Ji cudrada con prueba de independencia

Ejercicio #1
La gerente del Departamento de micro finanzas del Banco del País, la Lic. Betty Irías desea
hacer un estudio sobre los préstamos que el banco concede a sus clientes en los meses
de: diciembre, julio y enero. ¿Existe una diferencia significativa con los préstamos que el
banco concede a sus clientes? La siguiente tabla contiene la información:

La gerente quiere probar con α = 0.10, si los préstamos son independientes de las
temporadas que hay en el año. Observación: MM quiere decir en millones de Lempiras.

Los presatamos son independientes en las temporadas del año

Los prestamos son dependientes en las temporadas del año

Prestamos Dic. Alta Julio Media Enero Baja Total Proporcion

Negocios Micros 470 301 100 871 0.124
Prestamos Personales 970 521 327 1818 0.259
Prestamos Hipoteticos 3000 910 415 4325 0.617
Total 4440 1732 842 7014 1

Fo Fe Fo-Fe (Fo-Fe)² (Fo-Fe)²/Fe

470 551.360 -81.360 6619.471871 12.006
301 215.080 85.920 7382.22484 34.323 α=
100 104.560 -4.560 20.7912076 0.199 g.l =
970 1150.830 -180.830 32699.40537 28.414 g.l =
521 448.927 72.073 5194.475775 11.571 g.l =
327 218.243 108.757 11828.09752 54.197
3000 2737.810 262.190 68743.54676 25.109
910 1067.993 -157.993 24961.65731 23.373
415 519.197 -104.197 10857.08142 20.911
Total 210.102
Conclusion: con un nivel de signific
prestamos son dependiendes en la
que se rechaza H0 y se acepta H1
 0.1
(r-1) (c-1)
(3-1) (3-1)
(2) ( 2) = 4
λ2 = 210.102

7.779

con un nivel de significancia del 10% los

on dependiendes en las temporadas del año asi
aza H0 y se acepta H1
Inciso 2

MH0= La composición demográfica para un nuevo producto es independiente

MH1= La composición demográfica para un nuevo producto es dependiente

Grupo de edad
Actividad
futura 18-29 30-39 40-49
Compra
Frecuente 12 18 17
Compra
alguna vez 18 25 29

Nunca compra 45 32 29
Total 75 75 75

Fo Fe Fo-Fe (Fo - Fe)2

12 20.2 -8.2 67.24
18 20.2 -2.2 4.84
17 20.2 -3.2 10.24
22 20.2 1.8 3.24
32 20.2 11.8 139.24
18 25.2 -7.2 51.84
25 25.2 -0.2 0.04
29 25.2 3.8 14.44
24 25.2 -1.2 1.44
30 25.2 4.8 23.04
45 29.6 15.4 237.16
32 29.6 2.4 5.76
29 29.6 -0.6 0.36
29 29.6 -0.6 0.36
 13 29.6 -16.6 275.56
λ2=

Con un nivel de significancia del 1% se rechaza Ho y se acepta H 1 , por lo tanto la composic

es independiente
es dependiente

po de edad

50-59 60-69 Total

22 32 101 0.269

24 30 126 0.336

29 13 148 0.395
75 75 375 1

(Fo - Fe)2 / Fe GL=(r-1)(c-1)

3.329 GL= 4 4 16
0.240 a= 0.01
0.507 Intercepción 32.000
0.160
6.893
2.057
0.002
0.573
0.057
0.914
8.012
0.195
0.012
0.012
 9.309
32.272 32.00

acepta H 1 , por lo tanto la composición de un nuevo producto es dependiente.

λ2= 32.272
MH0= Las ventas de chips de silicio son independientes de la economía de EE.UU.
MH1= Las ventas de chips de silicio son dependientes de la economía de EE.UU.

