DISTRIBUCIONES

TEÓRICA
Las opciones del menú principal
Opciones Descripción
Distribuciones Permite evaluar si una serie de datos se ajustan a una serie de
distribuciones: Normal, log-normal con 2 y 3 parámetros, gamma
con 2 y 3 parámetros, log-Pearson tipo III, Gumbel y log-Gumbel,
tanto con momentos ordinarios, como con momentos lineales. Si
la serie de datos se ajusta a una distribución, permite calcular por
ejemplo caudales o precipitaciones de diseño, con un período de
retorno dado o con una determinada probabilidad de ocurrencia.
DISTRIBUCIONES TEÓRICAS

La Probabilidad: Es la mayor o menor posibilidad de que ocurra un determinado suceso. En otras palabras, su noción viene
de la necesidad de medir o determinar cuantitativamente la certeza o duda de que un suceso dado ocurra o no.

Ésta establece una relación entre el número de sucesos favorables y el número total de sucesos posibles. 

Las distribuciones teóricas de probabilidad: Función que asigna a cada suceso definido sobre la variable aleatoria la
probabilidad de que dicho suceso ocurra. Muestra todos los resultados posibles de un experimento y la probabilidad de
cada resultado
Distribución Teórica: Proceso de selección
Distribución normal .
Selección de una Distribución log-normal de 2 ó 3 parámetros .
distribución Distribución gamma de2 ó 3 parámetros .
Distribución log-Pearson tipo III .
Distribución Gumbel .
Distribución log-Gumbel

Registro de datos

Elegir una distribución

teórica

Estimación de
parámetros

Prueba de bondad de
ajuste

F V Usar Distribución
Ajuste bueno
Teórica elegida FIN
 Distribución normal o gaussiana
La distribución normal es una distribución con forma de campana donde las desviaciones estándar sucesivas
con respecto a la media establecen valores de referencia para estimar el porcentaje de observaciones de los
datos. Estos valores de referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y t.
 Distribución normal o gaussiana
en la hidrología
La distribución normal tiene gran utilidad en hidrología, siendo alguna de sus principales aplicaciones:

• En el ajuste de distribuciones empíricas de variables hidrológicas de intervalos de tiempo grandes, tales como variables medias anuales,
mensuales, estacionales, etc., que pueden ser caudales, precipitación, entre otros.

• Análisis de los errores aleatorios en las observaciones o mediciones hidrológicas.

• Como referencia para -comparar varias distribuciones teóricas de ajuste en una distribución empírica.

• Para hacer procesos de inferencia estadística.

Ajuste
El ajuste puede realizarse gráficamente utilizando papel probabilístico normal ó analíticamente, mediante los estadísticos
Chi-cuadrado ó Smirnov-Kolmogorov.
 Cálculo de una Distribución normal o Gaussiana
1. Ordenar los datos de manera creciente

√
𝒏
𝒏
𝟏 ∑ ( 𝑸𝒊 − 𝑸)𝟐
2. Calcular los parámetros estadísticos: Media: ∑
𝑸=y Desviación
𝒏 𝒊=𝟏
𝑸 𝒊 Estándar: 𝑺=
𝒊=𝟏
𝒏− 𝟏

3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:

P(x) = probabilidad empírica o experimental

𝑴
𝑷 ( 𝒙 )= M = número de orden
𝑵 +𝟏
N = número de datos

4. Calcular la probabilidad teórica F(x):

Modelos teóricos, usar la ecuación de la función acumulada F(x), o tablas elaboradas para tal fin

[ ]
𝑍 2
𝑋−𝑋 1 𝑍
𝑍=
𝑆
𝐹 ( 𝑍 )= ∫
√ 2 𝜋 −∝
𝐸𝑋𝑃 −
2
𝑑𝑍

Procedimiento gráfico: Utiliza papel probabilístico especial donde F(x), puede representarse como una línea recta
Cálculo de la Distribución Acumulada normal

Abramowitz y Stegun (1965), han dado varias aproximaciones para la F.D.A. de la variable normal
estandarizada Z. Una aproximación polinomial con un error menor que 10-5 es:

