INFERENCIA ESTADÍSTICA (212064)

Fase 3 - Prueba de hipótesis y ANOVA

Presentado por: Ledherzon Contreras Pinto

Codigo: 1.122.647.465

Grupo: 118

Presentado a: Julian Andres Rozo Gomez

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2020
 TIPO DE MUESTREO: Sis

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un núme

formar parte de la mue

Características:
1) Una lista completa de la población
2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

K= 6
N= 2950
n= 487
K= 6.06 se redondea

K= Seleccione la muestra cada 31 elementos

Alea= Se escoge un número aleatorio entre 1 y K.
Fijo= Copie y pegue el número aleatorio como valor pa

1) Rellene una columna que empiece desde 1 hasta n

2) Luego, empieze la 2da columna con el número que encontró e

LISTO! Esta es la lista de personas que van a conformar su mue

3) Copie y pegue los nombres de las variables de la población

4) Use la función =BUSCARV(C36;Población!$A$6:$Q$918;2;0)

elementos que va a incluir en la muestra. El número 2, correspo

TOMA Elemento
CANTIDAD
MUESTRA
vendido Tipo de articulo
6 35 35 3
10 59 59 3
11 65 65 3
14 83 83 3
16 95 95 3
18 107 107 3
22 131 131 3
33 197 197 3
39 233 233 3
41 245 245 3
43 257 257 3
45 269 269 3
50 299 299 3
52 311 311 3
78 467 467 3
81 485 485 3
82 491 491 3
98 587 587 3
102 611 611 3
109 653 653 3
111 665 665 3
124 743 743 3
128 767 767 3
129 773 773 3
130 779 779 3
133 797 797 3
135 809 809 3
136 815 815 3
141 845 845 3
143 857 857 3
149 893 893 3
152 911 911 3
154 923 923 3
155 929 929 3
156 935 935 3
161 965 965 3
165 989 989 3
170 1019 1019 3
172 1031 1031 3
178 1067 1067 3
184 1103 1103 3
186 1115 1115 3
193 1157 1157 3
194 1163 1163 3
213 1277 1277 3
214 1283 1283 3
221 1325 1325 3
225 1349 1349 3
227 1361 1361 3
228 1367 1367 3
241 1445 1445 3
245 1469 1469 3
250 1499 1499 3
251 1505 1505 3
257 1541 1541 3
259 1553 1553 3
283 1697 1697 3
298 1787 1787 3
306 1835 1835 3
329 1973 1973 3
332 1991 1991 3
335 2009 2009 3
343 2057 2057 3
346 2075 2075 3
348 2087 2087 3
355 2129 2129 3
357 2141 2141 3
361 2165 2165 3
364 2183 2183 3
365 2189 2189 3
368 2207 2207 3
381 2285 2285 3
390 2339 2339 3
409 2453 2453 3
411 2465 2465 3
415 2489 2489 3
416 2495 2495 3
418 2507 2507 3
419 2513 2513 3
421 2525 2525 3
423 2537 2537 3
425 2549 2549 3
426 2555 2555 3
427 2561 2561 3
431 2585 2585 3
433 2597 2597 3
435 2609 2609 3
451 2705 2705 3
456 2735 2735 3
464 2783 2783 3
465 2789 2789 3
471 2825 2825 3
485 2909 2909 3
PO DE MUESTREO: Sistemático

aleatoriamente un número i, que designará, en una lista o población de N elementos, al primero que va a
formar parte de la muestra.

e la población)

ada 31 elementos
eatorio entre 1 y K.
o aleatorio como valor para que no este cambiando

sde 1 hasta n

l número que encontró entre 1 y K, es decir el que corresponde al valor fijo

van a conformar su muestra, recuerde que es importante mantener la constante K

iables de la población

ción!$A$6:$Q$918;2;0) esto es para que no tenga que pasar manualmente la información de los 261
a. El número 2, corresponde a la columna de la variable, en este caso Municipio

