Professional Documents
Culture Documents
Presentado por
Rigo Alberto Villamizar
Maryuri Dayana Suarez
Edinson Vargas Díaz
Grupo:
Presentado a:
. .
¿para la proporción? Estas pruebas son adecuadas cuando los datos que se están analizando constan de
frecuencias de elementos de dos o más clases. Estas evalúan las afirmaciones con respecto a una proporción o
porcentaje de población. En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de medias,
excepto que, en el caso de las primeras, los datos muestrales se consideran como cuentas en lugar de como
mediciones. Por ejemplo, las pruebas para medias y proporciones se pueden utilizar para evaluar afirmaciones con
respecto a:
1) Un parámetro de población único (prueba de una muestra)
2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y
3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras). Además, para tamaños grandes de
muestras, la distribución de muestreo adecuada para pruebas de proporciones de una y dos muestras es
aproximadamente normal, justo como sucede en el caso de pruebas de medias de una y dos muestras.
¿para la diferencia de medias? Cuando se trabaja simultáneamente con una variable categórica (posible VI) y una
variable dependiente (posible VD).
• Se debe considerar el número de niveles de la variable categórica.
respecto a:
1) Un parámetro de población único (prueba de una muestra)
2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y
3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras). Además, para tamaños grandes de
muestras, la distribución de muestreo adecuada para pruebas de proporciones de una y dos muestras es
aproximadamente normal, justo como sucede en el caso de pruebas de medias de una y dos muestras.
¿para la diferencia de medias? Cuando se trabaja simultáneamente con una variable categórica (posible VI) y una
variable dependiente (posible VD).
• Se debe considerar el número de niveles de la variable categórica.
• El objetivo es comparar los valores de la variable cuantitativa en función de los niveles de la variable categórica.
• Se asume que los grupos son independientes.
• ¿Es posible asumir que la población se distribuye normalmente?
2. Cuando se trabaja con muestras relacionadas, lo que significa dos mediciones cuantitativas en el mismo grupo.
• Lo habitual es considerar al mismo grupo de sujetos medidos dos veces; también se pueden comparar a pares de
sujetos (ej : gemelos).
Pueden darse 2 casos: muestras independientes (Si puede suponerse que las varianzas de ambas poblaciones son
iguales, el intervalo de confianza para la diferencia de medias poblacionales está centrado en la diferencia de las
medias muestrales, siendo sus límites superior e inferior) y muestras dependientes (En este caso las muestras están
formadas por parejas de valores, uno de cada población y el estadístico se obtiene a partir de las diferencias de los
valores de las dos variables correspondientes a cada caso o di que se define como di= xi-yi).
boa ESTUDIANTE 3:
¿Cuáles son las características de una prueba de hipótesis?
una afirmación acerca de una Siempre es sobre parámetros (características poblacionales).
El juego de hipótesis es de dos, la H0, llamada "nula" y la H1, o "alternativa". Se corre e
pótesis nula y la hipótesis alguno de los dos Tipos de Error.
El investigador solamente puede fijar la probabilidad del Error Tipo I.
Supone temporalmente que la H0 es cierta. Se basa en la distribución estadística de la va
se va a medir. La decisión se basa en los estimadores de los parámetros que se calculan
información muestral.
analizando constan de
respecto a una proporción o
ecen a las pruebas de medias,
uentas en lugar de como
ar para evaluar afirmaciones con 6. ¿Cuáles son las condiciones que se establecen para realizar una prueba de hipóte
proporción? Las pruebas de proporciones son adecuadas cuando los datos que se están
constan de cuentas o frecuencias de elementos de dos o más clases. El objetivo de estas
evaluar las afirmaciones con respecto a una proporción (o Porcentaje) de población.
Además, para tamaños grandes de
na y dos muestras es 7. ¿Cuáles son las condiciones que se establecen para realizar una prueba de hipóte
na y dos muestras. diferencia de proporciones? Cuando se tienen dos poblaciones y se han tomado mue
able categórica (posible VI) y una aleatorias de tamaños n 1 y n 2, para observar una característica o cualidad, se puede co
comportamiento de dicha característica en las poblaciones a través de la diferencia de pr
proporción? Las pruebas de proporciones son adecuadas cuando los datos que se están
constan de cuentas o frecuencias de elementos de dos o más clases. El objetivo de estas
evaluar las afirmaciones con respecto a una proporción (o Porcentaje) de población.
