Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Solución.-
H0: El uso del cajero se distribuye equitativamente entre los días de la semana
H1: El uso del cajero NO se distribuye equitativamente entre los días de la semana
𝑓𝑜 𝑓𝑒
𝑓𝑜 = 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎
Lunes 60 62,57 𝑓𝑒 = 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎
Martes 58 62,57
Miércoles 43 62,57
Jueves 72 62,57
Viernes 41 62,57
Sábado 68 62,57
Domingo 96 62,57
TOTAL 438
145
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 7
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
Lunes 60 62,57 0.1055
Martes 58 62,57 0,3337
Miércoles 43 62,57 6,1209
Jueves 72 62,57 1.4212
Viernes 41 62,57 7,4359
Sábado 68 62,57 0,4712
Domingo 96 62,57 17,8610
TOTAL 438 33,7496
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟑𝟑, 𝟕𝟒𝟗𝟔
Conclusión.-
Por lo tanto, Se rechaza Ho. Existe suficientes evidencias para indicar que las cantidad
de personas que usa el cajero automático no se distribuye equitativamente entre los días
de la semana α = 5 %.
146
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejercicio 2.-
En la siguiente tabla, se encuentran tabulados las edades de las personas que corresponden
a una determinada población. Verificar si se encuentran distribuidos equitativamente.
𝑓𝑖
10 – 20 11
20 – 40 24
40 – 55 18
55 – 65 12
65 - 80 19
80 – 85 6
85 - 100 18
TOTAL 108
Solución.-
H0: Las edades se distribuyen equitativamente
H1: Las edades NO se distribuyen equitativamente
𝑓𝑖 Grupos
de 5
10 – 20 11 2
20 – 40 24 4
40 – 55 18 3
55 – 65 12 2
65 - 80 19 3
80 – 85 6 1
85 - 100 18 3
TOTAL 108 18
𝑛 108
𝑓𝑒𝑖 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑔𝑟𝑢𝑝𝑜 𝑑𝑒 5 = = =6
𝑡𝑜𝑡𝑎𝑙 𝑔𝑟𝑢𝑝𝑜𝑠 𝑑𝑒 5 18
𝑓𝑒𝑖 = 𝑓𝑒𝑖 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑔𝑟𝑢𝑝𝑜 𝑑𝑒 5 (6) 𝑥 𝑔𝑟𝑢𝑝𝑜𝑠 𝑑𝑒 5
147
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
𝑓𝑖 Grupos 𝑓𝑒
de 5
10 – 20 11 2 12
20 – 40 24 4 24
40 – 55 18 3 18
55 – 65 12 2 12
65 - 80 19 3 18
80 – 85 6 1 6
85 - 100 18 3 18
TOTAL 108 18
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 7
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
10 – 20 11 12 0.0833
20 – 40 24 24 0
40 – 55 18 18 0
55 – 65 12 12 0
65 - 80 19 18 0,0556
80 – 85 6 6 0
85 - 100 18 18 0
TOTAL 108 𝟎, 𝟏𝟑𝟖𝟗
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟎, 𝟏𝟑𝟖𝟗
148
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Conclusión.-
Observamos que 𝑋𝑝2 = 0,1389 se encuentra en la zona de aceptación.
Por lo tanto, Se acepta Ho. Existe suficientes evidencias para indicar que las edades de
la población se encuentran distribuidas equitativamente al α = 5 %.
Ejercicios Propuestos.-
1.- Para verificar un generador congruencial de número aleatorios se generó una secuencia
de 100 números, los cuales se distribuyeron en 10 intervalos de clase igualmente
espaciados, y que se presentan en la tabla siguiente. Se desea probar, la hipótesis de que
los números generados se distribuyen uniformemente entre 0 y 1. Use un nivel de
confianza del 1%.
Intervalo de clase 1 2 3 4 5 6 7 8 9 10
Límite Inferior 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Límite Superior 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
cantidad 14 15 9 8 4 11 10 10 7 12
Intervalo Frecuencia
observada Aplique una prueba X2 de bondad de ajuste para
(0,0 - 0,1) 11 ver si los datos siguen una distribución uniforme
(0,1 – 0,2) 13 en (0,1) al α = 0,5
(0,2 – 0,3) 8
(0,3 – 0,4) 6
(0,4 – 0,5) 4
(0,5 – 0,6) 12
(0,6 – 0,7) 17
(0,7 – 0,8) 9
(0,8 – 0,9) 9
(0,9 – 1,0) 11
149
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
¿Existe alguna razón para creer que el número de empleados que asisten al consultorio
médico no se encuentran distribuidos en forma equitativa durante los días de trabajo de
la semana? Utilice α = 0,02.
4.- En un día dado el gerente de un supermercado observo el número de clientes que escogieron
cada una de las 7 cajas de pago distintas de la salida. Los resultados se dan en el siguiente tabla.
Caja numero 1 2 3 4 5 6 7
¿Presentan estos datos suficientes evidencias de que hay cajas preferidas? Utilice un
nivel de significación del 5%
X 1 2 3 4 5 6
f 32 39 38 31 33 27
6.- Contrastar con un nivel de significación del 1 % la hipótesis de que la mitad de los
accidentes de tráfico se producen los fines de semana (y en igual proporción el sábado y
el domingo), mientras que la otra mitad se distribuye uniformemente a lo largo de los
restantes cinco días de la semana, si se dispone de los siguientes datos:
Día Nro. accidentes
Lunes 12
Martes 13
Miércoles 12
Jueves 8
Viernes 14
Sábado 25
Domingo 16
150
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
7.- Se cree que las personas que mueren por sobredosis de narcóticos son generalmente
jóvenes. Para comprobar esta hipótesis se ha obtenido la siguiente distribución del
número de muertes por sobredosis.
