2.

Proporción
La compañía "Medilcalpharma" asegura que 60% de sus ventas son por medio online y esta se
ha realizado en menos de 15 minutos. En una muestra de 350 ventas 45 se vendieron en ese
lapso. Se puede concluir que en un nivel de significancia del 94%, el 60% de sus ventas se
realizó en menos 15 minutos?

Paso 1: Planteamiento de Hipótesis

H0: P ≥0, 60 -> (F)

H1: P < 0, 60 -> (V)

Paso 2: Nivel de significancia (α) 94% o 0. 06

Paso 3: Estadístico de Prueba (z)

En R, código
# Función para calcular el estadístico de prueba Z:
EST_Z<-function(x,n,p){Z=(x-n*p)/sqrt(n*p*(1-p))
return(c(z=Z))}
# Reemplazar
EST_Z(x,n,p)
# Ejecutar
EST_Z(45,350,0.60)

Paso 4: P-VALOR con (z)

En R, código
# Cálculo del P valor (reemplaza EST_Z en indica la cola):
pnorm(z,lower.tail=T) #cola izquierda:T,cola derecha:F
# Reemplazar (z)
pnorm(z,lower.tail=T)
# Ejecutar
pnorm(-18.00298,lower.tail=T)
Paso 5: Regla de Decisión

P-valor es menor o mayor que (α)

 Si es menor se rechaza la H0
 Si es mayor no se rechaza la H0

Entonces P-valor 9.230651e-73 < (α) = 0. 06 -> RH0

Paso 6: Conclusión

Existe evidencia muestral suficiente que nos permite afirmar a un nivel de significancia del
94%, que menos del 60% de ventas de la compañía "Medilcalpharma" se ha realizado de
manera ONLINE en menos de 15 minutos.

3. MEDIA
La organización "Medilcalpharma" afirma que, gran porcentaje de las ventas por unidades
efectuadas por los canales online y offline se realizan en promedio más de 15 minutos por
diferentes continentes del mundo. Para probar dicha afirmación se pide una muestra 10
clientes de distintos lugares seleccionados de manera aleatoria de una muestra de 45 y el
registro de unidades que demandaron son:

1047, 1476, 1723, 3270, 3890, 4033, 4144, 5279, 7126, 8392

Cabe mencionar también que la muestra proviene de una población con distribución normal,
en ese sentido se formuló y se probó dicha hipótesis.

Paso 1: Planteamiento de Hipótesis

H0: µ ≤ 15 -> (F)

H1: µ > 15 -> (V)

Paso 2: Nivel de significancia (α) 95% o 0. 05

Paso 3: Estadístico de Prueba (t)

En R, código
# Función para calcular el estadístico de prueba t:
CONTRASTE DE HIPOTESIS 1 MEDIA SIN CONOCER LA DESV.ESTANDAR POBLACIONAL(t-
student):
#2.1 Para datos sin procesar [genera el data frame llamado datos]. Reemplazar Ho con la
media de la Ho y la cola: cola derecha:greater,cola izquierda:less,dos colas:two.sided:
datos=c(1047, 1476, 1723, 3270, 3890, 4033, 4144, 5279, 7126, 8392)
t.test(datos,mu=15,alternative="greater")
# Reemplazar
t.test(datos,mu=15,alternative="greater")
# Ejecutar
One Sample t-test

data: datos
 t = 5.3169, df = 9, p-value =
0.0002415
alternative hypothesis: true mean is greater than 15
95 percent confidence interval:
2650.995 Inf
sample estimates:
mean of x
4038

Paso 4: P-VALOR con (z)

p-value =0.0002415

Paso 5: Regla de Decisión

P-valor es menor o mayor que (α)

 Si es menor se rechaza la H0
 Si es mayor no se rechaza la H0

Entonces P-valor 0.0002415 < (α) = 0. 05 -> RH0

Paso 6: Conclusión

Existe evidencia muestral suficiente que nos permite afirmar a un nivel de significancia del
95%, que la organización “Medicalpharma” en gran porcentaje de sus ventas en diferentes
continentes son realizadas pasando los 15 minutos.
 4.VARIANZA
El ingeniero André accionista de la organización "Medicalpharma" es minucioso con el sistema
de contabilidad de la empresa, por ello para no ver ningún desbalance en cuanto a las ventas
decide tomar una muestra del coste unitario por cliente:

S/ 31.79 - S/ 56.67 - S/ 117.11 - S/ 35.84 - S/ 56.67 - S/ 31.79 - S/ 31.79 - S/ 97.44 - S/ 90.93 - S/

90.93

El Ingeniero André está interesado por el costo asociados con la producción de una sola unidad
(costo unitario) de su organización, por ende, le preocupa si hay una variación de costo que
ponga en riesgo a la organización; de tal manera que, decide probar que la varianza del coste
unitario sea significativamente igual a la cantidad promedio del coste unitario que en teoría de
acuerdo con el personal de administrativo es 1044.68

