Sei sulla pagina 1di 18

Esercitazioni di Statistica

Test dipotesi sul valor medio e test 2 di adattamento

Prof. Livia De Giovanni statistica@dis.uniroma1.it

Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti in unindustria meccanica sia una variabile aleatoria normale con valore atteso non noto , e varianza 2 = 256. Si supponga, inoltre, che il valore medio del diametro degli anelli prodotti riscontrato nel tempo sia 100 (pollici). Il direttore di produzione sospetta che una variazione del tasso di umidit alteri il processo produttivo fecendo aumentare il diametro degli anelli prodotti. Dopo aver selezionato casualmente 64 anelli prodotti in condizioni di elevata umidit e misurato il loro diametro, il direttore riscontra un valore medio di 106. Si assuma che egli decida di vericare lipotesi nulla H0 : = 100 contro lalternativa H1 : > 100, avendo ssato un valore di signicativit = 0.05. a) Si determini la regione di accettazione e la regione critica corrispondenti a tale test. b) Pu il direttore concludere che il diametro medio degli anelli prodotti sia aumentato? Soluzione X= diametro di un anello, = 0.05 Ipotesi X N (, 256), x = 106, n=64,

{ H0 : = 100 H1 : > 100, 1

a) Per risolvere il problema dobbiamo costruire una statistica test, che sia funzione dei dati campionari. Poich la deviazione standard nota si pu utilizzare come statistica test, sotto lipotesi nulla, la media campionaria standardizzata, statistica ottimale (di massima verosimiglianza) per questo tipo di test (lunico valore che ci fornisce il problema infatti la media campionaria): Tn = X 0 N (0, 1) / n

dnorm(x, )

0.0

0.1

0.2

0.3

0.4

1.645 4 2 0 x 2 4

Il test un test unidirezionale, con ipotesi alternativa composita. Dato il sistema di ipotesi, respingiamo lipotesi nulla per valori elevati della statistica test. Per scegliere il valore critico z dobbiamo tenere in considerazione il valore di richiesto. Poich = 0.05 (z0.05 ) = 1 0.05 = 0.95 z = 1.645, allora le regioni di accettazione e critica saranno: x 0 1.645 / n x 0 > 1.645. R.C. : / n R.A. : b) Il valore osservato della statistica test, sotto lipotesi nulla, risulta tn = x 0 106 100 6 = = =3 2 / n 256/64 2

Il valore osservato della media campionaria standardizzata appartiene alla regione critica: 3 R.C. e quindi possiamo riutare lipotesi nulla, data levidenza contenuta nel campione. Il livello di signicativit osservato (p-valore o p-dei-dati) risulta molto inferiore a 0.05. Infatti: x 100 106 100 P r( > 106/ = 100) = P r( x > ) = P r(Z > 3) = 0.0013. 256/64 256/64 Esercizio 2 Sia X una variabile aleatoria distribuita come una v.a. gaussiana con parametri E(X) = e V ar(X) = 3. Sia estratto, inoltre, un campione casuale i.i.d. (X1 , X2 , X3 ), per vericare lipotesi nulla rispetto allalternativa { H0 : = 2 H1 : = 1. Data la seguente regione critica: R.C. : {(x1 , x2 , x3 ) : 2x1 2x2 + x3 < 1.2}, a) calcolare (la probabilit di commettere un errore di primo tipo), b) calcolare (la probabilit di commettere un errore di secondo tipo). Soluzione La regione critica denita in funzione di una statistica test, quindi il primo passo da eettuare determinare la distribuzione della statistica test (T (x) = 2X1 2X2 + X3 ). Poich X si distribuisce come una normale, e il campione estratto in modo casuale, per la propriet riproduttiva della normale: T (X) = 2X1 2X2 + X3 N (; 27), poich E(T (X)) = 2 2 + = , e Var(T (X)) = Var(2X1 2X2 + X3 ) = 4Var(X1 ) + 4Var(X2 ) + Var(X3 ) = 9Var(X) = 27.

