1.

Se usan dos tipos diferentes de máquinas de moldeado por inyección para

hacer piezas de plástico. Se seleccionan dos muestras aleatorias, cada una de
300 piezas y se encuentran 15 defectuosas en la muestra de la maquina 1,
mientras que se encuentran 18 defectuosas en la maquina 2.
a) ¿Es razonable concluir que ambas maquinas producen la misma proporción
de artículos defectuosos, usando un nivel de significancia de 0.05?

Hipótesis:
𝐻0 : 𝑝1 = 𝑝2 𝑐𝑜𝑛𝑡𝑟𝑎 𝐻𝑎 : 𝑝1 ≠ 𝑝2

Regla de decisión

Para 𝛼 = 0.05, 𝑍𝛼 = 1.96; 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:

2

𝑆𝑖 𝑃 ∗ < 1.96 𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

𝑆𝑖 𝑃 ∗ > 1.96 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

Cálculos

15 18
𝑝1 = = 0.05, 𝑛2 = = 0.06
300 300
𝑛1 𝑝1 + 𝑛2 𝑝2 (300)(0.05) + (300)(0.06) 15 + 18
𝑝̂ = = = = 0.055
𝑛1 + 𝑛2 300 + 300 600

|𝑝1 − 𝑝2 | |0.05 − 0.06|

𝑃∗ = = = 0.5372
1 1
√𝑝̂ (1 − 𝑝̂ ) ( + ) √0.055(1 − 0.055) ( 1 + 1 )
𝑛1 𝑛2 300 300

Decisión

Como 0.5372<1.96, NO se rechaza la hipótesis nula, es decir, existe evidencia

para suponer que las maquinas producen diferentes cantidades de artículos
defectuosos.

b) ¿Qué sucede si se aumenta el nivel de significancia a 0.10?

Para las mismas hipótesis planteadas, pero considerando que para 𝛼 = 0.10,
𝑍𝛼 = 1.65 y como 𝑃 ∗ = 0.5372 < 1.65 𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 . Así que se sigue
2
suponiendo las máquinas producen cantidades diferentes de artículos
defectuosos.
2. Se tomara el voto entre los municipios del Centro y Santa cruz Xoxocotlan
para aprobar el relleno sanitario. El lugar de construcción sugerido esta en los
terrenos de Santa cruz Xoxocotlan. Los pobladores de Xoxocotlan están de
acuerdo con la construcción pero no quieren que se realice en sus terrenos.
Se piensa que la propuesta pasará debido a la gran proporción de votantes
que favorecen la construcción en el municipio del Centro. Para determinar si
hay una diferencia significativa en la proporción de votantes del centro y
votantes de Xoxocotlan que favorecen la propuesta, se realizará una
encuesta. Si 120 de 200 votantes de centro favorecen la propuesta y 240 de
500 residentes de Xoxocotlan la aprueban también, ¿Estaría de acuerdo en
que a proporción de votantes del Centro que favorecen la propuesta es más
alto que la proporción de votantes de Xoxocotlan? Utilice un nivel de
significancia de 0.025.

Hipótesis:

𝐻0 : 𝑝1 ≠ 𝑝2 𝑐𝑜𝑛𝑡𝑟𝑎 𝐻𝑎 : 𝑝1 > 𝑝2

Regla de decisión

Para 𝛼 = 0.025, 𝑍𝛼 = 2.248; 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:

2

𝑆𝑖 𝑃∗ < 2.248 𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

𝑆𝑖 𝑃∗ > 2.248 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

Cálculos

120 240
𝑝1 = = 0.6, 𝑛2 = = 0.48
200 500
𝑛1 𝑝1 + 𝑛2 𝑝2 (200)(0.6) + (500)(0.48) 120 + 240
𝑝̂ = = = = 0.5143
𝑛1 + 𝑛2 200 + 500 700

|𝑝1 − 𝑝2 | |0.6 − 0.48|

𝑃∗ = = = 2.8697
1 1
√𝑝̂ (1 − 𝑝̂ ) ( + ) √0.5143(1 − 0.5143) ( 1 + 1 )
𝑛1 𝑛2 200 500

Decisión

Como 2.8697>2.248, se rechaza la hipótesis nula, es decir, existe suficiente

evidencia estadística para suponer que la proporción de votantes del centro es
mayor que la de Xoxocotlan.
 Problemas de Bondad de Ajuste

1. Se distribuyó el número de clientes que visitaron la oficina de un abogado

durante los primeros 102 días de práctica, de la siguiente manera:
N° de clientes 0 1 2 3 4 5
N° de días 40 36 16 7 2 1

Pruebe si el número de clientes por día sigue una distribución de Poisson.

