Pruebas de Bondad-de-Ajuste para T1

Prueba Chi-Cuadrada
Límite Límite Frecuencia Frecuencia
Inferior Superior Observada Esperada Chi-Cuadrada
menor o igual 3.33333 0 2.39 2.39
3.33333 4.44444 1 2.76 1.12
4.44444 5.55556 8 3.99 4.04
5.55556 6.66667 7 5.09 0.72
6.66667 7.77778 3 5.87 1.40
7.77778 8.88889 13 6.20 7.45
8.88889 10.0 2 6.02 2.69
10.0 11.1111 9 5.39 2.43
11.1111 12.2222 2 4.44 1.34
12.2222 13.3333 0 3.36 3.36
13.3333 14.4444 1 2.34 0.76
mayor 14.4444 5 3.17 1.06
Chi-Cuadrada = 28.7637 con 9 g.l. Valor-P = 0.000710256

Prueba de Kolmogorov-Smirnov
Weibull
DMAS 0.161914
DMENOS 0.117467
DN 0.161914
Valor-P 0.137967

El StatAdvisor
Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si T1 puede modelarse adecuadamente
con una distribución Weibull. La prueba de chi-cuadrada divide el rango de T1 en intervalos no traslapables y compara el
número de observaciones en cada clase con el número esperado con base en la distribución ajustada. La prueba de
Kolmogorov-Smirnov calcula la distancia máxima entre la distribución acumulada de T1 y la FDA de la distribución
Weibull ajustada. En este caso, la distancia máxima es 0.161914. Los demás estadísticos comparan la función de
distribución empírica con la FDA ajustada, en diferentes formas.

Debido a que el valor-P más pequeño de las pruebas realizadas es menor a 0.05, se puede rechazar la idea de que
T1 proviene de una distribución Weibull con 95% de confianza.

Pruebas de Bondad-de-Ajuste para 5.5

Prueba Chi-Cuadrada
Límite Límite Frecuencia Frecuencia
Inferior Superior Observada Esperada Chi-Cuadrada
menor o igual 5.01111 1 4.35 2.58
5.01111 5.56667 13 8.35 2.59
5.56667 6.12222 12 13.36 0.14
6.12222 6.67778 13 12.13 0.06
6.67778 7.23333 8 7.03 0.13
7.23333 7.78889 1 3.24 1.55
mayor 7.78889 3 2.54 0.08
Chi-Cuadrada = 7.14169 con 4 g.l. Valor-P = 0.128587

Watson U^2
Loglogística
U^2 0.0833059
Forma Modificada 0.0826602
Valor-P >=0.10

El StatAdvisor
Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si 5.5 puede modelarse adecuadamente
con una distribución loglogística. La prueba de chi-cuadrada divide el rango de 5.5 en intervalos no traslapables y
compara el número de observaciones en cada clase con el número esperado con base en la distribución ajustada.
Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0.05, no se puede rechazar la idea de
que 5.5 proviene de una distribución loglogística con 95% de confianza.