Aplicación de la Chi cuadrado

Bondad de ajuste
Logro de la sesión:

Al finalizar la Unidad 2, el estudiante aplica la

Chi cuadrado para verificar si un conjunto de
datos se ajusta a una determinada
distribución teórica.
Un ingeniero de Control de Calidad
observó en el último mes la Por otro lado, el
distribución de los dos defectos más ingeniero de Seguridad
relevantes en el llenado de las latas de Industrial desea
gaseosa de la planta de Lurín y se estudiar el modelo que
pregunta ¿si éstos se presentan en
menor proporción al de las latas que
sigue el número de
cumplen con los requerimientos accidentes por obrero
básicos? en la planta de Ate.

¿Tendrán la misma distribución?

 Temario

Ajuste a la distribución Multinomial

Ajuste a la distribución de Poisson

 Tema 1

Ajuste a la distribución Multinomial

 Prueba Multinomial
En todos los casos necesitamos de las repeticiones de
experimentos, que nos darán los valores observados, para
luego compararlos con los valores esperados o teóricos que
indican la distribución propuesta.

1° paso: Planteamiento de las hipótesis

H0: Los datos muestrales provienen de una distribución
multinomial.
H1: Los datos muestrales no provienen de una distribución
multinomial.
 Prueba Multinomial
2° paso: Fijar el nivel de significación, α
3° paso: Calcular el estadístico de prueba

Igual a CERO
4° paso: Criterio de decisión

Regla de decisión:

 Rechazar Ho si 2cal > 2

No Rechazar Ho si 2cal ≤ 2
2

5° paso: Decisión
6° paso: Conclusión
 Ejemplo de aplicación
Después de la implementación de un nuevo sistema de llenado en las latas de
gaseosa, el ingeniero de control de calidad de la empresa, observa dos tipos de
defecto: nivel de llenado no adecuado (A) y envase mal tapado (B). Cada lata es
considerada en una de las cuatro categorías siguientes:
Categoría 1: Las latas no presentan ninguno de los defectos.
Categoría 2: Las latas presentan solo el defecto A.
Categoría 3: Las latas presentan solo el defecto B.
Categoría 4: Las latas presentan los dos defectos a la vez.
En 100 latas inspeccionadas, con este sistema, se observaron las siguientes
frecuencias:
Categoría 1 = 48 ; Categoría 2 = 18 ; Categoría 3 = 22 ; Categoría 4 = 12
Si antes de la implementación de este sistema de llenado la proporción en la que
se presentaban estos defectos era 5:2:2:1. Se puede afirmar que después de la
implementación de este nuevo sistema de llenado, esta proporción ha variado?
Use α = 0.05
Solución
1° paso: Planteamiento de hipótesis
Ho:
H1:
2° paso: nivel de significación, α =
3° paso: Estadístico de prueba:

Valor Proporción Valor esperado (𝐎𝐢 − 𝐞𝐢 ) 𝟐

Categoría observado pi ei  n pi 𝐞𝐢 𝐞𝐢

Categoría 1 48
Categoría 2 18
Categoría 3 22
Categoría 4 12
Total n = 100
Tabla completa

Valor Proporción Valor esperado (𝐎𝐢 − 𝐞𝐢 ) 𝟐

Categoría observado pi 𝐞𝐢 𝐞𝐢

Categoría 1 48 0.5 50 0.08

Categoría 2 18 0.2 20 0.2

Categoría 3 22 0.2 20 0.2

Categoría 4 12 0.1 10 0.4

Total n = 100 1.0 100 0.88 2cal

4° paso: Criterio de decisión
2
Si 𝜒𝑐𝑎𝑙 >  RHo

5° paso: Decisión _

6° paso: Conclusión
 Tema 2

Ajuste a la distribución de Poisson

Prueba Poisson

En todos estos casos necesitamos de las repeticiones de

experimentos, que nos darán los valores observados, para
luego compararlos con los valores esperados o teóricos que
indican la distribución propuesta.
Los valores esperados deben ser mayores o iguales a 5.

1° paso: Planteamiento de las hipótesis

H0: Los datos muestrales provienen de una distribución de
Poisson.
H1: Los datos muestrales no provienen de una distribución de
Poisson.
2° paso: Fijar el nivel de significación, α
 Prueba de Poisson

3° paso: Determinar el estadístico de prueba

̂   ox i i ei  n pi
n
Valor de 0 o valor 1

4° paso: Criterio de decisión

Regla de decisión:
Rechazar Ho si 2cal > 2

No Rechazar Ho si 2cal ≤ 2
2

5° paso: Decisión
6° paso: Conclusión
 Ejemplo de aplicación

El ingeniero de seguridad industrial de la empresa

Gaseosa Perú de la planta Ate, observó el número de
accidentes en los obreros por día de trabajo ocurridos en
su planta, los datos son recogidos en la siguiente tabla:

