Title | Ejercicios Resueltos DE Bondad DE Ajuste |
---|---|
Author | Elvis M. Ignacio |
Course | Estadistica I |
Institution | Universidad Continental |
Pages | 6 |
File Size | 215.7 KB |
File Type | |
Total Downloads | 99 |
Total Views | 140 |
ejercicio resuelto por el catedratico...
1. En el desarrollo de métodos para purificar agua contaminada con residuos metálicos pesados, la empresa ColdWather prueba bacterias para un proceso de bio - lixiviación. La prueba reporta un nivel de adsorción (ppm) de metales pesados según lo siguiente: Nivel de Adsorción
200 a 300
300 a 400
400 a 500
500 a 600
N° de muestras
234
325
267
345
Los especialistas estiman que la distribución se comporta de manera uniforme. Realice una prueba adecuada para probar esta afirmación.
Paso 1: Hipótesis H0: O = E nivel de absorción se ajustan a la distribución uniforme H1: O ≠ E nivel de absorción no se ajusta la distribución uniforme Paso 2: Nivel de significancia α = 0. 05 Paso 3: Cálculo del estadístico de prueba E = npi = Nivel de Adsorción
N° de muestras
200 a 300
234
pi
0.25
E=n*pi
2
χ =
292.75
(234−292.75) 292.75
2
=11.7901366 2
300 a 400
325
0.25
292.75
(325−292.75) 292.75
400 a 500
267
0.25
292.75
(267−292.75) 292.75
500 a 600
345
0.25
292.75
345−292.75) 292.75
Total
n= 1171
1
1171
26.933390
χ2 =
∑(O-E)^2/E =
(234−292.75) 292.75
2
+
(325−292.75) 292.75
2
+
(267−292.75) 292.75
=3.552732 2
2.264944
2
=9.325576
2
+
345−292.75) 292.75
2
=26.933390
Paso 4: Regla de Decisión Valor p ≤ α 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 Valor p = 6.0797E-06 =0.0000060797= 0.0000 < α = 0. 05 Paso 5: Decisión se rechaza H0 Paso 6: Conclusión NO EXISTE EVIDENCIA ESTADÍSTICA PARA AFIRMAR que la distribución se comporta de manera uniforme. con un nivel de significancia del 5%
Existe evidencia suficiente para no probar que la distribución se comporta de manera uniforme. con un nivel de significancia del 5%
3. La distribución del tiempo hasta que cambia un sitio Web es importante para los rastreadores web que utilizan los motores de búsqueda para mantener la información actual sobre los sitios Web. La distribución del tiempo hasta el cambio (en días) de un sitio Web se aproxima en la siguiente tabla.
Días antes del cambio
N° de páginas Web
0.75 a 2.25
23
2.25 a 3.75
140
3.75 a 5.25
124
5.25 a 6.75
156
6.75 a 8.25
45
¿Se puede afirmar que los tiempos de cambio se distribuyen normalmente con una media de 4,3 días y desviación estándar 1,3?
Distribución normal x: Variable aleatoria continua -∞ < 𝑥 < ∞
Paso 1: Hipótesis H0: O = E Los tiempos de cambio se distribuyen normalmente H1: O ≠ 𝐸 Los tiempos de cambio no se distribuyen normalmente Paso 2: Nivel de significancia α =0.05 Paso 3: Cálculo del estadístico de prueba E = npi = pi
2
días antes de cambio
N°de páginas web
E=n*pi
< hasta 2.25
23
28.0144425 68
(23−28.01444256) 28.01444256
2.25 a 3.75
140
136.011924
(140−.01968) 136.152
χ = 2
=0.897559
2
=0.116936411
5 3.75 a 5.25
124
210.533301 6
(124−210.5333016) 210.5333016
5.25 a 6.75
156
98.9269549 6
(156−98.92695496) 98.92695496
6.75 a más
45
14.513554
(45−14.51355432) 14.51355432
Total
n=488
133.546318
χ2 = ∑(O-E)^2/E = Paso 4: Regla de Decisión Valor p ≤ α 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 Paso 5: Decisión
Paso 6: ConclusiónNo existe evidencia para probar que los tiempos de cambio se distribuyen normalmente . AL 5% de significancia
2
=35.56687816
2
=32.9266424
2
=64.038302
Cierto tipo de linterna eléctrica se vende con las cuatro baterías incluidas. Se obtiene una muestra aleatoria de 150 linternas y se determina el número de baterías defectuosas; con los resultados siguientes:
5.
Número defectuoso Linternas
0
1
2
3
4
26
51
47
16
10
Se debe probar si la distribución de las baterías sigue una distribución binomial con p=0,36 Distribución Binomial x: variable aleatoria discreta x: 0,1,2,3,...n 𝑥
P(X=x) = nCx 𝑝 (1 − 𝑝)
𝑛−𝑥
=
Paso 1: Hipótesis H0: O = E la distribución de las baterías sigue una distribución binomial H1: O ≠ 𝐸la distribución de las baterías no sigue una distribución binomial Paso 2: Nivel de significancia α =0.05 Paso 3: Cálculo del estadístico de prueba E = npi = χ2 = ∑(O-E)^2/E = Chi-squared test for given probabilities data: o X-squared = 23.0146, df = 4, p-value = 0.0001258
Paso 4: Regla de Decisión Valor p ≤ α 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 p-value = 0.0001258 < α =0.05 Paso 5: Decisión Se rechaza H0 Paso 6: Conclusión No existe evidencia para probar que la distribución de las baterías sigue una distribución binomial. Al 5% de significancia
de las baterías sigue una distribución binomial con p=0,36 6. Se cree que el número de accidentes automovilísticos diarios en un cruce de dos avenidas de determinada ciudad tiene una distribución de Poisson. En una muestra de 80 días del año pasado se obtuvieron los datos de la tabla adjunta. ¿Apoyan estos datos la hipótesis de que el número diario de accidentes tiene una distribución de Poisson? Use nivel de significación 0.05 y concluya usando p-valor y el estadístico de prueba
Número accidentes
Días
0
1
2
3
4
34
25
11
7
3
Distribución Poisson X: V.A discreta
X: 0,1,2,3,...,∞ µ=1 Paso 1: Hipótesis H0: O = E el número diario de accidentes tiene una distribución de Poisson H1: O ≠ 𝐸el número diario de accidentes tiene una distribución de Poisson Paso 2: Nivel de significancia α =0.05 Paso 3: Cálculo del estadístico de prueba E = npi = χ2 = ∑(O-E)^2/E = Chi-squared test for given probabilities data: o X-squared = 4.3049, df = 3, p-value = 0.2304
Paso 4: Regla de Decisión Valor p ≤ α 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 p-value = 0.2304 > α =0.05 Paso 5: Decisión No se rechaza H0 Paso 6: Conclusión Existe evidencia para probar que lel número diario de accidentes tiene una distribución de Poisson. Al 5% de significancia...