Vida util del producto Precio de

(meses) Precio de costo Probabilidad de defecto venta
48 14000 3.37 25000
60 18300 1.53 36000
36 24000 1.85 36000
18 5400 1.33 18000
60 14000 3.24 25000
36 24000 2.25 42000
36 24000 3.11 36000
36 18300 2.56 36000
60 14000 3.97 25000
36 18300 1.49 36000
48 24000 1.14 47000
18 14000 1.32 21000
18 24000 2.47 36000
60 18300 3.91 36000
36 18300 1.01 36000
60 5400 1.62 12000
36 14000 3.83 25000
48 18300 3.61 36000
48 5400 1.39 12000
18 18300 1.94 36000
36 5400 3.51 18000
18 5400 2.86 12000
18 5400 3.98 12000
36 18300 2.35 33000
48 18300 1.22 36000
12 5400 2.94 12000
36 14000 1.25 25000
12 14000 2.51 20000
48 5400 2.22 12000
60 5400 2.42 12000
36 24000 2.44 36000
18 14000 2.89 25000
12 24000 3.05 36000
36 5400 2.06 12000
12 14000 2.73 25000
36 18300 1.78 33000
36 14000 1.30 25000
12 24000 1.51 36000
36 24000 1.64 36000
48 14000 2.46 25000
36 14000 2.34 25000
36 24000 2.59 41000
36 5400 2.51 18000
48 18300 1.48 33000
48 5400 1.91 15000
60 5400 3.62 12000
36 14000 1.17 25000
36 14000 1.88 21000
18 5400 2.00 15000
48 14000 2.47 25000
60 14000 2.28 25000
48 5400 2.96 12000
36 5400 3.06 18000
36 24000 2.93 45000
18 14000 1.85 21000
36 24000 2.05 36000
36 5400 1.11 12000
36 18300 2.82 36000
36 5400 3.35 18000
36 18300 2.60 36000
18 24000 3.42 36000
18 5400 2.49 12000
60 5400 1.01 12000
36 14000 1.38 25000
18 24000 2.33 36000
36 18300 2.96 36000
36 24000 2.28 36000
36 24000 2.50 36000
36 5400 1.02 18000
18 5400 1.01 18000
36 14000 3.24 25000
36 18300 1.19 36000
48 5400 2.97 12000
36 18300 1.25 36000
60 18300 1.56 36000
48 24000 3.08 36000
18 18300 1.63 36000
18 18300 1.09 36000
12 24000 3.33 36000
36 5400 2.01 18000
60 14000 2.41 25000
36 18300 1.62 36000
36 18300 1.86 36000
60 24000 1.35 47000
36 18300 3.27 36000
12 24000 3.07 42000
48 14000 3.80 25000
36 18300 1.77 36000
60 5400 2.46 12000
18 18300 2.48 36000
60 14000 3.30 25000
48 18300 1.27 36000
12 24000 2.06 47000
 Nota: Solo se emplea este muestreo para n<50%, si n>50% se debe de
aleatorio simple.

Precio del
Precio de impuesto envío Género de cliente
4400 6000 1
4400 6000 1
7300 6000 2
2800 6000 2
3700 6000 1
7300 6000 2
7300 6000 1
4400 6000 2
4400 6000 2
5200 6000 1
7300 6000 1
3300 6000 2
7300 6000 2
6200 6000 1
5000 6000 2
2200 6000 1
4400 6000 2
6200 6000 2
2100 6000 1
6000 6000 2
3600 6000 2
1900 6000 2
1600 6000 1
5300 6000 1
5000 6000 2
1700 6000 2
4700 6000 2
3600 6000 1
2300 6000 2
1900 6000 1
7300 6000 1
3600 6000 2
7300 6000 1
2100 6000 2
4400 6000 2
5200 6000 2
4000 6000 1
7300 6000 2
7700 6000 1
4700 6000 1
3600 6000 1
6200 6000 2
3000 6000 1
5300 6000 2
2400 6000 2
1700 6000 2
4400 6000 1
3300 6000 1
2500 6000 2
4300 6000 1
3600 6000 2
1600 6000 2
3600 6000 2
7300 6000 2
3600 6000 2
7300 6000 1
2100 6000 1
6000 6000 1
3600 6000 1
4400 6000 2
6200 6000 2
2200 6000 1
1900 6000 2
4000 6000 2
7300 6000 2
6200 6000 2
7700 6000 1
7700 6000 1
3600 6000 2
3000 6000 1
4300 6000 1
6200 6000 2
2300 6000 1
6200 6000 2
4400 6000 1
6900 6000 2
5200 6000 2
5200 6000 1
7300 6000 1
3600 6000 2
4400 6000 2
6200 6000 1
5200 6000 2
7300 6000 2
5200 6000 2
7300 6000 1
3600 6000 2
5200 6000 2
1900 6000 1
6000 6000 2
3600 6000 1
5200 6000 2
7300 6000 1
reo para n<50%, si n>50% se debe de proceder a realizar un muestreo
aleatorio simple.

