DESGASTE Probabil

mgr/kg idad (pi)

CATEGORÍAS fi (O) E= (n*p)
1 50 a 100 23 0.3 29.40
2 100 a 150 15 0.3 29.40
3 150 a 200 36 0.2 19.60
4 200 a 250 24 0.2 19.60
Total 98 1

x2= 7.81473
 Ejemplo Se tienen una muestra de un neumáticos
probar su resistencia al desgaste. Los niveles (k) de
X2 gl cada nivel se muestran en el cuadro.
1.39 gl=k-1
7.05
13.72 3 •H0: O = E: p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2
0.99 H1: O ≠ E: El patrón expresado por el fabricante no se cumple
23.156

α=0.05

P- VALUE3.7461232E-05

x2= 23.156
a de un neumáticos para realizar un experimento y
te. Los niveles (k) de desgaste y las frecuencias en
uadro.

bricante no se cumple
PRUEBA DE BONDAD DE AJUSTE
UNIFORME

H0: O = E: p1 = p2 = p3 Las semillas se dan por igual

en cualquier color. (distribución uniforme)
H1: O ≠ E: Las semillas se dan en proporciones 〖 𝑥〗 ^2 =
diferentes.
∑▒(𝑂
•gl = K - 1 gl=3-1=2gl /𝐸
E1 = n*p1.

Conclusión: No existe evidencia para probar que los datos confirman

genética.
 COLOR DE SEMILLA ( O )
ROJA 195
AMARILLA 73
BLANCA 100
368

No se acepta

〖 𝑥〗 ^2 =
∑▒(𝑂−𝐸)^2
/𝐸
x2=

los datos confirman la teoría

ANÁLISIS CON P- VALUE

2.89569860113E-15 <
 pi (O-E)^2/E
( E )
0.333 122.667 42.65307971015
0.333 122.667 20.10960144928
0.333 122.667 4.188405797101
1.00 368 66.95108695652

α = 0.05

P-VALUE
2.8956986E-15

5.9914645
x2= 66.9511

0.05 Ho no se acepta
P= 0.615 Valor crítico con α=0.0
q= 0.385 9.48773
gl= k-1 5
La distribución es binomial

Análisis con P- value

0.07248382
 H0: Los datos tienen una distribución binomial Se acepta
H1: Los datos no tienen una distribución binomial

Nro de Probabilidad Estadístico

NIVEL turnos (O) binomial E de prueba
0 0 0.0085 5.07522029 5.07522029
1 46 0.0676 40.5358504 0.73655617
2 119 0.2158 129.504145 0.85199644
3 225 0.3448 206.870258 1.58885833
4 158 0.2754 165.227544 0.31615426
5 52 0.0880 52.7869816 0.01173282
600 1.0000 600 8.58051832

Valor crítico con α=0.05

X2= 11.0704977
X2=8.58051832

nálisis con P- value

> 0.05 Se acepta Ho

p-value

0.07248382
Hubo una constructora que edificó 440 casas y durante el primer mes de ocup
en la construcción de cada casa.
Se quiere probar si los errores siguen una distribución de poisson al 5% de niv

Frecuen
cia Probabil Nueva
Nro de absoluta idad de Frecuencia frecuencia
errores (casas) λ Poisson esperada esperada
0 18 0 0.04746668 20.88533951425 20.8853395142
1 53 53 0.1446655 63.65281883774 63.6528188377
2 103 206 0.22045049 96.99821597887 96.9982159789
3 107 321 0.22395766 98.5413694149 98.5413694149
4 82 328 0.17064047 75.08180476442 75.0818047644
5 46 230 0.10401312 45.76577281322 45.7657728132
6 18 108 0.05283394 23.24693232672 23.2469323267
7 10 70 0.02300335 10.12147280848 10.1214728085
8 2 16 0.00876349 3.855936089822 5.16169626569
9 1 9 0.00296764 1.305760175872
440 3.05

λ: es la media
de la
disribucion
de poisson

gl -2
nte el primer mes de ocupación de las casa se reportaron errores

n de poisson al 5% de nivel de significancia

X2
0.39861378 Ho: El número de errores tiene una distribución de Poisson No se rechaza Ho
1.78283619 H1: El númeo de errores no tiene una distribución de Poisson
0.37136159
0.72607507
0.63745704
0.00119876
1.18425513
0.00145786
0.90530913
6.00856455

14.0671404
o se rechaza Ho

,.
El artículo “Nonbloated Burned Clay Aggregate Concrete” (J. Materia
563) publica los siguientes datos sobre resistencia flexional de 7 días,
de concreto con agregado de arcilla quemada sin curar (en libras por
cuadrada psi)
Realice la prueba a nivel de 0.10, para determinar si la resistencia flex
variable distribuida normalmente con media de 420psi y desviación
86,3.
257 327 317 300 340 340 343
383 393 407 407 434 427 440
456 460 456 476 480 490 497

H0: O = E: La población tiene una distribución normal con u=420psi y desv

H1: O ≠ E: La población no tiene una distribución normal.

