SlideShare una empresa de Scribd logo
1 de 37
[object Object],[object Object],[object Object],[object Object],[object Object],Capítulo 16 Métodos no paramétricos: análisis de datos ordenados por rango
[object Object],[object Object],Capítulo 16   (Continuación)
La  prueba  del signo ,[object Object],[object Object],[object Object],[object Object]
La prueba del signo   (Continuación) ,[object Object],[object Object],[object Object],[object Object],[object Object]
Aproximación normal ,[object Object],[object Object],[object Object]
Ejemplo 1 ,[object Object],[object Object]
Ejemplo 1  (Continuación) + 7 11 18 Flynn Glass - -6 20 14 Olson Glass + 2 20 22 Pimental + 9 22 31 Lambert Glass + 7 17 24 Vaught + 3 20 23 Rubin Inc. + 1 13 14 Ruisi Glass + 4 16 20 Savoth Glass Muestra Diferencias 2001 2000 Compañía
[object Object],[object Object],[object Object],[object Object],Ejemplo 1  (Continuación)
Prueba de hipótesis acerc a de la mediana ,[object Object],[object Object]
[object Object],Ejemplo 2
Ejemplo 2  (Continuación) H 0  es  rechazada  si  z  es menor que –1.96 o mayor que 1.96.  El valor de  z  es 2.252. H 0  es rechazada.  Concluimos que la mediana no es  $450.
Prueba de suma de rangos de Wilcoxon  ,[object Object],[object Object],[object Object]
Prueba de suma de rangos de Wilcoxon ,[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],Ejemplo 3
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Ejemplo 3  (Continuación)
[object Object],Ejemplo 3  (Continuación)
Prueba de suma de rangos de Wilcoxon ,[object Object],[object Object],[object Object],La  prueba de suma de rangos de Wilcoxon  se utiliza para determinar si dos muestras independientes provienen de la misma o igual población.
[object Object],[object Object],Prueba de suma de rangos de Wilcoxon
[object Object],Prueba de suma de rangos de Wilcoxon
[object Object],Ejemplo 4
Ejemplo 4  (Continuación) 17.0 157.90 12.0 81.75 16.0 120.67 71.5 81.5 11.0 80.31 15.0 90.89 10.0 78.23 14.0 87.90 9.0 68.98 13.0 87.65 5.5 33.68 8.0 51.83 4.0 25.97 7.0 46.89 2.0 20.31 5.5 33.68 1.0 14.89 3.0 25.31 Rango Chevy($) Rango Ford ($)
[object Object],[object Object],[object Object],[object Object],Ejemplo 4  (Continuación)
[object Object],Ejemplo 4  (Continuación)
[object Object],Ejemplo 4  (Continuación)
Prueba de Kruskal-Wallis: análisis de varianza por rangos ,[object Object],[object Object],[object Object],[object Object],[object Object],Esto se utiliza para comparar tres o más muestras para   determinar si provienen de poblaciones iguales.
Prueba de Kruskal-Wallis: análisis de varianza por rangos   (Continuación) ,[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Ejemplo 5
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Ejemplo 5  (Continuación)
[object Object],[object Object],[object Object],Ejemplo 5  (Continuación)
[object Object],[object Object],[object Object],Ejemplo 5  (Continuación)
Correlación rango-orden ,[object Object],[object Object],[object Object]
Coeficiente de correlación de rangos de Spearman ,[object Object],d  es la diferencia entre los rangos de cada par. n  es el número de pares de observaciones.
Prueba de la significancia de r s ,[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Ejemplo 6
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Ejemplo 6  (Continuación)
Ejemplo 6  (Continuación) 8 Total 0 0 1 1 Florida State 1 1 7 8 Duke 1 -1 8 7 Wake Forest 4 2 2 4 Clemson 0 0 5 5 Virginia 0 0 6 6 NC 1 -1 4 3 NC State 1 -1 3 2 Maryland d  2 d Reporteros Técnicos Escuela
Ejemplo 6  (Continuación) Hay una correlación fuerte entre los rangos de los técnicos y los reporteros de deportes.

