Cristian Felipe Gómez Parra

TALLER 1 TÉCNICAS DE VALIDACIÓN Y

SIMULACIÓN. FECHA DE ENTREGA: MARTES
8 DE SEPTIEMBRE 2020

1. El número de fallas de un computador por día es registrado durante

260 días con los siguientes resultados.

Número de fallas 0 1 2 3 4 5
(xi)
Número de días 77 90 55 30 5 3
(fi)

Aplique la prueba de bondad de ajuste con la distribución de

probabilidad que considere adecuada. Realice la prueba bajo un nivel
de aceptación del 95% de confianza.

RTA:

• Para la interpretación del ejercicio X es el número de fallas que

presenta el computador y la frecuencia son los días que ocurrieron
estas; entonces decimos que en 77 días no presentó ninguna falla,
en 90 días presentó una falla y así con las demás.

Planteamiento de la Hipótesis:

• Ho: Los datos registrados en 260 días para el numero de fallas de un

computador, obedece a una distribución de Poisson.
• Ha: Los datos registrados en 260 días para el numero de fallas de un
computador, no obedece a una distribución de Poisson.
Cristian Felipe Gómez Parra

Solución:

• Para proceder con este ejercicio, tendremos que calcular la media

pues con esta trabaja la fórmula de poisson.
• Después de esto calculamos la probabilidad para cada uno de los
datos de X y posteriormente hallar la frecuencia esperada.
• Finalmente hallamos Ji-cuadrado con los datos anteriores.

• En lo anterior podemos ver que se combinaron las dos últimas

categorías pues no cumplían con el requisito de mínimo 5.
• Al hacer lo anterior las categorías se redujeron a 5 y como hallamos
Cristian Felipe Gómez Parra

la media, nuestros grados de libertad serán 3.

• Finalmente vemos los resultados:

Decisión estadística: Se acepta la Hipótesis de distribución de

Poisson para el ejercicio de fallas de un computador por día durante
260 días.
No hay evidencia estadística para afirmar que el evento
desarrollado no pertenece a una distribución de Poisson.

X2= 7.814

Conclusión:

• El número de fallas por día de un computador analizado durante 260

días se ajusta a una distribución de Poisson con un promedio de
1.25, es decir el número de fallas con más peso al día es de 1.

2. El número de libros prestados en una biblioteca durante cierta

semana se registró de la siguiente manera:
518 el lunes, 431 el martes, 485 el miércoles, 443 el jueves, y 523 el
viernes.
¿Hay alguna evidencia para decir que el número de libros prestados
varía entre los cinco días de la semana? Use un nivel de significancia
del 1%. Interprete completamente sus conclusiones.

RTA:

Planteamiento de la Hipótesis:

• Ho: El número de libros prestados varía entre los cinco días de la

semana con una distribución casi uniforme.
• Ha: El número de libros prestados no varía entre los cinco días de la
semana con una distribución completamente uniforme.
Cristian Felipe Gómez Parra

Solución:

• Tenemos un total de libros prestados durante la semana es de 2400,

a partir de esto deducimos que la frecuencia esperada por dia de la
semana siendo 5 dias en total es de 480 libros.
• A partir de lo anterior calculamos Ji-cuadrado para proceder con el
análisis respectivo.
• Los grados de libertad para este evento serán de 4 ya que k=5.
• Tenemos que:

Decisión estadística: Se acepta la Hipótesis del número de libros

prestados varía entre los cinco con una distribución casi uniforme.

X2= 13.276
Cristian Felipe Gómez Parra

Conclusión:

• Los resultados de la prueba arrojaron que efectivamente el número

de libros prestados varía entre los cinco días de la semana, pues en
la evidencia estadística vemos que su distribución no es uniforme,
pues si así fuera la misma cantidad de libros (480) se prestarían entre
los cinco días de la semana y esto no ocurre.

3. las siguientes 50 observaciones se obtuvieron de una variable

aleatoria discreta, definida por la siguiente distribución de probabilidad:

𝑃 (𝑥 = 𝑟) = (𝑟 − 1) 𝑝2(1 − 𝑝) 𝑟−2 𝑐𝑜𝑛 𝑟 = 2,3, …

r 2 3 4 5 >=6
F 18 17 12 3 0

Un estimador apropiado de 𝑝 es 2/𝑥̅ donde 𝑥̅ es la media de la

muestra. Use la prueba de ajuste ji-cuadrado a un nivel de
significancia del 5% para investigar si estos datos son consistentes
con la distribución de probabilidad postulada.

