ESTADISTICA NO

PARAMETRICA
Ing. Sergio Jurado

Estadística Aplica

Semana 3
Reconocer las características de una prueba no
paramétrica Multinomial.

Realizar pruebas No paramétricas de Bondad de

Ajuste.

Realizar pruebas de Independencia y

Homogeneidad.
 Una distribución de frecuencias para una
variable categórica.

• En una distribución de frecuencias se tiene un resumen de

todos los posibles resultados aleatorios de una variable:
Desgaste N° de
Ejemplo 9.1 Niv.
Se tienen una muestra
mgr/Kg Neumáticos
de un neumáticos para 1 50 a 100 23
realizar un experimento
y probar su resistencia 2 100 a 150 15
al desgaste. Los niveles
(k) de desgaste y las 3 150 a 200 36
frecuencias en cada
nivel se muestran a 4 200 a 250 24
continuación:
9.1 Un experimento
multinomial.
Bondad de ajuste
 9.1. Un experimento multinomial
• Generaliza un experimento binomial al permitir
que cada intento resulte en uno de k posibles
resultados, donde k>2.

Ejemplo 9.1 Desgaste N° de

Se tienen una muestra Niv.
mgr/Kg Neumáticos
de un neumáticos para
realizar un experimento 1 50 a 100 23
y probar su resistencia
al desgaste. Los niveles 2 100 a 150 15
(k) de desgaste y las
frecuencias en cada 3 150 a 200 36
nivel se muestran a 4 200 a 250 24
continuación:
 9.1. Un experimento multinomial
• Generaliza un experimento binomial al permitir
que cada intento resulte en uno de k posibles
resultados, donde k > 2.
Ejemplo 9.1
La frecuencias Desgaste
Niv. O
obtenidas con la mgr/Kg
muestra se denominan
frecuencias 1 50 a 100 23
Observadas (O).
2 100 a 150 15
3 150 a 200 36
4 200 a 250 24
98
 9.1. Un experimento multinomial
• Si el experimento consiste en seleccionar n individuos u objetos
de una población y clasificar cada uno, entonces pi es la
proporción de la población que cae en la i-ésima categoría

Ejemplo 9.1
Las frecuencias para la Desgaste Prop. de
Niv.
población se pueden mgr/Kg Neumáticos
obtener utilizando los pi .
1 50 a 100 p1

E1 = n*p1. 2 100 a 150 p2

E2 = n*p2. 3 150 a 200 p3
....
4 200 a 250 p4
 9.2. Pruebas de
bondad de ajuste
Pruebas con experimentos multinomiales
Condiciones de una Prueba de Bondad
de ajuste:
• La muestra es aleatoria simple.
• Se tiene k categorías en las que se puede clasificar cada uno de
los elementos de una población.
• El Valor Crítico (VC) se toma de la tabla IV con nivel de
significancia α y gl = K – 1.
• Se tiene una frecuencia esperada en cada categoría E ≥ 5.
• Las frecuencias esperadas se obtienen de E=npi
• El estadístico de prueba se calcula de:
𝑂−𝐸 2
χ2 = σ
𝐸
 9.2. Prueba de Bondad de Ajuste

• Ejemplo 9.1
• Las frecuencias para la Desgaste
Cat. E
población se pueden mgr/Kg
obtener utilizando los pi . 1 50 a 100 E1=n*p1
2 100 a 150 E2=n*p2
• Las frecuencias Hipotéticas 3 150 a 200 E3=n*p3
en la población se
4 200 a 250 E4=n*p4
denominan frecuencias
esperadas E
 9.2. Prueba de Bondad de Ajuste
• La hipótesis nula de interés especificará el valor de cada pi. Por ejemplo, en el caso de k
= 4, se podría tener:
• p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2. Las que se nombran como frecuencias
• La hipótesis alternativa indicará que al menos una de la pi tiene un valor diferente de lo
expresado por H0

Ejemplo 9.1
El planteamiento de las hipótesis se pueden plantear como:

H0: O = E: p1 = 0.3; p2 = 0.3; p3 = 0.2; p4 = 0.2

H1: O ≠ E: Por lo menos una de las proporciones es diferente.

H0: O = E: Los datos se ajustan a la distribución esperada.

