PRUEBA DE AJUSTES DE BONDAD

AUTOR : JAVIER PERALES GOMEZ ASESOR : ING. LUIS AGUILAR 2011

La prueba de bondad de ajuste

Es considerada como una prueba no paramtrica que mide la discrepancia entre una distribucin observada y otra terica, indicando en qu medida las diferencias existentes entre ambas, de haberlas, se deben al azar. La frmula que da el estadstico es la siguiente:

2 =

i =1

[f

oi

f ei f ei

Oi = Valor observado en la i-simo dato. Ei = Valor esperado en la i-simo dato. K = Categoras o celdas. m = Parmetros estimados sobre la base de los datos de la muestra Los grados de libertad vienen dados por : gl= K-m-1. Criterio de decisin es el siguiente:
2 2 Se rechaza H0 cuando t ; K m 1 . En caso contrario se acepta.

Donde t representa el valor proporcionado por las tablas, segn el nivel de significacin elegido. Cuanto ms se aproxima a cero el valor de chi-cuadrado, ms ajustadas estn ambas distribuciones. Ejemplo: Si un ingeniero de control de calidad toma una muestra de 10 neumticos que salen de una lnea de ensamblaje y l desea verificar sobre la base de los datos que siguen, los nmeros de llantas con

defectos observadas en 200 das, si es cierto que el 5% de todos los neumticos tienen defecto; es decir, si el muestrea una poblacin binomial con n Nmero de unidades con defecto Nmero de muestras = 10 y p = 0.05 0 138 1 53 2 ms 9

Establecer la hiptesis Ho: La poblacin es binomial Ha: La poblacin no es binomial Establecer la estadstica de prueba

=
2

i =1

[f

oi

f ei f ei

Oi = Ei = K = m= 1. 3.

Valor observado en la i-simo dato. Valor esperado en la i-simo dato. Categoras o celdas. Parmetros Definir el nivel de significancia y la zona de rechazo

g,l = k- m 1 = (3 0- 1) =2 5.99

Nivel de significancia = 0.05 2 2 Zona de rechazo = { / 5.99) m = 0 porque no se necesito estimar ningn parmetro Calculamos el estadstico de prueba 2 k f oi f ei 2 = f ei i =1

Para poder calcular las frecuencias esperadas tenemos que calcular las probabilidades utilizaremos la formula de la binomial
n f ( x ) = P ( x) = p x (1 p ) n x x

donde n = 10
f ( 0) =

p = 0.05
0

( )0.05
10 0

(1 0.05)10 0 = 0.599

Nmero de unidades con defecto Nmero de muestras Observadas 0 138 1 53 2 ms 9 Total 200 10 1 10 1 f (1) = 1 0.05 ( 1 0.05) = 0 .315

( )

Valor Esperado 119,8 63 17,2 200

y la probabilidad de 2 ms = 1.0 -0.599 -0 .315 = 0.086 Ahora ya podemos encontrar las frecuencias esperadas: 200 (0.599) = 119.8 200(0.315) = 63 200 (0.086) = 17.2

Al aplicar la formula se tiene:

2 =

(138 119.8) 2 (53 63.0) 2 (9 17.2) 2 + + 119.8 63 17.2 = 8.26

Como 8.26 es mayor que 5.99, se rechaza la hiptesis nula con un nivel de significancia de 0.05. Conclusin Se concluye que el porcentaje verdadero de neumticos con defecto no es el 5%.

Ejemplo. Si el nmero de errores que comete una secretaria al transcribir un documento es una variable aleatoria que tiene una distribucin de Poisson. Se reviso 440 transcripciones hechas por ella y arrojo los siguientes resultados: Variable = nmeros de errores Nmero de errores 0 1 2 3 4 5 6 7 8 9 Frecuencia 18 53 103 107 82 46 18 10 2 1

Probar si los datos de los errores se ajustan a una distribucin de Poisson. Use = 0.05. H0: La poblacin se comporta como una distribucin de Poisson Ha: La poblacin no se comporta como una distribucin de Poisson. El estadstico de prueba que usaremos es:

=
2

( f Oi f Ei ) 2 f Ei

Nivel de significacin = 0,05 gl. = 9-1-1=7

2 0, 05 ; 7 =14 ,067

Regin de rechazo = { 2 | 2 14,067 } Para poder calcular las frecuencias esperadas tenemos que calcular las probabilidades utilizaremos la formula de la distribucin de Poisson:
p ( x; ) =

x e
x!

Como no se conoce la media de la distribucin de Poisson la estimamos con la media de los datos, que es 3,04 luego, = 3,04

errores

Frecuencia Prob. observada 0 18 0,047 8 1 53 0,145 4 2 103 0,221 0 3 107 0,223 9 4 82 0,170 2 5 46 0,103 4 6 18 0,052 4 7 mas 13 0,035 9 Total 440 1 Aplicamos los datos al estadstico de prueba
2 =

Frecuencia esperada 21,032 63,976 97,240 98,516 74,888 45,496 23,056 15,796 440

(18 21,032 ) 2 (53 63 ,976 ) 2 (13 15 ,796 ) 2 + +.... + = 5,6766 21,032 63 ,976 15 ,796

Como 6,7566 es menor 14,076 no se rechaza la hiptesis nula. Conclusin: La poblacin se comporta como una distribucin de Poisson con media 3,04 Ejemplo 3. El Departamento de Psicologa, basndose en informaciones anteriores, al final del semestre antepasado, el 80% de los alumnos aprobaron todas las materias inscritas, un 10% aprob la mitad, un 6% reprob todas las materias y un 4% se retiro. Al final del semestre pasado el departamento selecciono a 400 alumnos, resultado 287 aprobaron todas las asignaturas, 49 aprobaron la mitad, 30 reprobaron todas las asignaturas y 34 se retiraron.Podemos concluir, a raz de los resultados, que la informacin del semestre antepasado se ha vuelto a repetir el semestre pasado? Hiptesis nula: de que los porcentajes del semestre pasado son los mismos que en el semestre antepasado.

Atributos Aprob todo Aprob la mitad Reprob todo Se retir Total

Datos observados 287 49 30 34 400

Probabilidad 0,80 0,10 0,06 0,04 1

Datos esperados 320 40 24 16 400

2 = 27,178 Como tenemos 4 categoras y ningn parmetro estimado los grados de libertad sern: 4-0-1= 3
2 0 , 05 ;3 =12 ,84

Como 27,178 es mayor que 12,84 se rechaza la hiptesis nula. Conclusin: Los porcentajes no se repitieron el semestre pasado