Bondad De Ajuste
∑O
i =1
n
i
= n . Sean pi=P(X = xi) con i=1, …,k las probabilidades que asigna el modelo
supuesto. Sea además Ei = npi con i=1, …,k, las frecuencias esperadas. Si el modelo es correcto, y Ei ≥ 5, entonces la variable:
Ei Sigue una distribución aproximadamenteChi-Cuadrado con los grados de libertad según se indica a continuación: i) Si el modelo especifica completamente las probabilidades pi, que son conocidas antes de tomar la muestra, el número de grados de libertad será k-1. ii) Si las probabilidades pi se han calculados estimando r parámetros del modelo por máxima verosimilitud, el número de grados de libertad es k-r-1. La hipótesis H0 será rechazada sivalor de la prueba es inferior a un nivel de significación dado.
i =1
χ =∑
2
k
( Oi − Ei )
2
Caso 2: Variable aleatoria continua: Para una variable continua agrupamos los datos muestrales en intervalos de clases (las clases extremas serán, en general, abiertas). Sean O1, O2, … , Ok, las frecuencias observadas, y sean p1, p2, …, pk las probabilidades que el modelo asigna a estasclases, luego Ei = npi con i=1, …,k, son las frecuencias esperadas. Si el número de clases es al menos cinco y la frecuencia esperada en cada clase es al menos cinco, la variable:
χ =∑
2 i =1
k
( Oi − Ei )
Ei
2
1
Apunte preparado por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Sigue asintóticamente una distribución χ 2 con grados de libertad obtenidos como se haindicado anteriormente. La hipótesis H0 será rechazada si valor de la prueba es inferior a un nivel de significación dado. Observación: Si alguna de las frecuencias esperadas es inferior a 5 se recomienda fusionar con otras clases hasta que la frecuencia esperada sea superior de cinco. Ejemplo: Durante la segunda guerra mundial se dividió el mapa de Londres en cuadrículas de ¼ km2 y se contó el númerode bombas caídas en cada cuadrícula durante un bombardeo alemán. Los resultados fueron: xi: n° de impactos en la cuadrícula Oi: frecuencia 0 229 1 211 2 93 3 35 4 7 5 1
Contrastar la hipótesis que los datos siguen una distribución de Poisson. Sol: A continuación se muestra el histograma para la variable
Histograma para el número de impactos 250 200 150 100 50 0 0 1 2 3 4 5
Veamos ahoraalgunos histogramas usando la distribución de Poisson para diferentes valores de λ a fin de observar cual es la más semejante.
Histograma para el número de impactos para lambda=0.6 350 300 250 200 150 100 50 0 0 1 2 3 4 5 300 250 200 150 100 50 0 0 1 2 3 4 5 Histograma para el número de impactos para lambda=0.8
2
Apunte preparado por el profesor Sr. Rosamel Sáez Espinoza con fines de...
Regístrate para leer el documento completo.