a) La probabilit di commettere un errore di primo tipo (riutare unipotesi nulla vera) data da: = P (errore di I tipo) = P (respingere H0 |H0 ) = P (2X1 2X2 + X3 < 1.2| = 2) ) ( 1.2 2X1 2X2 + X3 = P < | = 2 27 27 1.2 2 = P (Z < ) 5.2 = P (Z < 0.15) = (0.15) = 1 (0.15) = 0.4404. b) Poich la regione critica R.C. : {(x1 , x2 , x3 ) : 2x1 2x2 + x3 < 1.2}, la regione di accettazione sar: R.A. : {(x1 , x2 , x3 ) : 2x1 2x2 + x3 1.2}. La probabilit di commettere un errore del secondo tipo (non respingere unipotesi di base che falsa) data da: = P (errore di II tipo) = P (non respingere H0 |H1 ) = P (2X1 2X2 + X3 1.2| = 1) 2X1 2X2 + X3 1.2 = P r( | = 1) 27 27 1.2 1 = P r(Z ) 5.2 = P r(Z 0.038) = 1 (0.038) = 0.484. Esercizio 3 In un campione di 15 cavi elettrici la resistenza media risulta di 28.5 (ohm), con varianza campionaria pari a 16. Il responsabile della produzione aerma che uninnovazione nel processo produttivo abbia fatto aumentare la resistenza media, no ad allora valutata 25 (ohm). Assumendo una probabilit di errore di primo tipo 0.025, si verichi lipotesi del responsabile. Si assuma che la resistenza sia distribuita secondo una normale. Soluzione X= resistenza, = S = 4, x = 28.50, n=15, = 0.025

{ H0 : 25 Ipotesi H1 : > 25 4

Per risolvere il problema dobbiamo costruire una statistica test, che sia funzione dei dati campionari. Poich la deviazione standard non nota si pu utilizzare come statistica test la media campionaria studentizzata, che utilizza una stima non distorta della varianza (S 2 ): Tn = X 0 tn1 S/ n

dt(x, 14)

0.0

0.1

0.2

0.3

0.4

2.145 4 2 0 x 2 4

Il test un test unidirezionale, con ipotesi nulla e alternativa composite. Lipotesi nulla composita non comporta un cambiamento della regola di decisione, ma solo che il livello di signicativit , diventa la massima probabilit di commettere un errore del I tipo. Poich i valori del parametro assunti sotto lipotesi alternativa si trovano a destra dei valori del parametro sotto lipotesi nulla, respingiamo lipotesi nulla per valori elevati della statistica test, in particolare per valori superiori al valore critico t14, . Poich = 0.025 P (t14 t14, ) = 0.025 t14, = 2.145, allora le regioni di accettazione e critica saranno: x 0 2.145 S/ n x 0 > 2.145. R.C. : S/ n R.A. :

Il valore osservato della statistica test, sotto lipotesi nulla, risulta tn = x 0 28.5 25 = = 3.39 S/ n 4/ 15

Essendo 3.39 > 2.145, la statistica test campionaria cade nella regione critica, quindi, data levidenza campionaria si pu riutare lipotesi nulla con un livello di signicativit del 2.5%. Il responsabiledella produzione non andr smentito. Esercizio 4 Il tempo X che un lavoratore impiega per raggiungere il luogo di lavoro segue la legge Normale con media e varianza 2 entrambe incognite. Si estrae un campione di ampiezza n = 10 avente media x = 12 e varianza S 2 = 16. a) Trovare un intervallo di condenza per al livello 1 = 0.95. b) Vericare lipotesi H0 : = 13 contro lalternativa H1 : = 13, al livello = 0.05. c) Cambierebbe la decisione precedente se il livello diventasse = 0.01? Soluzione a) Il primo punto dellesercizio richiede di costruire un intervallo di condenza per la media della popolazione in cui la varianza ignota. La distribuzione di riferimento una t di student con n 1 gradi di libert. In questo caso non si pu utilizzare lapprossimazione alla distribuzione Normale poich n non sucientemente elevato. [ ] S S 95%CI = [l1 , l2 ] = x tn1;/2 ; x + tn1;/2 = n n [ ] S S = x t9;0.025 ; x + t9;0.025 = n n [ ] 4 4 = 12 2.262 ; 12 + 2.262 = [9.14; 14.86]. 10 10 Ci signica che il tempo medio che impiega un lavoratore compreso nellintervallo [9.14;14.86] con un livello di condenza del 95%. b) Il secondo punto del problema propone il seguente test statistico { H0 : = 13 H1 : = 13. 6

