Poisson

PRUEBA DE BONDAD DE AJUSTE CON DISTRIBUCIÓN DE FRECUENCIA CON POISSON
Una constructora acaba de elaborar 440 casas. Los propietarios se mudaron y durante el primer mes se reportaron la
cantidad de errores de construcción que observaron en las casas. La tabla siguiente proporciona la cantidad de errores
observados en las 440 casas agrupadas por el número de errores. La pregunta es: ¿El número de errores se ajusta a una
Distribución de Frecuencia Poisson? Utilice un nivel de significancia del 5%.
Número de Frecuencia
errores observada
0 18
1 53
2 103
3 107
4 82
5 46
6 18
7 10
8 2
9 1
Hipótesis:
H0: El número de errores tiene distribución de Frecuencia Poisson
H1: El número de errores tiene no distribución de Frecuencia Poisson
Se necesita calcular Landa( ) que es el promedio de errores por cada casa. Se multiplica N°errores * Frecuencia.
Luego, se suma los valores obtenidos y se divide entre el total de errores observados.
N° Frecuencia N°errores *
errores observada frecuencia
0 18 0
1 53 53
2 103 206
3 107 321
4 82 328
5 46 230
6 18 108
7 10 70
8 2 16
9 1 9
Total 440 1341
3.05
Para calcular la probabilidad de x con una media de se utiliza la siguiente fórmula:
Con Minitab 18,1, se calcula las probabilidades utilizando la Distribución de Frecuencia Poisson con = 3.05 para X
(número de errores observados), para lo cual:
1
 Menú principal seleccione Calc -> Distribución de Probabilidad.
 En el Botón de Radio de Distribución de Poisson seleccione Probabilidad. Luego, en Media ingrese = 3.05. En
constante de entrada ingrese 0 (Valor x=0 de primer número de error encontrado).
2
 Verifique el valor P(X=x) que es 0.0473589 para x=0 (número de error)
 En el Botón de Radio de Distribución de Poisson seleccione Probabilidad. Luego, en Media ingrese = 3.05. En
constante de entrada ingrese 1 (Valor x=1 de primer número de error encontrado).
 Verifique el valor P(X=x) que es 0.0473589 para x=1 (número de error)
3
 Ingrese los datos al Minitab 18.1 (N° de errores, Frecuencia observada, N° errores * frecuencia, Probabilidades de
Poisson y Frecuencia esperada.
 En el Sistema de Menú selecciones Tablas -> Prueba de bondad de ajuste (una variable).
4
 En Prueba de bondad de ajuste de Chi-cuadra seleccione el botón de radio Conteos observados e ingrese la columna
que contiene la Frecuencia observada. En el botón de radio Prueba selecciones Proporciones especificadas por conteos
históricos e ingrese la columna que contiene la Frecuencia esperada. Finalmente haga clic en el bot+on de comando
Aceptar.
 Verifique que se presenten los siguientes resultados:
Conclusión con Valor P

Dado que Valor p >=0.05 se acepta la hipótesis nula al 5% de significancia por lo que se concluye que el número de
errores se ajustan a distribución de Frecuencia Poisson.
5
PROBLEMA
Se propone que el número de defectos en las tarjetas de circuito impreso sigue una Distribución de Frecuencia Poisson.
Se reúne una muestra aleatoria de 60 tarjetas de circuito im preso y se observa el número de
defectos. Los resultados obtenidos son los siguientes:
Número de Frecuencia
defectos observada
0 32
1 15
2 9
3 ó más 4
¿Muestran estos datos suficiente evidencia para decir que provienen de una distribución de frecuencia Poisson?. Haga
la prueba de la bondad del ajuste con un = 0.05.
Solución:
H0; La forma de la distribución de los defectos es Poisson.
H1; La forma de la distribución de los defectos no es Poisson.
La media de la distribución Poisson propuesta en este ejemplo es desconocida y debe estimarse a partir de los datos
contenidos en la muestra.
A partir de la distribución Poisson con parámetro 0.75, pueden calcularse las probabilidades asociadas con el valor de x.
Esto es la fórmula de la Poisson es:
Con esta fórmula se calculan las probabilidades, mismas que se

multiplican por 60 para obtener los valores esperados.
Número de Frecuencia Frecuencia

