Universidad De Guayaquil

Facultad De Ingeniería Industrial

Carrera: Ingeniería Industrial

Trabajo Autónomo

Simulación De Sistemas II

Grupo 1

Nombre:

Bermúdez Zhicay María

Docente:

Ing. Marcos Santos Méndez

2020 – 2021 CII

Guayaquil - Ecuador
PRUEBA CHI-CUADRADO
El estadístico ji-cuadrado (o chi cuadrado), que tiene distribución de probabilidad
del mismo nombre, sirve para someter a prueba hipótesis referidas a
distribuciones de frecuencias. En términos generales, esta prueba contrasta
frecuencias observadas con las frecuencias esperadas de acuerdo con la hipótesis
nula. En este artículo se describe el uso del estadístico ji-cuadrado para probar la
asociación entre dos variables utilizando una situación hipotética y datos
simulados. Luego se describe su uso para evaluar cuán buena puede resultar una
distribución teórica, cuando pretende representar la distribución real de los datos
de una muestra determinada. A esto se le llama evaluar la bondad de un ajuste.
Probar la bondad de un ajuste es ver en qué medida se ajustan los datos
observados a una distribución teórica o esperada. Para esto, se utiliza una
segunda situación hipotética y datos simulados.

Para realizar este contraste se disponen los datos en una tabla de frecuencias.
Para cada valor o intervalo de valores se indica la frecuencia absoluta observada o
empírica (Oi). A continuación, y suponiendo que la hipótesis nula es cierta, se
calculan para cada valor o intervalo de valores la frecuencia absoluta que cabría
esperar o frecuencia esperada (Ei=n·pi) , donde n es el tamaño de la muestra y pi
la probabilidad del i-ésimo valor o intervalo de valores según la hipótesis nula). El
estadístico de prueba se basa en las diferencias entre la Oi y Ei y se define como:

Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n
es suficientemente grande, es decir, si todas las frecuencias esperadas son
mayores que 5. En la práctica se tolera un máximo del 20% de frecuencias
inferiores a 5.

Si existe concordancia perfecta entre las frecuencias observadas y las esperadas

el estadístico tomará un valor igual a 0; por el contrario, si existe una gran
discrepancias entre estas frecuencias el estadístico tomará un valor grande y, en
consecuencia, se rechazará la hipótesis nula. Así pues, la región crítica estará
situada en el extremo superior de la distribución Chi-cuadrado con k-1 grados de
libertad.

PASOS PARA LA PRUEBA CHI-CUADRADO:

EJEMPLO

1.- Planteamiento de las hipótesis estadísticas

H0: “La hipótesis nula postula que el sobrepeso y la esteatohepatitis no alcohólica
no están asociadas (son independientes).”
H1: “La hipótesis alterna establece que el sobrepeso y la esteatohepatitis no
alcohólica están asociadas (no son independientes).”
2.- Decidir la prueba estadística apropiada
Como el objetivo de investigación es verificar si existe o no asociación entre
variables categóricas y cero casillas de la matriz de la tabla de frecuencias
esperadas tiene un recuento menor que 5 (El recuento mínimo esperado es de
12), por lo que podemos utilizar la prueba chi cuadrada.

3.- Elegir el grado de significancia estadística

Se utilizará una hipótesis estadística no direccional, con un nivel de significancia
de α = 0,05.
4.- Determinar el valor Chi crítico
GL = (2-1)(2-1) = 1
El valor  crítico  para un α = 0,05  y un grado de libertad es = 3,841 (ver tabla
de distribución chi cuadrada)

5.- Calcular la Chi obtenida o calculada

Aplicando la fórmula no corregida correspondiente, tenemos:

6.- Hacer las conclusiones

 El valor chi calculado (10,101) es superior al valor chi crítico (3,841) por lo que
dicho valor cae en la zona de rechazo de la hipótesis nula. El p valor
correspondiente es de 0,001 que es menor a 0,05 (grado de significancia
preestablecido) lo que significa que en mujeres adultas existe asociación entre la
presencia de sobrepeso y la esteatohepatitis no alcohólica y esta asociación no
puede ser explicada por el azar.
PRUEBA DE KOLGOMORROV

En estadística, son muy conocidas y utilizadas las pruebas paramétricas y no

paramétricas. Una prueba no paramétrica muy empleada es la prueba de
Kolmogórov-Smirnov, que permite verificar si las puntuaciones de la muestra
siguen o no una distribución normal.

Pertenece al grupo de las llamadas pruebas de bondad de ajuste.

Pruebas no paramétricas

La prueba de Kolmogórov-Smirnov es un tipo de prueba no paramétrica. Las

pruebas no paramétricas (también llamadas de distribución libre) son utilizadas en
estadística inferencial, y tienen las siguientes características:

 Plantean hipótesis sobre bondad de ajuste, independencia...

 El nivel de medida de las variables es bajo (ordinal).
 No tienen excesivas restricciones.
 Son aplicables a muestras pequeñas.
 Son robustas.

Prueba de Kolmogórov-Smirnov: características

La prueba de Kolmogórov-Smirnov es una propia perteneciente a la estadística,

concretamente a la estadística inferencial. La estadística inferencial pretende
extraer información sobre las poblaciones.

Se trata de una prueba de bondad de ajuste, es decir, sirve para verificar si las

puntuaciones que hemos obtenido de la muestra siguen o no una distribución
normal. Es decir, permite medir el grado de concordancia existente entre la
distribución de un conjunto de datos y una distribución teórica específica. Su
objetivo es señalar si los datos provienen de una población que tiene la
distribución teórica especificada, es decir, lo que hace es contrastar si las
observaciones podrían razonablemente proceder de la distribución especificada.

¿Cómo se calcula? El resultado de la prueba de Kolmogórov-Smirnov se

representa mediante la letra Z. La Z se calcula a partir de la diferencia mayor (en
valor absoluto) entre las funciones de distribución acumuladas teórica y observada
(empírica).

Aplicación La prueba de Kolmogorov-Smirnov se puede aplicar sobre una

muestra para comprobar si una variable (por ejemplo, las notas académicas o los
ingresos €) se distribuyen normalmente. Esto a veces es necesario saberlo, ya
que muchas pruebas paramétricas requieren que las variables que emplean sigan
una distribución normal.

Ventajas

Algunas de las ventajas de la prueba de Kolmogórov-Smirnov son:

 Es más poderosa que la prueba Chi cuadrado (χ²) (también prueba de

bondad de ajuste).
 Es fácil de calcular y usar, y no requiere agrupación de los datos.
 El estadístico es independiente de la distribución de frecuencias esperada,
solo depende del tamaño de la muestra.

Diferencias con las pruebas paramétricas

Las pruebas paramétricas, a diferencia de las no paramétricas como la prueba de

Kolmogórov-Smirnov, tienen las siguientes características:

 Plantean hipótesis sobre parámetros.

 El nivel de medida de las variables es cuantitativo como mínimo.
 Existen una serie de supuestos que se deben cumplir.
 No pierden información.
 Tienen una alta potencia estadística
REFERENCIAS

García Bellido, R.; González Such, J. y Jornet Meliá, J.M. (2010). SPSS: Pruebas
No Paramétricas. InnovaMIDE, Grupo de Innovación Educativa, Universitat de
València.

Lubin, P. Macià, A. Rubio de Lerma, P. (2005). Psicología matemática I y II.

Madrid: UNED.

Pardo, A. San Martín, R. (2006). Análisis de datos en psicología II. Madrid:

Pirámide