nacional:
 X 1 2 3 4 5 6 7 8 9
Y 63.7 64.5 66.5 67 66.6 68.1 69.3 69.5 70.2
a. Determine y grafique la ecuación de regresión

La ecuación es: 𝑦 = 63,29 + 0.8𝑥

b. Calcule e interprete el coeficiente de correlación

Correlaciones
Tasa de
participación de
los salarios en la
tributación de la
Años renta nacional
Años Correlación de Pearson 1 ,975**
Sig. (bilateral) ,000
N 9 9
**
Tasa de participación de los Correlación de Pearson ,975 1
salarios en la tributación de Sig. (bilateral) ,000
la renta nacional N 9 9
**. La correlación es significativa en el nivel 0,01 (bilateral).

El coeficiente de correlación de Pearson arroja un valor de 0.975, el cual es

significativo. Por tanto, se determina que existe una correlación positiva
intensa entre los años y la tasa de participación de los salarios en la
tributación de la renta nacional.
 c. Calcule e interprete el coeficiente de determinación

Resumen del modelo

R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
1 ,975a ,950 ,943 ,5316
a. Predictores: (Constante), Años

El coeficiente de correlación es de 0.95, esto es, la variable años explica en un 95% a

la tasa de participación de los salarios en la tributación de la renta nacional.

d. Prediga la tasa de participación de los salarios en la tributación renta nacional

el año 10

𝑦 = 63,29 + 0.8 (10)

𝑦 = 64,09
Se predice que la tasa de participación de los salarios en la tributación de la renta
nacional en el año 10 será igual a 64.09.

4. El gerente de un Banco desea saber si puede considerarse que el ahorro de las

familias (Y) depende de los ingresos (X). En la siguiente tabla se muestra los
resultados obtenidos para una muestra de 10 familias:
Ingresos
(X) 11 14 12 9 13 13 15 17 15 13
Ahorros
(Y) 0.5 1.1 0.9 0.6 1.2 0.9 1.5 1.3 1.1 0.7
a. Determine y grafique la ecuación de regresión
 La ecuación es: 𝑦 = 0.54 + 0.11𝑥

b. Calcule e interprete el coeficiente de correlación

Correlaciones

Ingresos Ahorros
Ingresos Correlación de Pearson 1 ,811**

Sig. (bilateral) ,004

N 10 10

Ahorros Correlación de Pearson ,811** 1

Sig. (bilateral) ,004

N 10 10

**. La correlación es significativa en el nivel 0,01 (bilateral).

El coeficiente de correlación de Pearson arroja un valor de 0.811, el cual es

significativo. Por tanto, se determina que existe una correlación positiva
intensa entre el ingreso y los ahorros de las familias.

c. Calcule e interprete el coeficiente de determinación

Resumen del modelo

R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
1 ,811a ,657 ,615 ,1981
a. Predictores: (Constante), Ingresos

El coeficiente de correlación es de 0.657, es decir, la variable ingresos explica en un

65,7% a los ahorros de las familias.

d. Prediga el ahorro si tiene un ingreso de 16

𝑦 = 0.54 + 0.11 (16)

𝑦 = 2.3
Se predice que familia cuyo ingreso sea igual a 16 tendrá un ahorro igual a 2.3.

5. Se están considerando cuatro marcas de lámparas eléctricas para su uso en una

gran planta manufacturera. El director de compras pidió muestras de 100 lámparas
cada fabricante. Las cantidades de productos aceptables e inaceptables de cada
uno se indica a continuación. Al nivel de significancia 0. 05, ¿existe alguna
diferencia en la calidad de las lámparas?
Fabricantes
Productos A B C D Total
Inaceptable 12 8 5 11 36
 Aceptable 88 92 95 89 364
Total 100 100 100 100 400

a. Hipótesis
Ho: Existen diferencias en la calidad de las lámparas según la marca del
fabricante.
Ha: No existen diferencias en la calidad de las lámparas según la marca del
fabricante.
b. Nivel de significancia: ∝= 0.05
c. Estadístico de prueba: Chi Cuadrado
d. Regla de decisión: Se rechaza Ho si la significancia es menor a 0.05

Chi-Square Test: A; B; C; D

Expected counts are printed below observed counts

Chi-Square contributions are printed below expected counts

A B C D Total
1 12 8 5 11 36
9.00 9.00 9.00 9.00
1.000 0.111 1.778 0.444

2 88 92 95 89 364
91.00 91.00 91.00 91.00
0.099 0.011 0.176 0.044

Total 100 100 100 100 400

Chi-Sq = 3.663; DF = 3; P-Value = 0.300

e. Toma de decisión
Se acepta la hipótesis nula, dado que el p-valor o la significancia es igual a 0.30,
el cual es mayor a la significancia estadística. Por tanto, con un nivel de
significancia del 5% se valida que existen diferencias en la calidad de las
lámparas según la marca del fabricante, es decir hay independencia de la calidad
según la marca del fabricante.

