“AÑO DE LA INTEGRACIÓN NACIONAL Y EL RECONOCIMIENTO DE NUESTRA DIVERSIDAD” UNIVERSIDAD NACIONAL DE PIURA ESCUELA PROFESIONAL DE INGENIERIA INFORMATICA

INTEGRANTES: Córdova Holguín Fabrizio Merino Juárez Manuel Neira Mija Wilson Palacios Romero Richard Sánchez Portocarrero Gustavo DOCENTE: Ing. Carmen Quito Rodríguez ASIGANTURA: Modelos Estocásticos FECHA: 11/04/2012

PIURA-PERU 2012

. Prueba Chi cuadrada de Pearson para una muestra La prueba estadística de X2 para una muestra se emplea frecuentemente como prueba de bondad de ajuste. Se utiliza solo la frecuencia. Cuando se quiere contrastar o comparar hipótesis. si hay dos subclases. Cuando los datos son independientes. La eficacia de la prueba está de acuerdo con el tamaño de la muestra. pues con un grado de libertad. en un plan experimental. en el que se cuenta con un grupo muestral. sin embargo. fo = frecuencia observada. Cuando la muestra es seleccionada no probabilísticamente. resulta muy útil este procedimiento. Investigaciones de tipo social .muestras pequeñas no representativas >5. con diversas subclases y las mediciones están en escala nominal. Cuando se requiere de establecer el nivel de confianza o significatividad en las diferencias. Población > a 5 y < a 20.1. fe = frecuencia esperada. Cuando se desconocen los parámetros media. La Chi cuadrada se utiliza cuando:            Cuando los datos puntualizan a las escalas nominal u ordinal. Poblaciones pequeñas. moda. etc. algunos autores consideran que la prueba es insensible. no obstante la información que aporta más de dos categorías es satisfactoria en función de la fórmula: Donde: X2 = valor estadístico de Chi cuadrada. X2 permite establecer diferencias entre f y se utiliza solo en escala nominal.

la prueba estadística aconsejable será la de probabilidad exacta de Fischer y Yates. 3. Elevar al cuadrado las diferencias y dividirlas entre los valores esperados de cada categoría. Calcular los valores teóricos esperados para el modelo experimental o tipo de distribución muestral: normal. En sentido opuesto. el valor de probabilidad de error para aceptar hipótesis alternas (Ha o Ho) se acerca a 1. a. pero existen alternativas. 7. binomial y de Poisson. Calcular los grados de libertad (gl) en función de número de categorías [K]: gl = K . 6. la prueba de Chi cuadrada es el procedimiento de elección para el contraste de hipótesis. 8. Decidir si se acepta o rechaza la hipótesis X2c ³ X2t se rechaza Ho. sin embargo. 2. Si en el modelo experimental se tiene una tabla de contingencias de 2 X 2 y la muestra total es menor a 20 e incluye cero en alguna casilla. Esta prueba estadística se emplea en el análisis de dos o más grupos y de dos o más variables.1. es conveniente no aplicar la prueba de Chi cuadrada. b. pero con frecuencias pequeñas. La eficacia de la prueba no se ha determinado con exactitud. Comparar el estadístico X2 con los valores de la distribución de Chi cuadrada en la tabla. Las dos alternativas propuestas aumentan notoriamente la eficacia con muestras de tamaño pequeño y se limita la probabilidad de cometer el error del tipo I. Efectuar la sumatoria de los valores calculados. Arreglar las categorías y las frecuencias observadas. a medida que el tamaño de la muestra aumenta. 2. 4. se pierde eficacia. La fórmula es: . Con grupos múltiples. En estas condiciones. se recomienda usar la prueba de Chi cuadrada de proporciones.Pasos. menores que cinco. 1. cuando el número de la muestra es menor que 20. Prueba chi cuadrado de Pearson para dos y más muestras independientes Cuando las observaciones de una investigación corresponden a muestras independientes y las mediciones se tienen en escala nominal. Calcular las diferencias de las frecuencias observadas en el experimento con respecto a las frecuencias esperadas. 5.