Accidentes en
los obreros
0 1 2 3 4 5
Número de
días
140 270 280 180 90 40

Al nivel de significación del 5%, ¿el número de accidentes

en los obreros por día de trabajo sigue una distribución
de Poisson?
Solución

1° paso: Planteamiento de hipótesis

Ho:
H1:
2° paso: Nivel de significación, α =
3° paso: Estadístico de prueba

Para obtener el valor del estadístico Chi cuadrado

completaremos la siguiente tabla:
Tabla

Número de Frecuencia Probabilidad Frecuencia (𝑶𝐢 − 𝒆𝒊 )𝟐

accidentes observada X*Oi de Poisson esperada 𝒆𝒊
por mes: X Oi 𝒆𝒊
0 140
1 270
2 280
3 180
4 90
5 40
Total 1000
 Tabla completa

Número de Frecuencia Probabilidad Frecuencia (𝑶𝐢 − 𝒆𝒊 )𝟐

accidentes observada X*Oi de Poisson esperada 𝒆𝒊
por mes: X Oi 𝒆𝒊
0 140 0 0.1451 145.1482 0.1826
1 270 270 0.2801 280.1360 0.3667
2 280 560 0.2703 270.3313 0.3458
3 180 540 0.1739 173.9131 0.2130
4 90 360 0.0839 83.9131 0.4415
5 40 200 0.0466 46.5583 0.9238
Total 1000 1930 1 1000 2.4736 𝝌𝟐𝒄𝒂𝒍

𝝀 = 𝟏. 𝟗𝟑
 Solución
4° paso: Criterio de decisión

2
Si 𝜒𝑐𝑎𝑙 >  RHo

5° paso: Decisión
6° paso: Conclusión
 Ejemplo de aplicación

El ingeniero de control de calidad de la empresa Aceros

Perú desea determinar la distribución del número de
imperfecciones en un rollo grande de acero galvanizado.
Para ello inspecciona 75 rollos y registra el número de
imperfecciones en la siguiente tabla:
Número de
imperfecciones 1 2 3 4 5 6 7 8
Número de
rollos 1 11 8 13 11 12 10 9

Al nivel de significación del 1%, ¿el número de

imperfecciones por rollo sigue una distribución de
Poisson?
 Solución

1° paso: Planteamiento de hipótesis

Ho:
H1:
2° paso: Nivel de significación, α =
3° paso: Estadístico de prueba

Para obtener el valor del estadístico Chi cuadrado

completaremos la siguiente tabla:
 Tabla

Número de Frecuencia Frecuencia

Probabilidad (𝑶𝐢 − 𝒆𝒊 )𝟐
imperfecciones observada esperada
X*Oi de Poisson 𝒆𝒊
por rollo: X Oi 𝒆𝒊
1 1
2 11
3 8
4 13
5 11
6 12
7 10
8 9
Total 75
Tabla completa

Número de Frecuencia Probabilidad Frecuencia Frecuencia Frecuencia (𝑶𝐢 − 𝒆𝒊 ) 𝟐

imperfeccio observada X*Oi de Poisson esperada observada esperada 𝒆𝒊
nes por Oi 𝒆𝒊 Oi 𝒆𝒊
rollo: X

1 1 1 0.0436 3.2769
2 11 22 0.0889 6.6651 12 9.9420 0.4260
3 8 24 0.1454 10.9086 8 10.9227 0.7821
4 13 52 0.1785 13.3903 13 13.3986 0.0119
5 11 55 0.1753 13.1493 11 13.1484 0.3511
6 12 72 0.1435 10.7605 12 10.7525 0.1447
7 10 70 0.1006 7.5477 10 7.5370 0.8049
8 9 72 0.1315 9.8636 9 9.8403 0.0718
Total 75 368 1 75 2.5925 2cal

P(X ≤ 1) = 0.0436
𝝀 = 𝟒. 𝟗𝟏
Solución
4° paso: Criterio de decisión

2
Si 𝜒𝑐𝑎𝑙 >  RHo

5° paso: Decisión
6° paso: Conclusión
 Conclusiones

 En esta sesión hemos estudiado la aplicación de la

Chi cuadrado: Bondad de Ajuste: ajuste a la
Multinomial y ajuste a la Poisson.
 Los grados de libertad de la Chi cuadrado en la
distribución multinomial son k-1, donde m=0
 Los grados de libertad de la Chi cuadrado en el
ajuste a la Poisson son k-1-m, donde m=1 si
calculamos la media a partir de la muestra, y m=0 si
el valor de la media poblacional es conocida.
 El valor esperado en la distribución de Poisson debe
ser mayor o igual a 5, si no es así se suman los
valores de las celdas adyacentes hasta llegar a 5.
 Bibliografía

• Montgomery,D y Runger,G (2006) Probabilidad y Estadística

aplicadas a la Ingeniería. México D F, Ed. LIMUSA, SA de CV Grupo
Noriega de editores
• Mendenhall, W; Beaver, R; Beaver, B. (2010) Introducción a la
probabilidad y estadística. Mèxico D F, CENGAGE Learning
Material producido por la Universidad Peruana de Ciencias Aplicadas
Autor: Depaz, P; Ognio, C; Campomanes, F y Gutierrez, S
COPYRIGHT ©UPC 2016 - Todos los derechos reservados.