PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR

SEDE SANTO DOMINGO

Dirección Académica – Escuela Ciencias Administrativas y Contables
Carrera: Contabilidad y Auditoría

ASIGNATURA:
ESTADÍSTICA INFERENCIAL

TEMA:

MÉTODO DE DISTRIBUCIÓN NORMAL DE LAS PYMES-CASH DE LA PROVINCIA DE

SANTO DOMINGO DE LOS TSÁCHILAS

Línea de Investigación: Desarrollo Empresarial y Social.

Autor:

ANDERSON PAUL PAGUAY MENDOZA

Asesor:

Ing. ÁNGEL RAMÓN SABANDO GARCÍA, Mg.

Santo Domingo, 30 marzo del 2022

 INDICE DE CONTENIDO

1. TABLA DE CONTENIDO
2. INTRODUCCIÓN........................................................................................................ 4
2.1. Antecedentes de la normalidad ...............................................................................4

2.2. Método de Kolmogorov-Smirnov (ks) ....................................................................4

2.3. Método de Shapiro Wilk.........................................................................................4

2.4. Método de Darling y Anderson ...............................................................................4

2.5. RESULTADOS ......................................................................................................5

2.1. Realice un análisis descriptivo cuantitativos (exploratorio cuantitativo) de las

variables predictoras considerando la Curtosis como un medio para predecir el supuesto de la

normalidad...............................................................................................................................6

2.2. Realice la distribución normal para las variables predictoras-explorar ....................7

2.3. Realice la distribución normal para variable ventas.................................................8

2.4. Realice la distribución normal para todas las variables para el método no paramétrico

del SPSS. 8

2.5. Realice la figura qq plot de la distribución normal para las ventas ..........................9

2.6. Realice una prueba de rachas para todas las variables .............................................9

2.7. Realice una prueba de normalidad y rachas para los residuos del modelo.............. 10

3. REFERENCIAS BIBLIOGRÁFICAS ........................................................................ 11

2
 ÍNDICE DE TABLAS

Tabla 1: Análisis descriptivo cuantitativo para los estados financieros de los PYMES ............7

Tabla 2: Comportamiento de la normalidad para los estados financieros. ................................7

Tabla 3: Comportamiento de la normalidad para las ventas. ....................................................8

Tabla 4: Dinámica de la distribución normal para los estados financieros de las PYMES. .......8

Tabla 5: Comportamiento de la distribución de las ventas .......................................................9

Tabla 6: Prueba de aleatoriedad ..............................................................................................9

Tabla 7: Supuesto de la normalidad y aleatoriedad para los residuos de los modelos ............. 10

Tabla 8: Supuesto financiero para los PYMES...................................................................... 10

3
 1. INTRODUCCIÓN

2. Antecedentes de la normalidad

3. Método de Kolmogorov-Smirnov (ks)

4. Método de Shapiro Wilk

5. Método de Darling y Anderson

4
ANTECEDENTES DE LA NORMALIDAD.

La normalidad es un acontecimiento dado por un test para asi saber el conjunto de datos que

sigue una modelación por una distribución normal, la base para saber si tiene una distribución

normal es sobrepasar el 0,05.

Método de Kolmogorov-Smirnov (ks)

El procedimiento Prueba de Kolmogorov-Smirnov para una muestra compara la

función de distribución acumulada observada de una variable con una distribución

teórica determinada, que puede ser la normal, la uniforme, la de Poisson o la

exponencial. La Z de Kolmogorov-Smirnov se calcula a partir de la diferencia mayor (en

valor absoluto) entre las funciones de distribución acumuladas teórica y observada.

Método de Shapiro Wilk

El método consiste en comenzar ordenando la muestra de menor a mayor valor,

obteniendo el nuevo vector muestral. Cuando la muestra es como máximo de tamaño 50,

se puede contrastar la normalidad con la prueba de Shapiro-Wilk, procediéndose a

calcular la media y la varianza muestral.

Método de Darling y Anderson

El estadístico Anderson-Darling mide qué tan bien siguen los datos una distribución

específica, siendo que, para un conjunto de datos y distribución en particular, mientras

mejor se ajuste la distribución a los datos, menor será este estadístico. También puede

utilizar el estadístico de Anderson-Darling para comparar el ajuste de varias

distribuciones con el fin de determinar cuál es

5
 2. RESULTADOS

Ugando y Sabando (2018) realizan una investigación de las pequeñas y medianas empresas de

la Provincia de losTsáchilas conocidas como PYMES CASH, en las cuales se consideran varias

variables predictoras recogidas mensualmente durante cuatro años. A continuación se presentan

los datos:

1. Realice un análisis descriptivo cuantitativos (exploratorio cuantitativo) de las variables

predictoras considerando la Curtosis como un medio para predecir el supuesto de la
normalidad.