Edad 15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 o mas
Número de muertes 31 44 27 39 41 28
Con estos resultados, ¿se puede concluir que muere un número igual de personas en
cada categoría? Utilice el nivel de significación del 5 %.
8.- El gerente de ventas de una gran compañía quiere probar la validez de la hipótesis en
la que se afirma que todos sus vendedores realizan el mismo número de visitas durante el
mismo tiempo. Selecciona en forma aleatoria 5 registros de los vendedores en una
semana dada y halla el siguiente número de visitas.
Vendedor A B C D E
Número de visitas 23 29 25 23 30
¿Cuál es su conclusión al nivel de significación del 5%?
9.- Se han realizado una muestra a 178 municipios respecto al porcentaje de población
activa dedicada a la venta de ordenadores resultando los siguientes valores:
Porcentaje Nro. De municipios
Menos del 5 % 18
Entre el 5 y 10 % 14
Entre el 10 y 15 % 13
Entre el 15 y 20 % 16
Entre el 20 y 25 % 18
Entre el 25 y 30 % 17
Entre el 30 y 35 % 19
Entre el 35 y 40 % 24
Entre el 40 y 45 % 21
Mas del 45 % 18
151
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejemplo 1.-
Una moneda fue lanzada al aire 530 series, donde cada serie consta de 5 lanzamientos.
Después de cada serie se registrarán la cantidad de caras obtenidas. Verificar si los datos
obtenidos se ajustan a una distribución binomial.
Numero de Numero
caras de series
0 40
1 70
2 111
3 170
4 101
5 38
total 530
Solución.-
H0: Los datos se ajustan a la distribución binomial
H1: Los datos no se ajustan a la distribución binomial
152
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
𝜇 2,63
𝑝= = = 0,526
𝑛 5
total 530
153
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Numero de Numero 𝑃𝑒 𝑓𝑒
caras de series
𝑓𝑜
0 40 0,0239 12,667
1 70 0,1327 70,331
2 111 0,2946 156,138
3 170 0,3269 173,257
4 101 0,1814 96,142
5 38 0,0402 21,306
total 𝑛 = 530
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟖𝟓, 𝟑𝟏
154
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 6
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 1 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎)
Conclusión.-
Observamos que 𝑋𝑝2 = 85,31 se encuentra en la zona de rechazo
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para indicar que las series
obtenidas en el lanzamiento de monedas NO se ajustan a una distribución binomial al
α = 5 %.
155
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejercicio Propuesto.-
1.- Una revisión de 100 informes que tienen diez datos cada uno presentado por los
vendedores de una gran compañía permitió determinar algún tipo de error en dichos
informes. Los resultados fueron como aparecen en la tabla que sigue:
Número de Número
errores por de Pruebe al nivel de significancia α=0.05,
cada 10 datos informes determine si estos datos provienen de
0 8 una población binomial con p = 0,20
1 25
2 32
3 24
4 10
5 o más 1
2.- Louis Armstrong, vendedor de la compañía Dillard Paper, tiene que visitar cinco
clientes por día. Se sugiere que la variable, vendida por el señor Armstrong, puede ser
descrita mediante una distribución binomial, con una probabilidad de vender en cada
visita de p = 0,4. Dada la siguiente distribución de frecuencia del número de ventas
hechas por Armstrong, ¿podemos concluir que los datos, de hecho, siguen la distribución
sugerida? Utilice un nivel de significancia del 0.05.
3.- Se supone que la variable: X: “Cantidad de fósiles en rocas de una cierta zona
geológica”
tiene una distribución binomial. Para verificar tales supuestos se tomó una muestra de 200
rocas y mediante un estudio geológico adecuado se determinó el número de fósiles por
roca, observándose:
X : Cantidad de
0 1 2 3 4 5 6
fósiles
Frecuencia 15 25 30 45 55 12 18
Usando α= 5%, ¿Puede Ud. determinar si la variable X tiene una distribución binomial?
Responda la pregunta anterior, primero suponiendo p conocido e igual a 0.01, y
posteriormente estimando el parámetro a través de la muestra.
4.- Se lanzan 200 veces 5 monedas y en cada tirada se cuentan al número de caras. Los
resultados de este experimento son los siguientes:
Número de caras 0 1 2 3 4 5
Número de tiradas 3 15 55 60 40 27
Determine si la distribución de los datos se ajusta a una distribución de probabilidad
binomial. Use el nivel de significación del 1%.
156
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Se propone que el número de defectos en las tarjetas de circuito impreso sigue una
distribución Poisson. Se reúne una muestra aleatoria de 60 tarjetas de circuito impreso y
se observa el número de defectos. Los resultados obtenidos son los siguientes:
Número de Frecuencia
defectos observada
0 32
1 15
2 9
3 ó más 4
¿Muestran estos datos suficiente evidencia para decir que provienen de una distribución
Poisson?. Haga la prueba de la bondad del ajuste con un α = 0.05.
Solución.-
∑ 𝑀𝐶.𝑓𝑖 45
𝜆=𝜇= = = 0,75
𝑛 60
𝜆𝑥 .𝑒 −𝜆
Cálculo de las probabilidades esperadas según modelo Poisson: 𝑃(𝜆/𝑥) = 𝑥!
