Vous êtes sur la page 1sur 196

INFERENCIA ESTADIST

FASE 3 - ANOVA

GRUPO
212064_15

ESTUDIANTE
IVAN DARIO GOMEZ TIQ
LUIS LEONARDO PINEDA GO
RICARDO TORRES
KELY JOHANA RAMIR

TUTORA

DANY MARIELA SILV

UNIVERSIDAD NACIONAL ABIERTA Y


02 DE ABRIL DEL 201
INFERENCIA ESTADISTICA

FASE 3 - ANOVA

GRUPO
212064_15

ESTUDIANTE
IVAN DARIO GOMEZ TIQUE
LUIS LEONARDO PINEDA GONZALES
RICARDO TORRES
KELY JOHANA RAMIREZ

TUTORA

DANY MARIELA SILVA

NIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD


02 DE ABRIL DEL 2019
COLABOR

Prueba no parametrica Caracteristicas principales


Compara la distribución observada de los
datos con una distribución esperada de los
datos. La prueba utiliza una aproximación
a la distribución Chi cuadrado, para
evaluar la probabilidad de una
discrepancia igual o mayor que la que
Chi-cuadrado
exista entre los datos y las frecuencias
esperadas según la hipótesis nula. La
exactitud de esta evaluación depende de
que los valores esperados no sean muy
pequeños, y en menor medida de que el
contraste entre ellos no sea muy elevado.

Asume que los parámetros de la


distribución de prueba se han especificado
previamente. Este procedimiento estima
los parámetros a partir de la muestra. La
media y la desviación estándar de la
muestra son los parámetros de una
distribución normal, los valores mínimo y
máximo de la muestra definen el rango de
Kolmogorov-Smirnov
la distribución uniforme, la media
muestral es el parámetro de la
distribución de Poisson y la media
muestral es el parámetro de la
distribución exponencial. La capacidad de
la prueba para detectar desviaciones a
partir de la distribución hipotetizada
puede disminuir gravemente.
Esta prueba emplea rangos para contrastar
la hipótesis de que k muestras han sido
obtenidas de una misma población. Es la
prueba adecuada cuando los datos tienen
un orden natural, es decir, cuando para
darles sentido tienen que estar ordenados
KrusKal-Wallis o bien cuando no se satisfacen las
condiciones para poder aplicar un
ANOVA. No es necesario que las
muestras que se comparan provengan de
una distribución normal, La distribución
de los grupos no tiene que ser normal,
pero ha de ser igual en todos.

si las variables son independientes, es


decir, si las frecuencias Eij son realmente
los valores esperados de las frecuencias
Oij, se puede calcular un parámetro que
depende de ambas que tiene distribución
Chi-cuadrado de contingencia
chi-cuadrado, si las variables no son
independientes, las diferencias entre las
series de frecuencias observadas y
esperadas serán mayores que las
atribuibles al efecto del azar.
COLABORATIVO

Cuando se debe utilizar utilidad en la inferencia estadística


Esta prueba se utiliza para probar qué sirve como prueba de bondad de ajuste y en la
tan bien una muestra de datos estimación de varianzas, tambien para someter a
categóricos se ajusta a una prueba hipótesis referidas a distribuciones de
distribución teórica. frecuencias.

Esta prueba se utiliza cuando se


necesita comparar la función de
Ayuda a determinar la bondad de ajuste de dos
distribución acumulada observada de
distribuciones de probabilidad entre sí.
una variable con una distribución
teórica determinada.
Se utiliza cuando se quieren
comparar 3 o más poblaciones, con el
fin de determinar si las muestras Ayuda a probar si un grupo de datos proviene de
proceden de una misma población o la misma población.
si al menos una muestra procede de
una población diferente de las otras.

Se utiliza para comprobar la


independencia de frecuencias entre
dos variables aleatorias. Es decir Sirve como prueba de independencia de las
para determinar si el valor observado frecuencias entre dos variables.
de una variable depende del valor
observado de otra variable.
Ventajas Desventajas
.• En consecuencia, para lograr la misma
potencia, una prueba no
paramétricarequerirá la correspondiente
prueba paramétrica cuando sea posible.•
Como se indicó antes, ligeras divergencias
de la normalidad tienen como
resultadodesviaciones menores del ideal
para las pruebas paramétricas estándar.
Esto escierto en particular para la prueba t.
En este caso, el valor P puede ser
• No se requieren requisitos previos. ligeramenteerróneo si existe una violación
• Con n pequeña ( n< 30 ) puede no haber moderada de la suposición de
alternativa.• No se requiere conocer la normalidad.• En resumen, si se puede
distribución de población.• Es sencilla de aplicar una prueba paramétrica y una no
aplicar incluso de forma manual• La paramétrica almismo conjunto de datos,
interpretación suele ser más directa.• debemos hacerlo. Sin embargo, se debe
Desventajas• En varios casos se requiere reconocer que lassuposiciones de
transformar los datos enrangos, perdiendo la normalidad a menudo no se pueden
información puntual.• Con n grande es justificar, y que no siempre setienen
menos potente que la paramétrica.• Con n mediciones cuantitativas por lo que las
muy pequeña (n<6) es pruebas paramétricas estarían fuerade
inconsistente.ESTADÍSTICA NO PARAMÉTRICA alcance.

1 Pruebas mas potentes.


2 Más fácil de calcular y utilizar,
ya que no requiere agrupación de datos.
3 La estadística de prueba es independiente La principal desventaja del
de contraste de Kolmogorov-Smirnov es que s
la distribución de la frecuencia esperada. ´olo
4 Sólo depende del tamaño de la muestra n. vale para distribuciones continuas
2. Cuando solo será posible poco más que Si se sabe que la forma de la población
categorizar los datos por falta de una escala original
de es razonablemente cercana a
medición adecuada. una distribución normal, o si los datos
3. Cuando es posible asignar rangos a los pueden
datos. transformarse de modo que éste sea el
Por ejemplo, puede asignarse rangos por caso,
nivel entonces los procedimientos de
socio’económico, textura o sabor; o bien por distribución libre extraen menos
el género. información que la que hay disponible en
4. Como la estadística de distribución libre los datos. En particular,
usa recuentos, rangos la eficiencia de los procedimientos no
o los signos de diferencias paramétricos es
de observaciones pareadas, suelen ser, bastante alta para muestras pequeñas. Por
aunque no siempre, otra parte,
rápida y fácil de aplicar y la eficiencia puede no ser importante para
aprender. muestras muy grandes.

La ventaja del chi cuadrado de la razón La desventaja de esta medida


de verosimilitud es que puede subdividirse en es que alcanza tales valores
una serie de partes interpretables por aunque la asociación no sea total, es decir,
separado que, sumadas, equivalen al total tiende a estar sobrestimada.
CUADRO COMPARATIV

Chi-cuadrado Kolmogorov-Smirnov.

La prueba de Kolmogorov-Smirnov se usa para


Es una prueba de hipotesis que determina una muestra es un procedimiento de "bondad
de ajuste", que permite medir el grado de
DEFINICION si dos variables concordancia existente entre la distribución de
estan relacionadaso no. un conjunto de datos y una distribución teórica
específica.
La prueba de K-S de una muestra es una
dócima
de bondad de ajuste. Esto es, se interesa en el
grado de acuerdo entre la distribución de un
conjunto de valores de la muestra y alguna
distribución teórica específica. Determina si
razonablemente puede pensarse que las
CARACTERISTICAS mediciones muéstrales provengan de una
población que tenga esa distribución teórica.
En la prueba se compara la distribución de
frecuencia acumulativa de la distribución
teórica con la distribución de frecuencia
acumulativa observada. Se determina el punto
en el que estas dos distribuciones muestran la
mayor divergencia.
CARACTERISTICAS mediciones muéstrales provengan de una
población que tenga esa distribución teórica.
En la prueba se compara la distribución de
frecuencia acumulativa de la distribución
teórica con la distribución de frecuencia
acumulativa observada. Se determina el punto
en el que estas dos distribuciones muestran la
mayor divergencia.

En estadística, la distribución ji-cuadrado,


también denominada ji-cuadrado de
Pearson, es una distribución de
probabilidad continua con un parámetro k
que representa los grados de libertad de la
variable aleatoria que se describe
a continuación: donde Zi son variables de
distribución normal, de media cero y
varianza uno. Esta distribución se expresa
habitualmente Donde el subíndice k es le
número de sumandos, se denomina
grados de libertad de la distribución.

• No se requieren requisitos previos.


• Con n pequeña ( n< 30 ) puede no haber
alternativa.• No se requiere conocer la
distribución de población.• Es sencilla de 1 Pruebas mas potentes.
aplicar incluso de forma manual• La 2 Más fácil de calcular y utilizar,
interpretación suele ser más directa.• ya que no requiere agrupación de datos.
VENTAJAS Desventajas• En varios casos se requiere 3 La estadística de prueba es independiente de
transformar los datos enrangos, perdiendo
la información puntual.• Con n grande es 4 Sólo depende del tamaño de laesperada.
la distribución de la frecuencia
muestra n.
menos potente que la paramétrica.• Con n
muy pequeña (n<6) es
inconsistente.ESTADÍSTICA NO
PARAMÉTRICA
• No se requieren requisitos previos.
• Con n pequeña ( n< 30 ) puede no haber
alternativa.• No se requiere conocer la
distribución de población.• Es sencilla de 1 Pruebas mas potentes.
aplicar incluso de forma manual• La 2 Más fácil de calcular y utilizar,
interpretación suele ser más directa.• ya que no requiere agrupación de datos.
VENTAJAS Desventajas• En varios casos se requiere 3 La estadística de prueba es independiente de
transformar los datos enrangos, perdiendo
la información puntual.• Con n grande es 4 Sólo depende del tamaño de laesperada.
la distribución de la frecuencia
muestra n.
menos potente que la paramétrica.• Con n
muy pequeña (n<6) es
inconsistente.ESTADÍSTICA NO
PARAMÉTRICA

• Se debe señalar que hay varias


desventajas asociadas con las pruebas
noparamétricas. En primer lugar, no
utilizan toda la información que
proporciona lamuestra, y por ello una
prueba no paramétrica será menos
eficiente que elprocedimiento paramétrico
correspondiente, cuando se pueden
aplicar ambosmétodos.• En consecuencia,
para lograr la misma potencia, una prueba
no paramétricarequerirá la
correspondiente prueba paramétrica
cuando sea posible.• Como se indicó
antes, ligeras divergencias de la
normalidad tienen como La principal desventaja del
DESVENTAJAS resultadodesviaciones menores del ideal contraste de Kolmogorov-Smirnov es que s´olo
para las pruebas paramétricas estándar. vale para distribuciones continuas
Esto escierto en particular para la prueba
t. En este caso, el valor P puede ser
ligeramenteerróneo si existe una violación
moderada de la suposición de
normalidad.• En resumen, si se puede
aplicar una prueba paramétrica y una no
paramétrica almismo conjunto de datos,
debemos hacerlo. Sin embargo, se debe
reconocer que lassuposiciones de
normalidad a menudo no se pueden
justificar, y que no siempre setienen
mediciones cuantitativas por lo que las
pruebas paramétricas estarían fuerade
alcance.
LUIS LEONARDO PINEDA GONZALEZ
DRO COMPARATIVO IVAN GOMEZ

KrusKal-Wallis. Chi-cuadrado de contingencia.

es un método no paramétrico para probar


si un grupo de datos proviene de Un caso particular del test de chi-cuadrado,
la misma población. ... Ya que es una prueba que permite hacer un test sobre la independencia
no paramétrica, la prueba de Kruskal-Wallis de dos carácteres estadísticos, lleva el nombre de
no asume normalidad en los datos, en test de chi-cuadrado de contingencia.
oposición al tradicional ANOVA.
• Es libre de curva, no necesita una
distribución
específica Si ambas características (variables)
• Nivel ordinal de la variable dependiente son independientes, entonces cada uno de los
• Se utiliza para comparar más de dos sumandos se hace 0, a consecuencia de que se
grupos de hace 0 el numerador de la fracción y con ello la
rangos (medianas) y medida misma también. En el caso de una tabla de
determinar que la diferencia no se contingencia de 2x2 la medida está normada y
deba al azar (que la diferencia sea asume valores en el intervalo [0,1].
estadísticamente
significativa).
grupos de hace 0 el numerador de la fracción y con ello la
rangos (medianas) y medida misma también. En el caso de una tabla de
determinar que la diferencia no se contingencia de 2x2 la medida está normada y
deba al azar (que la diferencia sea asume valores en el intervalo [0,1].
estadísticamente
significativa).

1. Cuando es posible hacer solamente


supuestos
débiles acerca de la naturaleza de las
distribuciones que fundamentan los datos.
2. Cuando solo será posible poco más que
categorizar los datos por falta de una escala
de
medición adecuada.
3. Cuando es posible asignar rangos a los La ventaja del chi cuadrado de la razón
datos. de verosimilitud es que puede subdividirse en una
Por ejemplo, puede asignarse rangos por serie de partes interpretables por separado que,
nivel sumadas, equivalen al total
socio’económico, textura o sabor; o bien por
el género.
4. Como la estadística de distribución libre
usa recuentos, rangos
o los signos de diferencias
de observaciones pareadas, suelen ser,
aunque no siempre,
rápida y fácil de aplicar y
aprender.
1. Cuando es posible hacer solamente
supuestos
débiles acerca de la naturaleza de las
distribuciones que fundamentan los datos.
2. Cuando solo será posible poco más que
categorizar los datos por falta de una escala
de
medición adecuada.
3. Cuando es posible asignar rangos a los La ventaja del chi cuadrado de la razón
datos. de verosimilitud es que puede subdividirse en una
Por ejemplo, puede asignarse rangos por serie de partes interpretables por separado que,
nivel sumadas, equivalen al total
socio’económico, textura o sabor; o bien por
el género.
4. Como la estadística de distribución libre
usa recuentos, rangos
o los signos de diferencias
de observaciones pareadas, suelen ser,
aunque no siempre,
rápida y fácil de aplicar y
aprender.

