Universidad Nacional Autónoma de México

Facultad de Contaduría y Administración

Alumna: Ponce Ramírez Ana Maria

Estadística Inferencial

Unidad 4 Actividad 2

Fecha de entrega 11.10.23

“Declaro que esta actividad es de mi autoría”

Pruebas de Hipótesis con la Distribución Ji cuadrada
EJERCICIO 1 Elaborar un gráfico o cuadro indicando lo siguiente:
Tres características de Chi cuadrada
Aplicación para la prueba de varianza
Aplicación para la prueba de bondad
de ajuste (aproximaciones)
Aplicación de prueba de
a)Es una distribución asimétrica
derecha, lo que significa que tiene una
cola larga en el lado derecho de la
distribución.
b) Los valores de la variable aleatoria
Chi-cuadrada son siempre no
negativos.
c) La forma de la distribución Chi-
cuadrada está determinada por un
parámetro llamado grados de libertad
(df), que afecta su forma y escala.
Características: Se utiliza para probar
si la varianza poblacional es igual a
una cierta cantidad conocida o a la
varianza de otra población.
- Número de variables involucradas:
Una variable, la variable Chi-cuadrada.
- Hipótesis nula (H0): H0: σ² = σ²0
(donde σ² es la varianza poblacional y
σ²0 es el valor bajo prueba). -
Hipótesis alternativa (H1): H1: σ² ≠ σ²0
(dos colas) o H1: σ² > σ²0 (una cola, si
se busca una mayor varianza).
- Características: Se utiliza para
determinar si una muestra proviene de
una población con una distribución de
probabilidad específica. - Número de
variables involucradas: Una variable, la
variable Chi-cuadrada. - Hipótesis nula
(H0): H0: La muestra sigue la
distribución teórica especificada. -
Hipótesis alternativa (H1): H1: La
muestra no sigue la distribución teórica
especificada.
Ejemplo: Distribución teórica:
Distribución exponencial
En esta prueba, puedes usar una
distribución exponencial como la
distribución teórica y compararla con
una muestra para verificar si la
muestra sigue la distribución
exponencial o no.
Características: Se utiliza para
 independencia determinar si dos variables categóricas
son independientes entre sí.
- Número de variables involucradas:
Dos variables categóricas que forman
una tabla de contingencia.
- Hipótesis nula (H0): H0: Las dos
variables son independientes (no hay
asociación entre ellas). - Hipótesis
alternativa (H1): H1: Las dos variables
no son independientes (hay una
asociación entre ellas).
Ejemplo:
Distribución teórica: Distribución de
Poisson Supongamos que deseas
verificar si dos variables categóricas
(por ejemplo, género y preferencia de
deportes) son independientes. Puedo
utilizar una distribución de Poisson
como la distribución teórica y construir
una tabla de contingencia para
compararla con tus datos observados.
Aplicación para la prueba de - Características: Se utiliza para
homogeneidad comparar las distribuciones de varias
poblaciones y verificar si son
homogéneas o diferentes. - Número de
variables involucradas: Una variable, la
variable Chi-cuadrada. - Hipótesis nula
(H0): H0: Las poblaciones tienen la
misma distribución. - Hipótesis
alternativa (H1): H1: Al menos una de
las poblaciones tiene una distribución
diferente.
Distribución teórica: Distribución
uniforme En la prueba de
homogeneidad, puedo utilizar una
distribución uniforme como distribución
teórica para verificar si varias
poblaciones tienen la misma
distribución. Por ejemplo, puedo
comparar la distribución de ingresos en
tres ciudades diferentes asumiendo
que siguen una distribución uniforme.

1.) Menciona tres características de la distribución Ji Cuadrada

EJERCICIO 2
Un supervisor de producción está convencido de que la variabilidad de la densidad
de destape de latas de ciruelas pasas de calidad corriente es mayor a 4 grs. Al
tomar una muestra de 15 latas de ciruelas pasas dio los siguientes resultados de
densidad de destape. Calidad corriente: 23 22 18 20 24 20 20 18 18 20 20 20 22
23 24
Con un nivel de significancia del 2.5% establecer la hipótesis de que el supervisor
está en lo correcto.
Para probar la hipótesis del supervisor de que la variabilidad de la densidad de
destape de las latas de ciruelas pasas de calidad corriente es mayor a 4 gramos,
puedes realizar una prueba de hipótesis utilizando la distribución Chi-cuadrada.
Aquí está el procedimiento paso a paso:
Paso 1: Establecer las hipótesis
 Hipótesis nula (H0): La variabilidad de la densidad de destape es igual a 4
gramos (σ² = 4).
 Hipótesis alternativa (H1): La variabilidad de la densidad de destape es
mayor a 4 gramos (σ² > 4).
Paso 2: Calcular la estadística de prueba Para calcular la estadística de prueba,
primero necesitas calcular la varianza muestral de la muestra dada. La fórmula
para la varianza muestral es:
n
S2 = ∑ ¿ ¿ ¿
i =1

Donde:
 s2 es la varianza muestral.
 xi son los valores individuales en la muestra.
 x es la media de la muestra.
 n es el tamaño de la muestra.