F(Z) =1 - f(Z) (0.4361836 - 0.1201676 + 0.9372980

donde:
F(Z) = es la función de distribución acumulada
f(Z) = es la función densidad de la variable estandarizada
t = es definido para Z = 0, como
𝟏
𝒕=
𝒂+𝟎 . 𝟑𝟑𝟐𝟔𝟕| 𝒁|

Si Z < 0, la F.D.A. se calcula como:

𝟏 −𝐅(𝐙)
5. Calcular las diferencias |P(x) - F(x)|, para todos los valores de x

6. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

7. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

8. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra
distribución
 Ventajas y limitaciones
1. No requiere un conocimiento a priori de la función de distribución teórica.

2. Es aplicable a distribuciones de datos no agrupados, es decir, no se requiere hacer intervalos de clase.

3. Es aplicable a cualquier distribución teórica.

4. Se aplica en la función de distribución acumulada y no en la función de densidad.

5. Comparándola con la prueba Chi-cuadrado, no se requiere que la frecuencia absoluta de cada clase, sea
igual o mayor que 5.

6. No es una prueba exacta, sino una prueba aproximada

Distribución Lognormal Y=Ln(x)
La distribución lognormal es una distribución flexible que se relaciona estrechamente con la distribución normal.

Si la variable aleatoria X, tiene una distribución log-normal, esto significa que Y = ln(X) tiene una distribución normal.

Es posible una generalización, en el caso que se introduzca un límite inferior Xo, cuyo caso el LnX, anteriores, es sustituido por Ln(X –
Xo).

Hay una distribución log-normal de 2 parámetros y otra de 3 parámetros, en la de 3 parámetros, el tercer parámetro es el límite inferior
Xo, denominado parámetro de posición.
 Cálculo de una Distribución Lognormal 2 parámetros
1. Ordenar los datos de manera creciente
2. Obtener el Logaritmo natural de la serie: Y = Ln(x)

√
𝒏
𝒏
𝟏 ∑ (ln 𝒙 𝒊 − 𝝁 𝒚 )𝟐
3. Calcular los parámetros estadísticos: Media: ∑
𝝁 𝒚 = y Desviación
𝒏 𝒊=𝟏
ln 𝒙 Estándar: 𝝈 𝒚=
𝒊=𝟏
𝒏−𝟏

4. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:

P(x) = probabilidad empírica o experimental

𝑴
𝑷 ( 𝒙 )= M = número de orden
𝑵 +𝟏 N = número de datos

5. Calcular la probabilidad teórica F(x):

Modelos teóricos, usar la ecuación de la función acumulada F(x), o tablas elaboradas para tal fin

[ ]
𝑍 2
ln 𝑥 −𝝁 𝒚 1
∫ 𝑍
𝑍= ⟹ 𝐹 ( 𝑍 )=
√ −∝
2 𝜋
𝐸𝑋𝑃 −
2
𝑑𝑍
𝝈𝒚
Nota. Para el cálculo de la distribución acumulada de la normal o la log-normal, una vez conocido sus parámetros, hacer la transformación a la
distribución normal estándar y usar las tablas o las ecuaciones de aproximación, elaboradas para su cálculo
6. Calcular las diferencias |P(x) - F(x)|, para todos los valores de Ln(x)

7. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra
distribución
 Cálculo de una Distribución Lognormal 3 parámetros
1. Ordenar los datos de manera creciente

1. Estimar el parámetro de posición:

si n = par =
= primer valor de la serie ordenada ascendentemente
si n = impar
= último valor de la serie ordenada ascendentemente
n = número de dato de la serie
= mediana de la serie de valores

√∑
𝒏 𝒏
𝟏 y Desviación Estándar:
2. Calcular los parámetros estadísticos: Media: 𝝁𝒚= ∑
𝒏 𝒊=𝟏
ln ¿ ¿ ¿ ¿ 𝝈 𝒚=
𝒊=𝟏
¿¿¿¿¿

3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
𝑴 P(x) = probabilidad empírica o experimental
𝑷 ( 𝒙 )= M = número de orden
𝑵 +𝟏
N = número de datos
4. Calcular la probabilidad teórica F(x):

Modelos teóricos, usar la ecuación de la función acumulada F(x), o tablas elaboradas para tal fin

[ ]
𝑍

𝑍=ln ¿¿¿¿
1 𝑍2
⟹ 𝐹 ( 𝑍 )= √ 2 𝜋 ∫
−∝
𝐸𝑋𝑃 −
2
𝑑𝑍
6. Calcular las diferencias |P(x) - F(x)|, para todos los valores de Ln(x)

7. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra
distribución
Distribución Gamma
Otra distribución que juega un papel importante en Hidrología es la distribución Gamma. Su aplicación es tan común,
como el uso de la distribución log-normal.