Economía Alta Media Baja Total

En pico 20 7 3 30

En el punto bajo 30 40 30 100

Subiendo 20 8 2 30
Bajando 30 5 5 40
Total 100 60 40 200

Fo Fe Fo-Fe (Fo - Fe)2 (Fo - Fe)2 / Fe

20 15 5 25 1.667
7 9 -2 4 0.444
3 6 -3 9 1.500
30 50 -20 400 8.000
40 30 10 100 3.333
30 20 10 100 5.000
20 15 5 25 1.667
8 9 -1 1 0.111
2 6 -4 16 2.667
30 20 10 100 5.000
5 12 -7 49 4.083
5 8 -3 9 1.125
λ2= 34.597
Con un nivel de significancia del 10% se rechaza Ho y se acepta H 1, las ventas de chips de silicio son
dependientes de la economía de EE.UU.
0.15

0.50
0.15
0.2
1

GL=(r-1)(c-1)
GL= 3 2 6
a= 0.10
Intercepción 10.645

λ2= 34.597
de chips de silicio son
10.465
 Ji cuadrada con prueba de bondad de ajuste para pois

Ejercicio #3
Kevin Amador es el administrador de la agencia de Banpaís de la zona Noroccidental; y sus
vendedores de tarjeta de crédito tienen que alcanzar un máximo de 121 clientes en las
visitas que éstos realizan por día. Podemos afirmar con un α = 0.05; que los datos
siguientes son descritos correctamente siguiendo una distribución sugerida con una λ = 2.

H0: Con una distribucion Poisson y una λ=2 los vendedroes realizan por dia una distribucion sugerida
H1: Con una distribucion Poisson y una λ=2 los vendedroes no realizan por dia una distribucion sugerida

No. visitas Fo λ=2 Fe Fo-Fe (Fo-Fe)² (Fo-Fe)²/Fe

0 20 0.1353 16.37 3.63 13.17 0.804
1 30 0.2707 32.75 -2.75 7.59 0.232
2 20 0.2707 32.75 -12.75 162.68 4.967
3 25 0.1804 21.83 3.17 10.06 0.461
4 o mas 26 0.1429 17.29 8.71 75.85 4.387
Total 121 λ=2= 10.850
K=5

α = 0.05 Conclusion: con un nivel de significancia del 5% se rech

g.l = k - 1 H0 y se acepta H1, los vendedores no realizan por dia u
distribucion sugerida
g.l = 5-1=4
de ajuste para poisson

ucion sugerida
tribucion sugerida

λ2 = 10.850

λc2 = 9.488

nificancia del 5% se rechaza

ores no realizan por dia una
 Inciso 4 Ejercicio

Ji Cuadrada con prueba de bo

Ejercicio 11.15: Para un nivel de significancia de 0.05, ¿se puede concluir

Ho = Con un distribución Poisson y una λ = 5, Los datos

H1 ≠ Con un distribución Poisson y una λ = 5, Los datos d

No. de Frecuencia de
llamadas por ocurrencia (Fo)
minutos Fe(λ = 5) Fe Fo-Fe

0 4 0.0067 2.92 1.08

1 15 0.0337 14.69 0.31
2 42 0.0842 36.71 5.29
3 60 0.1404 61.21 -1.21
4 89 0.1755 76.52 12.48
5 94 0.1755 76.52 17.48
6 52 0.1462 63.74 -11.74
7 ó más 80 0.2378 103.68 -23.68
Total 436 1
K= 8

Conclusion: Se rechaza Ho y se acepta la alternativa H1, con un nivel de significancia el 5%

esto concluimos que los datos dados n

Ji Cuadrada con prueba de bo

Ejercicio 11.21: Dennis Barry, administrador de un hospital, ha examinado los registros de
hospital trata casos de fractura. El número de días en que se trataron 0, 1, 2, 3, 4 y 5 o más
significancia de 0.05, ¿es razonable creer que la incidencia de cas

Ho = Con un distribución Poisson y una λ = 2, La incidencia d

H1 ≠ Con un distribución Poisson y una λ = 2, La incidencia de

No. de Frecuencia de
llamadas por ocurrencia (Fo) Fe(λ = 2) Fe Fo-Fe
minutos

0 25 0.1353 28.41 -3.41

1 55 0.2707 56.85 -1.85
2 65 0.2707 56.85 8.15
3 35 0.1804 37.88 -2.88
4 20 0.0902 18.94 1.06
5 ó más 10 0.0527 11.07 -1.07
 Total 210 1
K= 6

Conclusion: Se acepta Ho y se rechaza la alternativa H1, con un nivel de significancia el 5%

esto concluimos que la incidencia de casos de h
 Inciso 4 Ejercicios 11.15 y 11.21

i Cuadrada con prueba de bondad de ajuste para Poisson

a de 0.05, ¿se puede concluir que los siguientes datos siguen una distribución de Poisson con α = 5 ?

