1.

Los siguientes datos se refieren al tiempo

(en minutos) de servir la orden en un
CLASE
FRECUENCIA
0 --5
29
5--10
13
10--15
11
15--20
3
20--25
2
25--30
1
30--35
1
Aplicar una prueba de ajuste 2 a una
distribucin normal con = 0.05

CLASE
0-5
5-10
10-15
15-20
20-25
25-30
30-35

Xi
2.5
7.5
12.5
17.5
22.5
27.5
32.5

Fobs

CLASE
MENOS DE 5
5-10
10-15
15-20
20-25
25-30

FO
29
13
11
3
2
1

P
0.344
0.285
0.226
0.108
0.031
0.005

MS DE 30

1
60

0.001
1.000

29
13
11
3
2
1
1
60

XI*FO
72.5
97.5
137.5
52.5
45
27.5
32.5
465

FEi
20.647
17.072
13.577
6.488
1.861
0.320
0.035

MEDIA

7.75

Xi

Xi2 * Fobs

6.25
56.25
156.25
306.25
506.25
756.25
1056.25

181.25
731.25
1718.75
918.75
1012.5
756.25
1056.25
6375

46.97

6.85

CLASE
MENOS DE 5
5-10
10-15
MS DE 15

FOi

P
0.344
0.285
0.226
0.145
1.000

FEi

29
13
11
7
60

20.647
17.072
13.577
8.704
60.000

(Foi - Fei)^2
69.77
16.59
6.64
2.90

Se debe cumplir que FEi sea 5

Rechazamos H0, hay evidencia estadstica de que los tiempos de servir la orden en un restaurante no
siguen una distribucin normal.

(Foi - Fei)^2 / Fei

3.38
0.97
0.49
0.33

5.173

3.841

0,05,(4-2-1)

tiempos de servir la orden en un restaurante no

2. Aplicar una prueba de ajuste 2 a una

distribucin exponencial con = 0.05 a
los datos del problema 1.

CLASE
0-5
5-10
10-15
15-20
20-25
25-30
30-35

Xi
2.5
7.5
12.5
17.5
22.5
27.5
32.5

FO
29
13
11
3
2
1
1
60

CLASE
MENOS DE 5
5-10
10-15
15-20
20-25
25-30

FO
29
13
11
3
2
1

P
0.475
0.249
0.131
0.069
0.036
0.019

MS DE 30

1
60

0.021
1.000

XI*FO
72.5
97.5
137.5
52.5
45
27.5
32.5
465

FEi
28.525
14.964
7.850
4.118
2.160
1.133
1.250
60.000

MEDIA

7.75

CLASE
MENOS DE 5
5-10
10-15
MS DE 15

FOi
29
13
11
7
60

P
0.475
0.249
0.131
0.144
1.000

FEi
28.525
14.964
7.850
8.661
60.000

(Foi - Fei)^2
0.23
3.86
9.92
2.76

Se debe cumplir que FEi sea 5

No se Rechaza H0, hay evidencia estadstica de que los tiempos de servir la orden en un restaura
siguen (o se ajustan a) una distribucin exponencial.

(Foi - Fei)^2 / Fei

0.01
0.26
1.26
0.32

1.849

5.991

0,05,(4-1-1)

pos de servir la orden en un restaurante

3. Construir una Q-Q plot para una distribucin

normal a los datos de la mquina 2 del ejemplo 18 de
las lecturas de la semana 8.
MQUINA 1 MQUINA 2
11.1
12.18
11.06
12.34
10.87
13.1
11.07
12.22
11.42
11.96
10.5
12.23
11.07
11.54
11.44
11.98
11.29
11.75
10.71
12.08
11.52
12.85

Q-Q PLOT PARA LA DISTRIBUCIN NORMAL

DE LA MQUINA 2

Percentil Terico

Ejemplo 18. Se desea comparar el tiempo de ciclo de

dos mquinas que fabrican el mismo producto (el
tiempo de ciclo es el tiempo en segundos en que se
fabrica una pieza). Se toma una muestra aleatoria de
cada mquina obteniendo lo que se indica en la tabla 8.

13.200
13.000
12.800
12.600
12.400
12.200
12.000
11.800
11.600
11.400
11.200
11.40

11.60

11.80

12.00

Podemos ver que los puntos del "Q-Q plot" siguen la trayectoria de
que los datos se ajustan a una distribucin normal.

