“AÑO DE LA UNIVERSALIZACIÓN DE LA SALUD”

UNIVERSIDAD TECNOLÓGICA DEL PERÚ

FACULTAD DE INGENIERÍAS
ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

TEMA: “TAREA SEMANA 11”

ASIGNATURA: ESTADÍSTICA INFERENCIAL

PROFESORA: NOEMI TERESA JULCA VERA

ALUMNO:

 YARLEQUE RISCO EDUARDO

TURNO: NOCHE

VILLA EL SALVADOR - LIMA

2020-I
 TRABAJO ESTADISTICA INFERENCIAL

Bondad de Ajuste

EJERCICIOS PROPUESTOS

1. Para analizar el número de artículos defectuosos en una fábrica en la ciudad de Medellín, tomamos
una muestra aleatoria de n=60 artículos y se observó el número de defectuosos y se obtuvieron los
siguientes resultados:

Número de artículos Frecuencia

defectuosos(Xi) observada(Oi)
0 32
1 15
2 9
3 4
total 60

Ho: Sigue una distribución POISON

H1: No sigue una distribución POISON

CLASE
Oi λi Ei= Nλi X2cal λ
Xi
0 32 0.47 28.34 0.47 0.75
1 15 0.35 21.26 1.84  
2 9 0.13 7.97 0.13  
3 4 0.03 1.99 2.02  
TOTAL 60 4.47

Xcal 2=4.47

No Rechazo HO

Rechazo HO

4.47 5.99
2
X =( 1−α ; gl )=( 0,95 ; 2 )

gl= k-m-1 gl=4-1-1=2 1-α=0.95

2
 TRABAJO ESTADISTICA INFERENCIAL

Con un nivel de significancia del 5% se ha encontrado evidencia estadística suficiente para no

rechazar la Ho. El número de artículos defectuosos sigue una distribución Poisson.

2. Los datos representan el número de reclamos por día que se dan en una pequeña fábrica en el
norte de Inglaterra.

Número de Frecuencia
reclamos (Xi) observada ( Oi)
0 144
1 91
2 32
3 11
4 2
Mayor a 5 0

¿Qué distribución de probabilidad podríamos usar? Use un nivel de significación del 5%

HO: Numero de reclamos por día sigue una distribución Poisson

H1: Numero de reclamos por día no sigue una distribución Poisson

CLASE Xi Oi λi Ei= Nλi X2cal λ

0 144 0.50 139.04 0.18 0.7
1 91 0.35 97.33 0.41  
2 32 0.12 34.07 0.13  
3 11 0.03 7.95 1.17  
4 2 0.0050 1.39 0.27  
mayor a 5 0 0.0007 0.19 0.19  
TOTAL 280 1.00   2.35  

Σ OiXi
λ=
N

0∗144 +1∗91+ 2∗32+3∗11+4∗2+5∗0

λ=
280

λ=0. 7

3
 TRABAJO ESTADISTICA INFERENCIAL

e− λ∗λ x
f ( x ; λ )=
x!
e−0.7∗0.70
Para x=0 λ=0.7 =¿ λi=0.5
0!

e−0.7∗0.71
Para x=1 λ=0.7 =¿ λi=0.35
1!

e−0.7∗0.72
Para x=2 λ=0.7 =¿ λi=0.12
2!

e−0.7∗0.73
Para x=3 λ=0.7 =¿ λi=0.03
3!

−0.7 4
e ∗0.7
Para x=4 λ=0.7 =¿ λi=¿ 0.005
4!

e−0.7∗0.75
Para x=5 λ=0.7 =¿ λi=¿ 0.0007
5!

Ei=Nλi

Para x=0 Ei=280*0.5= 139.04

Para x=1 Ei=280*0.35= 97.33

Para x=2 Ei=280*0.12= 34.07

Para x=3 Ei=280*0.03= 7.95

Para x=4 Ei=280*0.005= 1.39

Para x=5 Ei=280*0.0007= 0.19

Σ (Oi−Ei)2
X 2cal=
Ei

4
 TRABAJO ESTADISTICA INFERENCIAL

Σ (144−139.04 )2
Para x=0 X 2cal= =0.18
139.04

Σ (91−97.33)2
Para x=1 X 2cal= =0.41
97.33

Σ ( 32−34.07)2
Para x=2 X 2cal= =0.13
34.07

Σ ( 11−7.95 )2
Para x=3 X 2cal= =1.17
7.95

Σ( 2−1.39)2
Para x=4 X 2cal= =0.27
1.39

Σ( 0−0.0007)2
Para x=5 X 2cal= =0.19
0.0007

X 2cal total=2.35

No Rechazo HO

Rechazo HO

2.35 9.49
2
X =( 1−α ; gl )=( 0,95 ; 4 ) = 9.49

gl= k-m-1 gl=6-1-1=4 1-α=0.95

Con un nivel de significancia del 5% se ha encontrado evidencia estadística suficiente para no

rechazara la Ho. El número de reclamos por día sigue una distribución Poisson.

5
 TRABAJO ESTADISTICA INFERENCIAL

3. En una empresa de acuicultura se quiere hacer un estudio sobre el nivel de parásitos en la

producción de doradas. Para ello, se tomó una muestra de 5 individuos cada día, repitiendo el
experimento durante 550 días. De cada muestra se analizaron los peces determinando cuántos
de ellos contenían parásitos. ¿Se ajusta a un modelo de distribución Binomial?

