INSTITUTO POLITECNICO NACIONAL

UNIDAD PROFESIONAL INTERDICIPLINARIA DE

INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS.

ESTADISTICA APLICADA
2TM57
Portafolio de Segundo Parcial

Profesora: Ana María Lagunes Toledo.

Alumno: Castro Gutiérrez Jacqueline.
La distribución de chi-cuadrada es una distribución continua que se especifica por los
grados de libertad y el parámetro de no centralidad. La distribución es positivamente
asimétrica, pero la asimetría disminuye al aumentar los grados de libertad.
Minitab utiliza la distribución de chi-cuadrada (χ2) en pruebas de significancia estadística
para:

• Comprobar qué tan bien se ajusta una muestra a una distribución teórica. Por
ejemplo, puede utilizar una prueba de bondad de ajuste de chi-cuadrada para
determinar si los datos de la muestra se ajustan a una distribución de Poisson.
• Comprobar la independencia de las variables categóricas. Por ejemplo, un
fabricante desea saber si la ocurrencia de cuatro tipos de defectos (espárrago
faltante, abrazadera rota, sujetador flojo y sello con fugas) está relacionada con los
turnos (diurno, vespertino, nocturno).
Características:
✓ Es una distribución continúa.
✓ Dominio es de 0 a ∞+ (siempre positivo).
✓ Se manejan con grados de libertad (V=n-1)
✓ Su grafica es asimétrica con sesgo a la derecha.
✓ Se aplica para prueba de hipótesis, variables cualitativas o categóricas.
La distribución F sirve para demostrar las variaciones de una población. Más
específicamente, se usa una distribución F cuando se busca estudiar la razón de las
varianzas de dos poblaciones distribuidas normalmente. Asimismo, este tipo de distribución
también se utiliza en un análisis de varianza de un factor (ANOVA). El análisis de varianza
se encarga de comparar la variación entre varios grupos o poblaciones y la variación que
hay dentro de cada una de ellas. Para lograrlo, se usa una proporción de variaciones. La
distribución F permite analizar la relación entre las varianzas.
Características de la distribución F
▪ La distribución F presenta características definidas que la diferencian de otras
distribuciones. Algunas de ellas son:
▪ Las distribuciones F incluyen varios métodos estadísticos.
▪ La distribución F particular que se utiliza depende del número de grado de libertad
que tiene la muestra. Esta característica de la distribución F también está presente
en otras distribuciones, como la distribución T y la distribución chi-cuadrado.
▪ El valor de la distribución F es nulo, es decir, cero o positivo. No tiene valores
negativos.
▪ La distribución F posee una leve inclinación hacia la derecha. Por lo tanto, se trata
de una distribución de probabilidad que no es simétrica.
Propiedades de las distribuciones F
Las distribuciones F tienen grados de libertad. Esta es una característica que también
poseen las distribuciones T y chi-cuadrado. En el caso de una distribución T, el número de
grados de libertad es uno menos que el tamaño de muestra.
La distribución F deriva de una relación entre dos poblaciones. Generalmente, se toma una
muestra de ambas poblaciones, por lo tanto, hay dos grados de libertad. Para determinar
los dos números de grados de libertad, debemos restarle uno a ambos tamaños de muestra.
Después, las estadísticas de estas poblaciones se combinan en una fracción. Tanto el
numerador como el denominador tienen grados de libertad. En lugar de combinar estos dos
números en otro número, se conservan ambos. Por lo tanto, el uso de una tabla de
distribución F requiere que haya dos grados de libertad diferentes
Se elige una muestra aleatoria de 85 focos de una empresa. La siguiente tabla representa
los datos agrupados de la duración de los focos. Considerando que μ=230 y 𝜎 =63.

