Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Prueba de Corridas Ó de Rach
Prueba de Corridas Ó de Rach
Prueba de Corridas Ó de Rach
Una muestra aleatoria de 8 alumnos de una población de 40, son seleccionados para
tomar un curso avanzado de Excel (sin importar el sexo), para ello se denota: H=
hombre y M= mujer. La muestra está dada de la siguiente manera:
H, H, M, M, H, H, M, M
H, M, H, M, H, M, H, M
En este caso es bastante improbable que un proceso de selección aleatoria esté dado
por un patrón de orden alterno uno a uno entre hombres y mujeres, y que además la
proporción entre los sexos sea igual. Por lo cual se sospecha de la selección aleatoria.
Para probar que dicha muestra es seleccionada de forma aleatoria se recurre a la
prueba de corridas. Una corrida es una secuencia de ocurrencias idénticas precedidas
y seguidas de ocurrencias diferentes o del todo por ninguna, para comprender mejor el
concepto se propone el siguiente ejemplo:
lOMoAR cPSD| 12874333
H, M, M, H, M, H, H, H
Entonces de la secuencia tiene 5 corridas. En este caso para una prueba de corridas
se usaría los siguientes símbolos si solo tuvieran dos tipos de ocurrencias:
PRUEBA DE HIPÓTESIS
En la prueba de corridas de una sola muestra, la distribución muestral de r puede
aproximarse de cerca por la distribución normal si n1 o bien n2 es mayor que 20. En
una prueba de corridas de una sola muestra, no es adecuado formular la hipótesis con
símbolos.
zα
Ya que se utiliza la distribución normal, se calcula el y además el estadístico z,
2
dado por:
r −μr
Z=
σr
zα
Por lo tanto, luego se compara y Z , para conocer así la conclusión de la
2
seleccionada aleatoriamente.
El estadístico de K-S, Dn, es particularmente útil para juzgar qué tan cerca está la
distribución de frecuencias observada de la distribución de frecuencias esperada,
porque la distribución de probabilidad de Dn depende del tamaño de muestra n, pero es
independiente de la distribución de frecuencias esperada (Dn es un estadístico de
“distribución libre”).
1. Prueba de hipótesis:
H0= los datos analizados siguen una distribución M
H1= los datos analizados no siguen una distribución M
2. Se calcula el estadístico de K-S
B, A, B, B, B, A, A, A, B, B, A, B, B, B, B, A, A, A, A, B,
A, B, A, A, B, B, B, A, A, B, A, A, A, A, B, B, A, B, B, A,
A, A, A, B, B, A, B, B, B, B, A, A, B, B, A, B, A, A, B, B
2 n1 n 2
μ= +1
r
n1 + n2
2(29)(31)
μr = +1
29+ 31
1798
μr = +1
60
μr =30.97
lOMoAR cPSD| 12874333
σr=
√ 2 n1 n2 (2 n1 n2−n1 −n2)
( n1 +n 2) ( n1 +n2−1)
2
√
(29+31 )2 (29+ 31−1)
r
2( 29)( 31)(2(29)(31)−29−31)
σ=
√
(60) 2 (59)
r
(1798)(1738)
σ=
σr=√14.71
σr =3.84
Puesto que demasiadas o muy pocas corridas indicarían que el proceso mediante el
cual se introducen los muñecos en las cajas no es aleatorio, una prueba de dos colas
es apropiada.
r−μr
z=
σr
29−30.97
z=
3.84
z=−0.513
lOMoAR cPSD| 12874333
Con el fin de estimar la proporción de votantes que favorecen a cierto candidato para
alcalde, se selecciona una muestra aleatoria de 15 adultos que viven en una pequeña
ciudad. También se le pregunta a cada individuo si se graduó de la universidad. Al
denotar con S y N las respuestas “sí” y “no”, respectivamente, a la pregunta sobre la
escolaridad, se obtuvo la siguiente secuencia:
NNNNSSNSSNSNNNN
2 n1 n 2
μ= +1
r
n1 + n2
2(10)(5)
μr = +1
10+ 5
100
μ= +1
r
15
μr =7.667
lOMoAR cPSD| 12874333
σr=
√ 2 n1 n2 (2 n1 n2−n1 −n2)
( n1 +n 2) ( n1 +n2−1)
2
√
(10+5 )2 (10+5−1)
r
2( 10)(5)(2( 10)(5)−10−5)
σ=
√
(15 ) 2( 14)
r
(100)(85)
σ=
σr=√2.6984
σr =1.6427
r−μr
z=
σr
7−7.667
z=
1.6427
z=−0. 406
Buscando en la tabla de distribución normal el valor de nuestro z0.05 obtenemos que su
valor es de 1.645 el cual resulta ser mayor que nuestro estadístico z (0.406)
anteriormente calculado.
Por lo tanto, podemos concluir rechazando la hipotesis nula, diciendo que la secuencia
no apoya la afirmación de que la muestra se seleccionó al azar.
H0: una distribución de Poisson con ʎ=8.5 es una buena descripción del patrón de uso
H1: una distribución de Poisson con ʎ=8.5 no es una buena descripción del patrón de
uso
Ahora podemos utilizar la fórmula de Poisson para calcular las frecuencias esperadas:
lOMoAR cPSD| 12874333
λ
(¿¿ x)( e−λ)
x!
P ( x ) =¿
Para calcular el estadístico de K-S para este problema, simplemente elija Dn, la
desviación absoluta máxima de Fe, alejada de Fo:
D n=max∣F e−Fo ∣
1.63 1.63
= =0.0266
√n √3754
El siguiente paso es comparar el valor calculado de Dn con el valor crítico de Dn que se
encuentra en la tabla. Si el valor de la tabla para el nivel de significancia elegido es
mayor que el valor calculado de Dn, entonces no rechazaremos la hipótesis nula.
Obviamente, 0.0266 < 0.2582, así que rechazamos H0 y llegamos a la conclusión de
que una distribución de Poisson con una media de 8.5 no es una buena descripción del
patrón del uso del transmisor en la central telefónica del condado de Orange.
14-43 Al nivel de significancia de 0.05, ¿podemos concluir que los siguientes datos
provienen de una distribución de Poisson con λ=3
H0: una distribución de Poisson con ʎ=3 es una buena descripción del patrón de uso
H1: una distribución de Poisson con ʎ=3 no es una buena descripción del patrón de
uso.
Ahora podemos utilizar la fórmula de Poisson, ya que es el estadístico que nos plantea
el ejercicio para calcular las frecuencias esperadas:
λ
(¿¿ x)( e−λ)
x!
P ( x )=¿
lOMoAR cPSD| 12874333