Prueba de Bondad de Ajustes

ESTADISTICA MATEMATICA Ing.
Luis Herman Hinojosa Saavedra
PRUEBA DE BONDAD DE AJUSTES

Las pruebas de bondad de ajuste nos permiten verificar si los datos se ajustan a una
distribución de probabilidad específica.
PRUEBA DE BONDAD DE AJUSTE A LA DISTRIBUCION UNIFORME

Ejercicio 1.-
Durante los días de una semana se verifica la cantidad de personas que utilizan un
determinado cajero. Con los siguientes datos verificar si la utilización del cajero es
equitativo durante los días de la semana (o se ajusta a una distribución uniforme).
Lunes Martes Miércoles Jueves Viernes Sábado Domingo
60 58 43 72 41 68 96
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
Calculamos las frecuencias esperadas (𝑓𝑒 ):

𝑛 438
𝑓𝑒𝑖 = = = 62,57
𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 7
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
En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 12,59

𝑔𝑙: 𝑘 − 𝑚 − 1 = 7 − 0 − 1 = 6
Donde:
𝑘 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑡𝑒𝑔𝑜𝑟í𝑎𝑠 = 7
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 0
Calculando el Estadístico de Prueba 𝑋𝑝2 :
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.-
Observamos que 𝑋𝑝2 = 33,7496 se encuentra en la zona de rechazo.
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
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
Calculamos las frecuencias esperadas (𝑓𝑒 ):

Observamos que los anchos de clases en las categorías son: 10, 20, 15, 10, 15, 5, 15.
Obtenemos un factor común entre ellos: 5
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
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
𝑋𝑐2 (95%) = 12,59

𝑔𝑙: 𝑘 − 𝑚 − 1 = 7 − 0 − 1 = 6
Donde:
Calculando el Estadístico de Prueba 𝑋𝑝2 :
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
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
2.- Se generaron 100 longitudes de un determinado insecto uniformes entre 0 y 1,

obteniéndose la siguiente tabla de frecuencias:
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
3.- El gerente de una planta industrial pretende determinar si el número de empleados

que asisten al consultorio médico de la planta se encuentra distribuido en forma equitativa
durante los cinco días de trabajo de la semana. Con base en una muestra aleatoria durante
un tiempo determinado, se observó el siguiente número de consultas:
Lunes Martes Miércoles Jueves Viernes Sábado

42 21 56 32 52 34
¿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
Número de clientes 195 215 245 250 235 225 200
¿Presentan estos datos suficientes evidencias de que hay cajas preferidas? Utilice un
nivel de significación del 5%
5.- Se lanza 200 veces un dado con los siguientes resultados:
X 1 2 3 4 5 6
f 32 39 38 31 33 27
¿Es un dado balanceado? Utilice un α = 0.01.
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
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
Contrastar que el porcentaje de municipios para cada grupo establecido se distribuye

uniformemente con un nivel de significación del 5 %.
151
BONDAD DE AJUSTE A LA DISTRIBUCION BINOMIAL
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
Calculamos la Media aritmética:

Numero
Numero de de series 𝑴𝑪. 𝒇𝒊
caras 𝒇𝒊 = 𝒇𝒐
0 40 0
1 70 70
2 111 222
3 170 510
4 101 404
5 38 190
total 530 1396

∑ 𝑀𝐶.𝑓𝑖 1396
Media Aritmética: 𝜇 = = = 2,63
𝑛 530
valor esperado = μ = np → para distribucion binomial
152
𝜇 2,63
𝑝= = = 0,526
𝑛 5
Fórmula de la probabilidad binomial:

𝑛
𝑃(𝑛/𝑝/𝑥) = ( ) 𝑝 𝑥 . 𝑞 𝑛−𝑥
𝑥
Cálculo de las probabilidades binomiales:
5
𝑝𝑒 (⟨𝑛 = 5 /|𝑝 = 0,526|𝑥 = 0⟩) = ( ) ∗ (0,526)0 ∗ (0,474)5 = 0,0239
0
5
𝑝𝑒 (⟨𝑛 = 5|𝑝 = 0,526|𝑥 = 1⟩) = ( ) ∗ (0,526)1 ∗ (0,474)4 = 0,1327
1
5
𝑝𝑒 (⟨𝑛 = 5|𝑝 = 0,526|𝑥 = 2⟩) = ( ) ∗ (0,526)2 ∗ (0,474)3 = 0,2946
2
5
𝑝𝑒 (⟨𝑛 = 5|𝑝 = 0,526|𝑥 = 3⟩) = ( ) ∗ (0,526)3 ∗ (0,474)2 = 0,3269
3
5
𝑝𝑒 (⟨𝑛 = 5|𝑝 = 0,526|𝑥 = 4⟩) = ( ) ∗ (0,526)4 ∗ (0,474)1 = 0,1814
4
5
𝑝𝑒 (⟨𝑛 = 5|𝑝 = 0,526|𝑥 = 5⟩) = ( ) ∗ (0,526)5 ∗ (0,474)0 = 0,0402
5
Numero de Numero de series 𝑷𝒆

