Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenido
4.1 BONDAD DE AJUSTE.....................................................................................................................2
4.1.1 ANÁLISIS Ji-CUADRADA.........................................................................................................2
4.1.2 PRUEBA DE INDEPENDENCIA.....................................................................................................3
4.2.1 ESCALA DE MEDICIÓN...............................................................................................................9
4.2 MÉTODOS ESTADÍSTICOS CONTRA NO PARAMÉTRICOS............................................................10
4.2.3 PRUEBA DE KOLMOGOROV-SMIRNOV....................................................................................13
4.2.4 PRUEBA DE ANDERSON-DARLING...........................................................................................14
4.2.5 PRUEBA DE RYAN-JOINER........................................................................................................15
4.2.6 PRUEBA DE SHAPPIRO-WILK....................................................................................................16
4.1 BONDAD DE AJUSTE 2
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. Tales medidas se pueden emplear en el contraste de hipótesis, e.g.
el test de normalidad de los residuos, comprobar si dos muestras se obtienen a
partir de dos distribuciones idénticas o si las frecuencias siguen una distribución
específica.
Sea X una variable aleatoria discreta con valores x1, x2, ......., xn Se propone la
hipótesis nula H0, de que la distribución de donde proviene la muestra se
comporta según un modelo teórico específico tal como la uniforme, la exponencial,
la normal, etc. Entonces FOi, representa el número de veces que ocurre el valor xi
mientras que FEi, es la frecuencia esperada proporcionada por el modelo teórico
propuesto. A menudo ocurre que muchas de las frecuencias FEi, (y también
las FOi) son muy pequeñas, entonces, como regla práctica adoptamos el criterio
de agrupar los valores consecutivos de estas frecuencias esperadas hasta que su
suma sea de al menos cinco. La medida estadística de prueba para la hipótesis
nula es:
P(Ai ∩ Bj) = pij
P(Ai) = pi·
P(Bj) = p·j
Los valores observados son nij. Los valores esperados bajo la hipótesis nula de
independencia se calculan de la manera siguiente:
Evento E1 E2 E3 … Ek
Frecuencia observada o1 o2 o3 … ok
Frecuencias e1 e2 e3 … ek
esperadas
k (o e ) 2
(o1 e1 ) 2 (o2 e2 ) 2 (o e ) 2
2 ... k k j j
e1 e2 ek j 1 ej
1.
Donde, se la frecuencia total es n, 6
2. o e
j j n
.
Contra
clases. Los dos caracteres son e , el tamaño de la muestra es . Las
valor ,
valor .
Se debe señalar que hay varias desventajas asociadas con las pruebas no
paramétricas. En primer lugar, no utilizan la información que proporciona la
muestra, y por ello una prueba no paramétrica será menos eficiente que el
procedimiento paramétrico correspondiente, cuando se pueden aplicar ambos
métodos. En consecuencia, para lograr la misma potencia, una prueba no
paramétrica requerirá la correspondiente prueba no paramétrica.
• Prueba χ² de Pearson
• Prueba binomial
• Prueba de Anderson-Darling
• Prueba de Cochran
• Prueba de Cohen kappa
• Prueba de Fisher Estadística Administrativa II 35
• Prueba de Friedman
• Prueba de Kendall
• Prueba de Kolmogórov-Smirnov
• Prueba de Kruskal-Wallis
• Prueba de Kuiper
• Prueba de Mann-Whitney o prueba de Wilcoxon
• Prueba de McNemar
• Prueba de la mediana
• Prueba de Siegel-Tukey
• Coeficiente de correlación de Spearman
• Tablas de contingencia
• Prueba de Wald-Wolfowitz
• Prueba de los signos de Wilcoxon
Pasos:
1. Calcular las frecuencias esperadas de la distribución teórica específica por
considerar para determinado número de clases, en un arreglo de rangos de
menor a mayor.
2. Arreglar estos valores teóricos en frecuencias acumuladas.
3. Arreglar acumulativamente las frecuencias observadas.
4. Aplicar la ecuación D = ft - f obs, donde D es la máxima discrepancia de 14
ambas.
5. Comparar el valor estadístico D de Kolmogorov-Smirnov en la tabla de
valores críticos de D.
6. Decidir si se acepta o rechaza la hipótesis.
Ecuación:
D = ft - fobs
Donde
Esta prueba evalúa la normalidad calculando la correlación entre sus datos y las
puntuaciones normales de sus datos. Si el coeficiente de correlación se encuentra
cerca de 1, es probable que la población sea normal. La estadística de Ryan-
Joiner evalúa la solidez de esta correlación; si se encuentra por debajo del valor
crítico apropiado, usted rechazará la hipótesis nula de normalidad en la población.
Ecuación:
Usos: La prueba de Ryan - Joiner es usada para probar si una muestra viene de
una distribución específica.
Ejemplo: En la práctica, se tienen valores reales de promedio diferentes de cero y 16
con desviación estándar diferente de uno, para determinar la probabilidad o área
bajo la curva, se determina el número de desviaciones estándar
Como sigue:
Analiza
Estadísticos Descriptivos
Explorar