Andrs Miniguano Trujillo

ESCUELA POLITECNICA NACIONAL

FACULTAD DE CIENCIAS
Materia: PROBABILIDADES Y ESTADSTICA
Deber 13: BONDAD DE AJUSTE

1. En cierta autopista existen cuatro carriles para pagar el peaje. Para determinar si los
conductores tienen preferencia por ciertos carriles se observaron 1000 autos durante cierto
perodo, obtenindose los siguientes resultados:
Carril 1 2 3 4
Autos que pagaron en ese carril 294 276 238 192

Los datos presentan evidencia suficiente que indique que hay preferencia por ciertos
carriles?
H 0 : p1 =p 2= p3= p 4=0.25
Carril 1 2 3 4
Valores Observados 294 276 238 192 940
Valores Esperados 235 235 235 235 940

Comparamos estadsticamente lo observado con lo observado:

=k1=41=3
2
( v iei ) ( 294235 )2 ( 276235 )2 ( 238235 )2 ( 192235 )2 1404
= + + + = 29.8723
ei 235 235 235 235 47
4
2=
i=1
Regin de Rechazo: 2 > 2
2 2 2 2
= 0.05 ( 3 ) =7.8147 >
No se acepta H 0 ; es decir, hay evidencia suficiente para decir que existe una preferencia por
ciertos carriles.

2. Los estudiantes universitarios insisten regularmente que deberan tener libertad de

eleccin cuando existen diferentes paralelos de un mismo curso o materia. En cierta
facultad, el semestre anterior, se programaron siete horarios diferentes de una misma
materia, con diferentes profesores. La siguiente informacin presenta la cantidad de
estudiantes que seleccionaron cada uno de los paralelos. Los datos sealan que los
estudiantes tuvieron preferencia por ciertos paralelos o que fue igualmente probable su
eleccin?
Paralelo 1 2 3 4 5 6 7
Nmero de estudiantes 18 12 25 23 10 19 14

1
H 0 : p1 =p 2= p3= p 4= p5= p 6= p7=
7
Paralelo 1 2 3 4 5 6 7 Total
vi 18 12 25 23 10 19 14 121
ei 17.2857 17.2857 17.2857 17.2857 17.2857 17.2857 17.2857 121

Comparamos estadsticamente lo observado con lo observado:

=k1=71=6
 2

2 2 2 2 2 2
121 121 121 121 121 121 1
( v iei )
2

=
( 18
7
+
12) (
7
+
25
7
+
23
7 ) (
+
10
7
+
19
7 ) (
+
14 ) ( ) ( ) (
ei 121 121 121 121 121 121 121
7 7 7 7 7 7 7
7
=
2

i=1
2 2
Regin de Rechazo: >
2 2
=
0.05 ( 6 ) =12.5916 2 < 2
No hay evidencia suficiente para decir que existe una preferencia por ciertos paralelos, es ms
existe evidencia estadstica para afirmar que dicha eleccin fue realizada con misma probabilidad.

3. Entre 100 tubos al vaco utilizados en un experimento, 46 tienen vida til de menos de
20 horas, 19 tienen vida til de mas de 20 horas pero menos de 40, 17 tienen vida til de mas
de 40 horas pero menos de 60, 12 tienen vida til de mas de 60 horas pero menos de 80 y 6
tienen vida til de mas de 80 horas. Pruebe si los datos tomados se pueden considerar como
una muestra de una poblacin exponencial con media 40 horas.
X : Tiempo de vida til
x

H 0 : X E ( ) , F ( x )=1e
x
=E [ X ] ==40 [ h ] F ( x )=1e 40
Vida Tota
til
[ 0,20 ) [ 20,40 ) [ 40,60 ) [ 60,80 ) [ 80, ) l
vi 46 19 17 12 6 100

23 1 3 3 1 23
ei
100 1e ( 20 ) 100 ( e e ) 100
68.3363 2
23. (8651
e e ) 100
1
( e e ) 1008.7795
14.4749 1 2 (e 2 2 2
+e2+ e 100
20 )
15.4558

Comparamos estadsticamente lo observado con lo observado:

=km=51=4
2 2 2

(46100 ( 1e )) + (19100 ( e e )) ( 17100 ( e e )) (12100 ( e e

23 1 3 3
2 20 2 1 1 2 2
( v e )
i i
= + +
ei 23 1 3 3
100 (1e ) 100 ( e e ) 100 ( e e ) 100 ( e e )
20 2 1 1 2 2 2

5
2=
i=1
Regin de Rechazo: 2 > 2
2 = 20.05 ( 4 )=47.4387 2 < 2
Aparentemente se podra considerar que la hiptesis nula no es descartable, pero hay que fijarnos
en un detalle, la probabilidad del quinto valor para el tiempo de vida til nos arroja un valor
negativo, lo cual ya de por s es imposible, luego llegando al valor de 2 se obtuvo un valor
negativo, valor para el cual no est definida la funcin, en tal caso es obvio que el dato no se
arroja dentro de la regin de rechazo, pero por esa probabilidad negativa y ese valor de 2 , se
puede asegurar que los datos no siguen una distribucin exponencial con media de 40 [h].

4. Durante 400 intervalos de cinco minutos se han obtenido los siguientes resultados
respecto a los mensajes de radio al centro de control de un aeropuerto:
Nmero de mensajes 0 1 2 3 4 5 6 7 8 9 10 11 12
 3

Frecuencias observadas 3 15 47 76 68 74 46 39 15 9 5 2 1

a) Compruebe si es posible que este proceso se pueda estudiar con una distribucin de
Poisson, con el parmetro igual a 5.0.
X : de mensajes
e5 5 k
H 0 : X Poisson P [ X =k ] = , k Z
k!
n=400
=km=131=12
# mensajes vi ei
0 3 0.6738
1 15 3.369
2 47 8.4224
3 76 14.0374
4 68 17.5467
5 74 17.5467
6 46 14.6223
7 39 10.4445
8 15 6.5278
9 9 3.6266
10 5 1.8133
11 2 0.8242
12 1 0.5453
Comparamos los datos:
2
( v iei ) (30.6738 )2 ( 1 53.369 )2 ( 478.4224 )2 ( 7614.0374 )2 ( 6817.5467 )2 ( 7417.5
= + + + + +
ei 0.6738 3.369 8.4224 14.0374 17.5467 17.546

Regin de Rechazo: 2 > 2

2 2 2 2
= 0.05 ( 12 )=21.0261 >

Existe evidencia estadstica para afirmar que este proceso no se lo puede estudiar con una
distribucin de Poisson bajo tal parmetro.

b) Haga el mismo estudio pero sin suponer que conoce el parmetro.

X : d e mensajes
e k
H 0 : X Poisson P [ X =k ] = , k Z
k!
desconocido, por estimar:
=E [ X ] =
1813 k
1813
q
= 1 ( x i f ( xi ) )= 1813 4.5325 P [ X =k ]=
^= X
e 400
( 400 ) ,kZ
400 i=1 400 k!
n=400
=km=131=12
 4

# mensajes vi ei
0 3 1.07538
1 15 4.8741
2 47 11.046
3 76 16.6887
4 68 18.91038
5 74 17.1423
6 46 12.9496
7 39 8.3848
8 15 4.75053
9 9 2.3924
10 5 1.08437
11 2 0.4468
12 1 0.2546
Comparamos los datos:
2
( v iei )
= 926.5386
ei
13
2=
i=1

2 2
Regin de Rechazo: >
= 0.05 ( 12 )=21.0261 2 > 2
2 2

Existe evidencia estadstica para afirmar que este proceso no se lo puede estudiar con una
distribucin de Poisson bajo el parmetro estimado. Se puede suponer que en general el proceso
no se puede estimar bajo una distribucin de Poisson.

5. Si el nmero de errores que comete una secretaria al transcribir un documento es una

variable aleatoria que tiene una distribucin de Poisson. Se reviso 440 transcripciones hechas
por ella y arrojo los siguientes resultados:

Nmero de errores Frecuencia

0 18

1 53

2 103

3 107
 5

4 82

5 46

6 18

7 10

8 2

9 1

Probar si los datos de los errores se ajustan a una distribucin de Poisson.

