Ejemplo 1 Inferencia Estadistica

Investigación del comportamiento de interruptores defectuosos

Muestra homogenea: interruptores defectuosos por lote de producción total de interruptores

serie de n=50 lotes con número de interrutores defectuosos!

CLASES (xj=1, ∆xj=1, No. Clases m=8)
Muestras (No.) 0 1 2 3 4 5 6
1 4 0 0 0 0 1 0 0
2 2 0 0 1 0 0 0 0
3 2 0 0 1 0 0 0 0
4 3 0 0 0 1 0 0 0
5 3 0 0 0 1 0 0 0
6 2 0 0 1 0 0 0 0
7 4 0 0 0 0 1 0 0
8 4 0 0 0 0 1 0 0
9 4 0 0 0 0 1 0 0
10 4 0 0 0 0 1 0 0
11 1 0 1 0 0 0 0 0
12 1 0 1 0 0 0 0 0
13 3 0 0 0 1 0 0 0
14 1 0 1 0 0 0 0 0
15 0 1 0 0 0 0 0 0
16 3 0 0 0 1 0 0 0
17 4 0 0 0 0 1 0 0
18 3 0 0 0 1 0 0 0
19 3 0 0 0 1 0 0 0
20 6 0 0 0 0 0 0 1
21 7 0 0 0 0 0 0 0
22 3 0 0 0 1 0 0 0
23 4 0 0 0 0 1 0 0
24 2 0 0 1 0 0 0 0
25 2 0 0 1 0 0 0 0
26 2 0 0 1 0 0 0 0
27 3 0 0 0 1 0 0 0
28 12 0 0 0 0 0 0 0
29 1 0 1 0 0 0 0 0
30 3 0 0 0 1 0 0 0
31 5 0 0 0 0 0 1 0
32 4 0 0 0 0 1 0 0
33 0 1 0 0 0 0 0 0
34 5 0 0 0 0 0 1 0
35 3 0 0 0 1 0 0 0
36 4 0 0 0 0 1 0 0
37 5 0 0 0 0 0 1 0
38 2 0 0 1 0 0 0 0
39 3 0 0 0 1 0 0 0
40 2 0 0 1 0 0 0 0
41 3 0 0 0 1 0 0 0
42 2 0 0 1 0 0 0 0
43 2 0 0 1 0 0 0 0
44 6 0 0 0 0 0 0 1
45 5 0 0 0 0 0 1 0
46 1 0 1 0 0 0 0 0
47 2 0 0 1 0 0 0 0
48 1 0 1 0 0 0 0 0
49 5 0 0 0 0 0 1 0
50 1 0 1 0 0 0 0 0
TOTAL OCURRENCI 2 7 11 12 9 5 2
 X2=
α=
CLASES K=
(xj-∆xj)/2 < xi < (xj+∆xj)/2 Distribución de Bernoulli
i=1,2,…..n
j=1,2,…m TEST ꓫ2=∑J (bj-ej)2/ej n= 50
p= 0.06

7 12 No. Fallados Frecuencias (bj) h(x) (%) F(x) -Pr(X<=xi) Ber(50,0.06)

0 0 0 2 0.04 0.04 0.05
0 0 1 7 0.14 0.18 0.14
0 0 2 11 0.22 0.4 0.23
0 0 3 12 0.24 0.64 0.23
0 0 4 9 0.18 0.82 0.17
0 0 5 5 0.1 0.92 0.10
0 0 6 2 0.04 0.96 0.05
0 0 7 1 0.02 0.98 0.02
0 0 12 1 0.02 1 0.00
0 0 1
0 0
0 0 EN RAZÓN QUE LOS VALORES SON SOLAMENTE VALORES DISCRETOS Y NO PUEDE TOMAR VA
0 0 E(X)= 3.14 Promedio Ponderado
0 0 E(X)= 3 Teorico La Hipotesis es aceptada
0 0
0 0 Var(X)=σ^2 4.09 Desviación Standard para valores discretos
0 0 Var(X)=σ^2 2.82 Teorico
0 0
0 0
0 0
1 0
0 0
0 0
0 0
0 0
0 0
0 0
0 1
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
1 1
 3.84
0.05 %
1

ej bj-ej (bj-ej)^2/ej
2.2665 -0.266536328 0.031344
7.2336 -0.233626579 0.007546
11.312 -0.312160714 0.008614
11.553 0.447155016 0.017307
8.6646 0.335366262 0.01298
5.0882 -0.088167897 0.001528
2.4358 -0.435825057 0.077979
0.9773 0.022708488 0.000528
0.0013 0.998741478 792.584
-0.53108681 0.157825

OS Y NO PUEDE TOMAR VALORES DECIMALES SOLO PODRIA SER APROXIMADA POR UNA DISTRIBUCIÓN DE BERNOULLI

potesis es aceptada
 CLASES (xj=1, ∆xj=1, No. Clases m=8)
14

12
12
11

10
9

8
7

6
5

2 2
2
1 1

0
0 1 2 3 4 5 6 7 12

CLASES (xj=1, ∆xj=1, No. Clases m=8)

 F(x) -Pr(X<=xi)
1
1 0.98
0.96
0.92
0.9

0.82
0.8

0.7
0.64

0.6

F(x) -Pr(X<=xi)
0.5

0.4
0.4

0.3

0.2 0.18

0.1
0.04

0
0 1 2 3 4 5 6 7 12
 Grafico h(x)
0.3

0.25 0.24
0.23
0.23
0.22

0.2
0.18
0.17

0.15 0.14
0.14

0.1 0.10
0.1

0.05 0.05
0.05 0.04 0.04

0.02 0.02 0.02

0.00
0
0 1 2 3 4 5 6 7 12

h(x) (%) Ber(50,0.06)

REGLAS PARA LA SELECCIÓN DE CLASES

En lo posible no deben existir clases vacias ya que ellas originan fuertes irregularidades en las distribuciones de frecuencia

La cantidad y amplitud de las clases debe adaptarse al tamaño de la muestra y al problema a resolver. Basicamente se observa

Los limites de las clases deben escogerse de manera que no coincidan con los valores de la muestra. Cuando esto no es posibl
stribuciones de frecuencia

olver. Basicamente se observa que una gran cantidad m de clases conduce a irregularidades en la distribución de frecuencia, mientras una

stra. Cuando esto no es posible deben utilizarse clases cerradas por derecha
ón de frecuencia, mientras una cantidad m muy pequeña de clases significa una gran perdida de información