6. El departamento de control de calidad de una empresa, una cadena de tienda

comestibles realiza una inspección mensual para comparar los precios
anunciados. La siguiente tabla resumen los resultados de una muestra de 500
artículos en el mes anterior. La administración de la empresa desearía saber si
existe una relación entre las tasas de error en mercancías de precio regular y en
los artículos de precio especial. Utilice nivel de significancia del 5%.
Precio
Especial
Precio Regular anunciado Total
Menor 20 10 30
Sobreprecio 15 30 45
Correcto 200 225 425
Total 235 265 500

a. Hipótesis
 Ho: No existe relación entre las tasas de error en mercancías de precio regular
y en los artículos de precio especial.
Ha: Existe relación entre las tasas de error en mercancías de precio regular y en
los artículos de precio especial.
b. Nivel de significancia: ∝= 0.05
c. Estadístico de prueba: Chi Cuadrado
d. Regla de decisión: Se rechaza Ho si la significancia es menor a 0.05

Chi-Square Test: Regular; Especial

Expected counts are printed below observed counts

Chi-Square contributions are printed below expected counts

Regular Especial Total

1 20 10 30
14.25 15.75
2.320 2.099

2 15 30 45
21.38 23.63
1.901 1.720

3 200 225 425

201.88 223.13
0.017 0.016

4 88 92 180
85.50 94.50
0.073 0.066

Total 323 357 680

Chi-Sq = 8.213; DF = 3; P-Value = 0.042

e. Toma de decisión
Se rechaza la hipótesis nula, dado que el p-valor o la significancia es igual a
0.042, el cual es menor a la significancia estadística. Por tanto, con un nivel de
significancia del 5% se valida que existe relación entre las tasas de error en
mercancías de precio regular y en los artículos de precio especial.

7. Supóngase que una compañía desea investigar ¿Un hombre liberado de una
prisión se ajusta mejor a la vida civil si regresa a su ciudad natal o si va a vivir en
otra parte? ¿hay diferencia en la readaptación a la vida civil, de un hombre liberado
de una presión, si regresa a vivir a su ciudad natal o si va a vivir a otra parte? En
otras palabras, ¿existe relación entre readaptación a la vida civil y el lugar de
residencia después de ser liberado de la prisión?
Ho: No existe relación entre readaptación a la vida civil y el lugar de residencia de
un individuo después de ser liberado de la prisión.
Ha: Existe relación entre readaptación a la vida civil y el lugar de residencia de un
individuo después de ser liberado de la prisión.
Sitio residencia Readaptación a la vida civil
después de
liberación Excelente Buena Regular Insatisfactoria Total
Ciudad de
origen 27 35 33 25 120
 Otra ciudad 13 15 27 25 80
Total 40 50 60 50 200

a. Hipótesis
Ho: No existe relación entre readaptación a la vida civil y el lugar de residencia
de un individuo después de ser liberado de la prisión.
Ha: Existe relación entre readaptación a la vida civil y el lugar de residencia de
un individuo después de ser liberado de la prisión.
b. Nivel de significancia: ∝= 0.05
c. Estadístico de prueba: Chi Cuadrado
d. Regla de decisión: Se rechaza Ho si la significancia es menor a 0.05
Chi-Square Test: Excelente; Buena; Regular; Insatisfactoria

Expected counts are printed below observed counts

Chi-Square contributions are printed below expected counts

Excelente Buena Regular Insatisfactoria Total

1 27 35 33 25 120
24.00 30.00 36.00 30.00
0.375 0.833 0.250 0.833

2 13 15 27 25 80
16.00 20.00 24.00 20.00
0.563 1.250 0.375 1.250

Total 40 50 60 50 200

Chi-Sq = 5.729; DF = 3; P-Value = 0.126

e. Toma de decisión
Se acepta la hipótesis nula, dado que el p-valor o la significancia es igual a 0.126,
el cual es mayor a la significancia estadística. Por tanto, con un nivel de
significancia del 5% se contrasta que no existe relación entre readaptación a la
vida civil y el lugar de residencia de un individuo después de ser liberado de la
prisión.
8. Un editor de periódico, que trata de determinar con precisión las características de
mercado de su periódico, se pregunta si la costumbre de la gente de la comunidad de
leer diarios está relacionada con el nivel educativo de los lectores. Se aplica una
encuesta a los adultos del área referente a su nivel educativo y a la frecuencia con
que leen el periódico. los resultados se muestran en la siguiente tabla:

Nivel educativo
Frecuencia que Profes o Pasante No termina
lee posgrado licenciatura Preparatoria preparatoria Total
Nunca 10 17 11 21 59
A veces 12 23 8 5 48
Mañana o tarde 35 38 16 7 96
Ambas ediciones 28 19 6 13 66
Total 85 97 41 46 269

A un nivel de significación de 1%, ¿la frecuencia con que se lee el periódico en

la comunidad difiere de acuerdo con el nivel de educación de los lectores?
 a. Hipótesis
Ho: No existe relación entre el nivel educativo y la frecuencia de lectura de
diarios.
Ha: Existe relación entre el nivel educativo y la frecuencia de lectura de diarios.
b. Nivel de significancia: ∝= 0.01
c. Estadístico de prueba: Chi Cuadrado
d. Regla de decisión: Se rechaza Ho si la significancia es menor a 0.01

Chi-Square Test: Profes o pos; Pasante lice; Preparatoria; No termina p

Expected counts are printed below observed counts

Chi-Square contributions are printed below expected counts

Profes o Pasante No termina

posgrado licenciatura Preparatoria preparatoria Total
1 10 17 11 21 59
18.64 21.28 8.99 10.09
4.007 0.859 0.448 11.799

2 12 23 8 5 48
15.17 17.31 7.32 8.21
0.661 1.871 0.064 1.254

3 35 38 16 7 96
30.33 34.62 14.63 16.42
0.718 0.331 0.128 5.401

4 28 19 6 13 66
20.86 23.80 10.06 11.29
2.448 0.968 1.638 0.260

Total 85 97 41 46 269

Chi-Sq = 32.856; DF = 9; P-Value = 0.000

e. Toma de decisión
Se rechaza la hipótesis nula, dado que el p-valor o la significancia es igual a
0.00, el cual es menor a la significancia estadística. Por tanto, con un nivel de
significancia del 5% se valida que existe relación entre el nivel educativo y la
frecuencia de lectura de diarios.