MQUINA 2(X) Probabilidad

1
2
3
4
5
6
7
8
9
10
11
12

11.52
11.54
11.75
11.96
11.98
12.08
12.18
12.22
12.23
12.34
12.85
13.10

MEDIA
S

12.15
0.471

Percentil terico (y)

0.042
0.125
0.208
0.292
0.375
0.458
0.542
0.625
0.708
0.792
0.875
0.958

11.330
11.604
11.763
11.888
11.996
12.097
12.195
12.296
12.404
12.528
12.688
12.961

A LA DISTRIBUCIN NORMAL DEL TIEMPO DE CICLO

DE LA MQUINA 2

12.00

12.20

12.40

12.60

12.80

13.00

13.20

Tiempo (s)

el "Q-Q plot" siguen la trayectoria de la recta de 45 , razn por la cual podriamos decir
distribucin normal.

3. Construir una Q-Q plot para una distribucin

exponencial a los datos de la mquina 2 del ejemplo
18 de las lecturas de la semana 8.
MQUINA 1 MQUINA 2
11.1
12.18
11.06
12.34
10.87
13.1
11.07
12.22
11.42
11.96
10.5
12.23
11.07
11.54
11.44
11.98
11.29
11.75
10.71
12.08
11.52
12.85

Q-Q PLOT PARA LA DISTRIBUCIN EXPONE

43.000
38.000
33.000
Percentil terico

Ejemplo 18. Se desea comparar el tiempo de ciclo de

dos mquinas que fabrican el mismo producto (el
tiempo de ciclo es el tiempo en segundos en que se
fabrica una pieza). Se toma una muestra aleatoria de
cada mquina obteniendo lo que se indica en la tabla 8.

28.000
23.000
18.000
13.000
8.000
3.000
-2.000
11.50

11.70

11.90

12.10

Podemos ver que los puntos del "Q-Q plot" no siguen la trayectoria
decir que los datos no se ajustan a una distribucin exponencial.

MQUINA 2(X) ProbabilidadPercentil terico (y)

1
2
3
4
5
6
7
8
9
10
11
12

11.52
11.54
11.75
11.96
11.98
12.08
12.18
12.22
12.23
12.34
12.85
13.10

MEDIA

12.15

0.042
0.125
0.208
0.292
0.375
0.458
0.542
0.625
0.708
0.792
0.875
0.958

0.517
1.622
2.837
4.188
5.709
7.447
9.476
11.913
14.965
19.052
25.257
38.600

A LA DISTRIBUCIN EXPONENCIAL DEL TIEMPO DE CICLO

DE LA MQUINA 2

12.10

12.30
12.50
Tiempo (s)

12.70

12.90

13.10

13.30

el "Q-Q plot" no siguen la trayectoria de la recta de 45 razn por la cual podriamos

an a una distribucin exponencial.

Se desea probar si la estatura de los empleados

tiene distribucin normal. Se toma una muestra
aleatoria de 200 empleados a quienes se les
pregunta su estatura en pulgadas. Los resultados
obtenidos son:

ESTATURA

No.
EMPLEADOS
(nj)

57,5 - 63,5

29

63,5 - 69,5

75

ESTATURA

No.
EMPLEADOS

57,5 - 63,5

29

69,5 - 72,5

68

63,5 - 69,5

75

72,5 - 78,5

28

69,5 - 72,5

68

72,5 - 78,5

28

Con base en sta informacin, se puede concluir

que su distribucin es normal?
H0: La estatura de los empleados tiene distribucin normal
H1: La estatura de los empleados no tiene distribucin normal

TOTAL
MEDIA
VARIANZA (S2)
DESVEST (S)

200
68.4
19.86
4.46

Xj

nj * Xj

Xj2

nj * Xj2

60.5
66.5
71
75.5

1754.5
4987.5
4828
2114
13684

3660.25
4422.25
5041
5700.25

106147.25
331668.75
342788
159607
940211

Se distribuy el nmero de clientes que visitaron la

oficina de un joven abogado durante sus primeros
102 das de prctica, de la siguiente manera:
No. de
CLIENTES

No. de DAS

40

36

16

Pruebe si el nmero de clientes por da sigue una

distribucin Poisson.
H0: El nmero de clientes por da tiene distribucin Poisson
H1: El nmero de clientes por da no tiene distribucin Poisson