RTA:

Planteamiento de la Hipótesis:

• Ho: Los datos registrados en 50 observaciones para una variable

aleatoria discreta, obedece a una distribución de probabilidad dada
por:

• Ha: Los datos registrados en 50 observaciones para una variable

Cristian Felipe Gómez Parra

aleatoria discreta, no se ajustan a una distribución de probabilidad

de:

Solución:

• Como el ejercicio nos indica que la probabilidad está dada por 2

sobre la media de la muestra, hallamos esta para obtener p.
• Con p y la formula de probabilidad que propone el experimento,
podemos hallar la frecuencia esperada y JI-cuadrado para luego
analizar los resultados.

• De los datos anteriores vemos que los grados de libertad son de uno
en este caso, al tener 3 categorías finales y haber calculado la media
Cristian Felipe Gómez Parra

muestral.

• Decisión estadística: Se acepta la Hipótesis de los datos

registrados en 50 observaciones para una variable aleatoria discreta,
obedece a una distribución de probabilidad dada por:

X2= 3.8414

Conclusión:

Se evidenció que efectivamente los datos registrados para una

variable aleatoria discreta en 50 observaciones son consistentes
con la distribución de probabilidad postulada {(P(x=r) =(r-1) p2(1-p)
r-2
)}.

4. Se seleccionan 3 canicas de una urna que contiene 5 canicas rojas y

3 verdes. Después de registrar el número X de canicas rojas, las canicas
se reemplazan en la urna y el experimento se repite 112 veces. Los
resultados que se obtienen son los siguientes:

Con un nivel de significancia de 0.05, pruebe la Hipótesis de que los

datos registrados se pueden ajustar con la distribución
hipergeométrica h(x,8,3,5), x= 0,1,2,3.
Cristian Felipe Gómez Parra

RTA:

• Para la interpretación del ejercicio X es el número de canicas rojas

que se obtuvieron después de sacar 3 de la urna de 8 y la frecuencia
son el número de veces que paso un evento de estos en las 112
repeticiones; entonces decimos que de las 112 veces en 1 no se sacó
ninguna canica roja, en 31 veces se sacó 1 canica roja, en 55 veces
se sacaron 2 canicas rojas y en 25 veces se sacaron las tres canicas
rojas.

Planteamiento de la Hipótesis:

• Ho: Los datos registrados en el evento se ajustan a una distribución

hipergeométrica.
• Ha: Los datos registrados en el evento no se ajustan a una
distribución hipergeométrica.

Solución:

• Definimos las variables en primer caso:

X: 0,1,2,3.
N: 8
n: 3
k: 5

• Con los anteriores datos hallamos la probabilidad para cada

uno de los valores de x y así poder calcular posteriormente la
Cristian Felipe Gómez Parra

frecuencia esperada, Ji-cuadrado (Calculado y tabulado), y

proceder con el análisis:

• De lo anterior, resaltamos que los grados de libertad son 2 al

ser reducida una categoría.

X2= 5.99

Decisión estadística: Se acepta la Hipótesis de distribución de

hipergeométrica para el ejercicio de numero de canicas rojas
obtenidas de una urna de 8 en 112 repeticiones.
Cristian Felipe Gómez Parra

Hay evidencia estadística para afirmar que el evento

desarrollado pertenece a una distribución de Hipergeométrica.

Conclusión:

• A partir de los resultados obtenidos se afirma que los datos

registrados en el evento de canicas rojas obtenidas de una urna de
8 en 112 repeticiones se ajustan a una distribución hipergeométrica
y con un índice de error mayor en la última categoría de sacar las
tres canicas rojas.

5. Como parte de un proyecto de estadística, los estudiantes observaron

cinco carros pasando por su colegio y contaron cuántos de ellos, venían
solo con el conductor, sin pasajeros. Este proceso se repitió 80 veces.
Los resultados de un estudiante en particular fueron registrados en la
siguiente tabla.

Número de 0 1 2 3 4 5
carros
únicamente con
el
conductor
Número de 0 3 12 27 26 12
veces
observadas

Verifique si este registro se puede interpretar como un modelo binomial

con 95% de confianza.