Il test sopra un test bidirezionale, quindi dal confronto tra ipotesi nulla e ipotesi alternativa possiamo dire che la regione critica sar del tipo: R.C. : = x 0 > t9,0.025 , S/ n

quindi, in caso di test bidirezionale, abbiamo due regioni critiche, che si trovano nelle code della statistica test, corrispondenti a valori molto piccoli, o molto grandi della statistica. Il valore critico si trova risolvendo luguaglianza sotto: P (tn1 < tn1,/2 ) = P (tn1 > tn1,/2 ) = /2 = 0.025 tn1,/2 = 2.262 Quindi la regione di riuto data da: { x0 > 2.262 S/ n R.C. : x0 < 2.262 S/ n Si pu ora calcolare il valore della statistica test sotto lipotesi nulla: x 0 12 13 = tn = = 0.79 S/ n 4/ 10 Visto che il valore osservato della statistica test non appartiene alla regione critica, si pu concludere aermando che il campione non ore una suciente evidenza per rigettare lipotesi nulla H0 . La stessa risposta si sarebbe potuta dare senza eseguire ulteriori calcoli, ma solo utilizzando lintervallo di condenza calcolato sopra, al livello del 95%. Poich lintervallo contiene il valore 13, il campione non ore una suciente evidenza per rigettare lipotesi nulla che la media sia 13. c) La risposta del test non cambia, poich, se si diminuisce il livello dellerrore di primo tipo, si ha come risultato che la regione di accettazione aumenta e, quindi, quella di riuto si contrae. In altre parole, se il test non riutava lipotesi nulla per un livello = 0.05, a maggior ragione non lo riuter ad un livello = 0.01. Esercizio 5 Unagenzia di disoccupazione sostiene che let media di quelli che ricevono un sussidio di disoccupazione di 37 anni con una deviazione standard di 10 anni. Unassociazione di consumatori vuole testare questa ipotesi, dato che sospetta che let media sia dierente. Vengono intervistati in modo casuale 400 individui che ricevono il sussidio, e si ottiene unet media di 36 anni. Usando un livello di signicativit dell 1% pu lunione dei consumatori respingere lipotesi fatta dallagenzia di disoccupazione?

Soluzione X= et dei sussidiati,

= 10,

x = 36,

n=400,

= 0.01

{ H0 : 0 = 37 Ipotesi H1 : 0 = 37 Il test un test bidirezionale, quindi la regione di riuto sar data dallunione di due regioni, quelle corrispondenti a valori molto alti o molto bassi della statistica test. La statistica test utilizzata in questo caso la media campionaria standardizzata. Poich X non distribuita secondo una normale, anche la media campionaria X non sar distribuita secondo una normale, ma si pu applicare il Teorema del Limite Centrale, dato che: Le n osservazioni Xi sono indipendenti ed identicamente distribuite, derivando da un campionamento casuale semplice; E[Xi ] = 37 < ; V ar[Xi ] = 100 < . e quindi: Tn = X 0 N (0, 1) al crescere di n. / n

(Si noti che, anche se non avessimo conosciuto la varianza nella popolazione di riferimento ( 2 ), e avessimo dovuto utilizzare una sua stima corretta (S 2 ), la distribuzione della statistica test sopra sarebbe stata ugualmente approssimativamente normale, per il Teorema del Limite Centrale.) Nel caso sopra, di un sistema di ipotesi bidirezionale, la regione critica sar: R.C. : = Poich = 0.01 /2 = 0.005 (z0.005 ) = 1 0.005 = 0.995 z/2 = 2.575, allora la regione di critica sar: R.C. : = x 0 > 2.575, / n 8 x 0 > z/2 , / n

Il valore della statistica test nel campione, sotto lipotesi nulla, : tn = x 0 36 37 = = 2 / n 10/ 400

Dato che il valore della statistica test non ricade nella regione critica, levidenza campionaria non permette di riutare lipotesi nulla che let media di coloro che ricevono un sussidio sia uguale a 37, con un livello di signicativit eettivo di circa l1%. Esercizio 6 Si vuole indagare sulla proporzione di pezzi difettosi prodotti in un processo produttivo. A tale scopo si osservano 400 pezzi, 240 dei quali risultano difettosi. a) Si proponga una opportuna regione critica per vericare lipotesi nulla H0 : = 0.5 contro lipotesi alternativa H1 : < 0.5, ponendo = 0.01. b) Si decida a favore o contro H0 sulla base della realizzazione campionaria osservata. Soluzione X=difettosit Ber(); p = 240/400 = 0.6; = 0.01; n=400.