Duración (Hs) Frecuencia X (Marca de fi ei

(oi) clase)
80-120 5 80 + 120 0.0404 85𝑥0.0404 = 3.434
= 100
2
120-160 10 120 + 160 0.0928 85𝑥0.0928 = 7.888
= 140
2
160-200 14 160 + 200 0.1838 85𝑥0.1838 = 15.623
= 180
2
200-240 16 200 + 240 0.246 85𝑥0.246 = 20.91
= 220
2
240-280 18 240 + 280 0.2233 85𝑥0.2233 = 18.9805
= 260
2
280-320 20 280 + 320 0.1371 85𝑥0.1371 = 11.6535
= 300
2
320-360 2 320 + 360 0.0765 85𝑥0.0765 = 6.5025
= 340
2

Probar al nivel ∝= 0.05 que estos datos se ajustan a una distribución normal
Caculo de fi.
𝑥 − 𝜇 120 − 230
𝑃(𝑥 < 120) = 𝑍 = = = −1.7460 = 0.0404
𝜎 63
𝑥 − 𝜇 160 − 230
𝑃(120 ≤ 𝑥 ≤ 160) = 𝑍 = = = −1.1111 = 0.1332
𝜎 63
= 𝑃(−1.7460 ≤ 𝑥 ≤ −1.111) = 𝑃(𝑍 < −1.111) − 𝑃(𝑍 < −1.7460)
= 0.1332 − 0.0404 = 0.0928
𝑥 − 𝜇 200 − 230
𝑃(160 ≤ 𝑥 ≤ 200) = 𝑍 = = = −0.4762 = 0.3170
𝜎 63
= 𝑃(−1.1111 ≤ 𝑥 ≤ −0.4762) = 𝑃(𝑍 < −0.4762) − 𝑃(𝑍 < −1.1111)
= 0.3170 − 0.1332 = 0.1838
𝑥 − 𝜇 200 − 230
𝑃(160 ≤ 𝑥 ≤ 200) = 𝑍 = = = −0.4762 = 0.3170
𝜎 63
= 𝑃(−1.1111 ≤ 𝑥 ≤ −0.4762) = 𝑃(𝑍 < −0.4762) − 𝑃(𝑍 < −1.1111)
= 0.3170 − 0.1332 = 0.1838
𝑥 − 𝜇 240 − 230
𝑃(200 ≤ 𝑥 ≤ 240) = 𝑍 = = = 0.1587 = 0.5630
𝜎 63
= 𝑃(−0.4762 ≤ 𝑥 ≤ 0.1587) = 𝑃(𝑍 < 0.1587) − 𝑃(𝑍 < −0.4762)
= 0.5630 − 0.3170 = 0.246
 𝑥 − 𝜇 280 − 230
𝑃(240 ≤ 𝑥 ≤ 280) = 𝑍 = = = 0.7936 = 0.7863 = 𝑃(0.1587 ≤ 𝑥 ≤ 0.7936)
𝜎 63
= 𝑃(𝑍 < 0.7936) − 𝑃(𝑍 < 0.1587) = 0.7863 − 0.5630 = 0.2233
𝑥 − 𝜇 320 − 230
𝑃(280 ≤ 𝑥 ≤ 320) = 𝑍 = = = 1.4286 = 0.9234 = 𝑃(0.7936 ≤ 𝑥 ≤ 1.4286)
𝜎 63
= 𝑃(𝑍 < 1.4286) − 𝑃(𝑍 < 0.7936) = 0.9234 − 0.7863 = 0.1371
𝑥 − 𝜇 320 − 230
𝑃(𝑥 > 320) = 𝑍 = = = 1.4286 = 0.0765
𝜎 63
Nueva Tabla.

Duración (Hs) oi ei
∝= 0.05
80-160 15 11.322
160-200 14 15.623 K= 6

200-240 16 20.91 V= K-1= 5

240-280 18 18.9805
280-320 20 11.6535
320-360 2 6.5025

(𝑜𝑖 − 𝑒𝑖)2
𝑥2 = ෍ = 11.6626 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎
𝑒𝑖
Ho: Los datos se ajustan al modelo normal
H1: Los datos no se ajustan al modelo normal

RC x2 > 11.0704
RA 0 < x2 <11.0704
Se rechaza Ho, Los datos no se ajustan al
modelo normal

11.6626

11.0704
 Suponga que el número de llamadas telefónicas que entran al conmutador de una empresa
durante intervalos de un minuto tienen una distribución de Poisson. Use
∝= 0.10 y los siguientes datos para probar la hipótesis de que las llamadas que entran
tienen una distribución de Poisson.
Número de 0 1 2 3 4 5 6
llamadas
que entran
durante un
minuto
Frecuencia 15 31 20 15 13 4 2
observada
Oi
Fi 0.1353 0.2707 0.2707 0.1804 0.0902 0.0361 0.0120

ei (100)(0.1353) (100)(0.2707) (100)(0.2707) (100)(0.1804) (100)(0.0902) (100)(0.0361) (100)(0.0120)

= 13.53 = 27.07 = 27.07 = 18.04 = 9.02 = 3.61 = 1.20

Para calcular λ 𝑒𝑖 = (𝑛)(𝑓𝑖)

∑ 𝑥𝑖 𝑓𝑖 200
𝜇= = =2
𝑛 100
λ=μ=2

𝑒 −𝜆 𝜆𝑥
𝑓(𝑥) =
𝑥!

