Andrs Miniguano Trujillo

ESCUELA POLITECNICA NACIONAL

FACULTAD DE CIENCIAS
Materia: PROBABILIDADES Y ESTADSTICA
Deber 13: BONDAD DE AJUSTE
1. En cierta autopista existen cuatro carriles para pagar el peaje. Para determinar si los
conductores tienen preferencia por ciertos carriles se observaron 1000 autos durante cierto
perodo, obtenindose los siguientes resultados:
Carril
1
2
3
4
Autos que pagaron en ese carril
294
276
238
192
Los datos presentan evidencia suficiente que indique que hay preferencia por ciertos
carriles?

H 0 : p1 =p 2= p3= p 4=0.25
Carril
Valores Observados
Valores Esperados

1
294
235

2
276
235

3
238
235

4
192
235

940
940

Comparamos estadsticamente lo observado con lo observado:

=k1=41=3
2
( v iei )
( 294235 )2 ( 276235 )2 ( 238235 )2 ( 192235 )2 1404
=
+
+
+
=
29.8723
ei
235
235
235
235
47
4

2=
i=1

2 > 2
2
2
2
2
= 0.05 ( 3 ) =7.8147 >
No se acepta H 0 ; es decir, hay evidencia suficiente para decir que existe una preferencia por
Regin de Rechazo:

ciertos carriles.
2. Los estudiantes universitarios insisten regularmente que deberan tener libertad de
eleccin cuando existen diferentes paralelos de un mismo curso o materia. En cierta
facultad, el semestre anterior, se programaron siete horarios diferentes de una misma
materia, con diferentes profesores. La siguiente informacin presenta la cantidad de
estudiantes que seleccionaron cada uno de los paralelos. Los datos sealan que los
estudiantes tuvieron preferencia por ciertos paralelos o que fue igualmente probable su
eleccin?
Paralelo
1
2
3
4
5
6
7
Nmero de estudiantes
18
12
25
23
10
19
14

H 0 : p1 =p 2= p3= p 4= p5= p 6= p7=

Paralelo

vi
ei

1
18
17.2857

2
12
17.2857

3
25
17.2857

1
7
4
23
17.2857

5
10
17.2857

Comparamos estadsticamente lo observado con lo observado:

=k1=71=6

6
19
17.2857

7
14
17.2857

Total
121
121

( v iei )

ei

121
121
121
121
121
121
1
12
25
23
10
19
14
7
7
7
7
7
7
+
+
+
+
+
+
121
121
121
121
121
121
121
7
7
7
7
7
7
7

) (

18

) (

) (

) (

) (

) (

=
2

i=1

>
( 6 ) =12.5916 2 < 2

Regin de Rechazo:
2

2
0.05

No hay evidencia suficiente para decir que existe una preferencia por ciertos paralelos, es ms
existe evidencia estadstica para afirmar que dicha eleccin fue realizada con misma probabilidad.
3. Entre 100 tubos al vaco utilizados en un experimento, 46 tienen vida til de menos de
20 horas, 19 tienen vida til de mas de 20 horas pero menos de 40, 17 tienen vida til de mas
de 40 horas pero menos de 60, 12 tienen vida til de mas de 60 horas pero menos de 80 y 6
tienen vida til de mas de 80 horas. Pruebe si los datos tomados se pueden considerar como
una muestra de una poblacin exponencial con media 40 horas.
X : Tiempo de vida til

H 0 : X E ( ) , F ( x )=1e

=E [ X ] ==40 [ h ] F ( x )=1e 40
Vida
til

[ 0,20 )

[ 20,40 )

[ 40,60 )

[ 60,80 )

[ 80, )

vi

46

19

17

12

ei

100 1e

23
20

1
2

3
2

3
2

1
2

) 100
( e e ) 100
( e e ) 1008.7795
(e
68.3363
23. (8651
e e ) 100
14.4749
1

Tota
l
100
23

20
+e2+ e 100
15.4558

Comparamos estadsticamente lo observado con lo observado:

=km=51=4
2

(46100 ( 1e )) + (19100 ( e
( v e )
=
23
20

ei

23
20

)
100 (1e

e )) ( 17100 ( e e )) (12100 ( e e
+
+
100 ( e e )
100 ( e e )
100 ( e e )
1
2

1
2

3
2

3
2
5

2=
i=1

2 > 2
2 = 20.05 ( 4 )=47.4387 2 < 2

Regin de Rechazo:

Aparentemente se podra considerar que la hiptesis nula no es descartable, pero hay que fijarnos
en un detalle, la probabilidad del quinto valor para el tiempo de vida til nos arroja un valor
negativo, lo cual ya de por s es imposible, luego llegando al valor de 2 se obtuvo un valor
negativo, valor para el cual no est definida la funcin, en tal caso es obvio que el dato no se
arroja dentro de la regin de rechazo, pero por esa probabilidad negativa y ese valor de 2 , se
puede asegurar que los datos no siguen una distribucin exponencial con media de 40 [h].
4. Durante 400 intervalos de cinco minutos se han obtenido los siguientes resultados
respecto a los mensajes de radio al centro de control de un aeropuerto:
Nmero de mensajes
0 1
2
3
4
5
6
7
8
9 10 11 12

3
2

3
2

3
Frecuencias observadas

15

47

76

68

74

46

39

15

a) Compruebe si es posible que este proceso se pueda estudiar con una distribucin de
Poisson, con el parmetro igual a 5.0.

