Académique Documents
Professionnel Documents
Culture Documents
1. Introducción
2. Objetivo
Analizar los diferentes métodos de bondad de ajuste, en especial los que se pueden
utilizar para analizar una prueba de normalidad.
5. Fecha de entrega
Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar
una afirmación acerca de una población dependiendo de la evidencia proporcionada
por una muestra de datos.
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se
probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder
concluir que es verdadero de acuerdo con la evidencia proporcionada por los datos
de la muestra.
Existe una gran gama de pruebas de hipótesis para comprobar, a éstas se les llama
de bondad de ajuste. La bondad de ajuste de un modelo estadístico describe lo bien
que se ajusta un conjunto de observaciones. Las medidas de bondad en general,
resumen la discrepancia entre los valores observados y los k valores esperados en
el modelo de estudio.
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
Chi Cuadrada
Ji cuadrada
Binomial
Anderson Darling
Fisher
De independencia
Distancia de Kolmogorov-Smirov
Cramer Von Mises
Kuiper
Chi Cuadrada
Utilice este análisis para probar qué tan bien una muestra de datos categóricos se
ajusta a una distribución teórica.
Por ejemplo, usted puede comprobar si un dado es justo, lanzando el dado muchas
veces y utilizando una prueba de bondad de ajuste de chi-cuadrada para determinar
si los resultados siguen una distribución uniforme. En este caso, el estadístico de
chi-cuadrada cuantifica qué tanto varía la distribución observada de los conteos con
respecto a la distribución hipotética.
Los cálculos para estas pruebas son iguales, pero la pregunta que se está tratando
de contestar puede ser diferente.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para
cada valor o intervalo de valores se indica la frecuencia absoluta observada o
empírica (Oi). A continuación, y suponiendo que la hipótesis nula es cierta, se
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
calculan para cada valor o intervalo de valores la frecuencia absoluta que cabría
esperar o frecuencia esperada (Ei=n·pi , donde n es el tamaño de la muestra y pi la
probabilidad del i-ésimo valor o intervalo de valores según la hipótesis nula). El
estadístico de prueba se basa en las diferencias entre la Oi y Ei y se define como:
Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n
es suficientemente grande, es decir, si todas las frecuencias esperadas son
mayores que 5. En la práctica se tolera un máximo del 20% de frecuencias inferiores
a 5.
JI CUADRADA
tiene una distribución muestral que es una distribución ji-cuadrada con gl=n-
1 grados de libertad y se denota X2 (X es la minúscula de la letra griega ji). El
estadístico ji-cuadrada esta dado por:
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
La siguiente figura ilustra tres distribuciones X2. Note que el valor modal aparece
en el valor (n-3) = (gl-2).
para x>0
Prueba Binomial
El objetivo de esta prueba es verificar hasta que punto las frecuencias observadas
para una variable dicotómica se ajustan a una proporción dada. En la figura
inferior podemos comprobar que hemos seleccionado la variable sexo y hemos
decidido contrastar la hipótesis de que nuestra muestra procede de una población
en la cual la proporción de hombres y mujeres es la misma. Con este objetivo
hemos decidido mantener la opción por defecto del SPSS Contrastar proporción a
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
,50. Si desearamos contrastar otra proporción simplemente lo especificaríamos en
dicha casilla. Dado que nuestra variable está codificada como 1 ó 2 la dicotomía
puede ser obtenida de los datos. En caso contrario deberíamos especificar el
punto de corte que el programa debería utilizar para definir dicha dicotomía.
Anderson Darling
El estadístico Anderson-Darling mide qué tan bien siguen los datos una
distribución específica. Para un conjunto de datos y distribución en particular,
mientras mejor se ajuste la distribución a los datos, menor será este estadístico.
Por ejemplo, usted puede utlizar el estadístico de Anderson-Darling para
determinar si los datos cumplen el supuesto de normalidad para una prueba t.
Exponencial
Normal
Weibull de 3 parámetros
que y no son iguales. Por otra parte, un valor muy grande o muy
pequeño para s 1/s22, proporcionará evidencia de una diferencia en las varianzas
2
de las poblaciones.
para
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
para
Pruebas de independencia
P(Ai) = pi·
P(Bj) = p·j
Los valores de pi· y p·j se estimarán, a partir de los valores observados en la tabla
de contingencia, por ni·/N y n·j/N respectivamente.
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
Hipótesis nula de independencia: para toda combinación de resultados de las
variables fila y columna (i, j).
Los valores observados son nij. Los valores esperados bajo la hipótesis nula de
independencia se calculan de la manera siguiente:
grados de libertad = k · m − (k − 1) − (m − 1) − 1 = (k − 1) · (m − 1)
donde el último término es el valor crítico asociado con una distribución χ2,
con (k − 1) · (m − 1) grados de libertad, tal que deja a su derecha una probabilidad
igual a α.
La condición de validez es que las frecuencias esperadas eij sean mayores que 5.
Prubea de Kolmogorov
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
La prueba de Kolmogorov es una prueba de bondad de ajuste, es decir, del grado
en que la distribución observada difiere de otra distribución. Es una alternativa a la
prueba Ji Cuadrado de bondad de ajuste cuanto el número de datos es pequeño.
La prueba no debe ser aplicada si hay muchos empates.
considere:
donde:
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
esto es:
Por tanto:
Mesocurtica si =3
Platicurtica si <3
Leptocurtica si >3
APLICACION
(1)
46.0, 57.3, 62.5, 50.0, 57.3, 50.0, 50.5, 50.0, 48.0, 39.0
52.6, 49.8, 51.0, 60.4, 66.5, 50.5, 50.5, 50.5, 45.5, 51.5
Pruebas de bondad de ajuste
Sistemas de calidad. Equipo 10
47.9, 58.8, 52.0, 46.35, 46.8
(2)
2.16, 5.98, 20.90, 0.94, 2.45, 5.69, 4.09, 2.82, 7.44, 1.48
0.67, 3.15, 0.68, 7.04, 3.77, 16.57, 2.86, 0.32, 10.39, 2.27
(3)
(4)
12.25, 3.90, 3.95, 7.35, 7.50, 7.75, 5.90, -8.55, 10.40, 3.25
0.60, 11.70, 0.55, -4.90, 4.05, 11.70, 10.40, 9.25, 15.00, 7.80
(5)
10.50, 31.65, 71.26, 4.64, 12.04, 0.07, 19.21, 1.74, 0.05, 25.28
Conclusiones
Referencias:
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo12/B0C12m1t6.ht
m
https://www.uv.es/webgid/Inferencial/22_kolmogorov.html
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03c.html
https://support.minitab.com/
http://psico.fcep.urv.es/spss/inferencia/npar.html
https://www.ibm.com/support/knowledgecenter/es/SSLVMB_24.0.0/spss/base/idh_ntbi.ht
ml
http://www.ub.edu/aplica_infor/spss/cap5-3.htm
https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/5266