0,750 .𝑒 −0,75
𝑃(𝜆 = 0,90 /𝑥 = 0) = = 0,4724
0!
157
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
0,751 . 𝑒 −0,75
𝑃(𝜆 = 0,90 /𝑥 = 1) = = 0,3543
1!
0,752 . 𝑒 −0,75
𝑃(𝜆 = 0,75 /𝑥 = 2) = = 0.1328
2!
0,753 . 𝑒 −0,75
𝑃(𝜆 = 0,75 /𝑥 = 3) = = 0.0332
3!
Calculamos las frecuencias esperadas 𝑓𝑒 : 𝑓𝑒 = 𝑛. 𝑃𝑒
EDADES 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
0 32 28,344 0,4716
1 15 21,258 1,8422
2y3 13 9,960 0,9279
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
(32 − 28,344)2 (15 − 21,258)2 (13 − 9,960)2
𝑋𝑝2 = + +
28,344 21,258 9,960
𝑋𝑝2 = 3,2417
1-α = 0,95
1 − α = 0,950
158
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Conclusión.-
Observamos que 𝑋𝑝2 = 7,79. Se encuentra en la zona de Aceptación
Por lo tanto, Se Acepta Ho. Existe suficientes evidencias para indicar que el número de
defectos en las tarjetas de circuito impreso sigue una distribución Poisson al α = 5 %.
Ejemplo 2.-
Una muestra sobre el número de personas que diariamente requieren información de un
producto financiero ofrece el siguiente resultado:
3 0 1 3 2 4 4 5 5 3 3 1 2 2 3 4 3 3 2 45 1 0 4 2 3 1
¿Se puede aceptar que el número de personas que requieren la mencionada información
se distribuye según una ley de Poisson ?
Solución.-
∑ 𝑀𝐶.𝑓𝑖 73
𝜆=𝜇= = 27 = 2,70
𝑛
𝜆𝑥 .𝑒 −𝜆
Cálculo de las probabilidades esperadas según modelo Poisson: 𝑃(𝜆/𝑥) =
𝑥!
2,700 . 𝑒 −2,70
𝑃(𝜆 = 2,70 /𝑥 = 0) = = 0.0672
0!
2,701 . 𝑒 −2,70
𝑃(𝜆 = 2,70 /𝑥 = 1) = = 0.1815
1!
2,702 . 𝑒 −2,70
𝑃(𝜆 = 2,70 /𝑥 = 2) = = 0,2450
2!
2,703 . 𝑒 −2,70
𝑃(𝜆 = 2,70 /𝑥 = 3) = = 0,2205
3!
159
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
2,704 . 𝑒 −2,70
𝑃(𝜆 = 2,70 /𝑥 = 4) = = 0,1488
4!
2,705 . 𝑒 −2,70
𝑃(𝜆 = 2,70 /𝑥 ≥ 5) = 1 − 𝑃(𝜆 = 2,70 /< 5) = 1 − = 0.1370
5!
Número 𝑓𝑜 𝑓𝑒
≤1 6 6,7149
2 5 6,615
3 8 5,9535
≥4 8 7,7166
total 27
Número 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
≤1 6 6,7149 0,0761
2 5 6,615 0,3943
3 8 5,9535 0,7035
≥4 8 7,7166 0,0104
27 1,1843
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟏, 𝟏𝟖𝟒𝟑
160
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 4
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 1 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎)
Conclusión.-
Observamos que 𝑋𝑝2 = 1,1843 , se encuentra en la zona de aceptación
Por lo tanto, Se Acepta Ho. Existe suficientes evidencias para indicar el número de
personas que requieren la mencionada información sigue una distribución Poisson al α
= 5 %.
161
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejercicio 3.-
Se realiza una encuesta dentro de una determinada carrera universitaria consultándoles la
edad que tienen, los datos obtenidos se procesan en la siguiente tabla. Verificar al 5% de
significación que los datos se ajustan a una distribución Poisson
EDADES 𝑓𝑖
18 14
19 19
20 23
21 42
22 29
23 16
24 7
25 4
total 154
Solución.-
Calculamos Media Aritmética:
EDADES 𝑓𝑖 𝑀𝐶. 𝑓𝑖
18 14 252
19 19 361
20 23 460
21 42 882
22 29 638
23 16 368
24 7 168
25 4 100
total 154 3229
∑ 𝑀𝐶. 𝑓𝑖 3229
𝜆=𝜇= = = 20,97
𝑛 154
Planteamiento de las hipótesis.-
H0; La forma de la distribución de los defectos es Poisson.
H1; La forma de la distribución de los defectos no es Poisson.
𝜆𝑥 .𝑒 −𝜆
Cálculo de las probabilidades esperadas según modelo Poisson: 𝑃(𝜆/𝑥) = 𝑥!
20,9719 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 19) = = 0,083
19!
20,9720 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 20) = = 0,087
20!
162
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
20,9721 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 21) = = 0,087
21!
20,9722 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 22) = = 0,083
22!
20,9723 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 23) = = 0,075
23!
20,9724 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 24) = = 0,066
24!
