CHI CUADRADA

PROBLEMA 1

Se desea estudiar hasta qué punto existe relación entre el tiempo de residencia
de inmigrantes en nuestro país y su percepción de integración. Se dispone de una
muestra pequeña de 530 inmigrantes a los que se les evaluó en ambas variables
obteniéndose la siguiente tabla de frecuencias observadas. ¿Confirman estos
datos la hipótesis planteada con un nivel de confianza del 95%?

Grado de integración
Tiempo de residencia Total
Bajo Mediano Alto
Más tiempo 40 60 90 190
Mediano Tiempo 65 55 50 170
Menos tiempo 90 70 10 170
Total 195 185 150 530

Solución:

Sabiendo que:

(𝐭𝐨𝐭𝐚𝐥 𝐩𝐨𝐫 𝐟𝐢𝐥𝐚) × (𝐭𝐨𝐭𝐚𝐥 𝐩𝐨𝐫 𝐜𝐨𝐥𝐮𝐦𝐧𝐚)

𝒇𝒆 =
𝐆𝐫𝐚𝐧 𝐭𝐨𝐭𝐚𝐥

Luego hallamos:

195 × 190
𝑓𝑒11 = = 69.91
530

195 × 170
𝑓𝑒21 = = 62.55
530

195 × 170
𝑓𝑒31 = = 62.55
530

185 × 190
𝑓𝑒12 = = 66.32
530

185 × 170
𝑓𝑒22 = = 59.34
530
 185 × 170
𝑓𝑒32 = = 59.34
530

150 × 190
𝑓𝑒13 = = 53.77
530

150 × 170
𝑓𝑒23 = = 48.11
530

150 × 170
𝑓𝑒33 = = 48.11
530

Grado de integración
Tiempo de
Bajo Mediano Alto Total
residencia
fo fe fo fe fo fe
Más tiempo 40 69.91 60 66.32 90 53.77 190
Mediano Tiempo 65 62.55 55 59.34 50 48.11 170
Menos tiempo 90 62.55 70 59.34 10 48.11 170
Total 195 185 150 530

Luego:

1. H0: Sí existe relación entre el tiempo de residencia de inmigrantes en nuestro

país y su percepción de integración.

H1: No existe relación entre el tiempo de residencia de inmigrantes en nuestro

país y su percepción de integración.

2. Nivel de significancia: 𝜶 = 𝟎. 𝟎𝟓

3. Chi-Cuadrada: X2

4. Hallamos los grados de libertad:

𝒈𝒍 = (#𝒅𝒆 𝒇𝒊𝒍𝒂𝒔 − 𝟏) × (#𝒅𝒆 𝒄𝒐𝒍𝒖𝒎𝒏𝒂𝒔 − 𝟏)

Entonces:
𝑔𝑙 = (3 − 1) × (3 − 1)

𝑔𝑙 = 4
 Región de aceptación: 𝑹. 𝑨. ∈ [0 , 9.488]

Si X2 pertenece a la Región de aceptación

se aceptará la H0 y se rechazará la Ha.

Región crítica: 𝑹. 𝑪. ∈ 〈9.488 , ∞〉

Si X2 pertenece a la Región de crítica

entonces se rechazará la H0 y se aceptará la
Ha.
Según la tabla y según gráfico:

𝑥 2 (4; 0.05) = 9.488

5. Cálculo del Estadístico:

Hallando el ji-cuadrado x2:

(fo − fe)2
x2 = ∑
fe

Reemplazando los datos obtenidos:

(40 − 69.91)2 (65 − 62.55)2 (90 − 62.55)2 (60 − 66.32)2 (55 − 59.34)2
𝑥2 = + + + +
69.91 62.55 62.55 66.32 59.34
(70 − 59.34)2 (90 − 53.77)2 (50 − 48.11)2 (10 − 48.11)2
+ + + +
59.34 53.77 48.11 48.11
 (−29.91)2 (2.45)2 (27.45)2 (−6.32)2 (−4.34)2 (10.66)2 (36.23)2 (1.89)2
𝑥2 = + + + + + + +
69.91 62.55 62.55 66.32 59.34 59.34 53.77 48.11
(−38.11)2
+
48.11

𝑥 2 = 12.8 + 0.1 + 12.05 + 0.6 + 0.32 + 1.91 + 24.41 + 0.07 + 30.19

𝑥 2 = 82.45

DECISIÓN:

𝒙𝟐 ∈ 𝑹. 𝑪. Entonces rechazamos la H0.

CONCLUSIÓN:

Podemos afirmar, con un intervalo de confianza del 95%, que no existe relación entre el
tiempo de residencia de inmigrantes en nuestro país y su percepción de integración.

Comprobamos mediante Minitab

1. Se ingresan los datos de la tabla anterior:

2. Nos vamos a la opción de Prueba de Chi-cuadrada:

Estadísticas >> Tablas >> Prueba de Chi-Cuadrada
 3. Nos llevará a la siguiente ventana donde añadiremos las columnas que tenemos:

4. Obtendremos el siguiente resultado:

CONCLUSIÓN: Podemos afirmar, con un intervalo de confianza del 95%, que no

existe relación entre el tiempo de residencia de inmigrantes en nuestro país y su
percepción de integración.
BONDAD DE AJUSTE (POISSON)

PROBLEMA 2:

El gerente de un banco de la ciudad de Medellín busca asignar la cantidad de

cajeras a la cantidad de tal manera que se brinde un buen nivel de servicio y al
mismo tiempo mantener un nivel razonable en el costo total de mano de obra. Para
llevar a cabo el estudio una variable importante es las llegadas de los clientes,
sobre la cual realizamos un muestreo, luego se analiza si la distribución de
probabilidad de Poisson puede modelar este conjunto de datos. Para llevar a cabo
el proceso de muestreo definiremos las entradas de los clientes en términos de la
cantidad de clientes que entran a banco durante intervalos de cinco minutos.
Para probar la hipótesis de una distribución de Poisson para la cantidad de
entradas un empleado del banco selecciona al azar una muestra de 128 intervalos
de 5 minutos, en días hábiles y durante un periodo de tres semanas, puede ser en
las horas de la mañana. Para cada intervalo se anota la cantidad de clientes que
llegan. Y se determina la cantidad de intervalos de 5 minutos donde no hubo
entradas, la cantidad de intervalos de 5 minutos donde con una entrada, la
cantidad de intervalos de 5 minutos donde con dos entradas, y así sucesivamente.
Los datos los podemos representar en una tabla de frecuencias.
Cantidad de
clientes
f0
0 2
1 8
2 10
3 12
4 18
5 22
6 22
7 16
8 12
9 6
Total 128
Solución:

Siguiendo la distribución de Poisson obtenemos:

Cantidad de
Prob. fe
clientes
0 0.0067 0.8625
1 0.0337 4.3123
2 0.0842 10.7807
3 0.1404 17.9679
4 0.1755 22.4598
5 0.1755 22.4598
6 0.1462 18.7165
7 0.1044 13.3689
8 0.0653 8.3556
9 a más 0.0681 8.7160

Las categorías de frecuencias esperadas (Fe) menores de 5 no causan dificultad,

porque se puede sumar con categorías adyacentes para satisfacer el requisito de
“cuando menos 5” para la frecuencia esperada. En este caso combinaremos 0 y 1
en una sola categoría, y además combinaremos 9 con “10 o más” para formar otra
categoría. Con ello satisfacemos la regla de una frecuencia esperada de mínima de
5.

Cantidad de
fo fe
clientes
0a1 10 5.1747
2 10 10.7807
3 12 179679
4 18 22.4598
5 22 22.4598
6 22 18.7165
7 16 13.3689
8 12 8.3556
9 o más 6 8.7160
Total 128 128.0000

Luego:

1. H0: El número de clientes que entran al banco sigue una distribución de Poisson.

H1: El número de clientes que entran al banco no sigue una distribución de

Poisson.

2. Nivel de significancia: 𝜶 = 𝟎. 𝟎𝟓

3. Estadístico: X2
4. Hallamos los grados de libertad:

𝒈𝒍 = 𝒎 − 𝒌 − 𝟏
Entonces:
𝑔𝑙 = 9 − 1 − 1

𝑔𝑙 = 7

Región de aceptación: 𝑹. 𝑨. ∈ [0 , 14.07]

Si X2 pertenece a la Región de aceptación

se aceptará la H0 y se rechazará la Ha.

Región crítica: 𝑹. 𝑪. ∈ 〈14.07 , ∞〉

Si X2 pertenece a la Región de crítica

entonces se rechazará la H0 y se aceptará la
Ha.
Según la tabla y según gráfico:

𝑥 2 (7; 0.05) = 14.07

5. Cálculo del Estadístico:

Hallando el chi-cuadrado x2:

(fo − fe)2
x2 = ∑
fe
 (10 − 5.1747)2 (10 − 10.7807)2 (12 − 17.9679)2 (18 − 22.4598)2 (22 − 22.4598)2
𝑥2 = + + + +
5.1747 10.7807 17.9679 22.4598 22.4598
(22 − 18.7165)2 (16 − 13.3689)2 (12 − 8.3556)2 (6 − 8.7160)2
+ + + +
18.7165 13.3689 8.3556 8.7160

𝑥 2 = 4.4994 + 0.0565 + 1.9822 + 0.8856 + 0.0094 + 0.5760 + 0.5760 + 0.5178 + 1.5896

+ 0.8463

𝑥 2 = 10.9628
Por último:

(𝑓𝑜 − 𝑓𝑒)2
𝑥2 = ∑ = 10.9628
𝑓𝑒

DECISIÓN:

𝒙𝟐 ∈ 𝑹. 𝑨. Entonces no rechazamos la H0.

CONCLUSIÓN:

Podemos afirmar, con un intervalo de confianza del 95%, que el número de clientes que
entran al banco sigue una distribución de Poisson.

Comprobamos mediante Minitab

1. Se ingresan los datos de la tabla anterior y colocamos hasta 8, ya que de 9 a

más resultará de restarle a 1 la suma de las demás probabilidades. Nos dirigimos
a Calc >> Distribuciones de probabilidad >> Poisson. Obtendremos:
2. Multiplicamos nuestras probabilidades por el total que es 128 (Calculadora), así
obtendremos nuestra Fe:

3. Observamos que el valor de 0 tiene una Fe menor a 5, entonces la combinamos

con la de valor 1. Luego colocamos las Fo, y hallamos la Chi-Cuadrada con la
fórmula en la Calculadora: SUM(('Fo'-'Fe')**2 / 'Fe'). Obtendremos:

4. De esta manera obtenemos el valor de Chi-Cuadrado, donde observamos que

no rechazaremos la H0. Se concluye que el número de clientes que entran al
banco sigue una distribución de Poisson.
 5. Además, podemos tomar la regla de decisión con el valor P mediante la
Acumulada. Nos dirigimos a Calc >> Distribuciones de probabilidad >>
Poisson >> Probabilidad acumulada, y colocamos:

6. Mediante la calculadora restamos a 1 el valor que obtuvimos y ese será nuestro

valor P:

DECISIÓN:

𝒙𝟐 ∈ 𝑹. 𝑨. Entonces no rechazamos la H0.

CONCLUSIÓN:

Podemos afirmar, con un intervalo de confianza del 95%, que el número de clientes que
entran al banco sigue una distribución de Poisson.