Professional Documents
Culture Documents
INTRODUCCION
Oi ei
F. OBSERVADAS e1 <- H0 (Verdadero)
F. ESPERADAS
Si la diferencia entre las frecuencias observadas y esperadas es demasiada
grande, para atribuirlas a la casualidad; cuando la hipótesis nula H0 es
verdadera, la rechazamos, cuando:
(Oi - ei) ∞ (Conduce al rechazo)
(Oi - ei) 0 (Aceptación)
Para tomar la decisión de aceptar o rechazar la hipótesis nula H0 , haremos
uso de la distribución Ji cuadrada.
FORMULACION DE LA HIPOTESIS NULA PARA LAS DIFERENTES PRUEBAS.
•Prueba de bondad de ajuste.
H0: Suponemos una distribución teórica (uniforme, Normal, Binomial, Poisson).
H1: No sigue la distribución supuesta.
•Prueba de independencia.
H0: Supone dos criterios de clasificación, excluyentes (independientes).
H1: Los criterios no son excluyentes.
•Prueba de Homogeneidad.
H0: Supone que las categorías son homogéneas o parecidas.
H1: Las categorías no son homogéneas.
•Prueba de Proporciones.
H0: Supone que las proporciones son iguales.
H1: No sean iguales las proporciones.
=(r-1)(c-1)
1.- PRUEBA DE BONDAD DE AJUSTE.-
Considera una prueba para determinar si una población tiene una distribución teórica
específica. La prueba se basa en que tan buen ajuste se tiene entre la frecuencia de
ocurrencia Oi de las observaciones en una muestra observada y las frecuencias
esperadas ei , que se obtiene de la distribución hipotética.
EJEMPLOS DE APLICACIÓN:
1.- Supongamos que se lanza un dado. Formulamos la hipótesis de que no está
cargado, la cual equivale a formular que la distribución de los resultados, es una
distribución uniforme discreta:
Supongamos que lanzamos 120 veces el dado, registrándose los resultados en la siguiente tabla:
Caras
rxc 1 2 3 4 5 6 ei = 120(⅙) = 20
Oi 20 22 17 18 19 24
ei 20 20 20 20 20 20
2=1.7
Paso 4: Decisión, como no se cumple que X2 > Xα2, ACEPTAMOS H0, es decir el dado no está cargado.
2.- Supongamos que el tiempo de vida de 40 baterías han sido clasificados en 7 intervalos:
0 Oi ei
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
•P(-2.93 < z < -2.21) = P(z < -2.21) – P(z < -2.93) = 0.0136 – 0.0017 = 0.0119
e1 = (0.0119)(40) = 0.5
Intervalo II:
P(-2.21 < z < -1.5) = P(z < -1.5) – P(z < -2.21) = 0.0668 – 0.0136 = 0.0532
e2 = (0.0532)(40) = 2.1
Intervalo III: Intervalo VI:
P(2.45 ≤ X < 2.95) P(3.95 ≤ X < 4.45)
P(-1.5 < Z < -0.79) P(0.64 < Z < 1.36)
= 0.2148 – 0.0668 = 0.1480 = 0.9131 – 0.7389 = 0.1742
.ˈ. e3 = (0.1480)(40) = 5.9 .ˈ. e6 = (0.1742)(40) = 6.968 ≈ 7.0
Intervalo IV: Intervalo VII:
P(2.95 ≤ X < 3.45) P(4.45 ≤ X < 4.95)
P(-0.79 < Z < -0.07) P(1.36 < Z < 2.07)
= 0.4721 – 0.2148 = 0.2573 = 0.9808 – 0.9131 = 0.0677
.ˈ. e4 = (0.2573)(40) = 10.292 ≈ 10.3 .ˈ. e7 = (0.0677)(40) = 2.708 ≈ 3.0
Intervalo V:
P(3.45 ≤ X < 3.95)
P(-0.07 < Z < 0.64)
= 0.7389 – 0.4721 = 0.2668
.ˈ. e5 = (0.2668)(40) = 10.672 ≈ 10.7
Y 0 1 2 3
f 21 31 12 0
Pruebe la hipótesis, con un nivel de significancia de 0.01, de que los datos registrados
pueden ser equiparados por la distribución binomial b (y; 3,1/4), y=0, 1, 2,3.
Solución:
PASO 1: PLANTEAMIENTO DE LA HIPÓTESIS.
H0: Los datos pueden ser equiparados por la distribución binomial.
H1: Los datos no siguen una distribución binomial.
Sabemos que:
b (y; n, p) b(y;3,1/4)
Luego: n = 3 , p= ¼
Datos del problema: Según la observación realizada en la definición nos dice
que cuando los datos observados Oi son menores a 5, se puede agrupar las
frecuencias contiguas para reducir los intervalos. Es decir que:
P(Y = y) = (p)y (1 – p) n-y , y = 0,1,2,3 .
Y 0 1 2
Oi 21 31 12
rxc
ei 27 27 10
=
X2 =
P O4 O5 O6 t2
Q 07 08 09 t3
MARGINALES m1 m2 m3 T
Observación:
Los totales marginales m y t son obtenidos al azar para un n fijado por el experimentador
ESTA TABLA LA PODEMOS Y TRANSFORMAR EN :
EVENTOS
L M N MARGINALES
O1(e1) O2 (e2) O3 (e3) t1
O
EVENTOS
Posteriormente se siguen los mismos pasos establecidos en el caso general antes mencionado.