Paso 1: Planteamiento de Hipótesis

H0: σ2 = 1044.68-> (V)

H1: σ2 ≠ 1044.68-> (F)

Paso 2: Nivel de significancia (α) 95% o 0. 05

Paso 3: Estadístico de Prueba (x^2)

x^2 = 19

Paso 4: P-VALOR con (x^2)

En R, Código
# Función para calcular el estadístico de prueba x^2:
#Calcular x^2
datos<-c(31.79, 56.67, 117.11, 35.84, 56.67, 31.79, 31.79, 97.44, 90.93, 90.93)
sd(datos)
#2.3 Cálculo del P valor(reemplaza X2 e indica la cola):
pchisq(x2,df=n-1,lower.tail = TRUE)#cola izquierda:T,cola derecha:F
# Reemplazar
pchisq(9,df=9,lower.tail = TRUE)
# Ejecutar
pchisq(9,df=9,lower.tail = TRUE)
p-value 0.5627258
Paso 5: Regla de Decisión

P-valor es menor o mayor que (α)

 Si es menor se rechaza la H0
 Si es mayor no se rechaza la H0

Entonces P-valor 0.5627258 > (α) = 0. 05 -> NRH0

Paso 6: Conclusión

Existe evidencia muestral suficiente que nos permite afirmar a un nivel de significancia del
95%, que el departamento de administración de la organización “Medicalpharma” brindo una
respuesta tiene razón al afirmar que el coste unitario es significativamente igual a la cantidad
promedio del coste unitario de tal manera que no existe riego alguno el sistema de
contabilidad de la empresa.

5.Constraste de Hipótesis Dos Proporciones (ignorar, hice uno

mas)
La compañía "Medicalpharma" asegura que las ventas de su producto X tiene una aceptación
de iguales proporciones en el continente asiático que en el continente europeo. Un especialista
en mercado pone en duda dicha afirmación y para tal fin tomó una muestra aleatoria 20
clientes asiáticos y encontró que el 40% de las mismas prefería el artículo X. Por otra parte,
tomó una muestra aleatoria de 25 clientes del continente europeo y encontró que el 60% de
las mismas preferían el artículo X, ¿Existe una diferencia real entre los dos continentes? a un
nivel de significación α = 0,05%

Paso 1: Planteamiento de Hipótesis

H0: P1 = P2 ->

H1: P1 ≠ P2 ->

Paso 2: Nivel de significancia (α) 95% o 0. 05

Paso 3: Estadístico de Prueba (z)

En R, Código
# 1. PRUEBA DE DOS PROPORCIONES
#1.1 Cargamos la función del estadístico de prueba:
DOS_PROP<-function(x1,n1,x2,n2){Z=(x1/n1-x2/n2)/sqrt(((x1+x2)/(n1+n2))*(1-((x1+x2)/
(n1+n2)))*(1/n1+1/n2))
return(c(EST_PRUEBA_Z=Z))}
#1.2 Usamos:
DOS_PROP(x1,n1,x2,n2)
#Remplazamos
DOS_PROP(8,20,15,25)
 #Ejetutar
EST_PRUEBA_Z
-1.333663

Paso 4: P-VALOR con (z)

En R, Código
#1.3 CALCULAMOS EL P-VALOR:
pnorm(Z,lower.tail=T) #si es cola derecha : F
#Remplazamos Z

P – VALUE x 2 = 1.81769

Paso 5: Regla de Decisión

Paso 6: Conclusión
 6.Constraste de Hipótesis Varianza
Se realiza un estudio para comparar las unidades vendidas a clientes en alrededor de 15 min en
dos continentes Asia y Europa, el continente 1 Asia tienen un total aproximado de 16k
unidades vendidas y el continente europeo tiene un aproximadamente de 15k unidades
vendidas. La variable respuesta es el tiempo de ventas en minutos.

Se obtuvo datos de las unidades vendidas en alrededor de 15 minutos. ¿la varianza del tiempo
con las ventas realizadas en el C2 es mayor que el C1?

C1- > 4144,3270,5279,4033

C2 ->3890,7126,1047,1723,1476

Paso 1: Planteamiento de Hipótesis

H0: σ2.1 ≤ σ2.2 -> (F)

H1: σ2.1 > σ2.2-> (V)

Paso 2: Nivel de significancia (α) 94% o 0. 06

Paso 3: Estadístico de Prueba (z)

En R, Código
#2. PRUEBA DE DOS VARIANZAS
#x=datos mayor varianza, y=datos con la menor varianza
#Completa en alternative dentro de las
c1<-c(4144,3270,5279,4033)
sd(c1)

c2<-c(3890,7126,1047,1723,1476)
sd(c2)
var.test(c2, c1, alternative="greater")
Paso 4: P-VALOR con (F)

p-value = 0.04858

Paso 5: Regla de Decisión

P-valor es menor o mayor que (α)