caras
𝒇𝒐
0 40 0,0239
1 70 0,1327
2 111 0,2946
3 170 0,3269
4 101 0,1814
5 38 0,0402
total 530
Cálculo de las frecuencias esperadas 𝑓𝑒 : 𝑓𝑒 = 𝑛 ∗ 𝑃𝑒
153
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
Cálculo del estadístico de prueba 𝑋𝑝2 :
Numero de Numero 𝑃𝑒 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2

caras de series 𝑓𝑒
𝑓𝑜
0 40 0,0755 12,667 58,9794
1 70 0,1321 70,331 1.55x10-3
2 111 0,2094 156,138 13,04896
3 170 0,3208 173,257 0,06122
4 101 0,1906 96,142 0,24547
5 38 0,0717 21,3378 13,01113
total 𝑛 = 530 85,31
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟖𝟓, 𝟑𝟏
154
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 9,487

𝑔𝑙: 𝑘 − 𝑚 − 1 = 6 − 1 − 1 = 4
Donde:
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
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.
Número de ventas diarias 0 1 2 3 4 5

Frecuencia del número de ventas 10 41 60 20 6 3
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
PRUEBA DE BONDAD DE AJUSTES A LA DISTRIBUCION POISSON

Ejemplo 1.-
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.-
Calculamos Media Aritmética:

Número de 𝑓𝑖 𝑀𝐶. 𝑓𝑖
defecto
0 32 0
1 15 15
2 9 18
3 o mas 4 12
total 60 45
∑ 𝑀𝐶.𝑓𝑖 45
𝜆=𝜇= = = 0,75
𝑛 60
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!
0,750 .𝑒 −0,75
𝑃(𝜆 = 0,90 /𝑥 = 0) = = 0,4724
0!
157
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
defecto 𝑓𝑜 𝑃𝑒 𝑓𝑒 Las frecuencias esperadas (𝑓𝑒 )

0 32 0,4724 28,344 deben ser ≥ 5.
1 15 0,3543 21,258 Por lo tanto fusionamos las 𝑓𝑒 y 𝑓𝑜
de la 3era y 4ta clase
2 9 0.1328 7,968
3 4 0.0332 1,992
𝑛 = 60
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
𝑋𝑐2 (95%) = 3,84

Donde: 𝑔𝑙: 𝑘 − 𝑚 − 1 = 3 − 1 − 1 = 1
158
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.-

Número 𝑓𝑖 𝑀𝐶. 𝑓𝑖
0 2 0
1 4 4
2 5 10
3 8 24
4 5 20
≥5 3 15
total 27 73
∑ 𝑀𝐶.𝑓𝑖 73
𝜆=𝜇= = 27 = 2,70
𝑛
Planteamiento de las hipótesis.-

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
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 𝑃𝑒 𝑓𝑒 Las frecuencias esperadas (𝑓𝑒 )

0 2 0,0672 1,8144 deben ser ≥ 5.
1 4 0,1815 4,9005 Por lo tanto fusionamos las 𝑓𝑒 y 𝑓𝑜
2 5 0,2450 6,615 de la 1era y 2da clase, también la
3 8 0,2205 5,9535 5ta y 6ta clase
4 5 0,1488 4,0176
≥5 3 0,1370 3,699
total 27 1
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
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 5,99

𝑔𝑙: 𝑘 − 𝑚 − 1 = 4 − 1 − 1 = 2
Donde:
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
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.-
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
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
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!
Cálculo de: 𝑷(𝝀 = 𝟐𝟎, 𝟗𝟕 /𝒙 ≤ 𝟏𝟖)

20,9718 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 18) = = 0,075
18!
20,9717 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 17) = = 0,064
17!
20,9716 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 16) = = 0,052
16!
20,9715 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 15) = = 0,040
15!
20,9714 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 14) = = 0,023
14!
20,9713 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 13) = = 0,019
13!
20,9712 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 12) = = 0,011
12!
20,9711 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 11) = = 0,007
11!
20,9710 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 10) = = 0,003
10!
20,979 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 9) = = 0,002
9!
20,978 . 𝑒 −20,97
𝑃(𝜆 = 20,97 /𝑥 = 8) = = 0,000..
8!
Por lo tanto: 𝑷(𝝀 = 𝟐𝟎, 𝟗𝟕 /𝒙 ≤ 𝟏𝟖) ≈= 𝟎, 𝟐𝟗𝟕
163
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
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
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 12,59