7. ¿Cuáles son las condiciones que se establecen para realizar una prueba de hipóte
diferencia de proporciones? Cuando se tienen dos poblaciones y se han tomado mue
aleatorias de tamaños n 1 y n 2, para observar una característica o cualidad, se puede co
comportamiento de dicha característica en las poblaciones a través de la diferencia de pr
Hipótesis
UDIANTE 3: ESTUDIANTE 4:
eba de hipótesis?
poblacionales).
a "nula" y la H1, o "alternativa". Se corre el riesgo de
tipo I?
erdadera, comete un error de tipo I. La probabilidad de
l de significancia que usted establece para su prueba de
dispuesto a aceptar una probabilidad de 5% de estar
reducir este riesgo, debe utilizar un valor menor para
a significa que usted tendrá menos probabilidad de
e.
lacional σ
Características:
1) Una lista completa de la población
2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
K= N/n
K= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)
K= 2.64026402640264
N= 4000
n= 1515
K= 2.00
K= 2
Alea= 2
Fijo= 2
onan tomando aleatoriamente un número i, que designará, en una lista o población de N elementos, al primero que va a formar p
de la población)
se redondea
mna con el número que encontró entre 1 y K, es decir el que corresponde al valor fijo
onas que van a conformar su muestra, recuerde que es importante mantener la constante K
V(C36;Población!$A$6:$Q$918;2;0) esto es para que no tenga que pasar manualmente la información de los 261 elementos que
lumna de la variable, en este caso Municipio
Fecha de diagnóstico Tiempo entrega de los resultado
1/7/2020 14
1/7/2020 14
1/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 8
2/7/2020 8
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 14
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 14
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 8
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
2/7/2020 5
3/7/2020 14
3/7/2020 5
3/7/2020 5
4/7/2020 5
4/7/2020 5
5/7/2020 5
6/7/2020 5
6/7/2020 5
7/7/2020 5
7/7/2020 5
7/7/2020 5
8/7/2020 5
8/7/2020 8
8/7/2020 8
8/7/2020 8
8/7/2020 5
8/7/2020 5
10/7/2020 5
10/7/2020 5
10/7/2020 5
10/7/2020 5
10/7/2020 5
11/7/2020 5
11/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 8
12/7/2020 8
12/7/2020 8
12/7/2020 8
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 15
12/7/2020 5
12/7/2020 5
12/7/2020 5
12/7/2020 5
3/8/2020 0:00 15
3/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 14
2/8/2020 0:00 10
2/8/2020 0:00 14
3/8/2020 0:00 10
3/8/2020 0:00 5
3/8/2020 0:00 5
1/8/2020 0:00 10
3/8/2020 0:00 10
1/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 5
3/8/2020 0:00 5
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 5
3/8/2020 0:00 5
1/8/2020 0:00 10
2/8/2020 0:00 10
4/8/2020 0:00 5
4/8/2020 0:00 10
4/8/2020 0:00 15
4/8/2020 0:00 5
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
2/8/2020 0:00 10
2/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 10
3/8/2020 0:00 15
2/8/2020 0:00 15
2/8/2020 0:00 15
3/8/2020 0:00 15
3/8/2020 0:00 15
2/8/2020 0:00 15
2/8/2020 0:00 15
3/8/2020 0:00 15
2/8/2020 0:00 15
2/8/2020 0:00 15
3/8/2020 0:00 15
2/8/2020 0:00 15
2/8/2020 0:00 15
2/8/2020 0:00 15
3/8/2020 0:00 15
3/8/2020 0:00 15
2/8/2020 0:00 15
2/8/2020 0:00 15
2/8/2020 0:00 15
3/8/2020 0:00 15
3/8/2020 0:00 15
3/8/2020 0:00 15
3/8/2020 0:00 15
12/9/2020 0:00 15
12/9/2020 0:00 15
11/9/2020 0:00 15
12/9/2020 0:00 15
12/9/2020 0:00 15
12/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
12/9/2020 0:00 15
9/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
12/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
10/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
11/9/2020 0:00 15
10/9/2020 0:00 15
de N elementos, al primero que va a formar parte de la muestra.
