ESTADISTICA

Mg. Carlos Valencia Martínez

 ENCUESTAS
ESTADISTICA ORGANIZACIÓN DE DATOS
TABULACION
DESCRIPTIVA REPRESENTACIONES
CALCULO DE PARAMETROS

ESTADISTICA INTERPRETACION DE RESULTADOS

CONCLUSIONES
INFERENCIAL PREDICCIONES
Estadística Modelización
Explicación del conocimiento
• Elaborar modelos, explicar una variables
a partir de otra y hacer predicciones

Estadística Descriptiva

Muestras
• Resumir e ilustrar información
Estadística Inferencial Estimación

Población
• Estimar parámetros

Estadística Inferencial Contraste

Conocimiento
• Contrastar hipótesis
Ejemplo
• Para una investigación de análisis sobre la satisfacción del
consumidor de pizza se toma una muestra de 63 personas
las cuales probaron dos marcas de pizza A y B

Resultados
• 31 prefiere la pizza A
• 15 prefiere la pizza B
• 17 no muestra preferencia
Estadística descriptiva

Resultados
• 49,2% → A A – B = 25,4%
• 23,8% → B
• 27% → AB
Estadística inferencial estimación

Resultados
• El valor de la diferencia A-B en la
población estará comprendido en
Intervalo de Confianza de 95%

3,6% ← 25% → 47,2%

Estadística inferencial contraste
Resultados contrastación de hipótesis
• Existe evidencia de que A es mas
preferido que B
• Prueba de McNemar p=0,00183

3,6% ← 25% → 47,2%

Estadística modelización

Resultados predicción
• Si conocemos las características de los
consumidores podríamos dar la
probabilidad de que prefiera la pizza A
al B con mayor precisión
 Población
• Conjunto de individuos u objetos de los que
se desea conocer algo en una investigación
• Unidad de observación: elementos de la
población en que se medirán o estudiaran
las variables de interes
 N
POBLACION
n
Muestra
1. IDENTIFICAR LA POBLACION
2. APLICAMOS FORMULA PARA OBTENER
LA MUESTRA
 EJEMPLO
• Clientes varones que solicitan crédito agrario
menor de S/ 5000,00
• Población Perú = 31 826,00 (millones)
• Sabemos que varones son 50,1%
• Sabemos población rural que es 23%
• Sabemos rango de edad de 25 a 39 años que son 23,6%

Población Perú = 31 826,00 (millones)

Sabemos que varones son 50,1%
= 15 939,0 millones
Sabemos población rural que es 23%
= 3 665 993,116 millones
Sabemos rango de edad de 25 a 39 años que son 23,6%
= 865 174,38 miles 14
 Precisión Grado de seguridad Diversidad de opiniones
Intervalo de confianza riesgo que aceptamos de equivocarnos estimada en la población

Margen de error Nivel de confianza Desviación estándar

e = 5% = 0,05 Z = 95% = ∞ = 0,05 p = q = 0,50

e = 1% = 0,01 Z = 99% = ∞ = 0,01

e ± =3,16%
 Precisión Grado de seguridad Diversidad de opiniones
Intervalo de confianza riesgo que aceptamos de equivocarnos estimada en la población

Error Estándar Nivel de confianza Desviación estándar

p = q = 0,50
p1  p 
Z = 95% = ∞ = 0,05
EE  Z = 99% = ∞ = 0,01
n

EE 
n

p1  p 
EE 
n
 Y
40

30

20

10

0 Z
-2 -1 0 1 2
Población 865 174,38 miles
Aplicamos formula para la
muestra
ESTADISTICA DESCRIPTIVA
VARIABLES
estadísticas

Atributos que pueden ser observado

PARAMETRO

Es un numero que describe una

característica de la población Los estadísticos se utilizan
para estimar los
parámetros de la población

ESTADISTICO

Es un numero que se calcula a

partir de los datos de una muestra
 ANALISIS ESTADISTICO
VARIABLES
estadísticas

Caracteres Caracteres
Cuantitativos Cualitativos

¿Existe Organizar la
relación lineal? información
MEDIDAS DE LOCALIZACION

Cuantitativas Cualitativas

Puntuaciones Tablas de
combinadas contingencia

• Media Tablas de
• Moda frecuencia
• Moda
• Cuartiles
 MEDIDAS DE VARIABILIDAD

Cuantitativas Cualitativas

¿Existe Representación Tablas de

relación lineal? grafica frecuencia

• Rango (Max- • Histogramas Representación

Min) • Diagrama grafica
• Rango cajas • Barras
• Varianza • Serie temporal • Sectores
 Histograma
Diagrama de Barras de Cajas
Diagrama
Grafico de sectores

