UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Universidad del Perú, Decana de América

FACULTAD DE INGENIERÍA INDUSTRIAL
Escuela profesional de Ingeniería Industrial

CONTROL DE CALIDAD

Bondad de ajuste Anderson pag 496 20-25 - TRABAJO GRUPAL GRUPAL

Docente: Ing. Cevallos Juan

Fecha de entrega: 10/10/2022

Integrantes:

● Lopez Gonzales Alejo Miguel - 20170196

● Chumpitaz Morales, Josue Aaron- 20170173
● Manrique Quispe, Michael Mauricio - 20170200
● Requena Aguirre, Christhian - 19170048
● Torres Chávez, Matías Augusto - 20170143
● Marin Zea, Ismael Jeremi - 20170051
● Santos Quispe, Marco Antonio - 20170234

Grupo 02

Ciudad Universitaria, 2022

20. Se presenta el número de ocurrencias observado por periodo de tiempo con sus

respectivas frecuencias. Use α= 0.05 y la bondad de ajuste para comprobar si se trata o

no de una distribución de Poisson.

1) Establecer hipótesis

Ho (Fe=Fo): Los datos siguen una distribución de tipo Poisson.

Ha (Fe=!Fo): Los datos no siguen una distribución de tipo Poisson.

2) Nivel de significancia

α=0,05

3) Tipo de estadístico

Chi cuadrado;

Con la siguiente expresión: λ= N°de ocurrencias/N° de observaciones

Determinamos que nuestro λ=1,3;

4) Regla de decisión

Hallamos la probabilidad y Fe siguiendo la distribución de Poisson

La última clase al tomar una muestra de menos de 5 observaciones se debe unir o adherir con

otra. Resultando en esta tabla final:

Ahora que conocemos la cantidad de clases podemos hallar el valor referencial

X2(0,05; 3)

5) Cálculo del estadístico

6) Interpretación de resultados
 Al ser 6,7592 < 7,8147 nuestra Ho se halla en la R.A por lo que es aceptada mientras

que la Ha será rechazada.

Con un nivel de significancia de 0,05 podemos concluir que los datos siguen una

distribución de tipo Poisson.

21. Se cree que los siguientes datos provienen de una distribución normal. Use la prueba
de bondad de ajuste y α =0.05 para probar esta afirmación

Máximo= 43

Mínimo= 11

Rango= 32

Total (n)= 30

Media= 22.8

Varianza (S^2)= 37.96

Desviación estándar (S)= 6.16116872

k= 5.87450014 6

Para 30 datos, usando la regla de Sturges nos da 6 clases, cada clase posee una probabilidad
de 0.1667.
Los valores z que crean 6 intervalos, cada uno con probabilidad 0.1667 son -0.98, -0.43, 0,
0.43 y 0.98.

z Valor de corte de X

-0.98 22.8-0.98*(6.27)= 16.7620547

 -0.43 22.8-0.43*(6.27)= 20.1506975

0 22.8+0*(6.27)= 22.8

0.43 22.8+0.43*(6.27)= 25.4493025

0.98 22.8+0.98*(6.27)= 28.8379453

Planteamiento de las hipótesis:

Hipótesis nula: Los datos tienen un comportamiento normal.

Hipótesis alternativa: Los datos tienen un comportamiento normal.

Cálculo del estadístico:

Intervalo Frecuencia Frecuencia Chi2

observada esperada

Menos de 16.76 3 5 0.8

16.76 20.15 7 5 0.8

20.15 22.80 5 5 0

22.80 25.45 7 5 0.8

25.45 28.84 3 5 0.8

Más de 28.84 5 5 0

CHI2= 3.2

2 2
El estadístico 𝐶ℎ𝑖 o 𝑋 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙= 3.2

Cálculo del valor crítico:

Grados de libertad = 6 - 2 - 1 = 3
2
Se hará uso de la tabla 𝐶ℎ𝑖 para el cálculo del valor crítico.
 2
Para un nivel de significación del 0.05 y 3 grados de libertad, el 𝐶ℎ𝑖 𝑐𝑟í𝑡𝑖𝑐𝑜
= 7. 8147

Regla de decisión:
2 2
Se rechaza la Ho si el estadístico 𝐶ℎ𝑖 es mayor a 𝐶ℎ𝑖 =7.8147
𝑐𝑟í𝑡𝑖𝑐𝑜

Decisión y conclusión:
2 2
Como el estadístico 𝐶ℎ𝑖 = 3. 2 y es menor que el 𝐶ℎ𝑖 =7.8147 , no se rechaza la
𝑐𝑟í𝑡𝑖𝑐𝑜
Hipótesis nula. Por lo tanto no se puede afirmar con un nivel de significancia del 5% que los
datos no tienen un comportamiento normal. Llegando a la conclusión de que no rechaza el
supuesto de una distribución normal.

22. Se cree que el número de accidentes automovilísticos por día en una ciudad
particular posee una distribución de Poisson. Una muestra de 80 días durante el año
pasado da los siguientes datos. ¿Esos datos ayudan a creer que el número de accidentes
por día tiene un distribución de Poisson?. Usar α = 0.05.