Il problema propone il seguente test statistico { H0 : = 0.5 H1 : < 0.5. a) Per testare questa ipotesi si utilizza la statistica test Tn = p 0 0 (1 0 )/n N (0, 1),

ossia la media campionaria standardizzata per una popolazione di Bernoulli. Per il teorema del limite centrale, per n sucientemente elevato, quando = 0 , la statistica test avr una distribuzione approssimativamente normale. Il test unidirezionale, quindi dal confronto tra ipotesi nulla e ipotesi alternativa, poich i valori ipotizzati sotto lipotesi nulla si trovano a destra, rispetto ai valori sotto lalternativa, possiamo dire che la regione critica, e la regione di accettazione saranno del tipo: R.C. := p 0 0 (1 0 )/n 9 < z

R.A. :=

p 0 0 (1 0 )/n

Il valore di z0.01 determinabile attraverso la seguente relazione: = 0.01 (z0.01 ) = 1 0.01 = 0.99 z = 2.33, z = 2.33 . Riassumendo si trovato che la regione critica R.C. data da: R.C. = e la regione di accettazione R.A. := p 0 0 (1 0 )/n 2.33 p 0 0 (1 0 )/n < 2.33,

b) Per decidere a favore o contro lipotesi nulla si calcoli il valore della statistica test, dato il nostro campione, sotto lipotesi nulla: p 0 0.6 0.5 tn = = =4 0 (1 0 )/n 0.5(1 0.5)/400 Dato che il valore osservato della media campionaria standardizzata appartiene alla regione di accettazione, non si pu rigettare lipotesi nulla in favore di quella alternativa, data levidenza empirica. Esercizio 7 Il direttore dellOspedale ABC, situato in un quartiere molto povero nei sobborghi di New York, sospetta che i neonati che nascono l abbiano un peso inferiore rispetto alla media nazionale (pari a 3.2 Kg), tale da dover richiedere un intervento di prevenzione sulla malnutrizione delle donne del quartiere. Il direttore decide allora di vericare lipotesi nulla H0 : = 3.2 in alternativa allipotesi H1 : < 3.2. Il direttore misura, quindi, il peso (x1 , x2 , ..., x81 ) di 81 bambini scelti casualmente tra i neonati nellultimo anno e riscontra che
81 i=1

xi = 234.9

81 i=1

x2 = 1001.21. i

a) Proporre un opportuno stimatore non distorto per il parametro 2 e fornirne una stima. b) Calcolare lintervallo di condenza a livello 1 = 0.9 per il parametro . 10

c) Scrivere lespressione analitica del p-valore corrispondente alla realizzazione campionaria osservata, per il set di ipotesi: H0 : = 3.2 e H1 : < 3.2. Decidere, inoltre, se il direttore riterr necessario un intervento di sanit pubblica contro la malnutrizione, avendo ssato , il livello di signicativit del test uguale a 0.1, o a 0.05. Soluzione a) Il primo punto dellesercizio pu essere risolto utilizzando come stimatore per 2 la varianza campionaria S 2 . Calcoliamo prima la media campionaria x: 81 1 xi = 234.9/81 = 2.9, x= n i=1 e poi lo stimatore per la varianza: S2 e la corrispondente stima: S2 = = = = [ n ] 1 x2 n2 = x n 1 i=1 i ] 1 [ 1001.21 81 2.92 80 1 (1001.21 681.21) 80 1 (320) = 4. 80 [ n ] 1 X 2 nX 2 = n 1 i=1 i

b) Il secondo punto dellesercizio richiede di costruire un intervallo di condenza per la media della popolazione in cui la varianza ignota. Poich la distribuzione delle popolazione non nota, per n sucientemente grande, possiamo utilizzare come distribuzione di riferimento per la quantit pivot una normale standard. ] S S 90%CI = [l1 , l2 ] x z/2 ; x + z/2 n n [ ] 2 2 = 2.9 1.645 ; 2.9 + 1.645 = [2.535; 3.265]. 9 9 11 [

c) Lesercizio richiede anche il calcolo del p-valore. Il p-valore pu essere interpretato come il pi piccolo livello di condenza che conduce a riutare lipotesi nulla (assumendo questultima come vera). Il p-valore dato dalla probabilit che, quando = 0 , la statistica test assuma valori minori del valore osservato nel campione, P (Tn < tn | = 0 ),
0 dove Tn una generica statistica test Xn , e tn il particolare valore assunto S/ dalla statistica test nel campione estratto, sotto lipotesi nulla, ossia quel valore che si ottiene sostituendo alla media campionaria il valore realizzato (2.9), a il valore ipotizzato sotto lipotesi nulla, e alla varianza campionaria il valore ottenuto nel campione: ( ) X 0 2.9 3.2 < P (Tn < tn | = 3.2) = P 2/9 S/ n = P (Z < 1.35) = 1 (1.35) = 0.09,