Grafico de serie
temporal
ANALISIS ESTADISTICO DE DOS VARIABLES

Cuantitativas Cualitativas

¿Existe Tablas
relación lineal? contingencia
 TIPOS DE VARIABLES
Carácter estadístico: propiedad de la población (atributo)

Cuantitativas Cualitativas

sus sus
modalidades modalidades no
son medibles pueden ser
medidas
Cuantitativas Cualitativas

Peso Raza
Talla Sexo
Pulso Profesión
Edad Estado civil

Variable
estadística
Tabla de contingencia
Medidas asociación
 HIPÓTESIS
• Existen múltiples problemas en los cuales, en
lugar de estimar el valor de un parámetro, se
debe decidir si una afirmación relativa a un
parámetro es verdadera o falsa; es decir, se
debe probar una HIPÓTESIS relativa a un
parámetro.
• Se convierte en un problema de decisión

29
 HIPÓTESIS ESTADÍSTICA
• Una hipótesis estadística es un enunciado acerca de la
distribución de probabilidad de una variable aleatoria. Las
hipótesis estadísticas a menudo involucran una o más
características de la distribución.
• Es importante recordar que las hipótesis son siempre
enunciados relativos a la población o distribución bajo estudio,
no enunciados en torno a la muestra.
• El objetivo entonces de la prueba de hipótesis suele ser
entonces determinar si la situación experimental ha cambiado.
• Este valor puede determinarse a partir de alguna teoría o
modelo con respecto al objeto que se estudia. Verificar la teoría
o modelo.
• Surge cuando el valor del parámetro de la población es
resultado de consideraciones experimentales, tales como
especificaciones de diseñoMg.oCarlos
ingeniería,
valencia
o de obligaciones 30
contractuales. Prueba de conformidad.
 HIPÓTESIS ESTADÍSTICA
• En la práctica es necesario la formulación de dos hipótesis
estadísticas complementarias:
La hipótesis nula (H0) y La hipótesis alternativa (H1).
• La hipótesis nula está relacionada con una concepción
parsimoniosa de la realidad. Corresponde al estado actual de
conocimiento, por el cual, si no se hiciese el estudio sería la
que prevalecería.
• La hipótesis alternativa, por contra, está relacionada con el
objetivo del estudio. Es la hipótesis que necesita la evidencia
experimental y la recogida de evidencia para ser aceptada.
• Las hipótesis conjeturan acerca de cómo es la población de
origen. Posteriormente se decidirá cual de las dos hipótesis es
más compatible con los datos muestrales. Pero este proceso
no está exento de riesgo puesto que nada garantiza que la
Mg. Carlos valencia 31
decisión final está 100% exenta de error.
 Tipos de errores
Ho cierta H1 cierta
Rechazo de Decisión
Error tipo I
Ho correcta
Aceptación Decisión
Error tipo II
de Ho correcta

Error tipo I: NIVEL DE SIGNIFICACION = α

(fijada por el investigador)

Error tipo II: Asociado a la potencia de la prueba estadística

(desconocido)
 MEDIA

Para comparar medias se emplea el

estadístico z; de acuerdo a la ecuación:

x  0 Hipótesis Rechazar H0 si:

z
alterna

 m < m0 z < - za

m > m0 z > za
n m ≠ m0 z < - za/2
z > za/2

Mg. Carlos valencia 36

 INFERENCIAS CON DOS MEDIAS
Cuando se trata de compara dos o más
poblaciones
Hipótesis Rechazar H0
x1  x2  
alterna si:
z
m1-m2 < d z < - za
1 2
2 2
m1-m2 > d z > za

m1-m2 ≠ d z < - za/2
z > za/2
n1 n2

Mg. Carlos valencia 37

 INFERENCIAS CON DOS MEDIAS
Para poblaciones pequeñas utilizar el estadístico
t (t de Student)

t
x1  x2    n1n2 n1  n2  2 
n1  1s1  n2  1s2
2 2
n1  n2

Hipótesis alterna Rechazar H0 si:

m1-m2 < d t < - ta
m1-m2 > d t > ta
m1-m2 ≠ d
t < - ta/2 0 t > ta/2
Mg. Carlos valencia 38
 Ho : x  μ Dos colas
1
H1 : x  μ
Ho : x  μ
2 Una cola derecha
H1 : x  μ
Ho : x  μ Una cola izquierda
3
H1 : x  μ
 Nivel de significancia
«Máxima cantidad de error que estamos
dispuestos a aceptar para dar como valida la
hipótesis del investigador y/o el estudio»

