Alcantar Flores Erick Alexis

Cuellar Sánchez Emmanuel Isaías

Equipo 3
Ortiz Moreno José Eduardo
Paque Pérez Maxwell Fabian
Quesada Torres Jesús Alendro
Salazar Flores Denise Alejandra

PRUEBA DE
KOLMOGOROV
SMIRNOV
La prueba de Kolmogorov–Smirnoff (K-S) es un contraste no paramétrico que
tiene como objetivo determinar si la frecuencia de dos conjuntos de datos
distintos siguen la misma distribución alrededor de su media.

La prueba de Kolmogórov-Smirnov es una propia perteneciente a la estadística,

concretamente a la estadística inferencial.

Se trata de una prueba de bondad de ajuste, es decir, sirve para verificar si las
puntuaciones que hemos obtenido de la muestra siguen o no una distribución
normal.
 Objetivo
Es señalar si los datos provienen de una población que
tiene la distribución teórica especificada, es decir, lo
que hace es contrastar si las observaciones podrían
razonablemente proceder de la distribución
especificada.
 La prueba de Kolmogórov-Smirnov aborda la
siguiente pregunta: ¿Provienen las observaciones
de la muestra de alguna distribución hipotética?

Hipótesis nula e hipótesis alternativa

En este caso, la hipótesis nula (H0) establecerá que la distribución empírica es similar
a la teórica (la hipótesis nula es la que no se intenta rechazar).
En contraste, la hipótesis alternativa (H1) establecerá que la distribución de
frecuencias observada no es consistente con la distribución teórica (mal ajuste).
Como en otras pruebas de contraste de hipótesis, el símbolo α (alfa) indicará el nivel
de significación de la prueba.
 ¿Cómo se calcula?
El resultado de la prueba de Kolmogórov-Smirnov se representa mediante la
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).

Supuesto
Para poder aplicar la prueba de Kolmogórov-Smirnov correctamente, se
s
deben asumir una serie de supuestos. Primeramente, la prueba asume que
los parámetros de la distribución de prueba se han especificado previamente.
Este procedimiento estima los parámetros a partir de la muestra.
Por otro lado, la media y la desviación estándar de la muestra son los
parámetros de una distribución normal, los valores mínimo y máximo de la
muestra definen el rango de la distribución uniforme, la media muestral es el
parámetro de la distribución de Poisson y la media muestral es el parámetro
de la distribución exponencial.
Ventaja
s de calcular y usar, y no requiere agrupación de los datos.
• Es fácil
• El estadístico es independiente de la distribución de frecuencias
esperada, solo depende del tamaño de la muestra.
 Ejemplo
KOLMOGOROV SMIRNOV : Es un tipo de prueba de uniformidad.

Por ejemplo: las medidas en metros de 9 peces espadas .

Medidas:

Comprobar si los datos siguen una distribución normal.

PASO 1: Ordenar los valores de X1, que son las medidas de los peces.

Fi Se calcula acumulando las probabilidades individuales.

PASO 2: Las siguiente columna se obtiene con la fórmula.

Para esto debemos saber la media y desviación estándar.

La siguiente columna
se busca en la tabla de
la normal estándar.
Y buscamos todos los elementos hasta llenar esa columna.

La siguiente columna es la diferencia entre Fi y Z.

Por ejemplo: para la fila 1: (1/9)-0.085=0.026

La ultima columna se calcula restando valores de probabilidad acumulada menos el valor

Teórico acumulado anterior.

Explicación:

Para la fila 1: (0-0.085)=0.85

Para la fila 2: (1/9)-0.137=0.026

Así hasta hacer todas las columnas.

Finamente, solo tenemos que buscar el máximo en alguna de las ultimas dos columnas