En este caso, los valores de la muestra son:

x=[23,22,18,20,24,20,20,18,18,20,20,20,22,23,24]
n=15
Calcula la media de la muestra:
n
1
S2=∑ ¿ ¿ ¿= (23+22+18+20+24+20+20+18+18+20+20+20+22+23+24)=20.2
i =1 15
Ahora, calcula la varianza muestral:
n
S2 = ∑ ¿ ¿ ¿
i =1

Paso 3: Calcular la estadística de prueba Chi-cuadrada

2
2 (n−1)S
x=
σ2
Donde:
 χ2 es la estadística de prueba Chi-cuadrada.
 n es el tamaño de la muestra.
 s2 es la varianza muestral que calculaste.
 σ2 es el valor bajo prueba, que es 4 gramos en este caso.
4 (15−1)×6.79
χ 2= ≈ 25.71
4
Paso 4: Determinar la región crítica y tomar una decisión.
Con un nivel de significancia del 2.5%, necesitas encontrar el valor crítico de Chi-
cuadrada para α=0.025 y df=14 (grados de libertad).
Puedes consultar una tabla de distribución Chi-cuadrada o utilizar software
estadístico para encontrar el valor crítico. En este caso , X 20.025,142 ≈ 24.995

Ahora compara la estadística de prueba χ2 con el valor crítico X 20.025,142

 Si X 2 > X 20.025,142, rechaza la hipótesis nula (H0).

2
 Si X2≤ X 0.025,142no puedes rechazar la hipótesis nula (H0).

En este caso, X2=25.71>24.995, por lo tanto, rechazas la hipótesis nula. Esto

significa que hay evidencia suficiente para concluir que la variabilidad de la
densidad de destape es mayor a 4 gramos, respaldando la afirmación del
supervisor.
Ejercicio 3
En la compañía de seguros históricamente se tiene que la proporción de
accidentes
ocurren 0.20 de 8 a 9 horas, que 0.275 entre 9 y 10; 0.375 de 10 a 11 y 0.15 de 11
a
12 horas. Se puso un plan para disminuir accidentes por lo cual un director de
 seguridad observó durante una semana y registró los accidentes ocurridos
conforme
al momento que ocurrió el accidente.
Hora Número de
accidentes
8 a 9 am 7
9 a 10 am 8
10 a 11 am 19
11 a 12 am 6
Con un nivel de significancia de 1% Realizar la prueba de hipótesis para probar
que las
proporciones de accidentes ocurridos son igual en los diferentes horarios.
ara probar si las proporciones de accidentes ocurridos son iguales en los diferentes
horarios, puedes realizar una prueba de hipótesis de chi-cuadrado para la bondad de
ajuste. Aquí están los pasos para llevar a cabo la prueba de hipótesis:

Paso 1: Establecer las hipótesis

 Hipótesis nula (H0): Las proporciones de accidentes en los diferentes
horarios son iguales a las proporciones históricas dadas (0.20, 0.275,
0.375, 0.15).
 Hipótesis alternativa (H1): Al menos una de las proporciones de accidentes
difiere de las proporciones históricas.
Paso 2: Calcular las frecuencias esperadas Primero, calcula las frecuencias
esperadas para cada horario utilizando las proporciones históricas y el número
total de accidentes registrados durante la semana (7 + 8 + 19 + 6 = 40):
 Frecuencia esperada para 8 a 9 am: 0.20×40=80.20×40=8
 Frecuencia esperada para 9 a 10 am: 0.275×40=110.275×40=11
 Frecuencia esperada para 10 a 11 am: 0.375×40=150.375×40=15
 Frecuencia esperada para 11 a 12 am: 0.15×40=60.15×40=6
Paso 3: Calcular la estadística de chi-cuadrado La estadística de chi-cuadrado se
calcula utilizando la fórmula:
X2=¿ ¿
Donde:
  χ2 es la estadística de chi-cuadrado.
 O es la frecuencia observada para cada horario.
 E es la frecuencia esperada para cada horario.
Para los datos proporcionados:

 Para 8 a 9 am: X 21 =¿ ¿

 Para 9 a 10 am: X 22 =¿ ¿

 Para 10 a 11 am: X 23 =¿ ¿

 Para 11 a 12 am: X 24=¿ ¿

Paso 4: Calcular la estadística de chi-cuadrado total

2 2 2 2 2
X total =X 1 + X 2 + X 3+ X 4
2
X =¿ ¿
Paso 5: Encontrar el valor crítico
Con un nivel de significancia del 1% y 3 grados de libertad (porque hay 4
categorías y se resta 1 para obtener los grados de libertad), puedes buscar
el valor crítico de chi-cuadrado en una tabla de distribución chi-cuadrado o
utilizar un software estadístico. Para α=0.01 y 3 grados de libertad, el valor
crítico es aproximadamente 11.345.
Paso 6: Tomar una decisión Compara la estadística de chi-cuadrado total (
2 2
X total ) con el valor crítico ( X crítico).