163
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
EDADES 𝑓𝑖 𝑃𝑒
≤ 18 14 0,297
19 19 0,083
20 23 0,087
21 42 0,087
22 29 0,083
23 16 0,075
24 7 0,066
≥25 4 0,222
total n =154
EDADES 𝑓𝑜 𝑃𝑒 𝑓𝑒
≤ 18 14 0,297 45,74
19 19 0,083 12,78
20 23 0,087 13,40
21 42 0,087 13,40
22 29 0,083 12,78
23 16 0,075 11,55
24 7 0,066 10,16
≥25 4 0,222 34,19
total n =154
EDADES 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
≤ 18 14 45,74 22,02
19 19 12,78 3,03
20 23 13,40 6,88
21 42 13,40 61,04
22 29 12,78 20,59
23 16 11,55 1,71
24 7 10,16 0,98
≥25 4 34,19 26,66
total n =154 142,91
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟏𝟒𝟐, 𝟗𝟏
164
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 8
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 1 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎)
Conclusión.-
Observamos que 𝑋𝑝2 = 142,91 , se encuentra en la zona de rechazo
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para indicar que las edades
NO se ajustan a una distribución poisson al α = 5 %.
Ejercicio 4.-
La siguiente tabla proporciona el número de erratas por página cometidas por una
secretaria de una cierta empresa son:
Nro. Errata por página No. de páginas
0 812
1 203
2 383
3 525
4 532
5 408
6 273
7 139
8 45
9 27
10 10
11 o mas 11
Contrastar a nivel α = 0,05 si el número de erratas por página sigue una distribución
Poisson.
165
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Solución.-
Calculamos Media Aritmética:
Nro. Errata 𝑓𝑖 𝑀𝐶. 𝑓𝑖
por página
0 832 0
1 203 203
2 383 766
3 525 1575
4 532 2128
5 408 2040
6 273 1638
7 139 973
8 45 360
9 27 243
10 10 100
11 o mas 11 121
3388 10147
∑ 𝑀𝐶. 𝑓𝑖 10147
𝜆=𝜇= = = 2,99 ≅ 3
𝑛 3388
Planteamiento de las hipótesis.-
H0: La forma de la distribución de los defectos es Poisson.
H1: La forma de la distribución de los defectos no es Poisson.
𝜆𝑥 .𝑒 −𝜆
Cálculo de las probabilidades esperadas según modelo Poisson: 𝑃(𝜆/𝑥) = 𝑥!
30 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 0) = = 0,04979
0!
31 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 1) = = 0,14936
1!
32 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 2) = = 0,22404
2!
33 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 3) = = 0,22404
3!
34 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 4) = = 0,16803
4!
35 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 5) = = 0,10082
5!
36 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 6) = = 0,05041
6!
37 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 7) = = 0,0216
7!
166
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
38 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 8) = = 0,0081
8!
39 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 9) = = 0,0027
9!
319 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 = 10) = = 0,00081
10!
38 .𝑒 −3
𝑃(𝜆 = 3 /𝑥 ≥= 11) = = 0,00029
8!
Las frecuencias esperadas 𝑓𝑒 , deben ser mayor o igual a 5. Por lo que sumamos las
frecuencias esperadas de las últimas 3 categorías.
167
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟑𝟐𝟗𝟏, 𝟎𝟓
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 10
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 1 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎)
Conclusión.-
Observamos que 𝑋𝑝2 = 3291,05 , se encuentra en la zona de rechazo
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para indicar número de
erratas por página cometidas por una secretaria de una cierta empresa NO se ajustan a
una distribución poisson al α = 5 %.
168
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejercicios Propuestos.-
1.- Una fábrica desea determinar si el número de partes defectuosas utilizadas en cierto
montaje se ciñe a una distribución de Poisson. Para ello, el ingeniero de control de calidad
inspecciona una muestra de 200 cajas, cada una con 100 partes terminadas. En este
ejercicio, la variable aleatoria X es el número de partes defectuosas encontradas en cada
caja y tiene el siguiente conjunto de valores posibles: {0, 1, 2, 3,………100} . En cada
una de las 200 cajas, el ingeniero halló 0, 1, 2, partes defectuosas las frecuencias que se
observan en la columna de la tabla. A partir de estos datos se calcula el valor X2para
determinar si la variable aleatoria tiene distribución de Poisson. Utilice α = 0.04
No de partes Frecuencias
defectuosas observadas
0 21
1 62
2 50
3 40
4 21
5 0
6 5
7 o más 1
Nro. de bacterias 0 1 2 3 4 ≥5
no de áreas 229 211 93 35 7 1
3.- Sea X = cantidad de goles por partido en el mundial de fútbol de Alemania 2010.
En la siguiente tabla se muestra la cantidad de partidos en las cuales se metieron una
determinada de goles. Compruebe si se adecua a una distribución Poisson con un α =
0,02.
No. goles Nro. de partidos
0 3
1 10
2 16
3 20
4 9
5 4
6 0
7 2
169
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Nro. De 0 1 2 3 4 5 6 7
llamadas/minuto
frecuencia 6 18 32 37 19 8 1 2
Compruebe a un nivel 0,01, si la variable nro. Llamadas/minuto se distribuye o no según
una ley de Poisson.
5.- Considere los juegos de la NBA efectuados entre los 28 equipos que constituyen la
liga. Sea X el número de anotaciones de 3 puntos en cada uno de los partidos.
6.- Se ha estimado que el número de accidentes diarios en cada regimiento del ejército
sigue una distribución de Poisson. Un determinado regimiento ha recogido, durante 200
días, los siguientes datos:
Nro. accidentes 0 1 2 3 4 5 6 7 8
Nro. de días 22 52 59 37 22 4 2 1 1
Verificar tal situación a un α = 0,03.