Hipótesis

𝐻0 : 𝐸𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 𝑑í𝑎 𝑡𝑖𝑒𝑛𝑒 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑃𝑜𝑖𝑠𝑠𝑜𝑛.

𝐻𝑎 : 𝐸𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 𝑑í𝑎 𝑛𝑜 𝑡𝑖𝑒𝑛𝑒 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑃𝑜𝑖𝑠𝑠𝑜𝑛.

Calculemos la probabilidad de cada observación haciendo uso de la fórmula de

distribución de Poisson.

𝑒 −𝜆 𝜆𝑥
𝑃(𝑥) =
𝑥!
Como el promedio aritmético de la muestra es 𝜆 = 1, se tiene:
𝑒 −1 10 𝑒 −1 11 𝑒 −1 12
𝑃(𝑥 = 0) = = 0.3678, 𝑃(𝑥 = 1) = = 0.3678, 𝑃(𝑥 = 2) = = 0.183,
0! 1! 2!
𝑒 −1 13 𝑒 −1 14
𝑃(𝑥 = 3) = = 0.0613, 𝑃(𝑥 = 4) = = 0.0153 y
3! 4!

𝑃(𝑥 ≥ 5) = 1 − 𝑃(𝑥 ≤ 4) = 0.0048.

Ahora, completamos la tabla siguiente:

Clientes Días 𝑝𝑖 𝑒𝑖 = 𝑛𝑝𝑖

0 40 0.3678 37.5156
1 36 0.3678 37.5156
2 17 0.183 18.666
3 7 0.0613 6.2526
4 2 0.0153 1.5606
5 1 0.0048 0.4896
Total 102
Calculamos con esto el estadístico, para ello consideramos que las frecuencias
esperadas deberán ser mayores o iguales a 5; por lo que debemos unir las últimas
tres, obteniendo una frecuencia observada de 10 y una frecuencia esperada de
8.3028, entonces:
 𝑚
(𝑛𝑖 − 𝑒𝑖 )2 (40 − 37.5156)2 (36 − 37.5156)2 (17 − 18.666)2 (10 − 8.3028)2
𝑇=∑ = + + +
𝑒𝑖 37.5156 37.5156 18.666 8.3028
0
= 0.7214

Y como para una significancia del 0.05 y 2 grados de libertad, la distribución Chi-
cuadrada arrojan un valor 𝒳0.01,2 = 9.21, por lo que al ser 0.7214<9.21 no
podemos rechazar la hipótesis nula, es decir, se puede asegurar que existe
distribución de Poisson.

2. Con los siguientes datos, pruebe la bondad de ajuste entre frecuencias de

clase que se observan y las frecuencias esperadas correspondientes de
una distribución normal con 𝜇 = 65 𝑦 𝜎 = 21, utilice un nivel de significancia
de 0.05.
Limite de clase Frecuencia
10-19 3
20-29 2
30-39 3
40-49 4
50-59 5
60-69 11
70-79 14
80-89 14
90-99 4
Hipótesis

𝐻0 : 𝑙𝑎𝑠 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑠 𝑡𝑖𝑒𝑛𝑒𝑛 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑁𝑜𝑟𝑚𝑎𝑙.

𝐻𝑎 : 𝑙𝑎𝑠 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑠 𝑛𝑜 𝑡𝑖𝑒𝑛𝑒𝑛 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑁𝑜𝑟𝑚𝑎𝑙.

Calculemos la probabilidad de cada clase haciendo uso de la fórmula de

distribución de Poisson.