Número de Frecuencia
reclamos observada
(Xi) ( Oi)
0 17
1 81
2 152
3 180
4 104
5 16

Use un nivel de significación del 5%

HO: El número de peces que contienen parásitos sigue una distribución binomial
H1: El número de peces que contienen parásitos no sigue una distribución binomial

CLASE Xi Oi Pi Ei=N*Pi X2 cal P q n

0 17 0.0264 14.50 0.43 0.5167 0.4833 5

1 81 0.1409 77.51 0.16
2 152 0.3014 165.75 1.14
3 180 0.3222 177.23 0.04
4 104 0.1723 94.75 0.90
5 16 0.0368 20.2614074 0.90
TOTAL 550 1.0000 550.00 3.57

ΣXifi
P=
Nn

0∗17+1∗81+2∗152+3∗180+4∗104 +5∗16
P= = 0.5167
550∗5

6
 TRABAJO ESTADISTICA INFERENCIAL

P ( x) =( nx ) p q
x n− x

P ( X=0 )= ( 50 ) 0.5167 0.4833 =¿0.0264

0 5

P ( X=1 ) = ( 51 ) 0.5167 0.4833 =¿ 0.1409

1 4

P ( X=2 )= ( 52 ) 0.5167 0.4833 =¿ 0.3014

2 3

P ( X=3 )= ( 53 )0.5167 0.4833 =¿0.3222

3 2

5
P ( X=4 )= ()
4
0.5167 4 0.48331=¿0.1723

P ( X=5 )= ( 55 )0.5167 0.4833 =¿0.0368

5 0

Ei=NPi

Para x=0 Ei=550∗¿0.0264=14.50

Para x=1 Ei=550∗¿0.1409=77.51

Para x=2 Ei=550∗¿0.3014=165.75

Para x=3 Ei=550∗¿0.3222= 177.23

Para x=4 Ei=550∗¿0.1723= 94.75

Para x=5 Ei=550∗¿0.0368= 20.26

2 Σ (Oi−Ei)2
X =
cal
Ei

Σ( 17−14.5)2
Para x=0 X 2cal= =0.43
14.5

Σ( 81−77.51)2
Para x=1 X 2cal= =0.16
77.51

7
 TRABAJO ESTADISTICA INFERENCIAL

Σ ( 152−165.75)2
Para x=2 X 2cal= =1.14
165.75

Σ ( 180−177.23 )2
Para x=3 X 2cal= =0.04
177.23

Σ (104−94.75)2
Para x=4 X 2cal = =0.90
94.75

Σ ( 16−20.26)2
Para x=5 X 2cal= =0.90
20.26

X 2cal total =3.57

No Rechazo HO

Rechazo HO

3.57 9.49
X 2 =( 1−α ; gl )=( 0,95 ; 4 ) = 9.49

gl= k-m-1 gl=6-1-1=4 1-α=0.95

Con un nivel de significancia del 5% se ha encontrado evidencia estadística suficiente para no

rechazar a la Ho. El número de peces que contienen parasitos sigue una distribución binomial.

4. Cierta máquina de última tecnología de empresa embotelladora produce muchos artículos, se ha

contabilizado la cantidad de artículos en función a los defectos producidos como se puede ver en
el siguiente cuadro. Un ingeniero Industrial sospecha que los defectos producidos por la máquina
se ajustan a una distribución binomial con parámetro 0.8, Para verificar ello se muestrea a 3

8
 TRABAJO ESTADISTICA INFERENCIAL

artículos. Probar la sospecha del ingeniero industrial. Use un nivel de significación 10%

Número de Frecuencia
defectos Observada
0 5
1 82
2 251
3 200
Total 538

Xi Oi Pi Ei X2 cal
0 5 0.008 4.304 0.113
1 82 0.096 51.65 17.83
2 251 0.384 206.59 9.55
3 200 0.512 275.46 20.67
TOTAL 538 48.16

P=0.8 q=0.2 (dato)

P ( x) =( nx ) p q
x n− x

P ( X=0 )= ( 30 ) 0.8 0.2 =¿0.008

0 3

3
P ( X=1 ) =( ) 0.8 0.2 =¿0.096
1 2
1

P ( X=2 )= ( 32 ) 0.8 0.2 =¿ 0.384

2 1

P ( X=3 )= ( 33 )0.8 0.2 =¿0.512

3 0

Ei=NPi

Para x=0 Ei=538∗¿0.008= 4.304

Para x=1 Ei=538∗¿0.096=51.65

Para x=2 Ei=538∗¿0.384=206.59

Para x=3 Ei=538∗¿0.512= 275.46

9
 TRABAJO ESTADISTICA INFERENCIAL

Σ (Oi−Ei)2
X 2cal=
Ei

Σ(5−4.304)2
Para x=0 X 2cal= =0.113
4.304

Σ(82−51.65)2
Para x=1 X 2cal= =17.83
51.65

Σ (251−206.59)2
Para x=2 X 2cal= =9.55
206.59

Σ ( 200−275.46 )2
Para x=3 X 2cal= =20.67
275.46

2
X cal total=48.1 6

No Rechazo HO

Rechazo HO

4.60 48.16
2
X =( 1−α ; gl )=( 0,9 ; 2 ) = 4.605

gl= k-m-1 gl=4-1-1=2 α=0.1 1-α=0.9

Se rechaza Ho
Con un nivel de significancia del 10% se ha encontrado evidencia estadística suficiente para
rechazar la Ho. El número de defectos producidos por la maquina no sigue una distribución binomial.

10