Número de defectos 0 1 2 3 4 5 6 7 8 9
Frecuencia 10 31 44 50 31 21 6 5 1 1
Numero de cuentas 64 46 25 9 4 1 1
170
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
9.-Durante 100 intervalos (cada uno de 3 minutos) son registradas las llamadas telefónicas
recibidas en una central telefónica, obteniendo los siguientes resultados
Número de llamadas 0 1 2 3 4
Número de intervalos 48 35 11 3 1
Verificar si la distribución de estos datos se ajusta a una distribución de Poisson,
utilizando un nivel de significación del 1%.
171
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Solución.-
H0; Los datos provienen de una distribución normal.
H1; Los datos no provienen de una distribución normal.
20−43,75
𝑃(𝑥 ≤ 20) = 𝑃 (𝑍 = ) = 𝑃(𝑍 = −1,54) = 𝟎, 𝟎𝟔𝟏𝟕𝟖
15,38
30−43,75
𝑃(20 ≤ 𝑥 ≤ 30) = 𝑃(𝑥 ≤ 30) − 𝑃(𝑥 ≤ 20) = 𝑃 (𝑍 = ) − 0,06178
15,38
172
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
50−43,75
𝑃(40 ≤ 𝑥 ≤ 50) = 𝑃(𝑥 ≤ 50) − 𝑃(𝑥 ≤ 40) = 𝑃 (𝑍 = ) − 0,405173
15,38
𝐿𝑖 − 𝐿𝑠 𝑓𝑜 𝑃𝑒
< 20 3 0,06178
20 - 30 10 0,12495
30 - 40 14 0,21844
40 - 50 16 0,25393
50 - 60 10 0,19633
60 - 70 8 0,10094
> 70 3 0,04363
TOTAL 64
𝐿𝑖 − 𝐿𝑠 𝑓𝑜 𝑃𝑒 𝑓𝑒
< 20 3 0,06178 3,95 Las frecuencias esperadas
11,94
20 - 30 10 0,12495 7,99 (𝑓𝑒 ) deben ser ≥ 5.
30 - 40 14 0,21844 13,98 Por lo tanto fusionamos las
40 - 50 16 0,25393 16,25 𝑓𝑒 y 𝑓𝑜 de la 1era y 2da
50 - 60 10 0,19633 12,42 clase; y de 6ta y 7ma clase.
60 - 70 8 0,10094 6,46
9,25
> 70 3 0,04363 2,79
TOTAL 64
173
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
𝐿𝑖 − 𝐿𝑠 𝑓𝑜 𝑓𝑒
< 30 13 11,94
30 - 40 14 13,98
40 - 50 16 16,25
50 - 60 10 12,42
> 60 11 9,25
TOTAL 64
EDADES 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
< 30 13 11,94 0,09410
30 - 40 14 13,98 2,86*10-5
40 - 50 16 16,25 3,846*10-3
50 - 60 10 12,42 0,4715
> 60 11 9,25 0,33108
total n = 64 0,9005546
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 0,9005546
𝑓𝑒
En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2
1-α = 0,95
1 − α = 0,950
Conclusión.-
Observamos que 𝑋𝑝2 = 0,9005546 , se encuentra en la zona de aceptación.
Por lo tanto, Se Acepta Ho. Existe suficientes evidencias para indicar que las edades
se ajustan a una distribución normal al α = 5 %.
174
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejemplo 2.-
𝐿𝑖 − 𝐿𝑠 MC 𝑓𝑖
1.45 – 1.95 1,70 2
1.95 – 2.45 2,20 1
2.45 – 2.95 2,70 4
2.95 – 3.45 3,20 15
3.45 – 3.95 3,70 10
3.95 – 4.45 4,20 5
4.45 – 4.95 4,70 3
TOTAL 40
Solución.-
Se tiene como datos:
Media aritmética (µ) = 3,50 y Desviación Estándar (𝜎) = 0,7
𝑋𝑖 −𝜇
Cálculo de las probabilidades esperadas según modelo Normal: 𝑍 = 𝜎
1,95−3,50
𝑃(𝑥 ≤ 1,95) = 𝑃 (𝑍 = ) = 𝑃(𝑍 = −2,21) = 0,01355
0,7
2,45−3,50
𝑃(1,95 ≤ 𝑥 ≤ 2,45) = 𝑃(𝑥 ≤ 2,45) − 𝑃(𝑥 ≤ 1,95) = 𝑃 (𝑍 = ) − 0,01355
0,7
3,95−3,50
𝑃(3,45 ≤ 𝑥 ≤ 3,95) = 𝑃(𝑥 ≤ 3,95) − 𝑃(𝑥 ≤ 3,45) = 𝑃 (𝑍 = ) − 0,47210
0,7
175
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
𝐿𝑖 − 𝐿𝑠 𝑓𝑜 𝑃𝑒 𝑓𝑒
≤ 1.95 2 0,01355 0,542
1.95 – 2.45 1 0,05326 2,130 8,590
2.45 – 2.95 4 0,14795 5,918
2.95 – 3.45 15 0,25734 10,294
3.45 – 3.95 10 0,26681 10,672
3.95 – 4.45 5 0,17417 6,967 10,44
≥ 4.45 3 0,08692 3.477 4
TOTAL 40
𝐿𝑖 − 𝐿𝑠 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
1,45 – 2.95 7 8,590 0,2943
2.95 – 3.45 15 10,294 2,1514
3.45 – 3.95 10 10,672 0,0423
3.95 – 4.95 8 10,440 0,5703
total n = 40 3,0583
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 𝟑, 𝟎𝟓𝟖𝟑
𝑓𝑒
176
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 4
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 2 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑦 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡𝑎𝑛𝑑𝑎𝑟)
Conclusión.-
Observamos que 𝑋𝑝2 = 3,0583 , se encuentra en la zona de aceptación.