Más contenido relacionado

La actualidad más candente

Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
Hector Funes
 
Tablas de probabilidad
Tablas de probabilidadTablas de probabilidad
Tablas de probabilidad
rserrato7
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestra
Alejandro Ruiz
 
Métodos no paramétricos análisis de datos ordenados por rango
Métodos no paramétricos análisis de datos ordenados por rangoMétodos no paramétricos análisis de datos ordenados por rango
Métodos no paramétricos análisis de datos ordenados por rango
Alejandro Ruiz
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de medias
eraperez
 

La actualidad más candente (20)

Análisis de Varianza
Análisis de VarianzaAnálisis de Varianza
Análisis de Varianza
 
Pruebas de hipótesis
Pruebas de hipótesisPruebas de hipótesis
Pruebas de hipótesis
 
Metodo parametrico y no parametrico
Metodo parametrico y no parametricoMetodo parametrico y no parametrico
Metodo parametrico y no parametrico
 
Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
 
Problemas resueltos de distribución muestral
Problemas resueltos de distribución muestralProblemas resueltos de distribución muestral
Problemas resueltos de distribución muestral
 
Tablas de probabilidad
Tablas de probabilidadTablas de probabilidad
Tablas de probabilidad
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestra
 
Métodos no paramétricos análisis de datos ordenados por rango
Métodos no paramétricos análisis de datos ordenados por rangoMétodos no paramétricos análisis de datos ordenados por rango
Métodos no paramétricos análisis de datos ordenados por rango
 
Prueba no paramétrica- Wilcoxon
Prueba no paramétrica- WilcoxonPrueba no paramétrica- Wilcoxon
Prueba no paramétrica- Wilcoxon
 
Prueba de hipotesis para dos poblaciones
Prueba de hipotesis para dos poblacionesPrueba de hipotesis para dos poblaciones
Prueba de hipotesis para dos poblaciones
 
Tabla f05
Tabla f05Tabla f05
Tabla f05
 
Problemas unidad 3
Problemas unidad 3Problemas unidad 3
Problemas unidad 3
 
Prueba de Hipotesis Est ind clase01
Prueba de Hipotesis Est ind clase01Prueba de Hipotesis Est ind clase01
Prueba de Hipotesis Est ind clase01
 
Presentación ANOVA
Presentación ANOVAPresentación ANOVA
Presentación ANOVA
 
Estadistica chi cuadrado
Estadistica chi cuadradoEstadistica chi cuadrado
Estadistica chi cuadrado
 
Tabla t student
Tabla t studentTabla t student
Tabla t student
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de medias
 
Compara medias
Compara mediasCompara medias
Compara medias
 
Modelos probabilidad
Modelos probabilidadModelos probabilidad
Modelos probabilidad
 
Regresion Y Correlacion
Regresion Y CorrelacionRegresion Y Correlacion
Regresion Y Correlacion
 

Destacado

Microsoft office project 2010
Microsoft office project 2010Microsoft office project 2010
Microsoft office project 2010
Alejandro Ruiz
 
Psicología experimental
Psicología experimentalPsicología experimental
Psicología experimental
Carely Perez
 
Distribución de probabilidad normal
Distribución de probabilidad normalDistribución de probabilidad normal
Distribución de probabilidad normal
Alejandro Ruiz
 
Metodo Cuantitativo(Mdo)
Metodo Cuantitativo(Mdo)Metodo Cuantitativo(Mdo)
Metodo Cuantitativo(Mdo)
shashix
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
Carol Ramos
 
Regresión lineal y correlación
Regresión lineal y correlaciónRegresión lineal y correlación
Regresión lineal y correlación
Alejandro Ruiz
 

Destacado (17)

Pruebas no parametricas de wilcoxon 2007.
Pruebas no parametricas de wilcoxon 2007.Pruebas no parametricas de wilcoxon 2007.
Pruebas no parametricas de wilcoxon 2007.
 
