You are on page 1of 87

Programa de Certificación

Lean Six Sigma

r n
to
e
pp
ha
ek
s
ng
i
th
dir
e
ak
m
Nivel Black Belte
w

Por

Definir Medir

Controlar Analizar

r n
to
e
pp
ha
Improve
ANALIZAR

ek
s
(Mejorar)

ing
th
dir
e
ak
m
e
w
 Determinar la causa Raíz del Problema

Objetivo Módulo Analizar
• Identificar la(s) causa(s) raíz del problema

r n
to
• Desarrollar teorías de causas generadoras del

e
pp
ha
ek
s
ng
problema

i
th
dir
e
ak
m
e
w

•Confirmar teorías de causas con datos
Facultad de Ingeniería- UNAM

Temario
1. Tormenta de Ideas
2. Diagrama de Afinidad
3. Identificación de los 9 Desperdicios
4. Diagrama de Valor
5. Diagrama Ishikawa (MINITAB)
6. 5 por qué’s

r n
to
7. Introducción a Prueba de Hipótesis

e
pp
ha
ek
8. Prueba de t

s
ng
i
th
9. ANOVA

dir
e
ak
10. Pruebas no Paramétricas

m
e
w
11. Análisis de Regresión
12. Prueba de Ji Cuadrada
13. Prueba de Proporciones

Facultad de Ingeniería- UNAM

Pasos de la etapa Priorizar Identificar Causas causas Efecto r n Priorizar causa to e pp ha embudo ek s ing th Recolectar dir e ak m datos e w Analizar datos Seleccionar causas significantes .

Como vamos Priorizar Identificar Causas causas r n Priorizar causa to e pp ha ek s ing th Recolectar dir e ak m datos e w Analizar datos Seleccionar causas significantes .

• Necesitamos generar ideas que nos ayudarán a determinar donde enfocar los esfuerzos de r n mejora relacionados a un objetivo más to e pp ha ek s ng amplio. i th dir e ak m e w .

Tormenta de Ideas r Brainstorming n to e pp ha ek s ing th dir e ak m e w Facultad de Ingeniería.UNAM .1.

Oscar Wilde n to e pp ha ek s ing th dir e ak m e w ." r .“Una idea que no es arriesgada no tiene lo necesario para ser considerada como una idea.

UNAM .La tormenta de ideas es una técnica que se utiliza para aprovechar al máximo los aportes de un grupo de personas que tienen ideas diferentes. r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.

r n to e pp ha ek s ing th dir e ak m e w .• Método estructurado de generación de ideas/soluciones no restringidas y aporte de compromiso/mejora en el proceso.

Los pasos claves son: – Definir claramente el objetivo de la sesión – Estimular a todos a aportar sus ideas espontáneamente r n to e  Escribir cada una de las ideas. las ideas similares son agrupadas. Facultad de Ingeniería. w  En la conclusión.UNAM . pp ha ek s ng  No evaluar (todavía) ninguna de las ideas. solamente se escriben i th dir e cuando se proponen. ak m e  Trabajar sobre las ideas de los demás en la medida de lo posible.

UNAM . w Facultad de Ingeniería.Consideraciones importantes: – Fomentar que los participantes escriban sus ideas conforme vayan surgiendo –Escribir cada idea r n to e pp ha –Si es necesario aclare información ek s ng i th • Una brainstorming proporciona ideas en un corto plazo. dir e ak m e • Este proceso separa la evaluación y priorización de ideas.

2. Diagrama de Afinidad r n to e pp ha ek s ing th dir e ak m e w Facultad de Ingeniería.UNAM .

UNAM .Lluvia de Ideas Diagrama de Afinidad r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.

Facultad de Ingeniería. o cuando los miembros tienen un conocimiento incompleto de la zona de análisis. y números) y los organiza en grupos en función de sus relaciones r naturales (afinidad). Diagrama de Afinidad Un diagrama de afinidad es una herramienta que reúne a grandes cantidades de datos (ideas. n to e pp ha ek s ng i th Puede ser utilizado en circunstancias que parecen confusos dir e ak m o desorganizado. opiniones. como cuando las personas con diversas e w experiencias forman un nuevo equipo.UNAM .