𝑔𝑙: 𝑘 − 𝑚 − 1 = 8 − 1 − 1 = 6
Donde:
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
Solución.-
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
H0: La forma de la distribución de los defectos es Poisson.
H1: La forma de la distribución de los defectos no es Poisson.
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
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!
Nro. Errata por 𝑓𝑜 𝑃𝑒 𝑓𝑒

página
0 832 0,04979 168,69
1 203 0,14936 506,03
2 383 0,22404 759,05
3 525 0,22404 759,05
4 532 0,16803 569,29
5 408 0,10082 341,58
6 273 0,05041 170,79
7 139 0,02160 73,18
8 45 0,00810 27,44
9 27 0,00270 9,15
10 10 0,00081 2,74
11 o mas 11 0,00029 0,98
3388 1
Las frecuencias esperadas 𝑓𝑒 , deben ser mayor o igual a 5. Por lo que sumamos las
frecuencias esperadas de las últimas 3 categorías.
Nro. Errata por 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2

página 𝑓𝑒
0 832 168,69 2608,22
1 203 506,03 181,47
2 383 759,05 186,30
3 525 759,05 72,17
4 532 569,29 2,44
5 408 341,58 12,91
6 273 170,79 61,17
7 139 73,18 59,20
8 45 27,44 11,24
9 o mas 48 12,87 95,89
3388 1 3291,05
167
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑
𝑓𝑒
𝑋𝑝2 = 𝟑𝟐𝟗𝟏, 𝟎𝟓
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 𝟏𝟓, 𝟓𝟏

𝑔𝑙: 𝑘 − 𝑚 − 1 = 10 − 1 − 1 = 8
Donde:
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
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
2.- 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:
Nro. de bacterias 0 1 2 3 4 ≥5
no de áreas 229 211 93 35 7 1
¿Obedecen los datos a una distribución de Poisson?
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
4.- En el transcurso de 2 horas, el número de llamadas por minuto solicitadas a una

centralista telefónica presenta la siguiente distribución.
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.
Nro. Cestas de 3 puntos 0 1 2 3 4 5 6 7 8 9

(triples)
Cantidad de partidos 34 98 107 99 54 23 18 9 0 3
¿Existe alguna razón para creer que el número de anotaciones de 3 puntos (triples) es una
variable aleatoria con distribución Poisson? (Use α = 0,02).
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.
7.- La tabla siguiente presenta la distribución de frecuencia del número de defectos

encontrados en el análisis de los últimos 200 artículos producidos en un proceso de
producción. Usando un nivel de confianza del 5% se desea verificar mediante una prueba
chi cuadrado si dichos valores proceden de una distribución de Poisson.
Número de defectos 0 1 2 3 4 5 6 7 8 9
Frecuencia 10 31 44 50 31 21 6 5 1 1
8.- Se seleccionan aleatoriamente 100 cuentas en la sección de contabilidad de un banco

y se las examinan para descubrir errores, obteniendo los siguientes resultados.
Numero de errores 0 1 2 3 4 5 6
Numero de cuentas 64 46 25 9 4 1 1
Verificar si la distribución de estos datos se ajusta a una distribución de Poisson,

utilizando un nivel de significación del 1%.
170
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
BONDAD DE AJUSTE A LA DISTRIBUCION NORMAL

Ejercicio 1.-
Se realiza una encuesta en una determinada localidad a un conjunto de personas
consultándoles la edad que tienen. Los datos obtenidos fueron procesados en la siguiente
tabla al 5% de significación. Verificar si estos datos se ajustan a una distribución normal
𝐿𝑖 − 𝐿𝑠 MC 𝑓𝑖 𝑀𝐶. 𝑓𝑖 (𝑀𝐶 − 𝜇)2 . 𝑓𝑖
10 – 20 15 3 45 2479,6875
20 - 30 25 10 250 3515,625
30 - 40 35 14 490 1071,875
40 - 50 45 16 720 25,00
50 - 60 55 10 550 1265,625
60 - 70 65 8 520 3612,50
70 - 80 75 3 225 2929,6875
TOTAL 64 2800 14900,00
Solución.-
H0; Los datos provienen de una distribución normal.
H1; Los datos no provienen de una distribución normal.
Calculamos Media aritmética (µ) y Desviación Estándar (𝜎)