19 − 65
𝑃(𝑥 ≤ 19) = 𝑃 ( ) = 𝑃(𝑧 < −2.19) = 0.0143
21

𝑃(20 ≤ 𝑥 ≤ 29) = 𝑃(−2.14 < 𝑧 < −1.71) = 0.9838 − 0.0436 = 0.9402

𝑃(30 ≤ 𝑥 ≤ 39) = 𝑃(−1.67 < 𝑧 < −1.24) = 0.9525 − 0.1075 = 0.845

𝑃(40 ≤ 𝑥 ≤ 49) = 𝑃(−1.19 < 𝑧 < −0.76) = 0.8830 − 0.2236 = 0.6594

𝑃(50 ≤ 𝑥 ≤ 59) = 𝑃(−0.71 < 𝑧 < −0.28) = 0.7611 − 0.3897 = 0.3714

 𝑃(60 ≤ 𝑥 ≤ 69) = 𝑃(−0.24 < 𝑧 < 0.19) = 0.5753 − 0.4052 = 0.1701

𝑃(70 ≤ 𝑥 ≤ 79) = 𝑃(0.24 < 𝑧 < 0.67) = 0.7486 − 0.4052 = 0.3434

𝑃(80 ≤ 𝑥 ≤ 89) = 𝑃(0.71 < 𝑧 < 1.14) = 0.8729 − 0.2389 = 0.634

𝑃(𝑥 > 90) = 𝑃(𝑧 > 1.19) = 0.8830

De donde obtenemos los datos para la tabla:

Limite de clase Frecuencia 𝑝𝑖 𝑒𝑖 = 𝑛𝑝𝑖

10-19 3 0.0143 0.858
20-29 2 0.9402 56.412
30-39 3 0.845 50.7
40-49 4 0.6594 39.564
50-59 5 0.3714 22.284
60-69 11 0.1701 10.206
70-79 14 0.3434 20.604
80-89 14 0.634 38.04
90-99 4 0.8830 52.98
Total 60
Calculamos el estadístico:
𝑚
(𝑛𝑖 − 𝑒𝑖 )2
𝑇=∑
𝑒𝑖
0
(3 − 0.858)2 (2 − 56.412)2 (3 − 50.7)2 (4 − 39.564)2
= + + +
0.858 56.412 50.7 39.564
(5 − 22.284) 2 (11 − 10.206) 2 (14 − 20.604) 2 (14 − 38.04)2
+ + + +
22.284 10.206 20.604 38.04
(4 − 52.98)2
+ = 210.735
52.98
Y como para 9-2=7 grados de libertad y con una confianza del 95%,
𝒳0.05,7 = 14.067. Por lo anterior observamos que 210.735>14.0671, así que
debemos rechazar la hipótesis nula, es decir, los datos no se distribuyen
normalmente.
 1. Una asociación de profesores universitarios quiere determinar si la
satisfacción en el trabajo es independiente del rango académico. Para ello
realizo un estudio nacional entre los académicos y encontró los resultados
mostrados en la tabla siguiente. Haga una prueba para saber si son
dependientes la satisfacción en el trabajo y el rango.
Rango
Satisfacción
Instructor P. asistente P. asociado Profesor
Mucha 40 60 52 63
Regular 78 87 82 88
Poca 57 63 66 64
Hipótesis

𝐻0 : 𝐿𝑎 𝑆𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑐𝑖𝑜𝑛 𝑛𝑜 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒𝑙 𝑟𝑎𝑛𝑔𝑜

𝐻𝑎 : 𝐿𝑎 𝑆𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑐𝑖𝑜𝑛 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒𝑙 𝑟𝑎𝑛𝑔𝑜.

Regla de decisión

Para (R-1)(C-1)=(3-1)(4-1)=6 grados de libertad y una significancia de 0.05, el

valor de Chi-cuadrada es 𝒳0.05,6 = 12.592.

