PRUEBAS DE BONDAD DE AJUSTES

Paso 1: Definir Ho y H1 (Hipótesis nula e hipótesis alternativa)

Ho: X -> f(x)

H1: X no se distribuye f(x)

Paso 2: Calcular el estadístico de prueba

n
x 2 calculado : ∑ ( ¿−ei ) 2
i=1 ei

X ni Pi ei= Pi. n

Xi . P (X = X1) e1
. .
. .
Xn . P (X = Xn) En
TOTAL n 1 n

Observación: Siempre se debe verificar que ei ≥5

Paso 3: Definir una ecuación crítica o de rechazo

2 2
χ calculado ≥ x ( k −r−1 ; 1−∝ )
K= número de filas

R= número de parámetros desconocidos que se calcularon

Paso 4: Concluir respecto a Ho, informando el valor del grado de significación (α)

 Si x 2calculador cae en la región crítica se rechaza Ho

 Si x 2calculado no cae en la región crítica se acepta Ho

EJEMPLO 1
El número de autos que vende diariamente cierta empresa (x), se modela mediante la
siguiente función:
x
2
P (X= xi) = sí X= 1,2,3,4
6. x !
Es 0 en otro caso

Para analizar si este modelo ha cambiado, debido a la fuerte baja del dólar, se observan las
ventas realizadas durante 90 días tomadas en forma aleatoria. Se obtuvo:
 Numero de autos Número de días
vendidos (X)
1 25
2 34
3 22
4 9
TOTAL 90

Con un nivel de significación de 5% ¿Concluiría usted que el modelo ha cambiado?

Solución

Ho: X -> f(x)

H1: X no se distribuye f(x)

X ni P (x=xi) ei= Pi. n

1 25 0,3333 29,9970
2 34 0,3333 29,9970
3 22 0,2222 19,998
4 9 0,1112 10,008
TOTAL 90 1 90

. Como calcular las probabilidades de P (x=xi)

1
2
- P (x=1) = = 0,3333
6.1 !
2
2 4 1
- = =
6.2 ! 6.2.1 3
Calcular el estadístico de prueba:
n 2 2 2
(25−29,9970) (34−29,9970) (2 2−19,998)
x calculado : ∑ ( ¿−ei ) 2 =
2
+ 34 – + +
i=1 ei 29,9970 29,9970 19,998
2
(9−10,008)
= 1,6685
10,008
2
x calculador = 1,6685
Región crítica:
2 2
χ calculado ≥ x ( k −r−1 ; 1−∝ )
K=4

R=0
 2
x ( 3 ; 0 , 95 ) = 7,8147
 Entonces como χ 2 calculado no cae en la región crítica se acepta Ho, que significa que
X se distribuye según la función, es decir, se concluye que el número de auto se puede
x
2
modelar cuando X vale 1,2,3,4.
6. x !

EJEMPLO 2
El encargado de control de calidad de una empresa exportadora de arándanos revisó al azar
700 cajas, registrando el número de unidades defectuosas en cada una de estas cajas. La
información obtenida se resume en la siguiente tabla:

N° de unidades N° de cajas
defectuosas por caja
0 542
1 140
2 10
3 8

. Se quiere probar si el comportamiento del numero de unidades defectuosas por cajas se

puede modelar según un modelo de distribución binomial, con n=3 y p=0,08. Use un nivel de
significación de 0,05.

SOLUCIÓN

X= N° de unidades defectuosas por caja

Distribución binomial se define como:

n 3
P(X=xi) = ( ). P x. q n−x = . 0 , 08 x. 0 , 923− x
x x
. Ho: X -> Bin (n=3; p=0,08)

.H1: X no se distribuye Bin (n=3; p=0,08)

X ni 3 ei= Pi. n
P (x=xi) = ( ). 0 , 08 x.
x
3− x
0 , 92
0 542 3 700. 0,7787= 545,09
( ). 0 , 080 . 0 , 923 = 0,7787
0
1 140 3 142,17
( ). 0 , 081. 0 , 922 = 0,2031
1
2 10 3 12,39
( ). 0 , 082. 0 , 921 = 0,0177
2
 3 8 3 0,35
( ). 0 , 083. 0 , 920 = 0,0005
3
700 1

ni P (x=xi) ei

542 0,7787 545,09

140 0,2031 142,17

18 0,0182 12,74

Total: 1 700
700

n 2 2 2
(542−545 ,09) (140−142 ,17) (18−12 ,74)
x 2 calculado : ∑ ( ¿−ei ) 2 =¿ = + + =
i=1 ei 545 , 09 142 , 17 12 , 74
2,2223

Región crítica
2 2
χ calculado ≥ x ( k −r−1 ; 1−∝ )
2
x ( 3−0−1; 1−0 , 05 )
2
x calculado > x ( 2 ; 0 , 95 )
2

=5,9915

- Entonces como χ 2 calculado no cae en la región crítica se acepta Ho que significa X

tiene una distribución binomial con α=0,05.