RTA:

• En este evento X es el número de carros que venían con solo el

Cristian Felipe Gómez Parra

conductor y la frecuencia son el número de veces que paso un evento

de estos en las 80 repeticiones; entonces decimos que de las 80
veces en 3 ocasiones solo paso 1 carro de los 5 observados con solo
el conductor, en 12 veces pasaron 2 carros de los 5 con solo el
conductor y así sucesivamente.

Evento éxito: Encontrar solo que venga el conductor en un carro.

Evento fracaso: No encontrar solo que venga el conductor en un carro.

Planteamiento de la Hipótesis:

• Ho: Los datos registrados en el evento se ajustan a un modelo

dicotómico, pues se hace el conteo de carros que van solo con el
conductor específicamente en 5 ensayos.
• Ha: Los datos registrados en el evento no se ajustan a un modelo
dicotómico, pues no se tienen fundamentos para encuadrar el evento
a la distribución binomial.

Solución:

• Definimos las variables en primer caso:

X: 0,1,2,3,4,5. Número de carros que venían con solo el conductor

n: 5 Número de ensayos

• Para este caso hallamos la media ponderada para poder

encontrar la probabilidad de éxito.
Cristian Felipe Gómez Parra

• Posteriormente con los resultados, encontramos la frecuencia

esperada, ji-cuadrado y demás para su análisis:

• Los grados de libertad son 2, pues calculamos la media

ponderada y las categorías se redujeron a 4.

X2= 5.99

Decisión estadística: Se acepta la Hipótesis de dicotomía para el

ejercicio de ir solo el conductor en 5 carros.

No Hay evidencia estadística para afirmar que el evento

desarrollado no pertenece a una distribución Binomial.

Conclusión:

• El evento de analizar si solo va el conductor en un carro es apta a

ajustar a una distribución dicotómica, pues tenemos un numero de
Cristian Felipe Gómez Parra

ensayos específicos, además la probabilidad es del 0.68, es decir

hay 68% de ver un carro que solo vaya con el conductor.

6. La siguiente tabla el número de impactos producidos por las bombas

en 450 áreas del mismo tamaño en el Sur de Londres durante la
segunda guerra mundial

Número de 0 1 2 3 4 5
carros
impactos
Frecuencia 18 173 69 20 6 2
0

Encuentre las frecuencias teóricas de los impactos dados por una

distribución de Poisson. Use la prueba de bondad del ajuste, para
determinar si los impactos se pueden ajustar a este tipo de distribución
de probabilidad.

RTA:

• Para la interpretación del ejercicio X es el número de impactos en un

área y la frecuencia son el total de áreas donde ocurrió este número
de impactos; entonces decimos que en 180 áreas no hubo impacto,
en 173 áreas hubo un impacto y así con las demás.

Planteamiento de la Hipótesis:

• Ho: Los datos registrados en 450 áreas del sur de Londres durante
la segunda guerra mundial para el numero de impactos recibidos de
bombas, obedece a una distribución de Poisson.

• Ha: Los datos registrados en 450 áreas del sur de Londres durante
la segunda guerra mundial para el numero de impactos recibidos de
bombas, no se ajustan a un modelo de distribución de Poisson
porque no hay hechos que lo concuerden a ello.
Cristian Felipe Gómez Parra

Solución:

• Para proceder con este ejercicio, tendremos que calcular la media

pues con esta trabaja la fórmula de poisson.
• Después de esto calculamos la probabilidad para cada uno de los
datos de X y posteriormente hallar la frecuencia esperada.
• Finalmente hallamos Ji-cuadrado con los datos anteriores.

• En lo anterior podemos ver que se combinaron las dos últimas

Cristian Felipe Gómez Parra

categorías pues no cumplían con el requisito de mínimo 5.

• Al hacer lo anterior las categorías se redujeron a 5 y como hallamos
la media, nuestros grados de libertad serán 3.
• Finalmente vemos los resultados:

X2= 7.814

Decisión estadística: Se acepta la Hipótesis de distribución de

Poisson para el ejercicio datos registrados en 450 áreas del sur de
Londres durante la segunda guerra mundial para el numero de
impactos recibidos de bombas.

Hay evidencia estadística para afirmar que el evento

desarrollado pertenece a una distribución de Poisson.

Conclusión:

• El número de bombas impactadas en un área del Sur de Londres

durante la segunda guerra mundial se ajusta a una distribución de
Poisson con una media de 0.9, es decir el no haber impactado
ninguna bomba o solo una son los datos de mayor relevancia.

