Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2017-1
Elaborado por: Ing. Dhoryvel Cabrera
Repositorio 2: Pruebas del supuesto de normalidad.
Método gráfico
La normalidad de una población se puede evaluar con una gráfica de probabilidad normal,
la cual genera de manera gráfica valores de datos ordenados en comparación con valores
que se esperan sean cercanos a los primeros, si la población de la muestra está normalmente
distribuida. Si la población es normal, los puntos de la gráfica conformaran una línea
aproximadamente recta.
a) b)
Gráficas de distribución de probabilidad de a) datos normales y b) datos no normales.
Fuente: ayuda de Minitab® V.17.
Métodos analíticos
Entre las pruebas para verificar el supuesto de normalidad se tienen:
1. Prueba de Kolmogorov-Smirnov
Se basa en la función de distribución empírica definida por: dado n datos ordenados
menor a mayor x1, x2, x3,…, xn, la fda empírica es Sn(xi) = i/n donde i es el número de
punto menores de xi. Esta es una función escalonada que aumenta en 1/n en el valor de
cada dato ordenado.
Hipótesis:
H0: Los datos siguen una distribución especificada con parámetros dados.
H1: Los datos no siguen una distribución especificada.
Estadístico de prueba:
i 1 i
D máx F0 x i ; F0 x i
n n
donde F es la función acumulada FDA teórica o FDA bajo H0, que debe ser una
distribución continua completamente especificada.
Regla de decisión:
Se rechaza la H0 si D > Dn; 1-α, donde 1- α es el valor del fractil de la distribución D y
se obtiene de una tabla [P(Dn>D)= α].
La distribución del estadístico de Kolmogorov-Smirnov es independiente de la
distribución poblacional especificada en la hipótesis nula y los valores críticos de este
estadístico están tabulados. Si la distribución postulada es la normal y se estiman sus
parámetros, los valores críticos se obtienen aplicando la corrección de significación
propuesta por Lilliefors.
Entre sus limitaciones se tiene que sólo aplica a distribuciones continuas, es más
sensible cerca del centro de la distribución que hacia las colas y, por último, la
distribución debe estar completamente especificada (parámetros conocidos).
Estadístico de prueba
A 2 n s donde s
2i - 1
ln Fx i ln x n 1i
n
F es la distribución acumulada de distribución especificada.
Xi son los datos ordenados de menor a mayor.
Regla de decisión:
Se rechaza H0 si el estadístico A2 es mayor que el valor crítico:
A2 calculado > A2 tabulado.
Para muestras pequeñas se aplican las siguientes ecuaciones:
0,75 2,25
Para Normal y Log-normal A 2m A 2 1 2
n n
0,2
Para Weibull A 2m A 2 1
n
4. Prueba de Shapiro-Wilk
Es adecuado para muestras pequeñas con un número máximo de muestras igual a 50. Es
la prueba más confiable de no normalidad para muestras pequeñas y medianas, pero es
importante no asumir que el resultado es clara evidencia de normalidad o no
normalidad, es solo evidencia que puede ser útil.
Se calcula un estadístico W que contrasta si una muestra aleatoria viene
específicamente de una distribución normal.
Valores pequeños de W son evidencia de las desviaciones de la normalidad y los puntos
porcentuales para el estadístico W son conocidos.
Hipótesis
H0: Los datos siguen una distribución normal con parámetros dados o estimados.
H1: Los datos no siguen una distribución normal.
Estadístico de prueba
Regla de decisión:
Se rechaza la H0 si W < Wn,α donde Wn,α se obtiene de la tabla S-W y depende de n y α.