Prueba de Bondad de Ajuste para verificar supuesto de Normalidad (chi-cuadrado)

 es la única no paramétrica.
 Intenta probar si un grupo de datos sigue o no una distribución normal.
 La prueba 2 es adecuada para dar solución a este tipo de problema, pero no la única, existen
otros estadísticos, como son Kolmogorov-Smirnov y el Jarque y Bera entre otros.

K: categorías o clases
ei : frecuencia esperada
Pi : probabilidad de ocurrencia para cada valor posible de X para i = 1,2, ...k .
N: muestra aleatoria
Oi : frecuencias observadas para cada categría

Hipótesis nula: No existen diferencias significativas entre las frecuencias esperadas (ei ) y las observadas en la
muestra (Oi).
Ho: x,  etc.
H1 : x no sigue una distribución...

Estadístico de prueba se define cómo: 2 =  (Oi - ei )2 / ei

2 (k-1) siempre que  Oi = ei = n
k
ei = npi y W = {  (Oi - ei )2 / ei  2 (k-1)1-  }
i=1

Ho el estadístico de prueba deberá estar cercano a cero,

Ho es falsa el estadístico de prueba crecerá, alejándose significativamente de cero.

Condición necesaria para utilizar estas probabilidades:

k
 pi = 1
i=1

Para realizar esta prueba deben cumplirse las siguientes restricciones:

Si k = 2, ninguna frecuencia esperada (ei) debe ser  5
Si k  2, solo el 20% de las frecuencias esperadas (ei ) debe ser  5
Ninguna frecuencia esperada (ei ) debe ser  1
En tales casos, esta situación se resuelve agrupando categorías adyacentes, cuando las agrupaciones tienen
sentido.

Veamos un ejemplo
A partir de la muestra siguiente, verifique para un nivel de significación del 5% si la misma procede de una
población normal.

10 12 13 14 15 22 28 30 30 29
10 11 15 10 15 26 26 28 27 29
16 16 20 17 18 30 28 27 26 30
19 20 17 18 20 29 26 26 28 29
20 19 19 18 17 27 27 26 26 28
17 16 23 24 23 27 31 32 33 33
21 22 22 21 22 29 33 33 32 31
24 23 24 23 21 35 32 31 38 39
24 23 20 21 21 34 37 41 39 41
24 24 23 21 22 31 38 36 36 40
 Intervalos Oi pi ei
x  10.2 3 0.0228 2.28
10.2 17.6 14 0.1359 13.59
17.6 25 34 0.3413 34.13
25 32.4 33 0.3413 34.13
32.4 39.8 14 0.1359 13.59
x  39.8 2 0.0228 2.28

Ahora debemos comprobar todas las restricciones que deben cumplirse:

-  pi = 1 se cumple
-  0i = ei en este caso  0i = ei = 100 también se cumple
- Ninguna frecuencia esperada debe ser  1 también se cumple
- Sólo el 20% de las k categorías deben ser  5; en este caso tenemos 2 categorías que son menores que 5, y
estas representan 2/6 = 0.33 por lo tanto hay que agrupar.

Habíamos dicho que siempre se agrupaban categorías adyacentes y donde esta agrupación tuviera sentido.
En este caso se pudieran agrupar la 1ra y 2da categoría y entonces los intervalos quedarían de la forma
siguiente:
Intervalo Oi ei
x 17.6 17 15.87
17.6 25 34 34.13
25 32.4 33 34.13
32.4 39.8 14 13.59
x 39.8 2 2.28
Después de agrupar, para hacer cumplir las restricciones tenemos que:
k = 5; m = 2 (número de parámetros que se estiman, en el caso de la distribución normal siempre hay que
estimar la media y la desviación típica poblacional).

Ya estamos en condiciones de calcular 2 0

 02 = (17 - 15.87)2/25.87 + (34 - 34.13)2/34.13 + (33 - 34.13)2/34.13 + (14 - 13.59)2/13.59 + (2 - 2.28)2/2.28
= 0.13743 (está muy próximo a cero)
Planteemos las hipótesis:
Ho : x  N ( , )
H1 : x no sigue N ( , )

Estadístico de Prueba:
 02 = 0.13743
La región crítica quedará:
W = { 2  2 1-(k-1-m) } = { 2  2 0.99(2)} = { 2  9.21}
La Regla decisión:
Rechazar Ho  2  9.21
Aceptar Ho  2  9.21

Decisión:
 02 = 0.13743 que es  2 = 9.21 por lo tanto no tengo elementos para rechazar H o lo que implica que los datos
analizados siguen una distribución normal a un  = 0.01 .

Pueden realizar los ejercicios que están en el laboratorio Desde el 171 al 175, que están desde la pagina 108 a
la 111; y los ejercicios desde el 178 al 180, que están en las paginas desde la 113 a la 114.