X : de mensajes
e k
H 0 : X Poisson P [ X =k ] = , k Z
k!
1341 k
1341
=
^= X
1
q

x f ( x ) = 1341 3.04773 P [ X=k ] =

e 440
( 440 ) ,kZ
440 i=1 ( i i ) 440 k!
=km=101=9

# mensajes vi ei
0 18 20.8853
1 53 63.6528
2 103 96.9982
3 107 98.5414
4 82 75.0818
5 46 45.7658
6 18 23.2469
7 10 10.1215
8 2 3.8559
9 1 1.85034
Comparamos los datos:
10 2
( v ie i )
=
2
6.3873
i=1 ei

Regin de Rechazo: 2 > 2

2 = 20.05 ( 9 ) =16.91898 2< 2

Existe evidencia estadstica para afirmar que este proceso se lo puede estudiar con una
distribucin de Poisson.
 6

6. En una empresa distribuidora de productos enlatados, en el perodo anterior se recibieron 8

pedidos de 16 quintales, 25 pedidos de 20 quintales, 36 pedidos de 24 quintales, 54 pedidos de 32
quintales y 65 pedidos de 38 quintales. El departamento de ventas considera que si es posible
aceptar que la funcin de probabilidad de los pedidos de ventas es igual a:

{
x10
si x=16,20, 24, 32,38
p ( x )= 80
0 , para otros valores de x

=km=51=4 ,n=188

Se estiman los valores bajo la funcin y se procede a comparar:

# Quintales vi ei
16 8 14.1
20 25 23.5
24 36 32.9
32 54 51.7
38 65 65.8
5 2
( v ie i ) 34079
2= = 3.1389
i=1 ei 10857

Regin de Rechazo: 2 > 2

2 = 20.05 ( 4 )=9.4877 2 < 2

Existe evidencia estadstica para afirmar que este proceso se lo puede estudiar con la funcin de
probabilidad propuesta.

7. Los siguientes datos, tomados al azar, representan el nmero de kilmetros recorridos por
50 automviles, con 10 galones de gasolina cada uno.

299 225 185 253 257 175 232 201 281 174

240 247 221 207 155 255 261 248 125 247

156 295 163 193 118 234 187 196 282 122

158 198 268 175 273 113 248 253 259 265

242 289 197 152 221 288 123 127 134 254
 7

Es posible asegurar que el rendimiento de los autos tiene distribucin normal?

Agrupando valores:

L=M m+1=299113+ 1=187

r w e=wr L

7 27 2

8 24 5

9 21 2

10 19 3

11 17 0

12 16 5

13 15 8

Se analizar: X ( , 2 ) , n=50, =215.18 , =

1037367
350

i Intervalos de Clase Pt. Medio f(i) ei

1 111.5 138.5 125 7 3.9747

2 138.5 165.5 152 5 5.0624

3 165.5 192.5 179 5 7.8872

 8

4 192.5 219.5 206 6 9.6567

5 219.5 246.5 233 7 9.2915

6 246.5 273.5 260 14 7.0257

7 273.5 300.5 287 6 7.1016

=km=72=5

7 2
( v ie i )
=
2
12.4039
i=1 ei

Regin de Rechazo: 2 > 2

2 = 20.05 ( 5 )=11.0705 2 > 2

Existe evidencia estadstica para rechazar que el rendimiento de los autos siga una distribucin
normal.

8. En cierto anlisis sobre el tiempo de duracin de un proceso se han obtenido los siguientes
resultados:

Intervalos 65.5. 65.5 76.5 76.5 87.5 87.5 98.5 98.5

Frecuencias 12 18 22 16 14

Es posible asegurar que el tiempo de duracin tiene un comportamiento normal?

Considerando:
Intervalos 54.5 - 65.5. 65.5 - 76.5 76.5 - 87.5 87.5 - 98.5 98.5 109.5
Pts. Medios 60 71 82 93 104
Frecuencias 12 18 22 16 14

n=82, =
3373
41
, =
684376
3321
Intervalos 65.5. 65.5 76.5 76.5 87.5 87.5 98.5 98.5
vi 12 18 22 16 14
ei 9.9536 18.2468 24.463 18.7513 10.5853

=km=52=3, n=82

5 2
( v ie i )
=
2
2.1773
i=1 ei
 9

Regin de Rechazo: 2 > 2

2 2 2 2
= 0.05 ( 3 ) =7.8147 <

Existe evidencia estadstica para afirmar que el tiempo de duracin tenga un comportamiento
normal.

