Practica de Estadstica

Nilda Candiotti Gutirrez

Ejemplo 1:

Una moneda fue lanzada al aire 1000 series, de 5 veces cada serie y se observ el nmero de caras de cada serie. El nmero de series en los que se presentaron 0, 1, 1, 3, 4 y 5 caras se muestra en la siguiente tabla.
Nmero de series Nmero de caras (frecuencia observada) 0 1 2 38 144 342 287 164 25 1000

Ajustar una distribucin binomial a los datos con un = 0.05.

Total

3 4 5

Solucin

Ejemplo 2:
Se propone que el nmero de defectos en las tarjetas de circuito impreso sigue una distribucin Poisson. Se rene una muestra aleatoria de 60 tarjetas de circuito impreso y se observa el nmero de defectos. Los resultados obtenidos son los siguientes:
Nmero de defectos 0 1 Frecuencia observada 32 15

2
3 ms

9
4

Muestran estos datos suficiente evidencia para decir que provienen de una distribucin Poisson?. Haga la prueba de la bondad del ajuste con un = 0.05.
Solucin

Ejemplo 4:
En cierta mquina Expendedora de Refrescos existen 4 canales que expiden el mismo tipo de bebida. Estamos interesados en averiguar si la eleccin de cualquiera de estos canales se hace de forma aleatoria o por el contrario existe algn tipo de preferencia en la seleccin de alguno de ellos por los consumidores. La siguiente tabla muestra el nmero de bebidas vendidas en cada uno de los 4 canales durante una semana. Contrastar la hiptesis de que los canales son seleccionados al azar a un nivel de significacin del 5%.
Nmero de bebidas consumidas mediante este expendedor 13 22 18 17

Canal

1 2 3 4

Solucin

Solucin 1:
H0; Los datos se ajustan a una distribucin binomial. H1; Los datos no se ajustan a una distribucin binomial. Para obtener los valores esperados se tiene que utilizar la formula de la distribucin binomial: , donde n en este ejercicio vale 5, p y q son las probabilidades respectivas de cara y sello en un solo lanzamiento de la moneda. Para calcular el valor de p, se sabe que =np en una distribucin binomial, por lo que = 5p. Para la distribucin de frecuencias observada, la media del nmero de caras es:

Solucin 1: (cont.)
Por lo tanto =

= . .

As pues, la distribucin binomial ajustada viene dada por = (. ) (. ) Al seguir esta frmula se calcula la probabilidad de obtener caras, segn el valor de la variable aleatoria. La probabilidad multiplicada por 1000 nos dar el valor esperado. Se resumen los resultados en la tabla siguiente:
Nmero de caras (x) 0 1 2 P(x caras) 0.0332 0.1619 0.3162 Frecuencia esperada 33.2 161.9 316.2 Frecuencia observada 38 144 342

3
4 5

0.3087
0.1507 0.0294

308.7
150.7 29.4

287
164 25

Solucin 1: (cont.)
Para los grados de libertad el valor de m ser uno, ya que se tuvo que estimar la media de la poblacin para poder obtener el valor de p y as poder calcular los valores esperados. Grados de libertad: k-1-m = 6-1-1 = 4

Solucin 1: (cont.)
Regla de decisin: Si X2R 9.49 no se rechaza Ho. Si X2R > 9.49 se rechaza Ho.

Justificacin y decisin: Como el 7.54 no es mayor a 9.49, no se rechaza H0 y se concluye con un = 0.05 que el ajuste de los datos a una distribucin binomial es bueno.

Solucin 2:
H0; La forma de la distribucin de los defectos es Poisson. H1; La forma de la distribucin de los defectos no es Poisson. La media de la distribucin Poisson propuesta en este ejemplo es desconocida y debe estimarse a partir de los datos contenidos en la muestra.

A partir de la distribucin Poisson con parmetro 0.75, pueden calcularse las probabilidades asociadas con el valor de x. Esto es la frmula de la Poisson es:

Solucin 2: (cont.)
Con esta frmula se calculan las probabilidades, mismas que se multiplican por 60 para obtener los valores esperados.
Nmero de defectos 0 Probabilidad 0.472 Frecuencia esperada 28.32 Frecuencia observada 32

1
2 3 ms

0.354
0.133 0.041

21.24
7.98 2.46

15
9 4

Puesto que la frecuencia esperada en la ltima celda es menor que 5, se combinan las dos ltimas celdas.
Nmero de defectos 0 1 2 ms Frecuencia esperada 28.32 21.24 10.44 Frecuencia observada 32 15 13

Solucin 2: (cont.)
Los grados de libertad seran 3-1-1=1, debido a que la media de la distribucin Poisson fue estimada a partir de los datos.

Regla de decisin: Si X2R 3.84 no se rechaza Ho. Si X2R > 3.84 se rechaza Ho.

Solucin 2: (cont.)
Clculos:

Justificacin y decisin: Como el 2.94 no es mayor a 3.84, no se rechaza H0 y se concluye con un = 0.05 que la distribucin de defectos en las tarjetas de circuito impreso es Poisson.

Solucin 4:
Para la realizar el contraste de Bondad de Ajuste debemos calcular las frecuencias esperadas de cada suceso bajo la hiptesis de uniformidad entre los valores. Si la seleccin del canal fuera aleatoria, todos los canales tendran la misma probabilidad de seleccin y por lo tanto la frecuencia esperada de bebidas vendidas en cada uno de ellos debera ser aproximadamente la misma. Como se han vendido en total 70 refrescos, la frecuencia esperada en cada cana es: Ei = n * p1 = 70 * = 15.5 i=1,, k El estadstico del contraste sera:

Solucin 4: (cont.)
Este valor debemos compararlo con el valor critico de la distribucin x2 con (4-1) = 3 grados de libertad. Exte valor es: x2 0.95(3) = 7.81 Puesto que el valor del estadstico (2.34) es menor que el valor critico, no podemos rechazar la hiptesis de que los datos se ajustan a una distribucin uniforme. Es decir, que los canales son seleccionados aleatoriamente entre los consumidores.

Solucin 4: (cont.)