Poisson y una λ = 5, Los datos datos previamente siguen un distribución sugerida.

oisson y una λ = 5, Los datos datos previamente no siguen un distribución sugerida.

GL= K-1 8-1=7 α = 0,05 λ2 = 14,067

(Fo - Fe) 2
(Fo - Fe) / Fe
2

1.16380944 0.398
0.09412624 0.006
27.97140544 0.762
1.47476735999999 0.024
155.800324 2.036
305.620324 3.994
137.90274624 2.163
560.78028864 5.409
λ2= 14.793 λ2 = 14,067

n nivel de significancia el 5% y una media de 5. Con

cluimos que los datos dados no siguen una distribución sugerida.

i Cuadrada con prueba de bondad de ajuste para Poisson

ha examinado los registros de 210 turnos de ocho horas escogidos al azar para determinar la frecuencia con la que el
trataron 0, 1, 2, 3, 4 y 5 o más pacientes con huesos rotos fueron 25, 55, 65, 35, 20 y 10, respectivamente. Al nivel de
creer que la incidencia de casos de huesos rotos sigue una distribución de Poisson con λ = 2?

on y una λ = 2, La incidencia de casos de huesos rotos sigue una distribución sugerida.

on y una λ = 2, La incidencia de casos de huesos rotos no sigue un distribución sugerida.

GL= K-1 6-1=5 α = 0,05 λ2 = 11,070

(Fo - Fe) 2
(Fo - Fe) / Fe
2

11.648569 0.410 λ2 = 2,021

3.411409 0.060
66.471409 1.169
8.317456 0.220
1.119364 0.059
1.138489 0.103
 λ2= 2.021

λ2 = 11,070

n nivel de significancia el 5% y una media de 2. Con

ue la incidencia de casos de huesos rotos sigue una distribución sugerida.

.
 .

λ2 = 14,793
EJERCICIO 5

Louis Amstrong, vendedor de Dillard Paper Company, debe visitar cinco cuentas diariamente. Se
sugiere que la variables "ventas del señor Amstrong" puede describirse mediante la distribucion
binomial y con una probabilidad de venta para cada cuenta de 0.4. Dada la siguiente distribucion
de frecuencias del numero de ventas por dia del señor Amstrong, ¿podemos concluir que los
datos de hecho siguen la distribucion sugerida? Haga los calculos para un nivel de significancia de
0.05.

HO= Con una distribucion binomial y una P=0.4 los datos de los hechos siguen la distribucion
sugerida.
H1= Con una distribucion binomial y una P=0.4 los datos de los hechos no siguen la distribucion
sugerida.

n= 5
2
VENTAS POR DIA FO p=0.40 FE (FO-FE) /FE
0 10 0.0778 4.37 0.073
1 41 0.2592 21.87 0.611
2 60 0.3456 43.75 2.791
3 20 0.2304 43.75 4.659
4 6 0.0768 21.87 2.099
5 3 0.0102 4.37 1.724
140 11.957

Con un nivel de significancia del 0.05% de H0 y se acepta H1, los

datos de los hechos no siguen la distribucion sugerida.
ntas diariamente. Se
iante la distribucion
iguiente distribucion
concluir que los
vel de significancia de

en la distribucion

guen la distribucion

GL=x-1
6-1= 5
N.S= 0.05

λ2=11.957

λ2= 11.070
Ejercicio 11.22
El departamento de bomberos de una ciudad grande calcula que para cualquier zona dada, durante cual_x0002
posibilidad del 30% de recibir por lo menos un aviso de incendio. Presentamos una muestra aleatoria de avisos
Núm. de turnos
que recibieron 0 1 2 3
avisos
Número de días 16 27 11 6

Al nivel de significancia de 0.05, ¿siguen los avisos una distribución binomial?