X : de mensajes
H 0 : X Poisson P [ X =k ] =
n=400
=km=131=12

e5 5 k
, k Z
k!

# mensajes
0
1
2
3
4
5
6
7
8
9
10
11
12
Comparamos los datos:
2

( v iei )
ei

vi

ei

3
15
47
76
68
74
46
39
15
9
5
2
1

0.6738
3.369
8.4224
14.0374
17.5467
17.5467
14.6223
10.4445
6.5278
3.6266
1.8133
0.8242
0.5453

(30.6738 )2 ( 1 53.369 )2 ( 478.4224 )2 ( 7614.0374 )2 ( 6817.5467 )2 ( 7417.5

=
+
+
+
+
+
0.6738
3.369
8.4224
14.0374
17.5467
17.546

2 > 2
2
2
2
2
= 0.05 ( 12 )=21.0261 >

Regin de Rechazo:

Existe evidencia estadstica para afirmar que este proceso no se lo puede estudiar con una
distribucin de Poisson bajo tal parmetro.
b)

Haga el mismo estudio pero sin suponer que conoce el parmetro.

X : d e mensajes
H 0 : X Poisson P [ X =k ] =
desconocido, por estimar:
=E [ X ] =
q

e k
, k Z
k!

= 1 ( x i f ( xi ) )= 1813 4.5325 P [ X =k ]=
^= X
400 i=1
400
n=400
=km=131=12

1813
400

1813
400
k!

) ,kZ

# mensajes
0
1
2
3
4
5
6
7
8
9
10
11
12
Comparamos los datos:

vi

ei

3
15
47
76
68
74
46
39
15
9
5
2
1

1.07538
4.8741
11.046
16.6887
18.91038
17.1423
12.9496
8.3848
4.75053
2.3924
1.08437
0.4468
0.2546

( v iei )
ei

= 926.5386
13

2=
i=1

>
2
2
= 0.05 ( 12 )=21.0261 2 > 2

Regin de Rechazo:

Existe evidencia estadstica para afirmar que este proceso no se lo puede estudiar con una
distribucin de Poisson bajo el parmetro estimado. Se puede suponer que en general el proceso
no se puede estimar bajo una distribucin de Poisson.

5.
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:

Nmero de errores

Frecuencia

18

53

103

107

82

46

18

10

Probar si los datos de los errores se ajustan a una distribucin de Poisson.

X : de mensajes

e k
H 0 : X Poisson P [ X =k ] =
, k Z
k!
q

1
x f ( x ) = 1341 3.04773 P [ X=k ] =
440 i=1 ( i i ) 440
=km=101=9
=
^= X

# mensajes
0
1
2
3
4
5
6
7
8
9
Comparamos los datos:
10

=
2

i=1

1341
440

1341
440
k!

) ,kZ

vi

ei

18
53
103
107
82
46
18
10
2
1

20.8853
63.6528
96.9982
98.5414
75.0818
45.7658
23.2469
10.1215
3.8559
1.85034

( v ie i )
ei

6.3873

2 > 2
2 = 20.05 ( 9 ) =16.91898 2< 2

Regin de Rechazo:

Existe evidencia estadstica para afirmar que este proceso se lo puede estudiar con una
distribucin de Poisson.

6.
En una empresa distribuidora de productos enlatados, en el perodo anterior se recibieron 8
pedidos de 16 quintales, 25 pedidos de 20 quintales, 36 pedidos de 24 quintales, 54 pedidos de 32
quintales y 65 pedidos de 38 quintales. El departamento de ventas considera que si es posible
aceptar que la funcin de probabilidad de los pedidos de ventas es igual a:

p ( x )=

x10
80
0

si x=16,20, 24, 32,38

, para otros valores de x

=km=51=4 ,n=188
Se estiman los valores bajo la funcin y se procede a comparar:
# Quintales
16
20
24
32
38
5

2=
i=1

( v ie i )
ei

vi

ei

8
25
36
54
65

14.1
23.5
32.9
51.7
65.8

34079
3.1389
10857

2 > 2
2 = 20.05 ( 4 )=9.4877 2 < 2

Regin de Rechazo:

Existe evidencia estadstica para afirmar que este proceso se lo puede estudiar con la funcin de
probabilidad propuesta.
7.
Los siguientes datos, tomados al azar, representan el nmero de kilmetros recorridos por
50 automviles, con 10 galones de gasolina cada uno.