ijo
stante K
FORMULAS
Tamaño de la población
Nivel de significancia
TAMAÑO DE MUESTRA Nivel de confianza
PARA ESTIMAR EL
PROMEDIO Parámetro Estadístico (Verificar
en tabla)
Desviación poblacional
Error
Tamaño de muestra
Tipo de contagio Ubicación del caso Estado
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
2 4 3
1 4 3
1 4 3
1 4 3
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
2 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 2
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
2 4 1
1 4 1
1 4 1
1 4 1
1 4 2
1 4 1
1 4 1
1 4 1
1 4 2
1 4 1
1 4 2
1 4 1
1 4 1
1 4 2
1 4 1
1 4 1
1 4 1
1 4 2
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
2 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
2 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 1
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
2 4 5
2 4 5
1 4 5
1 4 5
1 4 2
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
2 4 5
2 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
2 4 5
1 4 2
1 4 5
2 4 5
1 4 5
2 4 5
2 4 5
2 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 3
1 4 2
1 4 4
1 4 5
1 4 5
1 4 5
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 5
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 2
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 2
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 3
1 4 2
1 4 3
1 4 3
1 4 3
1 4 3
2 4 3
1 4 3
1 4 3
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 2
1 4 5
1 4 5
1 4 5
1 4 5
1 4 1
1 4 1
1 4 1
1 4 1
1 4 1
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
1 4 5
50% se debe de proceder a realizar un muestreo aleatorio simple.
N= 4000
α 0.04
1-α= 0.96
Z= 2.05
σ 2.40444269998269
B 0.1
n= 1515
Personas con las convive satisfacción de atención EPS
4 1
4 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
5 4
6 4
6 4
6 4
4 4
4 4
4 4
4 4
4 4
4 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
5 4
2 4
6 4
2 4
2 4
2 4
6 4
4 4
4 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
4 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
2 4
4 4
2 4
2 4
2 4
2 4
2 4
2 4
5 4
3 4
5 4
5 4
5 3
5 2
5 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 5
3 2
3 3
3 2
3 2
3 2
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 1
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 3
4 5
4 5
4 5
4 5
4 5
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 4
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 2
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
3 3
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
de 0,1
N= 4000
a= 0.04
1-a= 0.96
2.05
Z=
Desviación del promedio
2.40
obtenido s=
Error d=B=E=e= 0.100
no= 2439
n= 1515
Estado del paciente Tiempo del virus Tipo de prueba
2 17 1
2 17 2
2 18 2
2 16 1
2 18 1
2 17 2
2 12 2
2 16 2
2 11 2
2 18 1
2 11 2
2 11 2
2 10 1
2 20 2
2 20 2
2 10 1
2 18 1
2 14 2
2 11 2
2 10 1
2 18 2
2 20 1
2 20 1
2 17 1
2 18 2
2 19 2
2 13 2
2 17 2
2 15 1
2 14 1
2 14 1
2 11 2
2 13 2
2 14 2
2 19 1
2 10 2
2 10 2
2 15 2
2 11 2
2 17 2
2 18 1
2 11 1
2 11 2
2 10 2
2 10 2
2 20 1
2 11 2
2 11 1
2 11 2
1 17 3
2 20 1
2 10 2
2 14 1