2. Facultad de Ingeniería. Ordena las ideas en grupos relacionados. Muestre las ideas. e pp ha 3. mesa de manera aleatoria. colóquelos juntos en una columna a un lado. r n to Publique las ideas en un rota folio. pizarra. Utilice la herramienta del brainstorming para generar una lista de ideas. ek s ng i th dir e Los miembros el equipo físicamente deben ordenar las ideas en grupo. Generar ideas.UNAM . Pasos para generar un Diagrama de afinidad 1. usando ak m el siguiente proceso: e w – Inicie asociando 2 ideas. – Busque ideas que estén relacionados con los que ya ha creado y añádalos a este grupo – Puede buscar otras ideas que se relacionen entre sí y establecer nuevos grupos. sin hablar.

Escriba el planteamiento del problema en la m e w parte superior del diagrama. Un encabezado es la idea que captura el vínculo esencial entre las ideas contenidas en un grupo de tarjetas.Revise y aclare las ideas y agrupaciones. Pasos para generar un Diagrama de afinidad 4. ek s ng i th dir e ak 6.Cree encabezados para los grupos. Facultad de Ingeniería. r n to e pp ha 5.UNAM .Dibuje el diagrama de afinidad terminado. 7.

dir e ak m se puede aclarar y combinar las ideas y luego utilizar una de las e w herramientas de toma de decisiones para identificar los elementos de mayor prioridad. Pasos para generar un Diagrama de afinidad 8. En su lugar. puede omitir el proceso de Affinity. Documente el diagrama de afinidad terminado. r n to e pp Como regla general.UNAM . Facultad de Ingeniería. si se han identificado menos de 15 puntos ha ek s ng i th de información.

UNAM .Problema: Bajo rendimiento r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.

5.UNAM . Diagrama de Ishikawa r n to e pp ha ek s ing th dir e ak m e w Facultad de Ingeniería.

dir e ak m e w Herramienta visual utilizada POR UN EQUIPO para organizar lógicamente las Causas Potenciales ( X´s ) de un Problema o Efecto Específico ( Y ) provenientes de una sesión de “lluvia de ideas”. Facultad de Ingeniería. administrador de empresas y experto en el control de calidad. cuyo aporte fue la r n to e pp ha implementación de sistemas de calidad adecuados al valor ek s ng i th de procesos empresariales. Diagrama Causa & Efecto  Kaoru Ishikawa Químico industrial Japonés.UNAM .

UNAM .Efecto r n to e pp ha ek s ing th dir e ak m e w Facultad de Ingeniería.Diagrama Causa .

Conecta las Sub- 2 . Generando con Sub-causa ello Sub-causa Sub-causa 6.Para cada causa preguntar ¿Por qué CAUSA 1 CAUSA 2 existe esta condición? . Continua CAUSA 3 8. 3. Se dibuja una causas a las líneas 1. Marca la CausaCAUSA 4 4. Las Causas se conectan a agregando causas. flechas causas y conéctalas Facultad de Ingeniería.UNAM . Se coloca el r n to e causas con líneas pp línea central en Problema a la ha ek s forma de Flecha que derecha y se ng i th conecta con el encierra en una dir e ak m problema. Sub-causa caja e w Sub-causa 7. Se identifican las posibles causas EFECTO 5. (s) potencial la línea central también con incluso de las sub.

r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.UNAM .

UNAM . r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.

UNAM . Ejercicio • ¿Recuerdas la dinámica inicial? r n to e pp ha ek s ing th dir e ak m e w Facultad de Ingeniería.

Minitab Ruta: statquality toolscause and efect r n to e pp ha ek s ing th dir e ak m e w Facultad de Ingeniería.UNAM .

• Previamente se deben cargar causas en la hoja de datos r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.UNAM .

• Seleccionar las columnas r n to e pp ha donde se ek s ng i th enlistaron las dir e ak m causas e w • Para ingresar subcausas Facultad de Ingeniería.UNAM .

UNAM . r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.

