UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Facultad de Economía y Planificación

Departamento de Estadística e Informática

Métodos Estadísticos para la Investigación I

Resolución de la Primera Práctica Calificada 2022-I

Caso 1

El supervisor de una obra ha registrado el número de entregas a tiempo de los pedidos que
realiza un proveedor con cierta frecuencia. Para su última obra, el supervisor contabilizó en
cada una de las 30 obras las 4 entregas programadas:
Tabla: Número de pedidos entregados a tiempo por el proveedor
N° de pedidos entregados 1 2 3 4
Frecuencia 4 6 8 12

a) ¿Se puede afirmar el número de entregas a tiempo de los pedidos sigue una
distribución teórica conocida? Realice el procedimiento completo para la prueba
correspondiente y de sus conclusiones.
Solución:
1)
Ho: El número de entregas a tiempo de los pedidos sigue una distribución de Binomial.
H1: El número de entregas a tiempo de los pedidos no sigue una distribución de Binomial.
2) α=0.05
3) Prueba estadística
𝑘
(𝑜𝑖 − 𝑒𝑖 )2 2
𝑋𝐶2 =∑ ~𝑋(𝑘−𝑚−1)
𝑒𝑖
𝑖=1
4) Para hallar la E(x):
Xi Oi XiOi
1 4 4
2 6 12
3 8 24
4 12 48
Total 30 88
1𝑥4 + 2𝑥6 + 3𝑥8 + 4𝑥12 88
𝐸(𝑋) = = = 2,9333
30 30
2.9333
𝑝= = 0.7333
4

Para hallar las probabilidades:

1
 4
𝜋1 = 𝑃(𝑋 = 0) = ( ) 0.73330 (1 − 0.7333)4−0 = 0.0051
0
4
𝜋2 = 𝑃(𝑋 = 1) = ( ) 0.73330 (1 − 0.7333)4−0 = 0.0556
1
4
𝜋3 = 𝑃(𝑋 = 2) = ( ) 0.73330 (1 − 0.7333)4−0 = 0.2295
2
4
𝜋4 = 𝑃(𝑋 = 3) = ( ) 0.73330 (1 − 0.7333)4−0 = 0.4207
3
𝜋5 = 𝑃(𝑋 ≥ 4) = 1 − 𝑃(𝑋 < 4) = 1 − 𝑃(𝑋 ≤ 3) = 1 − 0.7109 = 0.2891
𝑒1 = 0.0051𝑥30 = 0.1530 𝑒2 = 0.0556𝑥30 = 1.6680 𝑒3 = 0.2295𝑥30 = 6.8850
𝑒4 = 0.4207𝑥30 = 12.6210 𝑒5 = 0.2891𝑥30 = 8.6730

Xi Oi 𝜋𝑖 ei
1 0 0 0,0051 0,1530
2 1 4 0,0556 1,6680
3 2 6 0,2295 6,8850
4 3 8 0,4207 12,6210
k=5 4 12 0,2891 8,6730
Total 30 1,0000 30,0000
En la tabla se observa que la e1,e2 son menores a 5 entonces se junta con la esperada
que está más cerca.
Xi Oi 𝜋𝑖 ei (oi-ei)^2/ei
0,1 y 2|<=2 10 0,2902 8,7060 0,0724
3 8 0,4207 12,6210 1,3456
4 12 0,2891 8,6730 0,9215
Total 30 1.0000 30.0000 2,3395

Para hallar el chi cuadrado se evalúa si la muestra n es menor a 50, por lo tanto, como
tenemos una muestra de 30 siendo menor a 50, se realiza la corrección de Yates.
𝑘
(|𝑜𝑖 − 𝑒𝑖 | − 0.5)2 2
𝑋𝐶2 =∑ ~𝑋(𝑘−𝑚−1)
𝑒𝑖
𝑖=1
(|10 − 8.7060| − 0.5)2 (|8 − 12.6210| − 0.5)2 (|12 − 8.6730| − 0.5)2
𝑋𝐶2 = + + = 2.3395
8.7060 12.6210 8.6730
5)
2 2 2
𝑋𝐶𝑟𝑖𝑡(1−∝;𝑘−𝑚−1) = 𝑋𝐶𝑟𝑖𝑡(1−0.05;3−1−1) = 𝑋𝐶𝑟𝑖𝑡(0.95;1) = 3.841
2
𝑋𝐶2 < 𝑋𝐶𝑟𝑖𝑡 → 𝑁𝑅𝐻𝑂
6) A un nivel de significancia del 5%, se puede afirmar que el número de entregas a tiempo
de los pedidos sigue una distribución de Binomial.