•R = max – min = 700-257 = 443. µ = 420

•K = 1 + 3.32Log(30) = 5,904 = 6 σ = 86.3
•A = 443/6 = 88.6 ≈ 100

RESISTENCIA Xi ( o ) Z pi pi
250 350 300 7 -1.3905 0.08219 0.08219
350 450 400 13 -0.2317 0.40837 0.32618
450 550 500 9 0.927 0.82304 0.41467
550 650 600 0 2.08575 0.9815 0.15846
650 750 700 1 3.2445 0.99941 0.01791
30 1.00
marca declases

Conclusión: No existe evidencia muestral para probar que la població

una u=420psi y desviación estándar de σ=86,3.
oncrete” (J. Materials, 1972: 555-
a flexional de 7 días, de muestras
curar (en libras por pulgada

r si la resistencia flexional es una

420psi y desviación estándar de

374 377 386

407 450 440
526 Dist 700

al con u=420psi y desviación estándar de σ=86,3. no se acepta

E=n*pi 〖 𝑥〗 ^2 =
∑▒(𝑂
/𝐸
(O-E)^2/E
( E )
2.46566 8.3386
9.78532 1.05609
12.4401 0.9513
4.75388 4.75388
0.53737 0.39828
30 15.4982 X2= 7.77944034
X2=

obar que la población tiene una distribución normal con

 〖 𝑥〗 ^2 =
∑▒(𝑂−𝐸)^2
/𝐸
P-VALUE
0.06414372

0.1

15.4981565

ANÁLISIS CON P-VALUE

0.0641 < 0.1 Ho no se acepta
PRUEBA DE BONDAD DE AJUSTE
Análisis de los últimos dígitos de pesos: frecuencia iguales esperadas.
Consulte los últimos dígitos de los 80 pesos . Ponga a prueba la severación
de que los dígitos no se presentan con la misma frecuencia . Con base en los
resultados ,¿qué concluye acerca del procedimiento usado para obtener los
pesos ?

ULTIMOS DÍGITOS DE PESOS

ULTIMO FRECUENCIA FRECUENCIA

DIGITO OBSERVADA (O)
0 35
1 0
2 2
3 1
4 4
5 24
6 1
7 4
8 7
9 2
80
ESPERADA € ((O-E)^2)/E
8 91.125
8 8 Análisis con P-Value
8 4.5
8 6.125 3.95928E-29
8 2 Por tato se rechaza Ho
8 32
8 6.125
8 2
8 0.125
8 4.5
80 156.5

α=0.05
P-Value
3.9592803E-29

156.5
VC
16.9189776046205

A un nivel de significancia del 5% ,hallamos suficiente evidencia para sustentar la aseveración de que los últim
dígitos no se presentan con la misma fecuencia.
Es de presumir que los pesos no hayan sido realmente medidos sino solo reportados
sin previa medición.
 Ho : p1=p2=p3=p4=p5=p6=p7=p8=p9 Se reachaza Ho
H1 : al menos una de las probabilidades es diferente de las otras
Se usará α=0.05

álisis con P-Value

< 0.05
tato se rechaza Ho

everación de que los últimos

 FRECUENCI
A
DÍAS TRABAJADORES ESPERADA x2
LUNES 49 40 2.025
MARTES 35 40 0.625
MIÉRCOLES 32 40 1.6
JUEVES 39 40 0.025
VIERNES 45 40 0.625
200 200 4.9

A un nivel de significancia del 5%, no hay razón para creer que la as

médico no siga una distribución equitativa durante los días de sem
cantidad de consultas de lunes a viernes se lleva a cabo con equida
 Ho = p1=p2=p3=p4=p5 SE ACEPTA

H1 = al menos una de las probabilidades es diferentP.value

Se usará α=0.05

k=5
vc 9.487729
creer que la asistencia al consultorio
os días de semana, más bien la
abo con equidad.

9.48772904

x2= 4.9

ANÁLISIS CON P-VALUE

0.2977 > 0.05 Por tanto Ho se acepta
0.2977
TIPO DE CRÉDITO fi (O) Política (hi) E X2
COMERCIALES 62 0.6 51.00 2.3725
PERSONALES 10 0.1 8.50 0.2647
EXTRANJEROS 13 0.3 25.50 6.1275
85 1 8.7647

α=0.10

P- VALUE

x2= 4.60517019
x2= 8.7647
 VC
gl=k-1
2
Ho: Se mantuvo el patrón de cartera deseado
H1: No se mantuvo el patrón

ANÁLISIS CON P-VALUE

0.0125 < 0.1 Ho NO SE ACEPTA

Hallamos evidencia de que el patrón de cartera

deseado no se ha mantenido, la política ha cambiado

0.0125
 (O) (E) X2
INVIERNO 328 340.25 0.441
PRIMAVERA 334 340.25 0.1148
VERANO 372 340.25 2.9627
OTOÑO 327 340.25 0.516 Ho: PI=PP=PV=0P
1361 1361 4.0345 H1: Al menos una de
es diferente de la ot
P-VALUE ANÁLISIS CON P-VAL
0.2578
0.2578

Se acepta HO

Al 1% se concluye q
no condicionan los d
α=0.01

X2= 11.345

4.0345334313
Ho: PI=PP=PV=0P Se acepta
H1: Al menos una de las proporciones
es diferente de la otra.
ANÁLISIS CON P-VALUE

> 0.01

Se acepta HO

Al 1% se concluye que las condiciones climáticas

no condicionan los delitos violentos