Calcular los grados de libertad (gl): gl = (K columnas -1) [H hileras -1]. 8. 4. 2. Decidir si se acepta o rechaza la hipótesis X2c ³ X2t se rechaza Ho. Obtener la sumatoria de los valores anteriores. El valor de X2 se compara con los valores críticos de Chi cuadrada de la tabla de valores críticos de X2 y de acuerdo con los grados de libertad. 5. 6. Elevar al cuadrado las diferencias y dividirlas entre el valor teórico de la casilla correspondiente. Arreglar las observaciones en una tabla de contingencias. fo = frecuencia observada. 7.Donde: X2 = valor estadístico de Chi cuadrada. Calcular las diferencias entre los valores observados con respecto a los teóricos de cada casilla. y se determina la probabilidad. . Pasos: 1. fe = frecuencia esperada. 3. que es el estadístico X2. Determinar el valor teórico de las frecuencias para cada casilla.

 Nivel de significación. Zona de rechazo. Habrá diferencia significativa entre la cantidad de cigarros fumados por causa del estrés en personas que trabajan. por lo tanto: fo = 18 fe = 6 gl = 3 + 1 = 2 a = 0.Ejemplo 01: Un investigador quiere comparar si hay diferencias en la cantidad de cigarros fumados por causa del estrés en personas que trabajan. a todas las casillas corresponde un valor igual.05. se acepta Ha y se rechaza Ho. Aplicación de la prueba estadística. Planteamiento de la hipótesis. se acepta Ho y se rechaza Ha. Hipótesis nula (Ho). Para todo valor de probabilidad igual o menor que 0.  Hipótesis alterna (Ha).05. El cálculo de la frecuencia esperada se efectúa en virtud de que para una hipótesis nula. No Habrá diferencia significativa entre la cantidad de cigarros fumados por causa del estrés en personas que trabajan.05 . Para todo valor de probabilidad mayor que 0.

Zona de rechazo. durante los 5 días de trabajo de la semana.05. ¿existe alguna razón para creer que el número de empleados que asisten al consultorio médico. El número de empleados que acuden al consultorio médico no se encuentra distribuido en forma uniforme a lo largo de la semana.05 corresponde la cifra de 5.99 se acepta Ho: No hay diferencias significativas entre el consumo de cigarros por causa del estrés. el estadístico Chi cuadrada de 4. Decisión. X2c < X2t se rechaza Ha Entonces tenemos que: 4. se acepta Ho y se rechaza Ha.99.El valor calculado de X2 se compara con los valores críticos de la tabla de valores críticos de X2. Ejemplo 02: El gerente de una planta industrial pretende determinar si el número de empleados que asisten al consultorio médico de la planta se encuentra distribuido de forma equitativa. Hipótesis nula (Ho). se acepta Ho y se rechaza Ha. Para todo valor de probabilidad igual o menor que 0. Con base en una muestra aleatoria de cuatro semanas completas de trabajo. . Interpretación. Para todo valor de probabilidad mayor que 0.05.05. no se encuentra distribuido de forma equitativa durante los días de trabajo de la semana? Planteamiento de la hipótesis.3 tiene una probabilidad mayor que 0.3 < 5. En virtud de que la probabilidad obtenida al calcular el valor de X2 está dentro de la región de rechazo. El número de empleados que acuden al consultorio médico se encuentra distribuido en forma uniforme a lo largo de la semana. se observo el siguiente número de consultas: Lunes 49 Martes 35 Miércoles 32 Jueves 39 Viernes 45 Total 200 Con α=0.05. El consumo de cigarros por causa del estrés se puede considerar como efecto del azar.  Nivel de significación. se acepta Ha y se rechaza Ho. por lo tanto.  Hipótesis alterna (Ha). Se puede observar que para una probabilidad de 0.

9< 9. a todas las casillas corresponde un valor igual. Ejemplo 03: . el estadístico Chi cuadrada de 4.Aplicación de la prueba estadística.05.9 gl = 5-1=4 a = 0. X2c < X2t se rechaza Ha Entonces tenemos que: 4.05 corresponde la cifra de 9.05 ( ) ( ) ( ) ( ) ( ) ) El valor calculado de X2 se compara con los valores críticos de la tabla de valores críticos de X2. Interpretación. El cálculo de la frecuencia esperada se efectúa en virtud de que para una hipótesis nula. a lo largo de la semana. Decisión. por lo tanto: fo = 18 fe = 6 ∑( 4. Se puede observar que para una probabilidad de 0.49 se acepta Ho: El número de empleados que acuden al consultorio médico se encuentra distribuido en forma uniforme a lo largo de la semana. se acepta Ho y se rechaza Ha.9 tiene una probabilidad mayor que 0.49 por lo tanto. En virtud de que la probabilidad obtenida al calcular el valor de X2 está dentro de la región de rechazo. Los empleados acuden de forma uniforme al consultorio.