H0 :Con una Distribucón Binomial, y una P= 0.30 los avisos de llamadas siguen una Distribución Sugerida
H1:Con una Distribución Binomial, y una P= 0.30 los avisos de llamadas No siguen una Distribución Sugerida

Núm. de turnos
n= 3 P=
que recibieron Número de días Fe (Fo - Fe) 2 / Fe
30%
avisos
0 16 0.3430 20.58 1.019
1 27 0.4410 26.46 0.011
2 11 0.1890 11.34 0.010
3 6 0.0270 1.62 11.842
Totales 60 1 60 λ2 = 12.883

Conclusión: Con un nivel de significancia del 5%, se rechaza H0 y se acepta H1. Se concluye que con una Distr
Binomial, y una P= 0.30 los avisos de llamadas No siguen una Distribución Sugerida

Ejercicio 11.25
Un jugador profesional de béisbol, Lon Dakestraw, estuvo al bate cinco veces en cada uno de 100 juegos. Lon a
0.4 de pegar un hit cada vez que batea. Pruebe esta afirmación al nivel de significancia de 0.05, verificando si lo
binomial (P = 0.4)

Numero de
Número de hits
juegos con ese
por juego
número de hits
0 12
1 38
2 27
3 17
4 5
5 1

H0 :Con una Distribucón Binomial, y una P= 0.40 los Hits de Lon siguen una Distribución Sugerida
H1:Con una Distribución Binomial, y una P= 0.40 los Hits de Lon No siguen una Distribución Sugerida

Número de
Número de hits n= 5 P=
juegos con ese Fe (Fo - Fe) 2 / Fe
por juego 40%
Número de hits
0 12 0.0778 7.78 2.295
 1 38 0.2592 25.92 5.630
2 27 0.3456 34.56 1.654
3 17 0.2304 23.04 1.583
4 5 0.0768 7.68 0.935
5 1 0.0102 1.02 0.001
2
Totales 100 1 100 λ = 12.097

Conclusión: Con un nivel de significancia del 5%, se rechaza H0 y se acepta H1. Se concluye que con una Distr
Binomial, y una P= 0.40 los Hits de Lon No siguen una Distribución Sugerida
ada, durante cual_x0002_quier turno de 8 horas, existe una
estra aleatoria de avisos recibidos durante 60 días:

tribución Sugerida
Distribución Sugerida

GL = X - 1 λ2 = 12.883
4 - 1 =3
α = 0.05
Tabla = 7.815
λ2 = 7.815

ncluye que con una Distribución

uno de 100 juegos. Lon asegura que tiene una probabilidad de

de 0.05, verificando si los datos tienen una distribucióln

n Sugerida
ución Sugerida

GL = X - 1
 6 - 1 =5 λ2 = 12.097
α = 0.05
Tabla = 11.070

λ2 = 11.070

ncluye que con una Distribución

EJERCICIO 7

Un centro de Educacion Superior de Tegucigalpa esta evaluando la electividad MHₒ=MHₒ=MHₒ, La p

de su personal docente en cuanto a la transmision de conocimientos, el MH₁≠MH₁≠MH₁, La p
director de carrera docente elabrora un instrumento de evaluacion y se lo
aplica a un grupo de estudiantes de tres maestros selecionados al azar de la
planta docente, los resultados obtenidos (puntuacion maxima de 60
puntos)por los estudiantes se presentan a continuacion:

Maestro 1 Maestro 2 Maestro 3

46 60 42
41 44 38
51 48 44
40 52 41
54 40 53
45 50 38
277 294 256

Al nivel de significancia de 0.05, ¿Los maestros de la planta docente tienen

diferentes niveles de promedio de desempeño?