∑ 𝑀𝐶. 𝑓𝑖 2800
𝜇= = = 43,75
𝑛 64
∑(𝑀𝐶 − 𝜇)2 . 𝑓𝑖 14900,00

𝜎=√ =√ = 15,38
𝑛−1 64 − 1
𝑋𝑖 −𝜇
Cálculo de las probabilidades esperadas según modelo Normal: 𝑍 = 𝜎
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
𝑃(𝑍 = −0,89) − 0,06178 = 0,18673 − 0,06178 = 𝟎, 𝟏𝟐𝟒𝟗𝟓

40−43,75
𝑃(30 ≤ 𝑥 ≤ 40) = 𝑃(𝑥 ≤ 40) − 𝑃(𝑥 ≤ 30) = 𝑃 (𝑍 = ) − 0,18673
15,38
𝑃(𝑍 = −0,24) − 0,18673 = 0,405173 − 0,18673 = 𝟎, 𝟐𝟏𝟖𝟒𝟒
172
50−43,75
𝑃(40 ≤ 𝑥 ≤ 50) = 𝑃(𝑥 ≤ 50) − 𝑃(𝑥 ≤ 40) = 𝑃 (𝑍 = ) − 0,405173
15,38
𝑃(𝑍 = 0,40) − 0,40517 = 0,65910 − 0,405173 = 𝟎, 𝟐𝟓𝟑𝟗𝟑

60−43,75
𝑃(50 ≤ 𝑥 ≤ 60) = 𝑃(𝑥 ≤ 60) − 𝑃(𝑥 ≤ 50) = 𝑃 (𝑍 = ) − 0,65910
15,38
𝑃(𝑍 = 1,06) − 0,65910 = 0,85543 − 0,65910 = 𝟎, 𝟏𝟗𝟔𝟑𝟑

70−43,75
𝑃(60 ≤ 𝑥 ≤ 70) = 𝑃(𝑥 ≤ 70) − 𝑃(𝑥 ≤ 60) = 𝑃 (𝑍 = ) − 0,85543
15,38
𝑃(𝑍 = 1,71) − 0,85543 = 0,95637 − 0,85543 = 𝟎, 𝟏𝟎𝟎𝟗𝟒
𝑃(70 ≤ 𝑥 ≤ 80) = 1 − 𝑃(𝑥 ≤ 70) = 1 − 0,95637 = 𝟎, 𝟎𝟒𝟑𝟔𝟑
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
Quedando de la siguiente manera:
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
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
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 5,99

Donde: 𝑔𝑙: 𝑘 − 𝑚 − 1 = 5 − 2 − 1 = 2
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 2 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑦 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡𝑎𝑛𝑑𝑎𝑟)
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
Ejemplo 2.-
Pruebe la hipótesis de que la distribución de frecuencia de las duraciones de baterías dadas

en la siguiente tabla, se puede aproximar mediante una distribución normal con media µ =
3,5 y desviación estándar σ = 0,7. Utilice un α = 0.05.
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
𝑃(𝑍 = −1,50) − 0,01355 = 0,06681 − 0,01355 = 𝟎, 𝟎𝟓𝟑𝟐𝟔

2,95−3,50
𝑃(2,45 ≤ 𝑥 ≤ 2,95) = 𝑃(𝑥 ≤ 2,95) − 𝑃(𝑥 ≤ 2,45) = 𝑃 (𝑍 = ) − 0,06681
0,7
𝑃(𝑍 = −0,79) − 0,06681 = 0,21476 − 0,06681 = 𝟎, 𝟏𝟒𝟕𝟗𝟓

3,45−3,50
𝑃(2,95 ≤ 𝑥 ≤ 3,45) = 𝑃(𝑥 ≤ 3,45) − 𝑃(𝑥 ≤ 2,95) = 𝑃 (𝑍 = ) − 0,21476
0,7
𝑃(𝑍 = −0,07) − 0,21476 = 0,47210 − 0,21476 = 𝟎, 𝟐𝟓𝟕𝟑𝟒
3,95−3,50
𝑃(3,45 ≤ 𝑥 ≤ 3,95) = 𝑃(𝑥 ≤ 3,95) − 𝑃(𝑥 ≤ 3,45) = 𝑃 (𝑍 = ) − 0,47210
0,7
𝑃(𝑍 = 0,64) − 0,47210 = 0,73891 − 0,47210 = 𝟎, 𝟐𝟔𝟔𝟖𝟏

