ESCUELA SUPERIOR POLITCNICA DE CHIMBORAZO ESPOCH

ESCUELA DE INGENIERIA DE EMPRESAS, MODALIDAD FORMACIN DUAL

Nombre: Andrea Elizabeth Quijano Mrmol

EJERCICIOS
1.

Un criador de pollos sabe por experiencia que el peso de los pollos de

cinco meses es 4,35 libras. Los pesos siguen una distribucin normal.
Para tratar de aumentar el peso de dichas aves se le agrega un aditivo
al alimento. En una muestra de pollos de cinco meses se obtuvieron los
siguientes pesos (en libras).
4,41

4,37

4,33

4,35

4,30

4,39

4,36

4,38

4,40

4,39
En el nivel 0,01, el aditivo a ha aumentado el peso medio de los pollos?

RESOLUCION:
- Ingresamos los datos en el software
peso <- sqlQuery(channel = 1, select * from [pollos$])
names(peso) <- make.names(names(peso))
library(abind, pos=4)
library(e1071, pos=4)
numSummary(peso[,"Peso..libras."], statistics=c("mean", "sd", "cv"), quantiles=c(0,
.25,.5,.75,1))

mean
4.368

sd
0.03392803

cv %

0.007767406 0 10

Plateamiento de hipotesis:

numSummary(peso[,"Peso..libras."], statistics=c("mean", "sd", "cv"), quantiles=c(0,

.25,.5,.75,1))
t.test(peso$Peso..libras., alternative='greater', mu=4.35, conf.level=.99)

One Sample t-test

data: peso$Peso..libras.
t = 1.6777, df = 9, p-value = 0.06386
alternative hypothesis: true mean is greater than 4.35
99 percent confidence interval:
4.337729

Inf

sample estimates:
mean of x
4.368

- Visualizacin de las grficas

plot(.x, dnorm(.x, mean=34.5, sd=0.03392803), xlab="x", ylab="Density",
main=paste("Normal Distribution: Mean=34.5, Standard deviation=0.03392803"),
type="l")
abline(h=0, col="gray")
remove(.x)

plot(.x, pt(.x, df=9), xlab="x", ylab="Cumulative Probability", main=paste("t

Distribution: Degrees of freedom=9"),
type="l")
abline(h=0, col="gray")
remove(.x)

- Toma de decision
Como t calculado igual a 1,68 es menor a t de tablas igual a 2,821 se acepta la
hiptesis nula y se rechaza la alternativa, entonces se concluye que el aditivo no
aumenta el peso medio de los pollos en 4,35

2.

Una empresa que se dedica a hacer en cuestas se queja de que un

agente realiza en promedio 53 encuestas por semana. Se ha introducido
una forma ms moderna de realizar las encuetas y la empresa quiere
evaluar su efectividad. Los nmeros de encuestas realizadas en una
semana por una muestra aleatoria de agentes son:
53

57

51

59

50

55

58

54

60

52

59

62

60

60

En el nivel de significancia 0,05, puede concluirse que la cantidad media

de entrevistas realizadas por los agentes es superior a 53 por semana?

RESOLUCION:
- Ingresamos los datos en el software
Encuestas <- sqlQuery(channel = 2, select * from [ENCUESTAS$])
names(Encuestas) <- make.names(names(Encuestas))
library(abind, pos=4)
library(e1071, pos=4)
numSummary(Encuestas[,"X..de.encuestas"],
quantiles=c(0,
.25,.5,.75,1))

statistics=c("mean",

"sd",

"cv"),

mean
56.42857

sd
3.877237

cv %

0.06871053 0 14

Plateamiento de hipotesis:

names(Encuesta) <- make.names(names(Encuesta))

t.test(Encuesta$X..de.encuestas, alternative='greater', mu=53.0, conf.level=.95)

One Sample t-test

data: Encuesta$X..de.encuestas
t = 3.3087, df = 13, p-value = 0.002826
alternative hypothesis: true mean is greater than 53
95 percent confidence interval:
54.59347