6. 5 por qué’s r n to e pp ha ek s ing th dir e ak m e w Facultad de Ingeniería.UNAM .

grupos de trabajo w • Dónde: ubicación. se deben buscar cambios recientes en el proceso: – ¿Qué fue diferente en el proceso en comparación a cuando funcionaba bien? – Se debe pensar en: r n to e pp ha ek • Qué: equipos. departamento • Cuándo: hora del día • Cuánto: cantidades utilizadas Facultad de Ingeniería.UNAM . ¿Qué se debe buscar?: Cambios significativos • Si se ha presentado un deterioro repentino en el desempeño de los procesos. materiales s ng i th • Cómo: proceso utilizado dir e ak m e • Quiénes: personas.

hay que empezar con la e w definición del problema ENFOCADO y entonces preguntar ¿Por qué? 5 veces.UNAM . Facultad de Ingeniería. ha ek s ng i th dir e ak m • Para desarrollar este proceso.• El proceso 5por qué’s (Why’s) está diseñado para encontrar las causas de un problema al someterlo a preguntas ¿Por qué? Y preguntando ¿Por qué? a cada una de las respuestas. r n to e pp • Esta serie de preguntas hará que la causa raíz sea descubierta.

r n to e pp ha ek s ng i th dir e • Es el lugar de la cadena de causas en donde se ak m e w podría implementar una intervención para prevenir resultados no deseados. Facultad de Ingeniería.UNAM .• La causa raíz es una cadena de causas que llevan a un efecto.

el problema actual necesita cambiarse a una pregunta “Por qué”: r n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.Para iniciar el proceso.UNAM .

UNAM . los ejecutivos del Servicio de Parques Nacionales se dieron cuenta que la fachada de piedra del monumento se fue deteriorando y mostrando importantes signos de desgaste mayores a los otros r n to e pp ha ek monumentos. Memorial de Lincoln Hace varios años. s ng i th dir e ak m e w Facultad de Ingeniería.

Ejemplo El monumento Lincoln presenta mayor deterioro que los demás monumentos? El monumento Lincoln se limpiaba con mayor frecuencia que el 1er ¿Por qué resto de los monumentos? 2do ¿Por qué El monumento Lincoln se ensuciaba más de deposiciones de r n to pájaros que el resto de los monumentos? e pp ha ek s ng 3er ¿Por qué En el monumento Lincoln había más pájaros que en resto de i th dir e ak los monumentos? m e w En el monumento Lincoln había más ácaros (comida preferida 4to ¿Por qué de los gorriones) que en el resto de los monumentos? 5to ¿Por qué Por el tipo de iluminación (diferente a los otros monumentos) que facilitaba la proliferación de ácaros Facultad de Ingeniería.UNAM .

• En ocasiones podemos tener varias respuestas.UNAM . en estos casos te puedes apoyar de un árbol lógico ¿Por qué? ¿Por qué ¿Por qué? ¿Por qué? ¿Por qué? r Respuesta 1 n to e pp ha ek s ng i th dir e ak m e Respuesta 2 w Respuesta 3 Facultad de Ingeniería.

Como vamos Priorizar Identificar Causas causas r n Priorizar causa to e pp ha ek s ng i th Recolectar dir e ak m datos e w Analizar datos Seleccionar causas significantes Facultad de Ingeniería.UNAM .

UNAM . ¿Cómo vamos? • Identificación de causas Diagrama de • Priorizar Lluvia de Ideas Afinidad Efecto r n to e pp ha ek s ing th dir e ak Mapas de valor m Mapas de valor Desperdicios e w Ishikawa Facultad de Ingeniería.

Introducción a Prueba de r Hipótesis n to e pp ha ek s ng i th dir e ak m e w Facultad de Ingeniería.7.UNAM .

w e dir m ak e ek th ing s to ha r pp en INTERVALO DE CONFIANZA .

Recuerdas diferencia entre población y muestra? r n to e pp ha ek s ing th dir e ak m e w .

Es la probabilidad que un r intervalo de confianza contenga el parámetro estimado n to e pp ha ek s ing th dir e ak Valores m Valores e w improbables improbables . Intervalo de confianza Es un Rango de valores probables para un parámetro poblacional Coeficiente de Confianza: 1-α.

Nivel de confianza Un nivel de confianza es que tan seguro r nuestro intervalo de confianza contiene n to e pp ha el verdadero valor del parámetro ek s ing th poblacional (el nivel de confianza es dir e ak m e w igual a 1 – α) .

w e dir m ak e ek th ing s to ha r pp en Intervalo de confianza .