Statr session 21 and 22
Statr session 21 and 22Statr session 21 and 22
Statr session 21 and 22
 
Comunicaciones seriales c# 2012
Comunicaciones seriales c# 2012Comunicaciones seriales c# 2012
Comunicaciones seriales c# 2012
 
importancia de una encuesta
importancia de una encuestaimportancia de una encuesta
importancia de una encuesta
 
Capítulo 01
Capítulo 01Capítulo 01
Capítulo 01
 
Datos por rango u37
Datos por rango u37Datos por rango u37
Datos por rango u37
 
Prueba t
Prueba tPrueba t
Prueba t
 
Capítulo 04, Otras medidas descriptivas
Capítulo 04, Otras medidas descriptivasCapítulo 04, Otras medidas descriptivas
Capítulo 04, Otras medidas descriptivas
 
Microsoft office project 2010
Microsoft office project 2010Microsoft office project 2010
Microsoft office project 2010
 
Guía de interpretación de resultados en el contraste de hipótesis estadísticas
Guía de interpretación de resultados en el contraste de hipótesis estadísticasGuía de interpretación de resultados en el contraste de hipótesis estadísticas
Guía de interpretación de resultados en el contraste de hipótesis estadísticas
 
Psicología experimental
Psicología experimentalPsicología experimental
Psicología experimental
 
Psicología experimental
Psicología experimentalPsicología experimental
Psicología experimental
 
Distribución de probabilidad normal
Distribución de probabilidad normalDistribución de probabilidad normal
Distribución de probabilidad normal
 
Metodo Cuantitativo(Mdo)
Metodo Cuantitativo(Mdo)Metodo Cuantitativo(Mdo)
Metodo Cuantitativo(Mdo)
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Regresión lineal y correlación
Regresión lineal y correlaciónRegresión lineal y correlación
Regresión lineal y correlación
 
teoría de pavlov
teoría de pavlovteoría de pavlov
teoría de pavlov
 

Similar a Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango

Ph muestras pequeñas u33
Ph muestras pequeñas u33Ph muestras pequeñas u33
Ph muestras pequeñas u33
Instruccional
 
Pruebas de hipótesis u32
Pruebas de hipótesis u32Pruebas de hipótesis u32
Pruebas de hipótesis u32
Instruccional
 
Diapositivas de metodos no parametricos
Diapositivas de metodos no parametricosDiapositivas de metodos no parametricos
Diapositivas de metodos no parametricos
Marlon Villacis
 
Trabajo hipotesis
Trabajo hipotesisTrabajo hipotesis
Trabajo hipotesis
hoteles1
 

Similar a Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango (20)

Pruebas no-paramc3a9tricas
Pruebas no-paramc3a9tricasPruebas no-paramc3a9tricas
Pruebas no-paramc3a9tricas
 
Ph muestras pequeñas u33
Ph muestras pequeñas u33Ph muestras pequeñas u33
Ph muestras pequeñas u33
 
Pruebas de Hipotesis
Pruebas de HipotesisPruebas de Hipotesis
Pruebas de Hipotesis
 
Pruebas de hipótesis u32
Pruebas de hipótesis u32Pruebas de hipótesis u32
Pruebas de hipótesis u32
 
Regresion lineal multiple
Regresion lineal multipleRegresion lineal multiple
Regresion lineal multiple
 
Bachiller
BachillerBachiller
Bachiller
 
Presentacion
 Presentacion Presentacion
Presentacion
 
Diapositivas de metodos no parametricos
Diapositivas de metodos no parametricosDiapositivas de metodos no parametricos
Diapositivas de metodos no parametricos
 
Unidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptxUnidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptx
 
Unidad 2 Estadistica inferencial 2
Unidad 2 Estadistica inferencial 2Unidad 2 Estadistica inferencial 2
Unidad 2 Estadistica inferencial 2
 
Coeficiente de correlación de Pearson y Sperman
Coeficiente de correlación de Pearson y SpermanCoeficiente de correlación de Pearson y Sperman
Coeficiente de correlación de Pearson y Sperman
 
Capítulo 06, Distribuciones discretas de probabilidad
Capítulo 06, Distribuciones discretas de probabilidadCapítulo 06, Distribuciones discretas de probabilidad
Capítulo 06, Distribuciones discretas de probabilidad
 
5 estadística inferencial
5 estadística inferencial5 estadística inferencial
5 estadística inferencial
 