Por lo tanto, Se Acepta Ho. Existe suficientes evidencias para indicar que la distribución
de frecuencia de las duraciones de baterías dadas se ajustan a una distribución normal al
α = 5 %.
177
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejercicios Propuestos. –
Estatura en Frecuencias
pulgadas observadas
57.5 – 60.5 9
60.5 – 63.5 20
63.5 – 66.5 45
66.5 – 69.5 55
69.5 – 72.5 43
72.5 – 75.5 17
75.5 – 78.5 11
Pruebe al nivel de significancia α = 0.05 según el cual los datos se extrajeron de
una población normal.
Valor observado de la variable < 2.6 2.6-3.79 3.8-4.99 5-6.19 6.2-7.39 7.4
Frecuencia observada 6 30 41 52 12 9
Límites de Frecuencias
clase observadas
1.45 – 1.95 2
1.95 – 2.45 1
2.45 – 2.95 4
2.95 – 3.45 15
3.45 – 3.95 10
3.95 – 4.45 5
4.45 – 4.95 3
178
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
6.- Se observó que las edades en que se presentaba un tumor (carcinoma espino celular
del paladar) tenían esta distribución, es normal. Contrastar a un α = 0,01.
EDADES frecuencia
< 40 14
40 – 50 5
50 - 60 6
60 - 70 8
70 - 80 10
80 - 90 16
90 y mas 32
7.- Disponemos de una muestra de 250 mujeres mayores de 18 años, cuyos pesos son los
presentados en la tabla adjunta, y queremos saber si los datos de esta muestra provienen
de una distribución Normal. Use un α = 0,02.
179
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
60 - 70 51
70 - 80 62
80 - 90 55
90 - 100 22
100 - 110 4
8.- Se ha tomado una muestra aleatoria de 40 baterías y se ha registrado su duración en
años. Estos resultados se los ha agrupado en 7 clases en el siguiente cuadro:
Duración frecuencia
1.45 – 1.95 2
1.95 – 2.45 1
2.45 – 2.95 4
2.95 – 3.45 15
3.45 – 3.95 10
3.95 – 4.45 5
4.45 – 4.95 3
Verificar con 5% de significancia que la duración en años de las baterías producidas por
este fabricante tiene duración distribuida normalmente. (Use α = 0,01)
9.- A un grupo de 80 empleados se les ha aplicado una prueba de habilidad espacial. En
una graduación de 0 a 100 han obtenido las puntuaciones dadas en la tabla siguiente. Se
pide verificar la hipótesis de que los puntajes se pueden ajustar a una distribución normal.
Use α = 0,02.
29 78 48 29 30 44 72 73 45 82 84 71 75 84 45 45
47 32 33 54 56 33 62 63 64 36 38 53 54 38 40 57
42 51 52 53 56 57 58 71 76 77 58 60 60 62 65 65
14 16 73 74 45 21 23 66 67 42 43 51 67 70 57 78
55 27 78 48 49 50 51 86 58 59 89 36 37 91 92 93
10.- Con los siguientes datos, pruebe la bondad de ajuste entre las frecuencias de clase
que se observan y las frecuencias esperadas correspondientes de una distribución normal.
Utilice un nivel de significancia de 0,05.
Límites Frecuencias
10 - 20 3
20 – 30 2
30 - 40 3
40 – 50 4
50 – 60 5
60 – 70 11
70 - 80 14
80 – 90 14
90 - 100 4
180
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
11.- Se puede concluir que esta distribución de notas concuerda con una distribución
normal? Utilice el nivel de significación 1%
NOTAS ALUMNOS
[02, 05[ 4
[05, 08[ 16
[08, 11[ 55
[11, 14[ 47
[14, 17[ 28
[17, 20] 10
12.- Las calificaciones de 350 personas sometidas a un test dieron la siguiente tabla de
frecuencias:
Calificación 80 85 90 95 100 105 110 115 120
Alumnos 13 27 38 55 70 60 60 42 12
181
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
15.- Los siguientes resultados representan las calificaciones en un test de aptitud de 150
alumnos:
68 68 68 68 68 68 68 68 68 68 75 75 75 76 76
76 76 56 56 56 56 56 57 57 57 57 57 65 65 65
65 65 66 66 66 66 66 72 72 72 72 72 73 73 73
73 73 35 36 37 38 39 69 69 69 69 69 69 80 81
81 82 82 83 83 84 70 70 70 70 70 71 71 71 71
71 58 58 58 59 59 59 58 58 67 67 67 67 67 67
67 67 67 67 45 46 46 47 47 47 48 48 74 74 74
74 74 70 71 72 40 41 41 42 43 43 44 42 78 78
78 79 79 50 51 51 52 52 53 53 53 54 54 60 61
61 61 62 62 62 62 62 62 63 64 85 86 87 30 93
Suponiendo que estas notas constituyen una muestra aleatoria, ¿se puede concluir que
estas notas provienen de una distribución normal al nivel de significa ion del 5%?