 Crecientes máximas anuales

 Caudales mínimos
 Volúmenes de flujo anuales y estacionales
 Valores de precipitaciones extremas
 Volúmenes de lluvia de corta duración

Tiene 2 ó 3 parámetros (Pearson Tipo III).

 Cálculo de una Distribución Gamma 2 Parámetros
1. Colocar los datos tal y como está
2. Obtener el Logaritmo natural de la serie: Y = Ln(x)

3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:
𝑴 P(x) = probabilidad empírica o experimental
𝑷 ( 𝒙 )= M = número de orden
𝑵 −𝟏
N = número de datos
𝒏 𝒏
𝟏y Media Logarítmica 𝟏
4. Calcular los parámetros estadísticos: Media: 𝑿= ∑
𝒏 𝒊 =𝟏
𝑿𝒊 ln 𝑿= ∑
𝒏 𝒊=𝟏
ln 𝑋 𝑖

5. Estimación de parámetros, método de máxima verosimilitud:

2
0 ≤ Y ≤ 0.5772 ⟹ ϒ =(0.5000876 +0.1648852 𝑌 − 0.0544274 𝑌 )/𝑌
𝑋
2 𝛽=
8.898919+9.05995 𝑌 + 0.9775373 𝑌 ϒ
0.5772 ≤ Y ≤ 17.0 ⟹ ϒ= 2
𝑌 (17.79728+11.968477 𝑌 + 𝑌 )  
5. Calcular función acumulada F(y) 𝑥 𝑦
− 𝛾−1 −𝑦
𝑥 𝛾 −1 𝛽 𝑦 𝑒
𝐹 ( 𝑥)=∫
𝑥 𝑒
ⅆ𝑥 𝐺( 𝑦 )=∫ ⅆ𝑦
𝛾
𝛽 Γ (𝛾) 0 Γ (𝛾 )
0

La integral de la ecuación puede evaluarse para valores dados de β y ϒ, usando la tabla siguiente tabla, en la cual se ha tabulado Ia
función garnma incompleta.
Prueba Chi-cuadrado: Variable aleatoria reducida: Grado de libertad:

En esta tabla, se ingresa con los valores de Chi-cuadrado y grados de libertad, y se determina los valores de la probabilidad de
excedencia 𝑃𝑒𝑥=1 − 𝐺( 𝑦 )
6. Calcular las diferencias |P(x) - F(x)|, F(x) = G(y)

7. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra distribución
 Distribución Gamma 3 parámetros o Pearson
Tipo III
Su uso en hidrología está casi tan difundido, como el uso de la distribución log-
normal de 3 parámetros, con la desventaja, que tiene mayor complicación al
estimar sus parámetros y calcular los valores de la función de distribución
acumulada.

La práctica ha demostrado que los resultados entre la distribución log-normal y la

distribución Pearson tipo III, para el ajuste de series de precipitaciones anuales,
módulos anuales, precipitaciones mensuales, etc. no difieren.
 Cálculo de una Distribución Gamma 3 Parámetros
1. Colocar los datos tal y como está

2. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:

𝑴 P(x) = probabilidad empírica o experimental

𝑷 ( 𝒙 )= M = número de orden
𝑵 −𝟏 N = número de datos

𝑁2𝑀3
3. Calcular los datos muestrales 𝐶 𝑠 =𝑔= 3
( 𝑁 − 1)( 𝑁 − 2)𝑆

√
𝒏
𝟏 𝒏

𝑿= ∑ 𝑿 𝒊
𝒏
∑ ( 𝒙 𝒊 − 𝑿 )𝟐 𝟏
𝑵 𝒊=𝟏 𝑺=
𝒊=𝟏
𝑵 −𝟏
𝑴 𝟑= ∑
𝑵 𝒊=𝟏
(𝒙 𝒊 − 𝑿 )𝟑

4. Estimación de parámetros, método de máxima verosimilitud:

4 𝐶 ∗𝑆 2∗ 𝑆
ϒ= 2 𝛽= 𝑠 𝑋 0= 𝑋 −
𝐶𝑠
𝐶𝑠 2
5. Calcular función acumulada F(y) (𝑥 −𝑥 0 ) 𝑦 𝛾−1 −𝑦
−
𝑦 𝑒
𝐺( 𝑦 )=∫
𝑥 𝛾−1 𝛽
( 𝑥 − 𝑥 0) 𝑒 ⅆ𝑦
𝐹 ( 𝑥)=∫ 𝛾
ⅆ𝑥 0 Γ (𝛾 )
𝑥0 𝛽 Γ (𝛾)
La integral de la ecuación puede evaluarse para valores dados de β y ϒ, usando la tabla siguiente tabla, en la cual se ha tabulado Ia
función garnma incompleta.
Prueba Chi-cuadrado: Variable aleatoria reducida: Grado de libertad:

En esta tabla, se ingresa con los valores de Chi-cuadrado y grados de libertad, y se determina los valores de la probabilidad de
excedencia 𝑃𝑒𝑥=1 − 𝐺( 𝑦 )
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)

7. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra distribución
Distribución Log Pearson Tipo III

Su uso en hidrología está casi tan difundido, como el uso

de la distribución log-normal de 3 parámetros, con la
desventaja, que tiene mayor complicación al estimar sus
parámetros y calcular los valores de la función de
distribución acumulada.

La práctica ha demostrado que los resultados entre la

distribución log-normal y la distribución Pearson tipo III,
para el ajuste de series de precipitaciones anuales, rnódulos
anuales, precipitaciones mensuales, etc. no difieren.
 Cálculo de una Distribución Log Pearson Tipo III
1. Colocar los datos tal y como está
2. Obtener el Logaritmo natural de la serie: Y = Ln(x)
3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:

𝑴 P(x) = probabilidad empírica o experimental

𝑷 ( 𝒙 )= M = número de orden
𝑵 +𝟏

𝑺 ln𝒙 = √∑ ¿¿¿¿¿
N = número de datos

3. Calcular los datos muestrales

𝐶 𝑠 ln(𝑥) =𝑔=𝑁 2
∑ ¿¿¿¿ 𝟏
𝒏
𝑿 ln 𝒙 = ∑ ln 𝑿
4. Estimación de parámetros, método de máxima verosimilitud:
𝑵 𝒊=𝟏

4 𝐶 𝑠 ln 𝑥 ∗ 𝑆ln 𝑥 2 ∗𝑆 ln 𝑥
ϒ= 2 𝛽= 𝑋 0= 𝑿 ln 𝒙 −
𝐶 𝑠 ln 𝑥 2 𝐶 𝑠 ln 𝑥
5. Calcular función acumulada F(y) (ln 𝑥 − 𝑥 0) 𝑦 𝛾−1 −𝑦
−
𝑦 𝑒
𝐺( 𝑦 )=∫
𝑥 𝛾 −1 𝛽
(ln 𝑥 − 𝑥 0 ) 𝑒 ⅆ𝑦
𝐹 ( 𝑥)=∫ 𝛾
ⅆ𝑥 0 Γ (𝛾 )
𝑥0 𝛽 Γ (𝛾 )
La integral de la ecuación puede evaluarse para valores dados de β y ϒ, usando la tabla siguiente tabla, en la cual se ha tabulado Ia
función garnma incompleta.
Prueba Chi-cuadrado: Variable aleatoria reducida: Grado de libertad:

En esta tabla, se ingresa con los valores de Chi-cuadrado y grados de libertad, y se determina los valores de la probabilidad de
excedencia 𝑃𝑒𝑥=1 − 𝐺( 𝑦 )
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)

7. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra distribución
 Distribución Gumbel
Es utilizada para modelar la distribución del máximo (o el mínimo), por lo que se
usa para calcular valores extremos.