Si se sabe que la forma de la población


original
es razonablemente cercana a
una distribución normal, o si los datos
pueden
transformarse de modo que éste sea el
caso, La desventaja de esta medida
entonces los procedimientos de distribución es que alcanza tales valores
libre extraen menos aunque la asociación no sea total, es decir,
información que la que hay disponible en los tiende a estar sobrestimada.
datos. En particular,
la eficiencia de los procedimientos no
paramétricos es
bastante alta para muestras pequeñas. Por
otra parte,
la eficiencia puede no ser importante para
muestras muy grandes.
ZALEZ
LUIS LEONARDO PINEDA GONZ

Prueba no parametrica Caracteristicas principales

Compara la distribución observada de los datos con


una distribución esperada de los datos. La prueba
utiliza una aproximación a la distribución Chi
cuadrado, para evaluar la probabilidad de una
discrepancia igual o mayor que la que exista entre
Chi-cuadrado
los datos y las frecuencias esperadas según la
hipótesis nula. La exactitud de esta evaluación
depende de que los valores esperados no sean muy
pequeños, y en menor medida de que el contraste
entre ellos no sea muy elevado.
Asume que los parámetros de la distribución de
prueba se han especificado previamente. Este
procedimiento estima los parámetros a partir de la
muestra. La media y la desviación estándar de la
muestra son los parámetros de una distribución
normal, los valores mínimo y máximo de la muestra
Kolmogorov-Smirnov
definen el rango de la distribución uniforme, la
media muestral es el parámetro de la distribución de
Poisson y la media muestral es el parámetro de la
distribución exponencial. La capacidad de la prueba
para detectar desviaciones a partir de la distribución
hipotetizada puede disminuir gravemente.

Esta prueba emplea rangos para contrastar la


hipótesis de que k muestras han sido obtenidas de
una misma población. Es la prueba adecuada
cuando los datos tienen un orden natural, es decir,
cuando para darles sentido tienen que estar
KrusKal-Wallis ordenados o bien cuando no se satisfacen las
condiciones para poder aplicar un ANOVA. No es
necesario que las muestras que se comparan
provengan de una distribución normal, La
distribución de los grupos no tiene que ser normal,
pero ha de ser igual en todos.
si las variables son independientes, es decir, si las
frecuencias Eij son realmente los valores esperados
de las frecuencias Oij, se puede calcular un
parámetro que depende de ambas que tiene
Chi-cuadrado de contingencia
distribución chi-cuadrado, si las variables no son
independientes, las diferencias entre las series de
frecuencias observadas y esperadas serán mayores
que las atribuibles al efecto del azar.
LUIS LEONARDO PINEDA GONZALEZ

Cuando se debe utilizar

Esta prueba se utiliza para probar qué tan bien una


muestra de datos categóricos se ajusta a una distribución
teórica.
Esta prueba se utiliza cuando se necesita comparar la
función de distribución acumulada observada de una
variable con una distribución teórica determinada.

Se utiliza cuando se quieren comparar 3 o más


poblaciones, con el fin de determinar si las muestras
proceden de una misma población o si al menos una
muestra procede de una población diferente de las otras.
Se utiliza para comprobar la independencia de
frecuencias entre dos variables aleatorias. Es decir para
determinar si el valor observado de una variable depende
del valor observado de otra variable.
LEZ

utilidad en la inferencia estadística Pruebas no paramétricas

sirve como prueba de bondad de ajuste y en la estimación de


varianzas, tambien para someter a prueba hipótesis referidas a Chi cuadrado
distribuciones de frecuencias.
Ayuda a determinar la bondad de ajuste de dos distribuciones de Kolmorov - Smirnov
probabilidad entre sí.

Ayuda a probar si un grupo de datos proviene de la misma Kruskall - Wallis


población.
Sirve como prueba de independencia de las frecuencias entre dos Chi cuadrado de
variables. contingencia
RICARDO TORRES

Carácteristicas principales ¿Cuándo utilizarla? Utilidad en la inferencia estadística

Cuando se tiene
* Cuando se tienen las independencia en las
frecuencias esperadas y las observaciones,
observadas cuando el nivel se * Con esta prueba podemos inferir si hay
*Para demostrar independencia mide de forma diferencias de importancia entre las frecuencias.
o dependencia norminal u *Saber si dos o más grupos están relacionados
*Para hacer correcciones en las ordinalmente, para * Saber sobre las relaciones de las variables.
frecuencias, ya que pueden ser muestreos no
muy pequeñas. probabilísticos
Cuando se tienen
datos en donde se
Se basa en las frecuencias para desea saber que
obtener los resultados e inferir. cohesión hay entre En la estadistica sirve para determinar que grado
En ocasiones sus resultados de cohesión existe entre los datos y la distribución
tienen mas valor que la prueba esos datos y especifica.
chi-cuadrado determinada
distribución.

Premite comparar
grupos de muestras
Asume que los datos vienen de (>2) para estimas si
la misma distribución. Esta Se busca estimar si mas de dos muestran
prueba es una extensión de la las observaciones provienen de una misma población
prueba U de Mann-Whitney. tienen las mismas
medidas de tendencia
central.
Se debe ultilizar
Es una prueba de chi cuadrado cuando los datos de Sirve para hacer un test sobre la independencia de
basada en tablas de la muestra se tienen dos caracteres estadísticos, basandose en las
contingencia y las frecuencias representados en frecuecias de estos
observadas y esperadas tablas de
contingencias
KELY JOHANA RAMIR

Chi-cuadrado Kolmogorov-Smirnov

es una prueba de compara la función de


hipótesis que distribución acumulada
compara la observada de una
distribución variable con una
observada de los
CARACTERÍSTICAS PRINCIPALES distribución teórica
datos con una determinada, que puede
distribución ser la normal, la
esperada de los uniforme, la de Poisson o
datos. la exponencial.
Cuando se debe
comprobar la
diferencia en los 1.si las observaciones
datos: podrían razonablemente
proceder de la
Estan distribución especificada.
dentro de lo 2.La prueba de
CUANDO UTILIZAR normal y Kolmogorov-Smirnov para
probable, La una muestra se puede
diferencia que utilizar para comprobar
observamos es que una variable (por
debida a algo ejemplo ingresos) se
más y distribuye normalmente.
rechazamos la
hipotesis nula

para realizar
suposiciones
sobre el valor de
algún parámetro
estadístico. Estas cuando se considera una
proposiciones se alternativa a la prueba
UTILIDAD deben contrastar chi-Cuadrado de bondad
EN LA con la realidad de ajuste cuanto el
INFERENCIA (mediante el número de datos es
ESTADÍSTICA muestreo de pequeño. La prueba no
datos) para debe ser aplicada si hay
tomar una muchos empates.
decisión entre
aceptar o
rechazar la
suposición.
ELY JOHANA RAMIREZ

KrusKal-Wallis Chi-cuadrado de contingencia

Trata de un
test que
emplea rangos
para
contrastar la test sobre la independencia
hipótesis de
que k muestra de dos carácteres estadísticos
s han sido
obtenidas de
una misma
población.
Cuando se
debe
contrastar si
las diferentes
muestras
están cuando se debe hacer un test
equidistribuid sobre la independencia de dos
as y que por lo carácteres estadísticos
tanto
pertenecen a
una misma
distribución
(población).