Inf

sample estimates:
mean of x
56.42857

- Visualizacin de las grficas

plot(.x, dnorm(.x, mean=56.42857, sd=3.877237), xlab="x", ylab="Density",
main=paste("Normal

Distribution:

Mean=56.42857,

deviation=3.877237"),
type="l")
abline(h=0, col="gray")
remove(.x))

Standard

plot(.x, pt(.x, df=13), xlab="x", ylab="Cumulative Probability", main=paste("t

Distribution: Degrees of freedom=13"),
type="l")
abline(h=0, col="gray")
remove(.x)

- Toma de decision
Como t calculado igual a 3,31 es mayor a t de tablas igual a 1,77 se acepta la
hiptesis nula y se rechaza la alternativa, se concluye que la cantidad media de las
entrevistas realizadas por los agentes a 53 por semana.
3.

Las puntuaciones en un test que mide la variable creatividad siguen, en la poblacin

general de adolescentes, una distribucin Normal de media 11,5. En un centro
escolar que ha implantado un programa de estimulacin de la creatividad una
muestra de 30 alumnos ha proporcionado las siguientes puntuaciones:
11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17,

8,

23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.

A un nivel de confianza del 95% Puede afirmarse que el programa es efectivo?
(prueba t, contraste media de una poblacin)

RESOLUCION:
- Ingresamos los datos en el software
Puntuaciones <- sqlQuery(channel = 2, select * from [PUNTUACIONES$])
library(abind, pos=4)
library(e1071, pos=4)
numSummary(Puntuaciones[,"Puntuaciones"],
quantiles=c())

statistics=c("mean",

"sd",

"cv"),

mean

sd

12.46667 5.309285

cv %

0.4258785 0 30

Plateamiento de hipotesis:

t.test(Puntuaciones$Puntuaciones, alternative='greater', mu=11.5, conf.level=.95)

One Sample t-test

data: Puntuaciones$Puntuaciones
t = 0.9972, df = 29, p-value = 0.1634
alternative hypothesis: true mean is greater than 11.5
95 percent confidence interval:
10.81964

Inf

sample estimates:
mean of x
12.46667

- Visualizacin de las grficas

plot(.x, dnorm(.x, mean=12.46667, sd=5.309285), xlab="x", ylab="Density",
main=paste("Normal

Distribution:

Mean=12.46667,

deviation=5.309285"),
type="l")
abline(h=0, col="gray")
remove(.x)

Standard

plot(.x, pt(.x, df=29), xlab="x", ylab="Cumulative Probability", main=paste("t

Distribution: Degrees of freedom=29"),
type="l")
abline(h=0, col="gray")
remove(.x)

- Toma de decision
Como t calculado igual a 0,9972 es menor a t de tablas se acepta la hiptesis nula y
se rechaza la alternativa, se concluye que no hay evidencia de que el programa sea
efectivo.

4.

Las notas obtenidas en Anlisis de Datos de 5 individuos elegidos al azar del grupo
T1 y de 6 individuos, elegidos tambin al azar, del grupo T2 son las siguientes:
T1
T2

10
4

6
8

4
6

5
6

4
2

Puede concluirse a un nivel de confianza del 95% que las puntuaciones medias de
ambos grupos son iguales? o por el contrario que hay diferencia entre ambas. (Diferencia
de medias para poblaciones independientes)

RESOLUCION:
- Ingresamos los datos en el software

Notas <- sqlQuery(channel = 4, select * from [NOTAS $])

numSummary(Notas[,c("T1", "T2")], statistics=c("mean", "sd", "cv"), quantiles=c())

mean

sd

cv %

T1 5.800000

2.489980

0.4293069 0

T2 4.833333

2.228602

0.4610901 0

Plateamiento de hipotesis:

numSummary(Notas[,c("T1", "T2")], statistics=c("mean", "sd", "cv"), quantiles=c())

t.test(Notas$T1, Notas$T2, alternative='two.sided', conf.level=.95, paired=TRUE)

