PROCESOS DE FABRICACION: ING.

INDUSTRIAL ITSH SEMESTRE AGOSTO-DICIEMBRE 2019

PRUEBA ANDERSON- DARLING

Hernandez ortis rosa Itzel Miron Cortes Alejandra Lezama Vargas Delia Cruz Cruz Isabel Gregorio Rodríguez Salustia morales
Sampayo Maria Guadalupe
Ingeniería Industrial
Instituto Tecnológico Superior de Huachinango (ITSH)
Huachinango, Puebla.
Resumen-en el siguiente artículo se presenta MARCO TEÓRICO
la investigación de ANDERSON-DARLING dar La prueba AD para normalidad es una prueba de
a conocer el impacto que tiene de acuerdo a distancia o prueba de función de distribución
nuestra empresa que es jafra. empírica. Está basada en el concepto de que
cuando se da una distribución subyacente
hipotética, los datos pueden ser transformados a
una distribución uniforme.
palabras clave—prueba de anderson-darling
La prueba AD es una forma de estimación de
INTRODUCCIÓN
mínima distancia, y uno de los estadísticos más
La prueba de Anderson-Darling es usada potentes para detectar discrepancia con respecto a
para probar si una muestra viene de una normalidad.
Se puede utilizar con un tamaño muestral bajo (n
distribución especifica. Esta prueba es una
≤ 25). La prueba AD ve si la muestra proviene de
modificación de la prueba de Kolmogorov- una distribución específica.
Smirnov donde se les da más peso a las
colas de la distribución que la prueba de
Kolmogorov-Smirnov.
¿QUÉ SON LA PRUEBAS?
Fue conocida en 1954, prueba que tiene
como propósito corroborar si una muestra Las pruebas estadísticas de estimación y
en variables aleatorias previene de una contraste frecuentemente empleadas se
población con una distribución de basan en suponer que se ha obtenido una
muestra aleatoria de una distribución de
probabilidad especifica. probabilidad de tipo normal o de Gauss.

En estadística, la prueba de Anderson-

MECANISMOS:
Darling es una prueba no paramétrica sobre
si los datos de una muestra provienen de
una distribución específica. La fórmula Los datos se pueden transformar de tal manera
que sigan una distribución normal.
para el estadístico determina si los datos
(observar que los datos se deben ordenar)
vienen de una distribución con función O bien se puede acudir a pruebas estadísticas que
no se basan en ninguna suposición en cuanto a la
acumulativa F.
distribución de probabilidad a partir de la que
fueron obtenidos los datos
 PROCESOS DE FABRICACION: ING. INDUSTRIAL ITSH SEMESTRE AGOSTO-DICIEMBRE 2019
VENTAJAS Y DESVENTAJAS:
La prueba de Anderson hace uso de la
distribución especifica en el cálculo de valores
críticos. Esto tiene la ventaja de permitir una
prueba más sensible y la desventaja de que los
valores críticos deben calcularse para cada
distribución.
ESTADÍSTICA NO PARAMETRICAS:
La estadística no paramétrica es una rama
de la estadística que estudia las pruebas y
modelos estadísticos cuya distribución
subyacente no se ajusta a los llamados
criterios paramétricos.
Las principales pruebas no paramétricas son
las siguientes:
 Prueba χ² de Pearson
 Prueba chi-cuadrada
 Prueba de Anderson-Darling
 Prueba de Kolmogórov-Smirnov,etc.
Minitab no siempre muestra un valor p para
la prueba de Anderson-Darling, porque este
no existe matemáticamente para ciertos
casos.
MARCO METODOLOGICO
Importancia de las pruebas:
Muchas pruebas y procedimientos estadísticos se
basan en supuestos distributivos específicos.
El estadístico de prueba puede entonces ser
comparado contra los valores críticos de la
distribución teórica (dependiendo de qué F es
utilizada) para determinar el p-valor.
La prueba AD para normalidad es una prueba de
distancia o prueba de función de distribución
empírica. Está basada en el concepto de que
cuando se da una distribución subyacente
hipotética, los datos pueden ser transformados a
una distribución uniforme.
Los datos muéstrales transformados pueden
entonces ser probados para uniformidad con una
prueba de distancia.
Procedimiento:
Esta explicación está basada en una prueba para
una distribución normal Los datos Xi para i = 1, n
de la variable X que se quiere probar se organizan
ascendentemente (menor a mayor). La media X y
desviación estándar s son calculadas para la
muestra X.
1-HIPOTESIS PARA LA PRUEBA
Las hipótesis para la prueba de Anderson-
Darling son:
 H0: Los datos siguen una distribución
especificada.
 H1: Los datos no siguen una
distribución especificada.
Si el valor p para la prueba de Anderson-
Darling es menor que el nivel de significancia
seleccionado (por lo general 0.05 o 0.10),
concluya que los datos no siguen la
distribución especificada.
2-PARA QUE SE UTILIZA:
El estadístico AD también se usa para
comprobar si una muestra de datos proviene
de una población con una distribución
especificada. Por ejemplo, tal vez tenga que
 PROCESOS DE FABRICACION: ING. INDUSTRIAL ITSH SEMESTRE AGOSTO-DICIEMBRE 2019

comprobar si sus datos cumplen con el

supuesto de normalidad para una prueba t.

Donde:
n es el número de datos
f(x): es la función de distribución de
probabilidad teórica
FS(X): es la función de distribución empírica.
Para definir la regla de rechazo para esta
prueba es necesario, también, obtener el
estadístico ajustado para luego compararlo con
los valores críticos de la tabla de Anderson-
Darling.
CONCLUSIÓN

De acuerdo a la prueba de Anderson-Darling

se hace la prueba siguiente de acuerdo a
nuestra empresa “JAFRA”
De acuerdo a la prueba de ANDERSON-
DARLING nos damos cuenta del cómo se
comporta la muestra de acuerdo a la empresa jafra
y observar cada uno de los datos recabados y
sobre todo saber si tiene una distribución
específica.
La empresa JAFRA es una empresa con productos
más vendidos en México por ello es importante
conocer su comportamiento de ventas durante los
diferentes meses y conocer si hay pérdidas o
ganancias.
Con esta prueba nos dimos cuenta que las ventas
son muy importantes y sobre todo la relación que
tiene con la prueba Anderson-Darling.

I. REFERENCIAS
Marqués dos Santos, María
José; Estadística Básica: un enfoque no
parametrico, Universidad Nacional Autonoma
de México, Facultad de Estudios Superiores
Zaragoza.
https://esacademic.com/dic.nsf/eswiki/8059
https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/quality-and-process-improvement/capability-
 PROCESOS DE FABRICACION: ING. INDUSTRIAL ITSH SEMESTRE AGOSTO-DICIEMBRE 2019
analysis/supporting-topics/distributions-and-
transformations-for-nonnormal-data/anderson-darling-and-
distribution-fit/