9. En un anlisis de laboratorio realizado sobre bloques de cierta mezcla se observaron los

siguientes valores respecto a la resistencia a deformarse (en kg/cm2).

Intervalos (en kg/cm2) Frecuencias

13.5 --- 22.5 12
22.5 --- 31.5 18
31.5 --- 40.5 24
40.5 --- 49.5 28
49.5 --- 58.5 26
58.5 --- 67.5 23
67.5 --- 76.5 16
Se puede asegurar que la produccin de este tipo de bloques tiene un comportamiento
normal?. Si los resultados no permiten aceptar la normalidad, Qu podra hacerse para
mejorar esos resultados?

Se analizar: X ( , 2 ) , n=147, =
6991
147
,=
3456283
10731

i Intervalos de Clase Pt. Medio f(i) ei

1 13.5 22.5 18 12 11.9543

2 22.5 31.5 27 18 15.3083

3 31.5 40.5 36 24 23.7554

4 40.5 49.5 45 28 28.816

5 49.5 58.5 54 26 27.3247

 10

6 58.5 67.5 63 23 20.2544

7 67.5 76.5 82 16 19.5868

=km=72=5

7 2
( v ie i )
=
2
1.60025
i=1 ei

Regin de Rechazo: 2 > 2

2 = 20.05 ( 5 )=11.0705 2 < 2

Existe evidencia estadstica para afirmar que la produccin de este tipo de bloques sigue una
distribucin normal.

10. En una panadera se ha registrado el peso (en gramos) de los panes producidos durante 80
das, obtenindose los siguientes resultados:

209.2 208.5 204.2 208.1 205.2 204.6 200.2 201.1 201.3 200.6 209.5
208.7 210.2 207.9 204.8 207.0 205.5 209.2 203.1 202.3 210.2 206.2
210.5 211.0 198.7 200.8 208.0 205.5 196.3 204.3 212.0 207.8 205.9
206.2 205.8 204.6 202.7 200.0 205.5 201.4 214.3 215.3 215.7 212.3
208.1 212.2 203.5 209.1 208.0 209.1 221.8 216.7 213.8 216.2 211.9
209.8 206.9 206.3 207.9 205.8 214.6 212.3 215.2 208.4 212.9 207.6
210.6 209.8 205.3 212.0 214.4 212.0 202.7 210.8 209.0 212.6 212.3
211.4 203.6 204.2
a) Construya un histograma en base a lo estipulado en clase.

Agrupando valores:
L=M m+1=22181 963+1=256

r w e=wr L

6 43 2

i Intervalos de Clase Pt. Medio

 11

1 1961.5 2004.5 1983

2 2004.5 2047.5 2026

3 2047.5 2090.5 2069

4 2090.5 2133.5 2112

5 2133.5 2176.5 2155

6 2176.5 2219.5 2198

Volviendo a los datos originales:

i Intervalos de Clase Pt. Medio f(i)

1 196.15 200.45 198.3 4

2 200.45 204.75 202.6 16

3 204.75 209.05 206.9 26

4 209.05 213.35 211.2 24

5 213.35 217.65 215.5 9

6 217.65 221.95 219.8 1

 12

Histograma de Frecuencias con Datos Agrupados

b) Determine si la produccin de la panadera podra considerarse normal

Se analizar: X ( , 2 ) , n=80, =
166423
800
, =
14124511
632000

i Intervalos de Clase f(i) ei

1 - 204.75 17 19.5185

2 204.75 209.05 26 27.3228

3 209.05 213.35 24 22.7454

4 213.35 10 10.4133

=km=42=2

7 2
( v ie i )
=
2
0.5387
i=1 ei
2 2
Regin de Rechazo: >
= 0.05 ( 2 )=5.9914 2< 2
2 2

Existe evidencia estadstica que permite decir que posiblemente a la produccin hay como
determinarla bajo una distribucin normal.
 13

11. El Departamento de Psicologa, basndose en informaciones anteriores, al final del

semestre antepasado, el 80% de los alumnos aprobaron todas las materias inscritas, un 10%
aprob la mitad, un 6% reprob todas las materias y un 4% se retiro. Al final del semestre
pasado el departamento selecciono a 400 alumnos, resultado 287 aprobaron todas las
asignaturas, 49 aprobaron la mitad, 30 reprobaron todas las asignaturas y 34 se retiraron.
Podemos concluir, a raz de los resultados, que la informacin del semestre antepasado se ha
vuelto a repetir el semestre pasado?