Con un nivel de significancia del 0.05, se acepta Hₒ y se rechaza H₁, con conclusion
que los maestros tienen niveles de promedio de desempeño.

σ₂2=
MHₒ=MHₒ=MHₒ, La planta docente tienen diferentes niveles de promedio de desempeño.
MH₁≠MH₁≠MH₁, La planta docente no tienen diferentes niveles de promedio de desempeño.

σ₁2= ∑nj(ẍj-ẍ)/k-1 nj= M1 M2 M3

6 6 6
ẍj= 46.17 49 42.67
ẍ= 45.94

6(46.17-45.94)2= 0.32
6(49.00-45.94)2= 56.18 G.L.N= k-1 2
6(42.67-45.94)2= 64.16 G.L.D= nT-k 15
120.66
σ₁2= 60.33
F=σ₁2/σ₂2 60.33/35.39

σ₂2=∑(nj-1)/nT-k×sj2 sj2=(x-ẍj)2/nj-1
0.33 M1= (46-46.17)2= 0.03
9.43 (41-46.17)2= 26.73
(51-46.17)2= 23.33
(40-46.17)2= 30.07
(54-46.17)2= 61.31
(45-46.17)2= 1.37
28.57
0.33 M2= (60-49.00)2= 121.00
15.71 (44-49.00)2= 25.00
(48-49.00)2= 1.00
(52-49.00)2= 9.00
(40-49.00)2= 81.00
(50-49.00)2= 1.00
47.60
0.33 M3= (42-42.67)2= 0.45
10.25 (38-42.67)2= 21.81
(44-42.67)2= 1.77
35.39 (41-42.67)2= 2.79
(53-42.67)2= 106.71
(38-42.67)2= 21.81
31.07
 1.70

F=1.70

F=6.36
 Anova analisis de varianza de un solo factor
Ej. 11-29

Muestra 1 Muestra 2 Muestra 3 Muestra 4 nj

16 29 14 21 5
21 18 15 28 6
24 20 21 20 6
28 19 19 22 5
29 30 28 18
21 17
118 137 114 109 478
5 6 6 5 22 σ12 =
ni =

ẋi = 23.6 22.8 19 21.8

ẍ= 21.73
σ22 =
k= 4

Fc = 5.04
F = 0.94
F=

F=

α=
g.l.n =

g.l.d =
 ẋj ẍ ẋj - ẍ (ẋj - ẍ)2 nj(ẋj - ẍ)2 Muestra 1
23.6 21.73 1.87 3.4969 17.48 x ẋ x-ẋ
22.8 21.73 1.07 1.1449 6.87 16 23.6 -7.6
19 21.73 -2.73 7.4529 44.72 21 23.6 -2.6
21.8 21.73 0.07 4.9 0.024 24 23.6 0.4
69.10 28 23.6 4.4
29 23.6 5.4
Ʃ[nj(ẋj - ẍ)2]
= 23.03
k-1 Si2 = Ʃ(x - ẋ)2
n-1
Ʃ (nj -1 ) S12 = 28.3
* Sj2
(nT - k)

(5-1)
28.3 6.29
(22-4)
(6-1)
27.77 7.71
(22-4)
(6-1)
26 7.22
(22-4)
(5-1)
14.2 3.16
(22-4)

σ22 = 24.38

σ12 H0 : µ1 = µ2 = µ3= µ4 Las cuatro muestras vienen de poblaciones que tienen el mism
σ 2
2
H1 : µ1 ≠ µ2 ≠ µ3 ≠ µ4 Las cuatro muestras vienen de poblaciones que no tienen el m
0.94
Conclusión: se acepta H0; dado a que F cae en el área de aceptación por lo tanto, las mu
0.01
k -1 = 3
5.09
nT -k = 18
 Muestra 1 Muestra 2 Muestra 3
(x - ẋ)
2
x ẋ x-ẋ (x - ẋ) 2
x ẋ x-ẋ
57.76 29 22.8 6.2 38.44 14 19 -5
6.76 18 22.8 -4.8 23.04 15 19 -4
0.16 20 22.8 -2.8 7.84 21 19 2
19.36 19 22.8 -3.8 14.44 19 19 0
29.16 30 22.8 7.2 51.84 28 19 9
113.2 21 22.8 -1.8 3.24 17 19 -2
138.84
Si2 = Ʃ(x - ẋ)2 Si2 = Ʃ(x - ẋ)2
n-1 n-1
S22 = 27.77 S32 = 26

poblaciones que tienen el mismo valor medio.