2 14 1
2 19 1
2 15 2
2 14 2
2 15 2
2 16 2
2 11 2
2 10 2
2 12 2
2 16 2
2 14 1
1 16 3
2 17 2
2 10 1
2 16 1
1 19 3
2 10 2
1 10 3
2 19 1
2 18 2
1 17 3
2 17 2
2 19 2
2 19 2
1 10 3
2 18 2
2 18 2
2 16 2
2 11 2
2 19 2
2 11 2
2 16 2
2 15 2
2 16 2
2 20 2
2 12 2
2 19 2
2 11 2
2 18 2
2 20 2
2 16 1
2 18 2
2 13 2
2 10 2
2 14 2
2 16 2
2 15 1
2 15 2
2 16 2
2 15 1
2 11 2
2 18 2
2 19 2
2 15 1
2 17 1
2 16 2
2 19 1
2 14 2
2 11 2
3 17 3
2 20 2
2 19 1
2 10 1
2 16 1
2 19 2
2 10 2
2 14 1
2 13 1
2 11 2
2 14 1
2 17 2
2 19 2
2 11 2
2 15 2
2 19 2
2 13 2
2 20 2
2 11 2
2 17 2
2 13 2
2 16 2
2 11 2
2 11 2
2 15 2
2 15 2
2 17 2
2 16 2
2 16 2
2 10 2
2 19 2
2 16 2
2 18 2
2 20 2
2 11 1
1 18 3
2 17 2
2 18 2
2 18 2
2 18 2
2 15 2
2 18 2
2 17 2
2 15 2
2 16 2
2 14 2
2 17 2
2 16 2
2 13 2
2 16 2
2 18 2
2 14 2
2 19 2
2 19 2
1 12 3
2 15 2
2 18 2
2 10 2
2 15 2
2 20 2
2 14 2
2 15 1
2 16 2
2 13 2
2 19 2
2 13 2
2 20 2
2 20 2
1 18 3
2 11 2
2 15 2
2 14 1
2 11 2
2 12 2
2 17 2
2 14 1
2 20 2
2 17 2
2 13 2
2 20 2
2 13 2
2 15 2
2 11 2
2 15 2
2 17 2
2 12 2
2 13 2
2 14 2
2 16 2
2 17 2
2 10 2
2 15 1
2 20 2
2 18 2
2 12 2
2 16 2
2 12 1
2 13 2
2 17 2
2 19 2
2 17 2
2 10 2
2 10 2
2 10 2
2 10 2
1 15 3
2 10 2
2 16 2
2 10 2
2 11 2
2 11 2
2 15 2
1 16 3
2 10 2
2 16 2
2 13 2
2 13 2
2 10 2
2 13 2
2 20 2
2 18 2
2 18 1
2 16 2
2 19 2
1 16 3
2 14 2
2 11 2
2 19 2
2 10 2
2 12 2
2 15 2
2 10 1
2 15 2
2 19 2
2 20 2
2 19 2
2 16 2
2 13 1
2 15 2
2 11 2
2 10 2
2 20 2
2 15 2
2 20 1
2 14 2
2 19 2
2 16 2
2 17 2
2 18 2
2 15 2
2 20 2
2 16 2
2 12 2
2 10 2
2 15 2
2 18 2
2 11 2
2 13 2
2 17 2
2 15 2
2 17 2
2 15 2
Temperatura del paciente
35.8
36.5
38
33
37.8
32.5
34
32.5
35
37.8
34.5
39.5
32.5
32.3
35
32
32.3
37.8
39.5
32
32.3
34.5
35.9
32
38
37.8
32.5
34
36.8
32.5
35
37.8
34.5
39.5
32.5
32.3
34.5
32
35.8
36.5
38
33
37.8
34
36.5
32.5
32.5
34.5
32
32.3
32
39.5
34.5
35.8
32.5
34.5
35.8
33
35
36.5
32.3
32
38
32.5
32.5
34.5
37.8
36.8
37.8
32.5
34.5
35
39.5
32.3
32
38
32.5
34
37.8
32.3
32
38
34.5
32
35.9
36.5
37.8
33
36.5
37.8
36.8
37.8
32.5
32.5
32.5
34.5
32
35.9
36.5
37.8
33
39.5
34
35
39.5
32.3
32
38
32.5
32.5
34.5
32.3
32
39.5
34.5
37.8
32.5
32
32.3
39.5
32.5
32
39.5
32.5
32.3
34
32
35.8
36.5
38
33
39.5
35
34
32
32
32.3
34.5
36.8
32.5
35
34.5
36.5
38
33
37.8
32.5
32.5
34.5
32
35.9
36.5
37.8
33
39.5
34
39.5
32.3
35.8
38
33
34
32
39.5
34.5
35.8
36.8
32.5
35
37.8
34
36.8
32.5
36.8
32.5
37.8
39.5
32.3
34.5
37.8
32.5
34.5
35.8
33
34
35
39.5
35
32.3
32
35.9
36.5
37.8
36.8
32.5
34.5
36.5
33
37.8
33
36.8
32.5
35
37.8
32.5
32.3
35
36.8
32.5
35.8
36.5
33
37.8
32.5
34.5
32.3
32
33
34
36.8
32.5
32.5
34
36.8
32.5
34
36.8
35
32.3
37.8
39.5
32
32.3
34
35
37.8
34.5
35
34
32
32.5
35
37.8
39.5
38
33
37.8
34
35
32.3
32
35.8
36.5
34
35
33
35.9
32
35.8
38
34.5
39.5
32.5
32.3
35
36.8
32.5
35
32.5
36.5
32.5
32
34.5
35.9
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra =
Media Muestral promedio=
Desviación estandar=
Promedio de la variable X=
Paso 1: Describir la hipótesis
H0:
H1:
H0 : µ ≥ 40
H1: µ < 40 (Prueba Unilateral izquierda)
𝒁_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙 ̅−
𝝁)/(𝒔/√𝒏)
Zprueba= #DIV/0!
