Bondad Ajuste Indepe Estadística

CAPÍTULO
XI
PRUEBAS DE BONDAD DE AJUSTE E
INDEPENDENCIA
1. Introducción
Muchas veces, los resultados obtenidos de muestras no siempre
concuerdan exactamente con los resultados teóricos esperados, según
las reglas de probabilidad. Por ejemplo, aunque consideraciones
teóricas conduzcan a esperar 50 caras y 50 sellos cuando se lanza 100
veces una moneda bien hecha, es raro que se obtengan exactamente
estos resultados.
Supóngase que en una determinada muestra se observan una serie
de posibles sucesos E1 , E 2 , E3 ,..., E k , que ocurren con frecuencias
O1 , O2 , O3 ,..., OK , llamadas frecuencias observadas y que, según las
reglas de probabilidad, se espera que ocurran con frecuencias
1, E
E 2, E
3 ,..., E
k , llamadas frecuencias teóricas o esperadas.
A menudo se desea saber si las frecuencias observadas difieren

significativamente de las frecuencias esperadas. Para el caso en que
solamente son posibles dos sucesos E1 y E2 como, por ejemplo, caras o
sellos, defectuoso, etc., el problema queda resuelto satisfactoriamente
con los métodos de las unidades anteriores. En este capítulo se
considera el problema general.
Asimismo, se trabajarán pruebas de hipótesis aplicables a
variables cualitativas, nominales u ordinales, que tienen por nombre
pruebas no paramétricas o bien, libres de distribución, estas pruebas se
realizarán a través de las tablas de contingencia. El último nombre
implica que en tales pruebas no interviene suposiciones con respecto a
la distribución de la población de origen.
708 Estadística para Administración y Economía
2. Prueba Chi-cuadrada y estadística no paramétrica
2.1. Definición de 
2
Una medida de la discrepancia existente entre las 2 frecuencias

observadas y esperadas es suministrada por el estadístico  , dado por:
2 2 2 2
 2  (O1  E1 )  (O2  E 2 )  (O3  E 3 )  ...  (Ok  E k )
1
E 2
E 3
E k
E
 
2
k
j
Oj  E
2 
j 1
j
E
Donde:
O j  Frecuencia observada.
j  Frecuencia esperada.
E
Si el total de frecuencias es N, entonces  O   E
j j
N
Observaciones:
 Si   0, las frecuencias observadas y esperadas concuerdan
2
exactamente, mientras 2que si   0,no coinciden exactamente. A

2
valores mayores de  , mayores son las discrepancias entre las

frecuencias observadas y esperadas.
 Si las frecuencias esperadas son al menos iguales a 5, la
aproximación mejora para valores superiores.
 El número de grados de libertad v está dado por: v  k  1  m.
Donde:
k = Número de clasificaciones en el problema.
m = Número de parámetros estimados a partir de los datos
muestrales para obtener los valores esperados.
2.2. Ensayo de hipótesis
En la práctica, las frecuencias esperadas se calculan de acuerdo
con la hipótesis H0. Si bajo esta hipótesis el valor calculado de  dado
2
es mayor que algún valor crítico, se deduce que las frecuencias

observadas difieren significativamente de las esperadas y se rechaza H0
al nivel de significación correspondiente. En caso contrario, no se
rechazará. Este procedimiento se llama ensayo o prueba de Chi-
cuadrada de la hipótesis.
Debe advertirse que en aquellas circunstancias en que  esté muy
2
próxima a cero debe mirarse con cierto recelo, puesto que es raro que
Pruebas de bondad de ajuste e independencia 709
las frecuencias observadas concuerden demasiado bien con las
esperadas. Para examinar tales situaciones, se puede determinar si el
valor calculado de  es menor que las  2 críticas o de tabla (ensayo
2
unilateral izquierdo), en cuyos casos se decide que la concordancia es

bastante buena.
Ejemplo 1
La siguiente tabla muestra las frecuencias observadas al lanzar un
dado 120 veces. Ensayar la hipótesis de que el dado está bien hecho al
nivel de significación de 0.05.
Cara 1 2 3 4 5 6
Frecuencia observada 25 17 15 23 24 16
Solución
Ensayo de hipótesis:
H 0 : Las frecuencias observadas y esperadas son significati-
vamente iguales (dado bien hecho).
H 1: Las frecuencias observadas y esperadas son diferentes (dado
cargado).
Primero se procede a calcular los valores esperados. Como es bien
sabido por todos la probabilidad de obtener cualquier número en un
dado no cargado es de 1/6. Como la suma de los valores observados es
de 120, se multiplica este valor por 1/6 dando un resultado de 20 para
cada clasificación.
Cara 1 2 3 4 5 6 Total
Frecuencia observada 25 17 15 23 24 16 120
Frecuencia esperada 20 20 20 20 20 20
Grados de libertad = k – 1 – m = 6 – 1– 0 = 5
No se tuvo que calcular ningún parámetro para obtener las
frecuencias esperadas, es por ello que m toma el valor 0.
Z.
Z. Rechazo
rechazo
Z. Aceptación
Z. aceptación 0.05
2(5,
2
5,0.05  
0.05)
11.1
11.07  v2
Regla de decisión:
Rechazar H 0 si   11.07
2
Valor de prueba:
O  E 
2
k
 
2 j

j
j 1
j
E
 2   25  20   17  20   15  20  
2 2 2
20 20 20
 23  20   24  20  16  20 
2 2 2
 5
20 20 20
Como 5 es menor que 11.07 se acepta H0 y se concluye, con una
significación de 0.05, que el dado está bien hecho.
Ejemplo 2
Una encuesta sobre 320 familias con 5 niños dio la distribución
que aparece en la siguiente tabla. ¿Es el resultado consistente con la
hipótesis de que el nacimiento de un varón y una mujer son igualmente
posibles? Emplee   0.05
Número de niños 5 4 3 2 1 0
Número de niñas 0 1 2 3 4 5
Número de familias 18 56 110 88 40 8
Solución
Ensayo de hipótesis:
H 0: El nacimiento de niños y niñas es igualmente probable.
H1: El nacimiento de niños y niñas no es igualmente probable.
Este experimento tiene un comportamiento binomial, puesto que
se tienen dos posibles resultados y la probabilidad de éxito se mantiene
constante en todo el experimento.
Se le llamará éxito al nacimiento de un varón o niño. Por lo que la
variable aleatoria "X" tomará valores desde 0 hasta 5.
Como se quiere ver si es igualmente probable el nacimiento de
niños y niñas, la probabilidad de éxito será de 0.5.
Utilizando la fórmula de la distribución binomial se calcularán las
probabilidades, que multiplicadas por el número total de familias nos
darán los valores esperados en cada clasificación.
Recordando la fórmula de la distribución binomial:
C xn p x q n x
Donde:
n = 5 y "x" es el número de niños.
Probabilidad de 5 niños y 0 niñas = C55 (0.5) 5 (0.5) 0  0.031
Probabilidad de 4 niños y 1 niña = C 45 (0.5) 4 (0.5)1  0.156
Probabilidad de 3 niños y 2 niñas = C 35 (0.5) 3 (0.5) 2  0.313
Probabilidad de 1 niño y 4 niñas = C15 (0.5)1 (0.5) 4  0.156
Si cada una de estas probabilidades se multiplica por 320 se
obtienen los valores esperados:
Número de niños 5 4 3 2 1 0
Total
Número de niñas 0 1 2 3 4 5
Número de familias 18 56 110 88 40 8 320
Frecuencias esperadas 10 50 100 100 50 10
Z.Z.Rechazo
rechazo
Z.aceptación
Z. Aceptación 0.05
2(5,
2
  11.1
0.05)
5,0.05
 11.07  v2
Grados de libertad: k – 1 – m = 6 – 1– 0 = 5
Regla de decisión:
2
Valor de prueba:
O  E 
2
k j
2   j
j 1
j
E
2 2 2
2 
18  10 
56  50 
110  100 
10 50 100
2 2 2
88  100 
 40  50 
8  10  12
100 50 10
Como   12 y es mayor que 11.07, se rechaza H0 y se
2
concluye, con un   0.05, que el nacimiento de hombres y mujeres no

es igualmente probable.
2.3. Prueba Chi-cuadrada para la bondad del ajuste
A lo largo de este libro nos ocupamos de la prueba de hipótesis
estadísticas acerca de parámetros de una población como ,  y p.
Ahora se considera una prueba para determinar si una población tiene
una distribución teórica específica. La prueba se basa en qué tan buen
ajuste se tiene entre la frecuencia de ocurrencia de las observaciones en
una muestra observada y las frecuencias esperadas que se obtienen a
partir de la distribución hipotética.
La fórmula que se utilizará para calcular el valor de Chi-cuadrada
es igual a la de la sección anterior, con el mismo concepto de grados de
libertad.
2.3.1. Distribución binomial
Vamos a ejemplificar la prueba de bondad de ajuste para el caso
en que la distribución hipotética de la población es binomial. Para
poder realizar esta prueba se debe estimar el parámetro  a partir de
los datos de la muestra, es por ello que, para el cálculo de los grados de
libertad, m toma el valor 1.
Ejemplo 3
Una moneda fue lanzada al aire 1000 series, de 5 veces cada serie y
se observó el número de caras de cada serie. El número de series en los
que se presentaron 0, 1, 2, 3, 4 y 5 caras se muestra en la siguiente tabla:
Número (frecuencia
de caras observada)
0 38
1 144
2 342
3 287
4 164
5 25
Total 1000
Se pude afirmar que el número de caras sigue una distribución
binomial con un nivel   0.05 .
Solución
Planteamiento de hipótesis:
H 0 : Los datos se ajustan a una distribución binomial.
H 1 : Los datos no se ajustan a una distribución binomial.
Para obtener los valores esperados se tiene que utilizar la fórmula
de la distribución binomial: C xn p x q ( n  x ) , donde n en este ejemplo vale 5,
p y q son las probabilidades respectivas de cara y sello en un solo
lanzamiento de la moneda. Para calcular el valor de p, se sabe que
  np en una distribución binomial, por lo que   5 p .
Para la distribución de frecuencias observadas, la media del
número de caras es:
38(0)  144(1)  342(2)  287(3)  164(4)  25(5)

