SIMULACION

PRUEBAS BONDAD DE AJUSTE

PRESENTADO A:
Alexander Crdenas

PRESENTADO POR:
Laura Bahamn
Daniel Vargas

PONTIFICIA UNIVERSIDAD JAVERIANA

FACULTAD DE INGENIERIA
INGENIERIA INDUSTRIAL

Bogot D.C; 2016

BONDAD DE AJUSTE - MTODO DE KOLMOGOROV-SMIRNOV (RESUELTO) 1

Las tallas, medida en metros, de nueve peces espada (Xiphias gladius) capturados por un palangrero
fueron: 1.628, 1.352, 1.800, 1.420, 1.594, 2.132, 1.614, 1.924 y 1.692. Comprobar si los datos siguen
una distribucin Normal.
Solucin
Planteamiento del contraste:
H0: la variable X se ajusta a una normal

->

H1: la H0 no es cierta

-> = 0,05

Utilizaremos el mtodo de Kolmogorov-Smirnov para resolver el contraste de bondad de ajuste. Para

ello es necesario estimar la media () y desviacin tpica (s) a partir de los datos de la muestra. Pasos
a seguir para construir la tabla:

La columna con los valores de Xi debe estar ordenada de menor a mayor

La Funcin de Distribucin Fi se calcula acumulando las equi-probabilidades individuales i/n

La siguiente columna, Zi se obtiene tipificando ( =

(Zi) se busca en la tabla de la normal estndar (Z)

Las ltimas dos columnas (|Fi (Zi)| y |Fi1 (Zi)|) son las distancias calculadas entre
los valores de probabilidad acumulada y los valores tericos (o el valor terico acumulado
anterior)
Finalmente, solo tenemos que buscar el mximo en alguna de las ltimas dos columnas

)a

partir de los valores de Xi

= 1,684
s = 0,242

Tomado de http://rua.ua.es/dspace/bitstream/10045/21298/1/Problema5_del_tema_T3-4.pdf

Ilustracin 1. Punto crtico, p-valor y zonas de aceptacin y rechazo de H0.

Si max (|Fi (Zi)| o |Fi1 (Zi)|) < D n,

0,153 < D 9, 0,05

No Rechazo H0 para = 0, 05

0,430 No Rechazo H0 para = 0, 05

p-valor >
Por tanto, los datos nos indican que NO debemos rechazar o no hay evidencia estadstica
suficiente para rechazar H0, es decir la variable X se ajusta a una distribucin normal.

PRUEBA DE BONDAD DE AJUSTE NORMAL DE ANDERSON DARLING (RESUELTO) 2

Supongamos que tenemos 40 pesos en libras de estudiantes varones, cuya media y
desviacin estndar poblacionales son, respectivamente 147 y 13. Provienen estos datos
d una distribucin normal?

154
136
144
163
147

135
128
145
164
148

126
138
145
165
149

138
147
176
168
150

132
140
156
173
150

135
152
157
146
142

125
142
158
146
119

135
144
161
140
153

Solucin:
Ho: Los datos se ajustan a un modelo normal.
Ha: Los datos no se ajustan a un modelo normal.

Clculos: a) Primero, se ordenan los valores de la muestra en forma ascendente:

119

125

126

128

132

135

135

136

138

138

140

140

142

142

144

145

145

146

146

147

147

149

150

150

152

153

154

156

158

161

163

164

165

168

173

13
5
14
4
14
8
15
7
17
6

Tomado de
https://www.google.com.co/webhp?sourceid=chromeinstant&ion=1&espv=2&es_th=1&ie=UTF-8#

b) Se estandariza cada valor de X, y se calcula su probabilidad acumulada p ( i ) de la

siguiente manera:

d) Por ltimo, se compara con el valor de la Tabla T-7 de la distribucin de A2. Se recomienda
que la muestra conste de cinco o ms elementos (n > 5) para una mejor confiabilidad
de la bondad de ajuste.
En nuestro ejemplo 0.1889 est entre 0.175 y 0.200, por lo tanto, la probabilidad de
que ocurra un valor como 0.1889 est entre (1-0.0042) = 0.9958 y (1-0.0096) = 0.9904, por
lo tanto, no se puede rechazar la hiptesis nula H0: "La muestra aleatoria proviene de una
distribucin normal".

PRUEBA CHI-CUADRADA PARA LA BONDAD DEL AJUSTE (RESUELTO) 3

Se propone que el nmero de defectos en las tarjetas de circuito impreso sigue una distribucin
Poisson. Se rene una muestra aleatoria de 60 tarjetas de circuito impreso y se observa el nmero
de defectos. Los resultados obtenidos son los siguientes:
Nmero de
defectos

Frecuencia
observada

32

15

3 ms

Muestran estos datos suficiente evidencia para decir que provienen de una distribucin Poisson?
Haga la prueba de la bondad del ajuste con un = 0.05.
Solucin
H0: La forma de la distribucin de los defectos es Poisson.
H1: La forma de la distribucin de los defectos no es Poisson.
La media de la distribucin Poisson propuesta en este ejemplo es desconocida y debe estimarse a
partir de los datos contenidos en la muestra.
= =

(30)(0) + (15)(1) + (9)(2) + (4)(3)

= 0.75
60

A partir de la distribucin Poisson con parmetro 0.75, pueden calcularse las probabilidades
asociadas con el valor de x. Esto es la frmula de la Poisson es:
() =

0.75 0,75
=
!
!

Con esta frmula se calculan las probabilidades, mismas que se multiplican por 60 para obtener los
valores esperados.

Frecuencia esperada

Frecuencia
observada

Nmero de defectos

Probabilidad

0.472

28.32

32

0.354

21.24

15

0.133

7.98

3 ms

0.041

2.46

Tomado de http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap04b.html

Puesto que la frecuencia esperada en la ltima celda es menor que 5, se combinan las dos ltimas
celdas.
Nmero de defectos

Frecuencia esperada

Frecuencia Observada

28.32

32

21.24

15

2 ms

10.44

13

Los grados de libertad seran 3-1-1=1, debido a que la media de la distribucin Poisson fue estimada
a partir de los datos.

Regla de decisin:
Si X2R 3.84 no se rechaza Ho.
Si X2R >3.84 se rechaza Ho.

Clculos:

=
1

( )2
(32 28.32)2 (15 21.24)2
(13 10.44)2
=
=
=
= 2.94

28.32
21.24
10.44

Como el 2.94 no es mayor a 3.84, no se rechaza H0 y se concluye con un = 0.05 que la distribucin
de defectos en las tarjetas de circuito impreso es Poisson.