2
Caso 2
Debido al calentamiento global, es muy común la presencia de caracoles en las represas
debido a sus aguas estancadas, lo cual hace que se produzcan enfermedades nocivas para
el hombre y su entorno. Para decidir sobre la compra de un filtro especial como norma
sanitaria, la OMS observó durante dos meses el número de caracoles presentes por cada
metro cúbico de agua, obteniéndose la siguiente información:

N° de caracoles presentes 1 2 3 4
N° de metros cúbicos de agua 6 11 13 22

a) ¿Se puede afirmar el número de caracoles presentes en cada metro cúbico de agua,
sigue una distribución teórica conocida? Realice el procedimiento completo para la
prueba correspondiente y de sus conclusiones.
Solución:
1)
Ho: El número de caracoles presentes en cada metro cúbico de agua sigue una distribución
de Poisson.
H1: El número de caracoles presentes en cada metro cúbico de agua NO sigue una
distribución de Poisson.
2) α=0.05
3) Prueba estadística
𝑘
(𝑜𝑖 − 𝑒𝑖 )2 2
𝑋𝐶2 =∑ ~𝑋(𝑘−𝑚−1)
𝑒𝑖
𝑖=1
4) Para hallar la E(x):
Xi Oi XiOi
1 6 6
2 11 22
3 13 39
4 22 88
Total 52 155
1𝑥6 + 2𝑥11 + 3𝑥13 + 4𝑥22 155
𝜆 = 𝐸(𝑋) = = = 2,9808
52 52
Para hallar las probabilidades:
𝑒 −2.9808 (2.9808)0
𝜋1 = 𝑃(𝑋 = 0) = = 0.0508
0!
𝑒 −2.9808 (2.9808)1
𝜋2 = 𝑃(𝑋 = 1) = = 0.1513
1!
𝑒 −2.9808 (2.9808)2
𝜋3 = 𝑃(𝑋 = 2) = = 0.2255
2!
𝑒 −2.9808 (2.9808)3
𝜋4 = 𝑃(𝑋 = 3) = = 0.2240
3!
𝜋5 = 𝑃(𝑋 ≥ 4) = 1 − 𝑃(𝑋 < 4) = 1 − 𝑃(𝑋 ≤ 3)
= 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3] = 1 − 0,6516 = 0,3484
𝑒1 = 0.0508𝑥52 = 2.6391 𝑒2 = 0.1513𝑥52 = 7.8667 𝑒3 = 0.2255𝑥52 = 11.7245
𝑒4 = 0.2240𝑥52 = 11.6495 𝑒5 = 0.3485𝑥52 = 18.1203

3
 Xi Oi 𝜋𝑖 ei
1 0 0 0,0508 2,6391
2 1 6 0,1513 7,8667
3 2 11 0,2255 11,7245
4 3 13 0,2240 11,6495
k=5 4 22 0,3484 18,1203
Total 52 1,0000 52,0000
En la tabla se observa que la e1 es menor que 5 entonces se junta con la esperada que está
más cerca.
Xi Oi 𝜋𝑖 ei (oi-ei)^2/ei
0 y 1|<=1 6 0,2021 10,5058 1,9326
2 11 0,2255 11,7245 0,0448
3 13 0,2240 11,6495 0,1566
4 22 0,3485 18,1203 0,8308
Total 52 1,0001 52,0000 2,9648
Para hallar el chi cuadrado se evalúa si la muestra n es menor a 50, por lo tanto, como
tenemos una muestra de 52 siendo mayor a 50, no se realiza la corrección de Yates.
(6 − 10.5058)2 (11 − 11.7245)2 (13 − 11.6495)2 (22 − 18.1203)2
𝑋𝐶2 = + + + = 2.9648
10.5058 11.7245 11.6495 18.1203
5)
2 2 2
𝑋𝐶𝑟𝑖𝑡(1−∝;𝑘−𝑚−1) = 𝑋𝐶𝑟𝑖𝑡(1−0.05;4−1−1) = 𝑋𝐶𝑟𝑖𝑡(0.95;2) = 5.991
2
𝑋𝐶2 < 𝑋𝐶𝑟𝑖𝑡 → 𝑁𝑅𝐻𝑂
6) A un nivel de significancia del 5%, se puede afirmar que el número de caracoles presentes
en cada metro cúbico de agua sigue una distribución de Poisson.

4
Caso 3
Se estudian mediciones de desaceleración (en fuerza de gravedad g) de tres tamaños de
automóviles (compactos, medianos y grandes). Los valores más grandes indican mayores
cantidades de desaceleración ante un choque frontal, las cuales suelen provocar lesiones
graves en los conductores.

Se presentan algunos resultados de este caso:

• Anderson-Darling normality test

data: residuales
A = 0.82209, p-value = 0.2417

• Q = 0.0628

a) Realice el procedimiento completo para la prueba correspondiente y de sus

conclusiones.

Solución:
Para realizar la prueba de homogeneidad se tiene que evaluar los supuestos:
Normalidad
H0: Los errores siguen una distribución normal.
H1: Los errores No siguen una distribución normal.

α=0.05

A = 0.82209, p-value = 0.2417

Decisión: Como p-value > α, entonces No se Rechaza H0.

Conclusión: A un nivel de significación de 0.05, se puede afirmar los errores siguen una
distribución normal. Por lo tanto, se cumple el supuesto de normalidad.

Homogeneidad de Varianzas
𝐻0 : 𝜎12 = 𝜎22 = 𝜎32 = 𝜎 2 .
𝐻0 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝜎𝑖2 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 (𝑖 = 1,2,3).

α=0.05

Q = 0.0628 ; Chi2crit(0.95;3-1)= 5.991

Decisión: Como Q< Chi2crit(0.95;3-1), entonces No se Rechaza H0.

Conclusión: A un nivel de significación de 0.05, se cumple el supuesto de homogeneidad de

varianzas.