El test de
Kruskal-Wallis
presta una
utilidad
adecuada para
datos con un
orden natural,
es decir, para situar las diferentes
cuando para categorías de una variable,
darles sentido conocer la relación o
tienen que independencias de un grupo
estar de estadísticas.
ordenados o
bien cuando
no se
satisfacen las
condiciones
para poder
aplicar un
ANOVA.
Células
Densidad Crioscopia % Proteína % Grasa % Sólidos somáticas
Nº Muestra (g/ml) (°C) totales (células/ml
de leche)
1 4 1.03 -0.56 3.2 3.2 11.7 1901288
2 10 1.01 -0.54 3.2 3 11.4 1922642
3 16 1.07 -0.52 3.2 3 12 1894066
4 22 1.06 -0.55 3.1 2.9 12 1896402
5 28 1.14 -0.48 3.5 2.9 11.6 1896352
6 34 0.96 -0.57 3.2 2.8 11.7 1904905
7 40 1.03 -0.52 3.1 3.1 12.2 1909125
8 46 0.98 -0.55 3.2 3.1 11.6 1899663
9 52 1.03 -0.52 3.2 3 11.8 1905622
10 58 1.05 -0.52 3.2 3 11.3 1903433
11 64 1.02 -0.53 3.2 3.2 12.1 1899010
12 70 1.04 -0.56 3.3 3.1 11.7 1891004
13 76 1.03 -0.55 3 2.9 11.8 1904189
14 82 1.07 -0.56 3.2 3.1 12.1 1886369
15 88 1 -0.56 3.2 3 12 1880796
16 94 1.04 -0.54 3.1 3.1 11.9 1908144
17 100 0.89 -0.54 3.2 3.1 11.7 1913637
18 106 1.04 -0.54 3.1 2.8 12.1 1906409
19 112 1.06 -0.5 3.1 3.3 11 1916685
20 118 0.98 -0.54 3.1 3 12.1 1906341
21 124 0.96 -0.57 3.3 3 12.1 1895052
22 130 1.03 -0.52 3.3 3.1 11.5 1906817
23 136 1.02 -0.5 2.9 2.8 12 1908612
24 142 1.04 -0.53 3.2 3 12.1 1895548
25 148 1 -0.56 3.1 2.9 11.9 1893919
26 154 1.02 -0.54 3.2 2.9 11.4 1898444
27 160 0.97 -0.53 3.2 2.8 11.6 1892666
28 166 1.01 -0.5 3.2 3 12.2 1909564
29 172 1.01 -0.56 3.1 3 12 1920785
30 178 1.06 -0.55 3.3 3 11.6 1918977
31 184 1.07 -0.51 3.2 3.1 11.8 1887101
32 190 0.99 -0.51 3.2 2.9 11.8 1893318
33 196 0.93 -0.52 3.2 2.8 11.9 1916636
34 202 1.13 -0.54 3 3 11.9 1901328
35 208 1.07 -0.56 3.2 3 11.7 1893793
36 214 0.98 -0.51 3.2 3.1 12.2 1907543
37 220 1.1 -0.55 3.1 3.1 11.7 1920733
38 226 0.94 -0.53 3.3 3.1 12.2 1911438
39 232 1.1 -0.53 3.2 2.9 12 1903797
40 238 1.1 -0.52 3.2 3 12 1890599
41 244 1.04 -0.55 3.1 3.1 12.2 1901147
42 250 1 -0.55 3.3 2.9 11.9 1901720
43 256 0.94 -0.57 3.3 2.9 11.9 1896183
44 262 1.04 -0.5 3.2 3 11.8 1897451
45 268 1.02 -0.54 3.3 3 11.2 1898944
46 274 1.04 -0.54 3.3 3 11.9 1884962
47 280 1.17 -0.55 3.4 2.9 11.9 1895911
48 286 0.96 -0.53 3.2 3 12.2 1923260
49 292 0.96 -0.55 3.2 3 11.7 1901936
50 298 1.06 -0.53 3.2 3 11.8 1898378
51 304 1.04 -0.52 3.2 2.9 11.9 1917796
52 310 1.09 -0.53 3.1 3.1 11.8 1901495
53 316 1.01 -0.55 3.3 3.1 12 1904914
54 322 1.01 -0.52 3.2 3 11.3 1906925
55 328 1.08 -0.5 3.2 3.1 11.8 1896111
56 334 1.02 -0.51 3.1 3.1 12 1887253
57 340 1.05 -0.53 3.3 3 11.9 1898840
58 346 1.09 -0.52 3.1 3.1 12.1 1891329
59 352 1.01 -0.51 3.1 3 11.6 1907312
60 358 0.96 -0.53 3.2 2.9 11.9 1891039
61 364 1.05 -0.57 3.1 3 12 1891017
62 370 1.09 -0.51 2.9 2.9 12.1 1885883
63 376 1.08 -0.53 3.3 3 11.5 1904646
64 382 0.97 -0.53 3.1 3 11.3 1881569
65 388 1.02 -0.55 3.2 3.1 12 1900261
66 394 0.92 -0.53 3.2 3 11.9 1891876
67 400 1.03 -0.5 3.3 3.1 11.8 1894730
68 406 1.03 -0.56 3.3 2.9 12.4 1912305
69 412 1.02 -0.52 3.2 3 11.7 1915012
70 418 0.99 -0.51 3.3 3 11.4 1915743
71 424 1.05 -0.53 3.2 3 11.5 1900617
72 430 0.95 -0.51 3.2 3 11.6 1895759
73 436 1.04 -0.55 3.2 2.8 11.7 1912272
74 442 0.93 -0.51 3.2 3 11.7 1890414
75 448 0.96 -0.55 3.2 3.1 11.7 1897003
76 454 1.09 -0.55 3.2 3 12.4 1902015
77 460 1.05 -0.53 3.1 3 12 1909508
78 466 1.04 -0.56 3.1 3.1 11.7 1884574
79 472 1.06 -0.51 3.3 3 12.3 1898313
80 478 1.07 -0.51 3.2 3 11.4 1895819
81 484 1 -0.48 3.4 3 12 1906653
82 490 1.02 -0.56 3.3 2.8 12.1 1898061
83 496 1.01 -0.5 3 2.9 12 1898158
84 502 1.02 -0.53 3.1 2.8 12.4 1894280
85 508 1.04 -0.55 3.3 3 11.7 1908167
86 514 1.06 -0.47 3 2.9 11.6 1899008
87 520 1.03 -0.54 3.1 3 11.8 1895096
88 526 1.11 -0.5 3.2 3.2 11.4 1888002
89 532 1.15 -0.56 3.3 3 12.2 1894819
90 538 1.07 -0.52 3.3 3.1 11.9 1894218
91 544 1 -0.52 3.3 3 11.7 1907688
92 550 1.03 -0.5 3.2 3 11.3 1888424
93 556 0.97 -0.55 3.2 3 11.6 1893866
94 562 1.04 -0.55 3.2 3 12.3 1904615
95 568 1.01 -0.49 3.1 3.2 12.1 1894405
96 574 1.07 -0.52 3.3 3 12.3 1900484
97 580 0.96 -0.54 3.3 3 11.6 1885473
98 586 1.03 -0.53 3.4 2.9 11.8 1890925
99 592 1.06 -0.54 3 3 11.8 1896398
100 598 1.12 -0.53 3.4 3 11.4 1895162
101 604 0.98 -0.52 3.3 3.1 11.4 1900836
102 610 1.14 -0.52 3.1 3 11.7 1911526
103 616 1.02 -0.52 3.2 2.9 11.4 1908060
104 622 1.08 -0.52 3.2 2.9 11.9 1904003
105 628 1.02 -0.53 3.2 3.2 11.5 1881564
106 634 1.03 -0.57 3.2 2.8 11.5 1902837
107 640 0.95 -0.51 3.2 3.1 11.5 1881325
108 646 0.99 -0.5 3.3 3 11.4 1900464
109 652 0.99 -0.53 3.2 3.1 11.3 1896145
110 658 1.11 -0.52 3 3.1 12 1895789
111 664 0.99 -0.53 3.3 3 11.7 1901301
112 670 1.01 -0.52 3.3 3.1 10.9 1890220
113 676 1.07 -0.51 3.3 3 11.5 1917056
114 682 1.06 -0.52 3.2 3 11.7 1910362
115 688 1.05 -0.5 3.3 3 12 1898993
116 694 0.97 -0.53 3.3 3.1 11.8 1897741
117 700 1.05 -0.53 3.2 2.9 12.5 1902978
118 706 1.04 -0.54 3 3 12.4 1907565
119 712 1.09 -0.53 3.1 3.1 11.7 1889363
120 718 1.02 -0.54 3.2 3 12 1882723
121 724 1.03 -0.55 3 3.1 11.4 1898219
122 730 1.03 -0.54 3.3 3 11.8 1903958
123 736 1 -0.51 3.2 2.9 12.2 1902090
124 742 1.08 -0.53 3.2 3 11.8 1898860
125 748 1.09 -0.56 3 3 11.9 1906054
126 754 0.97 -0.55 3.3 3 11.7 1891966
127 760 1.14 -0.54 3.2 3 11.7 1910167
128 766 1.03 -0.56 3.2 3.1 11.4 1901163
129 772 1.01 -0.55 3.1 3.1 11.7 1890512
130 778 1.03 -0.57 3.2 3.1 11.3 1901124
131 784 1.06 -0.52 3.1 3 11.7 1897846
132 790 0.99 -0.51 3.2 3 11.9 1907021
133 796 1.02 -0.52 3.2 3 11.8 1894924
134 802 1.05 -0.51 3.1 3 12 1895432
135 808 1.02 -0.49 3.2 3.1 11.7 1900214
136 814 0.98 -0.52 3.2 2.9 11.8 1900988
137 820 1.06 -0.55 3.1 3.2 12.1 1902865
138 826 1 -0.55 3.2 3 11.8 1904077
139 832 1 -0.54 3.2 3 11.8 1903614
140 838 1.03 -0.53 3.3 3 11.7 1904662
141 844 0.96 -0.53 3.4 3 12 1897487
142 850 0.91 -0.54 3.2 3 11.2 1899154
143 856 1.04 -0.55 3.1 3.1 11.8 1916232
144 862 1.09 -0.54 3.2 3.1 11.2 1929059
145 868 0.94 -0.55 3.2 3.1 11.6 1875162
146 874 1.06 -0.51 3.1 3 11.6 1914195
147 880 0.96 -0.56 3.4 3 11.7 1882398
148 886 0.95 -0.52 3.2 3 11.6 1895626
149 892 1.02 -0.53 3.1 2.9 12 1901939
150 898 1.11 -0.53 3.2 2.9 11.6 1917096
151 904 1.07 -0.57 3.2 3 11.3 1898904
152 910 0.89 -0.53 3.3 3.1 11.4 1915398
153 916 1.07 -0.52 3.2 3 11.8 1895404
154 922 0.99 -0.52 3.3 3.1 11.7 1888067
155 928 1.04 -0.53 3.1 3 11.8 1894493
156 934 1.04 -0.55 3.1 2.8 12 1899003
157 940 1.12 -0.56 3.3 3.1 11.7 1890535
158 946 1.05 -0.54 3.3 2.9 11.5 1893178
159 952 1.06 -0.49 3.2 3.2 12 1890814
160 958 1.01 -0.54 3.2 3.2 11.6 1895413
161 964 1 -0.53 3.2 2.8 11.8 1906874
162 970 0.98 -0.52 3.2 2.9 11.5 1900048
163 976 0.94 -0.47 3.3 2.8 11.5 1883178
164 982 1.07 -0.56 3.2 3 11.6 1906127
165 988 1 -0.56 3.3 3 11.8 1906368
166 994 1.01 -0.53 3.4 2.9 11.5 1900793
167 1000 0.99 -0.51 3.2 2.9 12.4 1933772
168 1006 1 -0.52 3.3 3 11.6 1912772
169 1012 1.01 -0.55 3.1 2.9 12 1908127
170 1018 0.97 -0.54 3.3 2.9 11.1 1916079
171 1024 0.96 -0.55 3.2 2.9 11.9 1899505
172 1030 0.94 -0.56 3.2 2.7 12.1 1907596
173 1036 1.03 -0.48 3 2.9 11.6 1888538
174 1042 1.09 -0.52 3.2 2.7 12.1 1897568
175 1048 0.99 -0.56 3.2 2.9 12 1908066
176 1054 1.01 -0.51 3.3 3 12.1 1903388
177 1060 1.01 -0.54 3.3 3.1 12.1 1896136
178 1066 1.08 -0.52 3.2 2.8 12 1913637
179 1072 1.09 -0.5 3.1 2.9 11.8 1916183
180 1078 1.01 -0.53 3.1 3 12.3 1884375
181 1084 1.07 -0.52 3.2 3.1 11.1 1904671
182 1090 1.13 -0.56 3.1 3.1 11.8 1904457
183 1096 1.1 -0.54 3.2 3.1 11.8 1904673
184 1102 1.04 -0.56 3.3 2.9 12 1891747
185 1108 1 -0.51 3.2 2.9 11.8 1916978
186 1114 1 -0.52 3.3 2.9 12 1901009
187 1120 1.05 -0.56 3.3 3 11.7 1908898
188 1126 1.01 -0.52 3.1 3 12 1885044
189 1132 0.97 -0.49 3.1 3.2 12.1 1897337
190 1138 1.02 -0.53 3.1 2.9 11.8 1903458
191 1144 1.01 -0.52 3.2 2.8 11.8 1876930
192 1150 0.97 -0.5 3.3 3 11.6 1876295
193 1156 1.02 -0.54 3 3.2 11.8 1902772
194 1162 1.05 -0.54 3.2 2.9 12.1 1888863
195 1168 1.08 -0.55 3.1 3.1 11.5 1903463
196 1174 0.99 -0.54 3.3 2.9 12.1 1894116
197 1180 1.01 -0.48 3.1 3.1 12 1909154
198 1186 1 -0.51 3.3 3 12.3 1904170
199 1192 1.07 -0.52 3.3 3.2 11.7 1891749
200 1198 1.13 -0.51 3.2 2.9 12.3 1884779
201 1204 1.1 -0.55 3.2 2.9 11.6 1898388
202 1210 0.97 -0.53 3.3 2.9 12 1907130
Tipo de Temperatu Prueba de Temperatu Satisfacció
Peroxidasa Fosfatasa Costo ra de
leche ra yodo n
recepcion

2 2 3 2 784 2 2 2
2 2 2 3 623 2 1 2
2 2 1 3 641 2 1 2
1 2 1 2 902 2 1 1
2 2 1 1 700 2 2 1
2 2 1 1 501 2 1 2
2 2 2 2 589 2 2 1
2 2 1 1 910 1 1 2
2 2 4 2 858 2 1 2
2 2 1 2 688 2 1 2
2 2 4 3 779 2 1 2
1 2 1 1 793 2 2 2
2 2 4 1 805 2 2 1
2 2 4 2 1011 2 2 2
2 2 4 1 766 2 1 1
2 2 3 2 659 2 2 2
2 2 1 2 1053 2 1 2
1 2 1 3 636 2 1 2
2 2 1 2 995 2 2 2
2 2 1 3 423 1 1 2
2 2 2 1 595 2 1 2
1 2 3 1 713 1 1 2
2 2 1 2 652 2 1 2
2 2 4 1 719 2 1 4
2 2 3 2 968 2 1 2
2 2 1 2 804 1 2 2
2 2 1 2 856 2 1 4
2 1 4 1 838 2 1 2
1 2 3 2 783 2 1 2
2 2 1 2 936 1 1 2
2 2 1 3 774 2 1 2
1 2 4 1 777 1 1 2
2 2 2 3 604 2 2 1
2 2 1 3 361 2 1 2
2 2 4 2 607 2 1 1
2 2 1 2 825 1 2 2
2 2 1 2 833 2 1 4
2 2 2 2 726 2 2 2
2 2 4 1 708 2 1 2
2 2 1 1 745 2 1 2
1 2 4 2 572 2 1 2
2 2 4 1 688 1 1 1
2 2 1 2 538 2 1 2
2 2 2 1 779 2 1 2
2 2 2 1 735 1 1 2
2 2 4 3 625 2 2 2
2 2 1 2 840 2 1 2
2 2 1 3 878 2 2 4
2 2 1 1 698 2 1 2
2 2 2 1 882 2 1 2
2 2 2 2 526 2 2 2
2 2 1 2 322 2 1 2
2 2 2 2 740 1 1 2
2 2 2 1 760 2 1 2
2 2 1 1 864 2 2 2
2 2 4 2 507 1 1 2
2 2 1 2 870 2 1 1
2 2 3 2 653 2 2 2
2 2 4 3 397 2 1 3
2 2 1 2 444 2 2 2
1 2 2 2 750 2 1 2
2 2 2 1 988 2 1 2
1 2 1 2 527 2 1 2
2 2 1 2 760 2 1 1
2 2 1 3 714 2 1 4
2 1 2 2 677 2 1 2
2 2 1 3 872 2 2 2
2 2 2 2 628 2 1 2
2 2 1 1 981 2 2 2
2 1 1 1 634 2 1 2
2 2 1 1 879 2 1 2
2 2 2 2 456 2 1 2
2 2 4 2 784 2 1 2
2 2 2 3 706 2 1 2
2 2 1 3 606 2 1 2
1 2 1 2 358 2 1 2
2 2 1 3 740 2 2 2
1 2 1 3 669 2 1 2
2 2 1 2 485 2 1 2
2 2 1 1 426 2 2 2
1 2 1 2 685 2 1 2
1 2 1 3 853 2 1 2
2 2 1 2 729 2 1 2
2 2 1 2 822 2 1 2
2 2 2 2 594 1 1 2
2 2 2 1 818 2 2 3
2 2 1 3 929 2 1 2
2 2 1 3 1047 2 1 2
2 2 3 2 871 2 2 4
2 2 1 1 497 2 2 1
1 2 1 3 865 2 2 2
2 2 1 3 784 2 1 1
2 2 3 2 516 2 1 1
2 2 1 3 535 2 1 2
2 2 1 1 692 2 1 1
2 2 1 1 718 2 2 2
2 2 1 2 709 2 2 2
2 2 3 3 653 2 1 1
2 2 1 2 625 2 2 2
2 2 4 1 500 1 1 3
2 2 2 3 955 2 1 2
2 2 4 1 624 2 1 2
1 2 1 3 799 2 1 2
1 2 2 1 504 1 1 2
2 2 1 2 1000 2 1 1
2 2 4 2 472 2 1 2
2 2 3 3 894 1 1 2
2 2 1 2 322 2 1 2
2 2 1 1 786 1 1 1
2 2 3 1 717 2 1 1
2 2 2 2 472 2 1 2
1 2 3 1 978 2 1 1
2 2 2 2 547 2 2 2
2 2 1 2 799 2 1 5
2 2 3 3 468 2 2 2
1 2 1 3 1050 2 1 1
2 2 1 2 911 2 1 2
2 2 1 3 438 2 2 3
2 2 3 2 1004 2 1 2
2 2 1 2 717 2 1 2
2 2 1 2 848 2 1 2
2 2 1 3 623 2 2 2
2 2 3 3 763 2 1 2
2 2 4 2 530 2 1 2
2 2 3 1 756 2 2 2
2 2 3 1 1146 2 1 2
2 2 4 2 633 2 1 1
2 1 4 2 458 2 1 2
2 2 4 3 806 2 1 2
2 2 4 1 342 2 1 2
2 2 1 2 926 2 1 1
2 2 1 2 811 2 1 2
2 2 1 2 890 2 1 2
2 2 3 1 830 2 1 2
2 2 2 2 591 2 2 5
1 2 4 2 929 2 1 2
1 2 3 3 515 2 1 1
2 2 1 3 495 2 1 2
2 2 3 2 492 2 1 1
1 2 1 3 382 2 1 2
2 2 1 2 1081 2 1 2
2 2 2 3 624 2 1 1
2 2 4 2 649 1 1 2
1 2 3 1 692 2 1 2
2 2 2 1 428 2 1 2
1 2 1 3 348 2 1 2
2 2 1 2 829 2 1 2
2 2 1 1 1048 2 1 2
2 1 4 2 615 2 2 2
1 2 1 3 412 2 1 2
1 2 3 2 620 2 2 2
2 2 1 2 884 2 1 5
2 2 1 2 632 1 1 1
2 1 1 1 512 2 1 2
2 2 1 2 859 2 1 2
2 2 1 1 303 2 2 2
2 2 1 1 722 2 1 2
2 2 2 1 804 2 1 2
2 2 1 1 1186 2 1 1
1 2 3 1 835 2 1 2
2 2 1 2 659 2 1 2
2 2 2 1 774 2 1 4
2 2 1 2 798 1 1 2
2 2 4 2 855 2 1 2
2 2 4 2 695 2 2 2
2 2 1 1 528 2 2 1
2 2 1 3 416 2 1 2
2 2 1 1 589 2 1 2
2 2 3 2 689 2 2 2
2 2 1 1 783 2 1 4
1 2 2 2 490 2 1 3
2 2 1 2 261 1 1 2
2 2 2 2 678 2 2 2
2 1 1 1 283 2 1 2
2 2 2 1 657 2 1 2
1 2 4 3 661 2 1 2
2 2 4 3 615 2 1 2
2 2 3 2 684 2 1 2
1 2 1 2 740 2 1 2
2 2 1 2 711 2 1 3
2 2 4 2 644 2 1 2
2 2 1 3 642 2 1 2
2 2 1 2 634 2 1 2
2 2 3 3 664 2 2 1
2 2 3 2 800 2 1 2
1 2 2 2 838 2 2 2
1 2 2 3 843 2 2 2
2 2 2 2 726 2 1 1
2 2 1 2 517 2 1 1
2 2 1 2 840 2 1 2
2 2 4 1 436 2 1 2
2 2 1 2 509 2 1 2
2 2 1 2 859 2 1 2
2 2 4 2 554 2 2 2
2 2 1 2 606 1 1 2
2 2 4 2 615 2 1 2
2 2 4 2 950 2 1 2
2 2 3 1 723 2 1 2
2 2 1 1 645 2 1 1
2 2 1 2 868 2 1 2
2 2 1 1 886 2 1 2
1 2 1 1 663 1 1 2
EJERCICIO IVAN DARIO