α  0.05  5%
 Nivel de confianza
«Valor de la confianza que permite aceptar que
los datos obtenidos en la muestra describen
correctamente a la población»

1 - α  0.95  95%
 =0.05
μ=0
σ=1
Región de
Aceptación
Región de Ho
rechazo Ho

1-
=0.025 =0.025

z = -1.96 z = +1.96
 =0.05
μ=0
σ=1
Región de
Aceptación
Región de Ho
rechazo Ho

1-
=0.05

z = +1.64
 =0.05
μ=0
σ=1
Región de
Aceptación
Región de Ho
rechazo Ho

1-
=0.05

z = -1.64
 Calculo función pivotal

x -μ x -μ P-p
z t n  1 z
s s pq
n n n

n > 30 n ≤ 30
 VARIANZAS
• El estadístico para una prueba relativa a una varianza es el c2,

(n  1) s 2
 2

0 2

Hipótesis alterna Rechazar H0 si:

s2 < s 20 2 < 21-a

s2 > s 20 2 > 21-a

s2 ≠ s 20
2 < 21-a/2 0 2 > 2a/2

Mg. Carlos valencia 46

 DOS VARIANZAS
• El estadístico para una prueba relativa dos varianzas es F:
2
s1
F 2
s2
Hipótesis alterna Rechazar H0 si:

s12 < s 22 F< Fa,n1, n2, v1  n1  1

s12 > s 22 F > Fa,n1, n2, v2  n2  1
s12 ≠ s 22 F < Fa/2, n1, n2

Mg. Carlos valencia 47

 PROPORCIONES
• Tablas r*c Llamadas tablas de contingencia, se emplea el
estadístico c2,

  
2
r c o ij  eij 
2

i 1 j 1 eij

Mg. Carlos valencia 48

Hipótesis General
Los planes de estudio influyen en calidad de la formación profesional de los
alumnos de administración de la Universidad X y Y.

Hipótesis Especifica
a) Los niveles del rendimiento académico de los alumnos de administración
en relación con la profundidad de los conocimientos en administración
exigidos por los planes curriculares es en promedio insuficiente

b) Existe diferencia significativa entre el nivel de rendimiento académico de

los alumnos de administración de la Universidad X y de la Universidad Y,
en relación con los conocimientos en administración exigidos por los
planes curriculares
VARIABLE INDEPENDIENTE
Planes de estudio

VARIABLE DEPENDIENTE
rendimiento académico de los alumnos

ENCUESTA

TEST
a) Los niveles del rendimiento académico de los alumnos de administración en
relación con la profundidad de los conocimientos en administración exigidos por
los planes curriculares es en promedio insuficiente

Ho: μ1 ≥14
H1 : μ 1 ˂ 0
Prueba de una sola cola
• Nivel de significancia = 5% = 0.05
• Estadístico «t student» para la media
 Interpretación grafica

Región de
Aceptación
Ho
Región de rechazo Ho

1-
=0.05

tcy = -12.84 Tc(x-y) = =4.673

Tc(x-y) -8.99 tt = -1.96 tcx = -1.26
 DESICIÓN
• Con un nivel de significancia del 5%, el t calculado para el rendimiento
academico de todos los alumnos de la muestra (sin distinguir la
universidad de procedencia), es de - 8.99 ubicandose en la región de
rechazo de la hipótesis nula. Por lo tanto se rechaza la hipótesis nula y se
acepta la hipótesis de investigación.

• H1: μ1 ˂ 0
→“el rendimiento académico promedio de los alumnos de administración
en relación con la profundidad de los conocimientos de administración
exigidos por los planes curriculares, es insuficiente”.
 Análisis individual por Universidad
• Para el caso de Universidad X el valor de t calculado es - 1.26, la cual se
ubica en la región de aceptación de la hipótesis nula. Por lo tanto se
acepta la hipótesis nula y se rechaza la hipótesis de investigación.
“el rendimiento académico de los alumnos de administración de la
Universida X en relación con la profundidad de los conocimientos de
administración exigidos por los planes curriculares, no es insuficiente”.