𝑒 −2 (2)3
𝑓(3) = = 0.1804
𝑒 −2 (2)0 3!
𝑓(0) = = 0.1353
0! 𝑒 −2 (2)4
𝑓(4) = = 0.0902
𝑒 −2 (2)1 4!
𝑓(1) = = 0.2707
1! 𝑒 −2 (2)5
𝑓(5) = = 0.0361
𝑒 −2 (2)2 5!
𝑓(2) = = 0.2707
2! 𝑒 −2 (2)6
𝑓(6) = = 0.0120
6!

Núm. de 0 1 2 3 4 o más
llamadas
oi 15 31 20 15 19

ei 13.53 27.07 27.07 18.04 13.83

K= 5
V= K – 1= 5 – 1 =4
∝= 0.10
(𝑜𝑖 − 𝑒𝑖)2
𝑥2 = ෍ = 5.0217 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎
𝑒𝑖

RC x2 > 7.7794
RA 0 < x2 < 7.7794
No se rechaza Ho, Los datos si se ajustan al
modelo Poisson
5.0217
7

7.7794
 Un estudio de niveles educativos de los votantes y su afiliación política tuvo los siguientes
resultados.

AFILIACIÓN AL PARTIDO.

NIVEL DEMOCRATA REPUBLICANO INDEPENDIENTE TOTAL

EDUCATIVO
No termino 40 20 10 70
secundaria 28 28 14
Preparatoria 30 35 15 80
completa 32 32 16
Licenciatura 30 45 25 100
40 40 20
TOTAL 100 100 50 250

Utiliza ∝= 0.01 y determine si la afiliación política es independiente del nivel educativo de

los votantes.

DEMOCRATAS. REPUBLICANOS INDEPENDIENTES

(70)(100) (70)(100) (70)(50)

= 28 = 28 = 14
250 250 250

(80)(100) (80)(100) (80)(50)

= 32 = 32 = 16
250 250 250

(100)(100) (100)(100) (100)(50)

= 40 = 40 = 20
250 250 250
(𝑜𝑖 − 𝑒𝑖)2
𝑥2 = ෍ = 13.4152 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎
𝑒𝑖
Ho: existe independencia entre las variables nivel educativo
y votantes.
H1: no existe independencia.
∝= 0.01
V=(r-1)(c-1)=(3-1)(3-1)=(2)(2)=4

RC x2 > 13.2767
RA 0 < x2 < 13.2767

13.4152 Se rechaza Ho, no existe independencia

entre las variables.

13.2767
Para establecer si el gusto por la música clásica esta relaciona con la edad del oyente, se
entrevistaron a 185 personas con los siguientes resultados.

Edad Le agrada No le agrada Total

Menor de 20 18 66 84
años 39.0486 44.9513
Mayor de 20 68 33 101
años 46.9513 54.0486
Total 86 99 185

Realizar la prueba con un nivel de significancia de ∝= 0.05

LE AGRADA NO LE AGRADA

(84)(86) (84)(99)
= 39.0486 = 44.9513
185 185
(101)(86) (101)(99)
= 46.9513 = 54.0486
185 185

2
(𝑜𝑖 − 𝑒𝑖)2
𝑥 =෍ = 38.8357 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎
𝑒𝑖
Ho: existe independencia entre las variables edades y gusto por música clásica
H1: no existe independencia
∝= 0.05
V= 1 (2x2)

RC x2 > 3.8414
RA 0 < x2 < 3.8414
Se rechaza Ho, no existe independencia
entre las variables.
38.8357

3.8414
Un gerente de marca está preocupado porque la participación de mercado de su marca se
distribuye en forma dispareja en el país. En una encuesta en la que se dividió al país en
cuatro regiones geográficas, se tomó una muestra aleatoria de 10 consumidores en cada
región, con los siguientes resultados:

REGIÓN
NE NO SE SO Total
Compra la 40 55 45 50 190
marca 47.5 47.5 47.5 47.5
Ni compra la 60 45 55 50 210
marca 52.3 52.5 52.5 52.5
Total 100 100 100 100 400
a) Pruebe la homogeneidad de la distribución entre las 4 regiones diferentes con
∝= 0.05
b) Concluya si existe diferencia.

