Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A lo largo de este curso 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.
n
(O Ei ) 2
La fórmula que se utilizará para calcular el valor de ji-cuadrada es igual: x P2 i ,
i 1 Ei
con el concepto de grados de libertad = n-1-k donde n=número de clases o categoría
y k= el número de parámetros estimados
Se debe dividir los datos en clases, que contengan como mínimo de frecuencia 5, en caso contrario
se unen dos o más clases continuas. Después para hallar la frecuencia esperada hay que hallar la
probabilidad de la distribución que creemos que los datos provienen, en cada clase. Luego el valor
esperado se calcula de esta manera: Ei=npi
Ejemplo:
1.-Se desea saber si un dado está bien balanceado, y se lanza 180 veces, obteniéndose los resultados
siguientes: 23 veces el uno, 35 veces el dos, 27 veces el tres, 40 veces el cuatro, 15 veces el cinco y
40 veces el seis.
Nivel de 0 -- 800 800 -- 1300 1300 -- 1800 1800 -- 2300 Más de 2300
ingresos
mensuales
Proporción 38% 25% 12% 8% 17%
de la
población
Para verificar esta hipótesis, se toma una muestra de 2000 personas con los siguientes
resultados:
Ingresos 0 -- 800 800 -- 1300 1300 -- 1800 1800 -- 2300 Más de 2300
No de personas 800 475 300 155 270
Personas 760 500 240 160 340
esperadas
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 de Número de series
caras (frecuencia observada)
0 38
1 144
2 342
3 287
4 164
5 25
Total 1000
2,47
Por lo tanto p 0,494 . Así pues, la distribución binomial ajustada viene
5 5
dada por. 5
P( x) (0,494) x (0,506) (5 x )
x
0 0.0332 33.2 38
5 0.0293 29.3 25
Justificación y decisión:
Como el 8,1084 no es mayor a 9.49, no se rechaza H0 y se concluye con un
= 0.05 que el ajuste de los datos a una distribución binomial es bueno.
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 = 0.05.
Solución:
H0: La forma de la distribución de los defectos es Poisson.
Ha: La forma de la distribución de los defectos no es Poisson.
A partir de la distribución Poisson con parámetro 0,75 pueden calcularse las probabilidades
asociadas con el valor de x. Esto es la fórmula de la Poisson es:
e x e 0,75 (0,75) x
P( x) para x 0, 1,.....
x! x!
Con esta fórmula se calculan las probabilidades, mismas que se multiplican por 60 para
obtener los valores esperados.
Número de Frecuencia Frecuencia
Probabilidad
defectos esperada observada
0 0.472 28.32 32
1 0.354 21.24 15
2 0.133 7.98 9
1,000 60 60
Puesto que la frecuencia esperada en la última celda es menor que 5, se combinan las dos
últimas celdas.
0 28.32 32
1 21.24 15
2 ó más 10.44 13
60 60
Los grados de libertad serían 3-1-1=1, debido a que la media de la distribución Poisson fue
estimada a partir de los datos.
Regla de decisión:
Si xP2 3,84 no se rechaza Ho.
Si xP2 3,84 se rechaza Ho
O lo que es lo mismo p(valor) 0,005 se rechaza H0
Cálculos:
3
(Oi Ei ) 2
x P2 2,9392
i 1 Ei
Justificación y decisión:
Como el 2.9392 no es mayor a 3.84, no se rechaza H0 y se concluye con un
= 0.05 que la distribución de defectos en las tarjetas de circuito impreso es Poisson.
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
Solución:
Se procede a elaborar el histograma, para visualizar los datos:
Como se puede observar el histograma tiene una forma que aparenta ser normal, se probará
esta hipótesis.
H0: Los datos provienen de una distribución normal.
Ha: Los datos no provienen de una distribución normal.
Frecuencias
Límites de clase P(x)
observadas
Frecuencias Frecuencia
Límites de clase Probabilidad
observadas esperada
Luego unimos las clases 1,2 y 3 y las clases 6 y 7 para que las clases tengan frecuencias
como mínimo 5
Frecuencias Frecuencia
Límites de clase Probabilidad
observadas esperada
40 1.000 40
4
(Oi Ei ) 2
x P2 3.0604 p(valor) 0,3824 0,05
i 1 Ei
Justificación y decisión:
Como el 3.06 no es mayor de 7.815, no se rechaza H0 y se concluye con un
= 0.05 que el ajuste de los datos a una distribución normal es bueno.