1000
  2.47
 2.47
Por lo tanto, p    0.494. Así pues, la distribución
5 5
binomial ajustada viene dada por: p ( x)  C x5 (0.494) x (0.506)(5 x )
Al seguir esta fórmula se calcula la probabilidad de obtener caras,
según el valor de la variable aleatoria. La probabilidad multiplicada por
1000 nos dará el valor esperado. Se resumen los resultados en la tabla
siguiente:
Número de Frecuencia Frecuencia

P(x caras)
caras (x) esperada observada
0 0.0332 33.2 38
1 0.1619 161.9 144
2 0.3162 316.2 342
3 0.3087 308.7 287
4 0.1507 150.7 164
5 0.0294 29.4 25
Para los grados de libertad el valor de m será uno, ya que se tuvo
que estimar la media de la población para poder obtener el valor de p y
así poder calcular los valores esperados.
Grados de libertad: k – 1– m = 6 – 1 – 1 = 4
Z.
Z. Rechazo
rechazo
Z.
Z. aceptación
Aceptación 0.05
(2424,0.05
, 0 .0 5 )
 9.49
9 .4 9  v2
Regla de decisión:
2
Valor de prueba:
 
2
k O  j
E
2  
j
j 1
j
E
 2   38  32.2   144  161.9    342  316.2  

2 2 2
32.2 161.9 316.2

 287  308.7  164  150.7   25  29.4 
2 2 2
   8.487
308.7 150.7 29.4
Como 8.487 es menor que 9.49, se acepta H 0 y se concluye, con
un   0.05, que el ajuste de los datos a una distribución binomial es
bueno.
2.3.2. Distribución de Poisson
Veamos ahora, a través de un ejemplo, la prueba de bondad de
ajuste para ver si una variable aleatoria sigue una distribución de
Poisson; igual que en el caso de la binomial m toma el valor 1 ya que
hay que estimar  para el cálculo de las frecuencias esperadas.
Ejemplo 4
Se propone que el número de defectos en las tarjetas de circuito
impreso sigue una distribución de 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 de Poisson? Haga la prueba de bondad de
ajuste con un   0.05.
Solución
H 0: La forma de la distribución de los defectos es de Poisson.
H1: La forma de la distribución de los defectos no es de Poisson.
La media de la distribución de Poisson propuesta en este ejemplo
es desconocida y debe estimarse a partir de los datos contenidos en la
muestra.
32(0)  15(1)  9(2)  4(3)
    0.75
60
A partir de la distribución de Poisson con parámetro 0.75, pueden
calcularse las probabilidades asociadas con el valor de X. Esto es, la
fórmula de Poisson es:
e  x e0.75 (0.75) x
p( x)   p( x) 
x! x!
Con esta fórmula se calculan las probabilidades, las mismas que
se multiplican por 60 para obtener los valores esperados:

Probabilidad
defectos esperada observada
0 0.472 28.32 32
1 0.354 21.24 15
2 0.133 7.98 9
3 ó más 0.041 2.46 4
Puesto que la frecuencia esperada en la última celda es menor que
5, se combinan las dos últimas celdas:
defectos esperada observada
0 28.32 32
1 21.24 15
2 ó más 10.44 13
Los grados de libertad serían 3 – 1 – 1 = 1, debido a que la media

de la distribución de Poisson fue estimada a partir de los datos.
Z.
Z. Rechazo
rechazo
Z. aceptación
Aceptación 0.05
21,0.05
(1, 0 .0 5) 3.84
2
 3 .8 4  v2
Regla de decisión:
2
Valor de prueba:
 2  32  28.32   15  21.24  13  10.44  2.94
2 2 2
28.32 21.24 10.44

Como 2.94 no es mayor que 3.84, se acepta H 0 y se concluye,
con un   0.05, que la distribución de defectos en las tarjetas de
circuito impreso es de Poisson.
2.3.3. Distribución normal
En el caso de que la distribución hipotética de la población sea
normal, se procede igual que en los casos anteriores. Sin embargo, para
el cálculo de los grados de libertad, m toma el valor 2, dado que hay
que estimar dos parámetros  y , para determinar las frecuencias
esperadas. El siguiente ejemplo indica la prueba de bondad para una
distribución normal.
Ejemplo 5
Pruebe la hipótesis de que la distribución de frecuencias de las
duraciones de baterías dadas en la siguiente tabla, se puede aproximar
mediante una distribución normal. Utilice un   0.05.
Frecuencias
Límites de clase
observadas
1.45 - 1.95 5
1.95 - 2.45 8
2.45 - 2.95 10
2.95 - 3.45 15
3.45 - 3.95 10
3.95 - 4.45 5
4.45 - 4.95 3
Solución
Se procede a elaborar una tabla de frecuencias, considerando
marcas de clase, para elaborar un histograma, y así visualizar los datos:
Límite Límite Frecuencias
Marca xc  f ( xc  x ) 2  f
inferior superior observadas
1.45 1.95 1.7 5 8.5 9.7002551

1.95 2.45 2.2 8 17.6 6.37755102
2.45 2.95 2.7 10 27 1.54336735
2.95 3.45 3.2 15 48 0.17219388
3.45 3.95 3.7 10 37 3.68622449
3.95 4.45 4.2 5 21 6.12882653
4.45 4.95 4.7 3 14.1 7.74872449
Total 56 173.2 35.3571429

Media ( x ) 3.0928571
Desviación ( ) 0.8017837
16
14
12
10
0
1.7 2.2 2.7 3.2 3.7 4.2 4.7
Como se puede observar el histograma tiene una forma que

aparenta ser normal, se probará esta hipótesis.
H 0: Los datos provienen de una distribución normal.
H1: Los datos no provienen de una distribución normal.
En este ejemplo es necesario estimar dos parámetros, la media y
desviación estándar, de la población. En ese sentido, hay que tener en
cuenta que para los grados de libertad el valor de m sería 2.
Se procederá a calcular los valores de z para encontrar las
x
probabilidades en la tabla. Recordando que z  , se sustituye el

valor de x por los límites de clase comenzando con el límite de 1.95
Límite. Límite
inferior superior
z1 z2 p ( z1  z  z2 )
Menor que 1.95 Menor que –1.43 0.0764
1.95 2.45 –1.43 –0.8 0.1355
2.45 2.95 –0.8 –0.18 0.2167
2.95 3.45 –0.18 0.45 0.2451
3.45 3.95 0.45 1.08 0.1863
Mayor que 3.95 Mayor que 1.08 0.14
Total 1
La razón por la cual se comienza con el límite de 1.95 y se
termina con el límite de 3.95, es porque la suma de todas las
probabilidades debe ser uno, bajo la curva normal. Asimismo, para
evitar que hayan celdas con frecuencias esperadas menores a cinco, se
combinan las dos últimas.
Los detalles para determinar la frecuencia esperada para cada una
de las categorías se muestran en la siguiente tabla:
Límite Límite Frecuencia
inferior superior
z1 z2 p ( z1  z  z2 ) esperada
Menor que 1.95 Menor que –1.43 0.0764 4.2784
1.95 2.45 –1.43 –0.8 0.1355 7.588
2.45 2.95 –0.8 –0.18 0.2167 12.1352
2.95 3.45 –0.18 0.45 0.2451 13.7256
3.45 3.95 0.45 1.08 0.1863 10.4328
Mayor que 3.95 Mayor que 1.08 0.14 7.84
Total 1 56
A continuación se muestra la curva normal con sus respectivas

probabilidades, según los limites.
0.2451
0.2451
0.0764
0.0764 0.2167
0.2167
0.1355
0.1355 0.1863
0,1863 0.1400
0.1400
1.95 2.45 2.95 3.45 3.95

  3.09
Grados de libertad: k – 1 – m = 6 – 1 – 2 = 3
Z.
Z.Rechazo
rechazo
Z.
Z. Aceptación
aceptación 0.05
2
(3,
 3,0.05
0.05 ) 7.81
 7.8 1  v2
Regla de decisión:
2
Valor de prueba:
O  E 
2
k j
2  
j
j 1
j
E
 5  4.28  8  7.52  10  12.21
2 2 2
 