6
Tabla 1: Análisis descriptivo cuantitativo para los estados financieros de los PYMES

Interpretación: según la tabla 1, que analiza la curtosis con la finalidad de determinar si los datos
son muy volátiles, en tal sentido, se visualiza que el estado financiero cuenta banco del pichincha
presenta una al volatilidad (no normalidad), sin embargo las otras variables explicativas tienen
distribución anormal.

2. Realice la distribución normal para las variables predictoras-explorar

Tabla 2: Comportamiento de la normalidad para los estados financieros.

Interpretación. En cuanto a la prueba de normalidad de el test de Lilliefors que emplea al test

de Kolmogoro smirnov según la tabla 2, se observa que la cuenta banco del pichincha tiene una
distribución normal (p>0,005). Sin embargo, las otras variables financieras no se distribuyen
normalmente (p<0,005) en tal sentido, genera estas variables una alta volatilidad.

7
3. Realice la distribución normal para variable ventas

Tabla 3: Comportamiento de la normalidad para las ventas.

Interpretación: En base a la prueba de normalidad de Lilliefors que se emplea al test de

kolmogorov la variable financiera venta y las PYMES se observa que no se distribuye
normalmente dado que p >30

4. Realice la distribución normal para todas las variables para el método no paramétrico

del SPSS.

Tabla 4: Dinámica de la distribución normal para los estados financieros de las PYMES.

8
5. Realice la figura qq plot de la distribución normal para las ventas

Tabla 5: Comportamiento de la distribución de las ventas

6. Realice una prueba de rachas para todas las variables

Tabla 6: Prueba de aleatoriedad

9
 7. Realice una prueba de normalidad y rachas para los residuos del modelo

Prueba de Kolmogorov-Smirnov para

una muestra
Tabla 7: Supuesto de la normalidad y
aleatoriedad para los residuos de los modelos
Standardize
d Residual
N 60
Parámetros Media ,0000000
a,b
normales Desv. ,96550680
Desviación
Máximas diferencias Absoluto ,101
extremas Positivo ,101
Negativo -,069
Estadístico de prueba ,101
Sig. asintótica(bilateral) ,200c,d
a. La distribución de prueba es normal.
b. Se calcula a partir de datos.
c. Corrección de significación de Lilliefors.
d. Esto es un límite inferior de la significación
verdadera.

2.8 Realizar el modelo financiero para los PYMES.

Tabla 8: Supuesto financiero para los PYMES

̇
𝑦̂ = −30642,850 + 0,135𝑥1 + 0,207x2 + 0,199x3 + 0,0034x4 = Modelo financiero

10
 3. REFERENCIAS BIBLIOGRÁFICAS

Método de Kolmogorov-Smirnov (ks) que es - Buscar con Google. (2022). Google.com.

https://www.google.com/search?q=M%C3%A9todo+de+Kolmogorov-

Smirnov+%28ks%29+que+es&ei=SYREYvrhMITmxgHOpLKoAw&ved=0ahUKEwi6qrz

cn72AhUEszEKHU6SDDUQ4dUDCA4&uact=5&oq=M%C3%A9todo+de+Kolmogorov-

Smirnov+%28ks%29+que+es&gs_lcp=Cgdnd3Mtd2l6EAMyBAgAEEcyBAgAEEcyBAg

AEEcyBAgAEEcyBAgAEEcyBAgAEEcyBAgAEEcyBAgAEEc6BwgAEEcQsANKBAh

BGABKBAhGGABQ1QVY1QVgwQdoAXACeACAAQCIAQCSAQCYAQCgAQHIAQ

jAAQE&sclient=gws-wiz

Ernesto, C., & Lissette, K. (2021). PRUEBAS PARA COMPROBAR LA NORMALIDAD DE DATOS EN PROCESOS

PRODUCTIVOS: ANDERSON-DARLING, RYAN-JOINER, SHAPIRO-WILK Y KOLMOGÓROV-

SMIRNOV. Societas. Revista de Ciencias Sociales Y Humanísticas, 23(2), 83–106.

http://portal.amelica.org/ameli/jatsRepo/341/3412237018/html/index.html#:~:text=El%20estad%C3%ADstico%2

0Anderson%2DDarling%20mide,datos%2C%20menor%20ser%C3%A1%20este%20estad%C3%ADstico.

11