299

225

185

253

257

175

232

201

281

174

240

247

221

207

155

255

261

248

125

247

156

295

163

193

118

234

187

196

282

122

158

198

268

175

273

113

248

253

259

265

242

289

197

152

221

288

123

127

134

254

Es posible asegurar que el rendimiento de los autos tiene distribucin normal?

Agrupando valores:

L=M m+1=299113+ 1=187

r

e=wr L

27

24

21

10

19

11

17

12

16

13

15

Se analizar:

X ( , 2 ) , n=50, =215.18 , =

1037367
350

Intervalos de Clase

Pt. Medio

f(i)

ei

111.5 138.5

125

3.9747

138.5 165.5

152

5.0624

165.5 192.5

179

7.8872

192.5 219.5

206

9.6567

219.5 246.5

233

9.2915

246.5 273.5

260

14

7.0257

273.5 300.5

287

7.1016

=km=72=5
2

=
2

( v ie i )

12.4039

ei

i=1

2 > 2
2 = 20.05 ( 5 )=11.0705 2 > 2

Regin de Rechazo:

Existe evidencia estadstica para rechazar que el rendimiento de los autos siga una distribucin
normal.
8.
En cierto anlisis sobre el tiempo de duracin de un proceso se han obtenido los siguientes
resultados:
65.5.
12

Intervalos
Frecuencias

65.5 76.5
18

76.5 87.5
22

87.5 98.5
16

98.5
14

Es posible asegurar que el tiempo de duracin tiene un comportamiento normal?

Considerando:
Intervalos
54.5 - 65.5.
65.5 - 76.5
76.5 - 87.5
87.5 - 98.5
98.5 109.5
Pts. Medios
60
71
82
93
104
Frecuencias
12
18
22
16
14

n=82, =

3373
684376
, =
41
3321

65.5.
12
9.9536

Intervalos

vi
ei

65.5 76.5
18
18.2468

=km=52=3, n=82
5

=
2

i=1

( v ie i )
ei

2.1773

76.5 87.5
22
24.463

87.5 98.5
16
18.7513

98.5
14
10.5853

2 > 2
2
2
2
2
= 0.05 ( 3 ) =7.8147 <

Regin de Rechazo:

Existe evidencia estadstica para afirmar que el tiempo de duracin tenga un comportamiento
normal.
9.
En un anlisis de laboratorio realizado sobre bloques de cierta mezcla se observaron los
siguientes valores respecto a la resistencia a deformarse (en kg/cm2).
Intervalos (en kg/cm2) Frecuencias
13.5 --- 22.5
12
22.5 --- 31.5
18
31.5 --- 40.5
24
40.5 --- 49.5
28
49.5 --- 58.5
26
58.5 --- 67.5
23
67.5 --- 76.5
16
Se puede asegurar que la produccin de este tipo de bloques tiene un comportamiento
normal?. Si los resultados no permiten aceptar la normalidad, Qu podra hacerse para
mejorar esos resultados?
Se analizar:

X ( , 2 ) , n=147, =

6991
3456283
,=
147
10731

Intervalos de Clase

Pt. Medio

f(i)

ei

13.5 22.5

18

12

11.9543

22.5 31.5

27

18

15.3083

31.5 40.5

36

24

23.7554

40.5 49.5

45

28

28.816

49.5 58.5

54

26

27.3247

10

58.5 67.5

63

23

20.2544

67.5 76.5

82

16

19.5868

=km=72=5
2

=
2

( v ie i )
ei

i=1

1.60025

2 > 2
2 = 20.05 ( 5 )=11.0705 2 < 2

Regin de Rechazo:

Existe evidencia estadstica para afirmar que la produccin de este tipo de bloques sigue una
distribucin normal.

10.
En una panadera se ha registrado el peso (en gramos) de los panes producidos durante 80
das, obtenindose los siguientes resultados:
209.2 208.5 204.2 208.1 205.2 204.6 200.2 201.1 201.3
208.7 210.2 207.9 204.8 207.0 205.5 209.2 203.1 202.3
210.5 211.0 198.7 200.8 208.0 205.5 196.3 204.3 212.0
206.2 205.8 204.6 202.7 200.0 205.5 201.4 214.3 215.3
208.1 212.2 203.5 209.1 208.0 209.1 221.8 216.7 213.8
209.8 206.9 206.3 207.9 205.8 214.6 212.3 215.2 208.4
210.6 209.8 205.3 212.0 214.4 212.0 202.7 210.8 209.0
211.4 203.6 204.2
a) Construya un histograma en base a lo estipulado en clase.

