INGENIERÍA INDUSTRIAL

ESTADISTICA INFERENCIAL

Actividad 1 Tema 4

Cuestionario

Profesor: María Inés Cardona Ibarra

Alumno: Francisco Javier Galvan Muñoz

Fecha: 12/Mayo/2021
Instituto Tecnológico de Aguascalientes – Educación a Distancia

INSTITUTO TECNOLOGICO DE AGUASCALIENTES

Departamento de Ingeniería Industrial
Estadística Inferencial I
Actividad Cuestionario: Conceptos fundamentales de la pruebas de bondad
de ajuste.

INSTRUCCIONES: Leer cuidadosamente cada pregunta, se entregan con los

siguientes apartados:
Portada
Desarrollo
Bibliografía
Debe de tener atributos como limpieza, orden y entregado en fecha indicada.
Todos los puntos anteriores se califican, así como las respuestas a la preguntas.

I. Complementa las siguientes preguntas:

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

R= son pruebas de hipótesis estadísticas en las que la característica que se
desconoce es alguna propiedad de la forma funcional de la distribución que
se muestrea y averiguar si existen diferencias. Permiten verificar si una
distribución de probabilidades supuesta es congruente con un conjunto de
datos dado, las pruebas básicas que pueden aplicarse son Ji-cuadrada y la
prueba de Smirnoff-kolmogorov.

2. ¿Por qué son importantes?

R= Porque se puede determinar si un grupo de datos se ajusta a una
distribución conocida, como la normal, uniforme, binomial, poisson,
exponencial, etc. Son de gran utilidad para poder comprobar la
independencia de dos variables entre si y saber cuál se lleva a cabo
mediante la presentación de datos en tablas y tienen muchas aplicaciones
en la estadística. Ayuda a comparar una distribución de frecuencia
observada con los valores correspondientes de una distribución esperada o
teórica.

Nombre de la Materia Página 2 de 6

Instituto Tecnológico de Aguascalientes – Educación a Distancia

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

4. Describe los tipos de las pruebas de bondad de ajuste.

R= Ji-Cuadrado
Las pruebas ji-cuadrada nos permiten probar si más de dos proporciones
de población pueden ser consideradas iguales. Consiste en comparar las
frecuencias observadas en la muestra con las que deberían haberse
obtenido en una población que pertenece a una distribución de probabilidad
específica, el rechazo o la aceptación de los valores calculados. Esta
prueba contrasta frecuencias observadas con las frecuencias esperadas de
acuerdo con la hipótesis nula.

Smirnoff-kolmogorov
Son pruebas no paramétricas que se utilizan para probar la concordancia
entre una distribución acumulada observada de valores muéstrales y una
función de distribución continua determinada. 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, sin embargo esta prueba no es aplicable
a distribuciones discretas.

Anderson-Darling

Tiene como propósito corroborar si una muestra de datos proviene de una

población con una distribución de probabilidad específica. Es una
modificación a la prueba de Kolmogorov-Smirnov (K-S) y da más peso para
las colas que la prueba de K-S. 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, lognormal,
exponencial, Weibull, valor extremo tipo I, y logística.

Nombre de la Materia Página 3 de 6

Instituto Tecnológico de Aguascalientes – Educación a Distancia

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

obtienen como sigue: v  k  m . K y M que significan?
K= número de grupos, clases o componentes de las frecuencias
observadas o esperadas en una muestra, después de haber satisfecho la
condición, lo que quiere decir el número de clasificaciones del problema.
M= número de parámetros estimados a partir de los datos muéstrales para
obtener los valores esperados.

II. Relaciona ambas columnas.

( PC ) Estadístico de prueba
( oi  e i )2
k
 2
0
i 1 ei

(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
 
An2    n   ( 2 i  1)ln F ( y i )  ln( 1  F ( y n 1 i ))
1 n
 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 en
Darling
muestras pequeñas, sin embargo esta prueba no es
aplicable a distribuciones discretas.

( KS ) Estadístico de prueba

D0  Máx Fobs  Fesp 
(PC) Pruebas de Chi- ( PC ) Usada para determinar si un conjunto de
frecuencias observadas de una muestra se ajustan a
Cuadrada
un conjunto correspondiente de frecuencias
esperadas o teóricas

Nombre de la Materia Página 4 de 6

Instituto Tecnológico de Aguascalientes – Educación a Distancia

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 específica. Esta prueba es una modificación de la prueba de
Kolmogorov-Smirnov donde se le da más peso a las colas de la distribución que la
prueba de Kolmogorov-Smirnov .En estadística, la prueba de Ryan - Joiner es una
prueba no paramétrica sobre si los datos de una muestra provienen de una
distribución específica. La fórmula para el estadístico determina si los datos
(observar que los datos se deben ordenar) vienen de una distribución con función
acumulativa F. Para definir la regla de rechazo de esta prueba es necesario,
también obtener el estadístico ajustado para luego compararlo con los valores
críticos con la tabla Anderson-Darlinh. A2 = -N – S

La prueba resultante está muy altamente correlacionada con el de Shapiro Wilk y,

por lo tanto prueba puede ser utilizada y se producen resultados muy similares.
Shapiro-Wilk (SW) prueba de normalidad fue introducido, con la observación de
que el gráfico de probabilidad normal que examina el ajuste de un conjunto de
datos de muestra para el normal es más bien como la regresión lineal - la línea
diagonal del gráfico es la recta de ajuste perfecto, con la divergencia de esta línea
es similar a los residuos de la regresión. Mediante el análisis de la magnitud de
esta variación (análisis de varianza) la calidad del ajuste puede ser examinado.
Los autores recomiendan el uso de su utilización estadística con muestras más

Nombre de la Materia Página 5 de 6

Instituto Tecnológico de Aguascalientes – Educación a Distancia

pequeñas (por ejemplo, 10. Desgraciadamente, la distribución de W para general

n no es conocido y debe ser obtenido por simulación y / o tabulación de los
resultados, o el uso de aproximación (como es el caso con el enfoque de
Royston). La estadística es más bien como un coeficiente de correlación al
cuadrado (o coeficiente de determinación), de modo un valor alto indica una mayor
correspondencia a la normal, pero esto por sí solo no es suficiente, los valores
altos a menudo se encuentran con muestras pequeñas de datos que no son
normales, los autores afirman que es particularmente sensible a la distribución de
asimetría y con cola larga.

REFERENCIAS:

http://cloud.aguascalientes.tecnm.mx/moodle/mod/resource/view.php?id=203947

http://cloud.aguascalientes.tecnm.mx/moodle/mod/resource/view.php?id=203948

http://www.juntadeandalucia.es/averroes/centros-
tic/14002996/helvia/aula/archivos/repositorio/250/295/html/estadistica/bondad.htm

https://pdfcoffee.com/prueba-de-ryan-3-pdf-free.html

Nombre de la Materia Página 6 de 6