P
Crioscopia (°C)
-0.56
-0.54 La prueba de Bondad de Ajuste ji-cuadrado (x2) tiene c
-0.52 cuantitativas discretas y continuas.
-0.55 Estadístico de Prueba
-0.48
-0.57
-0.52
-0.55
-0.52
-0.52
-0.53
-0.56 Hipotesis
-0.55 H0: Los datos provienen de una muestra al azar de una

-0.56 H1: Los datos no provienen de una muestra al azar de


-0.56
-0.54 Pasos a verificar:
-0.54 1. Plantear las hipótesis nula y alterativa.
-0.54 2. Determinar el nivel de significancia.
-0.5 3. Estimar el valor del estadístico de prueba
-0.54 4. Establecer la regla de decisión.
-0.57 5. Tomar la decisión.
-0.52
-0.5
-0.53 Pregunta de Investigación: Probar que la crioscopia
-0.56 Variable: crioscopia
-0.54
-0.53 Paso 1: Plantearla hipótesis
-0.5 Hipotesis Nula (H0): La crioscopia se distribuyen com
-0.56 Hipotesis Altervativa(H1): La crioscopia no se distr
-0.55
-0.51 Paso 2: Determinar el nivel de significancia.
-0.51
Tener en cuenta que: H0 es siempre una hipotesis de
significancia del 95% de confianza solo puedo rechazar
-0.52 Tener en cuenta que: H0 es siempre una hipotesis de
-0.54 significancia del 95% de confianza solo puedo rechazar
-0.56
-0.51 α= 0.05

-0.55
-0.53 Paso 3: Estimar el estadístico de prueba
-0.53 Ingrese los valores solicitados en los espacios sombrea
-0.52

-0.55 Datos iniciales


-0.55 Media -0.530594
-0.57 Desviación 0.0215019
-0.5 Num de datos ( 11

-0.54 n 202
-0.54
-0.55 Tabla de frecuencias
-0.53
Oi ó fo f(xi) ó fe
-0.55 Xi fe= n/k
-0.53 -0.5 0 18.364
-0.52 -0.47 0 18.364
-0.53 0.48 0 18.364
-0.55 -0.49 0 18.364
-0.52 -0.51 0 18.364
-0.5 -0.52 0 18.364
-0.51 -0.53 0 18.364
-0.53 -0.54 0 18.364
-0.52 -0.55 0 18.364
-0.51 -0.56 0 18.364
-0.53 -0.57 0 18.364
-0.57
-0.51 Total 0 202
-0.53 El valor del Chi-Cuadrado de prueba (calculado) es:
-0.53 = 202.000
-0.55
-0.53 Paso 4: Establecer la regla de decisión.
-0.5 El valor del Chi-cuadrado de tabla (teorico) es:
-0.56 = 18.307038 Grados de libert
-0.52
-0.51 Paso 5: Tomar la decisión
-0.53 Criterio de decisión:
-0.51
-0.55 Se rechaza la hipotesis nula al 5% del nivel de significa
-0.51
-0.55 Análisis: Se rechaza la hipotesis nula al 5% del ni
-0.55
-0.53
-0.56
-0.51
-0.51
-0.48
-0.56
-0.5
-0.53
-0.55
-0.47
-0.54
-0.5
-0.56
-0.52
-0.52
-0.5
-0.55
-0.55
-0.49
-0.52
-0.54
-0.53
-0.54
-0.53
-0.52
-0.52
-0.52
-0.52
-0.53
-0.57
-0.51
-0.5
-0.53
-0.52
-0.53
-0.52
-0.51
-0.52
-0.5
-0.53
-0.53
-0.54
-0.53
-0.54
-0.55
-0.54
-0.51
-0.53
-0.56
-0.55
-0.54
-0.56
-0.55
-0.57
-0.52
-0.51
-0.52
-0.51
-0.49
-0.52
-0.55
-0.55
-0.54
-0.53
-0.53
-0.54
-0.55
-0.54
-0.55
-0.51
-0.56
-0.52
-0.53
-0.53
-0.57
-0.53
-0.52
-0.52
-0.53
-0.55
-0.56
-0.54
-0.49
-0.54
-0.53
-0.52
-0.47
-0.56
-0.56
-0.53
-0.51
-0.52
-0.55
-0.54
-0.55
-0.56
-0.48
-0.52
-0.56
-0.51
-0.54
-0.52
-0.5
-0.53
-0.52
-0.56
-0.54
-0.56
-0.51
-0.52
-0.56
-0.52
-0.49
-0.53
-0.52
-0.5
-0.54
-0.54
-0.55
-0.54
-0.48
-0.51
-0.52
-0.51
-0.55
-0.53
CICIO IVAN DARIO GOMEZ TIQUE

Prueba Chi-Cuadrado X2
cuadrado (x2) tiene como objetivo verificar si los datos de una muestra se asocian a una distribucuón
.

Oi= Frecuencias Observadas


Ei= Frcuencias Esperadas o también f(xi)
K= Número de observaciones
Con k-r grados de libertad.
k: es el número de eventos o categorías.
r: es el número de restricciones (r ≥1)

muestra al azar de una población distribuida de acuerdo a un modelo teórico.

na muestra al azar de una población distribuida de acuerdo a un modelo teórico.

erativa.
ncia.
de prueba

SOLUCION
bar que la crioscopia se distribuye como una normal.

pia se distribuyen como una normal


crioscopia no se distribuyen como una normal

significancia.

mpre una hipotesis de igualdad. Usualmente lo que se busca es evidencia apra poder rechazar H0 con
solo puedo rechazar H0 si el valor de p que resulte de la prueba es menor que 0,05.
de prueba
os espacios sombreados de amarillo:

(Oi-fe)2 /fe

18.364
18.364
18.364
18.364
18.364
18.364
18.364
18.364
18.364
18.364
18.364

202.000
ado) es:

decisión.
es:
Grados de libertad= k-1
del nivel de significancia

s nula al 5% del nivel de significancia porque el valor de chi-cuadrado de prueba (calculado


Cuadrado X2
si los datos de una muestra se asocian a una distribucuón teorica, para variables

servadas
eradas o también f(xi)
ervaciones
bertad.
eventos o categorías.
estricciones (r ≥1)

de acuerdo a un modelo teórico.

ida de acuerdo a un modelo teórico.

UCION
a normal.

mal

lo que se busca es evidencia apra poder rechazar H0 con un nivel de


resulte de la prueba es menor que 0,05.
porque el valor de chi-cuadrado de prueba (calculado) es mayor que chi-c
LUIS LEONAR

% Proteína
3.2 Prueb
3.1 La prueba de Bondad de Ajuste ji-cuadrado (x2) tiene como objetivo verif
3.1 discretas y continuas.
3.2 Estadístico de Prueba
3.1
3.4
3.2
3.3
3
3.4
3.1
3.1 Hipotesis
3.1 H0: Los datos provienen de una muestra al azar de una población distribu
3.3 H1: Los datos no provienen de una muestra al azar de una población dis
3.3
3.2 Pasos a verificar:
3.1 1. Plantear las hipótesis nula y alterativa.

3.1 2. Determinar el nivel de significancia.


3.2 3. Estimar el valor del estadístico de prueba
3.1 4. Establecer la regla de decisión.
3.2 5. Tomar la decisión.
3.2
3
3 Pregunta de Investigación: Probar que el porcentaje de proteina se dis
3.1 Variable: Porcentaje de proteina
3.2
3.2 Paso 1: Plantearla hipótesis
3.3 Hipotesis Nula (H0): El porcentaje de proteina se distribuye como una
3.3 Hipotesis Altervativa(H1): El porcentaje de proteina no se distribuye c
3.1
3.3 Paso 2: Determinar el nivel de significancia.
3.2
3.2 Tener en cuenta que: H0 es siempre una hipotesis de igualdad. Usualm
3.3 confianza solo puedo rechazar H0 si el valor de p que resulte de la prueba
3.1
3.4 α= 0.05
3.2
3.2 Paso 3: Estimar el estadístico de prueba
3.1 Ingrese los valores solicitados en los espacios sombreados de amarillo:
3.3
Datos
3.1 iniciales
3.3 Media 3.2064356436
3.1 Desviación 0.1032225452
3.2 Num de datos 6

3.3 n 202
3.4
3.3 Tabla de frecuencias
3.3
Oi ó fo f(xi) ó fe
3.2 Xi fe= n/k
3.2 3 14 33.667
3.2 3.1 0 33.667
3.3 3.2 0 33.667

3.3 3.3 0 33.667


3.1 3.4 0 33.667
3.3 3.6 0 33.667
3.2 Total Err:522 202
3.3
3.3
3.2
3.3
3.3
3
3.2 El valor del Chi-Cuadrado de prueba (calculado) es:
3.1 = 179.822
3.3
3.3 Paso 4: Establecer la regla de decisión.
3.4 El valor del Chi-cuadrado de tabla (teorico) es:
3.1 = 11.0704976935 Grados de libertad= k-1
3.2
3.2 Paso 5: Tomar la decisión
3.2 Criterio de decisión:
3.1
3.2 Se rechaza la hipotesis nula al 5% del nivel de significancia
3.2
3.3 Análisis: Se rechaza la hipotesis nula al 5% del nivel de significanc
tabla (teorico.) Por lo cual el porcentaje de proteina no se distribu
Análisis: Se rechaza la hipotesis nula al 5% del nivel de significanc
3.2 tabla (teorico.) Por lo cual el porcentaje de proteina no se distribu
3.3
3.2
3
3
3
3.2
3.2
3.3
3.2
3.2
3.2
3
3.2
3.1
3.2
3.1
3.2
3.3
3.2
3.2
3.2
3.2
3.2
3.2
3.2
3.3
3.3
3.2
3.3
3.3
3.2
3.3
3.3
3.6
3.4
3.3
3.1
3.2
3.2
3.3
3.2
3.3
3.2
3.2
3.2
3.2
3.3
3.1
3.3
3.1
3.1
3.2
3
3.1
3.3
3.3
3.3
3.2
3.3
3.3
3.4
3.2
3.4
3.2
3.2
3.2
3.1
3.2
3
3.3
3.3
3.3
3.2
3.2
3.3
3.2
3.4
3.3
3.2
3.2
3.3
3.1
3.1
3.4
3.2
3.1
3.3
3.1
3.3
3.2
3.2
3
3.2
3.2
3.1
3.2
3.2
3.3
3.3
3.2
3.4
3
3.4
3.2
3.2
3.1
3.1
3.3
3.1
3.1
3.2
3.2
3.3
3.1
3
3.2
3.3
3.2
3.2
3.2
3
3.1
3.1
3.1
3.2
3.1
LUIS LEONARDO PINEDA GONZALEZ

Prueba Chi-Cuadrado X2
ado (x2) tiene como objetivo verificar si los datos de una muestra se asocian a una distribucuón teori

Oi= Frecuencias Observadas


Ei= Frcuencias Esperadas o también f(xi)
K= Número de observaciones
Con k-r grados de libertad.
k: es el número de eventos o categorías.
r: es el número de restricciones (r ≥1)

ra al azar de una población distribuida de acuerdo a un modelo teórico.


uestra al azar de una población distribuida de acuerdo a un modelo teórico.

a.

ueba

SOLUCION
ue el porcentaje de proteina se distribuye como una normal.

e proteina se distribuye como una normal


ntaje de proteina no se distribuye como una normal

ficancia.

una hipotesis de igualdad. Usualmente lo que se busca es evidencia apra poder rechazar H0 con un ni
valor de p que resulte de la prueba es menor que 0,05.
ueba
pacios sombreados de amarillo:

(Oi-fe)2 /fe

11.488
33.667
33.667

33.667
33.667
33.667
179.822

s:

ión.