99 .9 .05 1.96 e 0.95 .05 .02 w .58 .005 2.10 .01 2.645 dir e ak m 0.025 1.33 .98 .01 . Valores utilizados comúnmente para Intervalos de Confianza Coeficiente de α α/2 r n Z α/2 to e pp confianza ha ek s ing th 0.

w e dir m ak e ek th ing s to ha r pp en Formulas .

Ejercicio • Una persona quiere vender su casa. m e w Estima el promedio de venta para todas las casas similares en sus alrededores. y tomo una muestra de 64 casas similares a la de él en sus alrededores. encontró que el promedio de r n to e pp ha venta es de $247. . con una desviación ek s ing th dir e ak estándar de $15.000.000.

i th dir e ak m e w Construya el intervalo de confianza . Ejercicio 2 • Se realizaron unas encuestas para las próximas elecciones del candidato X se entrevistaron a r n 985 votantes de los cuales 592 indicaron que to e pp ha ek s ng piensan votar por el candidato.

xls r n to e pp ha ek s ing th dir e ak m e w . Intervalo de Confianza Minitab • Intervalo.

w e dir m ak e ek th ing s to ha r pp en .

por pp ha ek s ing th lo que podemos cuantificar la incertidumbre. r n to e • Existe variabilidad de muestra a muestra. Importancia de un intervalo de confianza • La estadística de una muestra son estimados de una población. dir e ak m e w .

w e dir m ak e ek th ing s to ha r pp en Prueba de Hipótesis .

Pruebas de Hipótesis  Prueba de hipótesis r  Pruebas para una muestra n to e pp ha ek s  Pruebas para dos muestras ing th dir e ak  Pruebas para más de dos muestras m e w  Pruebas no paramétricas .

X4.X2.X5…Xn) pp ha ek s ing th dir e ak m e w .X3.Recuerda r n to e Y = f(X1.

Una proposición o conjunto de proposiciones. • Una mera suposicióno conjetura. ¿Qué es una hipótesis? • Una propuesta que se asume como premisa en un argumento. establecidos como una r • n to e explicación para la ocurrencia de algún grupo determinado de pp ha fenómenos. m e • w Una hipótesis es una afirmación basada: •En una opinión sobre una población • En la experiencia . ya sea afirmado como una mera conjetura provisional para ek s ng guiar la investigación (hipótesis de trabajo) o reconocidas como i th dir e ak altamente probable a la luz de los hechos probados.

¿ Como saber si alguien era bruja ? r n to e pp ha ek s ing th dir e ak m e w .

Ejemplos • Todo lo que sube tiene que bajar r n to e pp ha • Usar pasta de dientes previene las caries ek s ing th dir e ak m e w • Fumar provoca Cáncer .

si las causas tienen realmente un efecto en el síntoma. . creencias. • Esto es. incluso ideas locas. deben ser evaluadas y cuantificadas. Hacemos esta evaluación mediante una gama de herramientas llamada r n to e prueba de hipótesis. pp ha ek s ing th dir e ak m Las pruebas de hipótesis nos ayudan a determinar si las causas o Xs son e w estadísticamente significantes para impactar en el resultado de la variable de salida Y. Una prueba de hipótesis es: Todas las suposiciones.

sólo una prevalecerá . Prueba de hipótesis • Para contestar la pregunta: “¿tiene relación la X con la Y?” r n to e pp Ejemplo: ha ek s ing ¿Las calificaciones de los alumnos tienen relación con el th dir e ak m método de enseñanza? e w Siempre tendremos opciones.

Ejemplos • Determinar qué maquina es más eficiente • Estilo de liderazgo influye en el equipo r n to e pp ha • Procesos nuevos vs procesos viejos en sus ek s ing th dir e tiempos de ciclo. . ak m e w • Diferecias de servicio del proveedor A vs Proveedor B.

no pasa nada… el método de enseñanza r n to e pp ha ek s Hipótesis alternativa H1 ing th H1: Las calificaciones de los dir e ak m Existe cambio. algo alumnos SI tienen relación con e w paso. no hay cambios. Hipótesis nula H0 H0: Las calificaciones de los No pasa nada. si hay relación… el método de enseñanza . no alumnos NO tienen relación con hay relación. hay diferencia.

w e dir m ak e ek th ing s to ha r pp en Algunos son fáciles .

w e dir m ak e ek th ing s to ha r pp en Algunos no tan fáciles .

w e dir m ak e ek th ing s to ha r pp en Algunos muy difíciles .