EJEMPLO DE APLICACIÓN:
Una muestra aleatoria de 90 adultos se clasifica de acuerdo al sexo de los
individuos y al numero de horas que ven televisión durante una semana.
SEXO
PARAMETRO
HOMBRE MUJER
Más de 25 horas 15 29
Menos de 25 horas 27 19
SEXO TOTAL
PARAMETRO
HOMBRE MUJER
44
Más de 25 horas 15 29
46
Menos de 25 horas 27 19
TOTAL 42 48 90
Solución:
Paso 1: Planteamiento de la hipótesis.
H0 : El tiempo utilizado para ver televisión es independiente del sexo.
H1 : No se considera independencia.
Paso 2: Nivel de significancia.
α = 0.01 X20.01 = 6.635
v= (2-1) (2-1) = 1
Cálculos de los valores esperados.
e1 = (44*42)/90 = 20.5 e2 = (48*44)/90 = 23.5
e3 = (42*46)/90 = 21.5 e4 = (48*46)/90 = 24.5
EVENTOS
L M N MARGINA
LES
O1 O2 O3 t1
O
O4 O5 O6 t2
EVENTOS
P
07 08 09 t3
Q
MARGINALES m1 m2 m3 T
EVENTOS
L M N MARGINALES
O O1(e1) O2 (e2) O3 (e3) t1
EVENTOS
Posteriormente se siguen los mismos pasos establecidos en el caso general antes mencionado.
EJEMPLO DE APLICACIÓN:
La enfermería de un colegio llevo a cabo un experimento para determinar el grado
de alivio proporcionado por tres remedios para la tos. Cada remedio se suministro
a 50 estudiantes y se registraron los siguientes datos
Pruebe la hipótesis con un nivel de significancia de 0.05, que los tres remedios para la tos
son igualmente efectivos ¿con que probabilidad P se acepta o rechaza H0?
Solución:
PASO 1: PLANTEAMIENTO DE LA HIPÓTESIS:
H0: Los tres remedios para la tos, son igualmente efectivos
H1: No son igualmente efectivos
Paso 2: Nivel de significancia
α = 0.05 X20.05 = 9.488
v=(3-1)(3-1) = 4
Calculo de los valores esperados:
e1 = (50*33)/150 =11 e4 = (50*87)/150 = 29 e7 = (50*30)/150 = 10
e2 = 11 y e3 = 11 e5 = 29 y e6 = 29 e8 = 10 y e9 = 10
TOTAL 50 50 50 150
4.- PRUEBA PARA VARIAS PROPORCIONES.-
Este modelo es una extensión de lo anterior, en donde se estudio para el caso
de dos proporciones. Ahora lo extenderemos a K parámetros binomiales que
tienen el mismo valor:
H0: p1 = p2 = p3 =……….. = pk
H1: No todas las proporciones son iguales.
MUESTRAS
………………… nk
n1 N2 …
………………… Xk
EXITOS …
X1 X2
………………… nk –
FRACASOS … Xk
n1- X1 n2- X2
Si se depende, de si los tamaños de muestras aleatorias, se predeterminaron
(homogeneidad) o de si ocurrieron al azar (independencia), el procedimiento de
prueba es idéntico para la prueba de homogeneidad que para la independencia..
Las frecuencias esperadas ei se calculan como antes.
EJEMPLO DE APLICACIÓN:
En el estudio de un taller, se obtuvo un conjunto de datos para determinar si
la proporción de artículos defectuosos producidos por los trabajadores era la
misma durante el día, la tarde o la noche. Se encontrar los siguientes datos.
TURNO
SITUACION
DIA TARDE NOCHE
DEFECTUOSOS 45 55 70
NO DEFECTUOSOS 905 890 870
1.- La distribución siguiente es el número de fallas de energía que se registraron en una ciudad
de la Sierra Central del Perú a lo largo de 300 días.
Numero de días 9 43 64 62 42 36 22 14 6 2
SOLUCIÓN:
X: V.A. falla de energía
X Poisson (x, λ) = e-λ λx / x! , x = 0, 1, 2,…, 9
∑oi
3.
•Decisión: X2 = 11.535 < X20.05 = 15.5 aceptamos H0 es decir las fallas de energía
siguen una distribución de Poisson.
OBSERVACION: Cuando el enunciado del problema no proporciona el valor de λ se estima
Éxito en el trabajo
Deficiente 23 60 29
Promedio 28 79 60
Muy buena 9 49 63
a. PH
•H0: El aprovechamiento en un programa de capacitación y el éxito en el trabajo son
independientes.
H1: El aprovechamiento en el programa de capacitación y el éxito en el trabajo no son
independientes.
•Nivel de Significancia: α = 0.01 X20.01 = 13.3
v= (3-1) (3-1) = 4
•Estadístico de prueba:
4. Decisión: Si X2 = 20.34 > X20.01 = 13.3 rechazamos H0 es decir existe dependencia
entre el aprovechamiento en el programa de entrenamiento de un empleado en el
programa y su éxito en el trabajo.
(o9 – e9)2 /e9= 6.37 Muy bueno en el trabajo pero sobre el promedio en el programa de
Capacitación.
3.- Los siguientes datos provienen de un estudio en que muestra aleatorias de
empleados de tres dependencias gubernamentales se les pregunto acerca de su
plan de pensiones.
3.- X2 = ∑ (oi – ei)/ ei = (63 -65)2 /65 +………… + (41 – 52.5)2 /52.5=9.3919
Podemos observar que la Agencia 3 seria la que con p3=0.727 elegiría el plan
de pensiones de los empleados