Portal de Probabilidad de
Edad del cliente Satisfacción compra volver a comprar
50 2 3 2
25 2 4 1
18 1 5 2
45 2 2 2
47 2 4 1
42 3 3 1
49 3 1 2
23 4 1 2
47 1 5 1
46 1 2 1
24 1 5 1
25 1 5 2
38 2 5 1
31 4 4 2
44 3 3 1
43 3 4 1
29 2 4 1
21 2 5 2
32 2 4 1
34 4 2 2
21 1 5 1
49 2 3 1
29 4 2 2
40 3 2 1
25 3 1 1
37 3 4 1
54 4 2 2
25 2 4 2
52 3 1 2
47 1 5 1
33 2 4 1
41 3 5 1
18 2 4 1
22 4 3 2
50 2 2 1
18 4 5 1
33 2 1 2
28 4 2 2
29 2 4 1
51 1 3 2
18 4 4 1
44 3 5 2
53 1 4 2
35 1 4 2
21 1 4 1
33 2 4 1
53 1 1 1
42 3 4 1
28 1 5 1
48 4 2 2
32 3 2 2
38 2 2 1
31 2 3 2
47 4 2 1
55 4 4 2
28 4 1 1
21 3 1 2
21 4 4 1
23 2 4 1
36 1 1 2
43 1 1 1
26 2 5 1
40 2 5 1
42 1 2 2
45 4 1 1
24 4 5 1
29 4 5 1
20 3 1 1
24 4 4 1
48 4 4 1
45 2 3 1
22 4 2 2
30 4 2 2
35 2 2 2
51 2 2 2
39 4 3 1
44 1 3 2
27 3 2 1
40 1 4 1
30 3 4 2
26 1 3 2
50 2 5 2
49 2 2 1
37 4 2 1
45 3 3 2
42 2 1 1
42 2 3 2
39 3 4 1
37 2 5 2
31 3 1 1
28 2 4 2
35 2 1 2
34 3 1 1
Utilidad del Recomendación
producto del producto
1 2
3 3
2 1
1 2
3 2
3 1
4 3
4 1
2 2
2 2
4 1
2 3
2 3
3 3
4 2
4 3
1 3
2 1
2 3
3 3
4 3
3 1
4 2
3 3
2 2
1 3
1 2
4 3
2 2
4 1
3 3
1 3
4 3
3 1
1 1
3 3
4 3
4 2
2 3
4 1
3 1
3 3
3 1
3 1
2 2
3 3
1 3
3 3
1 3
4 2
4 1
2 2
1 3
1 1
1 1
2 3
3 3
1 3
1 1
1 1
4 2
2 2
4 3
4 1
2 3
4 3
1 3
3 3
4 2
1 1
2 2
4 3
2 2
1 3
3 2
3 2
3 2
4 3
2 3
4 3
4 3
4 3
1 1
1 2
1 3
2 1
1 3
4 3
2 2
1 2
1 2
2 2
4 2
https://cmapscloud.ihmc.us:443/rid=1W94B887G-6NVH7J-4DJ/Fase%203%
B887G-6NVH7J-4DJ/Fase%203%20Inferencia%20Estadistica.cmap
 Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Media Muestral promedio= 34.94
Desviación estandar= 15.25
Promedio de la variable X= 40
Paso 1: Describir la hipótesis

H0: Si la media de vida útil del tipo de artículo Hogar es mayor o igual a 40 meses.

H1: Si la media de vida útil del tipo de artículo Hogar es menor a 40 meses.

Escrito en forma simbólica:

H0 : µ ≥ 40
H1: µ < 40
(Prueba Unilateral izquierda)

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a= 0.05

Paso 3: Estadístico de prueba (o calculado)

𝒁_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙 ̅−
𝝁)/(𝒔/√𝒏)

Zprueba= -7.32

Paso 4: Estadístico teórico

Zteórico= -1.645 1.645

Paso 5: Tomar la decisión

Se rechaza la hipótesis nula (Ho) porque el valor de Zprueba es menor a Z teórico

Se rechaza la hipótesis nula (Ho) porque el valor de Zprueba es menor a Z teórico

Conclusión:

la media de vida útil del tipo de artículo Hogar es menor a 40 meses

potesis

A. Una PH para probar si la media de vida útil del tipo de ar

mayor o igual a 40 meses. (Prueba unilateral izqu

ayor o igual a 40 meses.

enor a 40 meses.

nilateral izquierda)

se va a trabajar

p-valor = 0
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
de Zprueba es menor a Z teórico
de Zprueba es menor a Z teórico

menor a 40 meses
a media de vida útil del tipo de artículo Hogar es
0 meses. (Prueba unilateral izquierda)
Tabla de distribucion normal
 Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Cantidad del filtro = 133
(p) % = 27%
(P) Proporción= 30%
Paso 1: Describir la hipótesis
H0: número de artículos vendidos con satisfacción “muy satisfecho” es menor o igual al 30%
H1: número de artículos vendidos con satisfacción “muy satisfecho” es mayor al 30%