Da notare che il risultato p = 0.09 < = 0.1 implica che ci troviamo nella regione critica per un test al livello del 10%, mentre p = 0.09 > = 0.05 implica che ci troviamo nella regione di accettazione di H0 ad un livello di signicativit del 5%. p = 0.09 , infatti, il minimo livello di signicativit per il quale lipotesi nulla pu essere respinta. Esercizio 8 (Cicchitelli) Per la generica voce di un inventario di unimpresa mercantile sia X la variabile casuale valore inventariato - valore certicato. Un certicatore contabile estrae a sorte un campione di 120 voci ottenendo x = 25.3, S 2 = 13240. Sia la media di X nella popolazione. a) Si sottoponga a verica lipotesi che = 0 contro lalternativa > 0, cio che linventario gonato, con = 0.01; b) Si calcoli il p-valore; c) Si calcoli la probabilit di errore di secondo tipo nel caso di ipotesi alternativa H1 : = 10. Soluzione a) Trattandosi di un campione di dimensione elevata, si pu ricorrere allapprossimazione normale e considerare S 2 una buona stima della varianza della 12

popolazione. Il test unilaterale del tipo con ipotesi alternativa H1 = > 0 Dunque R.C. = {z : z z }, nel nostro caso R.C. = {z : z z0.99 = 2.326}. Standardizziamo x: (25.3 0) tn = = 2.41 13240/120 Dato che 2.41 > 2.326, lipotesi nulla da riutare. b) Il livello di signicativit eettivo (p-valore), ) ( X 0 25.3 0 p = P (X 25.3| = 0) = P S/ n 13240/120 = P (Z 2.41) = 1 0.9920 = 0.008 Lipotesi nulla infatti stata riutata al livello = 0.01, perch p < . c) Per determinare la probabilit di errore di seconda specie conviene esprimere la zona di riuto in unit originarie, ossia in termini di x. La zona di riuto in unit standardizzate R.C. = {z : z 2.326}, possiamo quindi scrivere ( 0) x 2.326, 13240/120 da cui si ottiene xc 24.4. La zona di riuto dunque R.C. = { : x 24.4}. x La probabilit di errore di seconda specie allora data da

13

) ( R.A.|H1 ) = P (X 24.4| = 10) = P X 1 24.4 1 = P (X S/ n S/ n ( ) 24.4 10 = P Z = P (Z 1.37) = 0.915. 10.5 Esercizio 9 Supponiamo di eettuare un test sul parametro media di una popolazione normale. Consideriamo i due casi { { H0 : = 3 H0 : = 3 A) B) H1 : = 4 H1 : = 6 Una volta ssato il livello di signicativit , a) la regione di riuto dellipotesi nulla la stessa nei due casi; pi ampia nel caso A pi ampia nel caso B. b) la probabilit di commettere un errore di seconda specie la stessa nei due casi; maggiore nel caso A; maggiore nel caso B. Soluzione a) la stessa nei due casi. b) maggiore nel caso A. Esercizio 10 In un test delle ipotesi il p-valore risulta pari a 0.032. Vuol dire che riutiamo lipotesi nulla se il livello di signicativit = 0.01, ma non se = 0.05; se il livello di signicativit = 0.05, ma non se = 0.01; ad entrambi i livelli di signcativit = 0.01 e = 0.05 Soluzione Se il livello di signicativit = 0.05, ma non se = 0.01. 14

Esercizio 11 Su 100 imprese stata rilevato il numero di anni di attivit: Anni 1 Imprese 5 2 15 3-5 30 6-10 20 11-15 30 Totale 100

1) Vericare se, a livello = 0.05, la proporzione di imprese con meno di 6 anni sia pari al 45% e quelle con pi di 10 anni sia pari al 25%. 2) Cosa si conclude a livello = 0.1?