Paired t-test
data: Notas$T1 and Notas$T2
t = 0.3906, df = 4, p-value = 0.716
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-3.665256 4.865256
sample estimates:
mean of the differences
0.6

- Visualizacin de las grficas

plot(.x,

dbinom(.x,

size=6,

prob=0.5),

xlab="Number

of

Successes",

ylab="Probability
Mass", main="Binomial Distribution:

Binomial trials=6, Probability of

success=0.5",
type="h")
points(.x, dbinom(.x, size=6, prob=0.5), pch=16)
abline(h=0, col="gray")
remove(.x)

- Toma de decision
Como t calculado igual a 0,3906 es menor a t de tablas igual a 2,57 se acepta la
hiptesis nula y se rechaza la alternativa, concluyndose que no hay diferencia entre
las medias de los dos grupos es decir que son iguales.

5.

Para comprobar la utilidad de una tcnica de enriquecimiento motivacional un

investigador pasa una prueba de rendimiento acadmico a una muestra de 16
sujetos. Despus aplica su tcnica de enriquecimiento y tras ello, vuelve a pasar la
prueba de rendimiento. Los resultados fueron los siguientes:

ANTES
DESPUS

12 14
9 16

11
23

16
21

6
17

11
10

9
14

10 10
8 11

19
12

12
19

17
16

8
16

13
13

12
17

A un nivel de confianza del 95%, Podemos rechazar que los rendimientos acadmicos son
iguales antes que despus frente a la alternativa de que se produce una mejora?
(comparacin para muestras relacionadas).

11
12

RESOLUCION:
- Ingresamos los datos en el software

numSummary(Rendimiento[,c("ANTES", "DESPUES")], statistics=c("mean", "sd",

"cv"), quantiles=c(0,.25,.5,.75,1))

mean

sd

cv %

ANTES 12.00000

3.443420

0.2869517 0 15

DESPUES 14.93333

4.199773 0.2812348 0 15

Plateamiento de hipotesis:

t.test(Rendimiento$ANTES, Rendimiento$DESPUES, alternative='two.sided',

conf.level=.95,
paired=TRUE)

Paired t-test
data: Rendimiento$ANTES and Rendimiento$DESPUES
t = -3.3718, df = 14, p-value = 0.004562
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-4.799206 -1.067461
sample estimates:
mean of the differences
-2.933333

- Visualizacin de las grficas

0.10
0.00

0.05

Probability Mass

0.15

0.20

Binomial Distribution: Binomial trials=14, Probability of success=0.5

10

12

Number of Successes

- Toma de decision
Como t calculado igual a 0,3906 es menor a t de tablas igual a 2,57 se acepta la
hiptesis nula y se rechaza la alternativa, concluyndose que no hay diferencia entre
las medias de los dos grupos es decir que son iguales

6.

En una investigacin sociolgica se efecta una determinada pregunta a 70

personas, respondiendo todas ellas si o no. De estas respuestas, 49 son
afirmativas y 21 negativas. Puede afirmarse, al nivel de significacin del 5 %
que la poblacin se halla igualmente repartida en orden a su opinin sobre la
pregunta formulada? (prueba chi)

RESOLUCION:

> pchisq(c(49), df=69, lower.tail=FALSE)

[1] 0.9673895

> pchisq(c(21), df=69, lower.tail=FALSE)

[1] 1

0.020
0.000

0.010

Density

0.030

ChiSquared Distribution: Degrees of freedom=69

40

60

80

100

7.

Al nivel de significacin del 5 %, contrastar la hiptesis de que una moneda est

bien construida, sabiendo que los resultados obtenidos en 100 lanzamientos
fueron: cara 47 veces, cruz 53 veces. (prueba chi)

RESOLUCION:

> pchisq(c(47), df=99, lower.tail=FALSE)

[1] 0.999998

> pchisq(c(53), df=99, lower.tail=FALSE)

ChiSquared Distribution: Degrees of freedom=99

0.015
0.010
0.005
0.000

Density

0.020

0.025

[1]0.99995

60

80

100

120
x

140