Por ejemplo, sería muy útil para representar la distribución del máximo nivel de
un río a partir de los datos de niveles máximos durante 10 años.

Es por esto que resulta muy útil para predecir terremotos, inundaciones o
cualquier otro desastre natural que pueda ocurrir.
La ley de Gumbel o ley de valores extremos, se utiliza generalmente para ajustar a
una expresión matemática, las distribuciones empíricas de frecuencia de caudales
máximos anuales, precipitaciones máximas anuales, etc.

Es importante verificar, antes de aplicar esta distribución de probabilidad, que los

coeficientes de asimetría y curtosis de la distribución empírica sean del mismo
orden que los valores poblacionales

Uno de los inconvenientes del uso de esta distribución, es que en una distribución
doble exponencial, la variable puede tomar cualquier valor, por lo que se puede
asignar probabilidades a valores negativos de la variable aleatoria, cuestión que
resta significación física a la aplicación, debido a que las variables hidrológicas
toman solamente valores positivos o cero.
 Cálculo de una Distribución Gumbel
1. Colocar los datos tal y como está

2. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:

𝑴 P(x) = probabilidad empírica o experimental

( )
𝑷 𝒙= M = número de orden
𝑵 +𝟏
N = número de datos

√
𝒏
𝟏 𝒏
3. Calcular los datos muestrales
𝑿= ∑ 𝑿 𝒊 ∑ ( 𝒙 𝒊 − 𝑿 )𝟐
𝑵 𝒊=𝟏 𝑺=
𝒊=𝟏
𝑵 −𝟏

4. Estimación de parámetros distribución Gumbel: 𝛼=

√6 𝑆 𝜇= 𝑋 − 0.45 𝑆
𝜋
5. Calcular función acumulada F(y)

𝑥− 𝜇 −
𝑥 −𝜇
𝑥 −𝜇
1 𝑦=
𝛼
− −𝑒 −𝑒
−𝑦

𝐹 ( 𝑥)= 𝑒 𝛼
𝐺( 𝑦 )=𝑒 𝛼
𝛼
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)

7. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra distribución
 Cálculo de una Distribución LogGumbel
1. Colocar los datos tal y como está
2. Obtener el Logaritmo natural de la serie: Y = Ln(x)

3. Calcular la probabilidad empírica o experimental P(x) de los datos, para esto usar la fórmula de Weibull:

𝑴 P(x) = probabilidad empírica o experimental

𝑷 ( 𝒙 )= M = número de orden
𝑵 +𝟏
N = número de datos

𝑺 ln𝒙 = √∑ ¿¿¿¿¿
𝒏
𝟏
4. Calcular los datos muestrales 𝑿 ln 𝒙 = ∑ ln 𝑿
𝑵 𝒊=𝟏

4. Estimación de parámetros distribución Gumbel: 𝛼=

√6 𝑺 𝜇= 𝑿 ln 𝒙 − 0.45 𝑺 ln 𝒙
ln 𝒙
𝜋
5. Calcular función acumulada F(y)

𝑥− 𝜇 −
𝑥 −𝜇
𝑥 −𝜇
1 𝑦=
𝛼
− −𝑒 −𝑒
−𝑦

𝐹 ( 𝑥)= 𝑒 𝛼
𝐺( 𝑦 )=𝑒 𝛼
𝛼
6. Calcular las diferencias |P(x) - F(x)| F(x) = G(y)

7. Seleccionar la máxima diferencia: Δ= máx |P(x) - F(x)|

8. Calcular el valor crítico del estadístico Δ, es decir Δo, para un = 0.05 y N igual al número de datos. Los valores de Δo,
se muestran en la siguiente tabla:

9. Comparar el valor del estadístico Δ, con el valor crítico Δo de la tabla , con los siguientes criterios de decisión
deducidos de la ecuación:

Δ < Δo ⟹ el ajuste es bueno, al nivel de significación seleccionado

Δ > Δo ⟹ el ajuste no es bueno, al nivel de significación seleccionado, siendo necesario probar con otra distribución