H1: O ≠ E: Los datos no se ajustan a la distribución esperada.
 9.2. Prueba de Bondad de Ajuste

• Ejemplo 9.1
• Resistencia de neumáticos: Se tienen
una muestra de un neumáticos para
Desgaste N° de
Niv.
realizar un experimento y probar su mgr/Kg Neumáticos
resistencia al desgaste. Los niveles (k)
de desgaste y las frecuencias en 1 50 a 100 23
cada nivel se muestran a
continuación. Según el fabricante la
distribución de las resistencias sigue 2 100 a 150 15
un patrón como:
p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2. 3 150 a 200 36
• Al nivel de 5% pruebe que las
resistencias se ajustan al patrón 4 200 a 250 24
propuesto por el fabricante.
 9.2. Prueba de Bondad de Ajuste
Ejemplo 9.1
La solución utiliza el procedimiento de prueba de hipótesis de cinco pasos que es la
siguiente:
• Parámetro de interés: Los parámetros de interés son p1, p2, p3, p4, las frecuencias de
cada uno de los k =4 niveles respectivamente, y queremos saber si p1 = 0.3, p2 = 0.3, p3
= 0.2, p4 = 0.2
 9.2. Prueba de Bondad de Ajuste
Ejemplo 9.1
La solución utiliza el procedimiento de prueba de hipótesis de cinco pasos que es
la siguiente:
• Parámetro de interés: Los parámetros de interés son p1, p2, p3, p4, las
frecuencias de cada uno de los k =4 niveles respectivamente, y queremos
saber si p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2
• Hipótesis:
• H0: O = E: p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2
• H1: O ≠ E: El patrón expresado por el fabricante no se cumple
𝑂−𝐸 2
• Estadístico de la prueba: La estadística de la prueba es: 𝑥2 =σ
𝐸
• Regla de decisión: Rechace H0 si el x2 es mayor que el VC al nivel de
significancia de α y gl = K - 1
• Conclusión.
 9.2. Prueba de Bondad de Ajuste
• Ejemplo 9.1
Regla de decisión:
H0: O = E: p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2
H1: O ≠ E: El patrón expresado por el fabricante no se cumple
Estadístico de la prueba: La estadística de la prueba es:

Desgaste
Cat. O n*p E
mgr/Kg
1 50 a 100 23

2 100 a 150 15

3 150 a 200 36

4 200 a 250 24
𝑂−𝐸 2
98 = 𝑥2 = σ
𝐸
 9.2. Prueba de Bondad de Ajuste
• Ejemplo 9.1
Regla de decisión:
H0: O = E: p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2
H1: O ≠ E: El patrón expresado por el fabricante no se cumple
 = 0.05
Estadístico de la prueba: La estadística de la prueba es: gl = 4 – 1= 3

Desgaste 𝑂−𝐸 2
Cat. O n*p E 9.488
mgr/Kg 𝐸
1 50 a 100 23

2 100 a 150 15

3 150 a 200 36

4 200 a 250 24
𝑂−𝐸 2
98 = 𝑥2 = σ
𝐸
 9.2. Prueba de Bondad de Ajuste
• Ejemplo 9.1
Regla de decisión:
H0: O = E: p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2
H1: O ≠ E: El patrón expresado por el fabricante no se cumple
 = 0.05
Estadístico de la prueba: La estadística de la prueba es: gl = 4 – 1= 3

Desgaste 𝑂−𝐸 2
Cat. O n*p E
mgr/Kg 𝐸 7.815
1 50 a 100 23 0.3(98) = 29.4 1.393
2 100 a 150 15 0.3(98) = 29.4 7.053
3 150 a 200 36 0.2(98) = 19.6 13.722
4 200 a 250 24 0.2(98) = 19.6 0.988
𝑂−𝐸 2
98 98 23.156 = 𝑥2 =σ
𝐸
 9.2. Prueba de Bondad de Ajuste
• Ejemplo 9.1
Regla de decisión:
H0: O = E: p1 = 0.3, p2 = 0.3, p3 = 0.2, p4 = 0.2
H1: O ≠ E: El patrón expresado por el fabricante no se cumple
 = 0.05
Estadístico de la prueba: La estadística de la prueba es: gl = 4 – 1= 3

