Simulación de Sistemas

Pruebas de Bondad de Ajuste

CONTENIDOS

Creación de histogramas.

Prueba de bondad de ajuste Ji Cuadrado

Prueba de bondad de ajuste Kolmogorov

Smirnov - KS
Objetivos de la Sesión
• Determinar la función de distribución de probabilidades (fdp) que puede representar a un
conjunto de datos.
• Usar la prueba de bondad de ajuste Chi-Cuadrado.
1.- Creación de Histogramas
1. Recolectar los datos.
2. Hallar los estadísticos máximo, mínimo y promedio.
3. Calcular la cantidad de intervalos de clase “K” y el “Ancho de Clase”,
usando la regla de STURGES.

Regla de STURGES:

K = 1 + 3.3 Log (n)

n: número de observaciones
K: número de intervalos

Ancho de clase =
(Max valor – Min valor) / k
1.- Creación de Histogramas
4. Se requiere K = 6 intervalos de clase y el ancho de clase es igual a 8.5.
5. Usaremos el ancho de clase para hallar cada intervalo, cada intervalo de clase
tiene un límite inferior y superior.
Límite Límite Frec.
Inferior Superior Obs.

1 1+8.5 = 9.5

9.5 9.5+8.5=18.0

18 18+8.5 =26.5

26.5 26.5 + 8.5 = 35.0

35.0 35.0 + 8.5 = 43.5

43.5 43.5 + 8.5 = 52.0

1.- Creación de Histogramas
La frecuencia observada (FO) muestra cuántos datos se encuentran
dentro de cada intervalo.
Límite Límite Frecuencia
Inferior Superior Observada

1 9.5 18

9.5 18.0 6

18 26.5 2

26.5 35.0 2

35.0 43.5 1

43.5 52.0 1

Total 30
1.- Creación de Histogramas
El gráfico de la frecuencia observada nos ayuda a analizar cómo se
distribuyen los datos y dónde están más concentrados.

Límite Límite Frecuencia

18
Inferior Superior Observada
16
14
1 9.5 18 12

9.5 18.0 6 10
8
18 26.5 2 6

26.5 35.0 2 4
2
35.0 43.5 1
0
1 - 9.5 9.5 - 18 18 - 26.5 - 35 - 43.5 -
43.5 52.0 1 26.5 35 43.5 52

Total 30
1.- Creación de Histogramas
Office 2007: Herramientas / análisis de datos / histograma
Puedes revisar la siguiente guía en youtube (Office 2007):

http://www.youtube.com/watch?v=hjfn68RehEM

Haz clic en “archivo de datos” para obtener el archivo Excel con

los datos y halla el histograma.
2.- Prueba Ji Cuadrado
Analizando las funciones Uniforme, Exponencial y Normal, notamos que
la exponencial es la que se ajusta al histograma.

18
Uniforme Exponencial Normal
18 18
16
16 16
14
14 14
12
12 12
10
10 10
8
8 8
6
6 6
4
4 4
2
2 2
0
1 - 9.5 9.5 - 18 18 - 26.5 - 35 - 43.5 - 0 0
26.5 35 43.5 52 1 - 9.5 9.5 - 18 18 - 26.5 - 35 - 43.5 - 1 - 9.5 9.5 - 18 18 - 26.5 - 35 - 43.5 -
26.5 35 43.5 52 26.5 35 43.5 52

Por lo tanto, la hipótesis es:

Ho: Los datos tienen un comportamiento exponencial (11.53)
H1: Los datos NO tienen un comportamiento exponencial (11.53)
2.- Prueba Ji Cuadrado
Casi siempre la función exponencial representa los tiempos requeridos
para la ejecución de una actividad o la prestación de un servicio.
Esta función requiere de un parámetro que es el promedio.
Función de distribución de Función de distribución de
probabilidades probabilidades ACUMULADA

x

1 x

F ( x) 1  e
f ( x)  e
 Donde:
Promedio: 
(para los 30 datos  =11.53)
Varianza: 2
 2.- Prueba Ji Cuadrado
El siguiente paso es hallar la probabilidad del intervalo, usando la función
planteada en la hipótesis

Límite Límite Frecuencia Frecuencia ( FOi  FEi) 2

P(Li <= X <= Ls)
Inferior Superior Observada (FO) Esperada (FE) FEi
1 9.5 18 0.478
9.5 18.0 6 0.229
18 26.5 2 0.109 P(1  x  9.5)
26.5 35.0 2 0.052  P( x  9.5)  P( x  1)
35.0 43.5 1 0.025
 [1  e 9.5 /11.53 ]  [1  e 1/11.53 ]
43.5 52.0 1 0.012
 0.561  0.083
Total 30
 0.478
 2.- Prueba Ji Cuadrado
El siguiente paso es hallar la frecuencia esperada, multiplicando la
probabilidad por el total de datos.

Límite Límite Frecuencia Frecuencia ( FOi  FEi) 2

P(Li <= X <= Ls)
Inferior Superior Observada (FO) Esperada (FE) FEi
1 9.5 18 0.478 14.35
0.478x30
9.5 18.0 6 0.229 6.86
18 26.5 2 0.109 3.28 0.229x30
26.5 35.0 2 0.052 1.57
35.0 43.5 0 0.025 0.75
43.5 52.0 2 0.012 0.36
Total 30
2.- Prueba Ji Cuadrado
El siguiente paso es hallar la columna Ji Cuadrado calculado.

Límite Límite Frecuencia Frecuencia ( FOi  FEi) 2

P(Li <= X <= Ls)
Inferior Superior Observada (FO) Esperada (FE) FEi
1 9.5 18 0.478 14.35 0.93
9.5 18.0 6  14.35) 2
(180.229 6.86 0.11
18 26.5 2 14.35
0.109 3.28 0.50
26.5 35.0 2 0.052 1.57 0.12
35.0 43.5 0 0.025 0.75 0.08
43.5 52.0La suma 2de esta columna0.012 es llamada
0.36 1.14
“valor Chi-cuadrado calculado”
Total 30 2.88
2.- Prueba Ji Cuadrado
Los grados de libertad = K – 1 – [cantidad parámetros de la función]
Los grados de libertad = 6 – 1 – 1 = 4
Supongamos un nivel alfa = 10%
Por lo tanto, el valor Chi-cuadrado = 7.7794
2.- Prueba Ji Cuadrado
Recordemos que la hipótesis planteada es:
Ho: Los datos tienen un comportamiento exponencial (11.53)
H1: Los datos NO tienen un comportamiento exponencial (11.53)
Si el valor Chi-cuadrado (calculado) es menor que el Chi-cuadrado (de tabla)
No rechazamos la hipótesis Ho
El valor Chi-cuadrado (calculado) = 2.88
El valor Chi-cuadrado (de tabla) = 7.7794

Como 2.88 es menor que 7.7794, NO RECHAZAMOS la hipótesis Ho

Es decir los datos (los tiempos de la actividad) pueden ser
representados por una función EXPONENCIAL con promedio = 11.53
Pruebas de bondad de ajuste
Desarrollar los casos planteados en el archivo “Ejercicios Ji Cuadrado”
usando la prueba Ji Cuadrado
CONCLUSIONES
01 El cálculo de la probabilidad del intervalo se realiza usando la función planteada en la hipótesis.

02 El valor Ji Cuadrado calculado es la suma de la última columna calculada.

03 Si el valor Ji Cuadrado calculado, es menor que el valor Ji Cuadrado de tabla, no rechazamos la hipótesis Ho.
REFERENCIAS

 Bibliografía: LAW, Averill M. y David Kelton (2014). Simulation

Modeling and Analysis.