poblaciones que no tienen el mismo valor medio.

ceptación por lo tanto, las muestras vienen de poblaciones que tienen el mismo valor medio.
uestra 3 Muestra 4
(x - ẋ) 2
x ẋ x-ẋ (x - ẋ)2
25 21 21.8 -0.8 0.64
16 28 21.8 6.2 38.44
4 20 21.8 -1.8 3.24
0 22 21.8 0.2 0.04
81 18 21.8 -3.8 14.44
4 56.8
130
Si2 = Ʃ(x - ẋ)2
n-1
S42 = 14.2
 Ej. 11-30

Unidades defectuosas por turno

Velocidad 1 Velocidad 2 Velocidad 3 Velocidad 4
37 27 32 35
35 32 36 27
38 32 33 33
36 34 34 31
34 30 40 29
180 155 175 155 665
5 5 5 5 20
ni =

ẋi = 36 31 35 31
ẍ= 33.25
k= 4

Fc = 3.24
F=4.69
 nj ẋj ẍ ẋj - ẍ (ẋj - ẍ)2 nj(ẋj - ẍ)2
5 36 33.25 2.75 7.56 37.81
5 31 33.25 -2.25 5.06 25.31
5 35 33.25 1.75 3.06 15.31
5 31 33.25 -2.25 5.06 25.31
103.75

Ʃ[nj(ẋj - ẍ)2] 103.75

34.58
σ =
1
2
3 Varianza entre columnas S i2 =
k-1
S12 =
Ʃ (nj -1 )
σ22 = * Sj2
(nT - k)

(5-1)
2.50 0.63
(20-4)
(5-1)
7.00 1.75
(20-4)
(5-1)
10.00 2.50
(20-4)
(5-1)
10.00 2.50
(20-4)

σ22 = 7.38

σ12 H0 : µ1 = µ2 = µ3= µ4 Las velocidades de la banda transportad

F=
σ 2
2
H1 : µ1 ≠ µ2 ≠ µ3 ≠ µ4 Las velocidades de la banda transportad
F= 4.69
Conclusión: se rechaza H0 y se acepta H1 dado a que F no cae en el áre
α= 0.05
g.l.n = k -1 = 3
3.24
g.l.d = nT -k = 16
 Velocidad 1 Velocidad 2
x ẋ x-ẋ (x - ẋ) 2
x ẋ x-ẋ
37 36 1 1 27 31 -4
35 36 -1 1 32 31 1
38 36 2 4 32 31 1
36 36 0 0 34 31 3
34 36 -2 4 30 31 -1
10

Ʃ(x - ẋ)2 Si2 = Ʃ(x - ẋ)2

n-1 n-1
2.5 S22 = 7.00

de la banda transportadora producen la misma tasa media de relojes defectuosos por turno.

de la banda transportadora no producen la misma tasa media de relojes defectuosos por turno.

a que F no cae en el área de aceptación por lo tanto, las velocidades de la banda transportadora no producen la misma tasa media de
d2 Velocidad 3 Velo
(x - ẋ) 2
x ẋ x-ẋ (x - ẋ) 2
x
16 32 35 -3 9 35
1 36 35 1 1 27
1 33 35 -2 4 33
9 34 35 -1 1 31
1 40 35 5 25 29
28 40

Si2 = Ʃ(x - ẋ)2 S i2 =

n-1
S32 = 10 S42 =

a misma tasa media de relojes defectuosos por turno.

 Velocidad 3
ẋ x-ẋ (x - ẋ)2
31 4 16
31 -4 16
31 2 4
31 0 0
31 -2 4
40

Ʃ(x - ẋ)2
n-1
10