Grados de libertad= k-1

nivel de significancia

la al 5% del nivel de significancia ya que el valor del chi-cuadrado de prueba (calculado) es


ntaje de proteina no se distribuye como una normal.
% Grasa
3
na distribucuón teorica, para variables cuantitativas 3
3
3
2.9
3.1
3.2
3.1
2.8
2.9
2.9
3.1
3.1
2.9
3
3.1
3.1

3.1
2.9
2.9
3
3.1
3.2
3.1
3.1
3
3.1
3.2
3.2
2.9
3.1
3
chazar H0 con un nivel de significancia del 95% de 3
2.9
2.9
3
3
3
2.9
2.9

2.9
2.9
3.1
3

3
3.1
3
2.9

3
3.3
3.2
3.1

2.9
2.8
3.2
3
3
3
3.1
3.1
3.1
3.1
3.2
3
3.1
2.9
3.1
3
3.1
2.9
3
3.1
3
3.1
eba (calculado) es mayor que el chi-cudrado de 2.9
3
3
2.9
2.9
3
3
3
3
2.9
3
3.1
3.1
3.1
3
3.2
3
2.9
2.8
3
3.1
3.1
3.1
3.1
3.1
3.1
3
3
2.9
3
2.8
3
3
3
3
2.9
3
3
2.9
3.1
2.9
2.9
3.1
3.1
3
2.9
3
3
3.1
3
2.9
2.9
2.9
2.9
2.8
3
3
3
2.9
3
3
3
3
3.1
3.1
3
3
3
3
3
2.8
3.1
3.2
3
3.1
3
2.9
2.9
2.9
2.9
2.9
3
2.9
3.1
3.1
3
3
3.1
3.1
2.9
3.2
2.7
3.1
3.2
3.2
3
3.1
3.1
2.9
2.9
3
2.9
2.9
3
3.1
3
3.1
2.8
3.1
2.9
3
2.9
3
3.2
3
3
3.1
2.8
3
3.2
2.9
3.1
3.1
3
3.1
3
3
3.2
RICARDO TORRES

Paso 1: Plantear las Hipotesis


Hipótesis
Ho: El porcentaje de grasa se distribuye como una normal.
Ha: El porcentaje de grasa no se distribuye como una normal.

Paso 2: Determinar el nivel de significancia


α 5%

Paso 3: Estimar el estadistico de prueba


Media 3.0108910891
Desviación 0.102117862
Num. De dato 7
n 202

Tabla de Frecuencia

Xi Frecuencias obse Frecuencias Esperadas Formula del chi-cuadrado


2.7 1 28.8571428571 26.8917963225

2.8 8 28.8571428571 15.0749646393


2.9 47 28.8571428571 11.4066478076
3 75 28.8571428571 73.7828854314
3.1 55 28.8571428571 23.6838755304
3.2 0 28.8571428571 28.8571428571
3.3 1 28.8571428571 26.8917963225
Total 187 202 207

El valor chi-cuadrado de prueba


χc2 207

Paso 4: Establecer la regla de decisión:


χt2 12.5915872437

Se rechaza la hipótesis nula, por lo cual se estima que el porcentaje de grasa no se


Crioscopia (°C)
-0.56
Cada estudiante escogerá una de las -0.52
siguientes variables y realizará una prueba chi- -0.52
cuadrada. Cree una hoja en Excel denominada
“muestra”, esta corresponde al muestreo -0.57
colaborativo realizado en Fase 2: Muestreo e -0.53
intervalo de confianza. Además, cree una -0.52
nueva hoja denominada “Chi-cuadrado” en -0.53
donde dará solución a la variable
seleccionada: -0.56
d. % Grasa -0.54
-0.56
-0.56
-0.54
-0.52
-0.57
-0.54
-0.53
-0.52

-0.53
-0.5
-0.55
-0.49
-0.52
-0.53
-0.51
-0.51
-0.53
-0.54
-0.55
-0.53
-0.54
-0.56
-0.53
aje de grasa no se distribuye como una normal.
-0.52
-0.52
-0.53
-0.52
-0.54
-0.53
-0.52
-0.53

-0.52
-0.53
-0.56
-0.53

-0.54
-0.52
-0.56
-0.51

-0.53
-0.55
-0.52
-0.56

-0.54
-0.48
-0.55
-0.53
-0.52
-0.54
-0.51
-0.52
-0.54
-0.55
-0.51
-0.52
-0.51
-0.54
-0.53
-0.52
-0.55
-0.53
-0.51
-0.5
-0.53
-0.53
-0.55
-0.52
-0.54
-0.53
-0.5
-0.54
-0.54
-0.51
-0.51
-0.55
-0.56
-0.55
-0.57
-0.51
-0.53
-0.49
-0.53
-0.55
-0.51
-0.53
-0.53
-0.54
-0.56
-0.56
-0.51
-0.53
-0.54
-0.52
-0.57
-0.55
-0.55
-0.49
-0.51
-0.52
-0.5
-0.56
-0.54
-0.52
-0.54
-0.55
-0.57
-0.52
-0.52
-0.54
-0.52
-0.53
-0.5
-0.54
-0.54
-0.52
-0.51
-0.49
-0.55
-0.5
-0.53
-0.55
-0.55
-0.51
-0.56
-0.55
-0.55
-0.55
-0.52
-0.51
-0.54
-0.54
-0.55
-0.54
-0.53
-0.54
-0.51
-0.52
-0.56
-0.54
-0.52
-0.52
-0.52
-0.53
-0.51
-0.56
-0.54
-0.54
-0.51
-0.52
-0.52
-0.55
-0.54
-0.51
-0.48
-0.55
-0.49
-0.52
-0.47
-0.54
-0.55
-0.51
-0.55
-0.53
-0.54
-0.54
-0.55
-0.54
-0.49
-0.52
-0.56
-0.5
-0.53
-0.53
-0.52
-0.54
-0.55
-0.49
-0.51
-0.56
-0.56
-0.52
-0.53
-0.55
-0.52
-0.54
-0.53
-0.5
-0.56
-0.53
-0.53
-0.54
-0.49
-0.54
KELY JOHANA RAMIREZ

Pregunta de Investigación: Probar que la variabe crioscopia se distribuye como una norm
Variable: crioscopia

Paso 1: Plantearla hipótesis


Hipotesis Nula (H0): La crioscopia se distribuyen como una normal
Hipotesis Altervativa(H1): La crioscopia no se distribuyen como una normal

Paso 2: Determinar el nivel de significancia.


Tener en cuenta que: H0 es siempre una hipotesis de igualdad. Usualmente lo que se busc
evidencia apra poder rechazar H0 con un nivel de significancia del 95% de confianza solo pue
rechazar H0 si el valor de p que resulte de la prueba es menor que 0,05.

α= 0.05

Paso 3: Estimar el estadístico de prueba


Ingrese los valores solicitados en los espacios sombreados de amarillo:

Datos iniciales
Media -0.5307425743
Desviación 0.0200234457
Num de datos (k) 11
n 202

Tabla de frecuencias

Xi Oi ó fo f(xi) ó fe fe= n/k (Oi-fe)2 /fe


-0.57 5 18.364 9.725
-0.56 19 18.364 0.022
-0.55 27 18.364 4.062
-0.54 37 18.364 18.913
-0.53 36 18.364 16.938
-0.52 37 18.364 18.913
-0.51 22 18.364 0.720
-0.5 8 18.364 5.849
-0.49 8 18.364 5.849
-0.48 2 18.364 14.581
-0.47 1 18.364 16.418
Total 202 202 111.990

El valor del Chi-Cuadrado de prueba (calculado) es:


�_𝑐^2
= 111.990

Paso 4: Establecer la regla de decisión.


El valor del Chi-cuadrado de tabla (teorico) es:
�_𝑡^2
= 18.3070380533 Grados de libertad= k-1

Paso 5: Tomar la decisión


Criterio de decisión:

Se rechaza la hipotesis nula al 5% del nivel de significancia

Análisis: con una significancia del 5% se rechaza la hipotesis nula, esto nos indica q
crioscopia no se distribuye como una normal
distribuye como una normal.

mal
o una normal

Usualmente lo que se busca es


95% de confianza solo puedo
0,05.

illo:
= k-1

s nula, esto nos indica que la


EJERCICIO IVAN DARIO GOMEZ TIQUE

Células
somáticas
(células/ml
de leche)
1901288 Prueb
1922642
1894066 La única premisa que se necesita es que las mediciones se encu
1896402 básicamente continua. Además dicha prueba es aplicable cualqu
1896352
La prueba Kolmogorov-Smirnov compara las funciones de distrib
1904905
1909125 Estadístico de Prueba
1899663
1905622
1903433
1899010

1891004
1904189 Hipotesis
1886369 H0: Los datos analizados siguen una distribución M.
1880796 H1: Los datos analizados no siguen una distribución M.
1908144
1913637 Pasos a verificar:
1906409 1. Plantear las hipótesis nula y alterativa.

1916685 2. Determinar el nivel de significancia.

1906341 3. Estimar el valor del estadístico de prueba


1895052 4. Establecer la regla de decisión.
1906817 5. Tomar la decisión.
1908612
1895548
1893919 Pregunta de Investigación: Realice una prueba de este tipo p
1898444
1892666 Variable: Ingreso Mensual Promedio.
1909564 Paso 1: Plantearla hipótesis
1920785 Hipotesis Nula (H0): las celulas somaticas se distribuyen com
1918977 Hipotesis Altervativa(H1):las celulas somaticas no se distribu
1887101
1893318 Paso 2: Determinar el nivel de significancia.
1916636 α= 0.05
1901328
1893793 Paso 3: Estimar el estadístico de prueba
1907543 Ingrese los valores solicitados en los espacios sombreados de am
1920733
Datos iniciales
1911438
1903797 Media 1900298.37
1890599 Desviación 9990.37483
1901147 Minimo 1875162
1901720 Máximo 1933772
1896183 Rango 58610
1897451 Número de Datos 202

1898944 Sturges( Nºde Intervalos) 18.52

1884962 Raiz de n( Nºde Intervalos) 14.21

1895911 Tamaño del Intervalo 3165.15


1923260
1901936 Tabla de frecuencias
1898378

1917796 Intervalos lim Inf

1901495 1 1875162
1904914 2 1878327.15
1906925 3 1881492.30
1896111 4 1884657.45
1887253 5 1887822.60
1898840 6 1890987.76
1891329 7 1894152.91
1907312 8 1897318.06
1891039 9 1900483.21
1891017 10 1903648.36
1885883 11 1906813.51
1904646 12 1909978.66
1881569 13 1913143.81
1900261 14 1916308.96
1891876 15 1919474.12
1894730 16 1922639.27
1912305 17 1925804.42
1915012 18 1928969.57
1915743 19 1932134.72
1900617 TOTAL
1895759
1912272
1890414
1897003 Paso 4. Establecer la Regla de Decisión
1902015
1909508 Estadistico de Prueba S-k 0.26239602
1884574 Nivel de Significancia 0.05
1898313 Grados de libertad 202
Estadistico obtenido de la
1895819 tabla (teorico) 0.09568927

1906653 La Hipotesis Se rechaza


1898061
1898158 NOTA: Si el estadistico de prueba es mayor que el estadísitico c
1894280
1908167 Paso 5. Tomar la Decisión
1899008
1895096 Podemos concluir que no hay suficiente evidencia estadística pa
1888002
1894819 Análisis: Puedo analizar que el estdistico teorico es menor que estadistico de p
1894218
1907688
1888424
1893866
1904615
1894405
1900484
1885473
1890925
1896398
1895162
1900836
1911526
1908060
1904003
1881564
1902837
1881325
1900464
1896145
1895789
1901301
1890220
1917056
1910362
1898993
1897741
1902978
1907565
1889363
1882723
1898219
1903958
1902090
1898860
1906054
1891966
1910167
1901163
1890512
1901124
1897846
1907021
1894924
1895432
1900214
1900988
1902865
1904077
1903614
1904662
1897487
1899154
1916232
1929059
1875162
1914195
1882398
1895626
1901939
1917096
1898904
1915398
1895404
1888067
1894493
1899003
1890535
1893178
1890814
1895413
1906874
1900048
1883178
1906127
1906368
1900793
1933772
1912772
1908127
1916079
1899505
1907596
1888538
1897568
1908066
1903388
1896136
1913637
1916183
1884375
1904671
1904457
1904673
1891747
1916978
1901009
1908898
1885044
1897337
1903458
1876930
1876295
1902772
1888863
1903463
1894116
1909154
1904170
1891749
1884779
1898388
1907130
ARIO GOMEZ TIQUE