 Si X 2total > X 2crítico, rechaza la hipótesis nula (H0).

 Si X 2total ≤ X 2crítico, no puedes rechazar la hipótesis nula (H0).

En este caso, Xtotal es menor que Xcritico por lo tanto no puedo rechazar la
hipótesis nula lo que indica que las proporciones de accidentes en los
diferentes horarios son iguales a las proporciones históricas.
EJERCICIO 4 En los negocios cada vez se hacen más pedidos en línea. Una
asociación recabó datos sobre la proporción de órdenes electrónicas llenadas
correctamente de acuerdo con el tipo de industria. En una muestra de 700 órdenes
electrónicas se obtuvieron los resultados siguientes.
Para determinar si el llenado correcto de las órdenes es independiente de la
industria, puedes realizar una prueba de independencia utilizando una tabla de
contingencia y la prueba de chi-cuadrado. Aquí están los pasos para llevar a cabo
la prueba de hipótesis:
Paso 1: Establecer las hipótesis
 Hipótesis nula (H0): El llenado correcto de las órdenes es independiente de
la industria.
 Hipótesis alternativa (H1): El llenado correcto de las órdenes no es
independiente de la industria.
Paso 2: Crear una tabla de contingencia Con los datos proporcionados, crea una
tabla de contingencia que muestre la relación entre el llenado correcto de las
órdenes y la industria.
Correcta Incorrecta Total
Farmacéutica 207 3 210
De consumo 136 4 140
Computadoras 151 9 160
Telecomunicación 178 12 190
total 672 28 700

Paso 3: Calcular la estadística de chi-cuadrado

La estadística de chi-cuadrado se calcula utilizando la fórmula:
X2=¿ ¿
 χ2 es la estadística de chi-cuadrado.
 O es la frecuencia observada en cada celda de la tabla.
 E es la frecuencia esperada en cada celda de la tabla.
Para calcular χ2, primero calculamos las frecuencias esperadas para cada celda.
La fórmula para calcular la frecuencia esperada en una celda es:
total de la fila x total de la columna
E=
total general
Por ejemplo, para la celda "Farmacéutica - Correcta", la frecuencia esperada
sería:
210 x 672
E= ≈ 201.6
700
Luego, calculamos χ2 para cada celda y sumamos todos los valores:
X2=¿ ¿
Paso 4: Encontrar el valor crítico Con un nivel de significancia de α=0.05 y
(4−1)×(2−1)=3(4−1)×(2−1)=3 grados de libertad (porque hay 4 categorías y 2
niveles en la variable industria), puedes buscar el valor crítico de chi-cuadrado en
una tabla de distribución chi-cuadrado o utilizar un software estadístico. Para
α=0.05 y 3 grados de libertad, el valor crítico es aproximadamente 7.815.
Paso 5: Calcular el valor p.
La estadística de chi-cuadrado calculada para la tabla de contingencia es
aproximadamente 7.8467.846 y el valor p asociado es aproximadamente 0.04930
Comparando con el valor crítico de 7.8157.815 y el nivel de significancia de
α=0.05:
 Dado que χ2≈7.846>7.815, la estadística de chi-cuadrado es mayor que el
valor crítico.
 Además, el valor p es menor que α=0.05 (aunque es muy cercano).
Paso 6: Tomar una decisión Comparar la estadística de chi-cuadrado calculada
con el valor crítico y el valor p:
 Si χ2>7.815 o el valor p es menor que α=0.05, entonces rechazas la
hipótesis nula (H0). Esto significa que el llenado correcto de las órdenes no
es independiente de la industria.
 Si χ2≤7.815 y el valor p es mayor o igual a α=0.05, entonces no puedes
rechazar la hipótesis nula. Esto significa que no hay evidencia suficiente
para concluir que el llenado correcto de las órdenes depende de la
industria.
Con base en estos resultados, rechazaríamos la hipótesis nula de que el llenado
correcto de las órdenes es independiente de la industria. Esto sugiere que hay
suficiente evidencia para concluir que el llenado correcto de las órdenes depende
de la industria.
Referencias:
https://youtu.be/gHkMGcn2MsE?si=APkELcOw8X2LZTdM 11/10/23
https://youtu.be/Vzqha_RO4ZY?si=k5K9NTeuJOByJYGl 11/10/23