NE NO SE SO
(190)(100) (190)(100) (190)(100) (190)(100)
= 47.5 = 47.5 = 47.5 = 47.5
400 400 400 400
(210)(100) (210)(100) (210)(100) (210)(100)
= 52.5 = 52.5 = 52.5 = 52.5
400 400 400 400
(𝑜𝑖 − 𝑒𝑖)2
𝑥2 = ෍ = 5.0125 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎
𝑒𝑖
Ho: para la marca las proporciones de cada región geográfica son la misma
H1: para al menos una opinión las proporciones no son las mismas.

∝= 0.05
V= (2-1)(4-1)=(1)(3)=3

RC x2 > 7.8147
RA 0 < x2 < 7.8147
No se rechaza Ho, existe homogeneidad
5.0125 entre la marca y las regiones geográficas.

7.8147
De acuerdo con un estudio de la Universidad Johns Hopkins publicado en el American
Jornal of Public Health, las viudas viven mas que los viudos. Considere los siguientes
datos de sobrevivencia de 100 viudas y 10 viudos después de la muerte del cónyuge.

Años vividos Viudas Viudos Total

Menos de 5 25 39 64
32 32
De 5 a 10 42 40 82
41 41
Más de 10 33 21 54
27 27
Total. 100 100 200
¿podemos concluir con un nivel de significancia de 0.05 que las proporciones de viudas y
viudos son iguales con respecto a los diferentes periodos que un cónyuge sobrevive a la
muerte de su compañero?

VIUDAS VIUD0S
(64)(100) (64)(100)
= 32 = 32
200 200
(82)(100) (82)(100)
= 41 = 41
200 200
(54)(100) (54)(100)
= 27 = 27
200 200
(𝑜𝑖 − 𝑒𝑖)2
𝑥2 = ෍ = 5.7779 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎
𝑒𝑖
Ho: Para cada periodo las proporciones de viudas y viudos son iguales.
H1: Para al menos un periodo las proporciones no son las mismas.

∝= 0.05
V= (3-1)(2-1)=(2)(1)=2

RC x2 > 5.9915
RA 0 < x2 < 5.9915
No se rechaza Ho, existe homogeneidad
entre los periodos y la proporción de viudas y
5.7779 viudos.

5.9915
 Una organización de consumidores quiere comparar el precio de un juguete en cada
cuatro cadenas comerciales A, B, C y D los precios del juguete en cada tienda de cada
cadena son los siguientes.
Tiendas PRECIO
A 17 19 16 18 21 20 18
B 23 24 22 23 24
C 16 17 19 21 18 18
D 24 22 23 23 25 24
a) Al nivel de 0.05 probar si hay diferencia entre los precios promedios de las cuatro
cadenas comerciales.

A B C D
𝑥̅ = 18.4285 𝑥̅ = 23.2 𝑥̅ = 18.1667 𝑥̅ = 23.5
𝑠1 = 1.7182 𝑠2 = 0.8367 𝑠3 = 1.7224 𝑠4 = 1.0488

𝑠1 2 = 2.9524 𝑠2 2 = 0.7 𝑠3 2 = 2.9667 𝑠4 2 = 1.1

𝑇1 = 129 𝑇2 = 116 𝑇3 = 109 𝑇4 = 141
𝑛1 = 7 𝑛2 = 5 𝑛3 = 6 𝑛4 = 6

𝑥̿ = 20.625 𝑐=4

𝑇 = 495 ෍ 𝑥 2 = 10403

𝑛 = 24

𝑇2 (495)2
𝑆𝑆𝑇 = ෍ ෍ 𝑋𝑖𝑗 2 − = 10403 − = 193.625
𝑛 24
𝑇𝑖 2 𝑇 2 (129)2 (116)2 (109)2 (141)2 (495)2
𝑆𝑆𝐴 = ෍ − =[ + + + ]− = 152.7774
𝑛𝑖 𝑛 7 5 6 6 24