Prueba Kolmogorov-Smirnov
ue las mediciones se encuentren al menos en una escala de intervalo. Se necesita que la medición con
prueba es aplicable cualquiera sea el tamaño de la muestra.
ara las funciones de distribución teórica y empírica (sólo valido para variables continuas)

Siendo
Fn(x)= Función de distribución muestral
F0(x)= Función teórica

istribución M.
a distribución M.

va.

rueba

EJEMPLO:
una prueba de este tipo para probar que el ingreso mensual promedio se distribuye como una norma
maticas se distribuyen como una normal
s somaticas no se distribuyen como una normal

nificancia.

rueba
spacios sombreados de amarillo:

19

FOR
Lim Sup FO FOR ACUM FER

1878327.15 3 0.01485 0.01485 0.054


1881492.30 2 0.0099 0.02475 0.10801
1884657.45 7 0.03465 0.05941 0.16201
1887822.60 8 0.0396 0.09901 0.21601
1890987.76 13 0.06436 0.16337 0.27002
1894152.91 16 0.07921 0.24257 0.32402
1897318.06 27 0.13366 0.37624 0.37803
1900483.21 28 0.13861 0.51485 0.43203
1903648.36 27 0.13366 0.64851 0.48603
1906813.51 21 0.10396 0.75248 0.54004
1909978.66 21 0.10396 0.85644 0.59404
1913143.81 7 0.03465 0.89109 0.64804
1916308.96 9 0.04455 0.93564 0.70205
1919474.12 7 0.03465 0.9703 0.75605
1922639.27 2 0.0099 0.9802 0.81005
1925804.42 2 0.0099 0.9901 0.86406
1928969.57 0 0 0.9901 0.91806
1932134.72 1 0.00495 0.99505 0.97206
1935299.87 1 0.00495 1 1.02607
202 1

isión

mayor que el estadísitico calculado S-k se acepta que se distribuye como una normal

e evidencia estadística para decir que los datos se distribuyan como una normal, ya que 0, 0,0956893

o es menor que estadistico de pueba por lo cual no se distribuyen como uno normal, Y por consiguiente las celulas somatica
ov-Smirnov
cala de intervalo. Se necesita que la medición considerada sea
uestra.
sólo valido para variables continuas)

distribución muestral
rica

mensual promedio se distribuye como una normal.


ABS(FOR ACUM-FER ACUM)

0.0391521167
0.0832547284
0.1026048649
0.1170045064
0.1066516726
0.0814473536
0.0017875891
0.0828226704
0.1624824349
0.2124392291
0.2623960233
0.2430458868
0.2335967404
0.2142466039
0.1701439922
0.1260413804
0.0720377786
0.0229846718
0.026068435

e se distribuye como una normal

stribuyan como una normal, ya que 0, 0,0956893 < 0,262396

yen como uno normal, Y por consiguiente las celulas somaticas de la leche se rechaza la hipote
LUIS LEONARDO PINEDA GONZAL

Densidad
(g/ml)

1.03 Prueba Kolmo


0.95
1.06 La única premisa que se necesita es que las mediciones se encu
0.93 medición considerada sea básicamente continua. Además dicha
1.03
1 La prueba Kolmogorov-Smirnov compara las funciones de distrib
1.05 Estadístico de Prueba
1.08
1.03
0.98
1.04
1.07
1.06 Hipotesis
1.04 H0: Los datos analizados siguen una distribución M.
1.03 H1: Los datos analizados no siguen una distribución M.
1.02
1 Pasos a verificar:
1 1. Plantear las hipótesis nula y alterativa.

1.01
2. Determinar el nivel de significancia.

0.99
3. Estimar el valor del estadístico de prueba
1.07 4. Establecer la regla de decisión.
0.98 5. Tomar la decisión.
1.13
0.88 SOL
1.1 Pregunta de Investigación: Realice una prueba de este tipo p
1.08
1.1 Variable: Densidad (g/ml)
1.05 Paso 1: Plantearla hipótesis
0.94 Hipotesis Nula (H0): La densidad (g/ml) se distribuyen como
1.06 Hipotesis Altervativa(H1): La densidad (g/ml) no se distribu
1.04
0.98 Paso 2: Determinar el nivel de significancia.
0.96 α= 0.05
1.03
1.09 Paso 3: Estimar el estadístico de prueba
1.04 Ingrese los valores solicitados en los espacios sombreados de am
1.08
Datos
1.01
iniciales
1.09 Media 1.0281683168
1.03 Desviación 0.0487567971
1.05 Minimo 0.88
1.08 Máximo 1.14
0.97 Rango 0.26
0.99 Número de D 202

1.03 Sturges( Nº
de
Intervalos) 18.52 19

1.11 Raiz de
n( Nºde
Intervalos) 14.21

0.99 Tamaño del


Intervalo 0.01
1.09
1.04 Tabla de frecuencias
1.07
1.09
Intervalos lim Inf Lim Sup

0.99

1 0.88 0.89
1.06 2 0.89 0.91
1.05 3 0.91 0.92
1.02 4 0.92 0.94
0.98 5 0.94 0.95
1.04 6 0.95 0.96
0.94 7 0.96 0.98
1.11 8 0.98 0.99
1 9 0.99 1.01
1 10 1.01 1.02
1.08 11 1.02 1.03
1.04 12 1.03 1.05
1.03 13 1.05 1.06
0.96 14 1.06 1.08
1.04 15 1.08 1.09
1.12 16 1.09 1.10
1.04 17 1.10 1.12
1.02 18 1.12 1.13
1.02 19 1.13 1.15
1.03 TOTAL
1.03
0.99
1
1.01
1.02 Paso 4. Establecer la Regla de Decisión
1.05
1.04 Estadistic 0.2592133317
1.04 Nivel de Si 0.05
1.05
Grados de 202
Estadistic
o
1.03 obtenido
de la
tabla
(teorico) 0.0956892661
1.02 La Hipotes Se rechaza
1.08
1 NOTA: Si el estadistico de prueba es mayor que el estadísitico c
1.14
1.07 Paso 5. Tomar la Decisión
1.03 Podemos concluir que no hay suficiente evidencia estadística pa
1 0,09568927 < 0,25921333
1.02
0.98 Análisis: Debido a que no hay suficiente evidencia estadis
0.98
1.08
1
1.04
0.91
1.07
0.94
0.93
0.95
1.09
1.07
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
RDO PINEDA GONZALEZ

rueba Kolmogorov-Smirnov
que las mediciones se encuentren al menos en una escala de intervalo. Se necesita que la
te continua. Además dicha prueba es aplicable cualquiera sea el tamaño de la muestra.
para las funciones de distribución teórica y empírica (sólo valido para variables continuas)

Siendo
Fn(x)= Función de distribución muestral
F0(x)= Función teórica

distribución M.
una distribución M.

tiva.

a.

prueba

SOLUCION
e una prueba de este tipo para probar que la densidad (g/ml) se distribuye como una normal.
(g/ml) se distribuyen como una normal
nsidad (g/ml) no se distribuyen como una normal

gnificancia.

prueba
espacios sombreados de amarillo:

FO FOR FOR ACUM FER

1 0.004950495 0.004950495 0.054003602


0 0 0.004950495 0.108007204
2 0.0099009901 0.0148514851 0.162010806
3 0.0148514851 0.0297029703 0.216014407
11 0.0544554455 0.0841584158 0.270018009
4 0.0198019802 0.103960396 0.324021611
3 0.0148514851 0.1188118812 0.378025213
24 0.1188118812 0.2376237624 0.432028815
18 0.0891089109 0.3267326733 0.486032417
29 0.1435643564 0.4702970297 0.540036018
16 0.0792079208 0.5495049505 0.59403962
18 0.0891089109 0.6386138614 0.648043222
23 0.1138613861 0.7524752475 0.702046824
12 0.0594059406 0.8118811881 0.756050426
21 0.103960396 0.9158415842 0.810054028
6 0.0297029703 0.9455445545 0.864057629
4 0.0198019802 0.9653465347 0.918061231
6 0.0297029703 0.995049505 0.972064833
1 0.004950495 1 1.026068435
202 1

cisión

mayor que el estadísitico calculado S-k se acepta que se distribuye como una normal

nte evidencia estadística para decir que los datos se distribuyan como una normal, ya que

iciente evidencia estadistica la densidad no se distribuye como una normal.


RIC

% Grasa

3
3
ntervalo. Se necesita que la 3
el tamaño de la muestra. 3
2.9
o para variables continuas)
3.1
3.2
3.1
ral 2.8
2.9
2.9

3.1
3.1
2.9
3
3.1
3.1
3.1

2.9

2.9
3
3.1
3.2
3.1
se distribuye como una normal. 3.1
3
3.1
3.2
3.2
2.9
3.1
3
3
2.9
2.9
3
3

3
2.9
2.9
2.9
2.9
3.1
3

3.1

3
2.9
3
3.3
ABS(FOR ACUM-FER
ACUM) 3.2

0.0490531068 3.1
0.1030567086 2.9
0.1471593204 2.8
0.1863114371 3.2
0.1858595934 3
0.220061215 3
0.2592133317 3
0.1944050524 3.1
0.1592997433 3.1
0.0697389887 3.1
0.0445346698 3.1
0.0094293607 3.2
0.0504284236 3
0.0558307623 3.1
0.1057875565 2.9
0.081486925 3.1
0.0472853033 3
0.0229846718 3.1
0.026068435 2.9
3
3.1
3
3.1
2.9
3
3
2.9
2.9

3
3
3
buye como una normal 2.9
3
3.1
n como una normal, ya que 3.1
3.1
3
e como una normal. 3.2
3
2.9
2.8
3
3.1
3.1
3.1
3.1
3.1
3.1
3
3
2.9
3
2.8
3
3
3
3
2.9
3
3
2.9
3.1
2.9
2.9
3.1
3.1
3
2.9
3
3
3.1
3
2.9
2.9
2.9
2.9
2.8
3
3
3
2.9
3
3
3
3
3.1
3.1
3
3
3
3
3
2.8
3.1
3.2
3
3.1
3
2.9
2.9
2.9
2.9
2.9
3
2.9
3.1
3.1
3
3
3.1
3.1
2.9
3.2
2.7
3.1
3.2
3.2
3
3.1
3.1
2.9
2.9
3
2.9
2.9
3
3.1
3
3.1
2.8
3.1
2.9
3
2.9
3
3.2
3
3
3.1
2.8
3
3.2
2.9
3.1
3.1
3
3.1
3
3
3.2
RICARDO TORRES

Hipotesis
Ho: El porcentaje de grasa se distribuye como una normal.
Ha: El porcentaje de grasa no se distribuye como una normal.

Media 3.0108910891
Desviación 0.102117862
Minimo 2.7
Maximo 3.3
Rango 0.6
n 202
Numero de intervalos Sturges 8.6
Numero de intervalos de la raiz de n 14

Tamaño del Intervalo 0.042

Intervalos Lim. Inferior Lim. Superior


1 2.7 2.742
2 2.742 2.784
3 2.784 2.827
4 2.827 2.869

5 2.869 2.911

6 2.911 2.953
7 2.953 2.996
8 2.996 3.038
9 3.038 3.080
10 3.080 3.122
11 3.122 3.164
12 3.164 3.207
13 3.207 3.249
14 3.249 3.291
15 3.291 3.333

Estimador Smirnov-Kolmogorov calculado 0.2368845624


Grados de libertad 202
α 5%
0.0956892661
Prueba Se rechaza Ho

Conclusión El porcentaje de grasa no se distribuye


también apoya la prueba C
Cada estudiante escogerá una de las
siguientes variables y determinara si los
datos provienen de una distribución
normal. Cree una hoja en Excel
denominada “muestra”, esta corresponde
al muestreo colaborativo realizado en Fase
2: Muestreo e intervalo de confianza.
Además, cree una nueva hoja denominada
“Kolmogorov-Smirnov”, en donde dará
solución a la variable seleccionada:
d. % Grasa

Frec. Observada FOR FORA FER ABS


1 0.00495 0.00 0.07 0.07
0 0 0.00 0.14 0.14
8 0.039604 0.04 0.21 0.17
0 0 0.04 0.28 0.24

47 0.232673 0.28 0.35 0.07

0 0 0.28 0.42 0.14


0 0 0.28 0.49 0.22
75 0.371287 0.65 0.56 0.09
0 0 0.65 0.63 0.02
55 0.272277 0.92 0.70 0.22
0 0 0.92 0.77 0.15
15 0.074257 1.00 0.84 0.15
0 0 1.00 0.91 0.08
0 0 1.00 0.99 0.01
1 0.00495 1 1.055396 0.055396
202 1

grasa no se distribuye como una normal. Esta


én apoya la prueba Chi-cuadrado.
KELY JOH

Costo
1044
641
643
501
678
858
678
793
732
766
974

636
747
595
662
719
510
856

504

936
682
604
735
825
742
708
657
688
861
735
801
878
479
526
459
760
642

870
905
444
918
527
549
677

715

981

998
456
604
606

906

669
667
685
998
822
370
929
896
497
585
516
726
718
512
625
962
624
419
1000
1080
322
1214
472
906
799
615
911
567

717

856
763
997
1146
386
806
774
811
933
591
703
495
664
1081
595
692
804
829
669
412
771
632
1049
303
276
1186
383
774
819
695
332
589
932
490
423
283
901
615
767
711
641
634
931
838
817
517
982
509
733
606
526
723
659
886
429
779
867
507
963
729
626
465
627
643
544
860
567
815
865
694
818
845
961
663
527
886
696
646
258
857
891
592
1001
610
796
774
554
674
533
939
790
395
345
400
624
862
436
687
933
616
1042
1041
1143
648
899
990
688
668
839
598
402
768
514
1270
612
881
733
591
927
570
485
557
KELY JOHANA RAMIREZ

Variable: Costo
Paso 1: Plantearla hipótesis
Hipotesis Nula (H0): El costo se distribuyen como una normal
Hipotesis Altervativa(H1): El costo no se distribuyen como una normal

Paso 2: Determinar el nivel de significancia.