Aplicación de la prueba estadística. Zona de rechazo. Planteamiento de la hipótesis. Para todo valor de probabilidad mayor que 0. aplicamos la fórmula. Para todo valor de probabilidad igual o menor que 0.  Nivel de significación. .  Hipótesis alterna (Ha). Una vez obtenidos los valores teóricos. Elección de la prueba estadística.05. Habrá diferencia significativa entre la cantidad de cigarros fumados por causa del estrés en hombres y mujeres que trabajan. No Habrá diferencia significativa entre la cantidad de cigarros fumados por causa del estrés en hombres y mujeres que trabajan.Comparar si el factor género influyes en la cantidad de cigarros fumados por causa del estrés en personas que trabajan. El modelo experimental tiene dos muestras independientes. se acepta Ho y se rechaza Ha. se acepta Ha y se rechaza Ho. Hipótesis nula (Ho). Calculamos los valores teóricos para cada casilla.05.

. Estas diferencias son significativas.1) = 2 El valor 3. lo cual significa que el estadístico calculado tiene una probabilidad mayor que 0.05. Decisión.05.15 con 2 grados de libertad se compara con los valores críticos de Chi cuadrada.15 < 5.15 tiene una probabilidad mayor que 0. un médico tuvo el interés de conocer si existían diferencias respecto a condición socioeconómica de una población a la que estudio.15 Cálculo de los grados de libertad (gl). La mayor frecuencia de la enfermedad diarreica se observa en la condición socioeconómica baja. así. a su vez.05.05 + 1. gl = (K . El consumo de cigarros por causa del estrés entre hombres y mujeres que trabajan. Las diferencias que se observan en las frecuencias de enfermedad diarreica en las tres clases socioeconómicas se deben al azar.49 + 0. Interpretación.05.99 se rechaza Ho.99 corresponde la probabilidad de 0.16 = 3. El modelo experimental tiene 3 o más muestras independientes.1) (2 . Para todo valor de probabilidad igual o menor que 0. se puede observar que a la cifra 5. Ejemplo 04: En una investigación transversal de enfermedad diarreica en niños menores de seis años. se debe a factores del azar.18 + 0.04 + 1. Planteamiento de la hipótesis. X2c < X2t por lo tanto como 3. la mayor frecuencia observada en niños sanos es la condición alta.  Nivel de significación. se acepta Ha y se rechaza Ho. Elección de la prueba estadística.1) (H .1) = (3 . Por tanto se acepta Ho y se rechaza Ha.23 + 0. Si hay diferencias significativas entre el consumo de cigarros por causa del estrés entre hombres y mujeres que trabajan. En razón de que el valor de Chi cuadrada de 3.  Hipótesis alterna (Ha). cae en la zona de rechazo.= 0. Hipótesis nula (Ho).

83.05 El valor crítico de Chi cuadrada con 2 grados de libertad más cercano al calculado es de 10. aplicamos la fórmula. El estadístico calculado de 29. Cálculo de los grados de libertad (gl). gl = (K .Zona de rechazo. Calculamos los valores teóricos para cada casilla. Aplicación de la prueba estadística.1) (H . Para todo valor de probabilidad mayor que 0. .05. Por lo tanto.1) = 2 a = 0.1) = (2 . Contingencia de la diarrea. se acepta Ho y se rechaza Ha.001 y menor que 0. Una vez obtenidos los valores teóricos. se acepta Ha y se rechaza Ho. con una probabilidad igual a 0. cayendo en el nivel de significancia.001. Decisión.64 con 2 grados de libertad tiene una probabilidad inferior a 0.1) (3 .05.

con respecto a los otros grupos sociales. La población de niños de condición socioeconómica baja muestran la frecuencia más alta de diarrea. clase media y alta en oposición a clase baja. Estas diferencias son significativas al nivel de confianza de p menor que 0.001. clase media y alta en oposición a clase baja. X2(1gl) = 29. X2(1gl) = 0. Entre las clases socioeconómicas media y alta parece no existir diferencia alguna. Existen diferencias significativas entre las frecuencias observadas de enfermedad diarreica en los tres grupos de condición socioeconómica. según la gráfica siguiente. Contingencia 2 X 2.001 Contingencia 2 X 2.Interpretación.008 p menor que 0.66 p menor que 0.05 . lo cual se puede comprobar al construir las tablas de contingencias y al ejecutar la prueba X2 como ejercicio e interpretarla.

Sign up to vote on this title
UsefulNot useful