Imagina • Eres el jurado Hipótesis nula Hipótesis alternativa r n to e pp ha ek s ing th dir e ak m e w La hipótesis nula es verdadera hasta que se demuestre lo contrario con datos que esta es falsa -Más allá de una duda razonable- .

Pasos Prueba de Hipótesis El flujo Six Sigma ¿Qué estas probando? Define la hipótesis nula H0 (¿cuál es tu teoria?) r n to e pp ¿Cuál es tu intervalo de ha Nivel alfa ek s confianza? ing th dir e ak Selecciona y ejecuta tu prueba de m Selección de herramienta e w hipótesis (Basados en tus datos) Decide si tu teoría es acertada No rechazas o rechaza tu o no hipótesis nula Convierte tu decisión en terminología “normal” .

solo una prevalecerá: Ho: El acusado no tiene relación con el Ha: El acusado tiene relación con el r crimen crimen n to e pp ha ek s ing th dir e ak m e w Necesitamos datos para seleccionar cualquiera de ellas .Paso 1 : Define la prueba de hipótesis Para contestar la pregunta “¿tiene relación la X con la Y?” Ejemplo: ¿El acusado tiene relación con el crimen? tenemos 2 opciones .

w e dir m ak e ek th ing s to ha r pp en Paso 2: Nivel alfa .

w e dir m ak e ek th ing s to ha r pp en Paso 2: Nivel alpha .

La selección de la herramienta específica dependerá principalmente de los tipos de datos analizados. diferencia real. mucho riesgo de tomar una decisión equivocada. “No pasa nada” Valor de p > alfa. r n to e –Ha: Hipótesis alternativa: Relación. no hay diferencia. “Algo pasó” pp ha ek s ng Valor de p <= alfa. Sin importar la herramienta seleccionada. cambio. . esta regla siempre va a aplicar. Paso 2 : Pruebas de Hipótesis – Ho: Hipótesis nula: Sin relación. sin cambios. no podemos afirmar que algo pasó. poco riesgo de error. Podemos afirmar que algo i th dir e ak realmente pasó m e w – El valor de p se relaciona con la probabilidad (que tanto riesgo) que se tiene en tomar una decisión equivocada.

n to e pp ha – 𝜷𝜷(beta)/tipo II: ek s ng Muy útil para determinar que tan capaz es una prueba i th dir e ak estadística de detectar una diferencia no aleatoria de un grupo de datos.  𝜶𝜶(alfa): 5%  𝜷𝜷(beta): 10% . Se relaciona m e w con que tan probable (factible) es negar una diferencia cuando en realidad existe. Se relaciona con que tan probable (factible) es afirmar que existe r una diferencia cuando en realidad no existe. – El número (1. Paso 2: Pruebas de Hipótesis Tipos de errores – 𝜶𝜶(alfa)/tipo I: Referencia principal para tomar conclusiones al realizar pruebas de hipótesis.𝜷𝜷) se conoce como la potencia de la prueba.

Paso 2 : Pruebas de Hipótesis – Siempre que tomemos una decisión. queremos que nuestra conclusión esté lo más cercano a la realidad: r n to e pp ha ek s ing th dir e ak m e w .

w e dir m ak e ek th ing Inocente s to ha r pp en ejemplo Culpable Culpable Inocente .

ek s ng Para un nivel de confianza del 95% i th dir e ak m Si el valor de p es alto (p>. Ho es el bueno e w Si el valor de p es bajo (p<.05) .05). Ho debe irse . Valor de Paso 4 Correr Prueba P hipótesis Probabilidad que los resultados observados puedan ocurrir por casualidad r n to e pp ha Validación de prueba de hipótesis.

Paso 3: Selección herramienta r n to e pp ha ek s ing th dir e ak m e w .