182
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
TIEMPO ENTRE N0 DE
LLEGADAS AUTOS
≤1 6
]1,2] 10
]2,3] 16
]3,4] 9
]4,5] 7
>5 4
TOTAL 52
Solución.-
H0: Los datos se ajustan a una distribución exponencial
H1: Los datos no se ajustan a una distribución exponencial
∑ 𝑀𝑐. 𝑓𝑖
µ= = 2,75
𝑛
1 1
Calculamos λ para la distribución exponencial: 𝜆 = µ = 2,75 = 0,364
183
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
𝑃(𝜆/𝑋 ≤ 𝑥) = 1 − 𝑒 −𝜆𝑥
Li - LS 𝒇𝒐 𝑷𝒆 𝒇𝒆
𝑃(𝜆/𝑋 ≤ 𝑥) = 1 − 𝑒 −𝜆𝑥
𝑃(𝜆 = 0,36 /𝑥 ≤ 1) = 1 − 𝑒 −0,364(1) = 𝟎, 𝟑𝟎𝟓𝟏
𝑃(𝜆 = 0,36 / 1 < 𝑥 ≤ 2) = (1 − 𝑒 −0,364(2) ) − (1 − 𝑒 −0,364(1) ) = 0,5171 − 0,3051 = 𝟎, 𝟐𝟏𝟐𝟎
Li - LS 𝒇𝒐 𝒇𝒆 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
<1 6 15,87 6,138
]1,2] 10 11,02 0,094
]2,3] 16 7,67 9,047
]3,4] 9 5,32 2,545
>4 11 12,12 0,104
184
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
TOTAL 52 17,928
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 17,928
𝑓𝑒
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 5
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 1 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎)
Conclusión.-
Observamos que 𝑋𝑝2 = 17,928 , se encuentra en la zona de rechazo.
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para indicar que los vehículos
que entran al estacionamiento durante un tiempo determinado NO se ajustan a una
distribución exponencial al α = 5 %.
185
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejercicios Propuestos. -
No. DE AUTOS 40 29 15 8
Pruebe si es cierto que el tiempo entre llegadas tiene distribución exponencial. (Use α =
0,03)
Años de
(0,1) (1,2) (2,3) (3,4) ≥4
funcionamiento
frecuencia 30 23 6 5 6
Contrastar la hipótesis que los datos siguen una distribución exponencial. (Use un α =
0,01)
3.- Una compañía que fabrica productos de electrónica desea contrastar si la duración
de sus bombillas sigue una distribución exponencial. Se han obtenido los siguientes
datos, considerados independientes:
3,16 6,55 36,87 0,71 20,33 3,58 2,00 0,78 5,2 23,53
37,27 15,39 10,58 26,19 2,95 13,23 4,18 8,96 15,42 1,16
186
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejemplo 1.-
Una compañía de gas afirma, basándose en experiencias anteriores, que normalmente al
final de invierno, el 80 % de las facturas han sido cobradas, un 10 % se cobrarán con pago
aplazado a un mes, un 6 % se cobrará a dos meses y un 4 % se cobrará a mas de dos
meses. Al final del invierno actual, la compañía selecciona una muestra aleatoria de 400
facturas, resultando que 287 de estas facturas son cobradas, 49 a cobrar en un mes, 30 a
cobrar en dos meses y 34 a cobrar en un periodo superior a los dos meses. ¿Podemos
concluir, a raíz de los resultados, que la experiencia de los años anteriores se ha vuelto a
repetir este invierno? Use α = 5 %.
Solución.-
Nro. Meses 𝒇𝒊
A cobrar
Cobradas 287
1 mes 49
2 meses 30
Mas de 2 meses 34
Total 400
Nro. Meses 𝒇𝒐 𝑷𝒆 𝒇𝒆
A cobrar
Cobradas 287 0,80 320
1 mes 49 0,10 40
2 meses 30 0,06 24
Mas de 2 meses 34 0,04 16
Total 400 400
Li - LS 𝒇𝒐 𝒇𝒆 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
Cobradas 287 320 3,40
1 mes 49 40 2,03
2 meses 30 24 1,50
Mas de 2 meses 34 16 20,25
TOTAL 400 400 27,18
187
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 𝟐𝟕, 𝟏𝟖
𝑓𝑒
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 4
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
Conclusión.-
Observamos que 𝑋𝑝2 = 27,18 , se encuentra en la zona de rechazo.
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para indicar que la
experiencia de los años anteriores no se ha vuelto a repetir este invierno al α = 5 %.
188
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejemplo 2.-
Solución.-
Calificaciones 𝒇𝒊
A 11
B 10
C 53
D 9
F 15
W 22
Total 120
𝐻𝑂 : (𝑃𝐴 = 0,10) ⋀ (𝑃𝐵 = 0,20) ⋀ (𝑃𝐶 = 0,35) ⋀ (𝑃𝐷 = 0,05)⋀ (𝑃𝐹 = 0,10) ⋀ (𝑃𝑊 = 0,20)
𝐻1 : 𝑃𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑃𝑖 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒
Nro. Meses 𝒇𝒐 𝑷𝒆 𝒇𝒆
A cobrar
A 11 0,10 12
B 10 0,20 24
C 53 0,35 42
D 9 0,05 6
F 15 0,10 12
W 22 0,20 24
Total 120 120
Li - LS 𝒇𝒐 𝒇𝒆 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
A 11 12 0,083
B 10 24 8,167
C 53 42 2,881
D 9 6 1,500
F 15 12 0,750
W 22 24 0,167
Total 120 120 13,548
189
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 𝟏𝟑, 𝟓𝟒𝟖
𝑓𝑒
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 6
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
Conclusión.-
Observamos que 𝑋𝑝2 = 13,548 , se encuentra en la zona de rechazo.
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para indicar que las
proporciones se modificaron al α = 5 %.