Desgaste 𝑂−𝐸 2
Cat. O n*p E
mgr/Kg 𝐸 7.815
1 50 a 100 23 0.3(98) = 29.4 1.393
2 100 a 150 15 0.3(98) = 29.4 7.053
3 150 a 200 36 0.2(98) = 19.6 13.722
4 200 a 250 24 0.2(98) = 19.6 0.988
𝑂−𝐸 2
98 98 23.156 = =σ 𝑥2
𝐸
Conclusión: No existe evidencia para probar que las resistencias se ajustan al patrón propuesto
por el fabricante.
 9.3 Bondad de
ajuste a una
distribución
uniforme
Pruebas con experimentos multinomiales.
 9.3 Bondad de ajuste: Distribuciones uniformes
• El sorgo es una importante cosecha de cereales cuya calidad y aspecto
podrían ser afectadas por la presencia de pigmentos en el pericarpio (las
paredes del ovario de la planta). El artículo “A Genetic and Biochemical
Study on Pericarp Pigments” informa de un experimento que comprendía
una cruza inicial, entre sorgo CK60 (una variedad norteamericana con
semillas blancas), y Abu Taima (una variedad etiope con semillas amarillas).
Según la teoría genética, esta cruza debería producir plantas con semillas
rojas, amarillas o blancas en igual proporción. A continuación aparece la
información del experimento. ¿Los datos confirman o contradicen la teoría
genética? Pruebe al nivel 0.05
Color de
Rojo Amarillo Blanco
semilla
Frecuencia
195 73 100
observada
 9.3 Bondad de ajuste: Distribuciones
uniformes
Ejemplo 9.2

•La solución utiliza el procedimiento de prueba de hipótesis de cinco

pasos que es la siguiente:
1. Parámetro de interés: Los parámetros de interés son p1, p2, p3, las
frecuencias de cada uno de los k =3 niveles respectivamente, y
queremos saber si p1 = p2 = p3
2. Hipótesis:
H0: O = E: p1 = p2 = p3 Las semillas se dan por igual
en cualquier color. (distribución uniforme)
H1: O ≠ E: Las semillas se dan en proporciones
diferentes.
 9.3 Bondad de ajuste: Distribuciones
uniformes
Ejemplo 9.2
H0: O = E: p1 = p2 = p3 La cruza produce plantas con semillas rojas, amarillas o blancas
en igual proporción.
Regla de decisión:
H1: O ≠ E: Las semillas se dan en proporciones diferentes.
Estadístico de la prueba:  = 0.05
gl = 3 – 1= 2
Color de 𝑶−𝑬 𝟐
O n*p E
semilla 𝑬

Rojo 195 5.991

Amarillo 73

Blanco 100
𝑂−𝐸 2
368 = 𝑥2 =σ
𝐸
 9.3 Bondad de ajuste: Distribuciones
uniformes
Ejemplo 9.2
H0: O = E: p1 = p2 = p3 La cruza produce plantas con semillas rojas, amarillas o blancas
en igual proporción.
H1: O ≠ E: Las semillas se dan en proporciones diferentes.
Estadístico de la prueba: Regla de decisión:

Color de 𝑶−𝑬 𝟐
O n*p E  = 0.05
semilla 𝑬
gl = 3 – 1= 2
Rojo 195 368(0.333)= 119,333 47.979

Amarillo 73 368(0.333)= 119,333 17.990 5.991

Blanco 100 368(0.333)= 119,333 3.132

𝑂−𝐸 2
368 368 66,951 = 𝑥 2 = σ
𝐸
 9.3 Bondad de ajuste: Distribuciones
uniformes
Ejemplo 9.2
H0: O = E: p1 = p2 = p3 La cruza produce plantas con semillas rojas, amarillas o blancas
en igual proporción.
H1: O ≠ E: Las semillas se dan en proporciones diferentes.
Estadístico de la prueba: Regla de decisión:

Color de 𝑶−𝑬 𝟐
O n*p E  = 0.05
semilla 𝑬
gl = 3 – 1= 2
Rojo 195 368(0.333)= 119,333 47.979

Amarillo 73 368(0.333)= 119,333 17.990 5.991

Rechazar H0
Blanco 100 368(0.333)= 119,333 3.132 como verdadera
𝑂−𝐸 2
368 368 66,951 = 𝑥 2 = σ
𝐸
 9.3 Bondad de ajuste: Distribuciones
uniformes
Ejemplo 9.2
H0: O = E: p1 = p2 = p3 La cruza produce plantas con semillas rojas, amarillas o blancas
en igual proporción.
H1: O ≠ E: Las semillas se dan en proporciones diferentes.
Estadístico de la prueba: Regla de decisión:

Color de 𝑶−𝑬 𝟐
O n*p E  = 0.05
semilla 𝑬
gl = 3 – 1= 2
Rojo 195 368(0.333)= 119,333 47.979

