Estadística para administración y economía_ Levin & Rubin

Tema: Principio fundamental del conteo

Principio fundamental del conteo: “Si una operación se puede llevar a cabo en m formas distintas y si para
cada una de éstas se puede realizar una segunda operación en n formas distintas, entonces las dos operaciones
se pueden ejecutar en mn formas”
Ejemplos:
1) Se lanzan un par de dados y se registran los números que aparecen en las caras que caen hacia arriba.
¿Cuántos distintos resultados se obtienen?
Solución: El primer dado puede caer en cualquiera de 6 maneras. Para cada una de esas 6 maneras el segundo
dado también puede caer en 6 formas. Por tanto, el número total de resultados posibles es mn = 6 x 6 = 36
2) Un corredor de bienes raíces ofrece a los futuros compradores de una residencia la elección del estilo
de la fachada entre moderna, rústica, colonial y tradicional en un piso, dos pisos y desniveles. ¿En
cuántas formas diferentes puede ordenar un comprador una de estas casas?
Solución: Para este caso, m = 4 y n = 3, por tanto la respuesta es mn = 4 x 3 = 12
Nota: El principio fundamental del conteo se puede generalizar cuando se tienen k operaciones, cada una con
ni, i = 1, 2, . . . , k, posibilidades, dando como resultado n1 x n2 x…x nk
Tema 2: Análisis de varianza
Análisis de varianza (ANOVA: analysis of variance), es una técnica que permite probar la significancia de
las diferencias entre más de dos medias muéstrales. Usando el análisis de varianza, podremos hacer
inferencias acerca de si nuestras muestras se tomaron de poblaciones que tienen la misma media.
El análisis de varianza será útil en situaciones tales como la comparación del kilometraje logrado por cinco
clases diferentes de gasolina; la prueba de cuál de cuatro métodos de capacitación produce el aprendizaje más
rápido; o en la comparación de los ingresos del primer año de los graduados de una media docena de escuelas
de administración. En cada caso, se pueden comparar las medias de más de dos muestras.
Planteamiento del problema

Se quiere evaluar tres métodos de capacitación para determinar si había alguna diferencia en su efectividad.
Después de terminar el periodo de capacitación, los especialistas en estadística de la compañía tomaron 16
nuevos empleados asignados aleatoriamente a los tres métodos de capacitación. Si deseamos determinar la
gran media del grupo completo de 16 empleados nuevos, podemos utilizar uno de los dos métodos:
 1) Media utilizando todos los datos

2) Media con promedio ponderado de las medias muestrales, utilizando los tamaños relativos de las
muestras como pesos

Planteamiento de las hipótesis

En este caso, la razón para utilizar análisis de varianza es decidir si estas tres muestras se tomaron de
poblaciones que tienen las mismas medias. Debido a que estamos probando la efectividad de los tres métodos
de capacitación, debemos determinar si las tres muestras, representadas por las medias muestrales,
𝑥̅ 1 = 17, 𝑥̅ 2 = 21 y 𝑥̅ 3 = 19, pudieron haberse tomado de poblaciones con la misma media, u. Un planteamiento
formal de las hipótesis nula y alternativa que deseamos probar sería:
H0: u1 = u2 = u3 ← Hipótesis nula
H1: u1, u2 y u3 no son todas iguales ← Hipótesis alternativa
Si podemos concluir, a partir de nuestra prueba, que las medias de las muestras no difieren
significativamente, podemos inferir que la selección del método de capacitación no influye en la productividad
del empleado. Por otro lado, si encontramos entre las medias muestrales diferencias demasiado grandes
para atribuirlas al error aleatorio de muestreo, podemos inferir que el método utilizado para capacitar a los
trabajadores sí influye en su productividad.
Análisis de varianza: conceptos básicos
Con el fin de utilizar el análisis de varianza, debemos suponer que cada una de las muestras se toma de
una población normal y que cada una de estas poblaciones tiene la misma varianza, 𝝈2. [Si los tamaños
de muestra son lo suficientemente grandes, no necesitamos la suposición de normalidad].
En el problema de los métodos de capacitación, la hipótesis nula establece que las tres poblaciones tienen la
misma media. Si esta hipótesis es verdadera, no es necesario clasificar los datos en tres columnas, como en
la tabla anterior, y el conjunto entero de 16 mediciones de productividad puede considerarse como una
muestra de una sola población. Esta población total tiene también una varianza 𝜎2.
El análisis de varianza está basado en una comparación de dos estimaciones diferentes de la varianza, 𝜎2, de
nuestra población total. En este caso, podemos calcular una de esas estimaciones examinando la varianza
entre las tres medias muestrales, que son 17, 21 y 19. La otra estimación de la varianza de la población está
determinada por la variación dentro de las tres muestras mismas, esto es (15, 18, 19, 22, 1l), (22, 27, 18, 21,
17) y (18, 24, 19, 16, 22, 15). Entonces comparamos estas dos estimaciones de la varianza de la población.
Como ambas son estimaciones de 𝜎2, deben tener un valor aproximadamente igual cuando la hipótesis nula
sea verdadera. Si la hipótesis nula no es verdadera, estas dos estimaciones diferirán de manera considerable.
Los tres pasos del análisis de varianza son:
1. Determinar una estimación de la varianza de la población a partir de la varianza entre las medias de las
muestras.
2. Determinar una segunda estimación de la varianza de la población a partir de la varianza dentro de las
muestras.
3. Comparar estas dos estimaciones. Si su valor es aproximadamente igual, se acepta la hipótesis nula.
Cálculo:
1. Varianza entre las medias de la muestra

2. Varianza dentro de la muestra

 3. Prueba de hipótesis

Número de grados de libertad del numerador: k – 1 = 3 – 1 = 2

Número de grados de libertad del denominador: n – k = 16 – 3 = 13

Suponga que el director de capacitación desea probar al nivel de significancia de 0.05 la hipótesis de que no
existen diferencias entre los tres métodos. Podemos buscar en la tabla F para 2 grados de libertad en el
numerador y 13 en el denominador. El valor que encontramos es 3.81. Y es mayor al calculado para F (1.354),
no se rechaza la hipótesis nula y se concluye que, según la información de las muestras, que no existen
diferencias significativas en los efectos de los tres métodos de capacitación sobre la productividad de un
empleado.