190
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Ejemplo 3.-
Solución.-
Calificaciones 𝒇𝒊
A 45
B 30
C 18
D 6
Otros 21
Total 120
𝐻𝑂 : (𝑃𝐴 = 0,34) ⋀ (𝑃𝐵 = 0,28) ⋀ (𝑃𝐶 = 0,14) ⋀ (𝑃𝐷 = 0,08) ⋀ (𝑃𝑂𝑡𝑟𝑜𝑠 = 0,16)
𝐻1 : 𝑃𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑃𝑖 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒
Nro. Meses 𝒇𝒐 𝑷𝒆 𝒇𝒆
A cobrar
A 45 0,34 40,8
B 30 0,28 33,6
C 18 0,14 16,8
D 6 0,08 9,6
Otros 21 0,16 19,2
Total 120 120
Li - LS 𝒇𝒐 𝒇𝒆 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
A 45 40,8 0,432
B 30 33,6 0,386
C 18 16,8 0,086
D 6 9,6 1,35
Otros 21 19,2 0,169
Total 120 120 2,423
191
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 𝟐, 𝟒𝟐𝟑
𝑓𝑒
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 𝟗, 𝟒𝟗
𝑔𝑙: 𝑘 − 𝑚 − 1 = 5 − 0 − 1 = 4
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 5
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
Conclusión.-
Observamos que 𝑋𝑝2 = 2,423 , se encuentra en la zona de aceptación.
Por lo tanto, Se Acepta Ho. Existe suficientes evidencias para indicar que las
proporciones se mantuvieron constante al α = 5 %.
Ejemplo 4.-
Un sociólogo opina que la distribución de los sujetos en varias ocupaciones en un área
específica del país son: 20 % se dedican a la agricultura, 30 % son obreros, 30 % son
empleados del gobierno, 15 % son profesionales y 5 % son ejecutivos. Se realiza una
encuesta a 864 personas y se obtiene: 145 se dedican a la agricultura, 310 son obreros,
305 son empleados del gobierno, 78 son profesionales y 26 son ejecutivos. Verificar al
5 % de significancia, si la opinión del sociólogo es correcta?
Solución.-
Labor 𝒇𝒊
Agricultura 145
Obreros 310
Empleados 305
Profesionales 78
Ejecutivos 26
Total 864
192
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
𝐻𝑂 : (𝑃𝐴𝑔 = 0,20) ⋀ (𝑃𝑂𝑏 = 0,30) ⋀ (𝑃𝐸𝑚 = 0,30) ⋀ (𝑃𝑃𝑟 = 0,15) ⋀ (𝑃𝐸𝑗 = 0,05)
𝐻1 : 𝑃𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑃𝑖 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒
Labor 𝒇𝒐 𝑷𝒆 𝒇𝒆
Agricultura 145 0,20 172,8
Obreros 310 0,30 259,2
Empleados 305 0,30 259,2
Profesionales 78 0,15 129,6
Ejecutivos 26 0,05 43,2
Total 864 864
Cálculo del estadístico de prueba 𝑋𝑝2 :
Labor 𝒇𝒐 𝒇𝒆 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
Agricultura 145 172,8 4,72
Obreros 310 259,2 9,96
Empleados 305 259,2 8,09
Profesionales 78 129,6 20,54
Ejecutivos 26 43,2 6,85
Total 864 864 49,91
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 𝟒𝟗, 𝟗𝟏
𝑓𝑒
En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 𝟗, 𝟒𝟗
𝑔𝑙: 𝑘 − 𝑚 − 1 = 5 − 0 − 1 = 4
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 5
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
193
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Conclusión.-
Observamos que 𝑋𝑝2 = 49,91 , se encuentra en la zona de Rechazo.
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para concluir que la
afirmación del sociólogo No es correcta al α = 5 %.
Ejemplo 5.-
En un estudio sobre el color de las flores de rosal, se seleccionó una muestra aleatoria de
100 flores compuestos por 84 flores amarillas y 16 verdes. Pruebe la hipótesis nula con
la cual la muestra proviene de una población con la proporción 3:1 para las flores
amarillas y verdes respectivamente. Use α = 5 %.
Solución.-
Flores 𝑓𝑜 𝑓𝑒
Flores amarillas 84 75
Flores azules 16 25
Flores 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
Flores amarillas 84 75 1,08
Flores azules 16 25 3,24
100 100 4,32
1-α = 0,95
1 − α = 0,950
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 2
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
194
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Conclusión.-
Observamos que 𝑋𝑝2 = 4,32 se encuentra en la zona de Rechazo.
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para concluir que la
proporción 3:1 no se mantiene al α = 5 %.
Ejemplo 6.-
Solución.-
Semillas 𝑓𝑜 Relación 𝑓𝑒
Redondas y amarillas 315 9 311,06
Redondas y verdes 105 3 103,69
Arrugadas y amarillas 101 3 103,69
Arrugadas y verdes 32 1 34,56
553 553
Semillas 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
Redondas y amarillas 315 311,06 0,0499
Redondas y verdes 105 103,69 0,0166
Arrugadas y amarillas 101 103,69 0,0698
Arrugadas y verdes 32 34,56 0,1896
556 553 0,3259
1-α = 0,95
1 − α = 0,950
195
ESTADISTICA MATEMATICA Ing. Luis Herman Hinojosa Saavedra
Conclusión.-
Observamos que 𝑋𝑝2 = 0,3259 se encuentra en la zona de Aceptación.
Por lo tanto, Se Acepta Ho. Existe suficientes evidencias para concluir que la
proporción 9:3:3:1 se mantiene al α = 5 %.
196