2
  
4.28 7.52 12.21
15  13.59  10  10.39  8  7.97 
2 2 2
 
13.59 10.39 7.97
  0.71
2
Como 0.71 no es mayor que 7.81, no se rechaza H0 y se concluye,

con un   0.05, que el ajuste de los datos a una distribución normal es
bueno.
Ejemplo 6
La empresa Piura Hermanos cree que los sueldos que paga por
hora siguen una distribución probabilística normal. Para confirmar esto,
se tomó una muestra de 300 trabajadores y los resultados fueron
organizados en la siguiente distribución de frecuencias. Al nivel de
significancia de 0.10, ¿se puede concluir razonablemente que la
distribución de salarios por hora se aproxima a una de tipo normal?
Sueldo por hora
Frecuencia
(en dólares)
5.5 6.5 20
6.5 7.5 54
7.5 8.5 130
8.5 9.5 68
9.5 10.5 28
Total 300
Solución
Se procede a elaborar una tabla de frecuencias, considerando
marcas de clase, para elaborar un histograma y así visualizar los datos.
Sueldo por hora
Frecuencia xc xc  f ( xc  x ) 2  f
(en dólares)
5.5 6.5 20 6 120 88.2
6.5 7.5 54 7 378 65.34
7.5 8.5 130 8 1040 1.3
8.5 9.5 68 9 612 55.08
9.5 10.5 28 10 280 101.08
Total 300 2430 311
Media 8.1
Desviación 1.02
Se procederá a calcular los valores de z para encontrar las
x
probabilidades en la tabla. Recordando que z  , se sustituye el

valor de x por los límites de clase comenzando con el límite de 6.5.
Sueldo por hora
z1 z2 p( z1  z  z2 )
(en dólares)
5.5 6.5 Menor que –1.57 0.0582
6.5 7.5 –1.57 –0.59 0.2194
7.5 8.5 –0.59 0.39 0.3741
8.5 9.5 0.39 1.37 0.2630
9.5 10.5 Mayor que 1.37 0.0854
Total 1.000
Los detalles para determinar la frecuencia esperada para cada una
de las categorías se muestran en la siguiente tabla:
Sueldo por hora Frecuencia Frecuencia
z1 z2 p( z1  z  z2 )
(en dólares) observada esperada
5.5 6.5 Menor que –1.57 0.0582 20 17.46
6.5 7.5 –1.57 –0.59 0.2194 54 65.82
7.5 8.5 –0.59 0.39 0.3741 130 112.23
8.5 9.5 0.39 1.37 0.2630 68 78.90
9.5 10.5 Mayor que 1.37 0.0854 28 25.62
Total 1.000 300 300
Planteamiento de hipótesis:
H 0: Los datos provienen de una distribución normal.
H1: Los datos no provienen de una distribución normal.
Grados de libertad: k – 1 – m = 5 – 1 – 2 = 2, m toma el valor 2.
Z.
Z. Rechazo
rechazo
0.10
Z.Z.Aceptación
aceptación
2(2,0.10
2  v2
 ) 4.61
2 , 0 .10 4.61
Regla de decisión:
2
Valor de prueba:
O  E 
2
k
 
2 j j
j 1
j
E
 2   20  17.46    54  65.82   130  112.23 

2 2 2
17.46 65.82 112.23

 68  78.90   28  25.62 
2 2

78.90 25.62
  7.03
2
Como 7.03 es mayor que 4.61, se rechaza H0 y se concluye, con

un   0.05, que los datos no se ajustan a una distribución normal.
3. Tablas de contingencia
En muchas ocasiones, los n elementos de una muestra tomada de
una población pueden clasificarse con dos criterios diferentes. Por
tanto, es interesante saber si los dos métodos de clasificación son
estadísticamente independientes. Supóngase que el primer método de
clasificación tiene r niveles, y que el segundo tiene c niveles. Sea Oi j
la frecuencia observada para el nivel i del primer método de
clasificación y el nivel j del segundo método de clasificación. En
general, los datos aparecerán como se muestra en la siguiente tabla.
Una tabla de este tipo usualmente se conoce como tabla de
contingencia r x c.
Columnas
1 2 ... c
1 O11 O12 ... O1c
2 O21 O22 ... O2c
Filas . . . . .
. . . . .
. . . . .
r Or1 Or2 ... Orc
El interés recae en probar la hipótesis de que los dos métodos de
clasificación renglón-columna son independientes. Si se rechaza esta
hipótesis, entonces, se concluye que existe alguna interacción entre los
dos criterios de clasificación. Los procedimientos de prueba exactos
son difíciles de obtener, pero puede obtenerse un estadístico de prueba
aproximado, válido para n grande.
Sea pi j la probabilidad de que un elemento seleccionado al azar
caiga en la ij-ésima celda, dado que las dos clasificaciones son
independientes. Entonces, pi j  ui v j donde ui es la probabilidad de que
un elemento seleccionado al azar pertenezca al renglón de la clase i, y
v j es la probabilidad de que un elemento seleccionado pertenezca a la
columna de la clase j. Ahora bien, si se supone independencia, los
estimadores de ui y v j son:
1 c 1 r
ui   Oi j
n j 1
vj   Oi j
n i 1
Por lo tanto, la frecuencia esperada de la celda es:

i j  nu v
E i j
Una forma alterna para calcular las frecuencias esperadas es la

siguiente:
i j  Ri C j
E
n
Donde:
Ri y C j , son los totales correspondientes a las filas y columnas,
respectivamente.
Entonces, para n grande, el estadístico:
 
2
r c O E i j
 2   i j
i 1 j 1
i j
E
Tiene una distribución aproximada Chi-cuadrada con  r  1 c  1
grados de libertad si la hipótesis nula es verdadera. Por consiguiente, la
hipótesis de independencia debe rechazarse si el valor del estadístico de
prueba  calculado es mayor que  crítico o de tabla.
2 2
Ejemplo 7
Una asociación de profesores universitarios quiere determinar si
la satisfacción en el trabajo es independiente del rango académico. Para
ello se realizó un estudio nacional entre los académicos universitarios y
encontró los resultados mostrados en la tabla siguiente. Con   0.05,
haga una prueba para saber si son dependientes la satisfacción en el
trabajo y el rango.
Rango
Profesor Profesor Profesor Profesor
asistente auxiliar asociado principal
Mucha 40 60 52 63
Satisfacción
en el trabajo Regular 78 87 82 88
Poca 57 63 66 64
Solución
Planteamiento de las hipótesis
H 0: La satisfacción en el trabajo y el rango son independientes.
H1: La satisfacción en el trabajo y el rango no son independientes.
Grados de libertad:  r  1 c  1   3  1 4  1  6
Z.Z.Rechazo
rechazo
Z. aceptación
Z. Aceptación 0.05
2(6,
2
  12.59
0.05)
6,0.05
 12.59  v2
Regla de decisión:
2
Se procederá a calcular los valores esperados de cada celda.

Como los grados de libertad son 6, esto quiere decir que necesitamos
calcular únicamente 6 frecuencias esperadas, y las faltantes se
encuentran por diferencia.
Se calcularán los valores esperados E 11 , E
12 , E
13 , E
21 , E
22 y E
23 .
La siguiente tabla detalla los totales de renglón y columna que se
necesitan para calcular las frecuencias esperadas:
Rango
Total
Mucha 40 60 52 63 215
en el trabajo
Satisfacción
Regular 78 87 82 88 335
Poca 57 63 66 64 250
Total 175 210 200 215 800
i j  Ri C j
E
n
11   215 175   47.03
E E 21 
 335175  73.28
800 800
12   215  210   56.44
E 2 2   335  210   87.94
E
800 800
13   215  200   53.75
E 23   335  200   83.75
E
800 800
Tabla de frecuencias esperadas:
Rango
Total
Mucha 47.03 56.44 53.75 57.78 215
Satisfacción Regular 73.28 87.94 83.75 90.03 335
Poca 54.69 65.62 62.5 67.19 250
Total 175 210 200 215 800
Valor de prueba:
O 
2
r c i j
E
 2  
ij
i 1 j 1
i j
E
 40  47.03  60  56.44 
2 2
  2
 
47.03 56.44
 52  53.75  64  67.19 
2 2
 ... 
53.75 67.19
  2.752
Como el valor de 2.75 es menor que el valor crítico 12.59, por lo

tanto, no se rechaza Ho y se concluye, con un   0.05, que la
satisfacción en el trabajo y el rango son independientes.
Ejemplo 8
En un estudio de un taller, se reúne un conjunto de datos para
determinar si la proporción de defectuosos producida por los
trabajadores es la misma para el turno matutino, vespertino o nocturno.
Se reunieron los siguientes datos:
Turno
Matutino Vespertino Nocturno
Defectuosos 45 55 70
No defectuosos 905 890 870
Utilice un nivel de significancia de   0.025 para determinar si

la proporción de defectuosos es la misma para los tres turnos.
Solución
H 0: La proporción de artículos defectuosos es la misma para los
tres turnos.
H1: La proporción de artículos defectuosos no es la misma para
los tres turnos.
Z. rechazo
Z. Rechazo
Z.
Z. aceptación
Aceptación 0.025
(222,0.025  )7.38  v2
2
, 0 .025 7.38
Regla de decisión:
2

calcular únicamente 2 frecuencias esperadas, y las faltantes se
11 y E
Se calcularán los valores esperados E 22 . Como se necesitan
los totales de renglón, entonces:
Turno
Matutino Vespertino Nocturno Total
Defectuosos 45 55 70 170
No defectuosos 905 890 870 2665
Total 950 945 940 2835
i j  Ri C j
E
n
11  170  950   56.97
E
2835
2 2   2665  945   888.33

E
2835
Matutino Vespertino Nocturno Total

Defectuoso 56.97 56.7 56.33 170
No defectuoso 893.03 888.3 883.67 2665
Total 950 945 940 2835