Número de accidentes Frecuencia observada (días)

0 34

1 25

2 11

3 7

4 3
Prueba de hipótesis:

H0 : Los datos poseen una distribución de Poisson.

H1 : Los datos no poseen una distribución de Poisson.

De los datos se elabora la siguiente estadístico:

Donde:
oi = Frecuencia observada
xi = Número de accidente
Pi = Probabilidad de suceso
Ei = Frecuencia esperada

Se deduce que λ = 80/80 = 1

Del gráfico anterior se obtiene:

Valor crítico:

k=4
m=λ=1
Grados de libertad = k-1-m = 2
Valor crítico: 5.99

Regla de decisión:

Zona aceptación Zona de rechazo

 4.30 5.99

Decisión:

Se acepta la hipótesis nula y se rechaza la hipótesis alterna.

Conclusión:

Por lo que, se confirma que los valores poseen una distribución de Poisson dado que estan
en la zona aceptable.

23. The number of incoming phone calls at a company switchboard during 1-minute
intervals is believed to have a Poisson distribution. Use α .10 and the following data
to test the assumption that the incoming phone calls follow a Poisson distribution.

Se cree que el número de llamadas telefónicas entrantes en la central de una empresa

durante intervalos de 1 minuto tiene una distribución de Poisson. Use α = .10 y los
siguientes datos para probar la suposición de que las llamadas telefónicas entrantes siguen
una distribución de Poisson.
SOL:

Número de llamadas telefónicas Frecuencia observada (minutos)

entrantes durante un intervalo de
1 minuto

0 15

1 31

2 20

3 15

4 13

5 4

6 2

TOTAL 100

Prueba de hipótesis:

Las hipótesis nula y alternativa apropiadas para este estudio son:

Ho: El número de llamadas telefónicas entrantes en la central de una empresa tiene una
distribución de probabilidad de Poisson.

Ha: El número de llamadas telefónicas entrantes en la central de una empresa no tiene una
distribución de probabilidad de Poisson.

Para realizar la prueba de bondad de ajuste, debemos considerar la frecuencia esperada

para cada una de las 5 categorías bajo el supuesto de que la distribución de Poisson de
accidentes por día es verdadera. Es decir, necesitamos calcular la cantidad esperada de
períodos de tiempo en los que no ocurriría nada, uno, dos eventos, etc., si, de hecho, los
eventos siguen una distribución de Poisson.

Número de llamadas Frecuencia Probabilidad

en un minuto (minutos) Oi*Xi de Poisson Expected
0 15 0 0.1353352833 13.53352833
1 31 31 0.2706705666 27.06705666
2 20 40 0.2706705666 27.06705666
3 15 45 0.1804470444 18.04470444
0.0902235221
4 13 52 9 9.022352219
 0.0360894088
5 4 20 8 3.608940888
0.0120298029
6 2 12 6 1.202980296
100 200

u=200/100=2
x^2=4.95
Grados de libertad : 6-1-1 = 4

Usando la tabla χ^2 con df = 4,x^2,

χ = 4.95 muestra que el valor p es mayor que .10.
Usando Excel o Minitab, el valor p correspondiente a 2
χ = 4.95 es .2925.
El valor p > .10, no rechace Ho. No se puede rechazar el supuesto de una
distribución de Poisson.

24. The weekly demand for a product is believed to be normally distributed. Use a
goodness of fit test and the following data to test this assumption. Use α .10. The
sample mean is 24.5 and the sample standard deviation is 3.

18 20 22 27 22
25 22 27 25 24
26 23 20 24 26
27 25 19 21 25
26 25 31 29 25
25 28 26 28 24
Pruebas de Hipótesis
Ho:La demanda semanal del producto con una media de 24.5 y una desviación estándar de
3 siguen una distribución normal
H1:La demanda semanal del producto con una media de 24.5 y una desviación estándar de
3 no siguen una distribución normal

Calculamos los valores de intervalos asumiendo que siguen una distribución normal.
El valor del chi^2 obtenido es de 0.231>0.1.
Por lo tanto no es posible asegurar que la demanda semanal del producto con una media de
24.5 y una desviación estándar de 3 siguen una distribución normal con un nivel de
significancia de 10%.
25. Use α .01 and conduct a goodness of fit test to see whether the following sample
appears to have been selected from a normal distribution.

55 86 94 58 55 95 55 52 69 95 90 65 87 50 56
55 57 98 58 79 92 62 59 88 65

After you complete the goodness of fit calculations, construct a histogram of the data.
Does the histogram representation support the conclusion reached with the
goodness of fit test?(Note: x¯ 71 and s 17.)

Prueba de hipótesis:
H0 : Los datos poseen una distribución normal
H1 : Los datos no poseen una distribución normal

Grados de libertad: 2
α= 0.01

Hallando X^2

Conclusión:
Al ser 9.2<11.2 Se rechaza la hipótesis nula y se acepta la hipótesis alternativa.
Interpretación:
No existe una distribución normal en los datos de este ejercicio
Luego de analizar el gráfico podemos corroborar que los datos del ejercicio no siguen una
distribución normal