ESTADISTICA INDUSTRIAL

LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

DISTRIBUCIN 2 (CHI-CUADRADO)
El objetivo de esta prctica es el estudio de varias puntos en
relacin con v.a. cualitativas cuantitativas cuyos datos estn
recogidos en forma de tabla de frecuencias. El denominador
comn a todas ellas es que su tratamiento estadstico est basado
en la misma distribucin terica: la distribucin 2 (chi-cuadrado
ji-cuadrado).

En esencia se van a abordar tres tipos de problemas:

a) Prueba de Bondad de Ajuste, consiste en determinar si los
datos de cierta muestra corresponden a cierta distribucin poblacional. En
este caso es necesario que los valores de la variable en la muestra y sobre la cual
queremos realizar la inferencia est dividida en clases de ocurrencia, o
equivalentemente, sea cual sea la variable de estudio, deberemos categorizar los
datos asignado sus valores a diferentes clases o grupos.

b) Prueba de Homogeneidad de varias muestras cualitativas, consiste en comprobar

si varias muestras de una carcter cualitativo proceden de la misma
poblacin (por ejemplo: estas tres muestras de alumnos provienen de
poblaciones con igual distribucin de aprobados?. Es necesario que las dos
variables medibles estn representadas mediante categoras con las cuales
construiremos una tabla de contingencia.

c) Prueba de Independencia, consistente en comprobar si dos caractersticas

cualitativas estn relacionadas entre s (por ejemplo: el color de ojos est
relacionado con el color de los cabellos?). Aunque conceptualmente difiere del
anterior, operativamente proporciona los mismos resultados. Este tipo de
contrastes se aplica cuando deseamos comparar una variable en dos situaciones o
poblaciones diferentes, i.e., deseamos estudiar si existen diferencias en las dos
poblaciones respecto a la variable de estudio.

PRUEBA DE BONDAD DEL AJUSTE

Estamos interesados en comprobar la perfeccin de un dado cbico (un dado normal
de 6 caras). Para esto realizamos 100 lanzamientos del dado anotando los puntos
obtenidos en cada lanzamiento. A la vista de los resultados obtenidos, podemos
concluir que el dado no es perfecto?. Nivel de significacin (5%)

n el Nmero de veces que se obtiene la

dado puntuacin.
1 14
2 22
3 18
4 17
5 20
6 9

SOLUCIN:
Si el dado estuviera equilibrado, en el resultado de lanzarlo sucesivamente se
deberan obtener aproximadamente el mismo nmero de veces cada una de las caras
del dado. En este ejercicio se debe contrastar si la distribucin del dado es una
distribucin uniforme, con probabilidad de obtener cada una de las caras igual a 1/6.

Pag: 1/8
ESTADISTICA INDUSTRIAL
LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

Se calcula de una forma muy sencilla el nmero esperado de resultados obtenidos en

cada clase multiplicando la probabilidad de obtener cada una de las caras (p = 1/6) por
el nmero de lanzamientos (n = 100).

Se observa que los valores observados y esperados no parecen coincidir, por lo tanto, a priori
parece haber evidencias de irregularidades en el dado. Calculemos el estadstico 2 con ayuda
del Calculator de MINITAB

Pag: 2/8
ESTADISTICA INDUSTRIAL
LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

Calc > Estadisticos en columnas

Suma de Chi2

Suma de Chi2 = 6.46747

Se calcula finalmente el p-valor asociado a este estadstico. En este caso, como

trabajamos con un contraste unilateral, p-valor= P( 2 >6,4675) = 1- P( 2 < 6,4675)
donde 2 sigue una distribucin Chi-cuadrado con k-1=5 grados de libertad. Por tanto:

Calc > Distribuci de Probabilidad > Chi-square

Funcin de distribucin acumulada

Chi-cuadrada con 5 GL

x P( X <= x )
6.46747 0.736650

Entonces, p-valor = 1 0,7367 = 0, 2633 .

Por tanto, podemos considerar que el p-valor no es significativo.
Concluiremos, a pesar de las evidencias que haban en un principio, que no hay evidencias
para rechazar que el dato fuera correcto, no podemos rechazar la distribucin uniforme para
los posibles resultados del dado.

Pag: 3/8
ESTADISTICA INDUSTRIAL
LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

PRUEBA DE HOMOGENEIDAD
EJEMPLO:
Se esta interesado en estudiar la relacin entre cierta enfermedad y la adiccin al tabaco. Para
realizar esto seleccionamos una muestra de 150 individuos, 100 individuos no fumadores y 50
fumadores. La siguiente tabla muestra las frecuencias de enfermedad en cada grupo
(Completarla tabla).