 Si es menor se rechaza la H0
 Si es mayor no se rechaza la H0

Entonces P-valor 0.04858 < (α) = 0. 06-> RH0

Paso 6: Conclusión

Existe evidencia muestral que permite afirmar al 0, 06% de significancia que la varianza del
tiempo con las ventas realizadas en el C2 es mayor que el C1

7.Constraste de Hipótesis Media

De acuerdo con el enunciado anterior también se puede concluir que las varianzas son
diferentes puesto que P-valor es menor al nivel de significancia (α) = 0. 05, Entonces para
probar la afirmación de que las medias son iguales se uso los mismos datos:

C1- > 4144,3270,5279,4033

C2 ->3890,7126,1047,1723,1476

Paso 1: Planteamiento de Hipótesis

H0: μ = μ-> (F)

H1: μ ≠ μ -> (V)

Paso 2: Nivel de significancia (α) 95% o 0. 05

Paso 3: Estadístico de Prueba (t)

En R, Código
c1=c(4144,3270,5279,4033)
sd(c1)
c2=c(3890,7126,1047,1723,1476)
sd(c2)

#Paso 2: prueba de medias

##Completa en alternative dentro de las
comillas;2colas=two.sided;izquierda=less;derecha=greater:
t.test(c1, c2 , alternative="two.sided", paired = FALSE,
var.equal=FALSE )#(SI NO SON IGUALES:F)
Paso 4: P-VALOR con (t)

P-Value = 0.3913

Paso 5: Regla de Decisión

P-valor es menor o mayor que (α)

 Si es menor se rechaza la H0
 Si es mayor no se rechaza la H0

Entonces P-valor 0.3913 < (α) = 0. 05 -> RH0

Paso 6: Conclusión

Existe evidencia muestral que permite afirmar al 0, 05% de significancia que las medios no son
iguales.
 8.ANOVA
En la empresa "Medicalpharma" se prueba 3 sistemas de prioridad para el filtro de los clientes,
pero se desea aislar en la zona (continente) de ventas en este tipo de aplicaciones.

Prioridad
Zona Alta Media Baja
Asia 50 40 42
Europa 60 80 51
Norte América 5 7 4

Factor: Zona (Continentes) (var_x1)

Paso 1: Planteamiento de Hipótesis

H0: µ1 = µ2 = µ3 (F)

H1: µ1 ≠ µ2 ≠ µ3 (V)

Paso 2: Nivel de significancia (α) 95% o 0. 05

Paso 3: Estadístico de Prueba (z) y gráficos:

es igual a, 30.26
Paso 4: P-VALOR es igual a, 0.00384

En R, Código
Bloque
Zona TipoSistema CantVentas
var_x1 var_x2 var_y
Asia A 50
Europa A 60
NorteA A 5
Asia M 40
Europa M 80
NorteA M 7
Asia B 42
Europa B 51
NorteA B 4
#Cargamos los datos
datos=read.delim("clipboard", header =TRUE)
datos$var_x1=factor(datos$var_x1)
datos$var_x2=factor(datos$var_x2)
attach(datos)
datos

FSA::Summarize(var_y~ var_x1, data=datos, digits=2)

FSA::Summarize(var_y~ var_x2, data=datos, digits=2)

FSA::Summarize(var_y~ var_x1*var_x2, data=datos, digits=2)

#Graficos
boxplot(var_y~ var_x1, data= datos, xlab="var_x1",ylab="var_x2", boxwex=0.25)
boxplot(var_y~ var_x2, data= datos, xlab="var_x1",ylab="var_x2", boxwex=0.25)

#Modelo(Con bloque)
modelo=aov(var_y~ var_x1+var_x2,data=datos)
summary(modelo)

Paso 5: Regla de Decisión

P-valor es menor o mayor que (α)

 Si es menor se rechaza la H0
 Si es mayor no se rechaza la H0
Entonces P-valor 0.00384< (α) = 0. 05 -> RH0
Paso 6: Conclusión

Existe evidencia indica que la zona influye en el sistema de prioridad de ventas

ANOVA Para Factor: Tipo de Sistema (Continentes) (var_x2)

Paso 1: Planteamiento de Hipótesis

H0: µA = µM = µB (V)

H1: µ1 ≠ µ2 ≠ µ3 (F)

Paso 2: Nivel de significancia (α) 95% o 0. 05

Paso 3: Estadístico de Prueba (z)

es igual a, 0.87

Paso 4: P-VALOR es igual a, 0.48554

Paso 5: Regla de Decisión

P-valor es menor o mayor que (α)

 Si es menor se rechaza la H0
 Si es mayor no se rechaza la H0
Entonces P-valor 0.48554 > (α) = 0. 05 -> NH0

Paso 6: Conclusión

Existe evidencia indica que el tipo de sistema no influye en la cantidad de ventas