SEPARATAS DE EVALUACIONES A DISTANCIA

...

[pic 14]

ACTIVIDADES DE REELABORACIÓN Y DE APLICACIÓN A LA REALIDAD

Actividades de reelaboración

Objetivo de aprendizaje

- Reconocer las pruebas para comparar dos proporciones poblacionales diferentes.

Actividad 1 (valoración 3 puntos)

- Con el propósito de resolver ciertos problemas en el mundo empresarial es importante comparar dos proporciones poblacionales diferentes, por lo que es fundamental la identificación de las pruebas que nos permiten lograr este fin. En tal razón, explique las características de las pruebas de la diferencia entre dos proporciones, puede incluir ejemplos para ilustrar la actividad.

PRUEBA DE HIPOTESIS PARA LA DIFERENCIA ENTRE DOS PROPORCIONES DE DOS POBLACIONES.

P1-P2 : es el parámetro

[pic 15]: Es el estimador de la diferencia de las proporciones poblacionales

P1= 1 – q1

P2= 1- q2

[pic 16]=x1/n1

[pic 17]=x2/n2

Pasos:

- Formular la hipótesis nula: Ho: P1-P2 = Do

- Formular una hipótesis alterna. Elegir una entre:

Ha: P1-P2

Ha: P1-P2>Do

Ha: P1-P2≠Do

- Especificar el nivel de significancia α para la prueba

- Seleccionar el estadístico de prueba y definir la región de rechazo de Ho

[pic 18], con distribución normal estándar aproximadamente

Ha Región de rechazo de Ho en favor de Ha

P1-P2[pic 19][pic 20]

P1-P2>Do z>[pic 21]

P1-P2≠Do z[pic 22][pic 23]v z>[pic 24]

- Con los datos de la muestra calcular el valor del estadístico

- Si el valor del estadístico de prueba cae en la región de rechazo, la decisión es rechazar Ho en favor de Ha. Caso contrario se dice que no hay evidencia estadística para rechazar Ho.

Ejercicio:

Se cree que en la provincia de Santa Fe hay más gente con ojos claros que en la provincia de Entre Ríos. Para eso se toma una muestra de 300 personas de Santa Fe y 200 de Entre Ríos, obteniéndose 63 y 30 personas con ojos claros respectivamente. Decida a un nivel de significación del 5%.

Resolución:

Las hipótesis que tenemos son:

H0: pS = pE

HA: pS > pE

Para respetar el formato de las fórmulas dadas, lo escribiremos así:

H0: pS - pE = 0

HA: pS - pE > 0

Calculamos las p muestrales:

ps=63/300= 0.21 pE = 30/200= 0.15

calculamos z:

[pic 25]

Por su parte el fractil es [pic 26]=[pic 27]=1.645

Luego como [pic 28] rechazamos Ho porque la información que tenemos indica que Ha resulta más razonable.

Instrucciones para la ejecución de la tarea

- Es importante leer el Tema 1 de la Unidad 1 del texto - guía de la asignatura, páginas 37 - 41.

- Para reforzar la actividad solicitada, revise la siguiente dirección web:

- http://www.mitecnologico.com/Main/PruebaHipotesisParaDiferenciaDeProporciones

- Desarrolle la actividad en mínimo 1 y máximo 2 páginas.

Fecha tope de elaboración de esta actividad: primera semana de estudio

---------------------------------------------------------------

[pic 29]

Objetivo de aprendizaje

- Identificar los coeficientes utilizados en el análisis de correlación de una regresión.

Actividad 2 (valoración 3 puntos)

- Dentro del análisis de regresión se deben establecer ciertos parámetros que expliquen la correlación del análisis desarrollado, por lo tanto, mencione y explique los coeficientes que se utilizan en el análisis de correlación; además, suponiendo que el coeficiente de determinación de un análisis estadístico es de r2 = 0.86 ¿cómo lo interpretaría?, partiendo de este dato calcule el coeficiente de correlación e indique su interpretación o significado.

Coeficiente de correlación:

Para determinar el tipo de relación lineal entre las variables X y Y del modelo de regresión lneal se usa el coeficiente de correlación lineal que se define:

[pic 30]

Si r es cercano a 1 significa que hay una fuerte relación lineal positiva entre X y Y

Si r es cercano a -1 significa que hay una fuerte relación lineal negativa entre X y Y.

Si r es cercano a 0 significa que hay poca relación lineal entre X y Y.

Coeficiente de determinación:

el coeficiente de determinación es otra medida de la relación lineal entre las variables X y Y es útil para interpretar la eficiencia de la recta de mínimos cuadrados para explicar la variación de la variable de respuesta(Y).

r2 es el coeficiente de determinación.

r2 = 0.86 significa que el 86% de las variaciones en Y esta explicada por