Soluzione 1) Possiamo riscrivere la tabella come Anni 1-5 Imprese 50 Il sistema di ipotesi il seguente: H0 0.45 0.30 : P (A) = 0.25 se A < 6 se 6 A 10 se A > 10 6-10 20 11-15 30 Totale 100

H1 : altrimenti Sotto lipotesi nulla, le frequenze attese ni sono pari a Anni 1-5 n p(xi ) 45 Quindi, la statistica Q vale Q=
k (ni n p(xi ))2 i=1

6-10 30

11-15 25

Totale 100

n p(xi )

(50 45)2 (20 30)2 (30 25)2 44 + + = = 4. 8 45 30 25 9

La regione critica e di accettazione sono: R.C. = Q > 2 (k1), , R.A. = Q 2 (k1), ,


2 Mettendo a confronto questo valore con il quantile 2 k1, = 2,0.05 = 5.99 si conclude che non si pu escludere lipotesi nulla. 2) il quantile 2 pari a 4.61, quindi si riuta lipotesi nulla. 2,0.1

15

Esercizio 12 Si ritiene che una variabile casuale X sia Normale con valor medio = 174 e varianza 2 = 16. Vericare lipotesi con il test 2 con = 0.01 sulla base del seguente campione di numerosit n = 400: X X < 165 165 X < 170 170 X < 175 175 X < 180 X 180 f requenza osservata 7 51 190 124 28 f requenza attesa 0.012 0.146 0.44 0.334 0.068

Soluzione Le ipotesi sono: { H0 : XN ormale(174, 16) H1 : XnonN ormale(174, 16). La frequenza attesa per ciascun intervallo determinata mediante standardizzazione. Ad esempio: 165 174 170 174 Z< ) = P (2.25 Z < 1) = 0.146 16 16 La regione critica e di accettazione sono: P (165 X < 170) = P (
2 R.C. = Q > 2 4,0.01 = 13.227 = (k1), ,

2 R.A. = Q 2 4,0.01 = 13.227 = (k1),

La statistica Q vale Q=
k (ni ni )2 i=1

ni

(7 4.8)2 (51 58.4)2 (190 176)2 (124 133.6)2 (28 27.2)2 + + + + = 3.77 4.8 58.4 176 133.6 27.2

2 Mettendo a confronto questo valore con il quantile 2 k1, = 4,0.01 = 13.227 si conclude che non si pu riutare lipotesi nulla.

Esercizio 13 Si sono prelevati 100 campioni di acqua e si proceduto al conteggio del numero di esemplari di un certo microorganismo, ottenendo la seguente distribuzione: Esemplari 0 Campioni 15 1 30 2 25 3 4 5 6 20 5 4 1

Vericare la conformit della distribuzione ottenuta ad una distribuzione di Poisson con una probabilit di errore di primo tipo = 0.05. 16

Soluzione La variabile casuale di Poisson ha funzione di probabilit p(x, ) = x e . Poich il parametro da cui dipende la distribuzione di Poisson non x! noto lo si stima con il corrispondente stimatore di massima verosimiglianza, = n xi i=1 = X = 186/100 = 1.86. n Le ipotesi sono: { H0 : XP oisson(1.8) H1 : XnonP oisson(1.8) Le probabilit attese, nellipotesi che la variabile casuale X che genera il campione sia una variabile casuale di Poisson, sono: xi p(xi ) 0 0.156 1 0.290 2 0.270 3 0.167 4 0.078 5 0.029 6 0.01

e le numerosit attese: xi n p(xi ) 0 1 15.6 29 2 27 3 16.7 4 7.8 5 2.9 6 1

Le ultime due frequenze risultano inferiori a 5 per cui le frequenze dei valori 5 e 6 vengono accorpate alla frequenza del valore 4. Le distribuzioni da confrontare, osservata e teorica, risultano: xi n(xi ) n p(xi ) La statistica test vale: Q=
k (ni ni )2 i=1

0 1 2 15 30 25 15.6 29 27

3 20 16.7

4-6 10 11.7

ni

(15 15.6)2 (30 29)2 (25 27)2 (20 16.7)2 (10 11.7)2 + + + + = 1.078 15.6 29 27 16.7 11.7

2 Mettendo a confronto questo valore con il quantile 2 k11, = 3,0.05 = 7.815 si conclude che lipotesi nulla di conformit della distribuzione osservata ad una variabile casuale di Poisson pu essere accettata.

17

dchisq(x, 3) 0.00 0 1 2 3 4 5 6 7 0.05 0.10 0.15 0.20 0.25

18
7.815 x 8 9 10 12 14 15