𝑆𝑆𝑊 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴 = 193.625 − 152.7774 = 40.8476

𝑆𝑆𝐴 152.7774
𝑀𝑆𝐴 = = = 50.9258
𝐶−1 4−1
𝑆𝑆𝑊 40.8476
𝑀𝑆𝑊 = = = 2.0424
𝑛−𝐶 24 − 4
𝑆𝑆𝑇 193.625
𝑀𝑆𝑇 = = = 8.4185
𝑛−1 24 − 1
𝑀𝑆𝐴 50.9258
𝐹= = = 24.9343
𝑀𝑆𝑊 2.0424
 FUENTE GRADOS DE SUMA DE CUADRADO F
LIBERTAD CUADRADOS MEDIO
(VARIANZA)
ENTRE GRUPOS 𝐶− 1 SSA MSA F
4− 1=3 193.625 50.9258 24.9343
DENTRO DE 𝑛 − 𝐶 SSW MSW
GRUPOS 24 − 4 = 20 40.8476 2.0424
TOTAL 𝑛−1 SST MST
24 − 1 = 23 152.7774 8.4185

𝛼 = 0.05
𝑉1 = (𝐶 − 1) = 3, 𝑉2 = (𝑛 − 𝐶) = 20 (3,20)𝑔𝑙
𝐻𝑜: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4
H1: Al menos una media es diferente.

RC x2 > 3.9823
RA 0 < x2 < 3.9823
Se rechaza Ho, una media es diferente.

24.9343

3.9823
 b) Aplicar en caso necesario la prueba de Tukey al nivel de 0.05
𝐶(𝐶 − 1) 4(4 − 1)
= =6
2 2
|𝑥̅1 − 𝑥̅2 | = |18.4285 − 23.2| = 4.7715 > 3.3138
|𝑥̅1 − 𝑥̅3 | = |18.4285 − 18.1667| = 0.2618 < 3.1486
|𝑥̅1 − 𝑥̅4 | = |18.4285 − 23.5| = 5.0715 > 3.1486
|𝑥̅2 − 𝑥̅3 | = |23.2 − 18.1667| = 5.0333 > 3.4269
|𝑥̅2 − 𝑥̅4 | = |23.2 − 23.5| = 0.3 < 3.4269
|𝑥̅3 − 𝑥̅4 | = |18.1667 − 23.5| = 5.3333 > 3.2674

𝑄𝑢 (𝑐, 𝑛 − 𝑐) = 𝑄𝑢 (4, 20) = 3.96

𝑀𝑆𝑊 1 1
𝐴𝐶 = 𝑄𝑢 (𝑐, 𝑛 − 𝑐)ඨ ቆ + ቇ
2 𝑛𝑗 𝑛𝑗´

2.0424 1 1
𝐴𝐶1 = 3.96ඨ ( + ) = 3.3138
2 7 5

2.0424 1 1
𝐴𝐶2 = 3.96ඨ ( + ) = 3.1486
2 7 6

2.0424 1 1 Existen diferencias significativas en 2

𝐴𝐶3 = 3.96ඨ ( + ) = 3.1486 pareas (𝑥̅1 − 𝑥̅3 ) y (𝑥̅2 − 𝑥̅4 )
2 7 6

2.0424 1 1
𝐴𝐶4 = 3.96ඨ ( + ) = 3.4269
2 5 6

2.0424 1 1
𝐴𝐶5 = 3.96ඨ ( + ) = 3.4269
2 5 6

2.0424 1 1
𝐴𝐶6 = 3.96ඨ ( + ) = 3.2674
2 6 6
Los datos siguientes se obtuvieron utilizando un diseño completamente al azar.
Muestra 1 Muestra 2 Muestra 3

3 4 2
2 3 0

4 5 2
3 2 1

2 5

a) Pruebe, al nivel de significancia de 5%, si existe diferencia significativa entre las

medias de los tratamientos.

