Está en la página 1de 20

TEMAS

PRUEBAS DE BONDAD DE AJUSTE


PRUEBA DE INDEPENDENCIA

LOGRO DEL TEMA


Al finalizar la sesin,

el estudiante ser capaz de:


Aplicar los diferentes usos de la distribucin
chi cuadrado para Bondad de ajuste de una
variable e independencia de dos variables
categricas

Pruebas Chi cuadrado


Prueba de bondad de ajuste a la Poisson

Observemos la variable:
X= Nmero de defectos por maylica de 30x30
Qu distribucin presenta esta variable?
Nmer
o
defect
Maylic os: X
a
i
1
0
2
0
3
1
4
2
5
3
6
1
7
0
8
2
..

100
3

Cmo probar que posee esa distribucin?

Comparamos valores observados


con valores esperados.

Tabla
resumen
Xi

oi

45

30

15

10

100

Comparaciones entre valores observados y valores esperados


50 45
45 40.7
40
36.6
35
30
30
25
Nmero de maylicas
20
1516.5
15
10
10
6.3
5
0
0
1
2
3
Nmero de defectos

Qu tan buen ajuste logramos?

oi
ei

Prueba de bondad de ajuste a la Poisson


Sirve para probar si una variable sigue una distribucin
determinada en este caso Poisson

Hiptesis:

H0: X sigue una distribucin de Poisson


H1: X no sigue una distribucin de Poisson

Estadstico de prueba:
k

c2

oi ei

i 1

ei

ei npi

~ (2k m 1)

Criterio de rechazo:

Distribution Plot
F; df1=15; df2=23
0,9
0,8
0,7


2
c

2
( , k m 1)

Density

Z.R.

0,6
0,5
0,4

Z.N.R

0,3
0,2

0,1
0,0

(2 ,k m 1)
X

EJEMPLO

Pg. 96

Se desea probar si el nmero de rayos gamma


emitidos por segundo por cierta sustancia radiactiva
es una variable aleatoria que tiene distribucin de
Poisson. Utilice los siguientes datos obtenidos en
300 intervalos de segundo para probar dicha
hiptesis a un nivel de significacin 0,05. o e 2
Nmero
Frecuencia
oi
de rayos
observada:
gamma: X
0
20
1
48
2
65
3
75
4
45
5
34
6
9
7 o ms
4
Total
300

Probabilida
d

0,239505
0,222207
0,154619
0,086071
0,039928

Frecuencia
esperada: ei

71,8514
66,6622
46,3858
25,8214
11,9783

ei

0,65332
1,04287
0,04140
2,59047
0,74051

Prueba de bondad de ajuste para distribucin de Poisson


Columna Datos: Nmero de rayos gamma
Columna Frecuencia: Frecuencia observada
Media de Poisson para Nmero de rayos gamma = 2,78333
Nmero
de rayos
gamma
0
1
2
3
4
5
6
>=7

Obs
20
48
65
75
45
34
9
4

Probabilidad
de Poisson
0,061832
0,172099
0,239505
0,222207
0,154619
0,086071
0,039928
0,023739

N N* GL Chi-cuad. Valor P
300 0 6 6,80545 0,339

Esperado
18,5496
51,6298
71,8514
66,6622
46,3858
25,8214
11,9783
7,1216

Contribucin
a Chi-cuad.
0,11340
0,25519
0,65332
1,04287
0,04140
2,59047
0,74051
1,36830

Pruebas de normalidad
Shapiro Wilks y Anderson Darling

Prueba de normalidad
Sirve para probar si una muestra de datos sigue una
distribucin normal

Hiptesis:

H0: X sigue una distribucin normal


H1: X no sigue una distribucin normal
Existen dos pruebas muy conocidas para probar la
normalidad de una muestra de datos.