Realizar un contraste de homogeneidad y obtener las conclusiones sobre la relacin

entre las variables.

SOLUCIN:
Para considerar este contraste como un contraste de Homogeneidad suponemos que
las personas fumadoras y las personas no fumadoras constituyen dos poblaciones
diferenciadas. Un estudio similar consistira en considerar a los fumadores y no
fumadores como una caracterstica de una poblacin y por lo tanto este ejemplo podra
plantearse como un contraste de independencia,.
En este ejemplo queremos contrastar la hiptesis de que las proporciones de
enfermos en ambas poblaciones ( Fumadores y No Fumadores) es la misma.
La representacin de la tabla de contingencia en Minitab debe ser la misma que la
anterior:

Minitab realiza los clculos por nosotros:

Stat > Tables > Chi-square Test:

Pag: 4/8
ESTADISTICA INDUSTRIAL
LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

Chi-Square Test: Padecen la enfermedad. No padecen la

enfermedad

Expected counts are printed below observed counts

Chi-Square contributions are printed below expected counts

No padecen
Padecen la la
enfermedad enfermedad Total
1 12 88 100
24,67 75,33
6,505 2,130

2 25 25 50
12,33 37,67
13,009 4,260

Total 37 113 150

Chi-Sq = 25,903. DF = 1. P-Value = 0,000

En los resultados aparecen las frecuencias esperadas bajo el supuesto de

homogeneidad.
Con un p-valor de 0,000 hay suficiente evidencia en contra de que la hiptesis nula
sea cierta. Por tanto, la rechazaramos, i.e.; parece evidente que los fumadores tienen
una mayor propensin a padecer la enfermedad.

PRUEBA DE INDEPENDENCIA
EJEMPLO:
Un estudio que se realiz con 81 personas referente a la relacin entre la cantidad de
violencia vista en la televisin y la edad del televidente produjo los siguientes resultados.

Indican los datos que ver violencia en la televisin depende de la edad del
televidente, a un nivel de significacin del 5%?

SOLUCIN:
Debemos realizar un test de independencia para ver si existe relacin entre la
violencia vista en televisin con el grupo de edad al que pertenece el individuo.
Dado que el test de Independencia, no difiere del test de Homogeneidad a nivel
operacional, el desarrollo es anlogo al ejercicio de Minitab de la seccin anterior.
Introducimos los valores de la tabla de contingencia del siguiente modo:

Pag: 5/8
ESTADISTICA INDUSTRIAL
LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

Stat > Tables > Chi-Square Test:

Chi-Square Test: 16-34. 34-55. 55 a mas

Expected counts are printed below observed counts

Chi-Square contributions are printed below expected counts

16-34 34-55 55 a mas Total

1 8 12 21 41
13,16 13,67 14,17
2,024 0,203 3,289

2 18 15 7 40
12,84 13,33 13,83
2,074 0,208 3,371

Total 26 27 28 81

Chi-Sq = 11,169. DF = 2. P-Value = 0,004

El valor del estadstico del contraste es 11,169.

El p-valor asociado a este valor es 0,004.

Por lo tanto a un nivel de significacin del 0.005 deberemos rechazar la hiptesis nula
de independencia, y por lo tanto concluir que existe diferencias entre el tipo de
televisin consumida y la edad del televidente.

Pag: 6/8
ESTADISTICA INDUSTRIAL
LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

PROBLEMAS PROPUESTOS

1. 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 = 10 y p = 0.05

Nmero de unidades con defecto Nmero de muestras

0 138
1 53
2 ms 9

2. 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 Frecuencia

0 18
1 53
2 103
3 107
4 82
5 46
6 18
7 10
8 2
9 1

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

Use = 0.05.

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?

Pag: 7/8
ESTADISTICA INDUSTRIAL
LABORATORIO
DISTRIBUCIN 2 (CHI-CUADRADO)
10 Ing. William Len Velsquez wleonv20@yahoo.com SEM 2014-1

4. El gerente de una planta industrial pretende determinar si el nmero de

empleados que asisten al consultorio mdico de una planta se encuentra
distribuida en forma uniforme durante los cinco das del trabajo de la semana.
Con base a una muestra aleatoria de cuatro semanas completas de trabajo se
observa el siguiente nmero de consultas

Existe alguna razn para creer que el nmero de empleados que asisten al
consultorio mdico no se encuentran distribuidos uniformemente durante los
das del trabajo de la semana Utilice =0.05

Pag: 8/8