200.6
210.2
207.8
215.7
216.2
212.9
212.6

209.5
206.2
205.9
212.3
211.9
207.6
212.3

Agrupando valores:

L=M m+1=22181 963+1=256

r

43

e=wr L
2

Intervalos de Clase

Pt. Medio

11

1961.5 2004.5

1983

2004.5 2047.5

2026

2047.5 2090.5

2069

2090.5 2133.5

2112

2133.5 2176.5

2155

2176.5 2219.5

2198

Volviendo a los datos originales:

Intervalos de Clase

Pt. Medio

f(i)

196.15 200.45

198.3

200.45 204.75

202.6

16

204.75 209.05

206.9

26

209.05 213.35

211.2

24

213.35 217.65

215.5

217.65 221.95

219.8

12

Histograma de Frecuencias con Datos Agrupados

b)

Determine si la produccin de la panadera podra considerarse normal

Se analizar:

X ( , 2 ) , n=80, =

Intervalos de Clase

166423
14124511
, =
800
632000

f(i)

ei

204.75

17

19.5185

204.75 209.05

26

27.3228

209.05 213.35

24

22.7454

213.35

10

10.4133

=km=42=2
7

=
2

i=1

( v ie i )
ei

0.5387
2

>
2
2
= 0.05 ( 2 )=5.9914 2< 2

Regin de Rechazo:

Existe evidencia estadstica que permite decir que posiblemente a la produccin hay como
determinarla bajo una distribucin normal.

13
11.
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?
Categoras
Todas
Mitad
Reprob
Retiro

vi

ei

287
49
30
34

320
40
24
16

=k1=41=3
7

=
2

( v ie i )
ei

i=1

27.17813
2

>
2
2
= 0.05 ( 3 ) =7.8147 2> 2

Regin de Rechazo:

Existe evidencia estadstica que permite decir que la informacin del semestre pasado no se ha
vuelto a repetir en el semestre pasado.

12.
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, 2, 3, 4 y 5 caras se
muestra en la siguiente tabla.

Nmero de
caras

Total

frecuencia

38

144

342

287

164

25

1000

Total

vi

38

144

342

287

164

25

1000

ei

20

200

200

200

200

20

1000

Ajustar una distribucin binomial

H 0 : p1 =p 2= p3= p 4= p5=0.2
Nmero de caras

14

Comparamos estadsticamente lo observado con lo observado:

=k1=61=5
2
4
( v ie i )
2
=
445.17
ei
i=1
2
2
Regin de Rechazo: >
2
2
2
2
= 0.05 ( 5 )=11.0705 >
No se acepta H 0 ; es decir, hay evidencia suficiente para decir que esta no es una muestra que
siga una distribucin binomial.

13.

Sea: n = 60 clientes.
Variable = Tiempo de servicio (en min)
Interv

alo li
fi
11
8
9
7
6

Probar si los datos de tiempos de servicio se ajustan a una distribucin exponencial.

X : Tiempo de vida til

H 0 : X E ( ) , F ( x )=1e
n=60,=E [ X ] ==

59
[ h ] F ( x ) =1e
15

15 x
59

vi

Intervalo li

11
8
9
7
6
5
4
2
3
3
1
1

=k1=121=11
7

=
2

i=1

( v ie i )
ei

7.0465

ei
13.4695
10.4457
8.1007
6.2822
4.8719
3.7782
2.93
2.2722
1.7621
1.3666
1.0598
3.6611

15

2 > 2
2
2
2
2
= 0.05 ( 11 ) =19.6751 <

Regin de Rechazo:

Existe evidencia estadstica que permite decir que los datos de tiempos de servicio se ajustan a
una distribucin exponencial.

14.
De cualquier tabla de nmeros aleatorios tome 80 con un solo dgito. Construya la tabla de
frecuencias de los dgitos 0, 1, 2, ..., 9 y pruebe si la hiptesis de aleatoriedad es sostenible.
Agrupando valores:

L=M m+1=90+1=1 0
r

e=wr L

10

11

12

13

16
H 0 : p1 =p 2= p3= p 4=0. 1

Intervalos de Clase

Pt. Medio

f(i)

ei

-0.5 0.5

0.5 1.5

1.5 2.5

13

2.5 3.5

15

3.5 4.5

4.5 5.5

5.5 6.5

7.5 8.5

8.5 9.5

10

10

9.5 10.5

=km=101=9
7

=
2

i=1

( v ie i )
ei

=14
2

>
2
2
= 0.05 ( 9 ) =16.919 2< 2

Regin de Rechazo:

Existe evidencia estadstica para rechazar que haya una aleatoriedad real entre los valores, ms
existe evidencia para aceptar de que la probabilidad de espera de cada valor sea la misma.

17