Prueba de normalidad de Shapiro Wilks


Se considera una de las pruebas ms potentes para el
contraste de normalidad, sobre todo para muestras
pequeas (n<30)

EJEMPLO

Pg.99

Pruebe que si las siguientes edades provienen de


una distribucin normal. Use un nivel de
significacin del 1%.

12 15 16 18 19 14 10 15 16 14
Grfica de probabilidad de Edades
Normal
99

Media
Desv.Est.
N
RJ
Valor P

95
90

Porcentaje

80
70
60
50
40
30
20
10
5

10,0

12,5

15,0
Edades

17,5

20,0

22,5

14,9
2,644
10
0,990
>0,100

Prueba de normalidad de Anderson Darling


Esta prueba se aplica para evaluar el ajuste a cualquier
distribucin de probabilidades.
Cuando se aplica para probar si se ajusta un conjunto
de datos a una distribucin normal, es una herramienta
poderosa para la deteccin de la mayora de las
desviaciones de la normalidad.
Es una prueba de normalidad considerada como una
modificacin de la prueba de Kolmogorov.

EJEMPLO

Pg 101

Durante un periodo de tres semanas se observ el


nmero de averas de una mquina. Contrastar la
hiptesis de que los datos provienen de una
distribucin normal. Use un nivel de significacin del
1%.

Prueba de independencia

Debido a la cercana de los exmenes finales,


se hizo una encuesta a los alumnos de la UPC
para saber si su rendimiento en los exmenes
esta relacionado con el tipo de msica que
escuchan en sus horas de estudio.

Rendimiento
Alto
Medio
Bajo

Estn relacionadas
estas variables?

Tipo de msica
Rock
Pop
Clsica

Prueba de independencia
Sirve para probar si dos variables categricas son
independientes entre s.

Hiptesis:

H0: X e Y son independientes (no estn


relacionados)
H1: X e Y no son independientes (estn
Estadstico
de prueba:
relacionados)
r


2
c

ij eij

i 1 j 1

eij

eij

2
r 1 c 1

F; df1=15; df2=23
0,9
0,8
0,7

Density

2
, r 1 c 1

Distribution Plot

Criterio de rechazo:
2
c

ni n j

Z.R.

0,6
0,5
0,4
0,3
0,2
0,1
0,0

Z.N.R
.

2 , r 1 c 1
X

Tabla de contingencia
La variable 1 con r categoras se ordena en las filas (tendremos r filas)
La variable 2 con c categoras se ordena en las columnas (tendremos c columnas)
Variable 2
Column
a1

Columna
2

..

Column
ac

Total

Fila 1
Variabl
e1

Fila 2
.
.
Fila r

Total

La tabla se construye con la informacin de una muestra.

EJEMPLO

Pg. 103

Para determinar si en realidad existe una relacin


entre el aprovechamiento de un empleado en el
programa de capacitacin y su rendimiento real
en el trabajo, consideramos una muestra de 400
casos de sus archivos y obtenemos las frecuencias
Calificacin en el programa de
observadas que se presentan
en la siguiente tabla
capacitacin

Rendimiento real Deficiente


Promedio
en el trabajo
(calificacin del
Muy bueno
empleador)
Total

Debajo
Sobre el
Promedi
del
promedi
o
promedio
o
23
60
29
28
79
60

Total

112
167

49

63

121

60

188

152

400

Con un nivel de significacin del 0.01, la calificacin del


rendimiento del trabajador est asociada a la calificacin en
el programa de capacitacin?

Distribucin del rendimiento real en el trabajo con respecto a la calificacin en el programa


90
79

80
70

63
60

60

60

Rendimiento real en el trabajo


(calificacin del empleador)
Promedio

49

50
Nmero de trabajadores
40
30

29

28
23

20
10
0

Rendimiento real en el trabajo


(calificacin del empleador)
Deficiente

Rendimiento real en el trabajo


(calificacin del empleador)
Muy bueno

Qu aprendimos hoy?

También podría gustarte