Zteórico= -1.645
H0 : µ ≥ 40
H1: µ < 40 (Prueba Unilateral izquierda)
Zprueba= 0.94
Zteórico= -1.645
Se rechaza la hipotesis alternativa (H1) porque el valor de Z prueba es mayor que el valor de Z teór
mayor que la significancia entonces se acepta la hipotesis nula.
Conclusión:
La media de en Edad mediante la variable “Estado” leve es mayor a 40 años
H0 : µ ≥ 14
H1: µ < 14 (Prueba Unilateral izquierda)
Zprueba= -29.83
Zteórico= -1.645
Con una significancia del 5%, -29,83<- 1,645 se rechaza la hipotesis nula, ya que, el Zprueb
que el Zteorico. Ademas, el p-valor es menor al nivel de significancia.
Conclusión:
Con una significancia del 5%, la media del tiempo del virus “Estado” moderado es menor a 14 dia
ESTUDIANTE 1
esis
Unilateral izquierda)
bajar
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
ESTUDIANTE 2
esis
Unilateral izquierda)
bajar
p-valor 0.82
a= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
40 años
ESTUDIANTE 3
esis
Una PH para probar si la media del tiempo del virus
variable “Estado” moderado es mayor o igual a 14 dí
Unilateral izquierda)
Unilateral izquierda)
bajar
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
hipotesis nula, ya que, el Zprueba es menor
a.
-29.83
Tabla de distribucion normal
0,94
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra =
proveedores con satisfacción “satisfecho” =
(p) % proveedores con satisfacción “satisfecho” =
(P) Proporción=
Paso 1: Describir la hipótesis
H0:
H1:
H0 : P <
H1: P > (Prueba Unilateral derecha)
n Proporción
Poblacional
Zprueba= #DIV/0!
Zteórico= 1.645
ESTUD
H0 : P < 40%
H1: P > 40% (Prueba Unilateral derecha)
Paso 2: Establecer el nivel de significancia con el que se va a trabajar
a= 0.05
Zprueba= 43.37
Zteórico= 1.645
La hipotesis HO se rechaza porque el % pacientes con tipo de contagio “caso en estudio” es mayor al 40%.
teral derecha)
ar
0%
0%
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
ESTUDIANTE 2: Maryuri Suarez
potesis
Proporción de la
muestra 95%
Proporción Poblacional
40%
p-valor 0
a= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
eórico,, ya que al realizar la grafica el valor se 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
hipotesis nula. De igual, P valor es menor al nivel
47,37
47,37
Fase 3 Pruebas de Hipotesis
Datos
MEDIA POBLACIONAL
0
MEDIAS MUESTRALES
promedio de crioscopia para el tip
promedio de crioscopia para el tipo de leche esterilizada
pasteurizada
Media muestral= Media Muestral=
Desviación muestral= Desviación Muestral =
Tamaño de muestra( n1)= Tamaño de muestra(n2)=
H0:
Ha:
Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2 BILATERAL
Donde
𝜇_1:
𝜇_2:
Zprueba= #DIV/0!
