Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Kolmogorov Smirnov

    Cargado por

    Caty Jimenez
    7 vistas8 páginas
    El test de Kolmogorov-Smirnov es una prueba estadística no paramétrica diseñada para comparar una distribución de frecuencia observada con una distribución teórica continua, midiendo la distancia máxima entre las dos distribuciones acumuladas. No requiere agrupar los datos ni asumir una forma de distribución particular. La hipótesis nula es que la distribución observada es igual a la teórica para todos los valores, y la hipótesis alternativa es que son desiguales para al menos un valor.

    Descripción original:

    Título original

    KOLMOGOROV-SMIRNOV

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    El test de Kolmogorov-Smirnov es una prueba estadística no paramétrica diseñada para comparar una distribución de frecuencia observada con una distribución teórica continua, midiendo la distancia máxima entre las dos distribuciones acumuladas. No requiere agrupar los datos ni asumir una forma de distribución particular. La hipótesis nula es que la distribución observada es igual a la teórica para todos los valores, y la hipótesis alternativa es que son desiguales para al menos un valor.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    7 vistas8 páginas

    Kolmogorov Smirnov

    Cargado por

    Caty Jimenez
    El test de Kolmogorov-Smirnov es una prueba estadística no paramétrica diseñada para comparar una distribución de frecuencia observada con una distribución teórica continua, midiendo la distancia máxima entre las dos distribuciones acumuladas. No requiere agrupar los datos ni asumir una forma de distribución particular. La hipótesis nula es que la distribución observada es igual a la teórica para todos los valores, y la hipótesis alternativa es que son desiguales para al menos un valor.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 8

    KOLMOGOROV-

    SMIRNOV
    CATY ADRIANA JIMÉNEZ FUENTES R2MF
    • Debe su nombre a Andrey Kolmogorov y a Nicolay Smirnov, matemáticos
    rusos. 1930.
    • Diseñada especialmente para pruebas de bondad de ajuste que
    comprenden distribuciones continuas.
    • Medida de la bondad de ajuste de una distribución de frecuencia teórica,
    como la prueba ji-cuadrada
    • Método no paramétrico que compara las distribuciones de la frecuencia
    relativa observada de una muestra Fs(x) y la frecuencia relativa acumulada
    esperada (teórica) Ft(x), considerando la distancia entre cada punto (D)
    • Solo encuentra las distribuciones acumuladas relativas tanto para las
    frecuencias observadas como para las esperadas y después qué tan lejanas
    están, midiendo por medio de la estadística D.
    • Si la distancia no es significativa, la distribución teórica describe bien a la
    distribución observada.
    Hipótesis estadística:
    • Ho:F(x)= Ft(x), para todo x desde -∞ hasta + ∞
    • HA:F(x), para al menos un x
    Agrupar en tabla de frecuencias.
    - Calcular
    - Fi= frecuencia absoluta
    - Fri: Frecuencia relativa
    - Frai: frecuencia relativa acumulada observada
    - Ḟrai: frecuencia relativa acumulada (probabilidad) esperada
    - P(Zi): Probabilidad normal acumulada de cada valor Zi
    Zi=Mci-μ
    α
    -D
    x
    - Estadístico de prueba = Dmax
    - Valor crítico D α (2),n
    - Regla de decisión: Si Dmax >= Dα (2),n se rechaza Ho
    Suposiciones
    • La muestra es aleatoria
    • La distribución F (x) establecida en la hipótesis es continua.
    T
    Ventajas y Desventajas

    No requiere que las observaciones se agrupen Utiliza toda la información presente en un conjunto de
    datos
    Puede realizarse con cualquier tamaño de muestra Otras pruebas requieren un tamaño mínimo
    No es aplicable cuando los parámetros tienen que La ji- cuadrada puede utilizarse en estos casos,
    estimarse a partir de la muestra reduciendo los grados de libertad en 1, para cada
    parámetro estimado.
    Desviación estándar

    También podría gustarte