Paso 3: Estimar el estadístico de prueba


Ingrese los valores solicitados en los espacios sombreados de amarillo:

Datos iniciales

Media
Desviación
Minimo
Máximo
Rango
Número de Datos

Sturges( Nºde Intervalos)

Raiz de n( Nºde Intervalos)


Tamaño del Intervalo

Tabla de frecuencias

Intervalos
TOTAL

Paso 4. Establecer la Regla de Decisión

Estadistico de Prueba S-k


Nivel de Significancia

Grados de libertad

Estadistico obtenido de la tabla (teorico)

La Hipotesis

NOTA: Si el estadistico teorico es mayor que el estadísitico calculado S-k se acepta que se d

Análisis:
con un nivel de significancia del 5% se rechaza que la variable se tenga una distribucion norm
0.05

711.03465347
197.97362452
258
1270
1012
202

18.52 19

14.21
54.65

lim Inf Lim Sup FO FOR FOR ACUM FER


258 312.65 4 0.0198019802 0.0198019802 0.0540036018
312.65 367.30 3 0.0148514851 0.0346534653 0.1080072037
367.30 421.95 8 0.0396039604 0.0742574257 0.1620108055
421.95 476.61 8 0.0396039604 0.1138613861 0.2160144074
476.61 531.26 18 0.0891089109 0.202970297 0.2700180092
531.26 585.91 9 0.0445544554 0.2475247525 0.3240216111
585.91 640.56 24 0.1188118812 0.3663366337 0.3780252129
640.56 695.21 28 0.1386138614 0.504950495 0.4320288147
695.21 749.86 18 0.0891089109 0.5940594059 0.4860324166
749.86 804.52 16 0.0792079208 0.6732673267 0.5400360184
804.52 859.17 16 0.0792079208 0.7524752475 0.5940396203
859.17 913.82 18 0.0891089109 0.8415841584 0.6480432221

913.82 968.47 12 0.0594059406 0.900990099 0.7020468239


968.47 1023.12 9 0.0445544554 0.9455445545 0.7560504258
1023.12 1077.77 4 0.0198019802 0.9653465347 0.8100540276
1077.77 1132.43 2 0.0099009901 0.9752475248 0.8640576295
1132.43 1187.08 3 0.0148514851 0.9900990099 0.9180612313
1187.08 1241.73 1 0.004950495 0.995049505 0.9720648332
1241.73 1296.38 1 0.004950495 1 1.026068435

202 1

0.1989432751
0.05

202

0.0956892661
Se rechaza
cepta la hipotesis alternativa que indica que la variable costo no se distribuye como una normal
ABS(FOR ACUM-FER ACUM)
0.0342016216
0.0733537383
0.0877533798
0.1021530212
0.0670477122
0.0764968586
0.0116885792
0.0729216803
0.1080269894
0.1332313083
0.1584356273
0.1935409363

0.1989432751
0.1894941287
0.155292507
0.1111898953
0.0720377786
0.0229846718
0.026068435
como una normal
PRU
% Proteína

3.2

3.2

3.2

3.1

3.5

3.2

3.1

3.2

3.2

3.2

3.2

3.3

3.2

3.2
3.1

3.2

3.1

3.1

3.1

3.3

3.3

2.9

3.2

3.1

3.2

3.2

3.2

3.1

3.3
3.2 Ejercicio: Realice una prueba de este tipo % de proteina
3.2
3.2 Solución.
3 1. Paso 1 ordenar los datos u observaciones
3.2
3.2 T1
3.1 3.2
3.3 3.2
3.2 3.2
3.2 3
3.1 3.2
3.3 3.2
3.3
3.2
3.3 2. Paso 2: Asignar Rangos
3.3
3.4 Rangos T1
3.2 1 3.2
3.2 2 3.2
3.2 3 3.2
3.2 4 3.2
3.1 5 3.2
3.3 6 3
3.2 7
3.2
3.1 3.Calcular suma de Rangos
3.3
3.1 Rangos T1
3.1 1 3.2
3.2 2 3.2
3.1 3 3.2
2.9 4 3.2
3.3 5 3.2
3.1 6 3
3.2 7
3.2 TOTAL 19
3.3 Total ^2 361
3.3
3.2 4. Calcular el estadístico de Prueba
3.3
3.2 225525.398
3.2 0.02
3.2 244.499048
3.2 75
3.2 -70.110019
3.2
3.1
3.1 5. Establecer Nivel de significancia e hipotesis:
3.3
3.2 Nivel de significancia 0.05
3.4 Hipótesis
3.3 H0: Las cuatro medias de los tratamientos del porcentaje de proteina tiene
3 Ha: Las cuatro medias de los tratamientos del porcentaje de proteina no ti
3.1
3.3
3 6.Estadístico Teorico
3.1
3.2 La región de rechazo para el estadísitoco H con a=0,05 incluye valores de H
3.3
3.3 Para el estadístico teorico con el 5% de significancia tenemos que:
3.3 7.81473
3.2
3.2
3.2 H -70.110019
3.1 7.81473
3.3
3.3 7.Toma de Decisión
3.4 No hay evidencia ensuficiente para indicar diferencia en las distribuciones
3
3.4 Análisis: se puede analizar que el procentaje de proteina para la le
3.3
3.1
3.2
3.2
3.2
3.2
3.2
3.3
3.2
3
3.3
3.3
3.3
3.2
3.3
3.3
3.2
3
3.1
3.2
3
3.3
3.2
3.2
3
3.3
3.2
3.2
3.1
3.2
3.1
3.2
3.2
3.1
3.2
3.2
3.1
3.2
3.2
3.3
3.4
3.2
3.1
3.2
3.2
3.1
3.4
3.2
3.1
3.2
3.2
3.3
3.2
3.3
3.1
3.1
3.3
3.3
3.2
3.2
3.2
3.2
3.3
3.2
3.3
3.4
3.2
3.3
3.1
3.3
3.2
3.2
3
3.2
3.2
3.3
3.3
3.2
3.1
3.1
3.2
3.1
3.2
3.3
3.2
3.3
3.3
3.1
3.1
3.1
3.2
3.3
3
3.2
3.1
3.3
3.1
3.3
3.3
3.2
3.2
3.3
EJERCICIO IVAN DARIO GOMEZ TIQUE

PRUEBA H DE KRUSKAL-WALLIS
a de este tipo % de proteina

ervaciones

T2 T3 T4
3.3 2.9 3.2 n=
3.4 3.3 3.2
3.2 3.1 3.2
3.2 3.2 3.2
3.2 3.2 3.2
3.2 3.3
3.1

T2 T3 T4
3.1 2.9 3.2
3.2 3.1 3.2
3.2 3.2 3.2
3.2 3.2 3.2
3.2 3.3 3.2
3.3 3.3
3.4

T2 T3 T4
3.1 2.9 3.2
3.2 3.1 3.2
3.2 3.2 3.2
3.2 3.2 3.2
3.2 3.3 3.2
3.3 3.3
3.4
22.6 19 16
510.76 361 256

a e hipotesis:

entos del porcentaje de proteina tienen la misma media


entos del porcentaje de proteina no tienen la misma media

oco H con a=0,05 incluye valores de H ≥ , donde esta básado en (k-1) = (4-1)=3 grados de libertad.

de significancia tenemos que:

ndicar diferencia en las distribuciones de porcentaje de proteina

procentaje de proteina para la leche no muestra la evidencia suficiente para indicar la diferencia en las distribiciones de prot
AL-WALLIS
24
=3 grados de libertad.

a diferencia en las distribiciones de proteina.


LUIS LEONARDO PINEDA GONZALEZ

Densidad
(g/ml)
PRUEBA H DE KRUS
1.03

0.95

1.06

0.93

1.03

1.05

1.08

1.03

0.98

1.04

1.07

1.06

1.04

1.03
1.02

1.01

0.99

1.07

0.98

1.13

0.88

1.1

1.08

1.1

1.05

0.94

1.06

1.04 Ejercicio: Realice una prueba de este tipo para densidad (g/ml)
0.98
0.96 Solución.
1.03 1. Paso 1 ordenar los datos u observaciones
1.09
1.04 T1 T2 T3
1.08 1.02 0.94 1.08
1.01 1.08 0.93 1.01
1.09 1 0.95 1.09
1.03 1.14 1.09 1.03
1.05 1.07 1.07 1.05
1.08 1.03 1.01 1.11
0.97 1.12 0.97
0.99
1.03 2. Paso 2: Asignar Rangos
1.11
0.99 Rangos T1 T2 T3
1.09 1 1 0.93 0.97
1.04 2 1.02 0.94 1.01
1.07 3 1.03 0.95 1.03
1.09 4 1.07 1.01 1.05
0.99 5 1.08 1.07 1.08
1.06 6 1.12 1.09 1.09
1.05 7 1.14 1.11
1.02
0.98 3.Calcular suma de Rangos
1.04
0.94 Rangos T1 T2 T3
1.11 1 1 0.93 0.97
1 2 1.02 0.94 1.01
1 3 1.03 0.95 1.03
1.08 4 1.07 1.01 1.05
1.04 5 1.08 1.07 1.08
1.03 6 1.12 1.09 1.09
0.96 7 1.14 1.11
1.04 TOTAL 7.46 5.99 7.34
1.12 Total ^2 55.6516 35.8801 53.8756
1.04
1.02 4. Calcular el estadístico de Prueba
1.02
1.03 0.0184615385
1.03 27.0139795238
0.99 78
1 -77.501280378
1.01
1.02
1.05
1.04 5. Establecer Nivel de significancia e hipotesis:
1.04
1.05 Nivel de significanc0.05
1.03 Hipótesis
1.02 H0: Las cuatro medias de los tratamientos de densidad tienen la misma media
1.08 Ha: Las cuatro medias de los tratamientos de densidad no tienen la misma media
1
1.14
1.07 6.Estadístico Teorico
1.03
1 La región de rechazo para el estadísitoco H con a = 0,05 incl , donde
1.02
0.98 Para el estadístico teorico con el 5% de significancia tenemos que:
0.98
1.08 α 0.05
1 H -77.501280378
1.04
0.91 7.8147279033
1.07
0.94 7.Toma de Decisión
0.93 No hay evidencia suficiente para indicar diferencia en las distribuciones de densidad.
0.95
1.09 Análisis: Se rechaza la hipótesis nula. Las cuatro medias de los tratamientos del densidad n
1.07 suficiente para indicar diferencia en la densidad.
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
GONZALEZ

H DE KRUSKAL-WALLIS
d (g/ml)

T4
1.02 n= 25
1.08
1.05
0.97
1.07

T4
0.97
1.02
1.05
1.07
1.08

T4
0.97
1.02
1.05
1.07
1.08

5.19
26.9361
esta básado en (k-1) = (4-1)=3 grados de libertad.

de densidad.

tamientos del densidad no tienen la misma media. No hay evidencia


RICARDO TORRES

Costo

758 Paso 1: Ordenar los datos u observaciones

939

465

623

247

935

798

871

418

535

812

598 Paso 2: Asignar rangos

623

781 Rangos

1135 1
1074 2

727 3

875 4

600 5

523 6

727 7

556 Total

462 n

703

673 Paso 4: Calcular el estadistico de prueba

839

642 H

871

605 Paso 5: Estadistico teórico

781
816 χt2
1064 α
651
960
497 Prueba
936
748
615 Decisión:
Decisión:
651
892
479
700
394
1073
719
778
1105
1145
708
727
907
681
648
775
491
332
602
841
473
549
917
889
691
585
685
908
466
907
720
576
1127
550
754
642
795
463
433
655
1066
477
746
480
734
245
588
548
694
630
892
859
230
360
738
430
871
626
406
737
951
869
425
419
912
978
806
832
664
670
489
453
415
689
757
444
793
677
843
527
853
759
870
747
363
373
524
799
128
312
712
707
244
970
542
907
890
417
334
1038
1076
889
437
452
568
646
292
709
526
671
774
574
549
467
359
436
716
796
861
314
1113
885
666
757
738
725
771
848
762
699
665
710
401
464
759
594
689
713
695
800
466
563
794
567
468
549
368
784
807
820
791
575
748
339
928
889
735
719
852
936
456
976
713
1032
TORRES

Hipotesis

Ho: Las cuatro medias de los tratamientos del cos

Ha: Las cuatro medias de los tratamientos del cos

T1 T2 T3 T4

589 1065 865 322 Cada estudiante escogerá una de las siguientes
variables y aplicara una prueba KrusKal-Wallis. Cree
una hoja en Excel denominada “muestra”, esta
478 760 935 821 corresponde al muestreo colaborativo realizado en
Fase 2: Muestreo e intervalo de confianza. Además,
cree una nueva hoja denominada “KrusKal-Wallis”,
688 853 535 864 en donde dará solución a la variable seleccionada:
d. Costo
564 872 435 622