Valor de prueba:
O 
2
r c i j
E
 2  
ij
i 1 j 1
i j
E
 45  56.97   55  56.7   70  56.33  870  883.67 

2 2 2 2
 
2
   ... 
56.97 56.7 56.33 883.67
  6.26
2
Dado que   7.38 se concluye aceptando H0. Sin embargo sería

2
riesgoso concluir que la proporción de defectuosos producidos es la

misma para todos los turnos por tener un valor p de 0.04.
EJERCICIOS RESUELTOS
1. Se sabe que en un centro de enseñanza primaria, el 62% de los
estudiantes de último año dejan de estudiar, el 23% pasan a
formación profesional y el 15% pasan a enseñanza secundaria. Se
toma una muestra de 80 de estos estudiantes que finalizaron el año
pasado. De ellos, 54 dejaron de estudiar, 17 se pasaron a formación
profesional. Contrastar la hipótesis nula de que los datos muestrales
del año pasado concuerda con las estadísticas de años anteriores.
Solución
n  80
H 0: Los porcentajes del año pasado son los mismos que en años
anteriores.
H1: Los porcentajes del año pasado no son los mismos que en
años anteriores.
Bajo esta hipótesis nula tenemos:
Condición del Frecuencia Frecuencia
Probabilidad
estudiante esperada observada
Deja de estudiar 0.62 49.6 54
Pasa a form. prof. 0.23 18.4 17
Pasa a ens. sec. 0.15 12 9
Total 1 80 80
g.l.  k  1  m  3  1  0  2
Z. rechazo
Z. Rechazo
Z. aceptación
Z. Aceptación 0.05
(2222,0.05
, 0 .0 5) 
 5.99
5 .9 9  v2
Regla de decisión:
2
Valor de prueba:
O  E 
2
k j
2  
j
j 1
j
E
54  49.6 17  18.4
2 2 2
(9  12)
  2
   1.247
49.6 18.4 12
Al resultar 1.247 el valor de prueba, entonces se acepta H 0 y se
concluye, con un   0.05, que los porcentajes del año pasado
son los mismos que en años anteriores.
2. A una muestra aleatoria de 30 periodistas deportivos se les pidió
que dijeran cuál de entre tres licenciados en educación física tenía
mejores posibilidades futuras. Estos tres licenciados venían,
respectivamente, de una urbanización donde viven muchos
miembros de la alta sociedad, de un barrio marginal y de una zona
de nivel de vida medio. La siguiente tabla muestra cuales fueron las
opiniones. Contrastar la hipótesis nula de que las posibilidades eran
las mismas para los tres licenciados.
Alta sociedad Barrio marginal Clase media
Opiniones a favor 12 11 7
Solución
n  30
H 0: Las posibilidades son las mismas para los tres licenciados.
H1: Las posibilidades no son las mismas para los tres licenciados.
Frecuencia Frecuencia
Nivel Probabilidad
esperada observada
Alta sociedad 1/3 10 12
Barrio marginal 1/3 10 11
Clase media 1/3 10 7
g.l.  k  1  m  3  1  0  2
Z.
Z. Rechazo
rechazo
Z. aceptación
Z. Aceptación 0.05
(2222,0.05  55.99
, 0 .0 5 )  .9 9  v2
 
Regla de decisión:
2
Valor de prueba:
 
2
k j
Oj  E
2  
j 1
j
E
12  10 11  10  7  10

2 2 2
 
2
   1.4
10 10 10
Como   1.4 se encuentra en la zona de aceptación se concluye,

2
con un   0.05 , que las posibilidades para los tres licenciados es

la misma.
3. En Estado Unidos se sabe que, históricamente, el 75% de los
profesores de la Universidad de Harvard que se presentan a decanos
son americanos, el 15% son europeos y el 10% son de otros países.
De una muestra aleatoria de 100 candidatos que se han presentado
este año, 70 eran americanos, 21 eran europeos y nueve eran de
otros países. Contrastar la hipótesis nula de que los candidatos de
este año han seguido el mismo patrón que en años anteriores.
Solución
n  100
H 0: Los candidatos de este año han seguido el mismo patrón que
en años anteriores.
H1: Los candidatos de este año no han seguido el mismo patrón
que en años anteriores.
Frecuencia Frecuencia
Procedencia Probabilidad
esperada observada
Americanos 0.75 75 70
Europeos 0.15 15 21
De otros países 0.1 10 9
Total 1 100 100
g.l.  k  1  m  3  1  0  2
Z.
Z. Rechazo
rechazo
Z. Aceptación
aceptación 0.05
 2(22,0.05
 2 , 0 .0 5 ) 5.99
 5 .9 9  v2
Regla de decisión:
Rechazar H 0 si  2  5.99
Valor de prueba:
O  E 
2
k j
2  
j
j 1 E j
 70  75  21  15 9  10
2 2 2
 
2
   2.833
75 15 10
Como  2  2.833 se encuentra en la zona de aceptación se
concluye, con un   0.05 , que el patrón de los profesores que se
presentan a decano en Harvard es el mismo que en años anteriores.
4. Se obtuvo una muestra aleatoria de los 300 dividendos diarios de
una acción que se cotiza en bolsa. El coeficiente de asimetría
muestral fue de 0.47 y la curtosis muestral de 3.86. Contrastar la
hipótesis nula de que la distribución de la población de dividendos
diarios de esta acción sigue una distribución normal.
Solución
Una forma alternativa para determinar si un conjunto de datos se
distribuye de forma normal es mediante la Prueba de Bowman-Shelton.
Esta prueba, para contrastar la normalidad, se basa en la cercanía a cero
del coeficiente de asimetría y en la cercanía a tres del coeficiente de
curtosis. El estadístico de contraste es:
  Coeficiente de asimetría 2  Curtosis – 32 
B  n  
 6 24 
La siguiente tabla muestra las diferentes relaciones entre los
tamaños muestrales y los niveles de significación. El proceso
recomendado será, pues, calcular el estadístico B y rechazar la hipótesis
nula de normalidad si dicho valor es superior al correspondiente en la
tabla:
Tamaño Significación Significación
muestral del 10% del 5%
20 2.13 3.26
30 2.49 3.71
40 2.7 3.99
50 2.9 4.26
75 3.09 4.27
100 3.14 4.29
125 3.31 4.34
150 3.43 4.39
200 3.48 4.43
250 3.54 4.51
300 3.68 4.6
400 3.76 4.74
500 3.91 4.82
800 4.32 5.46
 4.61 5.99
Entonces, de acuerdo al ejercicio planteado tenemos:
H 0: Los datos se ajustan a una distribución normal.
H 1: Los datos no se ajustan a una distribución normal.
El valor del estadístico es:
  0.47 2  3.86 – 32 
B  300     20.4
 6 24 
El punto crítico correspondiente a una muestra de 300, según la

tabla anterior, es 4.60. Como el valor de prueba es 20.4, mucho mayor
al valor crítico se concluye rechazando la hipótesis nula a un nivel de
significancia del 5%. Es decir, los datos no se ajustan a una distribución
normal.
5. Durante 200 minutos se ha contabilizado el número de clientes que
llegaba a un supermercado, siendo los resultados los que aparecen
en la siguiente tabla. Contrastar la hipótesis nula de que la
distribución de clientes que llega al supermercado es una Poisson.
N.º de clientes por minuto 0 1 2 3 4 5 o más
Frecuencia observada 16 50 51 44 28 11
Solución
H 0 : Los datos se ajustan a una distribución de Poisson.
H 1: Los datos no se ajustan a una distribución de Poisson.
La media de la distribución de Poisson propuesta en este ejemplo
es desconocida y debe estimarse a partir de los datos contenidos en la
muestra.
0(16)  1(5)  2(51)  3(44)  4(28)  5(11)
    2.03
200
A partir de la distribución de Poisson con parámetro 2.03, pueden
calcularse las probabilidades asociadas con el valor de X. Esto es, la
fórmula de Poisson es:
e   x e 2.03 (2.03) x
p ( x)   p ( x) 
x! x!
Con esta fórmula se calculan las probabilidades, las mismas que
se multiplican por 200 para obtener los valores esperados:
N.º de clientes
Prob. Frec. esp. Frec. obs.
por minuto
0 0.131 26.2 16
1 0.267 53.4 50
2 0.271 54.2 51
3 0.183 36.6 44
4 0.093 18.6 28
5 o más 0.055 11 11
Total 1 200 200
Los grados de libertad serían 6 – 1 – 1 = 4, debido a que la media

de la distribución de Poisson fue estimada a partir de los datos.
Z. Rechazo
rechazo
Z. aceptación
Z. Aceptación 0.05
(24 4,0.05  9.49  v2

2
, 0 .0 5 )  9 .4 9
Regla de decisión:
Valor de prueba:
O  E 
2
k j
2  
j
j 1
j
E
16  26.2   50  53.4  51  54.2
2 2 2
 
