PRUEBAS DE BONDAD DE AJUSTE

Y PRUEBAS NO PARAMÉTRICAS
Las pruebas de bondad de ajuste son
pruebas de hipótesis para verificar
si los datos observados en una
muestra aleatoria se ajustan con
algún nivel de significancia a
determinada distribución de
probabilidad (uniforme, exponencial,
normal, poisson, u otra cualquiera).
 PRUEBAS DE BONDAD DE AJUSTE
• Las pruebas de bondad de ajuste son pruebas de
hipótesis para verificar si los datos observados en una
muestra aleatoria se ajustan con algún nivel de
significancia a determinada distribución de probabilidad
(uniforme, exponencial, normal, poisson, u otra
cualquiera). La hipótesis nula Ho indica la distribución
propuesta,mientras que la hipótesis alternativa H1, nos
indica que lavariable en estudio tiene una distribución
que no se ajusta a la distribución propuesta.
•
Ho: f(x)=fo(x)
H1: f(x)≠fo(x)
Para realizar la prueba, se clasifican los datos
observados en k clases o categorías, y se
contabiliza el número de observaciones en cada
clase, para posteriormente comparar la frecuencia
observada en cada clase con la frecuencia que se
esperaría obtener en esa clase si la hipótesis nula
es correcta.

k = No. de clases, k>2

oi = Frecuencia observada en la clase i
ei = Frecuencia esperada en la clase i, si Ho es
correcta.
Las pruebas de bondad de ajuste comparan la
frecuencia observada con la frecuencia esperada en
cada clase.

ei = n*pi, donde: n=tamaño de la muestra, pi=área

bajo la curva fo(x) en el intervalo limsup-liminf de la
clase i Si fo(x) es continua, entonces:

Existen varios procedimientos para probar la bondad

de ajuste de una distribución a los datos observados
en una muestra, uno de ellos es la prueba Ji-cuadrada,
que se basa en el estadístico de prueba:
El cual tiene distribución Ji-cuadrada con k-r-1 grados
de libertad. Si las diferencias oi-ei son pequeñas, el
valor del estadístico es pequeño, por
el contrario si esas diferencias son grandes (lo
observado no se ajusta a lo propuesto), el valor del
estadístico es grande, por lo tanto, la región
de rechazo de la hipótesis nula se ubica en la cola
superior de la distribución Ji-cuadrada al nivel de
significancia α.

Donde: k = No. de clases.

r = no. de parámetros estimados en fo(x) para
encontrar e
 ESTADÍSTICA NO PARAMÉTRICA
El término estadística no paramétrica se refiere a un
conjunto de método, inferenciales válidos para formas
muy diversas de distribución de la población La
aplicación de estos métodos no requiere modelo de
población, en el sentido de un parámetro específico
relacionado con la forma de la curva que representa a
la población en estudio, como sí es necesario, por
ejemplo, en el caso de la distribución normal. En el
contraste de hipótesis, las pruebas estadísticas no
paramétricas usualmente emplean algunos datos más
simples de la muestra, como los signos de las
mediciones, las relaciones de orden o las categorías de
las frecuencias.
Estos rasgos generales no requieren escalas de medición numéricas
significativas. Por otra parte, aún más importante es que a estos
métodos no los afecta el alargamiento o estrechamiento de la escala.
Una aclaración tina, indispensable es que los términos distribución
libre y estadística no paramétrica no son sinónimos, aunque en este
texto se usarán indistintamente.

A estos procedimientos se les llama de distribución libre, por no

considerar la forma como se distribuye la población. Tienen ventajas
sobre las pruebas paramétricas, algunas de ellas son: 1) implican
menos requisitos de uso, 2) son más sencillas de entender y de
aplicar, y 3) los procedimientos de cálculo resultan menos laboriosos.

Por otra parte, los métodos no paramétricos tienen ciertas

desventajas: a) se pierde información, b) la potencia de estas pruebas
es menor que la de las pruebas paramétricas, y c) tienden a ser
"conservadoras»; es decir, orientan hacia la aceptación de la hipótesis
nula con más frecuencia de lo que deberían.