Logros

Al finalizar la clase los alumnos emplean la prueba chi-

cuadrado de bondad de ajuste para determinar si los datos
de una muestra se ajustan a una distribucin especfica.
 Bondad de Ajuste

En diversas situaciones se requiere conocer si la data

muestral proviene o no de una determinada distribucin
probabilstica.

Cmo proceder?
 Bondad de Ajuste

La prueba de bondad de ajuste Chi-cuadrado es una

prueba estadstica que permite determinar si una data
muestral proviene o no de una hipottica distribucin.

Los datos de la muestra son coherentes con una

distribucin supuesta?
 Prueba Chi-cuadrado de Bondad de
Ajuste

Las llamadas al soporte tcnico tienden a ser iguales todos los das
de la semana? Es decir, Las llamadas siguen una distribucin
uniforme? Para cada da de la semana se tom una muestra de 10
das: Total de llamadas (muestra):
Lunes 290
Martes 250
Mircoles 238
Jueves 257
Viernes 265
Sbado 230
Domingo 192 Total = 1722
 Lgica de la Prueba Chi-cuadrado de
Bondad de Ajuste

Si las llamadas estuvieran uniformemente dis-tribuidas, se

esperara que las 1,722 llamadas se distribuyan
equitativamente en los 7 das:
1,722
246 llamadas esperadas por da
7
Prueba chi-cuadrado de bondad de ajuste: Evala si los
resultados muestrales son consistentes con los resultados
esperados. Es decir, datos observados = datos esperados.
Frecuencias Observadas vs.
Frecuencias Esperadas

Observado Esperado
oi ei
Lunes 290 246
Martes 250 246
Mircoles 238 246
Jueves 257 246
Viernes 265 246
Sbado 230 246
Domingo 192 246
Total 1,722 1,722
Estadstico de prueba chi-cuadrado

H0: La distribucin de llamadas es uniforme respecto a los das

de la semana (observado = esperado)
H1: La distribucin de llamadas no es uniforme

El estadstico de prueba es:

(o e ) 2
i i
2
(gl k 1)
ei
Donde:
k = Nmero de categoras
oi = Frecuencia observada en la categora i
ei = Frecuencia esperada en la categora i
 Regin de Rechazo

H0: La distribucin de llamadas es uniforme respecto a los das de

la semana
H1: La distribucin de llamadas no es uniforme

( o e ) 2
2 i i
ei

0 2
Rechazar H0 si No rechazar H0 Rechazar H0
2

2 2
(con k-1 grados de libertad)
Estadstico de prueba chi-cuadrado
H0: La distribucin de llamadas es uniforme respecto a los das de la
semana
H1: La distribucin de llamadas no es uniforme

20.05 = 12.5916 (gl = k 1 = 6)

= 0.05

0 No rechazar H0 Rechazar H0
2
Estadstico de prueba:
(290 246)2 (250 246)2 (192 246)2

2
... 23.05
246 246 246
Decisin: Como 2 = 23.05 > 2 = 12.5916 entonces se rechaza H0
Conclusin: Hay suficiente evidencia para concluir que la
distribucin no sea uniforme
 Procedimiento para elaborar una
prueba de Bondad de ajuste

1. Obtener la frecuencia observada (F.O), proveniente

de una encuesta, estudio experimento.
2. Determinar la frecuencia esperada (F.E),
3. Establecer el nivel de significancia
4. Determinar los grados de libertad de la siguiente
manera:
gl=K-p-1.
Donde k es el nmero de categoras
p=parmetros a estimar.
11
 Procedimiento para elaborar una
prueba de Bondad de ajuste

5. Plantear las hiptesis:

H0: lo que se sostiene el supuesto valor del parmetro.
H1: lo que contradice al supuesto valor del parmetro.

6. Construir las reas de aceptacin y rechazo.

7. Calcular ji-cuadrada.
8. Tomar una decisin y emitir una conclusin, en
trminos del problema .
12
 Prueba de Bondad de ajuste para la
Distribucin de Poisson

1. Plantear la hiptesis nula y alterna

H0: La poblacin tiene una distribucin de prob. de Poisson.
H1: Caso contrario
2. Tomar una muestra aleatoria, anotar la frecuencia observada
fi y calcular la media de ocurrencias .
3. Calcular la frecuencia esperada de ocurrencias . Multiplicar
el tamao de muestra con la prob. de Poisson para cada valor
de la variable aleatoria. Si hay menos de 5 combinar las
categoras n
(oi ei ) 2
4. Calcular el estadstico de prueba
2

i 1 ei
5. Rechazar Ho si 2 2. con gl=k-p-1
13
y alfa nivel de significancia
Ejemplo: Distribucin de Poisson =5
Ho: No. de clientes que llegan a un establecimiento en intervalos de 5 min. tiene una
distribucin de Poisson
Ha: No se sigue una distribucin de Poisson
Clientes Frec. observada f(x) de Poisson 128*f(x) cantidad esperada
0 2 0.0067 0.8576
1 8 0.0337 4.3136
2 10 0.0842 10.7776
3 12 0.1404 17.9712
4 18 0.1755 22.4640
5 22 0.1755 22.4640
6 22 0.1462 18.7136
7 16 0.1044 13.3662
8 12 0.0653 8.3584
9 6 0.0363 4.6464
14
10 o ms 0.0318 4.0704
Ejemplo: Distribucin de Poisson =5
Combinando X=0,1 y X=9, 10 o ms para que la frecuencia observada sea mayor a 5
y se pueda aplicar la distribucin Chi Cuadrada se tiene:

Clientes Frec. Observada (fi) f(x) de Poisson 128*f(x) frecuencia esperada (ei)
0y1 10 0.0067+0.0337 5.1712
2 10 0.0842 10.7776
3 12 0.1404 17.9712
4 18 0.1755 22.4640
5 22 0.1755 22.4640
6 22 0.1462 18.7136
7 16 0.1044 13.3662
8 12 0.0653 8.3584
9 o ms 6 0.0363+0.0318 8.7168
15
 Estadstico y conclusin

Con los datos anteriores se calcula el estadstico Chi

cuadrada que se compara con Chi Cuadrada de alfa para
k-p-1 grados de libertad (K categoras: 9, p parmetros a
estimar: 1 media). n
( o e ) 2

Ho se rechaza si o si i e i
2 2 2

i 1 i

El valor de Chi Cuadrada calculado es de 10.9766 y el valor

Chi Cuadrada de alfa 0.05 con 7 gl. es de 14.07
Por lo tanto no se rechaza Ho y se concluye que los datos
16

siguen una distribucin de Poisson.

Ejercicios Aplicativos
 Trabajo Grupal

SE FORMARN GRUPOS DE CUATRO ALUMNOS

ES MUY IMPORTANTE
QUE TODOS LOS
ALUMNOS PARTICIPEN
EN EL TRABAJO GRUPAL.
 Ejercicios Aplicativos

PROBLEMA:

Se lanza 180 veces un dado con los siguientes resultados:

X 1 2 3 4 5 6
f 28 36 36 30 27 23

Es un dado balanceado?
Utilice un nivel de significancia de 0.01.
 Ejercicios Aplicativos

RESPUESTA
 Cierre

QU HEMOS APRENDIDO?
UNIVERSIDAD TECNOLGICA DEL PERU

ESTADSTICA INFERENCIAL