2
  
26.2 53.4 54.2
 44  36.6   28  18.6  11  11
2 2 2
  10.623 
36.6 18.6 11
Como 10.623 es mayor que 9.49, se rechaza H 0 y se concluye,
con un   0.05, que los datos no se ajustan a una distribución de
Poisson.
6. Se realizó una investigación para estudiar la reacción de las
empresas ante las opiniones de importantes auditores. La siguiente
tabla muestra, para empresas que habían recibido una opinión
positiva o negativa de un auditor al año siguiente. Contrastar, a un
nivel del 1%, la hipótesis nula de que el cambio de auditor por las
empresas no depende del hecho de que anteriormente dichas
empresas recibieran una opinión positiva o negativa del auditor.
Opinión recibida
Positiva Negativa
Cambiaron auditor 141 227
No cambiaron auditor 991 851
Solución
H0: El cambio de auditor de las empresas es independiente del
hecho de que anteriormente dicha empresa recibió una
opinión positiva o negativa del auditor.
H1: El cambio de auditor de las empresas no es independiente del
hecho de que anteriormente dicha empresa recibió una
opinión positiva o negativa del auditor.
Z. Rechazo
rechazo
aceptación
Z. Aceptación 0.01
22
(1, 0 .0 1)6.63
6 .6 3  v2
1,0.01
Regla de decisión:
Como los grados de libertad es 1, esto quiere decir que necesitamos
calcular únicamente una frecuencia esperada, y las faltantes se
11 . Como se necesitan los totales
Se calculará el valor esperado E
de renglón y columna se mostrarán en la tabla siguiente:
Opinión recibida
Positiva Negativa Total
Cambiaron auditor 141 227 368
No cambiaron auditor 991 851 1842
Total 1132 1078 2210
 R1C1
E 11
n
 368 1132   188.496
E 11
2210
Opinión recibida
Positiva Negativa Total
Cambiaron auditor 188.496 179.504 368
No cambiaron auditor 943.504 898.496 1842
Total 1132 1078 2210
Valor de prueba:
O 
2

i j  Ei j
r c
 2  
i 1 j 1
i j
E
141  188.496   227  179.504 
2 2
 
2
 
188.496 179.504
 991  943.504  851  898.496 
2 2

943.504 898.496
  29.44
2
Se rechaza H 0 a un nivel de significancia del 1%. Esto quiere

decir: el cambio de auditor de las empresas no es independiente
del hecho de que anteriormente dicha empresa recibió una opinión
positiva o negativa del auditor.
7. La siguiente tabla muestra, para muestras independientes de
hombres y mujeres, cuántos de ellos ven la televisión menos de dos
horas y media, y cuantos de ellos más. Contrastar a un nivel de
significación del 10% la hipótesis nula de que no existe relación entre
el sexo de las personas y la cantidad de horas de televisión que ven.
Horas de televisión por día
Menos de 2 1/2 2 1/2 o más
Hombre 18 10
Mujer 17 13
Solución
H 0: El sexo de la persona es independiente de la cantidad de
horas de televisión que ve.
H1: El sexo de la persona no es independiente de la cantidad de
Z. Rechazo
Z. rechazo
0.10
Z.Z.Aceptación
aceptación
22
(1, 0 .1 0 )  2 .7 1  v2
1,0.10   2.71
Regla de decisión:
Como los grados de libertad es 1, esto quiere decir que necesitamos
calcular únicamente una frecuencia esperada, y las faltantes se
11 .
Se calculará el valor esperado E
Como se necesitan los totales de renglón y columna se calculan y se
muestran en la tabla siguiente:
Menos de 2 1/2 2 1/2 o más Total
Hombre 18 10 28
Mujer 17 13 30
Total 35 23 58
 28  35   16.89
 R1C1  E
E 11 11
n 58
Menos de 2 1/2 o
Total
2 1/2 más
Hombre 16.89 11.11 28
Mujer 18.11 11.89 30
Total 35 23 58
Valor de prueba:
O 
2
r c i j
E
 2  
ij
i 1 j 1
i j
E
18  16.89  10  11.11 17  18.11 13  11.89 
2 2 2 2
 
2
  
16.89 11.11 18.11 11.89
  0.35
2
Se acepta H 0 a un nivel de significancia del 10%. Esto quiere

decir que: el sexo de la persona es independiente de la cantidad de
8. A una muestra aleatoria de individuos del sudoeste de los Estados
Unidos, con edades comprendidas entre los 18 y 24 años y de
origen anglosajón o hispano, se les preguntó cuánto alcohol
consumían a lo largo de una semana. La siguiente tabla muestra los
resultados. Contrastar la hipótesis nula de que no existe relación
entre el origen de los individuos y la cantidad de alcohol
consumida.
Número de bebidas
Origen 0-1 2 - 4 5 - 10 más de 10
Anglosajón 19 45 27 28
Hispano 25 47 29 13
Solución
H 0 : El origen del individuo es independiente de la cantidad de
alcohol que consume.
H1: El origen del individuo no es independiente de la cantidad de
Z.
Z.Rechazo
rechazo
Z.aceptación
Z. Aceptación 0.05
(232, 0 .0 5 )  77.81
.8 1  v2
 3,0.05 
Regla de decisión:
calcular 3 frecuencias esperadas, y las faltantes se encuentran por
diferencia.
11 , E
Se calcularán los valores esperados: E 12 y E
13
Número de bebidas
Origen 0-1 2-4 5 - 10 más de 10 Total
Anglosajón 19 45 27 28 119
Hispano 25 47 29 13 114
Total 44 92 56 41 233
i j  Ri C j
E  119  92   46.99
E 12
n 233
119  44  13  119  56   28.60
E 11   22.47 E
233 233
Número de bebidas
Origen 0-1 2-4 5 - 10 más de 10 Total
Anglosajón 22.47 46.99 28.6 20.94 119
Hispano 21.53 45.01 27.4 20.06 114
Total 44 92 56 41 233
Valor de prueba:
 
2
r c i j
Oi j  E
 2  
i 1 j 1
i j
E
19  22.47   45  46.99   27  28.6  13  20.06 
2 2 2 2
 
2
   ... 
22.47 46.99 28.6 20.06
  6.32
2
Se acepta H 0 a un nivel de significancia del 5%. Esto quiere decir

que: el origen del individuo es independiente de la cantidad de
9. Pruebas sobre la fidelidad y la selectividad de 190 radios
produjeron los resultados que se muestran en la siguiente tabla:
Fidelidad
Baja Promedio Alta
Baja 7 12 31
Selectividad Promedio 35 59 18
Alta 15 13 0
Use el nivel 0.01 de significancia para probar la hipótesis nula de

que la fidelidad es independiente de la selectividad.
Solución
H 0: La fidelidad es independiente de la selectividad.
H1: La fidelidad no es independiente de la selectividad.

Z. Rechazo
rechazo
Z. Aceptación
Z. aceptación 0.01
(24,
2  13.28
0.01)  13.28  v2
 4,0.01
Regla de decisión:
calcular 4 frecuencias esperadas, y las faltantes se encuentran por
diferencia.
Se calcularán los valores esperados: E 11 , E
12 , E
13 y E
21
La siguiente tabla muestra los totales de cada fila y columna:
Fidelidad
Baja Promedio Alta Total
Baja 7 12 31 50
Selectividad Promedio 35 59 18 112
Alta 15 13 0 28
Total 57 84 49 190
 50  57   15
E  50  49   12.89
E
11 13
190 190
 50  84   22.11
E  112  57   33.6
E
12 21
190 190
Fidelidad
Baja Promedio Alta Total
Baja 15 22.11 12.89 50
Selectividad Promedio 33.6 49.52 28.88 112
Alta 8.4 12.38 7.22 28
Total 57 84.01 48.99 190
Valor de prueba:
O 
2
r c i j
E
 2  
ij
i 1 j 1
i j
E
 7  15 12  22.11  31  12.89   0  7.22 
2 2 2 2
 
2
   ... 
15 22.11 12.89 7.22
 2  52.74
decir que: la fidelidad no es independiente de la selectividad.
10. Se pidió a una muestra de empleados en una gran planta industrial
química que indicara su preferencia por uno de tres planes de
pensión o retiro. Los resultados se presentan en la tabla que sigue.
¿Parece haber alguna relación entre el plan de pensión seleccionado
y la clasificación de trabajo de los empleados? Utilice el nivel de
significancia de 0.01.
Plan de retiro
Clases de trabajo Plan A Plan B Plan C
Supervisor 10 13 29
Oficinista 19 80 19
Obrero 81 57 22
Solución
H 0: El plan de pensión es independiente de la clasificación del
trabajo del empleado.
H1: El plan de pensión no es independiente de la clasificación del
trabajo del empleado.
Z.Z.rechazo
Rechazo
Z. aceptación
Z. Aceptación 0.01
(224, 0.01)13.28
13.28  v2
 4,0.01
Regla de decisión:
Se calcularán los valores esperados: E 11 , E
12 , E
13 y E 21
La siguiente tabla muestra los totales de cada fila y columna:
Plan de retiro
Clases de trabajo Plan A Plan B Plan C Total
Supervisor 10 13 29 52
Oficinista 19 80 19 118
Obrero 81 57 22 160
Total 110 150 70 330
 52 110   17.33
E  52  70   11.03
E
11 13
330 330
 52 150   23.64
E  118 110   39.33
E
12 21
330 330
Plan de retiro
Clases de
trabajo Plan A Plan B Plan C Total
Supervisor 17.33 23.64 11.03 52
Oficinista 39.33 53.64 25.03 118
Obrero 53.33 72.73 33.94 160
Total 110 150 70 330
Valor de prueba:
O 
2
r c i j
E
 2  
ij
i 1 j 1
i j
E
10  17.33 13  23.64   29  11.03  22  33.94 
2 2 2 2
 