7. Un ingeniero de control de calidad toma una muestra de 10 neumáticos

que salen de una línea de ensamblaje y desea verificar sobre la base
de los datos que siguen, los números de llantas con defectos
observadas en 200 días si es cierto que el 5% de los neumáticos tienen
defecto.
Cristian Felipe Gómez Parra

Pruebe la Hipótesis del ingeniero con el 98% de confianza.

RTA:

• En este evento X es el número de llantas con defectos y la frecuencia

son el número de días que paso un evento de estos en los 200 días
observados; entonces decimos que en 138 días no se encontraron
neumáticos con defectos, en 53 días se encontró un neumático con
defecto y así sucesivamente.

Evento éxito: Encontrar neumático con defecto.

Evento fracaso: No encontrar neumático con defecto.

Planteamiento de la Hipótesis:

• Ho: El 5% de los neumáticos tiene defecto a partir de una muestra

tomada de 10 llantas observadas en 200 días.
• Ha: El porcentaje de neumáticos con defecto a partir de una muestra
tomada de 10 llantas observadas en 200 días no es de 5%

Solución:

• Definimos las variables en primer caso:

Cristian Felipe Gómez Parra

X: 0,1, <=2. Número de unidades con defecto

n: 10 Número de ensayos
p: 0.05 Probabilidad de éxito

• Con los datos, encontramos la frecuencia esperada, ji-

cuadrado y demás para su análisis:

• Los grados de libertad son 2, pues hay 3 categorías.

X2= 7.824

Decisión estadística: Se rechaza la Hipótesis de que el 5% de los

neumáticos tiene defecto.

Hay evidencia estadística para afirmar que la probabilidad de

éxito tomada para este ejercicio no se relaciona a los
parámetros de una distribución Binomial.
Cristian Felipe Gómez Parra

Conclusión:

• El porcentaje real de neumáticos con defecto no es del 5% y si

hallamos la probabilidad a partir de la media que en este caso es del
0.355, tenemos que es del 0.0355, es decir el 3.55% de los
neumáticos tienen defecto.

8. Con el fin de conocer si un cierto tipo de bacterias se distribuyen al

azar en un determinado cultivo o si, por el contrario, lo hacen con algún
tipo de preferencia (el centro, los extremos, etc..), se divide un cultivo
en 576 áreas iguales y se cuenta el número de bacterias en cada área.
Los resultados son los siguientes:

N° 0 1 2 3 >=4
bacterias
N°de 229 211 93 35 8
áreas

¿Se ajustan los datos a una distribución de Poisson de intensidad λ?

Use un nivel de significación de 0.05?

RTA:

• Para la interpretación del ejercicio X es el número de bacterias por

área y la frecuencia son el total de áreas donde hay estas bacterias;
entonces decimos que en 220 áreas no hubo ninguna bacteria, en
211 áreas hubo una bacteria y así con las demás.

Planteamiento de la Hipótesis:

• Ho: El número de bacterias encontradas en un área tomando en

cuenta un cultivo dividido en 576 áreas, se ajusta a una distribución
de Poisson.

• Ha: Los datos registrados para la distribución de bacterias en un

cultivo no pertenecen a una distribución de Poisson, no hay hechos
que lo relacionen así
Cristian Felipe Gómez Parra

Solución:

• Para proceder con este ejercicio, tendremos que calcular la media

pues con esta trabaja la fórmula de poisson.
• Después de esto calculamos la probabilidad para cada uno de los
datos de X y posteriormente hallar la frecuencia esperada.
• Finalmente hallamos Ji-cuadrado con los datos anteriores.
Cristian Felipe Gómez Parra

• Los grados de libertad son de 3 al haber 5 categorías y hallar la

media.

X2= 7.814

Decisión estadística: Se acepta la Hipótesis para el número de

bacterias encontradas en un área tomando en cuenta un cultivo
dividido en 576 áreas, se ajusta a una distribución de Poisson.

No Hay evidencia estadística para afirmar que el evento

desarrollado no pertenece a una distribución de Poisson.

Conclusión:

• Vemos que efectivamente los datos obtenidos para el número de

bacterias que se distribuyen en un cultivo se ajustan a una
distribución de Poisson, sin embargo, necesitamos más información
para saber si la concentración de bacterias se da en zonas
específicas (el centro, los extremos, etc..), o al azar.