Categoras vi ei
Todas 287 320
Mitad 49 40
Reprob 30 24
Retiro 34 16
=k1=41=3

7 2
( v ie i )
=
2
27.17813
i=1 ei
2 2
Regin de Rechazo: >
= 0.05 ( 3 ) =7.8147 2> 2
2 2

Existe evidencia estadstica que permite decir que la informacin del semestre pasado no se ha
vuelto a repetir en el semestre pasado.

12. Una moneda fue lanzada al aire 1000 series, de 5 veces cada serie y se observ el nmero
de caras de cada serie. El nmero de series en los que se presentaron 0, 1, 2, 3, 4 y 5 caras se
muestra en la siguiente tabla.

Nmero de 0 1 2 3 4 5 Total
caras

frecuencia 38 144 342 287 164 25 1000

Ajustar una distribucin binomial

H 0 : p1 =p 2= p3= p 4= p5=0.2

Nmero de caras 0 1 2 3 4 5 Total

vi 38 144 342 287 164 25 1000

ei 20 200 200 200 200 20 1000

 14

0 0

Comparamos estadsticamente lo observado con lo observado:

=k1=61=5
4 2
( v ie i )
=
2
445.17
i=1 ei
2 2
Regin de Rechazo: >
2 2 2 2
= 0.05 ( 5 )=11.0705 >
No se acepta H 0 ; es decir, hay evidencia suficiente para decir que esta no es una muestra que
siga una distribucin binomial.

13. Sea: n = 60 clientes.

Variable = Tiempo de servicio (en min)

Interv
alo li
fi 11 8 9 7 6 5 4 2 3 3 1 1

Probar si los datos de tiempos de servicio se ajustan a una distribucin exponencial.

X : Tiempo de vida til

x

H 0 : X E ( ) , F ( x )=1e
15 x
59
n=60,=E [ X ] == [ h ] F ( x ) =1e 59
15
Intervalo li vi ei
11 13.4695
8 10.4457
9 8.1007
7 6.2822
6 4.8719
5 3.7782
4 2.93
2 2.2722
3 1.7621
3 1.3666
1 1.0598
1 3.6611
=k1=121=11

7 2
( v ie i )
=
2
7.0465
i=1 ei
 15

Regin de Rechazo: 2 > 2

2 2 2 2
= 0.05 ( 11 ) =19.6751 <

Existe evidencia estadstica que permite decir que los datos de tiempos de servicio se ajustan a
una distribucin exponencial.

14. De cualquier tabla de nmeros aleatorios tome 80 con un solo dgito. Construya la tabla de
frecuencias de los dgitos 0, 1, 2, ..., 9 y pruebe si la hiptesis de aleatoriedad es sostenible.

Agrupando valores:

L=M m+1=90+1=1 0

r w e=wr L

7 2 4

8 2 6

9 2 8

10 1 0

11 1 1

12 1 2

13 1 3
 16

H 0 : p1 =p 2= p3= p 4=0. 1

i Intervalos de Clase Pt. Medio f(i) ei

1 -0.5 0.5 0 5 8

2 0.5 1.5 1 7 8

3 1.5 2.5 2 13 8

4 2.5 3.5 3 15 8

5 3.5 4.5 4 5 8

6 4.5 5.5 5 7 8

7 5.5 6.5 6 5 8

8 7.5 8.5 7 6 8

9 8.5 9.5 8 10 8

10 9.5 10.5 9 7 8

=km=101=9

7 2
( v ie i )
=
2
=14
i=1 ei
2 2
Regin de Rechazo: >
= 0.05 ( 9 ) =16.919 2< 2
2 2

Existe evidencia estadstica para rechazar que haya una aleatoriedad real entre los valores, ms
existe evidencia para aceptar de que la probabilidad de espera de cada valor sea la misma.
17