El gerente de un supermercado registra el número de clientes que llegan a las cajas para determinar si debe ajustar el número de cajas. En una muestra de 500 periodos de 5 minutos, se registraron 22, 74, 115, 95, 94, 80 y 20 periodos con 0, 1, 2, 3, 4, 5 o más clientes respectivamente. Los datos no son consistentes con una distribución de Poisson con λ=3 a un nivel de significancia del 5%.
El administrador de un hospital examinó registros de 210 turnos de 8 horas para determinar la frecuencia de fract
0 calificaciones0% encontró este documento útil (0 votos)
38 vistas6 páginas
El gerente de un supermercado registra el número de clientes que llegan a las cajas para determinar si debe ajustar el número de cajas. En una muestra de 500 periodos de 5 minutos, se registraron 22, 74, 115, 95, 94, 80 y 20 periodos con 0, 1, 2, 3, 4, 5 o más clientes respectivamente. Los datos no son consistentes con una distribución de Poisson con λ=3 a un nivel de significancia del 5%.
El administrador de un hospital examinó registros de 210 turnos de 8 horas para determinar la frecuencia de fract
El gerente de un supermercado registra el número de clientes que llegan a las cajas para determinar si debe ajustar el número de cajas. En una muestra de 500 periodos de 5 minutos, se registraron 22, 74, 115, 95, 94, 80 y 20 periodos con 0, 1, 2, 3, 4, 5 o más clientes respectivamente. Los datos no son consistentes con una distribución de Poisson con λ=3 a un nivel de significancia del 5%.
El administrador de un hospital examinó registros de 210 turnos de 8 horas para determinar la frecuencia de fract
El gerente de un supermercado registra el número de clientes que llegan a las cajas para determinar si debe ajustar el número de cajas. En una muestra de 500 periodos de 5 minutos, se registraron 22, 74, 115, 95, 94, 80 y 20 periodos con 0, 1, 2, 3, 4, 5 o más clientes respectivamente. Los datos no son consistentes con una distribución de Poisson con λ=3 a un nivel de significancia del 5%.
El administrador de un hospital examinó registros de 210 turnos de 8 horas para determinar la frecuencia de fract
Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
Descargar como xlsx, pdf o txt
Está en la página 1/ 6
6.
El gerente de un supermercado lleva un registro de la llegada de clientes a las
cajas para determinar si debe de tener la misma cantidad de cajas para manejar el flujo de clientes de una mejor manera. En una muestra de 500 periodos de cinco minutos, hubo 22, 74, 115, 95, 94, 80 y 20 periodos con 0, 1, 2, 3, 4, 5 y 6 o más clientes, respectivamente. ¿Son estos datos consistentes con una λ = 3, para un nivel de significancia de 0.05?
N° de cliente Fo Fe(λ = 3) Fe Fo-Fe (Fo - Fe)2 (Fo - Fe)2/Fe
0 22 0.0498 24.90 -2.90 8.41 0.338 1 74 0.1494 74.70 -0.70 0.49 0.007 2 115 0.2240 112.00 3.00 9 0.080 3 95 0.2240 112.00 -17 289 2.580 4 94 0.1680 84.00 10 100 1.190 5 80 0.1008 50.40 29.6 876.16 17.384 6 o mas 20 0.0840 42.00 -22 484 11.524 Total 500 1 500.00 λ2 = 33.103 K 7 H0: Con una distribución de poisson y una λ =3, el flujo de cliente sigue H1: Con una distribución de poisson y una λ =3, el flujo de cliente no sigue
Conclusión: con un nivel de significancia del 5% se rechaza H0 y se acepta H1; concluimos con una distribución de G.L K-1 6 α= 0.05 λ2 = 12.592
λ2 =
λ2 = 12.592
cluimos con una distribución de poisson con λ =3, el flujo de clientes no sigue. 33.103 7. Dennis Barry, administrador de un hospital, ha examinado los registros de 210 turnos de ocho horas escogidos al azar para determinar la frecuencia con la que el hospital trata casos de fractura. El número de días en que se 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 significancia de 0.05, ¿es razonable creer que la incidencia de casos de huesos rotos sigue una distribución de Poisson con λ = 2
N° de dias Fo Fe(λ = 2) Fe Fo-Fe (Fo - Fe)2 (Fo - Fe)2/Fe
H0: Con una distribución de poisson y una λ =2, La frecuencia de casos de fractura en el hospital sigu H1: Con una distribución de poisson y una λ =2, la frecuencia de casos de fractura en el hospital no sig
Conclusión: con un nivel de significancia del 5% se acepta H0 y se rechaza H1; concluimos con una distribución de p GL K-1 5 istros de 210 α= 0.05 con la que el n 0, 1, 2, 3, 4 λ2 = 11.070 0 y 10, reer que la on con λ = 2 λ2 = 2.017
λ2 =
s de fractura en el hospital sigue la distribucion
de fractura en el hospital no sigue la distribucion
imos con una distribución de poisson con λ =2, la frecuencia de casos de fractura en el hospital no sigue la distribucion 11.070