805 832 709 653

571 593

500

T1 T2 T3 T4

478 760 435 322


564 832 500 622

571 853 535 653

589 872 593 821

688 1065 709 864

805 865

935

3695 4382 4572 3282 Paso 3: Calcular suma de rangos

23

244631.54151

7.8147279033
5%

Se rechaza Ho

Se rechaza la hipótesis nula. Las cuatro medias de los tratamientos del costo no son
iguales. No hay evidencia suficiente para indicar diferencia en el costo promedio
Se rechaza la hipótesis nula. Las cuatro medias de los tratamientos del costo no son
iguales. No hay evidencia suficiente para indicar diferencia en el costo promedio
Células
somáticas
(células/ml
Hipotesis de leche)

medias de los tratamientos del costo son iguales 1916710

medias de los tratamientos del costo no son iguales 1894066

1885082

gerá una de las siguientes


na prueba KrusKal-Wallis. Cree 1904905
nominada “muestra”, esta
treo colaborativo realizado en
ntervalo de confianza. Además, 1908810
denominada “KrusKal-Wallis”,
ón a la variable seleccionada:
1905622

1896753

1891004

1889448

1880796

1896707

1906409

1922593

1895052

1890772
1895548

1899384

1892666

1916879

1918977

1897206

1916636

1900568

1907543

1895247

1903797

1892422

1901720

1874329

1898944
1912873
1923260
1872578
1917796
1894459
1906925
1913801
1898840
1914676
1891039
1883751
1904646
1907784
1891876
1902717
1915012
1900407
1895759
1904329
1897003
1913629
1884574
1896122
1906653
1897247
1894280
1904886
1895096
1900874
1894218
1918166
1893866
1889643
1900484
1896434
1896398
1901820
1911526
1909623
1881564
1901718
1900464
1900366
1901301
1885066
1910362
1897958
1902978
1913535
1882723
1884950
1902090
1920452
1891966
1899029
1890512
1912151
1907021
1884828
1900214
1899355
1904077
1904145
1897487
1899362
1929059
1888576
1882398
1900947
1917096
1912498
1895404
1918218
1899003
1906653
1890814
1907987
1900048
1881585
1906368
1908727
1912772
1899328
1899505
1894239
1897568
1908680
1896136
1899941
1884375
1921355
1904673
1906545
1901009
1911827
1897337
1904782
1876295
1910533
1903463
1885944
1904170
1901515
1898388
1902306
1926988
1897274
1897790
1897479
1881564
1889071
1893730
1915996
1887797
1915326
1891387
1903316
1910383
1902896
1897865
1892060
1903803
1898445
1888874
1898570
1897156
1881778
1890689
1901186
1913244
1895331
1901982
1905073
1882703
1891882
1904029
1896882
1899800
1896189
1912936
1888728
1910564
1895111
1898115
1889638
1896573
1906340
1906578
1892506
1897997
1901533
1899741
1893381
1911990
1908393
1897500
1904410
1903215
1908771
1895594
1906238
1896840
1904759
1888156
1898965
1903831
1901561
1914780
1893241
1900795
1894708
1892506
KELY JOHANA RAMIREZ

Rangos

Total

Total^2

Estadistico de prueba
H=

Nivel de significancia

Ho=Las tres medias de los tratamientos de las celulas somaticas tienen la misma media

Ha=Las tres medias de los tratamientos de las celulas somaticas no tienen la misma media

La región de rechazo para el estadísitoco H con a=0,05 incluye valores de H ≥ , donde esta básado en (k-1) = (3

Toma de decision
Se rechaza la hipotesis nula

Analisis
con una significancia del 5% se rechaza la hipotesis nula, esto quiere decir que Las tres medias de los tratamientos de las celula
T1 T2 T3

1885082 1892422 1891876

1894066 1895247 1895759 n= 19

1904905 1901720 1897003

1905622 1903797 1900407

1908810 1907543 1902717

1916710 1904329

1913629

1915012

11415195 9500729 15220732

1.30307E+14 9.02639E+13 2.31671E+14


2.1704E+12

0.05

�_𝑎^2=
5.991

H= 2.1704E+12
EJERCICIO IVAN DARIO GOMEZ T

Tipo de leche y Temperatura.

Paso 1: Establecer la prueba de hipotesis


La leche no depende de la temperatura.
versus
la leche depende de de la temperatura

Paso 2: Establecer el nivel de significancia


0.05

Paso 3: Realizar la tabla de contingencia


valores observados
Etiquetas de fila Total general
1 27 50 27 104
2 12 16 6 34
3 9 13 6 28
4 11 19 6 36
Total 59 98 45 202

Paso 4: Calcular los valores esperados de cada celda.


valores esperados

Etiquetas de fila
1 30.3762376238 50.4554455446 23.1683168317
2 9.9306930693 16.495049505 7.5742574257
3 8.1782178218 13.5841584158 6.2376237624
4 10.5148514851 17.4653465347 8.0198019802
Paso 5: Calcular el valor de chi-cuadrado, utilizando la formula

0.38 0.0041
0.43 0.0149
0.08 0.0251
0.02 0.1348

1.09

Paso 6: Calcular el chi-cuadrado teorico

numero de filas 4
numero de columnas 3
grados de libertad 6
0.05
12.5915872437

Paso 7: Regla de decision

El valor calculado es menor que el valor teorico por lo cual se acepta.

CONCLUSION
Con una significacia del 5% se acepta la hipotesis nula, es decir La leche no
depende de la temperatura, ya que el valor calculado es menor que el valor
teorico.
DARIO GOMEZ TIQUE

ura.

otal general Count - Tipo de leche Temperatura


Tipo de leche 1 2 3 Total Result
1 27 50 27 104
2 12 16 6 34
3 9 13 6 28
4 11 19 6 36
Total Result 59 98 45 202
LUIS LEONARDO PINEDA GONZALEZ
RICARDO T

Fosfatasa Prueba de
yodo
2 2
2 1
2 2
2 1
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 1
2 2
2 2
2 2
2 2

2 2
2 2
2 2
2 2
2 1
2 1
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
1 2
1 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
1 2
2 2
2 2
2 1
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
1 2
2 1
1 2
2 2
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 2
1 2
2 2
2 2
2 2
2 2
2 2
1 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
1 2
2 2
2 2
2 2
2 2
1 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 1
2 2
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 1
2 2
2 2
2 1
2 2
2 2
2 2
1 2
2 1
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
1 2
2 2
2 2
2 2
2 2
2 1
2 2
RICARDO TORRES

FREC. OBSERVADA Almidones presentes.


Presencia de fosfatasa. 0
Ausencia de fosfatasa. 11
Total 11
0.0544554455

Variable 1: Presencia ó Asusencia de Fostafasa.


Variable 2: Almidones presentes ó no presentes.

Paso 1: Prueba de Hipotesis


Hipotesis
Ho: Las variables Fosfatasa y prueba de yodo son dependientes.
Ha: Las variables Fosfatasa y prueba de yodo son independientes.

Paso 2: Estadistico de prueba


α 5%
Chi-cuadrado prueba 0.1265749957
Grados de libertad 1
P 0.7220099727
χt2 3.8415

Paso 3: Toma de decisión


Prueba Se acepta la Ho

Conclusión Las variables Fosfatasa y prueba de


Se prueba dependencia entre
Almidones no presentes. Total FREC. ES AlmidonesAlmidones
20 20 Presencia 1.1 18.9
171 182 Ausencia d 9.9 172.1
191 202 Total 11 191
0.9455445545

Cada estudiante
escogerá uno de los
siguientes puntos y
determinara si las
variables son
independientes. Cree
una hoja en Excel
denominada
“muestra”, esta
corresponde al
muestreo colaborativo
realizado en Fase 2:
Muestreo e intervalo
de confianza. Además,
cree una nueva hoja
denominada
“Contingencia”, en
donde dará solución al
ítem seleccionado:
d. Fosfatasa y prueba de
yodo

Fosfatasa y prueba de yodo son dependientes.


eba dependencia entre las dos variables.
KELY JOHANA RAMI

Determinar si la satisfaccion depende

Total Paso 1: Establecer la prueba de hipotesis


20 �_0 La satisfaccion no depende de la temperatura de recepcion
182 versus
�_1
202 La satisfaccion depende de la temperatura de recepcion

Paso 2: Establecer el nivel de significancia


� 0.05

Paso 3: Realizar la tabla de contingencia


valores observados
Cuenta de Satisfacción Etiquetas de columna
Etiquetas de fila muy satisfecho
inferior a 10º 19
superior a 10º 8
Total general 27

Paso 4: Calcular los valores esperados de cada celda.


valores esperados
Cuenta de Satisfacción Etiquetas de columna

Etiquetas de fila muy satisfecho


inferior a 10º 21.6534653465
superior a 10º 5.3465346535

Paso 5: Calcular el valor de chi-cuadrado, utilizando la formula


0.3251617343
1.3169050238

Χ_𝑐^2 4.6274477114

Paso 6: Calcular el chi-cuadrado teorico

numero de filas 2
numero de columnas 5
grados de libertad 4
� 0.05
Χ_�^2 9.4877290368

Paso 7: Regla de decision

CONCLUSION

con una significancia del 5%, se acepta la hipotesis nula, es decir, la satisfaccion no depende del tipo
OHANA RAMIREZ

atisfaccion depende de la temperatura de recepcion

recepcion

epcion

vados

satisfecho aceptable poco satisfecho nada satisfecho Total general


129 7 5 2 162
28 1 1 2 40
157 8 6 4 202 Count - Satis
Temperatura
1
2
Total Result

ados

satisfecho aceptable poco satisfecho nada satisfecho


125.9108911 6.415841584 4.8118811881 3.2079207921
31.08910891 1.584158416 1.1881188119 0.7920792079
0.075788471 0.053187263 0.0073544391 0.4548343723
0.306943306 0.215408416 0.0297854785 1.8420792079

cion no depende del tipo de satisfaccion


Satisfacción
1 2 3 4 5 Total Result
19 129 7 5 2 162
8 28 1 1 2 40
27 157 8 6 4 202
CONCLUSIONES

Conclusiones inferenciales:

La prueba Chi - Cuadrado y la de Kolmogorov - Smirnov dilucidan que los datos de la m

Con la prueba de Kruskall Wallis se sacan observaciones de la muestra para estimar si l

Con la prueba de contingencia se estima que existe dependencia entre las variables de p
SIONES

nov dilucidan que los datos de la muestra no siguen una distribución normal.

nes de la muestra para estimar si las medias de estas concuerdan. Se estima que no son iguales, lo que significa que existen variación de esto

pendencia entre las variables de prueba de yodo y las de Fosfatasa.


ifica que existen variación de estos.
REFERENCIAS

Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la


psicología. México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 73-76.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=74&docID=

Sánchez, J. T. (2017). 212064 OVI3 pruebas no paramétricas [OVI]. Colombia. Rec


de http://hdl.handle.net/10596/10538

Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia


estadística: teoría y problemas (2a. ed.). Madrid, ESPAÑA: Servicio de
Publicaciones de la Universidad de Cádiz. pp. 107-124. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=144&docID=

Güeto, L. R. (2018). Base de datos Inferencia Estadística_474.xls. Colombia.Recu


de https://docs.google.com/spreadsheets/d/1_Y0fd_J34NNICb6cnZyPdH9Pk1yy4s

Sánchez, J. T. (2017). Formato_Ejemplo Paso 4-Pruebas no


paramétricas.xlsx. Colombia. Recuperado de
https://drive.google.com/file/d/0B1mha95hD80CTWhUOGRNS01yS1k/view?usp=s

Sánchez, J. T. (2017). Formato_Ejemplo_Prueba de rango con signo de Wilcoxon


de https://drive.google.com/file/d/0B1mha95hD80CUXJvVXdDY0J1U0U/view?usp

Sánchez, J. T. (2017). Prueba Chi Cuadrado [Archivo de video]. Recuperado de


https://youtu.be/JIgQ90EPZrA

Sánchez, J. T. (2017). Prueba kolmogorov smirnov (Parte I) [Archivo de video]. Re


https://youtu.be/PEKDpacGIj4

Sánchez, J. T. (2017). Prueba kolmogorov smirnov (Parte II) [Archivo de video]. Re


https://youtu.be/SRSNv4cZHr0

Sánchez, J. T. (2017). H Kruskal Wallis_Parte II [Archivo de video]. Recuperado de


https://youtu.be/_0Hdd5jtzWc

Sánchez, J. T. (2017). H Kruskal Wallis_Parte I [Archivo de video]. Recuperado de


https://youtu.be/_OmtEfIK14w
stica a la
pp. 73-76.

ction?ppg=74&docID=10902747&tm=1498265581473

s [OVI]. Colombia. Recuperado

Servicio de
uperado de
ction?ppg=144&docID=11245681&tm=1498266131704

74.xls. Colombia.Recuperado
Cb6cnZyPdH9Pk1yy4sCKD3HAk91zSyc/edit#gid=805947158

NS01yS1k/view?usp=sharing

con signo de Wilcoxon.xlsx. Colombia. Recuperado


dDY0J1U0U/view?usp=sharing

deo]. Recuperado de

[Archivo de video]. Recuperado de

[Archivo de video]. Recuperado de

video]. Recuperado de

ideo]. Recuperado de