INGENIERÍA INDUSTRIAL

ESTADISTICA INFERENCIAL

 Actividad 4.1 Cuestionario

Profesor: Moisés Muñoz Diaz

Alumno: Francisco Javier Aguilera González
Fecha: 27/10/21
 I. Complementa las siguientes preguntas:

1. ¿Qué es una prueba de bondad de ajuste?

Una prueba de bondad de ajuste permite que la hipótesis de que una variable aleatoria
sigue cierta distribución de probabilidad y se utiliza en situaciones donde se requiere
comparar una distribución observada con una teórica o hipotética, compararla con
datos históricos o con la distribución conocida de otra población.
2. ¿Por qué son importantes?

Permiten determinar si los datos se ajustan a una determinada distribución, la cual

puede estar completamente especificada (hipótesis simple) o perteneciente a una clase
paramétrica o estas pruebas permiten verificar que la población de la cual proviene una
muestra tiene una distribución especificada o supuesta y también es importante porque
permite determinar si una muestra coincide con la hipótesis nula. La prueba de bondad
de ajuste se basa en comparación de los resultados muestrales observados con los
resultados esperados, bajo la suposición de que la hipótesis nula es verdadera.

3. ¿Cuál es el estadístico de prueba que usan?

Usamos las pruebas ji-cuadrada estas nos permiten hacer mucho más que probar la
igualdad de varias proporciones. Si clasificamos una población en diferentes categorías
respecto a dos atributos (por ejemplo, edad y desempeño en el trabajo), entonces
podemos utilizar una prueba ji-cuadrada para determinar si los dos atributos son
independientes entre sí, tablas de Contingencia.
4. Describe los tipos de las pruebas de bondad de ajuste

 Pruebas de Kolmogorov-Smirnoff
La prueba de Kolmogorov-Smirnoff para una muestra es un procedimiento de "bondad
de ajuste", que permite medir el grado de concordancia existente entre la distribución
de un conjunto de datos y una distribución teórica específica. Emplea la diferencia
absoluta máxima D entre los valores de la distribución acumulada de una muestra
aleatoria de tamaño n y una distribución teórica determinada. Esta prueba es, en
general, más eficiente que la Chi-cuadrada para pruebas de bondad de ajuste en
muestras pequeñas.
 Prueba de Anderson -Darling
La prueba de Anderson-Darling hace uso de la distribución específica en los valores
críticos interesados. Esto tiene la ventaja de permitir una prueba más sensitiva y la
desventaja que los valores críticos deben estar calculados para cada distribución.
Actualmente, las tablas de valores críticos están disponibles para las distribuciones:
normal, lo normal, exponencial, Weibull, valor extremo tipo I, y logística.
La prueba de Anderson-Darling es una alternativa para pruebas de bondad del ajuste
de chi-cuadrada y de Kolmogorov-Smirnov.

 Prueba Ji-Cuadrada
La distribución ji-cuadrada tiene muchas aplicaciones en inferencia estadística, por
ejemplo, se utiliza en la estimación de varianza y para probar homogeneidad e
independencia en tablas de contingencia.
Para probar la hipótesis (1) el rango F0 de ser particiona k en intervalos I1 … IK y se
calculan las frecuencias O1 … OK observadas en cada intervalo. Luego se calculan las
frecuencias esperadas E1 … Ek en cada intervalo bajo la distribución F0. El estadístico
de prueba está dado por

5. El número de grados de libertad para el tipo de prueba chi cuadrada se

v =k−m
obtienen como sigue: . ¿K y M que significan?
La K significa la cantidad de categorías y M representa el número de parámetros
estimados.

II. Relaciona ambas columnas.

(PC) Estadístico de prueba

k 2
( o −e )
χ 20 = ∑ ie i
i =1 i

(KS) Pruebas de (AD) Tiene como propósito corroborar si una

muestra de datos proviene de una población con una
Kolmogorov-Smirnoff
distribución de probabilidad específica, da más peso
a las colas

(AD)Estadístico de prueba

[ ]
n
1
A 2n =− n+ ∑ ( 2 i−1 ) [ ln F ( y i )+ ln( 1−F ( y n+1−i ) )]
n i =1

(AD) Prueba de Anderson - (KS) Esta prueba es, en general, más eficiente que
la Chi-cuadrada para pruebas de bondad de ajuste
Darling
en muestras pequeñas, sin embargo, esta prueba no
es aplicable a distribuciones discretas.

(KS) Estadístico de prueba

D0 =Máx { |F obs−F esp| }

(PC) Pruebas de Chi- (PC) Usada para determinar si un conjunto de

frecuencias observadas de una muestra se ajusta a
Cuadrada
un conjunto correspondiente de frecuencias
esperadas o teóricas
 III. Realiza un ensayo sobre las pruebas de Ryan – Joiner y Shappiro – Wilk
La prueba de Ryan – Joiner es usada para probar si una muestra viene de una
distribución especifica. En estadística la prueba de Ryan – Joiner es una prueba no
paramétrica sobre si los datos de una muestra provienen de una distribución especifica.
Se puede hacer una prueba de normalidad y producir un argumento de probabilidad
normal en el mismo análisis. La prueba de normalidad y el argumento de probabilidad
son por lo general los mejores instrumentos para juzgar la normalidad, sobre todo para
muestras pequeñas.
En el método de Ryan – Joiner, si el valor de probabilidad P de la prueba es mayor a
0.05 o 0.10 se consideran que los datos son normales

PRUEBA DE SHAPIRO-WILK
Cuando la muestra es como máximo de tamaño 50 se puede contrastar la normalidad
con la prueba de Shapiro-Wilk. Para efectuarla se calcula la media y la varianza
muestral, S2, y se ordenan las observaciones de menor a mayor. A continuación, se
calculan las diferencias entre: el primero y el último; el segundo y el penúltimo; el
tercero y el antepenúltimo, etc. y se corrigen con unos coeficientes tabulados por
Shapiro y Wilk. El estadístico de prueba es:

Donde D es la suma de las diferencias corregidas.

Se rechazará la hipótesis nula de normalidad si el estadístico W es menor que el valor
crítico proporcionado por la tabla elaborada por los autores para el tamaño muestral y
el nivel de significación dado.

Bibliografía
 Ing. William León Velásquez, Pruebas de Bondad de Ajuste. Independencia y
Homogenidad, https://es.slideshare.net/williamleon20/pruebas-de-bondad-de-ajuste-
est-ind-clase10

 Consultado en Octubre del 2021, https://bookdown.org/dietrichson/metodos-

cuantitativos/test-de-normalidad.html

 Genoveva Lorenzo Landa & Dr. Héctor F. Coronel Brizio, Estadística I,

https://www.uv.mx/personal/gelorenzo/files/2016/08/licenciatura-gelorenzo.pdf

 Consultado en Octubre del 2021, http://www.ub.edu/aplica_infor/spss/cap5-6.htm

 Consultado en Octubre del 2021, https://prezi.com/kciec5rufz5p/prueba-de-ryan-

joiner/?frame=3978d9545d665f97d6ea80558de0b0caff834a65

 Consultado en Octubre del 2021,

http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/CARPETA
%203%20INFERENCIA_ESTADISTICA/DOC_%20INFERENCIA/TEMA
%204/08%20PRUEBA%20DE%20CHICUADRADA.pdf