(la hipótesis nula) en favor de la hipótesis alternativa. r n to e pp ha ek s ing th • Sí P-value > 0. se dice que “no hay dir e ak m suficiente evidencia estadística para rechazar la Hipótesis e w nula” por lo que no tenemos suficiente evidencia de declarar que la hipótesis alternativa es verdadera. decimos que nuestro resultado es estadísticamente significante.Paso 4:Dejar de rechazar o Rechazar H0 • Sí P-value < 0. Si nosotros rechazamos la hipótesis nula. .05 Se rechaza H0.05 Nunca se acepta Ho.

Y = Consumo de combustible (litros) Variable (continua) r n to X1 = Marca de auto Variable (discretos) e pp ha ek s ing X1 = Marca de auto Una variable discreta con 3 niveles th dir e ak X11 = Ford m e w X12 = Chrysler X13 = GM ¿Cuáles serían la H0 y Ha? ¿Cuál es la herramienta adecuada para resolver esta prueba de hipótesis? . Ejemplo Queremos analizar la influencia de una marca de auto con el consumo de combustible.

se quiere determinar si el tiempo que se requiere para atender una llamada depende de la edad de los agentes (en años). de C.A. – Datos Tipo de datos – Y:____________ ______________ r n – X:____________ ______________ to e pp ha ek s ng – H0: i th dir e ak – Ha: m e w – La herramienta apropiada para contestar esto es:_____________________________ – ¿Cuál sería tu conclusión si p = 0.V.1917? . Ejercicio – En el Service desk del Banco Ahorritos S.

Ejercicio
– Sandra quiere probar que la cantidad de defectos han disminuido por las acciones de
Mejora que ha implementado.

– Datos Tipo de datos

r
– Y:____________ ______________

n
to
e
pp
– X:____________ ______________

ha
ek
s
ng
i
th
– H0:

dir
e
ak
m
– Ha:

e
w
– La herramienta apropiada para contestar esto es:_____________________________

– ¿Cuál sería tu conclusión si p = 0.051?

Ejercicio
– El consumo de una aspirina diaria reduce tener un ataque al corazón

– Datos Tipo de datos
– Y:____________ ______________

r n
to
e
pp
ha
– X:____________ ______________

ek
s
ing
th
dir
e
ak
– H0:

m
e
w
– Ha:

– La herramienta apropiada para contestar esto es:_____________________________
– ¿Cuál sería tu conclusión si p = 0.0095?

Ejercicio
– El área de presupuestos quiere saber si el costo de los boletos de avión dependen de la
aerolínea.

– Datos Tipo de datos
– Y:____________ ______________

r n
– X:____________ ______________

to
e
pp
ha
ek
s
ng
– H0:

i
th
dir
e
ak
– Ha:

m
e
w
– La herramienta apropiada para contestar esto es:_____________________________

– ¿Cuál sería tu conclusión si p = 0.15?

Ejercicio
– El área de producción quiere aumentar la temperatura para así disminuir el tiempo de
llenado ¿Este cambio hará que el tiempo de proceso sea más corto?.

– Datos Tipo de datos
– Y:____________ ______________

r n
– X:____________ ______________

to
e
pp
ha
ek
s
ng
– H0:

i
th
dir
e
ak
– Ha:

m
e
w
– La herramienta apropiada para contestar esto es:_____________________________

– ¿Cuál sería tu conclusión si p = 0.71?

Ejercicio – La facultad de Ingeniería para la actualización de su plan de estudios quiere determinar si las evaluaciones de los alumnos en Calculo II están determinadas por las calificaciones obtenidas en calculo I ¿Será que una evaluación esta determinada por la anterior? – Datos Tipo de datos – Y:____________ ______________ r n to X:____________ ______________ e pp – ha ek s ng H0: i – th dir e Ha: ak – m e w – La herramienta apropiada para contestar esto es:_____________________________ – ¿Cuál sería tu conclusión si p = 0.003? .

Ejercicio – El área de Capacitación esta analizando las asistencias a los cursos presenciales que brindan. el gerente de capacitación cree que el área de producción es la que tiene mayor ausentismo.1? . ¿Será esto cierto? – Datos Tipo de datos r – Y:____________ ______________ n to e pp ha – X:____________ ______________ ek s i ng th dir e – H0: ak m – Ha: e w – La herramienta apropiada para contestar esto es:_____________________________ – ¿Cuál sería tu conclusión si p = 0.