1 2 3
𝑥̅ = 2.8 𝑥̅ = 3.8 𝑥̅ = 1.25
𝑠1 = 0.8367 𝑠2 = 1.3038 𝑠3 = 0.9574
𝑠1 2 = 0.7 𝑠2 2 = 1.7 𝑠3 2 = 0.9167
𝑇1 = 14 𝑇2 = 19 𝑇3 = 5
𝑛1 = 5 𝑛2 = 5 𝑛3 = 4

𝑥̿ = 2.7143 𝑐=3

𝑇 = 38 ෍ 𝑥 2 = 130

𝑛 = 14

𝑇2 (38)2
𝑆𝑆𝑇 = ෍ ෍ 𝑋𝑖𝑗 2 − = 130 − = 26.8571
𝑛 14
𝑇𝑖 2 𝑇 2 (14)2 (19)2 (5)2 (38)2
𝑆𝑆𝐴 = ෍ − =[ + + ]− = 14.5071
𝑛𝑖 𝑛 5 5 4 14

𝑆𝑆𝑊 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴 = 26.8571 − 14.5071 = 12.35

𝑆𝑆𝐴 14.5071
𝑀𝑆𝐴 = = = 7.2535
𝐶−1 3−1
 𝑆𝑆𝑊 12.35
𝑀𝑆𝑊 = = = 1.1227
𝑛 − 𝐶 14 − 3
𝑆𝑆𝑇 26.8571
𝑀𝑆𝑇 = = = 2.0659
𝑛−1 14 − 1
𝑀𝑆𝐴 7.2535
𝐹= = = 6.4608
𝑀𝑆𝑊 1.1227

FUENTE GRADOS DE SUMA DE CUADRADO F

LIBERTAD CUADRADOS MEDIO
(VARIANZA)
ENTRE GRUPOS 𝐶− 1 SSA MSA F
3− 1=2 14.5071 7.2535 6.4608
DENTRO DE 𝑛 − 𝐶 SSW MSW
GRUPOS 14 − 3 = 11 12.26 1.1227
TOTAL 𝑛−1 SST MST
14 − 1 = 13 26.8571 2.0659
𝛼 = 0.05
𝑉1 = (𝐶 − 1) = 2, 𝑉2 = (𝑛 − 𝐶) = 11 (2,11)𝑔𝑙
𝐻𝑜: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4
H1: Al menos una media es diferente.

RC x2 > 3.9823
RA 0 < x2 < 3.9823
Se rechaza Ho, una media es diferente.

6.4608

3.9823
 b) En caso de ser necesario, haga la prueba Tukey al nivel del 5%.
𝐶(𝐶 − 1) 3(3 − 1)
= =3
2 2
|𝑥̅1 − 𝑥̅2 | = |2.8 − 3.8| = 1 < 1.8101
|𝑥̅1 − 𝑥̅3 | = |2.8 − 1.25| = 1.55 < 1.92
|𝑥̅2 − 𝑥̅3 | = |3.8 − 1.25| = 2.55 > 1.92

𝑄𝑢 (𝑐, 𝑛 − 𝑐) = 𝑄𝑢 (3, 11) = 3.82

𝑀𝑆𝑊 1 1
𝐴𝐶 = 𝑄𝑢 (𝑐, 𝑛 − 𝑐)ඨ ቆ + ቇ
2 𝑛𝑗 𝑛𝑗´

1.1227 1 1
𝐴𝐶1 = 3.82ඨ ( + ) = 1.8101
2 5 5

1.1145 1 1
𝐴𝐶2 = 3.82ඨ ( + ) = 1.92
2 5 4

1.1145 1 1 Existen diferencias significativas en una

𝐴𝐶3 = 3.82ඨ ( + ) = 1.92 media (𝑥̅2 − 𝑥̅3 )
2 5 4
▪ DISTRIBUCIÓN DE POISSON. (2022). website:
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
▪ Nugra, P. (2022, Deciembre 7). JI CUADRADA. website:
http://paonugra.blogspot.com/2008/01/ji-cuadrada.html
▪ HIPERGEOMETRICA. (2022). website:
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/hipergeometrica.htm
▪ DISTRIBUCIóN GEOMÉTRICA. (2022). website:
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/geometrica.htm
▪ A.I.D.E.P. (1971). Estadísticas y probabilidades. España. Editorial Reverté.
▪ Caja Poma, R. (2018). Probabilidad y Estadística: Un enfoque teórico y práctico. España.
Ruddy Caja Poma.
▪ Devore, J. (2016). Probabilidad y Estadística para Ingeniería y Ciencias. España. Cengage
Learning.