Escrito en forma simbólica:

H0 : P ≤ 30
H1: P > 30 (Prueba Unilateral derecha)

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a =0.05

Paso 3: Estadístico de prueba (o calculado)

Proporción de la
p- P muestra
Zprueba = Proporción
P(1- P) Poblacional

Zprueba= -1.30

Paso 4: Estadístico teórico (tablas)

Zteórico= 1.645

Paso 5: Tomar la decisión

Se acepta la H0 porque Zprueba es menor que Zteorico y al realizar la grafica, se ubica en la zona
sombreada.

Conclusión:

número de artículos vendidos con satisfacción “muy satisfecho” es menor o igual al 30%
 Una PH para la proporción, para probar si el número de artículos vendid
satisfacción “muy satisfecho” es mayor al 30%. (Prueba Unilateral der

s menor o igual al 30%

s mayor al 30%

teral derecha)

27%
30%

p-valor = 0.9
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒

𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
grafica, se ubica en la zona

nor o igual al 30%

 el número de artículos vendidos con
al 30%. (Prueba Unilateral derecha)
4.22
 Fase 3 Pruebas de Hipotesis

Datos
Edad de Clientes
36.88501
MEDIAS MUESTRALES
Tipo de Articulo Deportivo Tipo de Articulo de Vestuario

Media muestral= 2.991786447639 Media Muestral=

Desviación muestral= 1.4083577292 Desviación Muestral =
Tamaño de muestra( n1)= 106 Tamaño de muestra(n2)=

El promedio de edad de clientes para el tipo de articulo deportivo es igual al tipo de articulo de
H0: vestuario.

El promedio de edad de clientes para el tipo de articulo deportivo no es igual al tipo de articulo de
Ha: vestuario.

Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2

Donde
BILATERAL
𝜇_1: Tipo de articulo deportivo
𝜇_2: Tipo de articulo de vestuario

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a = 0.05

Paso 3: Estadístico de prueba (o calculado)

Zprueba= -184.20

Paso 4: Estadístico teórico (tablas)

Zteórico= -1.64485363 1.644853627

Paso 5: Tomar la decisión

Con una significancia del 5%, se acepta Ho, ya que Zprueba es menor que Zteorico, ademas, y esta en la zona de
aceptación.
Conclusión:
El promedio de edad de clientes para el tipo de articulo deportivo es igual al tipo de articulo de vestuario.
 a. Una PH para la diferencia de medias, para probar que el promedio de e
clientes para el tipo de articulo deportivo es igual al tipo de articulo de ves
(Prueba bilateral)

po de Articulo de Vestuario

2.96781115879828
1.40851265057967
93

tivo es igual al tipo de articulo de

tivo no es igual al tipo de articulo de

ATERAL

p-valor = 0.904
α= 0.05

𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎

𝐻_0
ico, ademas, y esta en la zona de 𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0

o de articulo de vestuario.
 a probar que el promedio de edad de
s igual al tipo de articulo de vestuario.
ateral)
 Fase 3 Pruebas de Hipotesis
Datos

n1= 113 n2 = 86

DEPARTAMENTO 1, NIVEL "SATISFECHO" DEPARTAMENTO 3, NIVEL "SATISFECHO"

X1= 26 X2= 18
P1= 23% P2= 21%
Proporción Ponderada Pc
PC= 22%
1-PC= 78%

Paso 1: Describir la hipótesis

El número de artículos calificados de utilidad “muy útil” de tipo hogar es menor o igual al tipo de
Ho: articulo de accesorios tecnológicos.

Ha:
El número de artículos calificados de utilidad “muy útil” de tipo hogar es mayor al tipo de articulo de
accesorios tecnológicos.

Escrito en forma simbólica:

Ho : P1 <= P2
Ha: P1 > P2

Donde
(Prueba Unilateral derecha)
P1: Tipo de articulo Hogar
P2: Tipo de articulo accesorios
Tecnologicos

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a = 0.05

Paso 3: Estadístico de prueba (o calculado)

P1 - P2
Zprueba =
PC (1- PC ) PC (1- PC )
+
n1 n2

Zprueba= 0.02 =
0.059385060295374
Paso 4: Estadístico teórico (tablas)

Zteórico= -1.645 1.645

Paso 5: Tomar la decisión

Como p-valor es mayor a 0.05 se rechaza Ho

Conclusión:

El número de artículos calificados de utilidad “muy útil” de tipo hogar es mayor al tipo de articulo de
accesorios tecnológicos
 a. Una PH para la diferencia de proporciones, para probar que el nú
TOTAL artículos calificados de utilidad “muy útil” de tipo hogar es mayor al tip
de accesorios tecnológicos. (Prueba unilateral derecha).
199

PARTAMENTO 3, NIVEL "SATISFECHO"

tipo hogar es menor o igual al tipo de

tipo hogar es mayor al tipo de articulo de

a Unilateral derecha)

jar

0.350023556268833
p-valor = 0.36
 α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
echaza Ho
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0

gar es mayor al tipo de articulo de

ones, para probar que el número de
tipo hogar es mayor al tipo de articulo
ueba unilateral derecha).
 a. Evaluar si el “precio de venta” depende del “tipo de artículo”. La orga

Tipo de artículo Hogar

Precio de venta de artículo 1
Precio de venta de artículo 2
Precio de venta de artículo 3
Precio de venta de artículo 4
Precio de venta de artículo 5

Paso 1: Describir la hipótesis

H0: El ''Precio de Venta'' depende del ''tipo de articulo''

H1: El ''Precio de Venta'' no depende del ''tipo de articulo''

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a = 0.05

Paso 3: Estadístico de prueba F (o calculado)

Tipo de artículo 1
Observación 1 36000
Observación 2 18000
Observación 3 36000
Observación 4 25000
Observación 5 25000

Análisis de varianza de un factor

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta
Tipo de artículo 1 5
Tipo de artículo 2 5
Tipo de artículo 3 5

ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados
Entre grupos 83333333.333333
Dentro de los grupos 1232000000
Total 1315333333.33333

Paso 5: Tomar la decisión

El estadistico de puueba F es menor al valor critico, por tanto, se acepta la Ho

 depende del “tipo de artículo”. La organización de los datos a trabajar debe ser así:

Tipo de artículo Belleza Tipo de artículo Vestuario

Precio de venta de artículo 6 Precio de venta de artículo 11
Precio de venta de artículo 7 Precio de venta de artículo 12
Precio de venta de artículo 8 Precio de venta de artículo 13
Precio de venta de artículo 9 Precio de venta de artículo 14
Precio de venta de artículo 10 Precio de venta de artículo 15

el ''tipo de articulo''
de del ''tipo de articulo''

e se va a trabajar

Tipo de artículo 2 Tipo de artículo 3

49000 25000
18000 36000
20000 36000
36000 18000
42000 25000

Suma Promedio Varianza

140000 28000 61500000
165000 33000 185000000
140000 28000 61500000

Grados de libertad Promedio de los cuadrados F

2 41666666.6666665 0.40584416
12 102666666.666667
 14

or critico, por tanto, se acepta la Ho

ebe ser así:

Probabilidad Valor crítico para F

0.675226206893904 3.88529383465239
 Referencias Bibliograficas
Sánchez, J. T. (2017). Pruebas de Hipótesis [OVI]. Colombia. Recuperado de

Gutiérrez,H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de la calidad y Seis Sig
http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.c

Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto Politécn
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/76

Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva, teoría de la probabilidad
-328. Recuperado de https://elibro-net.bibliotecavirtual.unad.edu.co/es/

Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia estadística: teoría y problemas (2a. ed.). Madrid
178. Recuperado de https://elibro-net.bibliotecavirtual.unad.edu.co/es/

Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia estadística: teoría y problemas (2a. ed.). Madrid
178. Recuperado de https://elibro-net.bibliotecavirtual.unad.edu.co/es/
erencias Bibliograficas
OVI]. Colombia. Recuperado de http://hdl.handle.net/10596/10565

stadístico de la calidad y Seis Sigma.(3a. ed.) McGraw-Hill Interamericana. Pp.72- 90. Recuperado de
om.bibliotecavirtual.unad.edu.co/?il=280&pg=91

ico, D.F., MX: Instituto Politécnico Nacional. Pp. 65-84. Recuperado de https://elibro-
nad.edu.co/es/ereader/unad/76119?page=76

riptiva, teoría de la probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide. Pp. 313
ibliotecavirtual.unad.edu.co/es/ereader/unad/49136?page=314

a y problemas (2a. ed.). Madrid, ESPAÑA: Servicio de Publicaciones de la Universidad de Cádiz. Pp. 147-
bliotecavirtual.unad.edu.co/es/ereader/unad/33882?page=184

a y problemas (2a. ed.). Madrid, ESPAÑA: Servicio de Publicaciones de la Universidad de Cádiz. Pp. 147-
bliotecavirtual.unad.edu.co/es/ereader/unad/33882?page=184