4,45−3,50
𝑃(3,95 ≤ 𝑥 ≤ 4,45) = 𝑃(𝑥 ≤ 4,45) − 𝑃(𝑥 ≤ 3,95) = 𝑃 (𝑍 = ) − 0,73891
0,7
𝑃(𝑍 = 1,36) − 0,73891 = 0,91308 − 0,73891 = 𝟎, 𝟏𝟕𝟒𝟏𝟕
175
𝑃(𝑥 ≥ 4,45) = 1 − 𝑃(𝑥 ≤ 4,45) = 1 − 0,91308 = 𝟎, 𝟎𝟖𝟔𝟗𝟐
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
Las frecuencias esperadas (𝑓𝑒 ) deben ser ≥ 5.

Por lo tanto fusionamos las 𝑓𝑒 y 𝑓𝑜 de la 1era, 2da y 3era clase; y de 6ta y 7ma clase.
Quedando de la siguiente manera:

𝐿𝑖 − 𝐿𝑠 𝑓𝑜 𝑓𝑒
1,45 – 2.95 7 8,590
2.95 – 3.45 15 10,294
3.45 – 3.95 10 10,672
3.95 – 4.95 8 10,440
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
En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑿𝟐𝒄
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 3,84

𝑔𝑙: 𝑘 − 𝑚 − 1 = 4 − 2 − 1 = 1
Donde:
𝑚 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑠 = 2 (𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑦 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡𝑎𝑛𝑑𝑎𝑟)
Conclusión.-
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
Ejercicios Propuestos. –
1. Las estaturas de 200 empleados se distribuyen así:
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.
2.- A continuación presentamos una distribución de frecuencias observadas. A nivel de

significancia de 0.10 ¿esta distribución de frecuencia parece estar bien descrita por la
distribución normal sugerida?
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
3.- 3.- Pruebe la hipótesis de que la distribución de frecuencia de las duraciones de

baterías dadas en la siguiente tabla, se puede aproximar mediante una distribución normal
con media. Utilice un α = 0,06.
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
4.- En un grupo de n=70 varones, se ha calculado su peso y se han observado las

siguientes cantidades:
Peso 55 - 60 60 - 65 65 - 70 70 - 75 75 - 80 80 - 85 85 - 95
Frecuencias 5 10 15 17 12 8 3
¿Se ajustan estos datos a una distribución normal?. Utilice un α = 0,05. .
5.- La siguiente tabla recoge la distribución de los triglicéridos en suero, expresados en

mg/dl en 90 niños de 6 años:
Nivel de triglicéridos Frecuencias

10 - 20 5
Contrastar la hipótesis de que el nivel de
20 - 30 11
triglicéridos en niños de 6 años sigue una
30 - 40 15 distribución Normal. Use α = 0,03.
40 - 50 24
50 - 60 18
60 - 70 12
70 - 80 4
80 - 90 1
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.
Pesos Nro. de mujeres

30 - 40 16
40 - 50 18
50 - 60 22
179
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
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
¿se ajustan estos datos a una distribución normal? Use α =0.05

13.- Pruebe la hipótesis de que la distribución de frecuencias de las duraciones, en horas,
de cierto tipo de baterías dada en la tabla que sigue, proviene de una distribución normal.
Utilice α =0,05
Duración Baterías
[10.5, 11.5[ 2
[11.5, 12.5[ 4
[12.5, 13.5[ 6
[13.5, 14.5[ 10
[14.5, 15.5[ 15
[15.5, 16.5[ 5
[16.5, 17.5] 3
14.- El gerente de procedimiento de datos de una empresa estudia el uso de la

computadora en el departamento de contabilidad de la compañía. En una muestra aleatoria
de 60 trabajos del mes pasado se registró el tiempo de procedimiento (en segundos) para
cada trabajo, con los siguientes resultados:
03 16 18 04 15 12 17 11 15 17 07 02 08 14 16 09 10 14 18 14
12 19 13 09 07 19 11 15 17 12 16 05 09 14 16 17 14 16 10 15
14 17 11 10 15 13 16 12 15 12 09 08 15 17 09 14 13 10 15 13
Al nivel de significación del 5%, pruebe la hipótesis de que la distribución los tiempos de
procesamiento es normal.
181
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
PRUEBA DE BONDAD DE AJUSTE A UNA DISTRIBUCION EXPONENCIAL

Ejercicios.-
Se realiza una prueba de los vehículos que ingresan a un estacionamiento se registran
las horas de llegadas de los vehículos durante un determinado tiempo y se registra el
tiempo en minutos entre llegada de cada vehículo. Verificar si estos datos se ajustan a
una distribución exponencial al 5% de significación.
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
Calculamos Media Aritmética (µ), para ello cerramos los intérvalos:

Li - LS MC 𝒇𝒊 𝑴𝑪. 𝒇𝒊
]0,1] 0,5 6 3,0

]1,2] 1,5 10 15,0
]2,3] 2,5 16 40,0
]3,4] 3,5 9 31,5
]4,5] 4,5 7 31,5
]5,6] 5,5 4 22,0
TOTAL 52 143
∑ 𝑀𝑐. 𝑓𝑖
µ= = 2,75
𝑛
1 1
Calculamos λ para la distribución exponencial: 𝜆 = µ = 2,75 = 0,364
183
Calculamos las probabilidades esperadas por el modelo exponencial:
𝑃(𝜆/𝑋 ≤ 𝑥) = 1 − 𝑒 −𝜆𝑥
Li - LS 𝒇𝒐 𝑷𝒆 𝒇𝒆
<1 6 0,3051 15,87

Recordemos:
]1,2] 10 0,2120 11,02
𝑓𝑒 = 𝑛. 𝑃𝑒
]2,3] 16 0,1474 7,67
]3,4] 9 0,1023 5,32
]4,5] 7 0,0712 3,70
>5 4 0,1620 8,42
TOTAL 52 1 ≈ 𝟓𝟐
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
𝑃(𝜆 = 0,36 / 2 < 𝑥 ≤ 3) = (1 − 𝑒 −0,364(3) ) − (1 − 𝑒 −0,364(2) ) = 0,6645 − 0,5171 = 𝟎, 𝟏𝟒𝟕𝟒
𝑃(𝜆 = 0,36 / 3 < 𝑥 ≤ 4) = (1 − 𝑒 −0,364(4) ) − (1 − 𝑒 −0,364(3) ) = 0,7668 − 0,6645 = 𝟎, 𝟏𝟎𝟐𝟑
𝑃(𝜆 = 0,36 / 4 < 𝑥 ≤ 5) = (1 − 𝑒 −0,364(5) ) − (1 − 𝑒 −0,364(4) ) = 0,8380 − 0,7668 = 𝟎, 𝟎𝟕𝟏𝟐
𝑃(𝜆 = 0,36 / 𝑥 > 5) = 1 − 𝑃(𝜆 = 0,36 / 𝑥 ≤ 5) = 1 − (1 − 𝑒 −0,364(5) ) = 1 − 0,8380 = 𝟎, 𝟏𝟔𝟐𝟎
Recordemos que las 𝑓𝑒 , deben ser mayor o igual a 5.

Li - LS 𝒇𝒐 𝑷𝒆 𝒇𝒆
<1 6 0,3051 15,87

]1,2] 10 0,2120 11,02
]2,3] 16 0,1474 7,67
]3,4] 9 0,1023 5,32
>4 11 0,2332 12,12
TOTAL 52
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
TOTAL 52 17,928
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 17,928
𝑓𝑒
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 7,8147

𝑔𝑙: 𝑘 − 𝑚 − 1 = 5 − 1 − 1 = 3
Donde:
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
Ejercicios Propuestos. -
1.- Si los autos llegan a un supermercado siguiendo un proceso de Poisson, el tiempo

entre llegadas sucesivas es una variable aleatoria con distribución exponencial. Se
registraron las horas de llegada para todos los automóviles durante 2 horas y los tiempos
entre llegadas (en minutos) se resumen a continuación:
TIEMPO ENTRE LLEGADAS ≤1 1-2 2-3 3
No. DE AUTOS 40 29 15 8
Pruebe si es cierto que el tiempo entre llegadas tiene distribución exponencial. (Use α =
0,03)
2.- El tiempo de vida de 70 motores se registra en la siguiente tabla:
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
Contrastar si estos datos siguen una distribución exponencial. (Use un α = 0,02)
186
PRUEBA DE BONDD DE AJUSTE PARA PROPORCIONES (3 o más poblaciones

independientes).
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
Planteamiento de las Hipótesis:
𝐻𝑂 : (𝑃𝐴 = 0,80) ⋀ (𝑃𝐵 = 0,10) ⋀ (𝑃𝐶 = 0,06) ⋀ (𝑃𝐷 = 0,04)

𝐻1 : 𝑃𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑃𝑖 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒
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
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
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 𝟐𝟕, 𝟏𝟖
𝑓𝑒
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 𝟏𝟐, 𝟖𝟒