Si los autos llegan a un supermercado siguiendo un proceso de

Poisson, el tiempo entre llegadas sucesivas es una variable
aleatoria con distribucin exponencial. Se registraron las horas
de llegada para todos los automviles durante 2 horas y los
tiempos entre llegadas (en minutos) se resumen a continuacin:
TIEMPO ENTRE No. DE AUTOS
LLEGADAS
1

40

1-2

29

2-3

15

Pruebe si es cierto que el tiempo entre llegadas tiene

distribucin exponencial.
Solucin
H0: El tiempo entre llegadas tiene distribucin exponencial
H1: El tiempo entre llegadas no tiene distribucin exponencial

Una revisin de 100 informes que tienen diez datos cada uno
presentado por los vendedores de una gran compaa permiti
determinar algn tipo de error en dichos informes. Los
resultados fueron como aparecen en la tabla que sigue:
Nmero de errores
por cada 10 datos
0
1
2
3
4
5 o ms

Nmero de
informes
8
25
32
24
10
1

Pruebe al nivel de significancia = 0.05, determine si estos

datos provienen de una poblacin binomial con p = 0,20 .

DATOS NO AGRUPADOS
Cincuenta nmeros de dos dgitos se extraer al azar de gua telefnica, y
la prueba de chi-cuadrado de bondad de ajuste se utiliza para ver si
podan haber sido las observaciones de una variable aleatoria
normalmente distribuida. Los nmeros, despus de ser dispuestos en
orden desde el ms pequeo al ms grande, son los siguientes.

Fifty two-digit numbers were drawn at random from telephone book, and
the chi-squared test for goodness of fit is used to see if they could have
been observations on a normally distributed random variable. The
numbers, after being arranged in order from the smallest to the largest,
are as follows.
23
TABLA DE DISTRIBUCIN DE FRECUENCIAS
intervalos
m
23
24
27
29
31
32
33
33
35
36
37
40
42
43
43
44
45
48
48
54
54
56

1
2
3
4
5
6
7

23
33.5
44.0
54.5
65.0
75.5
86.0
total

PARAMETROS

DISTRIBUCIN NORMAL

MEDIA
DESVEST

55.04
19.00

m
1
2
3
4
5
6

23
33.5
44
54.5
65
75.5

intervalos

57
57
58
58

Como el valor T es menor que 0,05,2 , entonces aceptamos H 0 ,

datos recolectados siguen una distribucin normal.

58
58
59

NIVEL DE SIGNIFICANCIA

61
61
62
63
64

M-K-1=grados de libertad
m=6
k=2
M-K-1=3

65
66
68
68
70
73
73
74
75
77
81
87
89
93
97

Columna1

Rango
Mnimo
Mximo
Suma
Cuenta

H0: These numbers are observations on a normally distributed random variable.

Rango
No de Clases

intervalos
33.5
44.0
54.5
65.0
75.5
86.0
97.0
total

r
m
A

74
7.071067812
10.465
nj
9
8
5
14
8
2
4
50

Pj
0.1285
0.1521
0.2080
0.2112
0.1593
0.0892
0.0516
1

10.5
ej

Nj

6.4262
7.6064
10.4007
10.5611
7.9638
4.4593
2.5825

El nmero de observaciones esperadas en cada clase debe ser

mayor o igual a 5, es decir ej >= 5, si esto no ocurre unen las clases
adyacentes hasta cumplir el requisito

intervalos
33.5
44
54.5
65
75.5
97

nj
9
8
5
14
8
6
50

Pj
0.1285
0.1521
0.2080
0.2112
0.1593
0.1408

ej
6.4262
7.6064
10.4007
10.5611
7.9638
7.0418

(nj - ej)
2.5738
0.3936
-5.4007
3.4389
0.0362
-1.0418

(nj - ej) 2
6.6246
0.1549
29.1677
11.8260
0.0013
1.0854

(nj - ej) 2 / ej
1.0309
0.0204
2.8044
1.1198
0.0002
0.1541

5.1297

7.815

0,05,(5-2-1)

or que 0,05,2 , entonces aceptamos H 0 , y se infiere que hay evidencia estadstica de que los
uen una distribucin normal.

Columna1
Media
55.04
Error tpico
2.68768317
Mediana
57.5
Moda
58
Desviacin estndar
19.0047899
Varianza de la muestra
361.182041
Curtosis
-0.60556952
Coeficiente de asimetra
0.15819635
Rango
74
Mnimo
23
Mximo
97
Suma
2752
Cuenta
50