5 estadística inferencial
5 estadística inferencial5 estadística inferencial
5 estadística inferencial
 
TITULO- ANOVA DE UN FACTOR - U. CONTINENTAL
TITULO- ANOVA DE UN FACTOR - U. CONTINENTALTITULO- ANOVA DE UN FACTOR - U. CONTINENTAL
TITULO- ANOVA DE UN FACTOR - U. CONTINENTAL
 
Regrecion lineal simple
Regrecion lineal simpleRegrecion lineal simple
Regrecion lineal simple
 
Prueba de normalidad
Prueba de normalidadPrueba de normalidad
Prueba de normalidad
 
Estadistica III
Estadistica IIIEstadistica III
Estadistica III
 
Trabajo hipotesis
Trabajo hipotesisTrabajo hipotesis
Trabajo hipotesis
 
Tema 4 Correlación y regresión.pdf
Tema 4 Correlación y regresión.pdfTema 4 Correlación y regresión.pdf
Tema 4 Correlación y regresión.pdf
 

Más de Alejandro Ruiz

Programas para ecommerce 2
Programas para ecommerce 2Programas para ecommerce 2
Programas para ecommerce 2
Alejandro Ruiz
 
Programas para ecommerce
Programas para ecommerceProgramas para ecommerce
Programas para ecommerce
Alejandro Ruiz
 
Aprendizaje Basado en Proyectos
Aprendizaje Basado en ProyectosAprendizaje Basado en Proyectos
Aprendizaje Basado en Proyectos
Alejandro Ruiz
 
Métodos de muestreo y el teorema de límite central
Métodos de muestreo y el teorema de límite centralMétodos de muestreo y el teorema de límite central
Métodos de muestreo y el teorema de límite central
Alejandro Ruiz
 
Estimación e intervalos de confianza
Estimación e intervalos de confianzaEstimación e intervalos de confianza
Estimación e intervalos de confianza
Alejandro Ruiz
 
Administración de las tecnologías de información en entorno
Administración de las tecnologías de información en entornoAdministración de las tecnologías de información en entorno
Administración de las tecnologías de información en entorno
Alejandro Ruiz
 

Más de Alejandro Ruiz (14)

Cómo armar una buena presentación intro
Cómo armar una buena presentación introCómo armar una buena presentación intro
Cómo armar una buena presentación intro
 
Abp
AbpAbp
Abp
 
Programas para ecommerce 2
Programas para ecommerce 2Programas para ecommerce 2
Programas para ecommerce 2
 
Programas para ecommerce
Programas para ecommerceProgramas para ecommerce
Programas para ecommerce
 
Aprendizaje Basado en Proyectos
Aprendizaje Basado en ProyectosAprendizaje Basado en Proyectos
Aprendizaje Basado en Proyectos
 
Métodos de muestreo y el teorema de límite central
Métodos de muestreo y el teorema de límite centralMétodos de muestreo y el teorema de límite central
Métodos de muestreo y el teorema de límite central
 
Estimación e intervalos de confianza
Estimación e intervalos de confianzaEstimación e intervalos de confianza
Estimación e intervalos de confianza
 
Administración de las tecnologías de información en entorno
Administración de las tecnologías de información en entornoAdministración de las tecnologías de información en entorno
Administración de las tecnologías de información en entorno
 
Programa temático
Programa temáticoPrograma temático
Programa temático
 
Lineamientos para cuestionarios
Lineamientos para cuestionariosLineamientos para cuestionarios
Lineamientos para cuestionarios
 
Tips para cuestionarios
Tips para cuestionariosTips para cuestionarios
Tips para cuestionarios
 
Capítulo 05, Revisión de algunos conceptos de probabilidad
Capítulo 05, Revisión de algunos conceptos de probabilidadCapítulo 05, Revisión de algunos conceptos de probabilidad
Capítulo 05, Revisión de algunos conceptos de probabilidad
 
Capítulo 03
Capítulo 03Capítulo 03
Capítulo 03
 
Capítulo 02, Descripción de los datos, distribuciones de frecuencias y repres...
Capítulo 02, Descripción de los datos, distribuciones de frecuencias y repres...Capítulo 02, Descripción de los datos, distribuciones de frecuencias y repres...
Capítulo 02, Descripción de los datos, distribuciones de frecuencias y repres...
 