2
   ... 
17.33 23.64 11.03 33.94
  84.04
2

decir que: el plan de pensión no es independiente de la
clasificación del trabajo del empleado.
PROBLEMAS PROPUESTOS
1. En determinada prueba de bondad de ajuste de Chi-cuadrada hay
cuatro categorías y 200 observaciones. Utilice el nivel de
significancia de 0.05 y responda:
a) ¿Cuántos grados de libertad existen?
b) ¿Cuál es el valor crítico de Chi-cuadrada?
2. En cierta prueba de bondad de ajuste de Chi-cuadrada hay seis
categorías y 500 observaciones. Utilice el nivel de significancia de
0.01.
a) ¿Cuántos grados de libertad existen?
b) ¿Cuál es el valor crítico?
3. Las hipótesis nula y alternativa son:
H 0 : Las categorías de la celda son iguales.
H 1 : Las categorías de la celda no son iguales.
Categoría f
A 10
B 20
C 30
a) Enuncie la regla de decisión, usando el nivel de significancia de
0.05.
b) Calcule el valor Chi-cuadrada.
c) ¿Cuál es su decisión respecto a H 0 ?
4. Las hipótesis nula y alternativa son:
H 0 : Las categorías de la celda son iguales.
H 1: Las categorías de la celda no son iguales.
Categoría f
A 10
B 20
C 30
D 20
a) Establezca la regla de decisión, aplicando el nivel de
significancia de 0.05.
b) Calcule el valor Chi-cuadrada.
c) ¿Cuál es su decisión respecto a H 0 ?
5. Se tira un dado 30 veces, y los números del 1 al 6 aparecen en la
siguiente distribución de frecuencias. Al nivel de significancia de
0.10, ¿puede concluirse que el dado es “legal”?
Resultado 1 2 3 4 5 6
Frecuencia 3 6 2 3 9 7
6. Una directora de recursos humanos reunió la siguiente información
acerca del ausentismo del personal por día de la semana. Al nivel de
significancia de 0.05, ¿puede concluir que existe una diferencia en
la tasa de inasistencia por día de la semana?
Día Frecuencia
Lunes 124
Martes 74
Miércoles 104
Jueves 98
Viernes 120
7. Un grupo de compradores en una tienda departamental, después de
ver una nueva línea de vestidos, expresó sus opiniones. Los
resultados son:
Número de
Opinión
compradores
Extraordinario 47
Excelente 45
Muy bueno 40
Bueno 39
Regular 35
Inaceptable 34
Como el número más elevado (47) indicó que la nueva línea es
extraordinaria, el diseñador principal cree que es imperativo realizar
la producción en masa de los vestidores. El jefe de otra área (que
por alguna razón tiene que ver en el asunto) cree que no está claro
el motivo, y señala que las opiniones están distribuidas por igual en
seis categorías. Además, expresa que las ligeras diferencias entre
los diversos conteos probablemente se deban al azar. Pruebe la
hipótesis nula de que no existe diferencia significativa entre las
opiniones de los compradores. Use el nivel de riesgo de 0.01.
8. El jefe de seguridad de un gran centro comercial fue encargado de
estudiar el problema de mercancías faltantes. Seleccionó una
muestra de 100 cajas que habían sido manipuladas indebidamente,
y averiguó que para 60 de ellas, la desaparición de ropa, pantalones,
zapatos, etc., se atribuyó al “hurto en tienda”. De las otras 30 cajas,
los empleados sustrajeron la mercancía, y para las 10 cajas
restantes, se culpó deficiente control de inventario.
En su reporte a la administración, ¿puede él declarar que la “toma
sin pagar” es doblemente probable como causa de la pérdida, en
comparación con la sustracción por empleados o el deficiente
control de inventario? Aplique el nivel 0.02.
9. El director de seguridad de la empresa Honda, de Estados Unidos,
tomó una muestra al azar del archivo de accidentes menores, y los
clasificó con el tiempo en que tuvo lugar cada uno.
Hora Número de accidentes
8 a 9 a.m. 6
9 a 10 a.m. 6
10 a 11 a.m. 20
11 a 12 p.m. 8
1 a 2 p.m. 7
2 a 3 p.m. 8
3 a 4 p.m. 19
4 a 5 p.m. 6
Utilizando la prueba de bondad de ajuste y el nivel de significancia
de 0.01, determine si los accidentes están distribuidos unifor-
memente o no durante el día. Dé una breve explicación acerca de la
conclusión.
10. Se dan las siguientes hipótesis:
H 0 : Se tiene que el 40% de las observaciones están en la categoría
A, 40% están en la B, y 20%, en la C.
H1 : Las observaciones no son como se describe en H 0 .
Se toma una muestra de 60, con los resultados que siguen:
Categoría f0
A 30
B 20
C 10
a) Enuncie la regla de decisión aplicando el nivel de significancia
de 0.01.
b) Calcule el valor de Chi-cuadrada.
c) ¿Cuál es la decisión considerando H 0?
11. Durante muchos años los funcionarios de televisión utilizaron la
guía de que 30% de la televidencia (o “audiencia”) observaba
durante una noche a la semana las emisiones de cada una de las
emisoras en el horario con más público (prime-time), y 10% veía
televisión por cable. Una muestra aleatoria de 500 televidentes,
tomada de Tampa - San Petersburgo, Florida, la noche del lunes
pasado, reveló que en 165 hogares se sintonizaron con la compañía
afiliada de ABC, 140 con la red asociada NBC, y el resto observaba
una estación de televisión por cable. Al nivel de significancia de
0.05, ¿puede concluirse que la guía sigue siendo razonable?
12. El fabricante de un terminal de computadoras informa en su
material de publicidad que la duración media de tal dispositivo,
según uso normal, es de 6 años, con desviación estándar de 1.4
años. Una muestra de 90 unidades vendidas hace 10 años, mostró la
siguiente distribución de las duraciones. Al nivel de significancia de
0.05, ¿puede el fabricante concluir que tales tiempos están distri-
buidos normalmente?
Vida útil (años) frecuencia
Hasta 4 7
4a5 14
5a6 25
6a7 22
7a8 16
8 o mayor 6
13. Se informa que las comisiones sobre las ventas de autos nuevos,
promedian en 1500 dólares por mes, con una desviación estándar de
300 dólares. Una muestra de 500 agentes o representantes de ventas
en la región noroeste de Estados Unidos, indicó la siguiente
distribución de las comisiones. Al nivel de significancia de 0.01, ¿se
puede concluir que la población está normalmente distribuida, con
una media de 1500 dólares y una desviación estándar de 300 dólares?
Comisiones (dólares) frecuencia
Menor que 900 9
900 a 1200 63
1200 a 1500 165
1500 a 1800 180
1800 a 2100 71
2100 o mayores 12
Total 500
14. Una socióloga estuvo investigando esta cuestión: ¿existe relación
entre el nivel de educación y las actividades sociales de una
persona? Decidió manejar tres niveles de educación: asistió o
terminó la instrucción universitaria, asistió o termino la preparatoria
y asistió a la primaria o inferior. Cada uno lleva un registro de sus
actividades sociales, como jugar boliche en grupo, y salir a bailes o
ceremonias religiosas. La socióloga los dividió en frecuencia
superior al promedio, frecuencia promedio y frecuencia inferior al
promedio.
Actividad social
Instrucción Superior al promedio Promedio Inferior al promedio
Universitaria 18 12 10
Preparatoria 17 15 13
Primaria 9 9 22
a) ¿Cómo se denomina la tabla?
b) Establezca la hipótesis nula.
c) ¿Debe rechazarse la hipótesis nula al nivel de significancia de
0.05? Cite cifras para respaldar su decisión.
d) En forma específica, ¿qué indica esto para el problema?
15. El director de mercadotecnia de un diario metropolitano estudia la
relación entre el tipo y comunidad en que el (la) lector (a) vive y la
parte del periódico que lee primero. Para una muestra de lectores se
reunió la información que sigue:
Noticias Historietas
Comunidad Deportes
nacionales cómicas
Urbana 170 124 90
Rural 120 112 100
Granjera 130 90 88
Al nivel de significancia de 0.05, ¿se puede concluir que existe una

relación entre el tipo de comunidad donde la persona reside y la
parte del diario que lee primero?
16. Se están considerando cuatro marcas de lámparas eléctricas para su
uso en una gran planta manufacturera. El director de compras pidió
muestras de 100 a cada fabricante. Las cantidades de productos
aceptables e inaceptables de cada uno se indican a continuación. Al
nivel de significancia de 0.05, ¿existe alguna diferencia en la
calidad de bombillas?
Fabricante
Productos A B C D
Inaceptable 12 8 5 11
Aceptable 88 92 95 89
Total 100 100 100 100
17. El departamento de control de calidad de la empresa Food Town