Probabilidad
defectos observada esperada
0 32 0.472 28.32
1 15 0.354 21.24
2 9 0.133 7.98
3 ó más 4 0.041 2.46
Nota:
Puesto que la frecuencia esperada en la última celda es menor que 5, se combinan las dos últimas celdas. Esto se realiza
en base a recomendaciones obtenidas de literatura de estadística inferencial.
Frecuencia Frecuencia
Número de defectos Probabilidad
observada esperada
0 32 0.472 28.32
1 15 0.354 21.24
2 ó más 13 0.174 10.44
Cálculos con fórmula:
6
Chi - Cuadrada de tablas con Gl=2 al 5% de significancia:
Como el 2.94 no es mayor a 5.991, se acepta H0 y se concluye con un = 0.05 que la distribución de defectos en las
tarjetas de circuito impreso se ajusta Distribución de Frecuencia Poisson.
Cálculos con Minitab 18.1
7
PROBLEMA
Para formular horarios de trabajo para los empleados, el administrador de un hospital desea determinar si el número
de llegadas por hora al departamento de consulta externa siguen una Distribución de Frecuencia Poisson con una
media de 5 llegadas por hora. Se conduce una prueba con un a del 1% y una muestra aleatoria simple de 50 horas, la
cual indica los siguientes datos:
No. de
0-2 3 4 5 6 7 o más
llegadas
F.O. 6 8 15 9 7 5
Hipótesis nula H₀: Los datos siguen una distribución de Poisson

Hipótesis alterna H₁: Los datos no siguen una distribución de Poisson
Solución con Minitab 18,1 para comprobar resultados:
Problema
Al parecer el número de accidentes automovilísticos por día en una determinada ciudad sigue una distribución de
Poisson. A continuación se presentan los datos de una muestra de 80 días del año anterior ¿Estos datos apoyan la
creencia de que el número de accidentes por día sigue una distribución de Poisson? Use un nivel de significación del
5%.
Número de accidentes Número de

días
O 34
1 25
2 11
3 7
4 3
8
PROBLEMA
Un ingeniero especializado en calidad que trabaja en una empresa de productos electrónicos de consumo desea saber si
los defectos por cada televisor provienen de una distribución de Poisson. El ingeniero selecciona 300 televisores de
forma aleatoria y registra el número de defectos por aparato.
1. Abra los datos de muestra, DefectosTV.MTW.
Defectos Observados
0 213
1 41
2 18
3 28
2. Elija Estadísticas > Estadísticas básicas > Prueba de bondad de ajuste para Poisson.
3. En Variable, ingrese Defectos.
4. En Variable de frecuencia: (opcional), ingrese Observados.
5. Haga clic en Aceptar.
Interpretar los resultados

La hipótesis nula indica que los datos siguen una distribución de Poisson. Puesto que el valor p es 0.000, que es menor
que el nivel de significancia de 0.05, el ingeniero rechaza la hipótesis nula y concluye que los datos no siguen una
distribución de Poisson. Las gráficas indican que la diferencia entre los valores observados y esperados es grande para
las categorías 1 y 3 y que la categoría 3 es la que más contribuye al estadístico de chi-cuadrada.
Prueba de bondad de ajuste para Poisson: Defectos

Método
Frecuencias en Observados
Estadísticas descriptivas
N = 300 Media = 0.536667
Conteos observados y esperados para Defectos
Probabilidad Conteo Conteo Contribución a
Defectos de Poisson observado esperado chi-cuadrada
0 0.584694 213 175.408 8.056
1 0.313786 41 94.136 29.993
2 0.084199 18 25.260 2.086
>=3 0.017321 28 5.196 100.072
Prueba de chi-cuadrada
Hipótesis nula H₀: Los datos siguen una distribución de Poisson
Hipótesis alterna H₁: Los datos no siguen una distribución de Poisson
GL Chi-cuadrada Valor p
2 140.208 0.000
9
10

Poisson

Cargado por

Copyright:

Formatos disponibles

Poisson

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Poisson

Cargado por

Copyright:

Formatos disponibles

PRUEBA DE BONDAD DE AJUSTE CON DISTRIBUCIÓN DE FRECUENCIA CON POISSON

Para calcular la probabilidad de x con una media de se utiliza la siguiente fórmula:

 Verifique el valor P(X=x) que es 0.0473589 para x=1 (número de error)

 Verifique que se presenten los siguientes resultados:

Conclusión con Valor P

Con esta fórmula se calculan las probabilidades, mismas que se

Número de Frecuencia Frecuencia

Cálculos con fórmula:

Cálculos con Minitab 18.1

Hipótesis nula H₀: Los datos siguen una distribución de Poisson

Solución con Minitab 18,1 para comprobar resultados:

Número de accidentes Número de

Interpretar los resultados

Prueba de bondad de ajuste para Poisson: Defectos

También podría gustarte