Amarillo 73 368(0.333)= 119,333 17.990 5.991

Rechazar H0
Blanco 100 368(0.333)= 119,333 3.132 como verdadera
𝑂−𝐸 2
368 368 66,951 = 𝑥 2 = σ
𝐸
Conclusión: No existe evidencia para probar que los datos confirman la teoría genética.
 9.4 Bondad de
ajuste a una
distribuciones
Discretas y
Continuas
Pruebas con experimentos multinomiales.
9.4 Bondad de ajuste: Distribuciones Discretas
y Continuas
• La prueba ji cuadrada también se puede usar para probar si la
muestra proviene de una familia especificada de distribuciones
continuas, como es el caso de la familia binomial, de Poisson,
exponencial, o la familia normal.

• H0: O=E: La distribución de la población es . . . .

• H1: O≠E: La distribución de la población no es . . . .

• Los valores pi se deben hallar usando las distribuciones

correspondientes.
9.4 Bondad de ajuste: Distribuciones Discretas
y Continuas
• El artículo “Nonbloated Burned Clay Aggregate Concrete” (J.
Materials, 1972: 555-563) publica los siguientes datos sobre resistencia
flexional de 7 días, de muestras de concreto con agregado de arcilla
quemada sin curar (en libras por pulgada cuadrada psi):

257 327 317 300 340 340 343 374 377 386

383 393 407 407 434 427 440 407 450 440

456 460 456 476 480 490 497 526 546 700

• Pruebe al nivel 0.10 para determinar si la resistencia flexional es una

variable distribuida normalmente con media de 420psi y desviación
estándar de 86,3.
 9.4 Bondad de ajuste a distribuciones
Discretas y Continuas
Ejemplo 9.3

•La solución utiliza el procedimiento de prueba de hipótesis de cinco

pasos que es la siguiente:
1. Parámetro de interés: Los parámetros de interés son p1, p2, p3, . . . . pn
las frecuencias de cada uno de los k = n niveles respectivamente, y
queremos saber si p1 , p2, p3, . . . pn tiene una distribución normal.
2. Hipótesis:
• H0: O = E: La población tiene una distribución normal de u=420psi y
desviación estándar de σ=86,3.
H1: O ≠ E: La población no tiene una distribución normal.
 9.4 Bondad de ajuste a distribuciones
Discretas y Continuas
Ejemplo 9.3
• La solución utiliza el procedimiento de prueba de hipótesis de cinco pasos que es la siguiente:
• Calculamos intervalos con los siguientes datos: n=30, Max=700, Min=257
• R = max – min = 700-257 = 443.
• K = 1 + 3.32Log(30) = 5,904 = 6
• A = 443/6 = 88.6 ≈ 100

Resistencia xi fi
250 350 300 7
350 450 400 13
450 550 500 9
550 650 600 0
650 750 700 1
30
 9.4 Bondad de ajuste: Distribuciones
Discretas y Continuas
Ejemplo 9.1• La solución utiliza el procedimiento de prueba de
La hipótesis de cinco pasos que es la siguiente:
distribución 1. Parámetro de interés: Los parámetros de interés son p1,
es normal
p2, p3, . . . . pn las frecuencias de cada uno de los k = n
con media
de u=420psi niveles respectivamente, y queremos saber si p1 , p2, p3, .
y desviación . . pn tiene una distribución normal.
estándar de 𝑥𝑖 −𝑢
σ=86,3. • Para calcular las pi, usamos la distribución normal z= 𝜎
:

Resistencia 350

< 250 350

350 450
450 550
550 650
650 > 750
 9.4 Bondad de ajuste: Distribuciones
Discretas y Continuas
Ejemplo 9.1• La solución utiliza el procedimiento de prueba de
La hipótesis de cinco pasos que es la siguiente:
distribución 1. Parámetro de interés: Los parámetros de interés son p1,
es normal
p2, p3, . . . . pn las frecuencias de cada uno de los k = n
con media
de u=420psi niveles respectivamente, y queremos saber si p1 , p2, p3, .
y desviación . . pn tiene una distribución normal.
estándar de 𝑥𝑖 −𝑢
σ=86,3. • Para calcular las pi, usamos la distribución normal z= 𝜎
:

Resistencia 350

< 250 350 Z=

350−420
86.3
350 450
Z = -0.81
450 550 En la tabla III:
550 650
p1 = 0,209
650 > 750
 9.4 Bondad de ajuste: Distribuciones
Discretas y Continuas
Ejemplo 9.1• La solución utiliza el procedimiento de prueba de
La hipótesis de cinco pasos que es la siguiente:
distribución 1. Parámetro de interés: Los parámetros de interés son p1,
es normal
p2, p3, . . . . pn las frecuencias de cada uno de los k = n
con media
de u=420psi niveles respectivamente, y queremos saber si p1 , p2, p3, .
y desviación . . pn tiene una distribución normal.
estándar de 𝑥𝑖 −𝑢
σ=86,3. • Para calcular las pi, usamos la distribución normal z= 𝜎
:

Resistencia 350 350 450

< 250 350 Z=

350−420
86.3
350 450
Z = -0.81
450 550 En la tabla III:
550 650
p1 = 0,209
650 > 750
 9.4 Bondad de ajuste: Distribuciones
Discretas y Continuas
Ejemplo 9.1• La solución utiliza el procedimiento de prueba de
La hipótesis de cinco pasos que es la siguiente:
distribución 1. Parámetro de interés: Los parámetros de interés son p1,
es normal
p2, p3, . . . . pn las frecuencias de cada uno de los k = n
con media
de u=420psi niveles respectivamente, y queremos saber si p1 , p2, p3, .
y desviación . . pn tiene una distribución normal.
estándar de 𝑥𝑖 −𝑢
σ=86,3. • Para calcular las pi, usamos la distribución normal z= 𝜎
:

Resistencia 350 350 450

< 250 350 Z=

350−420 450−420
86.3
Z=
86.3
350 450 Z = 0.35
Z = -0.81
450 550 En la tabla III: En la tabla III:

550 650 p2 = 0.6368 – 0,209

p1 = 0,209
650 > 750 p2 = 0.4278
 9.4 Bondad de ajuste: Distribuciones
Discretas y Continuas
Ejemplo 9.1• La solución utiliza el procedimiento de prueba de
La hipótesis de cinco pasos que es la siguiente:
distribución 1. Parámetro de interés: Los parámetros de interés son p1,
es normal
p2, p3, . . . . pn las frecuencias de cada uno de los k = n
con media
de u=420psi niveles respectivamente, y queremos saber si p1 , p2, p3, .
y desviación . . pn tiene una distribución normal.
estándar de 𝑥𝑖 −𝑢
σ=86,3. • Para calcular las pi, usamos la distribución normal z= 𝜎
:

Resistencia 350 350 450 450 550

< 250 350 Z=

350−420
Z=
450−420
86.3 86.3
350 450 Z = 0.35
Z = -0.81
450 550 En la tabla III: En la tabla III:

550 650 p2 = 0.6368 – 0,209

p1 = 0,209
650 > 750 p2 = 0.4278
 9.4 Bondad de ajuste: Distribuciones
Discretas y Continuas
Ejemplo 9.1• La solución utiliza el procedimiento de prueba de
La hipótesis de cinco pasos que es la siguiente:
distribución 1. Parámetro de interés: Los parámetros de interés son p1,
es normal
p2, p3, . . . . pn las frecuencias de cada uno de los k = n
con media
de u=420psi niveles respectivamente, y queremos saber si p1 , p2, p3, .
y desviación . . pn tiene una distribución normal.
estándar de 𝑥𝑖 −𝑢
σ=86,3. • Para calcular las pi, usamos la distribución normal z= 𝜎
:

Resistencia 350 350 450 450 550

< 250 350 350−420 450−420 550−420

Z= Z= Z=
86.3 86.3 86.3
350 450 Z = 0.35 Z = 1.51
Z = -0.81
450 550 En la tabla III: En la tabla III: En la tabla III:

550 650 p2 = 0.6368 – 0,209 p3 = 0.9345 – 0.6368

p1 = 0,209
650 > 750 p2 = 0.4278 p3 = 0.2977
 9.4 Bondad de ajuste: Distribuciones
Discretas y Continuas
Ejemplo 9.1• La solución utiliza el procedimiento de prueba de
La hipótesis de cinco pasos que es la siguiente:
distribución 1. Parámetro de interés: Los parámetros de interés son p1,
es normal
p2, p3, . . . . pn las frecuencias de cada uno de los k = n
con media
de u=420psi niveles respectivamente, y queremos saber si p1 , p2, p3, .
y desviación . . pn tiene una distribución normal.
estándar de 𝑥𝑖 −𝑢
σ=86,3. • Para calcular las pi, usamos la distribución normal z= 𝜎
:

Resistencia 350 350 450 450 550

450−420 550−420
< 250 350 Z=
350−420 Z= Z=
86.3 86.3 86.3
350 450 Z = 0.35 Z = 1.51
Z = -0.81
450 550 En la tabla III: En la tabla III: En la tabla III:

550 650 p2 = 0.6368 – 0,209 p3 = 0.9345 – 0.6368

p1 = 0,209
650 > 750 p2 = 0.4278 p3 = 0.2977
 9.4 Bondad de ajuste: distribuciones
Discretas y Continuas
Ejemplo 9.1
• La solución utiliza el procedimiento de prueba de hipótesis de cinco pasos que es la siguiente:
1. Parámetro de interés: Los parámetros de interés son p1, p2, p3, . . . . pn las frecuencias de cada uno de los k = n
niveles respectivamente, y queremos saber si p1 , p2, p3, . . . pn tiene una distribución normal.
• Cuantos niveles se necesitan?
• Calculamos intervalos con los siguientes datos: =420, =86,3

Resistencia pi
200 300 0.2090 = p1
300 400 0.4278 = P2
400 500 0.2977 = p3
500 600 0.0617 = p4
600 700 0.0033 = p5
 9.4 Bondad de ajuste: distribuciones
Discretas y Continuas
Ejemplo 9.1
pi H0: O = E: La población tiene una distribución normal de µ=420psi y
0.2090 desviación estándar de σ=86,3.
0.4278 H1: O ≠ E: La población no tiene una distribución normal.
0.2977 3. Estadístico de la prueba:
𝟐
0.0617 Resistencia O Ei
𝑶−𝑬
𝑬
0.0033 200 300 2 30*0.2090
n*p1
6.27 2.908
300 400 10 30*0.4278
n*p2
12.834 0.626 La prueba no es significativa por
30*0.2977
n*p3 que existen 02 casillas con Ei < 5
400 500 15 8.931 4.124
30*0.6017
n*p4
500 600 2 1.851 0.012
30*0.0037
n*p5
600 700 1 0.114 6.886
𝑂−𝐸 2
30 30 14.556 = 𝑥2 =σ 𝐸
 9.4 Bondad de ajuste: distribuciones
Discretas y Continuas
Ejemplo 9.1
pi H0: O = E: La población tiene una distribución normal de u=420psi y desviación
estándar de σ=86,3.
0.2090
H1: O ≠ E: La población no tiene una distribución normal.
0.4278
0.2977 Estadístico de la prueba:
𝟐
𝑶−𝑬
Resistencia O Ei
0.6017 𝑬

200 300 2 30*0.2090

n*p1
6.270 2.908
0.0037
300 400 10 30*0.4278
n*p2
12.834 0.626
400 700 18 30*0.2977
n*p3
10.896 4.632
30*0.6017
n*p4
30*0.0037
n*p5
𝑂−𝐸 2
30 30 8.166 = 𝑥 2 = σ
𝐸
 9.4 Bondad de ajuste: distribuciones
Discretas y Continuas
Ejemplo 9.1
pi H0: O = E: La población tiene una distribución normal de u=420psi y desviación
estándar de σ=86,3.
0.2090
H1: O ≠ E: La población no tiene una distribución normal.
0.4278
Estadístico de la prueba: Regla de decisión:
0.2977 𝑶−𝑬 𝟐

Resistencia O Ei
0.6017 𝑬
 = 0.10
200 300 2 30*0.2090
n*p1
6.270 2.908
0.0037 gl = 3 – 1= 2
300 400 10 30*0.4278
n*p2
12.834 0.626
400 700 18 30*0.2977
n*p3
10.896 4.632
7.779
30*0.6017
n*p4
30*0.0037
n*p5
𝑂−𝐸 2
30 30 8.166 = 𝑥 2 = σ
𝐸

Conclusión: No existe evidencia muestral para probar que la población tiene una distribución
normal de u=420psi y desviación estándar de σ=86,3.
 42

1) ¿Qué
aprendí?

Como plantear la prueba de hipótesis para un

experimento multinomial

4) ¿Qué 2) ¿Cómo
me falta aprendí?
aprender?
Conceptualizando
¿Cómo se plantea la Diferenciando
prueba de hipótesis Comparando
para la correlación? Ejemplificando
3) ¿Para
qué
aprendí?

Para plantear la prueba de hipótesis en los

trabajos de investigación.