Inc., una categoría de tiendas domésticas en Nueva York, realiza
una inspección mensual para comparar los precios registrados con
los anuncios. El siguiente diagrama resume los resultados de una
muestra de 500 artículos en el mes anterior. La administración de la
empresa desearía saber si existe alguna relación entre las tasas de
error en mercancía de precio regular y en los artículos de precio
especial. Utilice el nivel de significancia de 0.01.
Precio regular Precio especial anunciado
Precio menor 20 10
Sobreprecio 15 30
Precio correcto 200 225
18. El empleo de teléfonos celulares en automóviles ha aumentado
notablemente en los últimos años. El efecto de tal uso en las tasas
de accidentes de tránsito es de interés para los peritos viales y para
los fabricantes de dichos teléfonos. ¿Es más probable que alguien
que utilice un teléfono celular participe en un accidente de tránsito?
¿Cuál es su conclusión a partir de la siguiente información
muestral? Utilice el nivel de significancia de 0.05.
Tuvo accidente en el No tuvo un accidente
año pasado tal año
Usando teléfono celular 25 300
No utilizando teléfono celular 50 400
19. Los vehículos que se dirigen al oeste sobre la calle Front pueden
dar vuelta a la derecha, a la izquierda, o bien seguir derecho hasta la
calle Elm. Un experto en tránsito urbano cree que la mitad de los
vehículos continuará sin cambio de dirección por la intersección.
De la mitad restante, proporciones iguales darán vuelta hacia la
derecha o hacia la izquierda. Se observan 200 vehículos, con un
nivel de significancia de 0.10. ¿Se puede concluir que el experto en
tránsito está en lo correcto?
No cambia Vuelta a la Vuelta la
de dirección derecha izquierda
Frecuencia 112 48 40
20. El departamento de tarjetas de crédito bancarias de Carolina Bank
sabe, por su larga experiencia, que 5% de los tarjetahabientes han
tenido algunos estudios de bachillerato, 15% han terminado dicho
nivel escolar, 25% han tenido ciertos estudios universitarios y 55%
han concluido la instrucción de la universidad. De los 500
tarjetahabientes que fueron reportados por falta de pago este mes,
50 tenían estudios en bachillerato, 100 terminaron el nivel escolar,
190 tenían cierta preparación y 160 concluyeron la instrucción en
la universidad. ¿Se puede concluir que la distribución de
tarjetahabientes que no han pagado sus cuentas es diferente de la de
los demás? Aplique el nivel de significancia de 0.01.
21. El editor de una revista deportiva planea ofrecer uno de tres regalos
a los nuevos suscriptores: una sudadera con el logotipo de su equipo
favorito, una taza para café con tal símbolo o un par de aretes
también con dicho distintivo. A continuación se presenta la
información con respecto a la cantidad de obsequios seleccionados
para una muestra de 500 nuevos suscriptores. Al nivel de
significancia de 0.05, ¿existe alguna preferencia por cada regalo, o
se puede concluir que los obsequios gustan por igual?
Regalo Frecuencia
Sudadera 183
Taza para café 175
Aretes 142
22. En un determinado mercado de televisión estadounidense hay tres
estaciones de televisión comercial, cada una con su propio
programa de tarde, de 6:00 a 6:30 p.m. Según un informe en el
periódico local de esta mañana, una muestra aleatoria de 150
espectadores de anoche indicó que 53 vieron las noticias de la
estación WNAE (canal 5), 64 observaron la emisión de la WRRN
(canal 11), y 33 la de la WSPD (canal 13). Al nivel de significancia
de 0.05, ¿existe alguna diferencia en la proporción de espectadores
que vieron los tres canales?
23. Hay cuatro entradas a la tienda Saga Falabella, en Piura. El
supervisor de mantenimiento de la tienda desearía saber si los
accesos se utilizan equitativamente. Para investigar se observan a
400 personas que entraban a la tienda. A continuación se presenta la
cantidad de veces que se utiliza cada entrada. Al nivel de
significancia de 0.01, ¿existe diferencia en el uso de los cuatro
accesos?
Entrada Frecuencia
Calle Principal 140
Calle Cuzco 120
Calle Arequipa 90
Calle Huancavelica 50
Total 400
24. El propietario de un servicio comercial de pedidos por correo
desearía comparar sus ventas con la distribución geográfica de la
población. De acuerdo con la Oficina del Censo de Estados Unidos,
21% de la población vive en el noreste, el 24% en el oeste medio,
35% en el sur y 20% en el oeste. A continuación se presenta una
clasificación de una muestra de 400 pedidos seleccionados al azar
de los enviados en el mes anterior. Al nivel de significancia de 0.05,
¿es independiente la proporción en ventas de la zona geográfica?
Región Frecuencia
Noreste 68
Oeste medio 104
Sur 155
Oeste 73
Total 400
25. ¿Alguna vez compró una bolsa de dulces de chocolate M&M, y se
preguntó acerca de la distribución de los colores? El fabricante
informa que el 30% de las golosinas son de color café, 30%
amarillas, y un 10% corresponde a cada uno de los colores azul,
anaranjado, rojo, y verde. Una bolsa de 6.0 onzas de tales dulces
que se adquirió en cierta tienda de Piura, contenía un total de 72
golosinas con 17 cafés, 20 amarillas, 13 azules, 9 anaranjadas, 6
verdes y 7 rojas. Al nivel de significancia de 0.05, ¿se puede
concluir que la clasificación real por color de dichos dulces
concuerda con la distribución esperada?
26. El INEI informó recientemente que el número medio de televisores
por familia en Perú, es de 2.30 y la desviación estándar es de 1.474.
Una muestra de 100 hogares en Lima, indicó la siguiente cantidad
de televisores por casa:
Número de Número de
televisores hogares
0 7
1 27
2 28
3 18
4 10
5 o más 10
Al nivel de significancia de 0.05, ¿es razonable concluir que el
número de televisores por familia sigue una distribución normal?
Sugerencia: utilice límites tales como 0.50, 1.5, etc.
27. La empresa Eckel Manufacturing cree que los sueldos que paga por
hora siguen una distribución normal. Para confirmar esto, se tomó
una muestra de 300 trabajadores y los resultados fueron
organizados en la siguiente distribución de frecuencias. Determine
la media y la desviación estándar de estos datos agrupados en tal
distribución de frecuencias. Al nivel de significancia de 0.10, ¿se
puede concluir razonablemente que la distribución de salarios (o
sueldos) por hora se aproxima a una de tipo normal?
Sueldo por hora Frecuencia

5.50 a 6.50 20
6.50 a 7.50 54
7.50 a 8.50 130
8.50 a 9.50 68
9.50 a10.50 28
Total 300
28. Un estudio reciente por un gran comercio minorista, diseñado para

determinar si hay relación entre la importancia que un gerente da a
la publicidad y el tamaño del establecimiento comercial, presentó la
información muestral que sigue:
Establecimiento Importante No importante
Pequeño 40 52
Mediano 106 47
Grande 67 32
¿Cuál es su conclusión? Utilice el nivel de significancia de 0.05.
29. Doscientos hombres de diversos niveles gerenciales, seleccionados
al azar, fueron entrevistados con respecto a su interés o preocu-
pación acerca de asuntos ambientales. La respuesta de cada uno se
registró en una de tres categorías: sin interés, algo de interés y gran
preocupación. Los resultados fueron:
Nivel directivo Sin interés Algo de interés Gran preocupación
Gerencia alta 15 13 12
Gerencia media 20 19 21
Supervisor 7 7 6
Jefe de grupo 28 21 31
Utilice el nivel de significancia de 0.01 para determinar si existe
relación entre el nivel directivo o gerencial y el interés en asuntos
ambientales.
30. El Departamento de Reclamos de la aseguradora Pacífico Vida
considera que los conductores de auto más jóvenes tienen más
accidentes y, por lo tanto, se les debe dar cuotas de pólizas más
altas. El análisis de una muestra de 1200 personas aseguradas por
Pacífico Vida reveló la siguiente clasificación referente a si se había
tramitado una demanda en los últimos tres años y la edad del
reclamante asegurado. ¿Es razonable concluir que existe relación
entre la edad de la persona con póliza y si ha presentado una
demanda (pago seguro) o no? Utilice el nivel de significancia de
0.05.
Grupo de edades No hubo demanda Si hubo demanda
16 a 25 170 74
25 a 40 240 58
40 a 55 400 44
55 o mayores 190 24
Total 1000 200
31. Un estudio referente a la relación entre la edad y la presión que el
personal de ventas siente con respecto a su trabajo presentó la
información muestral que sigue. Al nivel de significancia de 0.01,
¿existe alguna relación entre la presión laboral y la edad?
Nivel de presión en el trabajo
Edad (años) Bajo Mediano Alto
Menor de 25 20 18 22
25 a 40 50 46 44
40 a 60 58 63 59
60 y mayor 34 43 43
32. A una muestra de 20 mujeres que querían comprar una tarjeta de
felicitación de cumpleaños y a una muestra de otras 20 mujeres que
querían comprar una tarjeta de boda, se les preguntó acerca de los
factores que eran importantes en al elección de una tarjeta. En la
siguiente tabla aparecen el número de mujeres de las dos muestras
que afirmaron que el dibujo de la tarjeta era un factor importante o
no lo era. Contrastar al nivel de significancia del 10% la hipótesis
nula de no asociaciones entre el tipo de tarjeta de felicitación y la
decisión de si el dibujo era un factor importante a la hora de elegir
la tarjeta o no.
Importancia del dibujo
Tipo de tarjeta Sí No
Cumpleaños 12 8
Boda 14 6
33. Se realizó una investigación sobre una muestra de 3266 dividendos
de acciones. Se clasificaron según hubiesen crecido o decrecido
respecto al año anterior y también según si fueron anunciados antes
o después del anuncio de las ganancias de las correspondientes
empresas. A partir de la información que se recoge en la siguiente
tabla, contrastar la hipótesis nula de no asociación entre el
crecimiento o decrecimiento de los dividendos y el momento de su
anuncio.
Anuncio Dividendo
Creciente Decreciente
Antes de las ganancias 1210 32 000
Después de las ganancias 1960 61 000
34. Se clasificó una muestra de agencias inmobiliarias según el tamaño