𝑆𝑖 𝑋 ≤ 12.592, 𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

𝑆𝑖 𝑋 > 12.592, 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

Realizamos los cálculos:

Rango
Satisfacción
Instructor P. asistente P. asociado Profesor Total
Mucha 40 60 52 63 215
Regular 78 87 82 88 335
Poca 57 63 66 64 250
Total 175 210 200 215 800
Mediante la fórmula:

(𝑠𝑢𝑚𝑎 𝑑𝑒 𝑓𝑖𝑙𝑎 𝑖)(𝑠𝑢𝑚𝑎 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑗)

𝐸𝑖𝑗 =
𝑛
(215)(175) (215)(210) (215)(200) (215)(215)
𝐸11 = = 47.03, 𝐸12 = = 56.44, 𝐸13 = = 53.75, 𝐸14 = = 57.78
800 800 800 800

(335)(175) (335)(210) (335)(200) (335)(215)

𝐸21 = = 73.28, 𝐸22 = = 87.94, 𝐸23 = = 83.75, 𝐸24 = = 90.03
800 800 800 800

(250)(175) (250)(210) (250)(200) (250)(215)

𝐸31 = = 54.69, 𝐸32 = = 65.63, 𝐸33 = = 62.5, 𝐸34 = = 67.19
800 800 800 800

Ahora, con ayuda de la fórmula siguiente encontramos el estadístico

 𝑚 2
(𝑛𝑖𝑗 − 𝑒𝑖𝑗 )
𝑋=∑
𝑒𝑖𝑗
0
(40 − 47.03)2 (60 − 56.44)2 (52 − 53.75)2 (63 − 57.78)2 (78 − 73.28)2
= + + + +
47.03 56.44 53.75 57.78 73.28
(87 − 87.94)2 (82 − 83.75)2 (88 − 90.03)2 (57 − 54.69)2 (63 − 65.63)2
+ + + + +
87.94 83.75 90.03 54.69 65.63
(66 − 62.5) 2 (64 − 67.19) 2
+ + = 2.75
62.5 67.19

Observamos que 2.75<12.592, así que no se rechaza la hipótesis nula, por lo que
concluimos que la satisfacción en el trabajo no depende del tango.

2. En un estudio de un taller, se reúnen un conjunto de datos para determinar

si la proporción de defectuosos producida por los trabajadores es la misma
para el turno matutino, vespertino o nocturno. Se reunieron los siguientes
datos:
Turno
Matutino Vespertino Nocturno
Defectuosos 45 55 70
No defectuosos 905 890 870

Utilice un nivel de significancia de 0.025 para determinar si la proporción de

defectuosos es la misma para los tres turnos.

Hipótesis

𝐻0 : 𝐿𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑠𝑜𝑠𝑜𝑠 𝑒𝑠 𝑙𝑎 𝑚𝑖𝑠𝑚𝑎.

𝐻𝑎 : 𝐿𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑠𝑜𝑠𝑜𝑠 𝑒𝑠 𝑑𝑖𝑓𝑒𝑛𝑡𝑒.

Regla de decisión

Para (R-1)(C-1)=(2-1)(3-1)=2 grados de libertad y una significancia de 0.025, el

valor de Chi-cuadrada es 𝒳0.025,2 = 7.378.

𝑆𝑖 𝑋 ≤ 7.378, 𝑁𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 , 𝑆𝑖 𝑋 > 7.378, 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

Para la tabla, se tiene:

Turno
Matutino Vespertino Nocturno Total
Defectuosos 45 55 70 170
No defectuosos 905 890 870 2665
Total 950 945 940 2835
Calculamos pues los valores esperados mediante la expresión

(𝑠𝑢𝑚𝑎 𝑑𝑒 𝑓𝑖𝑙𝑎 𝑖)(𝑠𝑢𝑚𝑎 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑗)

𝐸𝑖𝑗 =
𝑛
(170)(950) (170)(945) (170)(940)
𝐸11 = = 56.97, 𝐸12 = = 56.67, 𝐸13 = = 56.37
2835 2835 2835

(2665)(950) (2665)(945) (2665)(940)

𝐸21 = = 893.03, 𝐸22 = = 888.33, 𝐸23 = = 883.63
2835 2835 2835

El estadístico será:
𝑚 2
(𝑛𝑖𝑗 − 𝑒𝑖𝑗 )
𝑋=∑
𝑒𝑖𝑗
0
(45 − 56.97)2 (55 − 56.67)2 (70 − 56.37)2 (905 − 893.03)2
= + + +
56.97 56.67 56.37 893.03
(890 − 888.33)2 (870 − 883.63)2
+ + = 6.287
888.33 883.63

De esto observamos que 6.287<7.378, por lo que no podemos rechazar la

hipótesis nula, así que, estadísticamente se considera que la proporción de
defectuosos es la misma para los tres turnos.