𝑔𝑙: 𝑘 − 𝑚 − 1 = 4 − 0 − 1 = 3
Donde:
Conclusión.-
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
Ejemplo 2.-
Supongamos que en una clase de estadística, un profesor ha determinado a través de los

años que 10 % de los estudiantes obtienen A, 20 % obtienen B, 35 % obtienen C, 5 %
obtienen D, 10 % obtienen F y 20 % obtienen W.
El semestre pasado el profesor tuvo 120 estudiantes, de estos: 11 obtuvieron A, 10
obtuvieron B, 53 obtuvieron C, 9 obtuvieron D, 15 obtuvieron F y 22 obtuvieron W. Use
α = 5 %. ¿Las proporciones se mantuvieron constante?
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)
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
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
(𝑓0 − 𝑓𝑒 )2
𝑋𝑝2 = ∑ = 𝟏𝟑, 𝟓𝟒𝟖
𝑓𝑒
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 11,07

𝑔𝑙: 𝑘 − 𝑚 − 1 = 6 − 0 − 1 = 5
Donde:
Conclusión.-
Por lo tanto, Se Rechaza Ho. Existe suficientes evidencias para indicar que las
proporciones se modificaron al α = 5 %.
190
Ejemplo 3.-
Cuatro candidatos postulan para la Presidencia de la República. De anteriores estudios

se tiene la siguiente distribución de votos: Candidato A: 34 %, Candidato B: 28 %,
Candidato C: 14 %, Candidato D: 8 % y Otros: 16 %. Se hizo un muestreo de 120
personas, y se obtuvieron los siguientes datos: Candidato A tuvo 45 votos, Candidato B
30 votos, Candidato C 18 votos, Candidato D 6 votos y Otros 21 votos. Verifique si la
intención de votos se mantuvo igual a la histórica. Use α = 5 %.
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)
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
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
(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:
Conclusión.-
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
𝐻𝑂 : (𝑃𝐴𝑔 = 0,20) ⋀ (𝑃𝑂𝑏 = 0,30) ⋀ (𝑃𝐸𝑚 = 0,30) ⋀ (𝑃𝑃𝑟 = 0,15) ⋀ (𝑃𝐸𝑗 = 0,05)
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
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
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 𝟗, 𝟒𝟗
𝑔𝑙: 𝑘 − 𝑚 − 1 = 5 − 0 − 1 = 4
Donde:
193
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.-
𝐻𝑜: 𝐿𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 3: 1 𝑒𝑛𝑡𝑟𝑒 𝑓𝑙𝑜𝑟𝑒𝑠 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑎𝑠 𝑦 𝑎𝑧𝑢𝑙𝑒𝑠 𝑠𝑒 𝑚𝑎𝑛𝑡𝑖𝑒𝑛𝑒

𝐻1 : 𝐿𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 3: 1 𝑒𝑛𝑡𝑟𝑒 𝑓𝑙𝑜𝑟𝑒𝑠 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑎𝑠 𝑦 𝑎𝑧𝑢𝑙𝑒𝑠 𝑁𝑂 𝑠𝑒 𝑚𝑎𝑛𝑡𝑖𝑒𝑛𝑒
Flores 𝑓𝑜 𝑓𝑒
Flores amarillas 84 75
Flores azules 16 25
Cálculo del estadístico de Prueba:
Flores 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2
𝑓𝑒
Flores amarillas 84 75 1,08
Flores azules 16 25 3,24
100 100 4,32
Cálculo del Estadístico Crítico.-
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 3,841

𝑔𝑙: 𝑘 − 𝑚 − 1 = 2 − 0 − 1 = 1
Donde:
194
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.-
Se realiza un muestreo de 553 elementos a una población de un híbrido de semillas, y se

obtuvo que 315 son redondas y amarillas, 108 son redondas y verdes, 101 son arrugadas
y amarillas, 32 son arrugadas y verdes. Se puede afirmar que la relación se mantiene
9:3:3:1 al 5 % de significancia.
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
𝐻𝑜: 𝐿𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 9: 3.3: 1 𝑠𝑒 𝑚𝑎𝑛𝑡𝑖𝑒𝑛𝑒

𝐻1 : 𝐿𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 9: 3: 3: 1 𝑁𝑂 𝑠𝑒 𝑚𝑎𝑛𝑡𝑖𝑒𝑛𝑒
Cálculo del estadístico de Prueba:
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
Cálculo del Estadístico Crítico.-
1-α = 0,95
1 − α = 0,950
𝑋𝑐2 (95%) = 7,815

𝑔𝑙: 𝑘 − 𝑚 − 1 = 4 − 0 − 1 = 3
Donde:
195
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

Prueba de Bondad de Ajustes

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Prueba de Bondad de Ajustes

Cargado por

Copyright:

Formatos disponibles

ESTADISTICA MATEMATICA Ing.