• Para el caso de la UNSCH el valor calculado de t (- 12.74) se ubica en la

región de rechazo de la hipótesis nula. Por lo tanto se rechaza la hipótesis
nula y se acepta la hipótesis de investigación.
“el rendimiento académico promedio de los alumnos de administración de
la Universida Y en relación con la profundidad de los conocimientos de
administración exigidos por los planes curriculares, es insuficiente”.
b) Existe diferencia significativa entre el nivel de rendimiento académico de
los alumnos de administración de la Universidad X y de la Universidad
Y, en relación con los conocimientos en administración exigidos por los
planes curriculares

Ho : μ 1 - μ 1 = 0
H1 : μ 1 – μ 2 ≠ 0
Prueba de dos colas
• Nivel de significancia = 5% = 0.05
• Estadístico «t student» para la diferencia de
medias
t calculada
Ambas Universidades
(n1 – 1)S2 + (n1 – 1)S2
S2 = S2 = 3.4119
n 1+ n 2 - 2

z
x1  x 2 
2
s1 s 2
2
t = 8.6323

n1 n 2
t tabulada
Ambas Universidades
t (1 – α/2, «n1+n2» – 2) t (1 – 0.05/2, 218 – 2) = -1.6518
NIVEL DE CONFIANZA = 1 - α
 Interpretación grafica

Región de
Aceptación
Ho
Región de rechazo Ho

1-
=0.05

tcy = -12.84 Tc(x-y) = -8.99 tt = -1.65 tcx = -1.126

 DESICIÓN
• Con un nivel de significancia del 5%, el t calculado para el rendimiento
academico de todos los alumnos de la muestra (sin distinguir la
universidad de procedencia), es de - 8.99 ubicandose en la región de
rechazo de la hipótesis nula. Por lo tanto se rechaza la hipótesis nula y se
acepta la hipótesis de investigación.

• H1: μ1 ˂ 0
→“el rendimiento académico promedio de los alumnos de administración
en relación con la profundidad de los conocimientos de administración
exigidos por los planes curriculares, es insuficiente”.
a) Los niveles del rendimiento académico de los alumnos de administración en
relación con la profundidad de los conocimientos en administración exigidos por
los planes curriculares es en promedio insuficiente

Ho : μ 1 – μ 2 = 0

H1 : μ 1 – μ 2 ≠ 0
 Ejemplo
Supongamos que un investigador está
interesado en evaluar la asociación entre uso de
cinturón de seguridad en vehículos particulares
y el nivel socioeconómico del conductor del
vehículo. Con este objeto se toma una muestra
de conductores a quienes se clasifica en una
tabla de asociación, encontrando los siguientes
resultados:
 Nivel socioeconómico
Bajo medio alto total
si 8 15 28 51
no 13 16 14 43
Total 21 31 42 94

Ho: El uso de cinturón de seguridad es

independiente del nivel
socioeconómico
H1: El uso de cinturón de seguridad
depende del nivel socioeconómico
Frecuencias esperadas
Nivel socioeconómico
Bajo medio alto total
si 11.39 16.82 22.79 51
no 9.61 14.18 19.21 43
Total 21 31 42 94
Fo Fe Fo-Fe (Fo-Fe)2 (Fo-Fe)2/Fe
8 11.39 -3.39 11.52 1.01
13 9.61 3.39 11.52 1.20
15 16.80 -1.80 3.24 0.19
16 14.18 1.82 3.31 0.23
28 22.79 5.21 27.17 1.19
14 19.21 -5.21 27.17 1.41
Total 5.24
 CHI CUADRADA TABLA
• Grados de Libertad= 2
• Nivel de confianza = 0.05
• Chi cuadrada Tabla = 5.99
 Región de Región de rechazo
aceptación

1-
=0.05
X2c = 5.24 X2t = 5.99

CONCLUSION
Si X2c ˂ X2t se Acepta H0
X2c = 5.24 ˂ X2t = 5.99

Ho: El uso de cinturón de seguridad es independiente del nivel

socioeconómico
 Región de Región de rechazo
aceptación

1-
=0.01
X2t = 5.99 X2c = 9.21
Si cambiamos  (error tipo I)
Si X2c ˂ X2t se Acepta H0
X2c = 9.21 > X2t = 5.99
se rechaza Ho
CONCLUSION: Aceptamos H1
H1: El uso de cinturón de seguridad depende del nivel socioeconómico
 Ejemplo de la prueba t
Grupo N°1 Grupo N°2 Grupo N°3
12 18 6
18 17 4
16 16 14
8 18 4
6 12 6
12 17 12
10 10 14
Medias
3.92 2.92 4.24 3.69
Promedio
17.90 9.95 20.95 16.27
Varianza
4.23 3.15 4.58 3.83
Decisión Estándar
Prueba t para dos muestras suponiendo varianzas iguales