Datos
MEDIA POBLACIONAL
0
MEDIAS MUESTRALES
Promedio de la temperatura del paciente para la variable Promedio de la temperatura del pac
ubicación del caso “Casa” variable ubicación del caso “
Media muestral= 34.9504996669 Media Muestral=
Desviación muestral= 2.40631836703 Desviación Muestral =
Tamaño de muestra( n1)= 325 Tamaño de muestra(n2)=
El promedio de la temperatura del paciente para la variable ubicación del caso “Casa”
H0:
la variable ubicación del caso “UCI”
El promedio de la temperatura del paciente para la variable ubicación del caso “Casa”
Ha:
para la variable ubicación del caso “UCI”
Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2
Donde
𝜇_1: Promedio de temperatura para la variable ubicación
del caso "Casa".
𝜇_2: Promedio de temperatura para la variable ubicación
Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2
BILATERAL
Donde
𝜇_1: Promedio de temperatura para la variable ubicación
del caso "Casa".
𝜇_2: Promedio de temperatura para la variable ubicación
del caso "UCI".
Zprueba= -0.0193
Conclusión:
Si el promedio de la temperatura del paciente para la variable ubicación del caso “Casa” es igual para la
ubicación del caso “UCI”
crioscopia para el tipo de leche
pasteurizada
ATERAL
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
p-valor 0.98
a= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
de aceptación
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
Ho:
Ha:
P1 - P2
Zprueba =
PC (1- PC ) PC (1- PC )
+
n1 n2
Zprueba= #DIV/0! =
#DIV/0!
Paso 4: Estadístico teórico (tablas)
Zteórico= 1.645
Paso 5: Tomar la decisión
Conclusión:
Donde
P1: % pacientes de la región de residencia
(Prueba Bilateral)
“andina” para la variable satisfacción de
atención EPS “poco satisfecho”
P2: % pacientes de la región de residencia
“andina” para la variable estado del paciente
“recuperado”.
P1 - P2
Zprueba =
PC (1- PC ) PC (1- PC )
+
n1 n2
Zprueba= -0.53 =
0.01890980496722
Paso 4: Estadístico teórico (tablas)
Se rechaza HO (Hipotesis nula) porque el valor de Z prueba esta fuera de la zona de aceptación; por lo
la hipotesis alternativa.
Conclusión:
Se concluye que el % pacientes de la región de residencia “andina” para la variable satisfacción de ate
“poco satisfecho” NO es igual a la variable estado del paciente “recuperado”.
TOTAL
ba Unilateral derecha)
zprueba=-0.15
#DIV/0!
ESTUDIANTE 2: Maryuri Suarez
eba Bilateral)
-28.252
p-valor 0
a= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
-1.96 1.96
-1.96
1.96
Paso 1: Describir la hipótesis
H0:
H1:
Observación 1
Observación 2
Observación 3
Observación 4
Observación 5
ANÁLISIS DE VARIANZA
b. Evaluar si la “edad” del paciente dep
atención EPS”. La organización de los d
Muy satisfecho
Edad del paciente 1.
Edad del paciente 2.
Edad del paciente 3.
Edad del paciente 4.
Edad del paciente 5.
Muy satisfecho
Observación 1 31
Observación 2 23
Observación 3 1
Observación 4 28
Observación 5 58
RESUMEN
Grupos Cuenta
Columna 1 5
Columna 2 5
Columna 3 5
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados
Entre grupos 3406.93333333333
Dentro de los grupos 3118
Total 6524.93333333333
Aceptable Insatisfecho
Edad del paciente 6. Edad del paciente 11.
Edad del paciente 7. Edad del paciente 12.
Edad del paciente 8. Edad del paciente 13.
Edad del paciente 9. Edad del paciente 14.
Edad del paciente 10. Edad del paciente 15.
a trabajar
Aceptable Insatisfecho
21 35
23 80
17 72
22 49
30 49
14
6.56
3.89
E 2: Maryuri Suarez
Probabilidad Valor crítico para F
0.01190694075174
Referencias Estudiante 1:
Referencias Estudiante 2: Maryuri Suarez
Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. Pp. 65-84. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/76119?page=76