Último

SENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdf
SENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdfSENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdf
SENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdf
JaredQuezada3
 
senati-powerpoint_5TOS-_ALUMNOS (1).pptx
senati-powerpoint_5TOS-_ALUMNOS (1).pptxsenati-powerpoint_5TOS-_ALUMNOS (1).pptx
senati-powerpoint_5TOS-_ALUMNOS (1).pptx
nathalypaolaacostasu
 
Comparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdf
Comparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdfComparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdf
Comparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdf
AJYSCORP
 

Último (20)

DERECHO EMPRESARIAL - SEMANA 01 UNIVERSIDAD CESAR VALLEJO
DERECHO EMPRESARIAL - SEMANA 01 UNIVERSIDAD CESAR VALLEJODERECHO EMPRESARIAL - SEMANA 01 UNIVERSIDAD CESAR VALLEJO
DERECHO EMPRESARIAL - SEMANA 01 UNIVERSIDAD CESAR VALLEJO
 
CULTURA EN LA NEGOCIACIÓN CONCEPTOS Y DEFINICIONES
CULTURA EN LA NEGOCIACIÓN CONCEPTOS Y DEFINICIONESCULTURA EN LA NEGOCIACIÓN CONCEPTOS Y DEFINICIONES
CULTURA EN LA NEGOCIACIÓN CONCEPTOS Y DEFINICIONES
 
5.Monopolio, comparación perfecta en conta
5.Monopolio, comparación perfecta en conta5.Monopolio, comparación perfecta en conta
5.Monopolio, comparación perfecta en conta
 
SENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdf
SENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdfSENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdf
SENTENCIA COLOMBIA DISCRIMINACION SELECCION PERSONAL.pdf
 
Tarea-4-Estadistica-Descriptiva-Materia.ppt
Tarea-4-Estadistica-Descriptiva-Materia.pptTarea-4-Estadistica-Descriptiva-Materia.ppt
Tarea-4-Estadistica-Descriptiva-Materia.ppt
 
modulo+penal+del+16+al+20+hhggde+enero.pdf
modulo+penal+del+16+al+20+hhggde+enero.pdfmodulo+penal+del+16+al+20+hhggde+enero.pdf
modulo+penal+del+16+al+20+hhggde+enero.pdf
 
MARKETING SENSORIAL CONTENIDO, KARLA JANETH
MARKETING SENSORIAL CONTENIDO, KARLA JANETHMARKETING SENSORIAL CONTENIDO, KARLA JANETH
MARKETING SENSORIAL CONTENIDO, KARLA JANETH
 
senati-powerpoint_5TOS-_ALUMNOS (1).pptx
senati-powerpoint_5TOS-_ALUMNOS (1).pptxsenati-powerpoint_5TOS-_ALUMNOS (1).pptx
senati-powerpoint_5TOS-_ALUMNOS (1).pptx
 
mapa-conceptual-evidencias-de-auditoria_compress.pdf
mapa-conceptual-evidencias-de-auditoria_compress.pdfmapa-conceptual-evidencias-de-auditoria_compress.pdf
mapa-conceptual-evidencias-de-auditoria_compress.pdf
 
Comparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdf
Comparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdfComparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdf
Comparativo DS 024-2016-EM vs DS 023-2017-EM - 21.08.17 (1).pdf
 
S05_s2+Prueba+d.pdfsfeaefadwwwwwwwwwwwwwwwwwwwwwwwwww
S05_s2+Prueba+d.pdfsfeaefadwwwwwwwwwwwwwwwwwwwwwwwwwwS05_s2+Prueba+d.pdfsfeaefadwwwwwwwwwwwwwwwwwwwwwwwwww
S05_s2+Prueba+d.pdfsfeaefadwwwwwwwwwwwwwwwwwwwwwwwwww
 