Variable 1 Variable 2
Media 11.7142857 15.4285714
Varianza 17.9047619 9.95238095
Observaciones 7 7
Varianza agrupada 13.9285714
Diferencia
hipotética de las
medias 0
Grados de libertad 12
Estadístico t -1.86189867
P(T<=t) una cola 0.04363853
Valor crítico de t
(una cola) 1.78228756
P(T<=t) dos colas 0.08727707
Valor crítico de t
(dos colas) 2.17881283
 Contrates de medias
• Entre el G N°1 y G N°2, t=1.723
• Entre el G N°2 y G N°3, t=3.181
• Entre el G N°1 y G N°1, t=1.458
=0.01
=0.10
=0.05
Entre
EntreelelGGN°1
N°1 yyGGN°2,
N°2, 3.72
3.72 es
es inferior
inferior7.47
4.93 →→no
Nosignificativa
significativa
Entre el G N°1 y G N°2, 3.72 es inferior 5.74 → no significativa
Entre
EntreelelGGN°2
N°2 yyGGN°3,
N°3, 3.14
3.14 es
es inferior
inferior7.47
4.93 →→no
Nosignificativa
significativa
Entre el G N°2 y G N°3, 3.14 es inferior 5.74 → no significativa
Entre
EntreelelGGN°1
N°1 yyGGN°1,
N°1, 6.86
6.86 es
es inferior
superior7.47
4.93→→no significativa
significativa
Entre el G N°1 y G N°1, 6.86 es superior 5.74→ significativa
 Formulas
=0.05 =0.01 =0.10
t = √(k-1)F t = √(k-1)F t = √(k-1)F
t = √(3-1)3.51 t = √(3-1)6.01 t = √(3-1)2.62
t = 2.664 t = 3.446 t = 2.289

│M1-M2│= t √ CM (1/n1+1/n2)
│M1-M2│= 2.664 √ 16.26 (1/7+1/7) = 5.74
│M1-M2│= 3.446 √ 16.26 (1/7+1/7) = 7.47
│M1-M2│= 2.664 √ 16.26 (1/7+1/7) = 4.93
X2t = 11.34

(
X2c = 0.73

α
- - -X2 - - -
 VALIDEZ DE LOS INSTRUMENTOS
• EN QUE MIDA LO QUE TIENE QUE MEDIR
• AL ESTIMAR LA VALIDEZ ES NECESARIO SABER
QUE VARIABLE CRITERIO SE DESEA ESTUDIAR
 TIPOS DE VALIDEZ
• VALIDEZ DE CONTENIDO
• VALIDEZ DE CONSTRUCTO
• VALIDEZ DE CRITERIO EXTERNO O EMPIRICA
 VALIDEZ DE CONTENIDO
• Validez racional o logica
• Se refiere al grado en que un instrumento
refleja un dominio especifico del contenido de
lo que se quiere medir
• El instrumento debe tener representados
todos los itemes del dominio de contenido de
las variables a medir
 CRITERIOS A EVALUAR
Lenguaje Observaciones (si debe
Mide lo eliminarse o modificarse
Claridad de Coherencia Induccion a adecuado con el
ITEM redaccion interna la respuesta nivel del
que un item)
pretende
informante
si no si no si no si no si no

1
2
3
n

Aspectos generales si no

El instrumento contiene instrucciones claras y precisas para responder el

cuestionario

Los items permiten el logro de los objetivos de la investigacion

Los items estan distribuidos en forma logica y secuencial

El numero d elos items es suficiente para recoger la informacion

Validez
Aplicable si no Aplicable atendiendo las observaciones si no

________________
Validado por:
Firma

C.I.: Fecha telefono

 VALIDEZ DE CONSTRUCTO
• Hasta donde el instrumento mide realmente
un rasgo determinado y con cuanta eficiencia
lo hace
 VALIDEZ DE CRITERIO EXTERNO O
EMPIRICA
• Se estudia comparando los puntajes de un
instrumentocon una o mas variables externas
denominadas variables de criterio
• Indice de validez
 Confiabilidad del instrumento
• Probar el instrumento – Prueba piloto de 14 a
30 personas
• Metodos
– Test-Retest
– Coeficiente alfa Cronbach
– Metodo Kunder-richarson 20
TEST-RETEST: Correlación de PEARSON

HEMITEST: Correlación de PEARSON y Spearman-Brown

METODO DE DIVISION POR MITADES DE GUTMAN:

Correlación de PEARSON y Spearman-Brown

ALFA CRONBRACH

METODO KUNDER Y RICHARSON O FORMULA KR-20

 Ejercicio Chi cuadrada

• En una investigación se ha recogido los

siguientes datos correspondientes a las
variables propuestas:
– Estado general de salud: Escala de Likert
Muy bueno = 4, Bueno = 3, Regular = 2, Malo
=1
– Genero: Femenino = 1, Masculino = 2
– Nivel de ejercicio: Escala de Likert
Ninguno = 0, Moderado = 1, Intenso = 2
 X1=salud 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 total
muy bueno 4 4 4 3
bueno 3 3 3 3 3 3 3 7
regular 2 2 2 2 4
malo 1 1
total 15

X2=genero 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 total

femenino 1 1 1 1 1 1 6

masculino 2 2 2 2 2 2 2 2 2 9

total 15

X3=ejercicio 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 total
Intenso 2 2 2 2 2 2 6
moderado 1 1 1 1 1 5
ninguno 0 0 2 0 3
total 14
 Definir las Hipótesis
Ho: El estado general de salud es independiente del
genero

H1: El estado general de salud esta asociado al

genero
x x1 , x2 
2

femenino masculino total

muy bueno 1 2 3
bueno 1 6 7
regular 4 0 4
malo 0 1 1
total 6 9 15
 Chi cuadrada de Pearson
fo fe (fo-fe)2/fe
muy bueno-femenino
1 1.2 0.03
muy bueno-masculino
2 1.8 0.02
bueno-femenino 1 2.8 1.16
bueno-masculino 6 4.2 0.77 CALCULADA
regular-femenino 4 1.6 3.60
regular-masculino 0 2.4 2.40
malo-femenino 0 0.4 0.40
malo-masculino 1 0.6 0.27
total 8.65

Grados de Libertad= 3
TABLA
Nivel de confianza = 0.05
Chi cuadrada Tabla = 7.81
CONCLUSION
Grados de Libertad= 3
Nivel de confianza = 0.05
Se rechaza Ho

Región de Región de rechazo Ho

(
Aceptación
Ho
X2c = 8.65
α
X2t = 7.81 - - -X2 - - -
x 2 x2 , x3  femenino
intenso
1
moderado
1
ninguno
4
total
6
masculino 5 4 0 9
total 6 5 4 15

x 2 x1 , x3  muy bueno

intenso
3
moderado
0
ninguno
0
total
3
bueno 2 5 0 7
regular 0 0 4 4
malo 1 0 0 1
total 6 5 4 15
 Chi cuadrada McNemar
α*  Px > 8.6 
2
p;3

Grados de libertad=3
Chi = 8.6
Nivel de significancia al 5%

Buscamos en la Tabla de probabilidad P

α* = 0.0351

Conclusión
Como α*=0.0351 < 0.05 → Se rechaza Ho
 CONCLUSION
Grados de Libertad= 3
Nivel de confianza = 0.05
Se rechaza Ho

Región de Región de rechazo Ho

(
Aceptación
Ho
α* = 0.0351
α=0.05

Se Acepta:
H1: El estado general de salud esta asociado al genero (P=0.0351)
 Test G
fo
G  2 fo * In
fe
universidades Grupo socio económico
alto Medio alto Medio bajo bajo
Estatal 13 17 4 3
Privada 38 19 2 2
total 51 36 6 5

Regla: 20% < 5

universidade Grupo socio económico
s Total
alto Medio alto Medio bajo - bajo
Estatal 13 17 7 47
Privada 38 19 4 61
total 51 36 11 108
 fo fe (fo-fe)2/fe
estatal-alto
13 1.2 0.03
estatal-medio alto
17 1.8 0.02
estatal-medio bajo/bajo 7 2.8 1.16
privado-alto 38 4.2 0.77
privado-medio alto 19 1.6 3.60
privado-medio bajo/bajo 4 2.4 2.40
total 8.65
Grados de libertad=3
Chi = 8.6
Nivel de significancia al 5%

Buscamos en la Tabla de probabilidad P

α* = 0.0351

Conclusión
Como α*=0.0351 < 0.05 → Se rechaza Ho
 CONCLUSION
Grados de Libertad= 3
Nivel de confianza = 0.05
Se rechaza Ho

Región de Región de rechazo Ho

(
Aceptación
Ho
α* = 0.0351
α=0.05

Se Acepta:
H1: El estado general de salud esta asociado al genero (P=0.0351)