(medido como número de empleados) y según si tenían o no un
plan de marketing. La siguiente tabla contiene los números en cada
categoría. Contrastar, basándose en los datos de la tabla, al nivel del
1%, la hipótesis nula de no asociación entre el tamaño de las
inmobiliarias y el tener o no departamento de marketing.
Número de empleados Con plan de marketing Sin plan de marketing
Menos de 100 13 10
Entre 100 y 500 18 12
Más de 500 32 6
35. Una muestra de empresas en crisis fueron clasificadas según si los
fondos de capital habían sido o no declarados y también según si
existiese o no evidencia de una futura mejora. Utilizar los datos de
la siguiente tabla para contrastar la hipótesis nula de no asociación
entre estos atributos.
Posibilidad de futura mejora
Declaraciones
Sí No
Sí 28 39
No 20 47
36. Supongamos que en una tabla de contingencia de 2 × 2 representa-
mos los números observados como a, b, c, y d, como se indica en la
siguiente tabla:
TOTALES
a b
c d
TOTALES a+c b+d
Demostrar que el estadístico del contraste se puede escribir de la

siguiente manera.
n(ad  bc) 2
  2
(a  b)(a  c)(b  d )(c  d )

37. Se encuestó a varios directores generales de empresas y se les pidió
que valoraran entre bajo, medio y alto el rendimiento financiero de
su empresa y también se les pidió que valoraran de la misma
manera, la estrategia de su empresa. Contrastar al nivel de
significación del 1% la hipótesis nula de no asociación entre los dos
tipos de valoraciones.
Rendimiento financiero
Estrategia Bajo Medio Alto
Bajo 15 25 18
Medio 30 52 23
Alto 23 49 61
38. La siguiente tabla muestra información acerca de 55 predicciones
sobre la tasa de inflación. Las predicciones fueron clasificadas
según afirmasen que la inflación fuera a acelerarse o no. También
se clasificaron según la inflación del resultado observado.
Contrastar la hipótesis nula de no asociación entre las predicciones
a cinco años y a un año.
Predicción
Resultado Aceleración No aceleración
Crecimiento 18 11
Decrecimiento 6 20
39. Se realizó un seguimiento a lo largo de un año de una muestra de
201 vendedores de computadoras. En la siguiente tabla vemos una
clasificación de los vendedores según estuvieran casados o solteros,
y según si al cabo de ese año habían abandonado el trabajo o
continuaban. Contrastar al nivel de significación del 5% la hipótesis
nula de no asociación entre estar o no cansado y abandonar o no el
trabajo al cabo de un año.
Estado civil Siguieron trabajando Abandonaron
Casado 128 27
Soltero 34 12
40. A una serie de individuos, abogados o de otra profesión, se les pidió
que afirmaran si estaban o no de acuerdo con la siguiente
afirmación: “en los anuncios publicitarios debería aparecer siempre
el precio del producto que se anuncia”. Los resultados obtenidos se
muestran en la siguiente tabla. Contrastar la hipótesis nula de que
los abogados tiene la misma opinión respecto a la afirmación
anterior.
Profesión De acuerdo No opinan En desacuerdo
Abogados 76 16 25
No abogados 242 36 33
APLICACIONES EN EXCEL
Independencia entre atributos
En general dos atributos son independientes si la distribución de
probabilidad de cualquiera de los dos atributos no es condicionada por
las categorías del otro.
Ejercicio 1
De acuerdo al archivo Data_Estatus, creado en el capítulo 2, estudiar
la independencia entre las variables Estatus y Región.
Solución
 Abrir el archivo Excel Data_Estatus
 Seleccione Datos y luego Informe de tablas y gráficos

dinámicos.
 Active las opciones Lista o base de datos de Microsoft Office
Excel y Tabla dinámica.
 Seleccione el rango de datos A1:H151 y presione Siguiente >

 Active en la opción Hoja de cálculo existente la celda J2 (o la
opción Hoja de cálculo nueva según dónde se desee situar la
tabla dinámica).
 Seleccione Diseño...
 Arrastre el recuadro Estatus que aparece en el lado superior

derecho, a la zona de FILA y Región a la zona de COLUMNA.
A la zona de DATOS puede arrastrar cualquiera de las dos
variables, en nuestro caso enviaremos Estatus a dicha zona luego
presione Aceptar y Finalizar para obtener la tabla dinámica.
 A continuación copie la tabla a partir de la celda J9.
 A continuación se construye la tabla de frecuencias esperadas

mediante la fórmulas que se muestran:
 Finalmente se muestra la tabla de frecuencias esperadas:

A partir de los valores de la tabla de frecuencias observadas y de

la tabla de frecuencias esperadas se debe calcular el valor p y el valor
crítico para ello:
 Para encontrar el valor p nos ubicamos en la celda K25 insertar
función y elegir PRUEBA.CHI de la categoría Estadísticas.
 En la ventana Argumentos de función rellenar como se indica y

luego dé Aceptar.
 Para encontrar el valor  2 nos ubicamos en la celda K27 insertar

función y elegir PRUEBA.CHI.INV de la categoría
Estadísticas.
 En la ventana Argumentos de función rellenar como se indica y

luego dé Aceptar.
 Para encontrar el valor crítico nos ubicamos en la celda K28

insertar función y elegir PRUEBA.CHI.INV de la categoría
Estadísticas y rellenar como se indica en la figura.
 Como el valor p es mayor al nivel de significancia adoptado

(5%), se concluye indicando que las variables Estatus y Región
son independientes. De igual modo se concluye si se toma el
valor Chi-cuadrada, dado que este es menor que el valor crítico.

Bondad Ajuste Indepe Estadística

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

Bondad Ajuste Indepe Estadística

Cargado por

Copyright:

Formatos disponibles

CAPÍTULO

A menudo se desea saber si las frecuencias observadas difieren

Una medida de la discrepancia existente entre las 2 frecuencias

exactamente, mientras 2que si   0,no coinciden exactamente. A

valores mayores de  , mayores son las discrepancias entre las

es mayor que algún valor crítico, se deduce que las frecuencias

unilateral izquierdo), en cuyos casos se decide que la concordancia es

concluye, con un   0.05, que el nacimiento de hombres y mujeres no

Número de Frecuencia Frecuencia

 2   38  32.2   144  161.9    342  316.2  

32.2 161.9 316.2

Número de Frecuencia Frecuencia

Los grados de libertad serían 3 – 1 – 1 = 1, debido a que la media

28.32 21.24 10.44

1.45 1.95 1.7 5 8.5 9.7002551

Total 56 173.2 35.3571429

Como se puede observar el histograma tiene una forma que

A continuación se muestra la curva normal con sus respectivas

1.95 2.45 2.95 3.45 3.95

Como 0.71 no es mayor que 7.81, no se rechaza H0 y se concluye,

 2   20  17.46    54  65.82   130  112.23 

17.46 65.82 112.23

Como 7.03 es mayor que 4.61, se rechaza H0 y se concluye, con

Por lo tanto, la frecuencia esperada de la celda es:

Una forma alterna para calcular las frecuencias esperadas es la

Grados de libertad:  r  1 c  1   3  1 4  1  6

Se procederá a calcular los valores esperados de cada celda.

Mucha 47.03 56.44 53.75 57.78 215

Satisfacción Regular 73.28 87.94 83.75 90.03 335

Poca 54.69 65.62 62.5 67.19 250

Total 175 210 200 215 800

Como el valor de 2.75 es menor que el valor crítico 12.59, por lo

Utilice un nivel de significancia de   0.025 para determinar si

Se procederá a calcular los valores esperados de cada celda.

2 2   2665  945   888.33

Matutino Vespertino Nocturno Total

No defectuoso 893.03 888.3 883.67 2665

Total 950 945 940 2835

 45  56.97   55  56.7   70  56.33  870  883.67 

Dado que   7.38 se concluye aceptando H0. Sin embargo sería

riesgoso concluir que la proporción de defectuosos producidos es la

Alta sociedad Barrio marginal Clase media

12  10 11  10  7  10

Como   1.4 se encuentra en la zona de aceptación se concluye,

con un   0.05 , que las posibilidades para los tres licenciados es

El punto crítico correspondiente a una muestra de 300, según la

Los grados de libertad serían 6 – 1 – 1 = 4, debido a que la media

(24 4,0.05  9.49  v2

Se rechaza H 0 a un nivel de significancia del 1%. Esto quiere

Grados de libertad:  r  1 c  1   2  1 2  1  1

Se acepta H 0 a un nivel de significancia del 10%. Esto quiere

Se acepta H 0 a un nivel de significancia del 5%. Esto quiere decir

Use el nivel 0.01 de significancia para probar la hipótesis nula de

Grados de libertad:  r  1 c  1   3  1 3  1  4

Se rechaza H 0 a un nivel de significancia del 1%. Esto quiere

Hora Número de accidentes

Al nivel de significancia de 0.05, ¿se puede concluir que existe una

17. El departamento de control de calidad de la empresa Food Town

Sueldo por hora Frecuencia

28. Un estudio reciente por un gran comercio minorista, diseñado para

34. Se clasificó una muestra de agencias inmobiliarias según el tamaño

Número de empleados Con plan de marketing Sin plan de marketing

Demostrar que el estadístico del contraste se puede escribir de la