INSTITUTO TECNOLÓGICO DE DURANGO

Estadística Inferencial I

Ingeniería Industrial

Cuadro conceptual

Alumno: Miguel Angel Orozco Fierro

No. De control: 20041841

Asesor: Ing. Maria de la Luz López Ramos

Tutor: Ing. Mónica Egure Hidalgo

Durango, Dgo. Fecha de entrega: 13 de abril de 2022

 Pruebas no Paramétricas

Engloban una serie de pruebas estadísticas que

tienen en común la ausencia de asunciones
acerca de la ley de probabilidad que sigue la
población de la que ha sido extraída la muestra.
Así, estas técnicas se aplican cuando no sabemos
si la población de la cual se extrae la muestra es Ejemplos
normal o aproximadamente normal.

Kolmogorov–Smirnov Anderson-Darling Ryan - Joiner Shapiro-Wilk

Tiene como objetivo Mide Mide Se emplea para

Determinar si la frecuencia de dos
conjuntos de datos distintos sigue la
misma distribución alrededor de
su media.
• Se trata de una prueba de bondad de ajuste.
• Sirve para verificar si las puntuaciones que
hemos obtenido de la muestra siguen o no
una distribución normal.
• Aborda la siguiente pregunta: ¿Provienen las
observaciones de la muestra de alguna
distribución hipotética?
• Es más poderosa que la prueba Chi
cuadrado (χ²).
• Es fácil de calcular y usar, y no requiere
agrupación de los datos.
Se representa mediante
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).
Qué tan bien siguen los datos una
distribución específica.
Puede ser utilizada para
Comprobar si los datos satisfacen el
supuesto de normalidad para una
prueba t
Se basa en
La comparación de la función de la distribución
acumulada empírica de los resultados de la
muestra con la distribución esperada si los
datos fueran normales. Al momento de obtener
los resultados, si la diferencia observada es
suficientemente grande, la hipótesis nula de
normalidad de la población es rechazada.
Qué tan bien se ajustan los datos a
una distribución normal, calculando la
correlación entre los datos y las
puntuaciones normales de los datos.
Proporciona un
Coeficiente que indica exactamente la
correlación entre los datos y las
puntuaciones normales de los datos. Una
vez que el coeficiente de correlación se
acerca a 1, los datos se encuentran
dentro de la gráfica de probabilidad
normal; caso contrario, esto es, cuando
el valor critico adecuado es menor, se
rechaza la hipótesis nula de normalidad.
Esta prueba resulta
adecuada para
Muestras superiores a 30
observaciones.
Contrastar normalidad cuando el
tamaño de la muestra es menor a 50
observaciones y en muestras grandes
es equivalente al test de Kolmogórov-
Smirnov.
El método consiste en
Comenzar ordenando la muestra de
menor a mayor valor, obteniendo el
nuevo vector muestral.
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