Luis Herman Hinojosa Saavedra

PRUEBA DE BONDAD DE AJUSTES

PRUEBA DE BONDAD DE AJUSTE A LA DISTRIBUCION UNIFORME

Calculamos las frecuencias esperadas (𝑓𝑒 ):

En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2

𝑋𝑐2 (95%) = 12,59

Calculando el Estadístico de Prueba 𝑋𝑝2 :

Observamos que 𝑋𝑝2 = 33,7496 se encuentra en la zona de rechazo.

Calculamos las frecuencias esperadas (𝑓𝑒 ):

En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2

𝑋𝑐2 (95%) = 12,59

Calculando el Estadístico de Prueba 𝑋𝑝2 :

2.- Se generaron 100 longitudes de un determinado insecto uniformes entre 0 y 1,

3.- El gerente de una planta industrial pretende determinar si el número de empleados

Lunes Martes Miércoles Jueves Viernes Sábado

Número de clientes 195 215 245 250 235 225 200

5.- Se lanza 200 veces un dado con los siguientes resultados:

¿Es un dado balanceado? Utilice un α = 0.01.

Contrastar que el porcentaje de municipios para cada grupo establecido se distribuye

BONDAD DE AJUSTE A LA DISTRIBUCION BINOMIAL

Calculamos la Media aritmética:

total 530 1396

valor esperado = μ = np → para distribucion binomial

Fórmula de la probabilidad binomial:

Numero de Numero de series 𝑷𝒆

Cálculo de las frecuencias esperadas 𝑓𝑒 : 𝑓𝑒 = 𝑛 ∗ 𝑃𝑒

Cálculo del estadístico de prueba 𝑋𝑝2 :

Numero de Numero 𝑃𝑒 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2

total 𝑛 = 530 85,31

En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2

𝑋𝑐2 (95%) = 9,487

Número de ventas diarias 0 1 2 3 4 5

PRUEBA DE BONDAD DE AJUSTES A LA DISTRIBUCION POISSON

Calculamos Media Aritmética:

Planteamiento de las hipótesis. -

defecto 𝑓𝑜 𝑃𝑒 𝑓𝑒 Las frecuencias esperadas (𝑓𝑒 )

Cálculo del estadístico de prueba 𝑋𝑝2 :

En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2

𝑋𝑐2 (95%) = 3,84

Calculamos Media Aritmética:

Planteamiento de las hipótesis.-

Calculamos las frecuencias esperadas 𝑓𝑒 : 𝑓𝑒 = 𝑛. 𝑃𝑒

Número 𝑓𝑜 𝑃𝑒 𝑓𝑒 Las frecuencias esperadas (𝑓𝑒 )

Cálculo del estadístico de prueba 𝑋𝑝2 :

En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2

𝑋𝑐2 (95%) = 5,99

Cálculo de: 𝑷(𝝀 = 𝟐𝟎, 𝟗𝟕 /𝒙 ≤ 𝟏𝟖)

Por lo tanto: 𝑷(𝝀 = 𝟐𝟎, 𝟗𝟕 /𝒙 ≤ 𝟏𝟖) ≈= 𝟎, 𝟐𝟗𝟕

Calculamos las frecuencias esperadas 𝑓𝑒 : 𝑓𝑒 = 𝑛. 𝑃𝑒

Cálculo del estadístico de prueba 𝑋𝑝2 :

En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2

𝑋𝑐2 (95%) = 12,59

Calculamos las frecuencias esperadas 𝑓𝑒 : 𝑓𝑒 = 𝑛. 𝑃𝑒

Nro. Errata por 𝑓𝑜 𝑃𝑒 𝑓𝑒

Cálculo del estadístico de prueba 𝑋𝑝2 :

Nro. Errata por 𝑓𝑜 𝑓𝑒 (𝑓𝑜 − 𝑓𝑒 )2

En la tabla de Chi cuadrado, calculamos el Estadístico Crítico: 𝑋𝑐2

𝑋𝑐2 (95%) = 𝟏𝟓, 𝟓𝟏

2.- Con el fin de conocer si un cierto tipo de bacterias se distribuyen al azar en un

¿Obedecen los datos a una distribución de Poisson?

4.- En el transcurso de 2 horas, el número de llamadas por minuto solicitadas a una

Nro. Cestas de 3 puntos 0 1 2 3 4 5 6 7 8 9