Las sociedades anónimas en el Perú , de acuerdo a la Ley general de sociedades
Las sociedades anónimas en el Perú , de acuerdo a la Ley general de sociedadesLas sociedades anónimas en el Perú , de acuerdo a la Ley general de sociedades
Las sociedades anónimas en el Perú , de acuerdo a la Ley general de sociedades
 
2 Tipo Sociedad comandita por acciones.pptx
2 Tipo Sociedad comandita por acciones.pptx2 Tipo Sociedad comandita por acciones.pptx
2 Tipo Sociedad comandita por acciones.pptx
 
Caja nacional de salud 0&!(&:(_5+:;?)8-!!(
Caja nacional de salud 0&!(&:(_5+:;?)8-!!(Caja nacional de salud 0&!(&:(_5+:;?)8-!!(
Caja nacional de salud 0&!(&:(_5+:;?)8-!!(
 
implemenatcion de un data mart en logistica
implemenatcion de un data mart en logisticaimplemenatcion de un data mart en logistica
implemenatcion de un data mart en logistica
 
INFORMATIVO CIRCULAR FISCAL - RENTA 2023.ppsx
INFORMATIVO CIRCULAR FISCAL - RENTA 2023.ppsxINFORMATIVO CIRCULAR FISCAL - RENTA 2023.ppsx
INFORMATIVO CIRCULAR FISCAL - RENTA 2023.ppsx
 
CONCEPTO Y LÍMITES DE LA TEORÍA CONTABLE.pdf
CONCEPTO Y LÍMITES DE LA TEORÍA CONTABLE.pdfCONCEPTO Y LÍMITES DE LA TEORÍA CONTABLE.pdf
CONCEPTO Y LÍMITES DE LA TEORÍA CONTABLE.pdf
 
Manual para las 3 clases de tsunami de ventas.pdf
Manual para las 3 clases de tsunami de ventas.pdfManual para las 3 clases de tsunami de ventas.pdf
Manual para las 3 clases de tsunami de ventas.pdf
 
La Cadena de suministro CocaCola Co.pptx
La Cadena de suministro CocaCola Co.pptxLa Cadena de suministro CocaCola Co.pptx
La Cadena de suministro CocaCola Co.pptx
 
ADMINISTRACIÓN DE CUENTAS POR COBRAR CGSR.pptx
ADMINISTRACIÓN DE CUENTAS POR COBRAR CGSR.pptxADMINISTRACIÓN DE CUENTAS POR COBRAR CGSR.pptx
ADMINISTRACIÓN DE CUENTAS POR COBRAR CGSR.pptx
 

Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango

  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7. Ejemplo 1 (Continuación) + 7 11 18 Flynn Glass - -6 20 14 Olson Glass + 2 20 22 Pimental + 9 22 31 Lambert Glass + 7 17 24 Vaught + 3 20 23 Rubin Inc. + 1 13 14 Ruisi Glass + 4 16 20 Savoth Glass Muestra Diferencias 2001 2000 Compañía
  • 8.
  • 9.
  • 10.
  • 11. Ejemplo 2 (Continuación) H 0 es rechazada si z es menor que –1.96 o mayor que 1.96. El valor de z es 2.252. H 0 es rechazada. Concluimos que la mediana no es $450.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21. Ejemplo 4 (Continuación) 17.0 157.90 12.0 81.75 16.0 120.67 71.5 81.5 11.0 80.31 15.0 90.89 10.0 78.23 14.0 87.90 9.0 68.98 13.0 87.65 5.5 33.68 8.0 51.83 4.0 25.97 7.0 46.89 2.0 20.31 5.5 33.68 1.0 14.89 3.0 25.31 Rango Chevy($) Rango Ford ($)
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36. Ejemplo 6 (Continuación) 8 Total 0 0 1 1 Florida State 1 1 7 8 Duke 1 -1 8 7 Wake Forest 4 2 2 4 Clemson 0 0 5 5 Virginia 0 0 6 6 NC 1 -1 4 3 NC State 1 -1 3 2 Maryland d 2 d Reporteros Técnicos Escuela
  • 37. Ejemplo 6 (Continuación) Hay una correlación fuerte entre los rangos de los técnicos y los reporteros de deportes.